CN111310804A - 基于决策树处理车辆故障问题的方法、装置、设备和介质 - Google Patents

基于决策树处理车辆故障问题的方法、装置、设备和介质 Download PDF

Info

Publication number
CN111310804A
CN111310804A CN202010073932.4A CN202010073932A CN111310804A CN 111310804 A CN111310804 A CN 111310804A CN 202010073932 A CN202010073932 A CN 202010073932A CN 111310804 A CN111310804 A CN 111310804A
Authority
CN
China
Prior art keywords
node
preset
decision tree
question
fault
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010073932.4A
Other languages
English (en)
Other versions
CN111310804B (zh
Inventor
林汉闻
吴佳军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dasou Vehicle Software Technology Co Ltd
Original Assignee
Zhejiang Dasou Vehicle Software Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Dasou Vehicle Software Technology Co Ltd filed Critical Zhejiang Dasou Vehicle Software Technology Co Ltd
Priority to CN202010073932.4A priority Critical patent/CN111310804B/zh
Publication of CN111310804A publication Critical patent/CN111310804A/zh
Application granted granted Critical
Publication of CN111310804B publication Critical patent/CN111310804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Navigation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及基于决策树处理车辆故障问题的方法、装置、设备和介质。所述方法包括：获取用户对车辆故障发生部位知晓情况的问询结果；选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；输出与所述最终节点对应的车辆故障结果。本发明能够解决现有不能高速有效获取解决车辆故障的方案的问题。

Description

基于决策树处理车辆故障问题的方法、装置、设备和介质
技术领域
本申请涉及车辆故障问诊技术领域，特别是涉及一种基于决策树处理车辆故障问题的方法、装置、设备和介质。
背景技术
随着互联网技术的发展，汽车产业也基于互联网技术开发出更多利于车辆驾驶的功能，汽车发生故障是用车途中难免遇到的，不同故障对于汽车的驾驶安全存在不同的影响。目前汽车故障类问题采用的是分类储存方式进行储存或者采用一问一答的形式处理汽车故障类问答；采用分类储存方式存在的不足在于当用户需要处理车辆故障问题时,用户只能根据分类进行选择或通过关键字搜索而获得及找出答案,该方式无法高速有效获取解决车辆故障的方案，并对用户获得有针对性的故障解决方案造成。
针对相关技术中存在的上述问题，目前尚未发现有效的解决方案。
发明内容
基于此，有必要针对上述技术问题，提供一种能够解决现有技术中不能高速有效获取解决车辆故障的方案的技术问题的基于决策树处理车辆故障问题的方法、装置、设备和介质。
一种基于决策树处理车辆故障问题的方法，所述方法包括：
获取用户对车辆故障发生部位知晓情况的问询结果；
选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出与所述最终节点对应的车辆故障结果。
在其中一个实施例中，选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树包括：
在所述问询结果表示用户已知晓车辆故障发生部位的情况下，选定所述故障部位判断决策树为所述预设判断决策树；
在所述问询结果表示用户不知晓车辆故障发生部位的情况下，选定所述感官判断决策树为所述预设判断决策树。
在其中一个实施例中，以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案包括：
以所述预设判断决策树中自顶向下的第一个节点作为所述预设节点，并以所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
在其中一个实施例中，以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案包括：
接收用户输入的故障信息文本；
确定与所述故障信息文本对应的节点；
以所述预设判断决策树中与所述故障信息文本对应的节点为所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
在其中一个实施例中，所述预设判断决策树包括中间节点和最终节点；其中，
每个所述中间节点分别对应于一个引导问题和多个候选答案，所述中间节点对应的每个候选答案分别对应于该中间节点的一个下一级节点；
每个所述最终节点分别对应于一个车辆故障结果。
在其中一个实施例中，在选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树之前，所述方法还包括：
对数据库中存储的故障类问答文本进行分词，并获取分词结果；
根据所述分词结果中的关键词对所述故障类问答进行分类，得到问答数据集合；
根据所述问答数据集合构建所述预设判断决策树。
在其中一个实施例中，所述预设判断决策树的节点层级基于所述问答数据集合中的问答数据的顺序确定。
一种基于决策树处理车辆故障问题的装置，所述装置包括：
获取模块，用于获取用户对车辆故障发生部位知晓情况的问询结果；
选取模块，用于选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
处理模块，用于以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出模块，用于输出与所述最终节点对应的车辆故障结果。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取用户对车辆故障发生部位知晓情况的问询结果；
选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出与所述最终节点对应的车辆故障结果。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取用户对车辆故障发生部位知晓情况的问询结果；
选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出与所述最终节点对应的车辆故障结果。
上述基于决策树处理车辆故障问题的方法、装置、计算机设备和存储介质，通过获取用户对车辆故障发生部位知晓情况的问询结果，然后选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，再以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；最后输出与所述最终节点对应的车辆故障结果；通过确定车辆发生故障的具体表现，并通过对用户是否知晓车辆故障发生部位的问询结果而选择匹配的判断决策树，利用判断决策树进行故障问题重复引导问询及选取候选答案确定车辆故障在判断决策树中对应的最终节点；利用判断决策树的方式将故障问题细分到最细的节点上，从而能高效准确的获取与车辆当前故障最吻合的解决方案，解决现有技术中不能高速有效获取解决车辆故障的方案的技术问题。利用分词模型对故障类问答文本进行分词，根据分词结果中关键字对问答数据进行分类并创建问答数据集合，通过问答数据集合构件判定决策树，将传统汽车故障类问答的一问一答的形式，转变为引导式，用户可以根据实际情况获得最贴切的答案，车辆故障发生时，用户可以从车辆发生故障的具体表现出发，利用决策树的方式高效准确的找寻到每个具体问题最细的节点并活动解决方案。
附图说明
图1为一个实施例中基于决策树处理汽车故障问题的方法的应用环境图；
图2为一个实施例中基于决策树处理汽车故障问题的方法的流程示意图；
图3为一个实施例中基于决策树处理汽车故障问题的装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于决策树处理车辆故障问题的方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102通过网络从网站服务器上收集全网故障类问答文本和/或存储在服务器上的判定决策树，将基于故障类文本搭建的判定决策树和决策树的每个节点ID输出至服务器上的数据库。其中，终端102可以但不限于是各种智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于决策树处理车辆故障问题的方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤202，获取用户对车辆故障发生部位知晓情况的问询结果。
其中，本实施例中的用户对车辆故障发生部位知晓情况的问询结果是在用户遇到车辆故障时，终端首先会根据用户对车辆故障发生部分是否清楚进行问答，包括：不知道故障的具体发生部位、知道具体发生部位。
具体地，可以通过采用引导式的问询方式确定对故障发生部位的知晓情况。
步骤204，选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树。
其中，本实施例的判断决策树是故障类问答数据流通过节点名称关联搭建的若干条支路构成，且每一条支路的中间节点(根几点和分支节点)及最终节点(叶子节点)均具有唯一的节点标识，分支节点的节点标识包括其自身的节点标识和其上一级分支节点的分支节点标识或根节点的节点标识，而最终节点的标识包括其自身的节点标识和其上一级的分支节点的节点标识。通过唯一的节点标识，识别出车辆故障的唯一答案。
步骤206，以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
步骤S208，输出与所述最终节点对应的车辆故障结果
其中，本实施例中的最终节点用于映射一个车辆故障问题及解决方案。
上述基于决策树处理车辆故障问题的方法中，通过获取用户对车辆故障发生部位知晓情况的问询结果，然后选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，再以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；最后输出与所述最终节点对应的车辆故障结果；通过确定车辆发生故障的具体表现，并通过对用户是否知晓车辆故障发生部位的问询结果而选择匹配的判断决策树，利用判断决策树进行故障问题重复引导问询及选取候选答案确定车辆故障在判断决策树中对应的最终节点；利用判断决策树的方式将故障问题细分到最细的节点上，从而能高效准确的获取与车辆当前故障最吻合的解决方案，解决现有技术中不能高速有效获取解决车辆故障的方案的技术问题。利用分词模型对故障类问答文本进行分词，根据分词结果中关键字对问答数据进行分类并创建问答数据集合，通过问答数据集合构件判定决策树，将传统汽车故障类问答的一问一答的形式，转变为引导式，用户可以根据实际情况获得最贴切的答案，车辆故障发生时，用户可以从车辆发生故障的具体表现出发，利用决策树的方式高效准确的找寻到每个具体问题最细的节点并活动解决方案。
在本实施例的一个实施方式中，步骤S204中的选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树可以通过如下步骤实现：
步骤S204-2，在所述问询结果表示用户已知晓车辆故障发生部位的情况下，选定所述故障部位判断决策树为所述预设判断决策树；
步骤S204-4，在所述问询结果表示用户不知晓车辆故障发生部位的情况下，选定所述感官判断决策树为所述预设判断决策树。
本实施例中，终端对用户是否知晓车辆故障发生部位的情况的判定，采用的是问询方式，也就是通过问询，然后根据用户的选择而判断汽车发生的故障类型，如果用户选择不知道故障的具体发生部位，则利用感官判断决策树为预设判断决策树并根据用于输入的故障文本信息确定车辆故障问题和给出解决故障问题的唯一答案。
在本实施例的一个实施方式中，步骤S206中的以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案可以通过如下步骤实现：
步骤S206-2,以所述预设判断决策树中自顶向下的第一个节点作为所述预设节点，并以所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
其中，预设判断决策树是基于存储在服务器104的数据库中的问答数据集合建立的，也就是通过数据库中存储的各类故障问题的字段(问、答)的问答建立的，故障问题的字段(问、答)包括当前问题字段、当前答案字段、下一问题字段和下一问题答案字段，当前一个问题可能对应一个或多个答案,每个当前答案引出下一个问题，问题和答案均具有唯一的节点名称，也就是具有唯一的ID,而问答流通过唯一ID有关联关系，而判断决策树包括中间节点(根节点和分支节点)和最终节点，中间节点包括自身的唯一ID(当前答案的唯一ID+下一个问题的唯一ID),通过唯一ID能够得到相应的问题或答案，每个中间节点的ID为其上一级中间节点的唯一ID+自身唯一ID,也就是上一中间节点可以根据ID信息确定相应的下一中间节点。同时，每个最终节点的ID为其上一级的中间节点的唯一ID+自身唯一ID。再者，预设判断决策树包括中间节点和最终节点，预设判断决策树的深度是大于2的，预设判断决策树的节点层级并非三层层级关系。
其中，预设判断决策树中自顶向下的第一节点及预订的节点(中间根节点)均为中间节点，中间节点信息包括感官中间节点和部位中间节点；具体地，感官故障中间节点为感官上的节点的表述，例如：感受到、听到、看到、失灵；部位故障中间节点为指示车辆部位的节点的表述，例如：车身、底盘、发动机、电器。中间节点还包括上述中间节点的下一级中间节点，其也包括感官中间节点和部位中间节点，具体地，下一级的感官中间节点是指驾驶员/乘车人感官的故障情况的表述，例如：遥控钥匙无法锁门(对应“失灵”中间节点、抖动(对应“感受到”中间节点)、车门异响(对应“听到”中间节点)；下一级的部位中间节点信息是指驾驶员/乘车人知晓的车辆故障发生的下一分类部位的表述，例如：车辆跑偏(对应“底盘”中间节点)、车门(对应“车身”中间节点)、后背箱(对应“车身”中间节点)、排气管冒烟(对应“发动机”中间节点)。具体地，最终节点也包括感官最终节点和部分最终节点，感官最终节点有：车钥匙遥控系统问题(对应“遥控钥匙无法锁门”子节点)、方向盘(对应“抖动”子节点)、开门时吱吱响(对应“车门异响”子节点)；部位最终节点有：行驶跑偏(对应“车辆跑偏”子节点)、车门漏水(对应“车门”子节点)、后背箱关不上(对应“后背箱”子节点)、排气管冒白烟(对应“排气管冒烟”子节点)
在本实施例的一个实施方式中，步骤S206中的以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案还可以通过如下步骤实现：
步骤S206-4,接收用户输入的故障信息文本；
步骤S206-6,确定与所述故障信息文本对应的节点；
步骤S206-8,以所述预设判断决策树中与所述故障信息文本对应的节点为所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
其中，当以所述预设判断决策树中自顶向下的第一个节点作为所述预设节点生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案方式进行确定最终节点效率不高时，则会采用以用户输入的故障信息文本，通过对故障信息文本进行分词，通过分词而确定与故障文本信息匹配的节点，也就是跳过冗余的问询直接跳转到与故障信息文本接近的中间节点上，当定位到车辆故障答案相近的节点后，以该节点为预设节点，并进行生成引导问题和确定候选答案，最后确定最终节点。
其中，所述中间节点和最终节点都是设置有节点标识的，通过设置节点标识，使得当在不同的中间节点/最终节点中存在节点名称相同的情况时，可以通过唯一的节点标识予以区别识别，从而找出车辆故障的唯一答案。例如，将“发动机”和“方向盘”作为中间节点/下一级中间节点，此时其节点标识分别为M和N(M、N用数据序列表示)，在选取或确定时，当下一级中间节点/最终节点出现相同的节点名称“异响”时，则该“异响”下一级中间节点/最终节点则以其节点标识M1或N1而确定为“发动机异响”还是“方向盘异响”。
在步骤S206中接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点包括利用故障部位判断决策树和利用感官判断决策树完成生成个接收步骤。具体地，通过感官判断决策树按节点(自身唯一ID)返回故障问题(如：闻起来有无异味、听起来有无异响等等)和候选答案(是、否)；
根据用户选择的候选答案的结果，继续按感官判断决策树的下一级节点返回故障问题和下一级的候选答案，直到给出唯一答案。
终端通过用户选择具体车辆异常状况(如：闻起来有无异味、听起来有无异响等等)预判可能发生的车辆故障，并提示用户着重检查若干部位,然后通过用户选择的检查后的结果来判断车辆故障问题并给出唯一解决故障的方案。
在本实施例中，在确定用户知道车辆故障的具体发生部位时,则确定车辆故障在故障部位判断决策树中的对应的中间节点信息。
具体地，通过故障部位判断决策树按中间节点(自身唯一ID)返回故障问题(如：油箱是否存在漏油、车门无法从车内打开等)和候选答案(是、否)；
根据用户选择的候选答案的结果，继续按故障部位判断决策树的下一级中间节点返回故障问题和下一级候选答案，直到给出唯一答案。
终端通过用户选择具体部位，预判可能发生的车辆故障，并提示用户着重检查该部位是否存在某些状况(油箱是否存在漏油、车门无法从车内打开),然后通过用户选择的检查后的结果来判断车辆故障问题并给出唯一解决故障的方案。
在步骤S204中选定的所述预设判断决策树包括中间节点和最终节点；其中，
每个所述中间节点分别对应于一个引导问题和多个候选答案，所述中间节点对应的每个候选答案分别对应于该中间节点的一个下一级节点；
每个所述最终节点分别对应于一个车辆故障结果。
在本实施例的一个实施方式中，在选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树之前，还包括：
步骤S21,对数据库中存储的故障类问答文本进行分词，并获取分词结果；
本实施例在得到问答数据集合阶段的步骤与上述获取故障文本信息的方式类似，区别在于分词的故障问题是已知的；
步骤S22,根据所述分词结果中的关键词对所述故障类问答进行分类，得到问答数据集合；
步骤S23,根据所述问答数据集合构建所述预设判断决策树。
在本实施例的一个实施方式中，所述预设判断决策树的节点层级基于所述问答数据集合中的问答数据的顺序确定。
具体的，服务器的数据库中存储着各类故障问题的字段(问、答)，当前一个问题可能对应一个或多个答案；每个当前答案引出下一个问题，问题和答案均具有唯一节点名称、也就是具有唯一的ID,且问答流通过唯一ID有关联关系，决策树包括中间节点和最终节点：中间节点包括自身的唯一ID(当前答案的唯一ID+下一个问题的唯一ID)；通过唯一ID能够得到相应的问题或答案，决策树中每个节点，是以问答数据的顺序进行，该顺序可以是逻辑顺序，每个父问题作为一个中间节点，每个子问题作为一个下一级中间节点/最终节点，那么一段问答数据就可以搭建一条支路。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种基于决策树处理汽车故障问题的装置，包括：获取模块30、选取模块32、处理模块34和输出模块36，其中：
获取模块30，用于获取用户对车辆故障发生部位知晓情况的问询结果；
选取模块32，与获取模块30耦合连接，用于选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
处理模块34，与选取模块32耦合连接，用于以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出模块36，与处理模块34耦合连接，用于输出与所述最终节点对应的车辆故障结果。
在其中一个实施例中，所述选取模块32包括：
第一选取单元，用于在所述问询结果表示用户已知晓车辆故障发生部位的情况下，选定所述故障部位判断决策树为所述预设判断决策树；
第二选取单元，用于在所述问询结果表示用户不知晓车辆故障发生部位的情况下，选定所述感官判断决策树为所述预设判断决策树。
在其中一个实施例中，所述处理模块34可以包括：
第一处理单元，用于以所述预设判断决策树中自顶向下的第一个节点作为所述预设节点，并以所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
在其中一个实施例中，所述处理模块34可以包括：
接收单元，用于接收用户输入的故障信息文本；
确定单元，与接收单元耦合连接，用于确定与所述故障信息文本对应的节点；
第二处理单元，与确定单元耦合连接，用于以所述预设判断决策树中与所述故障信息文本对应的节点为所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
在其中一个实施例中，所述选取模块32还包括：
存储模块，用于存储预设判断决策树，所述预设判断决策树包括中间节点和最终节点；其中，每个所述中间节点分别对应于一个引导问题和多个候选答案，所述中间节点对应的每个候选答案分别对应于该中间节点的一个下一级节点；每个所述最终节点分别对应于一个车辆故障结果。
在其中一个实施例中，所述装置还包括：
分词模块，用于对数据库中存储的故障类问答文本进行分词，并获取分词结果；
第一处理模块，与分词模块耦合连接，用于根据所述分词结果中的关键词对所述故障类问答进行分类，得到问答数据集合；
构建模块，与第一处理模块耦合连接，用于根据所述问答数据集合构建所述预设判断决策树。
关于基于决策树处理汽车故障问题的装置的具体限定可以参见上文中对于基于决策树处理汽车故障问题的方法的限定，在此不再赘述。上述基于决策树处理汽车故障问题的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、数据库、输入装置和显示屏。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆故障类问答文本、各类问题的字段以及构建的判定判断决策树的节点数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于决策树处理车辆故障问题的方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取用户对车辆故障发生部位知晓情况的问询结果；
选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出与所述最终节点对应的车辆故障结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
在所述问询结果表示用户已知晓车辆故障发生部位的情况下，选定所述故障部位判断决策树为所述预设判断决策树；
在所述问询结果表示用户不知晓车辆故障发生部位的情况下，选定所述感官判断决策树为所述预设判断决策树。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
以所述预设判断决策树中自顶向下的第一个节点作为所述预设节点，并以所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
接收用户输入的故障信息文本；确定与所述故障信息文本对应的节点；以所述预设判断决策树中与所述故障信息文本对应的节点为所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对数据库中存储的故障类问答文本进行分词，并获取分词结果；根据所述分词结果中的关键词对所述故障类问答进行分类，得到问答数据集合；根据所述问答数据集合构建所述预设判断决策树。
在本实施例中，所述预设判断决策树包括中间节点和最终节点；其中，每个所述中间节点分别对应于一个引导问题和多个候选答案，所述中间节点对应的每个候选答案分别对应于该中间节点的一个下一级节点；每个所述最终节点分别对应于一个车辆故障结果。同时，所述预设判断决策树的节点层级基于所述问答数据集合中的问答数据的顺序确定。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取用户对车辆故障发生部位知晓情况的问询结果；
选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出与所述最终节点对应的车辆故障结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在所述问询结果表示用户已知晓车辆故障发生部位的情况下，选定所述故障部位判断决策树为所述预设判断决策树；
在所述问询结果表示用户不知晓车辆故障发生部位的情况下，选定所述感官判断决策树为所述预设判断决策树。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
以所述预设判断决策树中自顶向下的第一个节点作为所述预设节点，并以所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
接收用户输入的故障信息文本；确定与所述故障信息文本对应的节点；以所述预设判断决策树中与所述故障信息文本对应的节点为所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对数据库中存储的故障类问答文本进行分词，并获取分词结果；根据所述分词结果中的关键词对所述故障类问答进行分类，得到问答数据集合；根据所述问答数据集合构建所述预设判断决策树。
在本实施例中，所述预设判断决策树包括中间节点和最终节点；其中，每个所述中间节点分别对应于一个引导问题和多个候选答案，所述中间节点对应的每个候选答案分别对应于该中间节点的一个下一级节点；每个所述最终节点分别对应于一个车辆故障结果。同时，所述预设判断决策树的节点层级基于所述问答数据集合中的问答数据的顺序确定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于决策树处理车辆故障问题的方法，其特征在于，所述方法包括：
获取用户对车辆故障发生部位知晓情况的问询结果；
选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出与所述最终节点对应的车辆故障结果。
2.根据权利要求1所述的方法，其特征在于，选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树包括：
在所述问询结果表示用户已知晓车辆故障发生部位的情况下，选定所述故障部位判断决策树为所述预设判断决策树；
在所述问询结果表示用户不知晓车辆故障发生部位的情况下，选定所述感官判断决策树为所述预设判断决策树。
3.根据权利要求1所述的方法，其特征在于，以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案包括：
以所述预设判断决策树中自顶向下的第一个节点作为所述预设节点，并以所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
4.根据权利要求1所述的方法，其特征在于，以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案包括：
接收用户输入的故障信息文本；
确定与所述故障信息文本对应的节点；
以所述预设判断决策树中与所述故障信息文本对应的节点为所述预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案。
5.根据权利要求1所述的方法，其特征在于，所述预设判断决策树包括中间节点和最终节点；其中，
每个所述中间节点分别对应于一个引导问题和多个候选答案，所述中间节点对应的每个候选答案分别对应于该中间节点的一个下一级节点；
每个所述最终节点分别对应于一个车辆故障结果。
6.根据权利要求1至5中任一项所述的方法，其特征在于，在选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树之前，所述方法还包括：
对数据库中存储的故障类问答文本进行分词，并获取分词结果；
根据所述分词结果中的关键词对所述故障类问答进行分类，得到问答数据集合；
根据所述问答数据集合构建所述预设判断决策树。
7.根据权利要求6所述的方法，其特征在于，所述预设判断决策树的节点层级基于所述问答数据集合中的问答数据的顺序确定。
8.一种基于决策树处理车辆故障问题的装置，其特征在于，所述装置包括：
获取模块，用于获取用户对车辆故障发生部位知晓情况的问询结果；
选取模块，用于选定预先存储的判断决策树中与所述问询结果对应的预设判断决策树，其中,所述预设判断决策树包括:感官判断决策树、故障部位判断决策树；
处理模块，用于以所述预设判断决策树的预设节点为起点，生成与所述预设节点对应的引导问题及与所述引导问题对应的候选答案；接收用户对所述候选答案的选择结果，将所述预设节点更新为与所述选择结果对应的节点，并重复上述的生成和接收步骤，直至所述预设节点为所述预设判断决策树的最终节点；
输出模块，用于输出与所述最终节点对应的车辆故障结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010073932.4A 2020-01-22 2020-01-22 基于决策树处理车辆故障问题的方法、装置、设备和介质 Active CN111310804B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010073932.4A CN111310804B (zh) 2020-01-22 2020-01-22 基于决策树处理车辆故障问题的方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010073932.4A CN111310804B (zh) 2020-01-22 2020-01-22 基于决策树处理车辆故障问题的方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN111310804A true CN111310804A (zh) 2020-06-19
CN111310804B CN111310804B (zh) 2023-08-08

Family

ID=71161588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010073932.4A Active CN111310804B (zh) 2020-01-22 2020-01-22 基于决策树处理车辆故障问题的方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN111310804B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434193A (zh) * 2020-10-27 2021-03-02 北京空间飞行器总体设计部 一种引导式系统故障快速排查方法及装置
CN113094483A (zh) * 2021-03-30 2021-07-09 东风柳州汽车有限公司 车辆反馈信息的处理方法、装置、终端设备及存储介质
CN115408580A (zh) * 2022-08-31 2022-11-29 广东数鼎科技有限公司 一种车源型号的识别方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007322377A (ja) * 2006-06-05 2007-12-13 Hino Motors Ltd 車載故障診断装置およびその試験方法
CN101833324A (zh) * 2010-05-14 2010-09-15 武汉理工大学 胎面挤出过程智能故障诊断系统及其诊断方法
CN106227190A (zh) * 2016-08-03 2016-12-14 重庆市索美智能交通通讯服务有限公司 车辆故障处理方法、装置及系统
CN106647813A (zh) * 2016-10-19 2017-05-10 广东容祺智能科技有限公司 一种智能机载双光巡检系统专家诊断异常处理方法
CN108664644A (zh) * 2018-05-16 2018-10-16 微梦创科网络科技（中国）有限公司 一种问答系统构建方法、问答处理方法及装置
US20180341870A1 (en) * 2017-05-23 2018-11-29 International Business Machines Corporation Managing Indecisive Responses During a Decision Tree Based User Dialog Session
CN109101624A (zh) * 2018-08-13 2018-12-28 腾讯科技（深圳）有限公司 对话处理方法、装置、电子设备及存储介质
CN109685571A (zh) * 2018-12-24 2019-04-26 深圳市航盛车云技术有限公司 基于车联网的智能客服系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007322377A (ja) * 2006-06-05 2007-12-13 Hino Motors Ltd 車載故障診断装置およびその試験方法
CN101833324A (zh) * 2010-05-14 2010-09-15 武汉理工大学 胎面挤出过程智能故障诊断系统及其诊断方法
CN106227190A (zh) * 2016-08-03 2016-12-14 重庆市索美智能交通通讯服务有限公司 车辆故障处理方法、装置及系统
CN106647813A (zh) * 2016-10-19 2017-05-10 广东容祺智能科技有限公司 一种智能机载双光巡检系统专家诊断异常处理方法
US20180341870A1 (en) * 2017-05-23 2018-11-29 International Business Machines Corporation Managing Indecisive Responses During a Decision Tree Based User Dialog Session
CN108664644A (zh) * 2018-05-16 2018-10-16 微梦创科网络科技（中国）有限公司 一种问答系统构建方法、问答处理方法及装置
CN109101624A (zh) * 2018-08-13 2018-12-28 腾讯科技（深圳）有限公司 对话处理方法、装置、电子设备及存储介质
CN109685571A (zh) * 2018-12-24 2019-04-26 深圳市航盛车云技术有限公司 基于车联网的智能客服系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
纪常伟: "基于故障树的汽车故障诊断系统开发", 《车辆与动力技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434193A (zh) * 2020-10-27 2021-03-02 北京空间飞行器总体设计部 一种引导式系统故障快速排查方法及装置
CN112434193B (zh) * 2020-10-27 2023-09-29 北京空间飞行器总体设计部 一种引导式系统故障快速排查方法及装置
CN113094483A (zh) * 2021-03-30 2021-07-09 东风柳州汽车有限公司 车辆反馈信息的处理方法、装置、终端设备及存储介质
CN115408580A (zh) * 2022-08-31 2022-11-29 广东数鼎科技有限公司 一种车源型号的识别方法及装置

Also Published As

Publication number Publication date
CN111310804B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN108628974B (zh) 舆情信息分类方法、装置、计算机设备和存储介质
CN111310804A (zh) 基于决策树处理车辆故障问题的方法、装置、设备和介质
CN109343857B (zh) 线上部署机器学习模型的方法、设备和存储介质
CN110442603B (zh) 地址匹配方法、装置、计算机设备及存储介质
CN110765235B (zh) 训练数据的生成方法、装置、终端及可读介质
CN114186019A (zh) 结合rpa和ai的企业项目的审核方法及装置
CN111368029B (zh) 基于意图三元组的交互方法、装置、设备及存储介质
CN114647713A (zh) 基于虚拟对抗的知识图谱问答方法、设备及存储介质
CN111724110A (zh) 地址信息处理方法、装置、计算机设备和存储介质
CN111400340A (zh) 一种自然语言处理方法、装置、计算机设备和存储介质
CN110609618A (zh) 一种人机对话方法、装置、计算机设备及存储介质
CN115345323A (zh) 车辆故障的检测方法、装置、设备及存储介质
CN114153447B (zh) 一种自动化生成ai训练代码的方法
CN116383710A (zh) 标签确定方法、装置、电子设备及存储介质
CN113821251A (zh) 基于人工智能的代码优化方法、装置、设备和存储介质
CN112579600A (zh) 一种基于车载问答的数据处理方法和装置
CN111552785A (zh) 人机交互系统数据库更新方法、装置、计算机设备和介质
CN116756535B (zh) Fpc的缺陷检测方法、装置以及检测设备
CN113268647B (zh) 一种网络安全情报数据的分类方法、系统及装置
CN113204957B (zh) 缺陷信息处理方法、装置、设备及存储介质
CN117842077A (zh) 车辆人机问答方法、装置、计算机设备和存储介质
CN116823293B (zh) 一种电子合同追溯校验方法及系统
CN114357977B (zh) 一种反抄袭实现方法、系统、设备及存储介质
CN112732869B (zh) 车载语音信息管理方法、装置、计算机设备和存储介质
CN114697208B (zh) 一种网元设备的配置分析方法、系统、设备以及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant