CN111368028B - 问题回答者的推荐方法及装置 - Google Patents

问题回答者的推荐方法及装置 Download PDF

Info

Publication number
CN111368028B
CN111368028B CN202010129882.7A CN202010129882A CN111368028B CN 111368028 B CN111368028 B CN 111368028B CN 202010129882 A CN202010129882 A CN 202010129882A CN 111368028 B CN111368028 B CN 111368028B
Authority
CN
China
Prior art keywords
weight
processor
keywords
question
keyword
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.)
Active
Application number
CN202010129882.7A
Other languages
English (en)
Other versions
CN111368028A (zh
Inventor
金朱伟
班传玉
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.)
Beike Technology Co Ltd
Original Assignee
Beike 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 Beike Technology Co Ltd filed Critical Beike Technology Co Ltd
Priority to CN202010129882.7A priority Critical patent/CN111368028B/zh
Publication of CN111368028A publication Critical patent/CN111368028A/zh
Application granted granted Critical
Publication of CN111368028B publication Critical patent/CN111368028B/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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/338—Presentation of query results
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例提供一种问题回答者的推荐方法及装置，其中，方法包括：获取待回答的问题，提取所述待回答的问题的关键词；对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度；根据各处理人对所述待回答的问题中所述关键词的相关度，确定各处理人对所述待回答的问题的相关度；根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者。所述相关度与关键词在已解决问题中的TF‑IDF值、已解决问题的决策链路以及所述问题模型的构建时间相关。本发明实施例相比现有技术能够获得准确性更高的回答者的推荐结果。

Description

问题回答者的推荐方法及装置
技术领域
本发明涉及问答系统技术领域，更具体地，涉及问题回答者的推荐方法及装置。
背景技术
Jira系统作为广泛使用的问题跟踪和需求收集的工具，一个常见的场景是用户在使用产品过程中遇到了某方面问题，打电话反馈给客服人员，然后由客服人员在Jira系统上记录问题，并根据问题的大致类型逐步转给运营、研发直到最终解决问题。
但由于客户或客服人员本身对于问题的了解并不专业，所以难以判断问题的准确类型，以及该类型问题的最合适的回答者，有时一个问题会经过十几、甚至二十几次的转发，在寻找回答者的过程中浪费了很多时间。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的问题回答者的推荐方法及装置。
第一个方面，本发明实施例提供一种问题回答者的推荐方法，包括：
获取待回答的问题，提取所述待回答的问题的关键词；
对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度；
根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度；
根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者；
其中，所述问题模型用于记录各处理人对已解决问题中的关键词的相关度；所述相关度与关键词在已解决问题中的TF-IDF值、已解决问题的决策链路以及所述问题模型的构建时间相关。
优选地，所述问题模型的构建方法包括：
获取预设数量的已解决问题，提取所述已解决问题的关键词，计算关键词的TF-IDF值，根据TF-IDF值确定关键词在所述已解决问题中的权重；
获取所述已解决问题的决策链路，对所述决策链路上的处理人，根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重；
获取所述问题模型的构建时间与所述已解决问题的解决时间的时间间隔，根据所述时间间隔确定所述问题模型对所述已解决问题的权重；
根据所述关键词在所述已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，获得所述问题模型。
优选地，所述根据所述关键词在所述已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，具体为：
获取记录所述关键词的已解决问题，作为样本已解决问题；
确定所述样本已解决问题的解决时间与当前构建问题模型的时间的时间间隔，以获得所述问题模型对所述样本已解决问题的权重；
从所述样本已解决问题的决策链路上确定目标处理人，并确定所述目标处理人对于所述样本已解决问题的权重；
根据所述目标处理人在所述样本已解决问题的权重、所述问题模型对所述样本已解决问题的权重以及所述关键词在所述样本已解决问题中的权重，获得所述目标处理人对所述关键词在所述样本已解决问题中的相关度；
根据所述目标处理人对所述关键词在样本已解决问题中的相关度，获得所述处理人对所述关键词的相关度。
优选地，所述处理人对所述关键词的相关度，具体通过以下公式计算：
Figure BDA0002395507930000031
其中，wj,h表示处理人h对关键词j的相关度；
Figure BDA0002395507930000032
表示处理人h对已解决问题i的权重，与处理人h在已解决问题i的决策链路的位置相关；/>
Figure BDA0002395507930000033
表示所述问题模型对已解决问题i的权重，与所述问题模型的构建时间相关；wi,j表示关键词j在问题i中的权重，与关键词在已解决问题中的TF-IDF值相关；D表示已解决问题的集合；Ti表示第i个已解决问题中的关键词总数。
优选地，所述待回答的问题和已解决问题均包括问题的标题和描述信息；
相应地，所述根据TF-IDF值确定关键词在所述已解决问题中的权重，具体为：
将已解决问题的描述信息中与标题中重复的关键词删除；
将标题中的关键词的TF-IDF值作为所述标题中的关键词在已解决问题中的权重；
将描述信息中的关键词的TF-IDF值乘以预设系数，作为所述描述信息中的关键词在已解决问题中的权重，其中，所述预设系数为小于1的正整数。
优选地，根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重，具体为：
根据所述处理人在所述决策链路上的位置，确定所述处理人距离问题回答者之间间隔的处理人个数，作为距离间隔；
根据所述距离间隔从预设的第一权重表中获得对应的第一权重，作为所述处理人对所述已解决问题的权重；
其中，所述第一权重表中用于记录各距离间隔所对应的第一权重，所述距离间隔与第一权重的大小成反比。
优选地，根据所述时间间隔确定所述问题模型对所述已解决问题的权重，具体为：
根据所述时间间隔从预设的第二权重表中获得对应的第二权重，作为所述问题模型对所述已解决问题的权重；
其中，所述第二权重表中用于记录各时间间隔所对应的第二权重，所述时间间隔与第二权重的大小成反比
优选地，所述问题模型每隔预设时间重新进行构建。
第二个方面，本发明实施例提供一种问题回答者的推荐装置，包括：
关键词提取模块，用于获取待回答的问题，提取所述待回答的问题的关键词；
第一相关度确定模块，用于对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度；
第二相关度确定模块，用于根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度；
推荐模块，用于根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者；
其中，所述问题模型用于记录各处理人对已解决问题中的关键词的相关度；所述相关度与关键词在已解决问题中的TF-IDF值、已解决问题的决策链路以及所述问题模型的构建时间相关。
优选地，所述推荐装置还包括：问题模型构建模块，所述问题模型构建模块进一步包括：
关键词权重确定单元，用于获取预设数量的已解决问题，提取所述已解决问题的关键词，计算所述关键词的TF-IDF值，根据TF-IDF值确定所述关键词在所述已解决问题中的权重；
处理人权重确定单元，用于获取所述已解决问题的决策链路，对所述决策链路上的处理人，根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重；
时间间隔权重确定单元，用于获取所述问题模型的构建时间与所述已解决问题的解决时间的时间间隔，根据所述时间间隔确定所述问题模型对所述已解决问题的权重；
模型构建单元，用于根据所述关键词在所述已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，获得所述问题模型。
优选地，所述模型构建单元，包括：
已解决问题获取子单元，用于获取记录所述关键词的已解决问题，作为样本已解决问题；
模型相对权重子单元，用于确定所述样本已解决问题的解决时间与当前构建问题模型的时间的时间间隔，以获得所述问题模型对所述样本已解决问题的权重；
处理人相对权重子单元，用于从所述样本已解决问题的决策链路上确定目标处理人，并确定所述目标处理人对于所述样本已解决问题的权重；
关键词相对权重子单元，用于根据所述目标处理人在所述样本已解决问题的权重、所述问题模型对所述样本已解决问题的权重以及所述关键词在所述样本已解决问题中的权重，获得所述目标处理人对所述关键词在所述样本已解决问题中的相关度；
相关度子单元，用于根据所述目标处理人对所述关键词在样本已解决问题中的相关度，获得所述处理人对所述关键词的相关度。
优选地，所述处理人对所述关键词的相关度，具体通过以下公式计算：
Figure BDA0002395507930000051
其中，wj,h表示处理人h对关键词j的相关度；
Figure BDA0002395507930000052
表示处理人h对已解决问题i的权重，与处理人h在已解决问题i的决策链路的位置相关；/>
Figure BDA0002395507930000053
表示所述问题模型对已解决问题i的权重，与所述问题模型的构建时间相关；wi,j表示关键词j在问题i中的权重，与关键词在已解决问题中的TF-IDF值相关；D表示已解决问题的集合；Ti表示第i个已解决问题中的关键词总数。
优选地，所述待回答的问题和已解决问题均包括问题的标题和描述信息；
相应地，所述关键词权重确定单元中包括用于根据TF-IDF值确定关键词在所述已解决问题中的权重的文本子单元，所述文本子单元具体包括：
重复检测二级子单元，用于将已解决问题的描述信息中与标题中重复的关键词删除；
标题权重二级子单元，用于将标题中的关键词的TF-IDF值作为所述标题中的关键词在已解决问题中的权重；
描述信息权重二级子单元，用于将描述信息中的关键词的TF-IDF值乘以预设系数，作为所述描述信息中的关键词在已解决问题中的权重，其中，所述预设系数为小于1的正数。
优选地，所述处理人权重确定单元包括用于根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重的位置权重子单元，所述位置权重子单元具体包括：
距离间隔二级子单元，用于根据所述处理人在所述决策链路上的位置，确定所述处理人距离问题回答者之间间隔的处理人个数，作为距离间隔；
查表二级子单元，用于根据所述距离间隔从预设的第一权重表中获得对应的第一权重，作为所述处理人对所述已解决问题的权重；
其中，所述第一权重表中用于记录各距离间隔所对应的第一权重，所述距离间隔与第一权重的大小成反比。
优选地，所述时间间隔权重确定单元包括用于根据所述时间间隔确定所述问题模型对所述已解决问题的权重的时间问题关系子单元，所述时间问题关系子单元具体用于：
根据所述时间间隔从预设的第二权重表中获得对应的第二权重，作为所述问题模型对所述已解决问题的权重；
其中，所述第二权重表中用于记录各时间间隔所对应的第二权重，所述时间间隔与第二权重的大小成反比。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的问题回答者的推荐方法及装置，利用Jira系统中问题的决策链路隐含的处理人越接近问题回答者，处理人与问题的关联性越强的特性，定义问题和问题回答者之间的距离关系；利用问题解决时间越久导致的处理人对该问题的相关性越弱的特性，定义了问题和构建问题模型的时间关系；根据TF-IDF(term frequency-inversedocument frequency，词频-逆文本频率指数)在信息搜索中常常作为衡量词汇在文件中重要程度的特性，最终结合距离关系、时间关系和TF-IDF值确定处理人对关键词的相关度，相比现有技术能够获得准确性更高的回答者的推荐结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的问题回答者的推荐方法的流程示意图；
图2为本发明实施例提供的问题回答者的推荐装置的结构示意图；
图3为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有技术的上述问题，本发明实施例的发明构思为：利用问题的决策链路隐含的处理人越接近问题回答者，处理人与问题的关联性越强的特性，定义问题和问题回答者之间的距离关系；利用问题解决时间越久导致的处理人对该问题的相关性越弱的特性，定义了问题和构建问题模型的时间关系；根据TF-IDF(term frequency-inversedocument frequency，词频-逆文本频率指数)在信息搜索中常常作为衡量词汇在文件中重要程度的特性，最终结合距离关系、时间关系和TF-IDF值确定处理人对关键词的相关度，相比现有技术能够获得准确性更高的回答者的推荐结果。
图1为本发明实施例的问题回答者的推荐方法的流程示意图，如图1所示，包括：
S101、获取待回答的问题，提取所述待回答的问题的关键词。
可选地，本发明获取的待回答的问题可以是任意语言的问题，如英语、汉语等等，相应地，预先构建的问题模型也是使用与待回答的问题同一语言进行构建的。所述待回答的问题可以是任意领域的问题，例如房产交易领域、咨询领域等等，相应地，预先构建的问题模型也是使用与待回答的问题同一领域进行构建的。
可选地，本发明提取问题的关键词的方法可以是基于词频进行提取、基于预先训练的用于提取关键词的神经网络模型进行提取等等。
可选地，本发明实施例为了避免错别字对后续步骤的干扰，采用N-Gram和拼音相似度结合的方法实现错别字的纠错。N-Gram是大词汇连续语音识别中常用的一种语言模型，对中文而言，N-Gram称之为汉语语言模型(CLM,Chinese Language Model)。汉语语言模型利用上下文中相邻词间的搭配信息，可以实现到汉字的自动转换。拼音相似度方法是从错音、缺音、多音、拼音正确但词识别错误等方面进行纠错。
可选地，本发明实施例使用N-Gram、CRF(conditional random field，条件随机场)和HMM(Hidden Markov Model，隐马尔可夫模型)算法实现分词功能，过滤掉停用词，并使用同义词典对相似文本进行转换，减少用词习惯的干扰。
S102、对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度。
需要说明的是，本发明实施例的问题模型用于记录各处理人对已解决问题中的关键词的相关度，这样通过在问题模型中查找待回答的问题的关键词，获得问题模型中记录的各处理人对关键词的相关度。可以理解的是，Jira系统中存在众多处理人，对于一个关键词或者问题来说，并不是处理人都与该关键词或者问题产生交集，所以对于已解决问题中的关键词，问题模型记录的处理人可以是仅对该关键词相关度较高的部分处理人，或者说相关度非0(当处理人没有处理过该关键词时相关度为0)的处理人。
区别于现有技术往往简单地以处理该问题的数量作为处理人和问题的关联度不同，本发明实施例的关联度从广度和深度对关联度的计算进行了更新，本发明实施例将与关联度相关的因素扩展至3个，分别为关键词在已解决问题中的TF-IDF值、已解决问题的决策链路以及所述问题模型的构建时间。
TF-IDF值用以评估一个词对于一个文件集或一个语料库中的其中一份文件的重要程度。在本发明实施例中，TF-IDF值用于评估一个关键词对于预先搜集的已解答问题的重要程度。
考虑到Jira系统中的问题并不会直接转到问题回答者处理，而是经过一系列处理人转发从而行程一条决策链路，决策链路上的节点表示一个处理人，处理人可以认为与问题回答者存在一定的关联，并且在决策链路上越靠近回答者，关联越强，因此本发明实施例以决策链路作为获得相关度的一个因素。
由于一个公司中的人员岗位和问题类型是在不断迭代的，可能一个问题回答者之前在负责A类型的问题，但现在负责B类型的问题，也可能同一个关键词之前代表的问题类型已经彻底解决了，目前代表的是新的问题类型，问题回答者自然也应该不同，本发明实施例意识到了该情况，所以将问题模型的创建时间也作为获得相关度的一个因素。
S103、根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度。
本发明实施例对根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度的具体方式不做具体的限定。可选地，本发明实施例以处理人对问题中至少一种甚至所有关键词的相关度直接求和，作为该处理人对问题的相关度。
具体地，例如所述待回答的问题共有两个关键词——关键词1和关键词2，问题模型中记录了甲、乙、丙、丁共4人对关键词1的相关度分别为0.3、0.5、0.4和0.4；甲、乙、丙、丁共4人对关键词2的相关度分别为0.1、0.2、0.4、0.7。即可获知甲、乙、丙、丁对待回答的问题的相关度为0.4、0.7、0.8、1.1。
S104、根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者。
可选地，本发明实施例在获得各处理人对于待回答问题的相关度之后，可以根据相关度从大到小的顺序进行排序，然后从相关度最大的处理人开始逐个选取若干个处理人作为回答者。本发明实施例对回答者的数量不作进一步的限定，可以是一个或者多个。基于上述实施例，处理人的排序为：丁、丙、乙、甲；如果只选择一个处理人作为回答者，则只选择丁，若选择两个处理人作为回答者，则选择丁和丙。除了上述选取处理人的方法，本发明实施例还可以设置回答人的阈值，也就是说，只有相关度不小于回答人的阈值的处理人才能够作为问题的回答者，基于上述实施例，若回答人的阈值为0.7，则乙、丙、丁都可作为回答者。可以理解的是，回答人的阈值可以根据实际情况进行设置，本发明实施例对回答人的阈值的具体大小不作进一步的限定。
本发明实施例利用Jira系统中问题的决策链路隐含的处理人越接近问题回答者，处理人与问题的关联性越强的特性，定义问题和问题回答者之间的距离关系；利用问题解决时间越久导致的处理人对该问题的相关性越弱的特性，定义了问题和构建问题模型的时间关系；根据TF-IDF(term frequency-inverse document frequency，词频-逆文本频率指数)在信息搜索中常常作为衡量词汇在文件中重要程度的特性，最终结合距离关系、时间关系和TF-IDF值确定处理人对关键词的相关度，相比现有技术能够获得准确性更高的回答者的推荐结果。
在上述各实施例的基础上，作为一种可选实施例，本发明实施例的根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度，具体为：
确定所述待回答的问题中的所有关键词的TF-IDF值，对于每个关键词，以关键词的TF-IDF值与所有关键词的TF-IDF值的比值，作为关键词的相对值，将处理人对关键词的相关度与关键词的相对值相乘，获得处理人对关键词的复合相关度，将处理人对关键词的复合相关度求和，获得处理人对待回答的问题的相关度。
以上述实施例为例，关键词1的TF-IDF值是1.0，关键词2的TF-IDF值是0.1，那么可以得到一个相对值，关键字词1的相对值是1.0/(1.0+0.1)＝0.91，关键词2的相对值是0.1/(1.0+0.1)＝0.09，处理人甲对于待回答问题的相关度就是0.3*0.91+0.1*0.09＝0.28。这样处理的意义是为了在关键词1比关键词2重要很多的场景下，减少关键词2的干扰。
在上述各实施例的基础上，作为一种可选实施例，所述处理人对所述关键词的相关度，具体通过以下公式计算：
Figure BDA0002395507930000111
其中，wj,h表示处理人h对关键词j的相关度；
Figure BDA0002395507930000112
表示处理人h对已解决问题i的权重，与处理人h在已解决问题i的决策链路的位置相关，由上述实施例可知，当处理人在决策链路上距离回答者越近，则该权重越大。
Figure BDA0002395507930000113
表示所述问题模型对已解决问题i的权重，与所述问题模型的构建时间相关，由上述实施例可知，当问题模型的构建时间与问题的解决时间越近，则该权重越大。
wi,j表示关键词j在问题i中的权重，与关键词在已解决问题中的TF-IDF值相关。
D表示已解决问题的集合。
Ti表示第i个已解决问题中的关键词总数。
在上述各实施例的基础上，作为一种可选实施例，所述问题模型的构建方法包括：
S201、获取预设数量的已解决问题，提取所述已解决问题的关键词，计算关键词的TF-IDF值，根据TF-IDF值确定关键词在所述已解决问题中的权重。
可选地，本发明实施例待回答的问题和已解决问题均包括问题的标题和描述信息，问题的标题可以看作是已经进行了一次摘要提取，因此包含了更重要的信息，而描述信息中的干扰信息更多，因此两部分的关键词对于问题的重要性并不一致。
可选地，本发明实施例据TF-IDF值确定关键词在所述已解决问题中的权重，具体为：
将已解决问题的描述信息中与标题中重复的关键词删除；
将标题中的关键词的TF-IDF值作为所述标题中的关键词在已解决问题中的权重；
将描述信息中的关键词的TF-IDF值乘以预设系数，作为所述描述信息中的关键词在已解决问题中的权重；其中，所述预设系数为小于1的正数。
由上述实施例可知，本发明实施例通过对问题分成标题和描述信息两部分，通过对描述信息中的关键词的权重进行缩小，能够提高后续确定处理人对关键词的相关度的精度。
可选地，本发明实施例还包括：在构建问题模型时，将关键词在已解决问题中的权重小于预设阈值的关键词进行删除，从而进一步减少重要程度较低的关键词的干扰。
S202、获取所述已解决问题的决策链路，对所述决策链路上的处理人，根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重。
可选地，根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重，具体为：
根据所述处理人在所述决策链路上的位置，确定所述处理人距离问题回答者之间间隔的处理人个数，作为距离间隔；
根据所述距离间隔从预设的第一权重表中获得对应的第一权重，作为所述处理人对所述已解决问题的权重；
其中，所述第一权重表中用于记录各距离间隔所对应的第一权重，所述距离间隔与第一权重的大小成反比。
可选地，本发明实施例第一权重的取值范围为[0,1]，当一个处理人就是回答者时，第一权重为1，当处理人和回答者之间的处理人个数越多时，则第一权重越小，例如可以每间隔一个人，则第一权重减少0.2。需要说明的是，本发明实施例并不限定第一权重的具体取值，该具体取值可以在实践中根据具体情况设定。
S203、获取所述问题模型的构建时间与所述已解决问题的解决时间的时间间隔，根据所述时间间隔确定所述问题模型对所述已解决问题的权重。
可选的，本发明实施例根据所述时间间隔确定所述问题模型对所述已解决问题的权重，具体为：
根据所述时间间隔从预设的第二权重表中获得对应的第二权重，作为所述问题模型对所述已解决问题的权重；
其中，所述第二权重表中用于记录各时间间隔所对应的第二权重，所述时间间隔与第二权重的大小成反比。
可选地，本发明实施例第二权重的取值范围为[0,1]，当构建问题模型的时间与问题解决的时间为同一天时，第二权重为1，当时间间隔越久时，则第二权重越小，例如可以每间隔一天，则第二权重减少0.2。需要说明的是，本发明实施例并不限定第二权重的具体取值，该具体取值可以在实践中根据具体情况设定。
S204、根据所述关键词在各已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，获得所述问题模型。
可选地，本发明实施例对于任意一个关键词，首先获取记录该关键词的已解决问题，找出问题后即可确定已解决问题的解决时间与当前构建问题模型的时间的时间间隔，同时还找出已解决问题的决策链路，决策链路上的处理人就是计算该关键词的相关度的处理人，不在上述决策链路上的处理人则无需计算相关度，从而提供处理效率；对于决策链路上的处理人，可以根据处理人与决策链路的问题回答者的间隔确定处理人对所述已解决问题的权重，将上述信息代入计算公式，即可获得处理人对所述关键词的相关度。
在上述各实施例的基础上，作为一种可选实施例，所述根据所述关键词在各已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，具体为：
S301、获取记录所述关键词的已解决问题，作为样本已解决问题；
可以理解的是，不同的问题中记录的关键词可能不一样，因此一个关键词并不会已解决问题中出现，本发明实施例首先获取记录某一关键词的已解决问题，作为样本已解决问题。
S302、确定所述样本已解决问题的解决时间与当前构建问题模型的时间的时间间隔，以获得所述问题模型对所述样本已解决问题的权重。
可以理解的是，由于不同的样本已解决问题的解决时间可能不同，本发明实施例会分别获得样本已解决问题的解决时间和当前构建问题模型的时间的时间间隔，从而获得所述问题模型对所述样本已解决问题的权重。具体地，可以根据本发明上述实施例中的第二权重表获取权重。
S303、从所述样本已解决问题的决策链路上确定目标处理人，并确定所述目标处理人对于所述样本已解决问题的权重。
需要说明的是，本发明实施例在确定处理人和关键词的相关度时，显然没有必要考虑没有处理过该关键词的处理人，因此本发明实施例所述的处理人从样本已解决问题的决策链路上确定，在确定处理人，即目标处理人后，可以根据本发明上述实施例中的第一权重表获取权重。
S304、根据所述目标处理人在所述样本已解决问题的权重、所述问题模型对所述样本已解决问题的权重以及所述关键词在所述样本已解决问题中的权重，获得所述目标处理人对所述关键词在所述样本已解决问题中的相关度。
S305、根据所述目标处理人对所述关键词在样本已解决问题中的相关度，获得所述处理人对所述关键词的相关度。
需要说明的是，本发明实施例首先会计算处理人对所述关键词在一个样本已解决问题中的相关度，之后通过统计处理人对关键词在样本已解决问题中的相关度，进行加和，即获得处理人对关键词的相关度。
在上述各实施例的基础上，作为一种可选实施例，问题模型每隔预设时间重新进行构建，可选地，本发明实施例问题模型每天都会重新构建，这样能够保证模型的准确性，从而更准确地找到问题的回答者。
图2为本发明实施例提供的问题回答者的推荐装置的结构示意图，如图2所示，该Jira系统中问题回答者的推荐装置包括：关键词提取模块201、第一相关度确定模块202、第二相关度确定模块203和推荐模块204，其中：
关键词提取模块201，用于获取待回答的问题，提取所述待回答的问题的关键词；
第一相关度确定模块202，用于对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度；
第二相关度确定模块203，用于根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度；
推荐模块204，用于根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者；
其中，所述问题模型用于记录各处理人对已解决问题中的关键词的相关度；所述相关度与关键词在已解决问题中的TF-IDF值、已解决问题的决策链路以及所述问题模型的构建时间相关。
本发明实施例提供的问题回答者的推荐装置，具体执行上述各Jira系统中问题回答者的推荐方法实施例流程，具体请详见上述各Jira系统中问题回答者的推荐方法实施例的内容，在此不再赘述。本发明实施例提供的Jira系统中问题回答者的推荐装置利用Jira系统中问题的决策链路隐含的处理人越接近问题回答者，处理人与问题的关联性越强的特性，定义问题和问题回答者之间的距离关系；利用问题解决时间越久导致的处理人对该问题的相关性越弱的特性，定义了问题和构建问题模型的时间关系；根据TF-IDF(termfrequency-inverse document frequency，词频-逆文本频率指数)在信息搜索中常常作为衡量词汇在文件中重要程度的特性，最终结合距离关系、时间关系和TF-IDF值确定处理人对关键词的相关度，相比现有技术能够获得准确性更高的回答者的推荐结果。
在上述各实施例的基础上，作为一种可选实施例，所述推荐装置还包括：问题模型构建模块，所述问题模型构建模块进一步包括：
关键词权重确定单元，用于获取预设数量的已解决问题，提取所述已解决问题的关键词，计算所述关键词的TF-IDF值，根据TF-IDF值确定所述关键词在所述已解决问题中的权重；
处理人权重确定单元，用于获取所述已解决问题的决策链路，对所述决策链路上的处理人，根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重；
时间间隔权重确定单元，用于获取所述问题模型的构建时间与所述已解决问题的解决时间的时间间隔，根据所述时间间隔确定所述问题模型对所述已解决问题的权重；
模型构建单元，用于根据所述关键词在所述已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，获得所述问题模型。
在上述各实施例的基础上，作为一种可选实施例，所述模型构建单元，包括：
已解决问题获取子单元，用于获取记录所述关键词的已解决问题，作为样本已解决问题；
模型相对权重子单元，用于确定所述样本已解决问题的解决时间与当前构建问题模型的时间的时间间隔，以获得所述问题模型对所述样本已解决问题的权重；
处理人相对权重子单元，用于从所述样本已解决问题的决策链路上确定目标处理人，并确定所述目标处理人对于所述样本已解决问题的权重；
关键词相对权重子单元，用于根据所述目标处理人在所述样本已解决问题的权重、所述问题模型对所述样本已解决问题的权重以及所述关键词在所述样本已解决问题中的权重，获得所述目标处理人对所述关键词在所述样本已解决问题中的相关度；
相关度子单元，用于根据所述目标处理人对所述关键词在样本已解决问题中的相关度，获得所述处理人对所述关键词的相关度。
在上述各实施例的基础上，作为一种可选实施例，所述处理人对所述关键词的相关度，具体通过以下公式计算：
Figure BDA0002395507930000171
其中，wj,h表示处理人h对关键词j的相关度；
Figure BDA0002395507930000172
表示处理人h对已解决问题i的权重，与处理人h在已解决问题i的决策链路的位置相关；/>
Figure BDA0002395507930000173
表示所述问题模型对已解决问题i的权重，与所述问题模型的构建时间相关；wi,j表示关键词j在问题i中的权重，与关键词在已解决问题中的TF-IDF值相关；D表示已解决问题的集合；Ti表示第i个已解决问题中的关键词总数。
在上述各实施例的基础上，作为一种可选实施例，所述待回答的问题和已解决问题均包括问题的标题和描述信息；
相应地，所述关键词权重确定单元中包括用于根据TF-IDF值确定关键词在所述已解决问题中的权重的文本子单元，所述文本子单元具体包括：
重复检测二级子单元，用于将已解决问题的描述信息中与标题中重复的关键词删除；
标题权重二级子单元，用于将标题中的关键词的TF-IDF值作为所述标题中的关键词在已解决问题中的权重；
描述信息权重二级子单元，用于将描述信息中的关键词的TF-IDF值乘以预设系数，作为所述描述信息中的关键词在已解决问题中的权重，其中，所述预设系数为小于1的正数。
在上述各实施例的基础上，作为一种可选实施例，所述处理人权重确定单元包括用于根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重的位置权重子单元，所述位置权重子单元具体包括：
距离间隔二级子单元，用于根据所述处理人在所述决策链路上的位置，确定所述处理人距离问题回答者之间间隔的处理人个数，作为距离间隔；
查表二级子单元，用于根据所述距离间隔从预设的第一权重表中获得对应的第一权重，作为所述处理人对所述已解决问题的权重；
其中，所述第一权重表中用于记录各距离间隔所对应的第一权重，所述距离间隔与第一权重的大小成反比。
在上述各实施例的基础上，作为一种可选实施例，所述时间间隔权重确定单元包括用于根据所述时间间隔确定所述问题模型对所述已解决问题的权重的时间问题关系子单元，所述时间问题关系子单元具体用于：
根据所述时间间隔从预设的第二权重表中获得对应的第二权重，作为所述问题模型对所述已解决问题的权重；
其中，所述第二权重表中用于记录各时间间隔所对应的第二权重，所述时间间隔与第二权重的大小成反比。
图3为本发明实施例提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储在存储器330上并可在处理器310上运行的计算机程序，以执行上述各实施例提供的问题回答者的推荐方法，例如包括：获取待回答的问题，提取所述待回答的问题的关键词；对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度；根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度；根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者；其中，所述问题模型用于记录各处理人对已解决问题中的关键词的相关度；所述相关度与关键词在已解决问题中的TF-IDF值、已解决问题的决策链路以及所述问题模型的构建时间相关。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的问题回答者的推荐方法，例如包括：获取待回答的问题，提取所述待回答的问题的关键词；对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度；根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度；根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者；其中，所述问题模型用于记录各处理人对已解决问题中的关键词的相关度；所述相关度与关键词在已解决问题中的TF-IDF值、已解决问题的决策链路以及所述问题模型的构建时间相关。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种问题回答者的推荐方法，其特征在于，包括：
获取待回答的问题，提取所述待回答的问题的关键词；
对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度；
根据各处理人对所述待回答的问题中所述关键词的相关度，确定各处理人对所述待回答的问题的相关度；
根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者；
其中，所述问题模型用于记录各处理人对已解决问题中的关键词的相关度；所述相关度与关键词在已解决问题中的TF-IDF值、已解决问题的决策链路以及所述问题模型的构建时间相关；
所述问题模型的构建方法包括：
获取预设数量的已解决问题，提取所述已解决问题的关键词，计算所述关键词的TF-IDF值，根据TF-IDF值确定所述关键词在所述已解决问题中的权重；
获取所述已解决问题的决策链路，对所述决策链路上的处理人，根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重；
获取所述问题模型的构建时间与所述已解决问题的解决时间的时间间隔，根据所述时间间隔确定所述问题模型对所述已解决问题的权重；
根据所述关键词在所述已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，获得所述问题模型。
2.根据权利要求1所述的问题回答者的推荐方法，其特征在于，所述根据所述关键词在所述已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，具体为：
获取记录所述关键词的已解决问题，作为样本已解决问题；
确定所述样本已解决问题的解决时间与当前构建问题模型的时间的时间间隔，以获得所述问题模型对所述样本已解决问题的权重；
从所述样本已解决问题的决策链路上确定目标处理人，并确定所述目标处理人对于所述样本已解决问题的权重；
根据所述目标处理人在所述样本已解决问题的权重、所述问题模型对所述样本已解决问题的权重以及所述关键词在所述样本已解决问题中的权重，获得所述目标处理人对所述关键词在所述样本已解决问题中的相关度；
根据所述目标处理人对所述关键词在所述样本已解决问题中的相关度，获得所述处理人对所述关键词的相关度。
3.根据权利要求1-2任意一项所述的问题回答者的推荐方法，其特征在于，所述处理人对所述关键词的相关度，具体通过以下公式计算：
Figure QLYQS_1
其中，/>
Figure QLYQS_2
表示处理人h对关键词j的相关度；/>
Figure QLYQS_3
表示处理人h对已解决问题i的权重，与处理人h在已解决问题i的决策链路的位置相关；/>
Figure QLYQS_4
表示所述问题模型对已解决问题i的权重，与所述问题模型的构建时间相关；/>
Figure QLYQS_5
表示关键词j在问题i中的权重，与关键词在已解决问题中的TF-IDF值相关；D表示已解决问题的集合；/>
Figure QLYQS_6
表示第i个已解决问题中的关键词总数。
4.根据权利要求1所述的问题回答者的推荐方法，其特征在于，所述待回答的问题和已解决问题均包括问题的标题和描述信息；
相应地，所述根据TF-IDF值确定关键词在所述已解决问题中的权重，具体为：
将已解决问题的描述信息中与标题中重复的关键词删除；
将标题中的关键词的TF-IDF值作为所述标题中的关键词在已解决问题中的权重；
将描述信息中的关键词的TF-IDF值乘以预设系数，作为所述描述信息中的关键词在已解决问题中的权重，其中，所述预设系数为小于1的正数。
5.根据权利要求1所述的问题回答者的推荐方法，其特征在于，所述根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重，具体为：
根据所述处理人在所述决策链路上的位置，确定所述处理人距离问题回答者之间间隔的处理人个数，作为距离间隔；
根据所述距离间隔从预设的第一权重表中获得对应的第一权重，作为所述处理人对所述已解决问题的权重；
其中，所述第一权重表中用于记录各距离间隔所对应的第一权重，所述距离间隔与第一权重的大小成反比。
6.根据权利要求1所述的问题回答者的推荐方法，其特征在于，所述根据所述时间间隔确定所述问题模型对所述已解决问题的权重，具体为：
根据所述时间间隔从预设的第二权重表中获得对应的第二权重，作为所述问题模型对所述已解决问题的权重；
其中，所述第二权重表中用于记录各时间间隔所对应的第二权重，所述时间间隔与第二权重的大小成反比。
7.一种问题回答者的推荐装置，其特征在于，包括：
关键词提取模块，用于获取待回答的问题，提取所述待回答的问题的关键词；
第一相关度确定模块，用于对所述待回答的问题的关键词，从预先构建的问题模型中获得各处理人对所述关键词的相关度；
第二相关度确定模块，用于根据各处理人对所述待回答的问题中关键词的相关度，确定各处理人对所述待回答的问题的相关度；
推荐模块，用于根据相关度由大到小的顺序对各处理人进行排序，将前一定数量的处理人作为所述待回答的问题的回答者；
其中，所述问题模型用于记录各处理人对已解决问题中的关键词的相关度；所述相关度与关键词在已解决问题中的TF-IDF值、已解决问题的决策链路以及所述问题模型的构建时间相关；
问题模型构建模块，所述问题模型构建模块包括：
关键词权重确定单元，用于获取预设数量的已解决问题，提取所述已解决问题的关键词，计算所述关键词的TF-IDF值，根据TF-IDF值确定所述关键词在所述已解决问题中的权重；
处理人权重确定单元，用于获取所述已解决问题的决策链路，对所述决策链路上的处理人，根据所述处理人在所述决策链路上的位置确定所述处理人对所述已解决问题的权重；
时间间隔权重确定单元，用于获取所述问题模型的构建时间与所述已解决问题的解决时间的时间间隔，根据所述时间间隔确定所述问题模型对所述已解决问题的权重；
模型构建单元，用于根据所述关键词在所述已解决问题中的权重、处理人对所述已解决问题的权重以及问题模型对所述已解决问题的权重确定处理人对所述关键词的相关度，获得所述问题模型。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述问题回答者的推荐方法的步骤。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6中任意一项所述的问题回答者的推荐方法。
CN202010129882.7A 2020-02-28 2020-02-28 问题回答者的推荐方法及装置 Active CN111368028B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010129882.7A CN111368028B (zh) 2020-02-28 2020-02-28 问题回答者的推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010129882.7A CN111368028B (zh) 2020-02-28 2020-02-28 问题回答者的推荐方法及装置

Publications (2)

Publication Number Publication Date
CN111368028A CN111368028A (zh) 2020-07-03
CN111368028B true CN111368028B (zh) 2023-06-06

Family

ID=71206582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010129882.7A Active CN111368028B (zh) 2020-02-28 2020-02-28 问题回答者的推荐方法及装置

Country Status (1)

Country Link
CN (1) CN111368028B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610247A (zh) * 2021-07-22 2021-11-05 北京中交兴路信息科技有限公司 货运车辆的故障求助方法、装置、存储介质及终端

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007249691A (ja) * 2006-03-16 2007-09-27 Nec Corp 問合せ対応処理装置、問合せ対応情報共有システム、問合せ対応情報共有方法およびプログラム
CN102855240A (zh) * 2011-06-28 2013-01-02 上海迈辉信息技术有限公司 一种应用于推荐系统的算法及其实现方法
CN103455592A (zh) * 2013-08-30 2013-12-18 广州网易计算机系统有限公司 一种问答方法、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130171605A1 (en) * 2011-12-30 2013-07-04 China Mobile Communications Corporation Method and system for determining answerer

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007249691A (ja) * 2006-03-16 2007-09-27 Nec Corp 問合せ対応処理装置、問合せ対応情報共有システム、問合せ対応情報共有方法およびプログラム
CN102855240A (zh) * 2011-06-28 2013-01-02 上海迈辉信息技术有限公司 一种应用于推荐系统的算法及其实现方法
CN103455592A (zh) * 2013-08-30 2013-12-18 广州网易计算机系统有限公司 一种问答方法、装置及系统

Also Published As

Publication number Publication date
CN111368028A (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
CN110765244B (zh) 获取应答话术的方法、装置、计算机设备及存储介质
CN108829822B (zh) 媒体内容的推荐方法和装置、存储介质、电子装置
CN107480143B (zh) 基于上下文相关性的对话话题分割方法和系统
CN106649818B (zh) 应用搜索意图的识别方法、装置、应用搜索方法和服务器
WO2018157805A1 (zh) 一种自动问答处理方法及自动问答系统
US8073877B2 (en) Scalable semi-structured named entity detection
CN112667794A (zh) 一种基于孪生网络bert模型的智能问答匹配方法及系统
CN109543007A (zh) 提问数据生成方法、装置、计算机设备和存储介质
RU2704531C1 (ru) Способ и устройство для анализа семантической информации
CN112115716A (zh) 一种基于多维词向量下文本匹配的服务发现方法、系统及设备
CN111159359A (zh) 文档检索方法、装置及计算机可读存储介质
CN108536807B (zh) 一种信息处理方法及装置
CN112307164A (zh) 信息推荐方法、装置、计算机设备和存储介质
CN112487824B (zh) 客服语音情感识别方法、装置、设备及存储介质
CN105069143A (zh) 提取文档中关键词的方法及装置
CN110083837B (zh) 一种关键词生成方法及装置
CN112948562A (zh) 问答处理方法、装置、计算机设备及可读存储介质
CN111930931B (zh) 一种摘要评价方法及装置
CN112581327B (zh) 基于知识图谱的法律推荐方法、装置和电子设备
CN111930895A (zh) 基于mrc的文档数据检索方法、装置、设备及存储介质
CN117149955A (zh) 一种保险条款咨询自动回答的方法、介质及系统
US11379527B2 (en) Sibling search queries
CN115331675A (zh) 一种处理用户语音的方法及装置
CN111368028B (zh) 问题回答者的推荐方法及装置
CN115062621A (zh) 标签提取方法、装置、电子设备和存储介质

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