CN111368064A - 调查信息处理方法、装置、设备及存储介质 - Google Patents

调查信息处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111368064A
CN111368064A CN202010222191.1A CN202010222191A CN111368064A CN 111368064 A CN111368064 A CN 111368064A CN 202010222191 A CN202010222191 A CN 202010222191A CN 111368064 A CN111368064 A CN 111368064A
Authority
CN
China
Prior art keywords
questionnaire
service
user
basic
vector
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
CN202010222191.1A
Other languages
English (en)
Other versions
CN111368064B (zh
Inventor
王钰
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.)
Shenzhen Ping An Medical Health Technology Service Co Ltd
Original Assignee
Ping An Medical and Healthcare Management 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 Ping An Medical and Healthcare Management Co Ltd filed Critical Ping An Medical and Healthcare Management Co Ltd
Priority to CN202010222191.1A priority Critical patent/CN111368064B/zh
Publication of CN111368064A publication Critical patent/CN111368064A/zh
Application granted granted Critical
Publication of CN111368064B publication Critical patent/CN111368064B/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
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及研发管理领域，公开了一种调查信息处理方法、装置、设备及存储介质，用于提高相应业务调查问卷评估结果的有效性，本发明方法包括：获取用户基本信息并计算用户基本信息中的词向量，调用基础业务调查问卷；根据用户基本信息，得到目标业务调查问卷；获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量；计算关键特征向量与预置敏感向量之间的相对匹配率；若相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，并得到相应的评估结果；若相对匹配率小于阈值，则继续获取其他答案信息，直到其他答案信息中的关键特征向量与预置敏感向量之间的相对匹配率大于或等于阈值，生成目标业务调查问卷记录，并得到相应的评估结果。

Description

调查信息处理方法、装置、设备及存储介质
技术领域
本发明涉及大数据领域，尤其涉及调查问卷方法、装置、设备及存储介质。
背景技术
调查问卷又称调查表或询问表，是以问题的形式系统地记载调查的相关内容，并要求被调查者回答相应的问题，再对调查者的回答进行分析，得出一定的结论。
调查问卷是在生活中广泛应用到的一项统计工具，目前的调查问卷是在确定待调查的内容后，让不同的被调查者回答经过制定好的问题，待收集被调查者回答的答案过后，在进行数据的分析。
但是这种固定调查问卷的模式不能根据不同的调研对象进行调整，对于调查问卷评估结果的有效性较低。
发明内容
本发明的提供一种调查信息处理方法、装置、设备及存储介质，用于对与用户基本信息相关的业务调查问卷进行评估与分析，提高了评估结果的有效性。
本发明实施例的第一方面提供一种调查信息处理方法，包括：获取用户基本信息并计算所述用户基本信息中的词向量，根据所述词向量调用相应的基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目；根据所述用户基本信息，在所述基础业务调查问卷中删除与所述用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷；获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，所述用户反馈的目标业务调查问卷为用户回答所述目标业务调查问卷中业务题目后的问卷；计算所述关键特征向量与预置敏感向量之间的相对匹配率，所述预置敏感向量用于指示得到相应的评估结果；若所述相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，完成所述目标业务调查问卷，并得到相应的评估结果；若所述相对匹配率小于所述阈值，则继续获取其他答案信息，直到所述其他答案信息中的关键特征向量与所述预置敏感向量之间的相对匹配率大于或等于所述阈值，生成所述目标业务调查问卷记录，完成所述目标业务调查问卷，并得到相应的评估结果。
可选的，在本发明实施例第一方面的第一种实现方式中，获取用户基本信息并计算用户基本信息中的词向量；通过映射矩阵将每个所述词向量映射为特征向量，并将多个所述特征向量任意组合成多个词向量序列；将多个所述词向量序列输入到递归神经网络中，得到预测概率，所述预测概率用于指示调用不同基础业务调查问卷的几率；选取数值最大的所述预测概率作为目标概率，并调取所述目标概率相对应的所述基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目。
可选的，在本发明实施例第一方面的第二种实现方式中，将多个所述词向量序列输入到递归神经网络中，并将所述词向量序列经过线性变换以及函数处理，得到第一向量；将所述词向量序列与预置矩阵相乘，得到第二向量；将所述第一向量与所述第二向量进行线性运算，得到目标词向量序列；通过预置函数对所述目标词向量序列进行预测，得到预测概率，所述预测概率用于指示调用不同基础业务调查问卷的几率。
可选的，在本发明实施例第一方面的第三种实现方式中，在所述用户基本信息中提取业务目的字段，并在所述基础业务调查问卷中删除与所述业务目的字段无关的业务题目，剩余的业务题目组成第一业务调查问卷；计算所述业务目的字段与业务题目字段的相似度，所述业务题目字段为所述第一业务调查问卷中的题目字段；按照相似度的高低将所述剩余的业务题目进行排序，得到目标业务调查问卷。
可选的，在本发明实施例第一方面的第四种实现方式中，在用户反馈的目标业务调查问卷中，按照从前到后的排列顺序，依次获取所述剩余的业务题目的答案信息，所述用户反馈的目标业务调查问卷为用户回答所述目标业务调查问卷中业务题目后的问卷；提取答案信息中的敏感字段，并将敏感字段转化为关键特征向量。
可选的，在本发明实施例第一方面的第五种实现方式中，获取不同的业务数据，并根据所述业务数据配置基础业务调查问卷。
可选的，在本发明实施例第一方面的第六种实现方式中，获取不同的业务数据，并将所述业务数据与预置数据进行匹配，确认所述业务数据的类型，一个预置数据对应一个业务数据的类型；依据所述业务数据的类型获取与所述业务数据相关的业务问答数据；将所述业务问答数据转化成需求特征向量；将所述需求特征向量输入初始预置模型，得到与所述业务数据对应的基础业务调查问卷。
本发明实施例的第二方面提供一种调查信息处理装置，包括：调用单元，用于获取用户基本信息并计算所述用户基本信息中的词向量，根据所述词向量调用相应的基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目；删除与排序单元，用于根据所述用户基本信息，在所述基础业务调查问卷中删除与所述用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷；获取单元，用于获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，所述用户反馈的目标业务调查问卷为用户回答所述目标业务调查问卷中业务题目后的问卷；计算单元，用于计算关键特征向量与预置敏感向量之间的相对匹配率，预置敏感向量用于指示得到相应的评估结果；第一生成单元，用于若相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果；第二生成单元，用于若相对匹配率小于阈值，则继续获取其他答案信息，直到其他答案信息中的关键特征向量与预置敏感向量之间的相对匹配率大于或等于所述阈值，生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果。
可选的，在本发明实施例第二方面的第一种实现方式中，调用单元包括：获取模块，用于获取用户基本信息并计算所述用户基本信息中的词向量；映射模块，用于通过映射矩阵将每个所述词向量映射为特征向量，并将多个所述特征向量任意组合成多个词向量序列；预测模块，用于将多个所述词向量序列输入到递归神经网络中，得到预测概率，所述预测概率用于指示调用不同基础业务调查问卷的几率；调取模块，用于选取数值最大的所述预测概率作为目标概率，并调取所述目标概率相对应的所述基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目。
可选的，在本发明实施例第二方面的第二种实现方式中，预测模块具体用于：将多个所述词向量序列输入到递归神经网络中，并将所述词向量序列经过线性变换以及函数处理，得到第一向量；将所述词向量序列与预置矩阵相乘，得到第二向量；将所述第一向量与所述第二向量进行线性运算，得到目标词向量序列；通过预置函数对所述目标词向量序列进行预测，得到预测概率，所述预测概率用于指示调用不同基础业务调查问卷的几率。
可选的，在本发明实施例第二方面的第三种实现方式中，删除与排序单元具体用于：在所述用户基本信息中提取业务目的字段，并在所述基础业务调查问卷中删除与所述业务目的字段无关的业务题目，剩余的业务题目组成第一业务调查问卷；计算所述业务目的字段与业务题目字段的相似度，所述业务题目字段为所述第一业务调查问卷中的题目字段；按照相似度的高低将所述剩余的业务题目进行排序，得到目标业务调查问卷。
可选的，在本发明实施例第二方面的第四种实现方式中，获取单元具体用于：在用户反馈的目标业务调查问卷中，按照从前到后的排列顺序，依次获取所述剩余的业务题目的答案信息，所述用户反馈的目标业务调查问卷为用户回答所述目标业务调查问卷中业务题目后的问卷；提取答案信息中的敏感字段，并将敏感字段转化为关键特征向量。
可选的，在本发明实施例第二方面的第五种实现方式中，调查信息处理装置还包括：配置单元，用于获取不同的业务数据，并根据所述业务数据配置基础业务调查问卷。
可选的，在本发明实施例第二方面的第六种实现方式中，配置单元具体用于：获取不同的业务数据，并将所述业务数据与预置数据进行匹配，确认所述业务数据的类型，一个预置数据对应一个业务数据的类型；依据所述业务数据的类型获取与所述业务数据相关的业务问答数据；将所述业务问答数据转化成需求特征向量；将所述需求特征向量输入初始预置模型，得到与所述业务数据对应的基础业务调查问卷。
本发明实施例的第三方面提供了一种调查信息处理设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施方式所述的调查信息处理方法。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例，通过用户基本信息生成相应的业务调查问卷，并通过智能交互问卷的方式，对答案信息进行处理与分析，得到对答案信息的评估结果并告知用户，提高了基于用户基本信息生成的相应业务调查问卷的评估结果的有效性。
附图说明
图1为本发明中调查信息处理方法的一个实施例示意图；
图2为本发明中调查信息处理方法的另一个实施例示意图；
图3为本发明中调查信息处理装置的一个实施例示意图；
图4为本发明中调查信息处理装置的另一个实施例示意图；
图5为本发明中调查信息处理设备的一个实施例示意图。
具体实施方式
本发明的提供一种调查信息处理方法，用于对与用户基本信息相关的业务调查问卷进行评估与分析，提高了评估结果的有效性。
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1，本发明实施例中调查信息处理方法一个实施例包括：
101、获取用户基本信息并计算用户基本信息中的词向量，根据词向量调用相应的基础业务调查问卷，基础业务调查问卷中包括多个业务题目。
可以理解的是，本发明的执行主体可以为调查信息处理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
这里的用户基本信息是用户提供的与业务数据相关的基本信息，服务器可以根据用户提供的用户基本信息来计算与基础业务调查问卷相关的词向量，待通过计算得到词向量后，服务器通过映射矩阵将词向量映射为特征向量，因为用户基本信息中存在多个词向量，因此映射出来的特征向量也有很多个，并且每个特征向量都与词向量相对应，服务器将多个特征向量进行合并，得到一个词向量序列，之后服务器将多个词向量序列输入到递归神经网络中，即可预测到调用概率最大的业务调查问卷。
102、根据用户基本信息，在基础业务调查问卷中删除与用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷。
待服务器获取到基础业务调查问卷后，因为基础业务调查问卷中的业务题目数量较多，且基础业务调查问卷中的业务题目仍有不符合用户需求的题目，因此，服务器提取用户基本信息中的目的字段，这里的用户基本信息是用户提供的与业务数据相关的基本信息，目的字段指用于指示用户对业务数据的需求，服务器根据提取到的目的字段，在基础业务调查问卷的业务题目中删除与业务目的字段无关的题目集合，以此得到第一业务调查问卷。
服务器在得到第一业务调查问卷后，需要将第一业务调查问卷中的剩余的业务题目进行排序，首先服务器计算业务目的字段与业务题目字段的相似度，其中，业务调查题目字段为第一业务调查问卷中的题目字段，待计算相似度之后，服务器按照相似度由高到低将第一业务调查问卷中的业务题目进行排序，由此得到相应的业务调查问卷。用户在反馈业务调查问卷时，是按照其中业务题目的顺序进行反馈，并按照业务题目的排列前后的顺序获取相应的答案信息。
103、获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，用户反馈的目标业务调查问卷为用户回答目标业务调查问卷中业务题目后的问卷。
服务器对用户反馈回来目标业务调查问卷的答案信息进行评估，首先服务器在用户反馈的目标业务调查问卷中，按照从前到后的顺序获剩余的业务题目的答案信息，并在答案信息中提取敏感字段，这里的敏感字段指的是在答案信息中与业务数据相关的字段，并将敏感字段转化为关键特征向量，以便服务器利用关键特征向量进行之后的操作。
104、计算关键特征向量与预置敏感向量之间的相对匹配率，预置敏感向量用于指示得到相应的评估结果。
需要说明的是，服务器计算关键特征向量与预置敏感向量之间的相对匹配率，相当于判定敏感字段与评估结果的关系，关键特征向量与预置敏感向量之间的匹配概率越大，说明关键特征向量越符合预置敏感向量，而预置敏感向量对指示的是相应的评估结果，因此，服务器会获取到相应的评估结果。
105、若相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果。
需要说明的是，服务器计算关键特征向量的相对匹配率之后，将相对匹配率与阈值进行比对，得到相对匹配率大于或等于阈值的结果，服务器即可停止显示用户反馈的目标业务调查问卷中后续的剩余的业务题目，并将用户所反馈的答案信息进行保存，生成目标业务调查问卷记录，完成获取答案信息的步骤，并根据预置敏感向量的指示，得到相应的评估结果。
106、若相对匹配率小于阈值，则继续获取其他答案信息，直到其他答案信息中的关键特征向量与预置敏感向量之间的相对匹配率大于或等于阈值，生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果。
当关键特征向量与预置敏感向量之间的相对匹配率小于阈值时，服务器不能够获取到相应的评估结果，因此，服务器还需要进一步的获取到后续的其他答案信息以及其他答案信息中的关键特征向量，计算关键特征向量与预置敏感向量之间的相对匹配率，判断该相对匹配率是否大于或等于预置匹配率，若相对匹配率大于或等于阈值，则证明服务器能够获取到相应的评估结果，服务器即可停止显示用户反馈的目标业务调查问卷中后续剩余的业务题目，并将用户所反馈的问答信息进行保存，生成业务问卷记录，根据预置敏感向量的指示，得到相应的评估结果。这里的一个预置敏感向量对应指示的是一个评估结果，是在服务器获取到相应的评估结果之前提前设置好的，因此在服务器获取到预置敏感向量后，就能够得到相应的评估结果。
本发明实施例，通过用户基本信息生成相应的业务调查问卷，并通过智能交互问卷的方式，对答案信息进行处理与分析，得到对答案信息的评估结果并告知用户，提高了基于用户基本信息生成的相应业务调查问卷的评估结果的有效性。
请参阅图2，本发明实施例中调查信息处理方法另一个实施例包括：
201、获取不同的业务数据，并根据业务数据配置基础业务调查问卷。
具体的，服务器获取不同类型的业务数据，并将业务数据与预置数据进行匹配，其中，一个预置数据对应一个业务数据的类型；服务器依据不同的业务数据的类型获取业务问答数据；服务器将业务问答数据转化成需求特征向量；服务器将需求特征向量输入初始预置模型，得到与业务数据对应的基础业务调查问卷。
需要说明的是，在这里服务器将业务数据与预置数据进行匹配，与业务数据匹配的预置数据所对应的业务数据类型，即是业务数据的业务类型。这里的业务数据的类型不同所收集的业务问答数据亦是不同，因此不同的业务数据对应不同的基础业务调查问卷。
这里的初始预置模型是会依据相关的业务问答数据建立与之对应的基础业务调查问卷的模型，初始预置模型是根据业务问答数据经过大量的训练和反复的优化得到的，再将本实施例中待配置的业务问答数据输入到初始预置模型中，经过初始预置模型的训练与迭代，得到相应的基础业务调查问卷。
服务器首先收集与业务数据相关的业务问答数据，并将其进行整理，利用深度学习网络将业务问答数据转化为需求特征向量，将业务问答数据转化为初始预置模型可利用的形式，待服务器将业务问答数据转化为需求特征向量后，将需求特征向量输入到初始预置模型中，进行训练与迭代，由此得到与业务数据相关的调查问卷。
由于业务数据在不断的更新，因此基础业务调查问卷的问答内容也是要随着业务数据的更新而不断更新的。在这里服务器进行基础业务调查问卷更新的步骤与获取到基础业务调查问卷的步骤是相同的，服务器首先收集与更新后业务数据相关的业务问答数据，并将其进行整理，利用深度学习网络将更新的业务问答数据转化为需求特征向量，将更新的业务问答数据转化为初始预置模型可利用的形式，待服务器将更新的业务问答数据转化为需求特征向量后，将需求特征向量输入到初始预置模型中，进行训练与迭代，由此得到与更新后的基础业务数据相关的调查问卷。
举例来说，以投保综合医疗险的情况为例，当业务数据类型为甲状腺疾病，所收集到的业务问答数据是与医疗险以及与甲状腺疾病相关的问题，如：问题为“是否已由医生确诊为炎症，且无需进一步检查、治疗或随访？”，相应的回答选项为“是/否”等业务问答数据，将业务问答数据转化为特征向量后，将其输入到初始预置模型中，由此得到相应的基础业务调查问卷。
202、获取用户基本信息并计算用户基本信息中的词向量，根据词向量调用相应的基础业务调查问卷，基础业务调查问卷中包括多个业务题目。
具体的，服务器获取用户基本信息，计算用户基本信息中的词向量；服务器将每个词向量映射为特征向量，并将多个特征向量任意组合成多个词向量序列；服务器将多个词向量序列输入到递归神经网络中，得到用于指示调用不同基础业务调查问卷的几率的预测概率；服务器选取数值最大的预测概率作为目标概率，并调取目标概率相对应的基础业务调查问卷，基础业务调查问卷中包括多个业务题目。
服务器将多个词向量序列输入到递归神经网络中，得到预测概率，预测概率用于指示调用不同基础业务调查问卷的几率。具体的：服务器将多个词向量序列输入到递归神经网络中，并将词向量序列经过线性变换以及函数处理，得到第一向量；服务器将词向量序列与预置矩阵相乘，得到第二向量；服务器将第一向量与第二向量进行线性运算，得到目标词向量序列；服务器通过预置函数对目标词向量序列进行预测，得到预测概率，预测概率用于指示调用不同基础业务调查问卷的几率。
服务器在利用词向量与递归神经网络进行预测的过程中，服务器会对词向量序列进行一系列的处理，得到最终的词向量序列，待获取到最终的词向量序列后，服务器通过预置函数对最终的词向量序列进行预测，这里的预测函数为SoftMax函数，利用SoftMax函数将最终的词向量序列的输出数值转化为相对概率也就是预测概率，预测概率用于指示调用不同业务调查问卷的几率，通过对比每个基础业务调查问卷被调用的预测概率，选取数值最大的预测概率所对应的基础业务调查问卷，作为被调用的基础业务调查问卷，基础业务调查问卷中包括多个业务题目。
举例说明，服务器首先获取用户基本信息并计算用户基本信息中的词向量，通过映射矩阵C∈RV×m将获取到的每个词向量映射为一个特征向量，其中，V表示所有单词的集合(即词典)Vi表示字典中的第i个单词，C(i)∈Rm表示在预置词典中第i个词向量对应的特征向量，m表示特征向量的维度，服务器再将映射得到的特征向量C(wt-n+1),...,C(wt-1)合并成一个(n-1)m维的词向量序列x＝(C(wt-n+1),...,C(wt-1))，其中，wt表示词序列中第t个单词；服务器将词向量序列输入到递归神经网络中，将词向量序列x经过线变换之后，再经过tanh函数处理，并左乘预置矩阵U，得到第一向量y1＝Utanh(d+Hx)，服务器将词向量序列左乘预置矩阵W，得到第二向量y2＝b+Wx，服务器再将第一向量与第二向量进行线性运算，得到最终的词向量序列y＝b+Wx+Utanh(d+Hx)；服务器利用预置函数SoftMax函数对最终词向量序列进行预测，得到预测概率
Figure BDA0002426479780000101
这里的预测概率用于指示调用基础业务调查问卷的几率；服务器选取数值最大的预测概率作为目标概率，并调取目标概率相对应的基础业务调查问卷题目集合。
203、根据用户基本信息，在基础业务调查问卷中删除与用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷。
具体的，服务器在用户基本信息中提取业务目的字段，在基础业务调查问卷中删除与该业务目的字段无关的业务题目，将剩余的业务题目组成第一业务调查问卷；服务器计算业务目的字段与业务题目字段之间的相似度；服务器按照相似度的高低将剩余的业务题目进行排序，得到目标业务调查问卷。
待服务器获取到基础业务调查问卷后，因为基础业务调查问卷中的业务题目数量较多，且基础业务调查问卷中的业务题目仍有不符合用户需求的题目，因此，服务器提取用户基本信息中的目的字段，这里的用户基本信息是用户提供的与业务数据相关的基本信息，目的字段指用于指示用户对业务数据的需求，与用户基本信息无关的业务题目为在基础业务调查问卷的业务题目中与目的字段不同的题目。服务器根据提取到的目的字段，在基础业务调查问卷的业务题目中删除与目的字段不同的题目集合，以此得到第一业务调查问卷。
服务器在得到第一业务调查问卷后，需要将第一业务调查问卷中的剩余的业务题目进行排序，首先服务器计算业务目的字段与业务题目字段的相似度，其中，业务调查题目字段为第一业务调查问卷中的题目字段，待计算相似度之后，服务器按照相似度由高到低将第一业务调查问卷中的业务题目进行排序，由此得到相应的目标业务调查问卷。用户在目标反馈业务调查问卷时，是按照其中业务题目的顺序进行反馈，并按照业务题目的顺序获取相应的答案信息。
204、获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，用户反馈的目标业务调查问卷为用户回答目标业务调查问卷中业务题目后的问卷。
具体的，服务器在用户回答目标业务调查问卷中业务题目后的问卷中，按照从前到后的排列顺序获取剩余的业务题目的答案信息，用户反馈的目标业务调查问卷为；服务器提取答案信息中的敏感字段，并将敏感字段转化为关键特征向量。
举例来说，服务器对用户反馈回来目标业务调查问卷的答案信息进行评估，首先服务器用户反馈的目标业务调查问卷中，按照从前到后的顺序获剩余的业务题目的答案信息，也就是先获取剩余的业务题目的第一答案信息，并在第一答案信息中提取第一敏感字段，这里的第一答案信息指的是在目标业务调查问卷中排列第一的业务题目的答案，第一敏感字段指的是在第一答案信息中与业务数据相关的字段，并将第一敏感字段转化为第一关键特征向量，以便服务器利用第一关键特征向量进行之后的操作。
205、计算关键特征向量与预置敏感向量之间的相对匹配率，预置敏感向量用于指示得到相应的评估结果。
需要说明的是，服务器计算关键特征向量与预置敏感向量之间的相对匹配率，相当于判定敏感字段与评估结果的关系，关键特征向量与预置敏感向量之间的匹配概率越大，说明关键特征向量越符合预置敏感向量，而预置敏感向量对指示的是相应的评估结果，因此，服务器会获取到相应的评估结果。
举例说明，假设在选择保险投保的情况下，答案信息中的敏感字段为恶性肿瘤，预置敏感字段为恶性肿瘤，预置敏感向量指示的评估结果为拒绝投保，阈值为80％。首先服务器将敏感字段转化为关键特征向量，再计算关键特征向量与预置敏感向量之间的相对匹配率，计算得到的相对匹配率为100％，大于阈值，因此服务器可以得到相应的评估结果为拒绝投保。
206、若相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果。
举例说明，服务器计算第一关键特征向量的相对匹配率之后，将相对匹配率与阈值进行比对，得到相对匹配率大于或等于阈值的结果，服务器即可停止显示用户反馈的目标业务调查问卷中排列第二的剩余的业务题目，并将用户所反馈的第一答案信息进行保存，生成目标业务调查问卷记录，完成获取答案信息的步骤，并根据预置敏感向量的指示，得到相应的评估结果。
207、若相对匹配率小于阈值，则继续获取其他答案信息，直到其他答案信息中的关键特征向量与预置敏感向量匹配，生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果。
举例来说，当第一关键特征向量与预置敏感向量之间的相对匹配率小于阈值时，服务器不能够获取到相应的评估结果，因此，服务器还需要进一步的获取到第二答案信息以及第二答案信息中的第二关键特征向量，计算第二关键特征向量与预置敏感向量之间的相对匹配率，判断该相对匹配率是否大于或等于预置匹配率，若相对匹配率大于或等于阈值，则证明服务器能够获取到相应的评估结果，服务器即可停止显示用户反馈的目标业务调查问卷中排列第三的剩余的业务题目，并将用户所反馈的问答信息进行保存，生成业务问卷记录，根据预置敏感向量的指示，得到相应的评估结果。这里的一个预置敏感向量对应指示的是一个评估结果，是在服务器获取到相应的评估结果之前提前设置好的，因此在服务器获取到预置敏感向量后，就能够得到相应的评估结果。
需要说明的是，这里的答案信息并不只包括第一答案信息与第二答案信息，还可以是多个答案信息，在本实施例中仅以第一答案信息与第二答案信息为例进行说明。相应的，本实施例中的其他答案信息为第二答案信息，但其他答案信息并不仅仅为第二答案信息，其他答案信息可以为除对比过相对匹配率之外的答案信息。此外，若服务器将相应业务题目的答案信息全部获取完，并没有得到相对匹配率大于或等于阈值的结果，服务器也会生成业务调查问卷记录，完成业务调查问卷，并得到相应的评估结果。
本发明实施例，通过用户基本信息生成相应的业务调查问卷，并通过智能交互问卷的方式，对答案信息进行处理与分析，得到对答案信息的评估结果并告知用户，提高了基于用户基本信息生成的相应业务调查问卷的评估结果的有效性。
上面对本发明实施例中调查信息处理方法进行了描述，下面对本发明实施例中调查信息处理装置进行描述，请参阅图3，本发明实施例中调查信息处理装置一个实施例包括：
调用单元301，用于获取用户基本信息并计算用户基本信息中的词向量，根据词向量调用相应的基础业务调查问卷，基础业务调查问卷中包括多个业务题目；
删除与排序单元302，用于根据用户基本信息，在基础业务调查问卷中删除与用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷；
获取单元303，用于获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，用户反馈的目标业务调查问卷为用户回答目标业务调查问卷中业务题目后的问卷；
计算单元304，用于计算关键特征向量与预置敏感向量之间的相对匹配率，预置敏感向量用于指示得到相应的评估结果；
第一生成单元305，用于若相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果；
第二生成单元306，用于若相对匹配率小于阈值，则继续获取其他答案信息，直到其他答案信息中的关键特征向量与预置敏感向量之间的相对匹配率大于或等于阈值，生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果。
本发明实施例，通过用户基本信息生成相应的业务调查问卷，并通过智能交互问卷的方式，对答案信息进行处理与分析，得到对答案信息的评估结果并告知用户，提高了基于用户基本信息生成的相应业务调查问卷的评估结果的有效性。
请参阅图4，本发明实施例中调查信息处理装置另一个实施例包括：
调用单元301，用于获取用户基本信息并计算用户基本信息中的词向量，根据词向量调用相应的基础业务调查问卷，基础业务调查问卷中包括多个业务题目；
删除与排序单元302，用于根据用户基本信息，在基础业务调查问卷中删除与用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷；
获取单元303，用于获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，用户反馈的目标业务调查问卷为用户回答目标业务调查问卷中业务题目后的问卷；
计算单元304，用于计算关键特征向量与预置敏感向量之间的相对匹配率，预置敏感向量用于指示得到相应的评估结果；
第一生成单元305，用于若相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果；
第二生成单元306，用于若相对匹配率小于阈值，则继续获取其他答案信息，直到其他答案信息中的关键特征向量与预置敏感向量之间的相对匹配率大于或等于阈值，生成目标业务调查问卷记录，完成目标业务调查问卷，并得到相应的评估结果。
可选的，调用单元301包括：
获取模块3011，用于获取用户基本信息并计算用户基本信息中的词向量；
映射模块3012，用于通过映射矩阵将每个词向量映射为特征向量，并将多个特征向量任意组合成多个词向量序列；
预测模块3013，用于将多个词向量序列输入到递归神经网络中，得到预测概率，预测概率用于指示调用不同基础业务调查问卷的几率；
调取模块3014，用于选取数值最大的预测概率作为目标概率，并调取目标概率相对应的基础业务调查问卷，基础业务调查问卷中包括多个业务题目。
可选的，预测模块3013具体用于：
将多个词向量序列输入到递归神经网络中，并将词向量序列经过线性变换以及函数处理，得到第一向量；
将词向量序列与预置矩阵相乘，得到第二向量；
将第一向量与第二向量进行线性运算，得到目标词向量序列；
通过预置函数对目标词向量序列进行预测，得到预测概率，预测概率用于指示调用不同基础业务调查问卷的几率。
可选的，删除与排序单元302具体用于：
在用户基本信息中提取业务目的字段，并在基础业务调查问卷中删除与业务目的字段无关的业务题目，剩余的业务题目组成第一业务调查问卷；
计算业务目的字段与业务题目字段的相似度，业务题目字段为第一业务调查问卷中的题目字段；按照相似度的高低将剩余的业务题目进行排序，得到目标业务调查问卷。
可选的，获取单元303具体用于：
在用户反馈的目标业务调查问卷中，按照从前到后的排列顺序，依次获取剩余的业务题目的答案信息，用户反馈的目标业务调查问卷为用户回答目标业务调查问卷中业务题目后的问卷；
提取答案信息中的敏感字段，并将敏感字段转化为关键特征向量。
可选的，调查信息处理装置还包括：
配置单元307，用于获取不同的业务数据，并根据业务数据配置基础业务调查问卷。
可选的，配置单元307具体用于：
获取不同的业务数据，并将业务数据与预置数据进行匹配，确认业务数据的类型，一个预置数据对应一个业务数据的类型；
依据业务数据的类型获取与业务数据相关的业务问答数据；
将业务问答数据转化成需求特征向量；
将需求特征向量输入初始预置模型，得到与业务数据对应的基础业务调查问卷。
本发明实施例，通过用户基本信息生成相应的业务调查问卷，并通过智能交互问卷的方式，对答案信息进行处理与分析，得到对答案信息的评估结果并告知用户，提高了基于用户基本信息生成的相应业务调查问卷的评估结果的有效性。
上面图3至图4从模块化功能实体的角度对本发明实施例中的调查信息处理装置进行详细描述，下面从硬件处理的角度对本发明实施例中调查信息处理设备进行详细描述。
下面结合图5对调查信息处理设备的各个构成部件进行具体的介绍：
图5是本发明实施例提供的一种调查信息处理设备的结构示意图，该调查信息处理设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)501(例如，一个或一个以上处理器)和存储器509，一个或一个以上存储应用程序507或数据506的存储介质508(例如一个或一个以上海量存储设备)。其中，存储器509和存储介质508可以是短暂存储或持久存储。存储在存储介质508的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对调查信息处理设备中的一系列指令操作。更进一步地，处理器501可以设置为与存储介质508通信，在调查信息处理设备500上执行存储介质508中的一系列指令操作。
调查信息处理设备500还可以包括一个或一个以上电源502，一个或一个以上有线或无线网络接口503，一个或一个以上输入输出接口504，和/或，一个或一个以上操作系统505，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5中示出的调查信息处理设备结构并不构成对调查信息处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图5对调查信息处理设备的各个构成部件进行具体的介绍：
处理器501是调查信息处理设备的控制中心，可以按照调查信息处理方法进行处理。处理器501利用各种接口和线路连接整个调查信息处理设备的各个部分，通过运行或执行存储在存储器509内的软件程序和/或模块，以及调用存储在存储器509内的数据，通过用户基本信息生成相应的业务调查问卷，并通过智能交互问卷的方式，对答案信息进行处理与分析，得到对答案信息的评估结果并告知用户，提高了基于用户基本信息生成的相应业务调查问卷的评估结果的有效性。存储介质508和存储器509都是存储数据的载体，本发明实施例中，存储介质508可以是指储存容量较小，但速度快的内存储器，而存储器509可以是储存容量大，但储存速度慢的外存储器。
存储器509可用于存储软件程序以及模块，处理器501通过运行存储在存储器509的软件程序以及模块，从而执行调查信息处理设备500的各种功能应用以及数据处理。存储器509可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据调查信息处理设备的使用所创建的数据等。此外，存储器509可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在本发明实施例中提供的调查信息处理程序和接收到的数据流存储在存储器中，当需要使用时，处理器501从存储器509中调用。
在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、双绞线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，光盘)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以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全部或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(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，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 (10)

1.一种调查信息处理方法，其特征在于，包括：
获取用户基本信息并计算所述用户基本信息中的词向量，根据所述词向量调用相应的基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目；
根据所述用户基本信息，在所述基础业务调查问卷中删除与所述用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷；
获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，所述用户反馈的目标业务调查问卷为用户回答所述目标业务调查问卷中业务题目后的问卷；
计算所述关键特征向量与预置敏感向量之间的相对匹配率，所述预置敏感向量用于指示得到相应的评估结果；
若所述相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，完成所述目标业务调查问卷，并得到相应的评估结果；
若所述相对匹配率小于所述阈值，则继续获取其他答案信息，直到所述其他答案信息中的关键特征向量与所述预置敏感向量之间的相对匹配率大于或等于所述阈值，生成所述目标业务调查问卷记录，完成所述目标业务调查问卷，并得到相应的评估结果。
2.根据权利要求1所述的调查信息处理方法，其特征在于，获取用户基本信息并计算所述用户基本信息中的词向量，根据所述词向量调用相应的基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目包括：
获取用户基本信息并计算所述用户基本信息中的词向量；
通过映射矩阵将每个所述词向量映射为特征向量，并将多个所述特征向量任意组合成多个词向量序列；
将多个所述词向量序列输入到递归神经网络中，得到预测概率，所述预测概率用于指示调用不同基础业务调查问卷的几率；
选取数值最大的所述预测概率作为目标概率，并调取所述目标概率相对应的所述基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目。
3.根据权利要求2所述的调查信息处理方法，其特征在于，所述将多个所述词向量序列输入到递归神经网络中，得到预测概率，所述预测概率用于指示调用不同基础业务调查问卷的几率包括：
将多个所述词向量序列输入到递归神经网络中，并将所述词向量序列经过线性变换以及函数处理，得到第一向量；
将所述词向量序列与预置矩阵相乘，得到第二向量；
将所述第一向量与所述第二向量进行线性运算，得到目标词向量序列；
通过预置函数对所述目标词向量序列进行预测，得到预测概率，所述预测概率用于指示调用不同基础业务调查问卷的几率。
4.根据权利要求1所述的调查信息处理方法，其特征在于，所述根据所述用户基本信息，在所述基础业务调查问卷中删除与所述用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷包括：
在所述用户基本信息中提取业务目的字段，并在所述基础业务调查问卷中删除与所述业务目的字段无关的业务题目，剩余的业务题目组成第一业务调查问卷；
计算所述业务目的字段与业务题目字段的相似度，所述业务题目字段为所述第一业务调查问卷中的题目字段；
按照相似度的高低将所述剩余的业务题目进行排序，得到目标业务调查问卷。
5.根据权利要求1所述的调查信息处理方法，其特征在于，所述获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，所述用户反馈的目标业务调查问卷为用户回答所述目标业务调查问卷中业务题目后的问卷包括：
在用户反馈的目标业务调查问卷中，按照从前到后的排列顺序，依次获取所述剩余的业务题目的答案信息，所述用户反馈的目标业务调查问卷为用户回答所述目标业务调查问卷中业务题目后的问卷；
提取答案信息中的敏感字段，并将敏感字段转化为关键特征向量。
6.根据权利要求1-5中任一项所述的调查信息处理方法，其特征在于，在获取用户基本信息并计算所述用户基本信息中的词向量，根据所述词向量调用相应的基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目之前，所述调查信息处理方法还包括：
获取不同的业务数据，并根据所述业务数据配置基础业务调查问卷。
7.根据权利要求6所述的调查信息处理方法，其特征在于，所述获取不同的业务数据，并根据所述业务数据配置基础业务调查问卷包括：
获取不同的业务数据，并将所述业务数据与预置数据进行匹配，确认所述业务数据的类型，一个预置数据对应一个业务数据的类型；
依据所述业务数据的类型获取与所述业务数据相关的业务问答数据；
将所述业务问答数据转化成需求特征向量；
将所述需求特征向量输入初始预置模型，得到与所述业务数据对应的基础业务调查问卷。
8.一种调查信息处理装置，其特征在于，包括：
调用单元，用于获取用户基本信息并计算所述用户基本信息中的词向量，根据所述词向量调用相应的基础业务调查问卷，所述基础业务调查问卷中包括多个业务题目；
删除与排序单元，用于根据所述用户基本信息，在所述基础业务调查问卷中删除与所述用户基本信息无关的业务题目，并对剩余的业务题目进行排序，得到目标业务调查问卷；
获取单元，用于获取用户反馈的目标业务调查问卷中的答案信息，得到关键特征向量，所述用户反馈的目标业务调查问卷为用户回答所述目标业务调查问卷中业务题目后的问卷；
计算单元，用于计算所述关键特征向量与预置敏感向量之间的相对匹配率，所述预置敏感向量用于指示得到相应的评估结果；
第一生成单元，用于若所述相对匹配率大于或等于阈值，则生成目标业务调查问卷记录，完成所述目标业务调查问卷，并得到相应的评估结果；
第二生成单元，用于若所述相对匹配率小于所述阈值，则继续获取其他答案信息，直到所述其他答案信息中的关键特征向量与所述预置敏感向量之间的相对匹配率大于或等于所述阈值，生成所述目标业务调查问卷记录，完成所述目标业务调查问卷，并得到相应的评估结果。
9.一种调查信息处理设备，其特征在于，包括：
存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述调查信息处理设备执行如权利要求1-7中任意一项所述调查信息处理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质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如权利要求1-7中任一项所述调查信息处理方法。
CN202010222191.1A 2020-03-26 2020-03-26 调查信息处理方法、装置、设备及存储介质 Active CN111368064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010222191.1A CN111368064B (zh) 2020-03-26 2020-03-26 调查信息处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010222191.1A CN111368064B (zh) 2020-03-26 2020-03-26 调查信息处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111368064A true CN111368064A (zh) 2020-07-03
CN111368064B CN111368064B (zh) 2023-04-07

Family

ID=71207052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010222191.1A Active CN111368064B (zh) 2020-03-26 2020-03-26 调查信息处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111368064B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112686698A (zh) * 2020-12-29 2021-04-20 深圳市顺易通信息科技有限公司 一种智慧停车场属性收集的方法及相关装置
CN113077239A (zh) * 2021-04-16 2021-07-06 上海华客信息科技有限公司 问卷处理方法、装置、电子设备和存储介质
CN113488190A (zh) * 2021-07-12 2021-10-08 北京声智科技有限公司 流调信息获取方法、装置及电子设备
CN113988916A (zh) * 2021-10-22 2022-01-28 苏州众言网络科技股份有限公司 问卷投放方法及装置
CN114238668A (zh) * 2021-11-19 2022-03-25 深圳市维度数据科技股份有限公司 行业信息展示方法、系统、计算机设备和存储介质
CN114881712A (zh) * 2022-07-12 2022-08-09 杭州新航互动科技有限公司 智能广告投放方法、装置、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108428152A (zh) * 2018-03-12 2018-08-21 平安科技（深圳）有限公司 调查问卷生成方法、服务器及计算机可读存储介质
CN108563384A (zh) * 2018-04-17 2018-09-21 泰康保险集团股份有限公司 一种基于问卷的交互方法及相关设备
CN109344246A (zh) * 2018-09-25 2019-02-15 平安科技（深圳）有限公司 一种电子问卷生成方法、计算机可读存储介质及终端设备
CN109408785A (zh) * 2018-09-25 2019-03-01 深圳壹账通智能科技有限公司 问卷生成方法、系统、计算机设备和存储介质
CN109697228A (zh) * 2018-12-13 2019-04-30 平安科技（深圳）有限公司 智能问答方法、装置、计算机设备及存储介质
CN109872775A (zh) * 2019-02-21 2019-06-11 北京迈迪培尔信息技术有限公司 一种文献标注方法、装置、设备及计算机可读介质
CN109933652A (zh) * 2019-01-17 2019-06-25 深圳壹账通智能科技有限公司 智能问答方法、装置、计算机设备及存储介质
CN110019736A (zh) * 2017-12-29 2019-07-16 北京京东尚科信息技术有限公司 基于语言模型的问答匹配方法、系统、设备及存储介质
CN110134786A (zh) * 2019-05-14 2019-08-16 南京大学 一种基于主题词向量与卷积神经网络的短文本分类方法
CN110245213A (zh) * 2019-05-08 2019-09-17 平安科技（深圳）有限公司 调查问卷生成方法、装置、设备和存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110019736A (zh) * 2017-12-29 2019-07-16 北京京东尚科信息技术有限公司 基于语言模型的问答匹配方法、系统、设备及存储介质
CN108428152A (zh) * 2018-03-12 2018-08-21 平安科技（深圳）有限公司 调查问卷生成方法、服务器及计算机可读存储介质
CN108563384A (zh) * 2018-04-17 2018-09-21 泰康保险集团股份有限公司 一种基于问卷的交互方法及相关设备
CN109344246A (zh) * 2018-09-25 2019-02-15 平安科技（深圳）有限公司 一种电子问卷生成方法、计算机可读存储介质及终端设备
CN109408785A (zh) * 2018-09-25 2019-03-01 深圳壹账通智能科技有限公司 问卷生成方法、系统、计算机设备和存储介质
CN109697228A (zh) * 2018-12-13 2019-04-30 平安科技（深圳）有限公司 智能问答方法、装置、计算机设备及存储介质
CN109933652A (zh) * 2019-01-17 2019-06-25 深圳壹账通智能科技有限公司 智能问答方法、装置、计算机设备及存储介质
CN109872775A (zh) * 2019-02-21 2019-06-11 北京迈迪培尔信息技术有限公司 一种文献标注方法、装置、设备及计算机可读介质
CN110245213A (zh) * 2019-05-08 2019-09-17 平安科技（深圳）有限公司 调查问卷生成方法、装置、设备和存储介质
CN110134786A (zh) * 2019-05-14 2019-08-16 南京大学 一种基于主题词向量与卷积神经网络的短文本分类方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112686698A (zh) * 2020-12-29 2021-04-20 深圳市顺易通信息科技有限公司 一种智慧停车场属性收集的方法及相关装置
CN113077239A (zh) * 2021-04-16 2021-07-06 上海华客信息科技有限公司 问卷处理方法、装置、电子设备和存储介质
CN113488190A (zh) * 2021-07-12 2021-10-08 北京声智科技有限公司 流调信息获取方法、装置及电子设备
CN113988916A (zh) * 2021-10-22 2022-01-28 苏州众言网络科技股份有限公司 问卷投放方法及装置
CN114238668A (zh) * 2021-11-19 2022-03-25 深圳市维度数据科技股份有限公司 行业信息展示方法、系统、计算机设备和存储介质
CN114881712A (zh) * 2022-07-12 2022-08-09 杭州新航互动科技有限公司 智能广告投放方法、装置、设备及存储介质
CN114881712B (zh) * 2022-07-12 2022-09-23 杭州新航互动科技有限公司 智能广告投放方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111368064B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111368064B (zh) 调查信息处理方法、装置、设备及存储介质
CN108427708B (zh) 数据处理方法、装置、存储介质和电子装置
EP3696746A1 (en) Method and apparatus for determining description information, electronic device and computer storage medium
CN110929752B (zh) 基于知识驱动和数据驱动的分群方法及相关设备
CN111798273A (zh) 产品的购买概率预测模型的训练方法及购买概率预测方法
i Guiu et al. Automatic diagnosis with genetic algorithms and case-based reasoning
CN113362963B (zh) 基于多源异构网络的预测药物之间副作用的方法及系统
Scholar Chronic kidney disease prediction using machine learning
CN114116998A (zh) 答复语句生成方法、装置、计算机设备和存储介质
CN110647995A (zh) 规则训练方法、装置、设备及存储介质
CN116126947B (zh) 应用于企业管理系统的大数据分析方法及系统
CN110780965A (zh) 基于视觉的流程自动化方法、设备及可读存储介质
CN111696656A (zh) 一种互联网医疗平台的医生评价方法、装置
CN111159481A (zh) 图数据的边预测方法、装置及终端设备
CN112860850B (zh) 人机交互方法、装置、设备及存储介质
CN110021386B (zh) 特征提取方法及特征提取装置、设备、存储介质
CN110348581B (zh) 用户特征群中用户特征寻优方法、装置、介质及电子设备
CN113590771A (zh) 一种数据挖掘方法、装置、设备及存储介质
CN110442674B (zh) 标签传播的聚类方法、终端设备、存储介质及装置
CN116680401A (zh) 文档处理方法、文档处理装置、设备及存储介质
CN111797313A (zh) 自学习推荐方法、装置、计算机设备和存储介质
CN117055726A (zh) 一种脑机交互的微运动控制方法
CN110782128A (zh) 一种用户职业标签生成方法、装置和电子设备
CN111461344B (zh) 高阶特征的自动生成方法、系统、设备和介质
CN110415006B (zh) 广告点击率预估方法和装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220531

Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd.

Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001

Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant