CN111382256B - 信息推荐方法及装置 - Google Patents
信息推荐方法及装置 Download PDFInfo
- Publication number
- CN111382256B CN111382256B CN202010200796.0A CN202010200796A CN111382256B CN 111382256 B CN111382256 B CN 111382256B CN 202010200796 A CN202010200796 A CN 202010200796A CN 111382256 B CN111382256 B CN 111382256B
- Authority
- CN
- China
- Prior art keywords
- query
- candidate set
- event
- query statement
- enterprise
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000006399 behavior Effects 0.000 claims abstract description 115
- 238000004458 analytical method Methods 0.000 claims abstract description 66
- 238000013507 mapping Methods 0.000 claims description 61
- 238000012545 processing Methods 0.000 claims description 37
- 230000015654 memory Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 abstract description 31
- 238000005516 engineering process Methods 0.000 abstract description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 23
- 238000007405 data analysis Methods 0.000 description 12
- 238000003058 natural language processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000013519 translation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
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
本申请实施例公开了一种信息推荐方法及装置,涉及人工智能技术领域。具体实现方案为:服务器上预先存储候选集,该候选集是服务器融合用户行为和知识库得到的,其聚焦了一个企业的所有企业用户可能提出的query。企业用户每次向服务器发送第一查询语句后,服务器从候选集中找到与该第一查询语句语义最相近的第二查询语句,基于该第二查询语句对业务数据进行分析,得到分析结果并反馈给终端设备。采用该种方案,服务器通过融合知识库和企业户行为的增强分析技术处理企业用户的query,显著降低企业用户的分析使用门槛,实现向企业用户精准推荐信息的目的。
Description
技术领域
本申请实施例涉及人工智能(Artificial Intelligence,AI)技术领域,尤其涉及一种信息推荐方法及装置。
背景技术
随着技术的不断发展,越来越多的企业利用大数据分析工具对业务进行分析,以帮助企业的销售人员、运营人员等作出正确的决策等,大数据分析工具也称之为企业分析产品等。
一般而言,大数据分析工具通过常规的自然语言处理(Natural LanguageProcess,NLP)对企业用户提问的查询(query)进行处理,将其转换为大数据分析产品可执行的查询语言。之后,大数据分析工具利用该可执行的查询语句,对业务数据进行分析,得到分析结果,并将分析结果通过图表、文本、语音等方式返回给企业用户。大数据分析工具利用NLP方式来处理企业用户提出的query能力,称之为大数据分析工具的增强分析功能。
然而,常规的NLP技术主要面向通用领域,如智能音箱等产品利用NLP技术实现智能问答等。但是,企业的业务往往比较专业,并不属于通用领域,若大数据分析产品采用常规的NLP技术处理企业员工的query,则导致大数据分析产品无法识别该query,进而无法针对该query给出答案或见解,或者给出错误的答案或见解。
发明内容
本申请实施例提供一种信息推荐方法及装置,通过融合知识库和企业户行为的增强分析技术处理企业用户的query,实现向企业用户精准推荐信息的目的。
第一方面,本申请实施例提供一种信息推荐方法,包括:
接收终端设备发送的第一查询语句,所述第一查询语句用于请求分析业务数据;利用所述第一查询语句从候选集中确定出第二查询语句,其中,所述候选集包含至少一个查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句,所述候选集是预先利用知识库和行为日志生成的,所述知识库中包含所述事件和所述事件的属性,所述行为日志用于记录企业用户查询所述业务数据的行为习惯;根据所述第二查询语句分析所述业务数据,得到分析结果;向所述终端设备发送所述分析结果。采用该种方案,服务器通过融合知识库和企业户行为的增强分析技术处理企业用户的query,显著降低企业用户的分析使用门槛,实现向企业用户精准推荐信息的目的。
一种可行的设计中,所述利用所述第一查询语句从候选集中确定出第二查询语句之前,还包括:确定多个映射关系,所述多个映射关系中的不同映射关系表示所述知识库中不同事件以及所述事件的属性,与所述行为日志中的行为习惯的映射关系;根据所述映射关系,生成所述候选集。采用该种方案,实现构建出候选集的目的。
一种可行的设计中,所述确定多个映射关系,包括:确定所述行为日志中每个行为习惯包含的关键词;从所述知识库中确定出每个事件和/或所述事件的属性包含的关键词;在包含相同关键词的事件和行为习惯之间建立映射关系。
一种可行的设计中,所述知识库中的事件包括:预置事件和/或自定义事件,所述预置事件是根据所述企业的业务抽取出的事件,所述自定义事件是所述企业用户根据业务需求自定义的事件。
一种可行的设计中,所述根据所述映射关系,生成所述候选集之前,还包括:接收终端设备发送的配置请求,所述配置请求用于请求配置自定义事件和所述自定义事件的属性,所述配置请求携带所述自定义事件和所述自定义事件的属性;将所述自定义事件和所述自定义事件的属性添加至所述知识库。采用该种方案,实现企业用户自定义事件的目的。
一种可行的设计中,所述根据所述映射关系,生成所述候选集之后,还包括:确定所述候选集中每条查询语句包含的关键词的近义词;利用所述近义词替换查询语句中对应的关键词,得到新的查询语句;将所述新的查询语句添加至所述候选集。采用该种方案,实现扩展候选集的目的。
一种可行的设计中,所述利用所述第一查询语句从候选集中确定出第二查询语句之前,还包括:从所述候选集中确定出意图重复的查询语句;确定同一语义的查询语句的重复次数,以得到不同语义的查询语句各自的重复次数;按照重复次数对不同语义的查询语句排序,得到查询语句队列,所述重复次数与重要程度成正比。采用该种方案,实现服务器快速从候选集中确定出第二查询语句的目的。
一种可行的设计中,所述候选集包含的至少一个查询语句为自然语言,所述根据所述映射关系,生成所述候选集之后,还包括:将所述候选集中的每条查询语句翻译为机器可执行的查询语句。
第二方面,本申请实施例提供一种信息推荐装置,包括:
接收单元,用于接收终端设备发送的第一查询语句,所述第一查询语句用于请求分析业务数据;
处理单元,用于利用所述第一查询语句从候选集中确定出第二查询语句,其中,所述候选集包含至少一个查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句,所述候选集是预先利用知识库和行为日志生成的,所述知识库中包含所述事件和所述事件的属性,所述行为日志用于记录企业用户查询所述业务数据的行为习惯;根据所述第二查询语句分析所述业务数据,得到分析结果;
发送单元,用于向所述终端设备发送所述分析结果。
一种可行的设计中,所述处理单元,在利用所述第一查询语句从候选集中确定出第二查询语句之前,还用于确定多个映射关系,所述多个映射关系中的不同映射关系表示所述知识库中不同事件以及所述事件的属性,与所述行为日志中的行为习惯的映射关系,根据所述映射关系,生成所述候选集。
一种可行的设计中,所述处理单元,在确定多个映射关系时,用于确定所述行为日志中每个行为习惯包含的关键词,从所述知识库中确定出每个事件和/或所述事件的属性包含的关键词,在包含相同关键词的事件和行为习惯之间建立映射关系。
一种可行的设计中,所述知识库中的事件包括:预置事件和/或自定义事件,所述预置事件是根据所述企业的业务抽取出的事件,所述自定义事件是所述企业用户根据业务需求自定义的事件。
一种可行的设计中,所述接收单元,在所述处理单元根据所述映射关系,生成所述候选集之前,还用于接收终端设备发送的配置请求,所述配置请求用于请求配置自定义事件和所述自定义事件的属性,所述配置请求携带所述自定义事件和所述自定义事件的属性;
一种可行的设计中,所述处理单元,还用于将所述自定义事件和所述自定义事件的属性添加至所述知识库。
一种可行的设计中,所述处理单元,在根据所述映射关系,生成所述候选集之后,还用于确定所述候选集中每条查询语句包含的关键词的近义词,利用所述近义词替换查询语句中对应的关键词,得到新的查询语句,将所述新的查询语句添加至所述候选集。
一种可行的设计中,所述处理单元,在利用所述第一查询语句从候选集中确定出第二查询语句之前,还用于从所述候选集中确定出意图重复的查询语句,确定同一语义的查询语句的重复次数,以得到不同语义的查询语句各自的重复次数,按照重复次数对不同语义的查询语句排序,得到查询语句队列,所述重复次数与重要程度成正比。
一种可行的设计中,所述候选集包含的至少一个查询语句为自然语言,所述处理单元,在根据所述映射关系,生成所述候选集之后,还用于将所述候选集中的每条查询语句翻译为机器可执行的查询语句。
第三方面、本申请实施例提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面或第一方面任意可能实现的方法。
第四方面,本申请实施例提供一种包含指令的计算机程序产品,当其在电子设备上运行时,使得电子设备计算机执行上述第一方面或第一方面的各种可能的实现方式中的方法。
第五方面,本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述电子设备执行上述第一方面或第一方面的各种可能的实现方式中的方法。
第六方面,本申请实施例提供一种信息推荐方法,包括:获取行为日志,所述行为日志用于记录企业用户人工查询所述企业的业务数据的行为习惯;利用所述行为习惯,生成候选集,所述候选集包含至少一个查询语句;接收终端设备发送的第一查询语句;利用所述第一查询语句从候选集中确定出第二查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句。
上述申请中的一个实施例具有如下优点或有益效果:服务器通过融合知识库和企业户行为的增强分析技术处理企业用户的query,显著降低企业用户的分析使用门槛,实现向企业用户精准推荐信息的目的。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的信息推荐方法的网络架构示意图;
图2是本申请实施例提供的信息推荐方法的流程图;
图3是本申请实施例提供的信息推荐方法中构建候选集的过程示意图;
图4是本申请实施例提供的信息推荐方法中配置自定义事件的过程示意图;
图5为本公开实施例提供的信息推荐装置的结构示意图;
图6是用来实现本公开实施例的资讯推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
目前,各行各业都需要对业务数据进行分析,利用分析结果进行决策等。未引入企业分析产品之前,大多数业务数据分析工作由人工执行。例如,业务数据是一堆报表,包括销售报表、订单量报表等,企业的数据分析、销售等企业员工对该些报表进行整理,从中挖掘出有价值的信息,并基于该有价值的信息进行市场导向、资金投入等。然而,随着海量数据的爆发,人工分析业务数效率低下、成本高且准确率低。由此,企业分析产品因运而生。
企业分析产品,也称之为大数据分析工具,用于汇总企业的各种业务数据并对该些数据进行分析,从而得到报表、图表等分析结果并反馈给企业用户。增强分析工功能是企业分析产品的一个重要功能,基于该功能,企业用户通过语义、触摸等方式向企业分析产品输入一条查询语句(query),企业分析产品通过NLP技术将该query转换为可执行的查询语句,利用该可执行的查询语句对业务数据进行分析。之后,将分析结果反馈给企业用户。
上述的企业分析产品利用通用的NLP技术处理企业用户输入的query。然而,通用的NLP技术面向通用领域,该种query的答案可以在百科等数据库中找到,也就是说query的答案是一些开放知识,比如,普通用户对智能音箱说“今天天气怎么样”,智能音箱对该query进行自然语言处理,得出用户的意图是向了解天气,则搜索天气预报等并反馈给用户。然而,企业分析产品往往针对某个领域或某个企业,面向的用户是企业的销售人员、运维人员、数据分析师等,该些企业用户输入的query往往比较专业,该种query的答案是一个企业特有的知识,不具有开放性。比如,销售人员输入“今天通过销售渠道A下单的用户量?”,若继续沿用通用的NLP技术,则企业分析产品无法给出正确的答案。
有鉴于此,本申请实施例提供一种信息推荐方法及装置,通过融合知识库和企业户行为的增强分析技术处理企业用户的query,实现向企业用户精准推荐信息的目的。
图1是本申请实施例提供的信息推荐方法的网络架构示意图。该网络架构包括终端设备1和服务器2,终端设备1和服务器2建立网络连接。其中,服务器2预先部署企业分析产品,服务器2上还存储候选集,该候选集中存储多条query,该些query基本聚焦了一个企业的所有企业用户可能提出的query。终端设备1是企业用户的终端设备,企业用户也称之为B端用户,企业用户包括企业的销售人员、运维人员、数据分析师,终端设备1上安装企业分析产品的客户端,企业用户利用客户端输入query(以下称之为第一查询语句)。服务器2利用该第一查询语句,从候选集中找到与该第一查询语句语义最相近的第二查询语句,该第二查询语句经过语义解析、查询语言翻译等可以得到企业分析产品可执行的查询语句。之后,服务器2基于该第二查询语句对业务数据进行分析,得到分析结果并反馈给终端设备1。其中,如何构建候选集是本申请实施例的重点。
图1中,终端设备1可以为台式终端或移动终端,台式终端可以为电脑等,移动终端可以为手机、平板电脑、笔记本电脑等,服务器2可以是独立的服务器或者多个服务器组成的服务器集群等。
图2是本申请实施例提供的信息推荐方法的流程图,本实施例是从服务器的角度进行说明,本实施例包括:
101、接收终端设备发送的第一查询语句,所述第一查询语句用于请求分析业务数据。
示例性的,终端设备上安装有企业分析产品的客户端,该客户端例如为应用程序(application,APP)等。终端设备的屏幕上显示客户端的输入界面等,企业用户通过触摸输入、语音输入等方式向输入界面中输入第一查询语句。例如,销售人员输入“今天通过渠道A下单的人的数量有多少”、“今天有多少客户通过渠道A下单”等。之后,终端设备将该第一查询语句发送给服务器。
102、服务器利用所述第一查询语句从候选集中确定出第二查询语句。
其中,其中,所述候选集包含至少一个查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句,所述候选集是预先利用知识库和行为日志生成的,所述知识库中包含所述事件和所述事件的属性,所述行为日志用于记录企业用户查询所述业务数据的行为习惯。
示例性的,服务器上预先存储一个候选集,该候选集包含多个查询语句,该些查询语句聚焦了一个企业的所有企业用户可能提出的query,该query候选集是服务器预先利用从行为日志中提取出企业用户的用户行为,利用知识库和用户行为生成的。也就是说,候选集是服务器融合用户行为和知识库得到的。
每次接收到第一查询语句后,服务器可以将该第一查询语句随机的、依次和候选集中的每个查询语句进行语义相似度计算,得到第一查询语句和候选集中每个查询语句的语义相似度得分。然后,服务器将语义相似度得分最高的查询语句作为第二查询语句;或者,服务器预先对候选集中的各查询语句按照重要程度排序,每次接收到第一查询语句后,将该第一查询语句与候选集中重要程度最高的查询语句进行语义相似度计算,并判断该语义相似度是否超过预设阈值,若超过,则将重要程度最高的查询语句作为第二查询语句,若未超过,则继续计算第一查询语句与重要程度次高的查询语句的语义相似度并判断,直到某个查询语句和第一查询语句的语义相似度超过预设阈值。
103、根据所述第二查询语句分析所述业务数据,得到分析结果。
示例性的,服务器对该第二查询语句进行语义解析、查询语言翻译等处理得到机器可执行的查询语句,然后利用该可执行的查询语句进行查数据库、查表等,得到分析结果。相关的数据库和表存储在底层,服务器运行可执行的查询语句即可从底层数据库里得到分析结果。
另外,服务器也可以预先对候选集里的每条query进行语义解析、查询语言翻译等,得到各候选查询语句分别对应的可执行查询语句。之后,服务器利用第一查询语句从候选集中确定出第二查询语句后,无需再对该第二查询语句进行语义解析、查询语言翻译,而是直接从多个可执行的查询语句中找到对应的可执行查询语句即可。
104、服务器向终端设备发送所述分析结果。
示例性的,该分析结果可以是图表、文本等,服务器将该分析结果发送给终端设备。
本申请实施例提供的信息推荐方法,服务器上预先存储候选集,该候选集是服务器融合用户行为和知识库得到的,其聚焦了一个企业的所有企业用户可能提出的query。企业用户每次向服务器发送第一查询语句后,服务器从候选集中找到与该第一查询语句语义最相近的第二查询语句,基于该第二查询语句对业务数据进行分析,得到分析结果并反馈给终端设备。该过程中,服务器通过融合知识库和企业户行为的增强分析技术处理企业用户的query,显著降低企业用户的分析使用门槛,实现向企业用户精准推荐信息的目的。
图3是本申请实施例提供的信息推荐方法中构建候选集的过程示意图。请参照图,候选集是服务器预先利用企业的知识库和行为日志生成的,下面,基于图3,分别对企业的知识库、行为日志、如何利用知识库和行为日志构建候选集分别进行说明。
首先,知识库。
本申请实施例中,知识库是以企业的业务为导向生成的知识库,该知识库是一个事件以及事件对应的属性的集合。请参照图3,事件包括预置事件和自定义事件。
预置事件(predefined event)是针对业务抽象出来的、预先确定事件,该些事件具有普适性,预置事件是构建知识库之前就已知的事件,该事件是企业用户中的部分或全部都会关注的事件。预置事件的属性(property)包括渠道来源、访问地区、客户端信息、广告维度等。以预置事件为“访问落地页”为例,渠道来源指客户,即广大网民访问落地页的途径,如各种浏览器等;访问地域指客户访问落地页时所在的地理位置等;客户端信息指客户的终端设备的信息,如终端设备的型号、品牌、类型等;广告维度可以视为渠道来源的细分,主要从推广角度区分访问来源。
相较于预置事件,自定义事件(custom event)指企业用户根据业务需求自己定义的事件。自定义事件可以是构建知识库的过程中、构建知识库之后,甚至在企业分析产品被发布后,企业用户自行添加的事件。例如,服务器开放一个接口,企业用户通过该接口配置自定义事件。实际实现时,企业用利用终端设备向服务器发送配置请求,该配置请求用于请求配置自定义事件和所述自定义事件的属性,所述配置请求携带所述自定义事件和所述自定义事件的属性。服务器接收到该配置请求后,将该自定义事件和所述自定义事件的属性添加至所述知识库。示例性的,可参见图4,图4是本申请实施例提供的信息推荐方法中配置自定义事件的过程示意图。
请参照图4,企业用户的终端设备的界面上显示配置界面,该配置界面上具有事件输入框、属性框(如图中的属性1~属性n),事件输入框用于输入自定义事件的事件名,属性框可以有多个,用于输入该自定义事件的属性。举例来说,企业用户将“注册”设置为一个自定义事件,在事件输入框中输入“注册”,该自定义事件的一个属性是注册来源,则在属性框中输入“注册来源”。之后,企业用户点击提交按钮,则将该自定义事件提交至服务器,服务器将该自定义事件和对应的属性存储至知识库。注册来源包括微信注册、网页注册等。
其次,行为日志。
本申请实施例中,可以将知识库中的事件理解为静态事件,即对事件的静态描述,而行为日志中的用户行为触达静态事件的发生。行为日志也可以称之为用户点击日志(user click log),其中保存了大量企业用户人工查询各种报表等业务数据的过程中点击的内容。用户行为也可以称之为点击行为,行为日志中记录了一次用户行为对应的维度类型、维度值、指标、操作符等。其中,维度类型包括渠道来源等,维度值表示具体的渠道,指标包括点击量、访问量等。一次用户行为表示企业用户的一个查询过程,即查询报表等企业数据的过程,一次用户行为可能包括多次点击,例如,企业用户想要查询通过微博访问着陆页的人数,其中,维度类型为渠道来源,维度值为微博,指标为人数。
另外,行为日志还可以记录一次用户行为中的点击顺序、对点击结果的反应等。例如,行为日志包含的一个用户行为为企业用户(销售人员)点击各种报表,以查询通过渠道A访问着陆页的客户的数量,点击过程中,先点击渠道,再从渠道的下拉菜单中选择渠道A,之后从指标的下拉菜单中选择访问量。该示例中,点击顺序指企业用户先选择渠道再选择指标,这个点击顺序和其他企业用户先选择指标再选择渠道的顺序是不同的。企业用户一次用户行为的一系列点击过程中涉及的多个报表,对点击结果的反应指企业用户在点击过程中的中间报表或点击完成后的最终报表上停留的时长、对报表内容的排序等。其中,停留时长越大,意味着企业用户越关注该报表,对报表内容的排序指企业用户对报表的某个内容进行从大到小的排序等。
基于上述的点击顺序,服务器还可以对候选集中的查询语句进行进一步的扩展,例如,一个查询语句为“通过渠道A访问着陆页的客户有多少”,由于不同企业用户的点击顺序不同,因此,该查询语句可以衍生出其他的查询语句,如“所有客户中仅通过渠道A访问着陆页的客户有多少”等。
基于上述的对点击结果的反应,服务器还可以对候选集进行进一步的扩展,例如,企业用户的一次用户行为为对通过渠道A、渠道B、渠道C和渠道D访问着陆页的客户量进行排序,则扩展出的查询语句为“通过渠道A、渠道B、渠道C和渠道D访问着陆页的客户量的大小顺序是?”。
另外,基于上述的对点击结果的反应等,服务器还可以对候选集中的查询语句进行排序。示例性的,服务器可以按照停留时长,确定对应用户行为的重要程度,重要程度和停留时长成正比。如此一来,每个映射关系也具有相应的重要程度,进而每条查询语句也会有对应的重要程度。当企业分析产品发布后,服务器每次接收到第一查询语句,按照重要程度依次计算第一查询语句和候选集里的查询语句的语义相似度,将语义相似度超过预设阈值的查询语句作为第二查询语句。
由于不同的用户行为的意图可能一样,根据该些不同的用户行为和知识库中的事件构建的多条映射关系,很有可能产生意图相同的查询语句,同一意图的查询语句越多,表示企业用户对该查询语句的关注程度越高。因此,除了根据企业用户对点击结果的反应确定各查询语句的重要程度外,服务器还可以进一步的利用查询语句的重复次数,确定出候选集中各查询语句的重要程度。实际实现时,服务器根据映射关系构建出候选集后,从候选集中确定出意图重复的查询语句,确定同一语义的查询语句的重复次数,以得到不同语义的查询语句各自的重复次数,按照重复次数对不同语义的查询语句排序,得到查询语句队列,所述重复次数与重要程度成正比。当企业分析产品发布后,服务器每次接收到第一查询语句后,依次确定所述查询语句队列中的查询语句与所述第一查询语句的语义相似度,将所述相似度高于预设阈值的查询语句作为所述第二查询语句。采用该种方案,实现服务器快速从候选集中确定出第二查询语句的目的。
最后,利用知识库和行为日志构建候选集。
服务器利用知识库和行为日志构建候选集的过程,即为融合知识库和用户行为的过程。融合过程中,服务器利用知识库和用户行为确定多个映射关系,该些映射关系中的不同映射关系表示所述知识库中不同事件以及事件的属性,与所述行为日志中的行为习惯的映射关系,之后,服务器根据所述映射关系,生成所述候选集。例如,行为日志包含的一个用户行为为企业用户(销售人员)点击各种报表,以查询通过渠道A访问着陆页的普通用户的数量,点击过程中,先点击渠道,再从渠道的下拉菜单中选择渠道A,之后从指标的下拉菜单中选择访问量。
知识库中的一个事件为浏览着陆页,浏览着陆页这一事件的属性包括事件的标题、访问来源等。根据该用户行为和事件的映射关系生成的query为:通过渠道A访问着陆页的客户有多少、多少人通过渠道A访问着陆页等。
构建候选集的过程中,对于知识库中的每个事件和该事件的属性,服务器从该事件和/或该事件的属性中提取出关键词,从行为日志保存的用户行为中,提取出用户行为包含的关键词。之后,服务器在包含相同关键词的事件(包括事件的属性)和用户行为之间建立映射关系,从而得到多个映射关系。对于每隔映射关系,服务器预测该根据该映射关系能够产生的问句,每个问句就是一个查询语句,多个映射关系就能够产生多个问句,从而实现构建出候选集的目的。
服务器利用知识库中的事件和行为日志中的用户行为的映射关系构建出候选集后,还可以进一步的对候选集进行扩展。扩展过程中,确定所述候选集中每条查询语句包含的关键词的近义词,利用所述近义词替换对应查询语句中的关键词,得到新的查询语句。
示例性的,假设将知识库中的事件和事件的属性包含的词语等理解为业务层面的词语(也可以称之为业务字面),则候选集里面的各查询语句包含的词,可以将其理解为提问字面。由于不同企业用户的习惯等不同,导致不同企业用户使用企业分析产品时,虽然意图相同,但输入的查询语句也可能不同。为了避免候选集中的查询语句单一,无法覆盖多个不同习惯的企业用户的同一意图,则服务器对候选集中的查询语句进行切词等,提取出关键词,然后确定各关键词的同义词、近义词等,并利用同义词、近义词替换对应查询语句中对应的关键词,从而得到新的查询语句。例如,企业用户A输入的查询语句为“有多少人通过渠道A访问落地页”,企业用户B输入的查询语句为“通过渠道A访问着陆页的人有多少”,企业用C输入的查询语句为“有多少人通过渠道A进入LP”,其中,LP指落地页(landingpage,LP),虽然该3个查询语句不完全相同,但是意图完全相同。因此,若候选集中仅包括“通过渠道A访问着陆页的人有多少”,而着陆页的同义词包括落地页、LP、入口页面等,因此,可以利用该些同义词替换查询语句中的着陆页,从而得到能够涵盖企业用户A、企业用户B和企业用户C的多条查询语句。
需要说明的是,上述的扩展是可以查询语句中的关键词出发,对候选集进行扩展。然而,本申请实施例并不以此为限制,在其他可选的实现方式中,也可以是挖掘事件和该事件的属性包含的关键词的同义词,利用该同义词替换事件或事件的属性中的关键词,从而得到新的事件和事件的属性,然后,确定该新的事件和事件的属性与用户行为的映射关系,并根据映射关系构建候选集。和/或,挖掘用户行为中的关键词的同义词,利用同义词替换用户行为中的关键词得到新的用户行为,然后,确定该新的用户行为和知识库中的事件(事件的属性)的映射关系,并根据映射关系构建候选集。
采用该种方案,实现扩展候选集的目的。
上述实施例中,候选集包含的至少一个查询语句为自然语言。因此,构建出候选集后,还需要对候选集中的各查询语句进行语义解析和查询语言翻译等。其中,语义解析包括确定查询语句的各个维度的值,查询语言翻译指确定出该查询语句需要查询哪个底层数据库等,得到报表字段。例如,查询语句为“查询2月份通过微博渠道产生的订单量”,则语义解析过程中,服务器解析出时间为2月份、渠道来源是微博、指标是订单量;查询语义翻译过程中,确定出需要查询哪个数据库、哪个表、渠道来等,该些信息合并起可以得到一条结构化的查询语言(structured query language,SQL),即机器可执行的查询语言。
为了保证候选集中的每条查询语句都能够被正确的被语义解析和查询语言翻译,还需要确定候选集内每个查询语句的查询字面。例如,一个事件的属性包括页面点击率(page view,PV),基于该事件和用户行为生成的一条查询语句为“着陆页的点击率?”,服务器将该查询语句翻译为为可执行的查询语句时,数据库中存储PV的字段的字段名为名“pv_”,该“pv_”即为查询字面。
上述介绍了本公开实施例提到的资讯推荐方法的具体实现,下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图5为本公开实施例提供的信息推荐装置的结构示意图。该装置可以集成在服务器中或通过服务器实现。如图5所示,在本实施例中,该信息推荐装置100可以包括:
接收单元11,用于用于接收终端设备发送的第一查询语句,所述第一查询语句用于请求分析业务数据;
处理单元12,用于利用所述第一查询语句从候选集中确定出第二查询语句,其中,所述候选集包含至少一个查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句,所述候选集是预先利用知识库和行为日志生成的,所述知识库中包含所述事件和所述事件的属性,所述行为日志用于记录企业用户查询所述业务数据的行为习惯;根据所述第二查询语句分析所述业务数据,得到分析结果;
发送单元13,用于向所述终端设备发送所述分析结果。
一种可行的设计中,所述处理单元12,在利用所述第一查询语句从候选集中确定出第二查询语句之前,还用于确定多个映射关系,所述多个映射关系中的不同映射关系表示所述知识库中不同事件以及所述事件的属性,与所述行为日志中的行为习惯的映射关系,根据所述映射关系,生成所述候选集。
一种可行的设计中,所述处理单元12,在确定多个映射关系时,用于确定所述行为日志中每个行为习惯包含的关键词,从所述知识库中确定出每个事件和/或所述事件的属性包含的关键词,在包含相同关键词的事件和行为习惯之间建立映射关系。
一种可行的设计中,所述知识库中的事件包括:预置事件和/或自定义事件,所述预置事件是根据所述企业的业务抽取出的事件,所述自定义事件是所述企业用户根据业务需求自定义的事件。
一种可行的设计中,所述接收单元11,在所述处理单元12根据所述映射关系,生成所述候选集之前,还用于接收终端设备发送的配置请求,所述配置请求用于请求配置自定义事件和所述自定义事件的属性,所述配置请求携带所述自定义事件和所述自定义事件的属性;
所述处理单元12,还用于将所述自定义事件和所述自定义事件的属性添加至所述知识库。
一种可行的设计中,所述处理单元12,在根据所述映射关系,生成所述候选集之后,还用于确定所述候选集中每条查询语句包含的关键词的近义词,利用所述近义词替换查询语句中对应的关键词,得到新的查询语句,将所述新的查询语句添加至所述候选集。
一种可行的设计中,所述处理单元12,在利用所述第一查询语句从候选集中确定出第二查询语句之前,还用于从所述候选集中确定出意图重复的查询语句,确定同一语义的查询语句的重复次数,以得到不同语义的查询语句各自的重复次数,按照重复次数对不同语义的查询语句排序,得到查询语句队列,所述重复次数与重要程度成正比。
一种可行的设计中,所述候选集包含的至少一个查询语句为自然语言,所述处理单元12,在根据所述映射关系,生成所述候选集之后,还用于将所述候选集中的每条查询语句翻译为机器可执行的查询语句。
本公开实施例提供的信息推荐装置,可用于如上实施例中服务器执行的方法,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上装置的各个单元的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分单元通过处理元件调用软件的形式实现,部分单元通过硬件的形式实现。例如,处理单元可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个单元可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些单元可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(application specific integrated circuit,ASIC),或,一个或多个微处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA)等。再如,当以上某个单元通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(centralprocessing unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,SOC)的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本公开实施例所述的流程或功能。所述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。所述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个计算机可读存储介质传输,例如,所述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、数字用户线(DSL))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。所述计算机可读存储介质可以是计算机能够存取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。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘solid state disk(SSD))等。
进一步的,根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
图6是用来实现本公开实施例的资讯推荐方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器21、存储器22,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器21为例。
存储器22即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的信息推荐方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的信息推荐方法。
存储器22作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的信息推荐方法对应的程序指令/模块(例如,附图5所示的接收单元11、处理单元12、发送单元13)。处理器21通过运行存储在存储器22中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的信息推荐方法。
存储器22可以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、至少一个功能所需要的应用程序;存储数据区可存储根据信息推荐电子设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器22可选包括相对于处理器21远程设置的存储器,这些远程存储器可以通过网络连接至信息推荐电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
信息推荐方法的电子设备还可以包括:输入装置23和输出装置24。处理器21、存储器22、输入装置23和输出装置24可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置23可接收输入的数字或字符信息,以及产生与信息推荐电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置24可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
本申请实施例还提供一种信息推荐方法,包括:获取行为日志,所述行为日志用于记录企业用户人工查询所述企业的业务数据的行为习惯;利用所述行为习惯,生成候选集,所述候选集包含至少一个查询语句;接收终端设备发送的第一查询语句;利用所述第一查询语句从候选集中确定出第二查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句。
该实施例的具体实现原理可以参见上述实施例的记载,此处不再赘述。
根据本申请实施例的技术方案,服务器上预先存储候选集,该候选集是服务器融合用户行为和知识库得到的,其聚焦了一个企业的所有企业用户可能提出的query。企业用户每次向服务器发送第一查询语句后,服务器从候选集中找到与该第一查询语句语义最相近的第二查询语句,基于该第二查询语句对业务数据进行分析,得到分析结果并反馈给终端设备。该过程中,服务器通过融合知识库和企业户行为的增强分析技术处理企业用户的query,显著降低企业用户的分析使用门槛,实现向企业用户精准推荐信息的目的。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (13)
1.一种信息推荐方法,其特征在于,包括:
接收终端设备发送的第一查询语句,所述第一查询语句用于请求分析业务数据;
利用所述第一查询语句从候选集中确定出第二查询语句,其中,所述候选集包含至少一个查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句,所述候选集是预先利用知识库和行为日志生成的,所述知识库中包含事件和所述事件的属性,所述行为日志用于记录企业用户查询所述业务数据的行为习惯,所述行为日志包括所述企业用户点击行为对应的维度类型、维度值、指标和操作符,所述知识库中的事件包括:预置事件和自定义事件,所述预置事件是根据所述企业的业务抽取出的事件,所述自定义事件是所述企业用户根据业务需求自定义的事件;
根据所述第二查询语句分析所述业务数据,得到分析结果;
向所述终端设备发送所述分析结果;
所述利用所述第一查询语句从候选集中确定出第二查询语句之前,还包括:
确定所述行为日志中每个行为习惯包含的关键词;
从所述知识库中确定出每个事件和/或所述事件的属性包含的关键词;
在包含相同关键词的事件和行为习惯之间建立映射关系;
根据所述映射关系,生成所述候选集。
2.根据权利要求1所述的方法,其特征在于,所述根据所述映射关系,生成所述候选集之前,还包括:
接收终端设备发送的配置请求,所述配置请求用于请求配置自定义事件和所述自定义事件的属性,所述配置请求携带所述自定义事件和所述自定义事件的属性;
将所述自定义事件和所述自定义事件的属性添加至所述知识库。
3.根据权利要求1所述的方法,其特征在于,所述根据所述映射关系,生成所述候选集之后,还包括:
确定所述候选集中每条查询语句包含的关键词的近义词;
利用所述近义词替换查询语句中对应的关键词,得到新的查询语句;
将所述新的查询语句添加至所述候选集。
4.根据权利要求1所述的方法,其特征在于,所述利用所述第一查询语句从候选集中确定出第二查询语句之前,还包括:
从所述候选集中确定出意图重复的查询语句;
确定同一语义的查询语句的重复次数,以得到不同语义的查询语句各自的重复次数;
按照重复次数对不同语义的查询语句排序,得到查询语句队列,所述重复次数与重要程度成正比。
5.根据权利要求1所述的方法,其特征在于,所述候选集包含的至少一个查询语句为自然语言,所述根据所述映射关系,生成所述候选集之后,还包括:
将所述候选集中的每条查询语句翻译为机器可执行的查询语句。
6.一种信息推荐装置,其特征在于,包括:
接收单元,用于接收终端设备发送的第一查询语句,所述第一查询语句用于请求分析业务数据;
处理单元,用于利用所述第一查询语句从候选集中确定出第二查询语句,其中,所述候选集包含至少一个查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句,所述候选集是预先利用知识库和行为日志生成的,所述知识库中包含事件和所述事件的属性,所述行为日志用于记录企业用户查询所述业务数据的行为习惯,所述行为日志包括所述企业用户点击行为对应的维度类型、维度值、指标和操作符;根据所述第二查询语句分析所述业务数据,得到分析结果,所述知识库中的事件包括:预置事件和自定义事件,所述预置事件是根据所述企业的业务抽取出的事件,所述自定义事件是所述企业用户根据业务需求自定义的事件;
发送单元,用于向所述终端设备发送所述分析结果;
所述处理单元,在利用所述第一查询语句从候选集中确定出第二查询语句之前,还用于确定所述行为日志中每个行为习惯包含的关键词,从所述知识库中确定出每个事件和/或所述事件的属性包含的关键词,在包含相同关键词的事件和行为习惯之间建立映射关系,根据所述映射关系,生成所述候选集。
7.根据权利要求6所述的装置,其特征在于,
所述接收单元,在所述处理单元根据所述映射关系,生成所述候选集之前,还用于接收终端设备发送的配置请求,所述配置请求用于请求配置自定义事件和所述自定义事件的属性,所述配置请求携带所述自定义事件和所述自定义事件的属性;
所述处理单元,还用于将所述自定义事件和所述自定义事件的属性添加至所述知识库。
8.根据权利要求6所述的装置,其特征在于,
所述处理单元,在根据所述映射关系,生成所述候选集之后,还用于确定所述候选集中每条查询语句包含的关键词的近义词,利用所述近义词替换查询语句中对应的关键词,得到新的查询语句,将所述新的查询语句添加至所述候选集。
9.根据权利要求6所述的装置,其特征在于,所述处理单元,在利用所述第一查询语句从候选集中确定出第二查询语句之前,还用于从所述候选集中确定出意图重复的查询语句,确定同一语义的查询语句的重复次数,以得到不同语义的查询语句各自的重复次数,按照重复次数对不同语义的查询语句排序,得到查询语句队列,所述重复次数与重要程度成正比。
10.根据权利要求6所述的装置,其特征在于,所述候选集包含的至少一个查询语句为自然语言,所述处理单元,在根据所述映射关系,生成所述候选集之后,还用于将所述候选集中的每条查询语句翻译为机器可执行的查询语句。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
13.一种信息推荐方法,其特征在于,包括:
获取知识库和行为日志,所述知识库中包含事件和所述事件的属性,所述行为日志用于记录企业用户人工查询所述企业的业务数据的行为习惯,所述行为日志包括所述企业用户点击行为对应的维度类型、维度值、指标和操作符,所述知识库中的事件包括:预置事件和自定义事件,所述预置事件是根据所述企业的业务抽取出的事件,所述自定义事件是所述企业用户根据业务需求自定义的事件;
确定所述行为日志中每个行为习惯包含的关键词;
从所述知识库中确定出每个事件和/或所述事件的属性包含的关键词;
在包含相同关键词的事件和行为习惯之间建立映射关系;
根据所述映射关系,生成候选集,所述候选集包含至少一个查询语句;
接收终端设备发送的第一查询语句;
利用所述第一查询语句从候选集中确定出第二查询语句,所述第二查询语句是所述候选集中与所述第一查询语句的语义相似度最高的查询语句。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010200796.0A CN111382256B (zh) | 2020-03-20 | 2020-03-20 | 信息推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010200796.0A CN111382256B (zh) | 2020-03-20 | 2020-03-20 | 信息推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111382256A CN111382256A (zh) | 2020-07-07 |
CN111382256B true CN111382256B (zh) | 2024-04-09 |
Family
ID=71222735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010200796.0A Active CN111382256B (zh) | 2020-03-20 | 2020-03-20 | 信息推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382256B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800285A (zh) * | 2021-02-03 | 2021-05-14 | 京东数字科技控股股份有限公司 | 基于图数据库的数据查询方法、设备、存储介质及产品 |
CN112861004B (zh) * | 2021-02-20 | 2024-02-06 | 中国联合网络通信集团有限公司 | 一种富媒体的确定方法及装置 |
CN112925900B (zh) * | 2021-02-26 | 2023-10-03 | 北京百度网讯科技有限公司 | 搜索信息处理方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096717A (zh) * | 2011-02-15 | 2011-06-15 | 百度在线网络技术(北京)有限公司 | 搜索方法及搜索引擎 |
CN102236677A (zh) * | 2010-04-28 | 2011-11-09 | 北京大学深圳研究生院 | 一种基于问答系统的信息匹配方法及系统 |
CN105701253A (zh) * | 2016-03-04 | 2016-06-22 | 南京大学 | 中文自然语言问句语义化的知识库自动问答方法 |
CN108038234A (zh) * | 2017-12-26 | 2018-05-15 | 众安信息技术服务有限公司 | 一种问句模板自动生成方法及装置 |
CN108345672A (zh) * | 2018-02-09 | 2018-07-31 | 平安科技(深圳)有限公司 | 智能应答方法、电子装置及存储介质 |
CN109213910A (zh) * | 2018-09-12 | 2019-01-15 | 杭州数梦工场科技有限公司 | 一种政务智能客服服务方法、系统、电子设备和存储介质 |
WO2019071599A1 (en) * | 2017-10-13 | 2019-04-18 | Microsoft Technology Licensing, Llc | PROVIDING AN ANSWER IN A SESSION |
CN109766494A (zh) * | 2018-12-25 | 2019-05-17 | 出门问问信息科技有限公司 | 问题答案对扩充方法、装置、设备及计算机可读存储介质 |
CN110023929A (zh) * | 2016-09-09 | 2019-07-16 | 罗伯特·博世有限公司 | 用于从知识库进行自动问题生成的系统和方法 |
CN110196901A (zh) * | 2019-06-28 | 2019-09-03 | 北京百度网讯科技有限公司 | 对话系统的构建方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699689B (zh) * | 2014-01-09 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 事件知识库的构建方法及装置 |
CN106682194B (zh) * | 2016-12-29 | 2020-05-22 | 北京百度网讯科技有限公司 | 基于深度问答的答案定位方法及装置 |
-
2020
- 2020-03-20 CN CN202010200796.0A patent/CN111382256B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236677A (zh) * | 2010-04-28 | 2011-11-09 | 北京大学深圳研究生院 | 一种基于问答系统的信息匹配方法及系统 |
CN102096717A (zh) * | 2011-02-15 | 2011-06-15 | 百度在线网络技术(北京)有限公司 | 搜索方法及搜索引擎 |
CN105701253A (zh) * | 2016-03-04 | 2016-06-22 | 南京大学 | 中文自然语言问句语义化的知识库自动问答方法 |
CN110023929A (zh) * | 2016-09-09 | 2019-07-16 | 罗伯特·博世有限公司 | 用于从知识库进行自动问题生成的系统和方法 |
WO2019071599A1 (en) * | 2017-10-13 | 2019-04-18 | Microsoft Technology Licensing, Llc | PROVIDING AN ANSWER IN A SESSION |
CN108038234A (zh) * | 2017-12-26 | 2018-05-15 | 众安信息技术服务有限公司 | 一种问句模板自动生成方法及装置 |
CN108345672A (zh) * | 2018-02-09 | 2018-07-31 | 平安科技(深圳)有限公司 | 智能应答方法、电子装置及存储介质 |
CN109213910A (zh) * | 2018-09-12 | 2019-01-15 | 杭州数梦工场科技有限公司 | 一种政务智能客服服务方法、系统、电子设备和存储介质 |
CN109766494A (zh) * | 2018-12-25 | 2019-05-17 | 出门问问信息科技有限公司 | 问题答案对扩充方法、装置、设备及计算机可读存储介质 |
CN110196901A (zh) * | 2019-06-28 | 2019-09-03 | 北京百度网讯科技有限公司 | 对话系统的构建方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
Run-Ze Wang ; Zhen-Hua Ling ; Yu Hu.Knowledge Base Question Answering With Attentive Pooling for Question Representation.IEEE Access.2019,全文. * |
联合虚拟参考咨询中的自动问答系统设计与实现;姚占雷;郭金龙;许鑫;;现代图书情报技术;20120925(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111382256A (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11347783B2 (en) | Implementing a software action based on machine interpretation of a language input | |
US11645317B2 (en) | Recommending topic clusters for unstructured text documents | |
RU2380747C2 (ru) | Отображение таблиц с помощью команд на естественном языке | |
CN111382256B (zh) | 信息推荐方法及装置 | |
US10713291B2 (en) | Electronic document generation using data from disparate sources | |
US20210365515A1 (en) | Method for Recommending a Search Term, Method for Training a Target Model and Electronic Device | |
US20160180726A1 (en) | Managing a question and answer system | |
CN111563385B (zh) | 语义处理方法、装置、电子设备和介质 | |
US20050027704A1 (en) | Method and system for assessing relevant properties of work contexts for use by information services | |
US11482223B2 (en) | Systems and methods for automatically determining utterances, entities, and intents based on natural language inputs | |
US20130124194A1 (en) | Systems and methods for manipulating data using natural language commands | |
US8478756B2 (en) | Contextual document attribute values | |
EP3968185A1 (en) | Method and apparatus for pushing information, device and storage medium | |
US20140344263A1 (en) | Identification of acronym expansions | |
JP2019003319A (ja) | 対話型業務支援システムおよび対話型業務支援プログラム | |
US11308177B2 (en) | System and method for accessing and managing cognitive knowledge | |
US11269894B2 (en) | Topic-specific reputation scoring and topic-specific endorsement notifications in a collaboration tool | |
US11048767B2 (en) | Combination content search | |
US20210004420A1 (en) | Post-ranker for search results | |
US9996529B2 (en) | Method and system for generating dynamic themes for social data | |
CN111767334A (zh) | 信息抽取方法、装置、电子设备及存储介质 | |
CN111291184B (zh) | 表情的推荐方法、装置、设备及存储介质 | |
CN110472034B (zh) | 问答系统的检测方法、装置、设备及计算机可读存储介质 | |
CN111428100A (zh) | 一种数据检索方法、装置、电子设备及计算机可读存储介质 | |
US9152698B1 (en) | Substitute term identification based on over-represented terms identification |
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 |