CN111832851A - 一种检测方法及装置 - Google Patents
一种检测方法及装置 Download PDFInfo
- Publication number
- CN111832851A CN111832851A CN201910300516.0A CN201910300516A CN111832851A CN 111832851 A CN111832851 A CN 111832851A CN 201910300516 A CN201910300516 A CN 201910300516A CN 111832851 A CN111832851 A CN 111832851A
- Authority
- CN
- China
- Prior art keywords
- detection
- service
- text
- behavior
- order
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 410
- 238000011156 evaluation Methods 0.000 claims abstract description 209
- 230000006399 behavior Effects 0.000 claims description 234
- 230000011218 segmentation Effects 0.000 claims description 42
- 239000013598 vector Substances 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种检测方法及装置,其中,基于服务提供端的每个订单对应的服务评价文本与预设的检测关键字信息之间的文本相似度,筛选匹配检测关键字信息对应的预设行为的订单,并根据筛选得到订单的数量,确定该服务提供端的服务检测数据。上述技术方案能够有效提高服务提供端的服务检测数据的准确性,同时,本申请将服务提供端的服务检测数据发送给服务提供端对应的服务请求端,能够帮助服务请求端做出是否接受服务提供端提供的服务的决定,有利于提高服务请求端的安全性。
Description
技术领域
本申请涉及检测技术领域,具体而言,涉及一种检测方法及装置。
背景技术
目前,在网约车技术领域,乘客基于乘车需求发布叫车订单,司机通过司机端的应用程序(Application,APP)承接叫车订单,并根据叫车订单中的起始点信息和目的地信息接送乘客,向乘客提供载客服务。
在司机为乘客提供载客服务的过程中或完毕后,乘客会反馈服务评价信息给网约车的服务平台,为了掌握每个司机的服务质量,以及确保乘客的安全,网约车服务平台需要基于接收的服务评价信息进行分析处理,确定每个司机提供的载客服务的质量检测信息。但是现有技术中的技术方案基于接收的服务评价信息,无法准确的确定每个司机提供的载客服务的质量检测信息。
发明内容
有鉴于此,本申请的目的在于提供一种检测方法及系统,基于服务提供端的每个订单对应的服务评价文本与预设的检测关键字信息之间的文本相似度,准确地确定服务提供端的服务检测数据。
第一方面,本申请实施例提供了一种检测方法,包括:
获取服务提供端的每个订单对应的服务评价文本,和预设的检测关键字信息;
针对每个订单,基于该订单对应的服务评价文本与所述检测关键字信息之间的文本相似度,确定该订单是否匹配所述检测关键字信息对应的预设行为;
基于匹配所述预设行为的订单的数量,生成所述服务提供端的服务检测数据,并将所述服务检测数据发送给所述服务提供端对应的服务请求端。
在一种可能的实施方式中,所述检测方法在获取所述服务评价文本之前还包括:
基于当前时间以及预设的检测周期时长,确定服务检测时段;
所述获取服务提供端的每个订单对应的服务评价文本,包括:
获取服务提供端在所述服务检测时段内的每个订单,对应的服务评价文本。
在一种可能的实施方式中,基于所述订单对应的服务评价文本与所述检测关键字信息的文本相似度,确定所述订单是否是匹配所述检测关键字信息对应的预设行为,包括:
针对检测关键字信息中的每个行为检测词汇,确定该行为检测词汇与所述订单对应的服务评价文本的文本相似度;
基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度;
在所述订单对应的服务评价文本与所述检测关键字信息的相似度,大于预设的检测阈值时,确定所述订单匹配所述检测关键字信息对应的预设行为。
在一种可能的实施方式中,所述基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度,包括:
从所述服务评价文本与每个行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述服务评价文本与所述检测关键字信息的文本相似度。
在一种可能的实施方式中,所述基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度,包括:
计算所述服务评价文本与每个行为检测词汇的文本相似度的均值,并将得到的均值,作为所述服务评价文本与所述检测关键字信息的文本相似度。
在一种可能的实施方式中,上述检测方法确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度,包括:
对所述订单对应的服务评价文本进行分词处理,得到所述订单对应的多个分词;
基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一种可能的实施方式中,所述基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度,包括:
从每个分词与所述行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一种可能的实施方式中,所述基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度,包括:
计算每个分词与所述行为检测词汇的文本相似度的均值,并将得到的均值,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一种可能的实施方式中,所述检测方法还包括确定所述分词与所述行为检测词汇的文本相似度的步骤:
生成所述分词的词向量,和生成所述行为检测词汇的词向量;
基于所述分词的词向量和所述行为检测词汇的词向量,确定所述分词与所述行为检测词汇的文本相似度。
在一种可能的实施方式中,所述服务检测数据包括以下至少一项:
属于所述预设行为的订单的数量、所述服务提供端的标识符、所述预设行为的标识符。
第二方面,本申请实施例提供了一种检测装置,包括:
信息获取模块,用于获取服务提供端的每个订单对应的服务评价文本,和预设的检测关键字信息;
行为匹配模块,用于针对每个订单,基于该订单对应的服务评价文本与所述检测关键字信息之间的文本相似度,确定该订单是否匹配所述检测关键字信息对应的预设行为;
数据处理模块,用于基于匹配所述预设行为的订单的数量,生成所述服务提供端的服务检测数据,并将所述服务检测数据发送给所述服务提供端对应的服务请求端。
在一种可能的实施方式中,上述检测装置还包括:
检测时间确定模块,用于基于当前时间以及预设的检测周期时长,确定服务检测时段;
所述获取服务提供端的每个订单对应的服务评价文本,包括:
获取服务提供端在所述服务检测时段内的每个订单,对应的服务评价文本。
在一种可能的实施方式中,所述行为匹配模块具体用于:
针对检测关键字信息中的每个行为检测词汇,确定该行为检测词汇与所述订单对应的服务评价文本的文本相似度;
基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度;
在所述订单对应的服务评价文本与所述检测关键字信息的相似度,大于预设的检测阈值时,确定所述订单匹配所述检测关键字信息对应的预设行为。
在一种可能的实施方式中,所述行为匹配模块在基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度时,具体用于:
从所述服务评价文本与每个行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述服务评价文本与所述检测关键字信息的文本相似度。
在一种可能的实施方式中,所述行为匹配模块在基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度时,具体用于:
计算所述服务评价文本与每个行为检测词汇的文本相似度的均值,并将得到的均值,作为所述服务评价文本与所述检测关键字信息的文本相似度。
在一种可能的实施方式中,所述行为匹配模块在确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
对所述订单对应的服务评价文本进行分词处理,得到所述订单对应的多个分词;
基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一种可能的实施方式中,所述行为匹配模块在基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
从每个分词与所述行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一种可能的实施方式中,所述行为匹配模块在基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
计算每个分词与所述行为检测词汇的文本相似度的均值,并将得到的均值,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一种可能的实施方式中,所述行为匹配模块具体还用于:
生成所述分词的词向量,和生成所述行为检测词汇的词向量;
基于所述分词的词向量和所述行为检测词汇的词向量,确定所述分词与所述行为检测词汇的文本相似度。
在一种可能的实施方式中,所述服务检测数据包括以下至少一项:
属于所述预设行为的订单的数量、所述服务提供端的标识符、所述预设行为的标识符。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行本申请实施例第一方面,以及第一方面中任一种可能的实施方式中的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行本申请实施例第一方面,以及第一方面中任一种可能的实施方式中的步骤。
本申请实施例提供的一种检测方法及装置,首先,获取服务提供端的每个订单对应的服务评价文本,和预设的检测关键字信息;之后,基于每个订单对应的服务评价文本与检测关键字信息之间的文本相似度,分别确定每个订单是否匹配检测关键字信息对应的预设行为;最后,基于匹配预设行为的订单的数量,生成服务提供端的服务检测数据,并将服务检测数据发送给服务提供端对应的服务请求端。上述技术方案能够有效提高服务提供端的服务检测数据的准确性。同时,上述技术方案将服务提供端的服务检测数据发送给服务提供端对应的服务请求端,能够帮助服务请求端做出是否接受服务提供端提供的服务的决定,有效提高了服务请求端的安全性。另外,本申请实施例根据准确的服务提供端的服务检测数据,能够准确的定位服务质量差或威胁服务请求端安全的服务提供端,有利于提高服务提供端的服务质量和保证服务请求端的安全。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例提供的一种检测系统的架构示意图;
图2示出了本申请实施例提供的一种检测方法的流程图;
图3示出了本申请实施例提供的另一种检测方法中,基于订单对应的服务评价文本与检测关键字信息的文本相似度,确定订单是否是匹配检测关键字信息对应的预设行为的流程图;
图4示出了本申请实施例提供的再一种检测方法中,确定行为检测词汇与订单对应的服务评价文本的文本相似度的流程图;
图5示出了本申请实施例提供的一种检测装置的结构示意图;
图6示出了本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“网约车”,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕网约车进行描述,但是应该理解,这仅是一个示例性实施例。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
本申请中的术语“乘客”和“服务请求端”可互换使用,以指代可以请求或订购服务的个人、实体或工具。本申请中的术语“司机”和“服务提供端”可互换使用,以指代可以提供服务的个人、实体或工具。
本申请中的术语“服务请求”、“叫车订单”和“订单”可互换使用,以指代由乘客、服务请求端、司机、服务提供端等、或其任意组合发起的请求。接受该“叫车订单”或“订单”的可以是乘客、服务请求端、司机、服务提供端等、或其任意组合。叫车订单可以是收费的或免费的。
本申请的一个方面涉及一种检测系统。该系统基于服务提供端的每个订单对应的服务评价文本与预设的检测关键字信息之间的文本相似度,筛选匹配检测关键字信息对应的预设行为的订单,并根据筛选得到订单的数量,确定该服务提供端的服务检测数据。上述检测系统能够有效提高服务提供端的服务检测数据的准确性,同时,上述检测系统将服务提供端的服务检测数据发送给服务提供端对应的服务请求端,能够帮助服务请求端做出是否接受服务提供端提供的服务的决定,有利于提高服务请求端的安全性。另外,上述检测系统根据准确的服务提供端的服务检测数据,能够准确的定位服务质量差或威胁服务请求端安全的服务提供端,有利于提高服务提供端的服务质量和保证服务请求端的安全。
图1是本申请实施例提供的一种检测系统100的架构示意图。例如,检测系统100可以是用于诸如出租车、代驾服务、快车、拼车、公共汽车服务、驾驶员租赁、或班车服务之类的运输服务、或其任意组合的在线运输服务平台。检测系统100可以包括服务器110、网络120、服务请求端130、服务提供端140、和数据库150中的一种或多种。
在一些实施例中,服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。例如,处理器可以基于从服务请求端130获得的服务请求来确定目标车辆。在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、专用指令集处理器(Application Specific Instruction-setProcessor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing,RISC)、或微处理器等,或其任意组合。
在一些实施例中,服务请求端130和服务提供端140对应的设备类型可以是移动设备,比如可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,也可以是平板计算机、膝上型计算机、或机动车辆中的内置设备等。
在一些实施例中,数据库150可以连接到网络120以与检测系统100中的一个或多个组件(例如,服务器110,服务请求端130,服务提供端140等)通信。检测系统100中的一个或多个组件可以经由网络120访问存储在数据库150中的数据或指令。在一些实施例中,数据库150可以直接连接到检测系统100中的一个或多个组件,或者,数据库150也可以是服务器110的一部分。
下面结合上述图1示出的检测系统100中描述的内容,对本申请实施例提供的检测方法进行详细说明。
参照图2所示,为本申请实施例提供的一种检测方法的流程示意图,该方法可以由检测系统100中的服务器110来执行,具体执行过程为:
S210、获取服务提供端的每个订单对应的服务评价文本,和预设的检测关键字信息。
上述服务提供端在APP上承接服务请求端发布的订单,并根据订单中的起始点信息和目的地信息为服务请求端提供对应的载客服务。服务请求端会根据服务提供的载客服务向服务器反馈服务评价信息,即上述服务评价文本。
针对每个订单,上述服务评价文本可以是服务请求端针对该订单的一个或多个文本。每个服务评价文本中包括一个或多个词汇,即包括一个或多个下述的分词。
上述预设的检测关键字信息是与所要检测的预设行为对应的关键字。这里的检测关键字信息可以包括一个或多个词汇,即包括一个或多个下述的检测词汇。应当说明的是,上述预设行为可以但不限于是影响服务请求端安全的行为,例如上述预设行为还可以是所述服务提供端的见义勇为的行为。
上述服务评价文本和检测关键字信息可以预先存储在预定的存储器的预定地址上,在执行此步骤时,根据预定的地址和存储器,获取这些数据和信息。
上述服务评价文本可以是服务提供端在一定时间段(即下述服务检测时段)内承接的订单的服务评价文本。那么在执行此步骤之前,还需要确定上述服务检测时段,具体地,可以基于当前时间以及预设的检测周期时长,确定服务检测时段。在具体实施时,可以从当前时间开始,向前推检测周期时长,得到服务检测时段,即上述服务检测是时段,是从当前时间开始的,并且向前检测周期时长的时间段。
上述预设的检测周期时长,是根据实际应用场景的需求灵活设定的。例如,可以将检测周期时长设置为三十天。另外,在确定上述服务检测时段之前,本实施例的方法还需要预先获取检测周期时长。
上述根据当前时间确定服务检测时段,并获取服务提供端在服务检测时段内的订单的服务评价文本的方式,能够保证获取到的服务评价文本具有很好的实时性,那么基于服务评价文本得到的服务提供端的服务检测数据就具有很好的实时性,就能够准确的反应服务提供端当前的服务特征。
S220、针对每个订单,基于该订单对应的服务评价文本与所述检测关键字信息之间的文本相似度,确定该订单是否匹配所述检测关键字信息对应的预设行为。
在执行此步骤之前,还需要执行以下步骤:针对每个订单,确定该订单对应的服务评价文本与所述检测关键字信息之间的文本相似度。
在检测关键字信息中的行为检测词汇为多个时,可以先分别确定服务评价文本与每个行为检测词汇之间的文本相似度,再根据服务评价文本与每个行为检测词汇之间的文本相似度,确定服务评价文本与检测关键字信息之间的文本相似度。具体地,可以从服务评价文本与每个行文检测词汇之间的文本相似度中选择最大的文本相似度,作为服务评价文本与检测关键字信息之间的文本相似度。当然可以根据其他方式确定服务评价文本与检测关键字信息之间的文本相似度,例如可以将服务评价文本与每个服务检测词汇之间的文本相似度的均值,作为服务评价文本与检测关键字信息之间的文本相似度。
进一步地,在订单对应的服务评价文本为多个时,针对每个行为检测词汇,可以采取下面的步骤确定该行为检测词汇与订单对应的服务评价文本之间的文本相似度:首先,分别确定每个服务评价文本与该行为检测词汇之间的文本相似度,再根据每个服务评价文本与该行为检测词汇之间的文本相似度,确定订单对应的服务评价文本与该行为检测词汇之间的文本相似度。具体地,可以从每个服务评价文本与该行为检测词汇之间的文本相似度中选择最大的文本相似度,作为订单对应的服务评价文本与该行为检测词汇之间的文本相似度。当然可以根据其他方式确定订单对应的服务评价文本与该行为检测词汇之间的文本相似度,例如可以将每个服务评价文本与该行为检测词汇之间的文本相似度的均值,作为订单对应的服务评价文本与该行为检测词汇之间的文本相似度。
在确定某个服务评价文本与行为检测词汇之间的文本相似度时,首先对服务评价文本进行分词处理,之后根据服务评价文本的每个分词与行为检测词汇之间的文本相似度,确定服务评价文本与行为检测词汇之间的文本相似度。具体地,可以从服务评价文本的每个分词与行为检测词汇之间的文本相似度中选择最大的文本相似度,作为某个服务评价文本与行为检测词汇之间的文本相似度。当然可以根据其他方式确定某个服务评价文本与行为检测词汇之间的文本相似度,例如可以将服务评价文本的每个分词与行为检测词汇之间的文本相似度的均值,作为某个服务评价文本与行为检测词汇之间的文本相似度。
应当说明的是,由于在确定某个服务评价文本与行为检测词汇之间的文本相似度时,是选取的服务评价文本的每个分词与行为检测词汇之间的文本相似度的最大值或均值,因此在订单的服务评价文本为多个时,可以不分别求每个服务评价文本与行为检测词汇之间的文本相似度,将所有的服务评价文本作为一个服务评价文本进行分词处理即可。
在确定了订单对应的服务评价文本与所述检测关键字信息之间的文本相似度之后,可以将文本相似度大于预设的检测阈值的订单作为匹配所述检测关键字信息对应的预设行为。
上述检测阈值可以根据实际应用场景的需求灵活设定。
S230、基于匹配所述预设行为的订单的数量,生成所述服务提供端的服务检测数据,并将所述服务检测数据发送给所述服务提供端对应的服务请求端。
在执行此步骤之前,还需要执行统计匹配所述预设行为的订单的数量的步骤。
在生成所述服务检测数据时,具体可以根据如下步骤实现:获取服务提供端的匹配所述预设行为的订单的数量、服务提供端的标识符、所述预设行为的标识符,并将获取的上述数据信息作为服务检测数据。另外,还可以对获取的上述数据信息进行压缩、加密、剔除错误数据等预处理,并将预处理后的数据作为服务检测数据。
本步骤将服务检测数据发送给所述服务提供端对应的服务请求端,能够帮助服务请求端做出是否接受服务提供端提供的服务的决定,有利于提高服务请求端的安全性。
上述实施例的检测方法将词汇的相似度迁移到句子的相似度,继而得到订单维度的每一条服务评价文本的相似度转化到服务提供端维度,并且能够使用滑动窗口的形式,统计每一个服务提供端在服务检测时段内的,服务评价文本与检测关键字信息的最大的相似度以及相似度的均值,大于检测阈值的订单的数量,并基于统计得到的数量生成服务提供端的服务检测数据,有效提高了得到的服务检测数据的准确度。同时,本实施例的上述检测方法可以优化计算,方便快捷,便于存储。
在一些实施例中,如图3所示,上述步骤中的基于所述订单对应的服务评价文本与所述检测关键字信息的文本相似度,确定所述订单是否是匹配所述检测关键字信息对应的预设行为,具体可以通过如下子步骤实现:
S310、针对检测关键字信息中的每个行为检测词汇,确定该行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在执行此步骤之前,需要提取检测关键字信息中的每个行为检测词汇,提取得到的行为检测词汇可能是一个,也可能是多个。这些行为检测词汇是预先根据实际应用场景的需求灵活设定的。
在确定订单对应的服务评价文本与所述检测关键字信息的文本相似度时,首先需要确定每个行为检测词汇与所述订单对应的服务评价文本的文本相似度。
S320、基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度。
在具体实施时,可以利用如下子步骤确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度:从所述服务评价文本与每个行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述服务评价文本与所述检测关键字信息的文本相似度。
在具体实施时,还可以利用如下子步骤确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度:计算所述服务评价文本与每个行为检测词汇的文本相似度的均值,并将得到的均值,作为所述服务评价文本与所述检测关键字信息的文本相似度。
在具体实施时,还可以利用其他步骤确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度,例如,可以对服务评价文本与每个行为检测词汇的文本相似度进行加权处理,并将服务评价文本与每个行为检测词汇的文本相似度加权后的和,作为所述订单对应的服务评价文本与所述检测关键字信息的文本相似度。本申请实施例对确定订单对应的服务评价文本与所述检测关键字信息的文本相似度的实现方式并不进行限定。
S330、在所述订单对应的服务评价文本与所述检测关键字信息的相似度,大于预设的检测阈值时,确定所述订单匹配所述检测关键字信息对应的预设行为。
本步骤利用预先设定的检测阈值对匹配所述检测关键字信息对应的预设行为的订单进行筛选,服务评价文本与检测关键字信息的相似度大于上述检测阈值的订单匹配所述检测关键字信息对应的预设行为。例如,某一订单的服务评价文本与检测乘车安全对应的检测关键字信息的相似度大于预先设定的检测阈值,此时认为该订单为影响乘车安全的订单,匹配检测乘车安全对应的检测关键字信息对应的预设行为,即该订单对应的服务提供端实施了影响乘车乘车安全的行为。
在一些实施例中,如图4所示,上述步骤中的确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度,具体可以采用如下步骤实现:
S410、对所述订单对应的服务评价文本进行分词处理,得到所述订单对应的多个分词。
此步骤在执行时,可以利用现有的分词方法对服务评价文本进行分词处理。
在得到服务评价文本的多个分词后,可以将这些分词进行存储,作为基础数据使用,即作为计算文本相似度的基础数据使用。
S420、基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在执行此步骤之前,首先需要执行确定分词与所述行为检测词汇的文本相似度的步骤。在具体实施时,可以利用如下子步骤确定分词与所述行为检测词汇的文本相似度:首先,生成所述分词的词向量,和生成所述行为检测词汇的词向量;之后,基于所述分词的词向量和所述行为检测词汇的词向量,确定所述分词与所述行为检测词汇的文本相似度。
在生成每个分词以及行为检测词汇的词向量的时候,可以利用现有的方法生成词向量,例如可以利用词汇转向量(Word to vector,Word2Vec)的方法生成词向量。利用Word2Vec生成的词向量具有上下文关系。此步骤生成的词向量也可以存储在预定的地址上,以供后续计算相关文本的文本相似度使用。另外,还可以将计算得到的每个分词与和行为检测词汇的文本相似度存储在预定的地址上。上面得到的文本相似度可以使用哈希表(字典)的形式进行存储,以便在查询时,能够以更快的查询速度进行查询。
在利用Word2Vec生成词向量时,首先利用gensim.models.Word2Vec(sentences)建立词向量生成模型。得到该词向量生成模型需要执行以下三个步骤:建立一个空的模型对象,遍历一次语料库建立词典,训练上述词向量生成模型时可以指定以下参数:min_count指定了需要训练词语的最小出现次数,设置为1;size指定了训练时词向量维度,设置为100;worker指定了完成训练过程的线程数,设置为1,即不使用多线程;sg设置训练算法,设置为0时,对应CBOW算法;设置为1,对应skip-gram算法;等等。
在确定了每个分词与所述行为检测词汇的文本相似度之后,具体可以利用如下步骤与确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度:
从每个分词与所述行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在确定了每个分词与所述行为检测词汇的文本相似度之后,具体还可以利用如下步骤与确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度:
计算每个分词与所述行为检测词汇的文本相似度的均值,并将得到的均值,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在具体实施时,还可以利用其他步骤确定行为检测词汇与所述订单对应的服务评价文本的文本相似度,例如,可以对每个分词与所述行为检测词汇的文本相似度进行加权处理,并将每个分词与所述行为检测词汇的文本相似度加权后的和,作为行为检测词汇与所述订单对应的服务评价文本的文本相似度。本申请实施例对确定行为检测词汇与所述订单对应的服务评价文本的文本相似度的实现方式并不进行限定。
图5是示出本申请的一些实施例的检测装置的框图,该检测装置实现的功能对应上述服务器执行的检测方法中的步骤。该装置可以理解为上述服务器,或服务器的处理器,也可以理解为独立于上述服务器或处理器之外的在服务器控制下实现本申请功能的组件,如图所示,检测装置可以包括信息获取模块510、行为匹配模块520、数据处理模块530。
信息获取模块510,用于获取服务提供端的每个订单对应的服务评价文本,和预设的检测关键字信息;
行为匹配模块520,用于针对每个订单,基于该订单对应的服务评价文本与所述检测关键字信息之间的文本相似度,确定该订单是否匹配所述检测关键字信息对应的预设行为;
数据处理模块530,用于基于匹配所述预设行为的订单的数量,生成所述服务提供端的服务检测数据,并将所述服务检测数据发送给所述服务提供端对应的服务请求端。
在一些实施例中,上述检测装置还包括检测时间确定模块540。
检测时间确定模块540,用于基于当前时间以及预设的检测周期时长,确定服务检测时段;
信息获取模块510具体用于:获取服务提供端在所述服务检测时段内的每个订单,对应的服务评价文本。
在一些实施例中,所述行为匹配模块520具体用于:
针对检测关键字信息中的每个行为检测词汇,确定该行为检测词汇与所述订单对应的服务评价文本的文本相似度;
基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度;
在所述订单对应的服务评价文本与所述检测关键字信息的相似度,大于预设的检测阈值时,确定所述订单匹配所述检测关键字信息对应的预设行为。
在一些实施例中,所述行为匹配模块520在基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度时,具体用于:
从所述服务评价文本与每个行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述服务评价文本与所述检测关键字信息的文本相似度。
在一些实施例中,所述行为匹配模块520在基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度时,具体用于:
计算所述服务评价文本与每个行为检测词汇的文本相似度的均值,并将得到的均值,作为所述服务评价文本与所述检测关键字信息的文本相似度。
在一些实施例中,所述行为匹配模块520在确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
对所述订单对应的服务评价文本进行分词处理,得到所述订单对应的多个分词;
基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一些实施例中,所述行为匹配模块520基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
从每个分词与所述行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一些实施例中,所述行为匹配模块520在基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
计算每个分词与所述行为检测词汇的文本相似度的均值,并将得到的均值,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
在一些实施例中,所述行为匹配模块520具体还用于:
生成所述分词的词向量,和生成所述行为检测词汇的词向量;
基于所述分词的词向量和所述行为检测词汇的词向量,确定所述分词与所述行为检测词汇的文本相似度。
在一些实施例中,所述服务检测数据包括以下至少一项:
属于所述预设行为的订单的数量、所述服务提供端的标识符、所述预设行为的标识符。
本申请实施例公开了一种电子设备,如图6所示,包括:处理器601、存储器602和总线603,所述存储器602存储有所述处理器601可执行的机器可读指令,当电子设备运行时,所述处理器601与所述存储器602之间通过总线603通信。
所述机器可读指令被所述处理器601执行时执行以下检测方法的步骤:
获取服务提供端的每个订单对应的服务评价文本,和预设的检测关键字信息;
针对每个订单,基于该订单对应的服务评价文本与所述检测关键字信息之间的文本相似度,确定该订单是否匹配所述检测关键字信息对应的预设行为;
基于匹配所述预设行为的订单的数量,生成所述服务提供端的服务检测数据,并将所述服务检测数据发送给所述服务提供端对应的服务请求端。
所述处理器601在执行获取所述服务评价文本之前,还用于执行:
基于当前时间以及预设的检测周期时长,确定服务检测时段;
所述处理器601在执行获取服务提供端的每个订单对应的服务评价文本时,还用于执行:
获取服务提供端在所述服务检测时段内的每个订单,对应的服务评价文本。
所述处理器601在执行基于所述订单对应的服务评价文本与所述检测关键字信息的文本相似度,确定所述订单是否是匹配所述检测关键字信息对应的预设行为时,具体执行:
针对检测关键字信息中的每个行为检测词汇,确定该行为检测词汇与所述订单对应的服务评价文本的文本相似度;
基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度;
在所述订单对应的服务评价文本与所述检测关键字信息的相似度,大于预设的检测阈值时,确定所述订单匹配所述检测关键字信息对应的预设行为。
所述处理器601在执行基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度时,具体执行:
从所述服务评价文本与每个行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述服务评价文本与所述检测关键字信息的文本相似度。
所述处理器601在执行基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度时,具体执行:
计算所述服务评价文本与每个行为检测词汇的文本相似度的均值,并将得到的均值,作为所述服务评价文本与所述检测关键字信息的文本相似度。
所述处理器601在执行确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体执行:
对所述订单对应的服务评价文本进行分词处理,得到所述订单对应的多个分词;
基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
所述处理器601在执行基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体执行:
从每个分词与所述行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
所述处理器601在执行基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体执行:
计算每个分词与所述行为检测词汇的文本相似度的均值,并将得到的均值,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
所述处理器601还用于执行确定所述分词与所述行为检测词汇的文本相似度的步骤:
生成所述分词的词向量,和生成所述行为检测词汇的词向量;
基于所述分词的词向量和所述行为检测词汇的词向量,确定所述分词与所述行为检测词汇的文本相似度。
所述服务检测数据包括以下至少一项:
属于所述预设行为的订单的数量、所述服务提供端的标识符、所述预设行为的标识符。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述任一实施例中的检测方法的步骤。
本申请实施例还提供了一种计算机程序产品,其包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
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,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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)执行本申请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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种检测装置,其特征在于,应用于服务端,包括信息获取模块、行为匹配模块和数据处理模块;
所述信息获取模块,用于获取服务提供端的每个订单对应的服务评价文本,和预设的检测关键字信息;
所述行为匹配模块,用于针对每个订单,基于该订单对应的服务评价文本与所述检测关键字信息之间的文本相似度,确定该订单是否匹配所述检测关键字信息对应的预设行为;
数据处理模块用于基于匹配所述预设行为的订单的数量,生成所述服务提供端的服务检测数据,并将所述服务检测数据发送给所述服务提供端对应的服务请求端。
2.根据权利要求1所述的检测装置,其特征在于,还包括检测时间确定模块;
所述检测时间确定模块,用于基于当前时间以及预设的检测周期时长,确定服务检测时段;
所述信息获取模块具体用于获取服务提供端在所述服务检测时段内的每个订单,对应的服务评价文本。
3.根据权利要求1所述的检测装置,其特征在于,所述行为匹配模块具体用于:
针对检测关键字信息中的每个行为检测词汇,确定该行为检测词汇与所述订单对应的服务评价文本的文本相似度;
基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度;
在所述订单对应的服务评价文本与所述检测关键字信息的相似度,大于预设的检测阈值时,确定所述订单匹配所述检测关键字信息对应的预设行为。
4.根据权利要求3所述的检测装置,其特征在于,所述行为匹配模块在基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度时,具体用于:
从所述服务评价文本与每个行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述服务评价文本与所述检测关键字信息的文本相似度。
5.根据权利要求3所述的检测装置,其特征在于,所述行为匹配模块在基于每个行为检测词汇与所述服务评价文本的文本相似度,确定所述订单对应的服务评价文本与所述检测关键字信息的文本相似度时,具体用于:
计算所述服务评价文本与每个行为检测词汇的文本相似度的均值,并将得到的均值,作为所述服务评价文本与所述检测关键字信息的文本相似度。
6.根据权利要求3所述的检测装置,其特征在于,所述行为匹配模块在确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
对所述订单对应的服务评价文本进行分词处理,得到所述订单对应的多个分词;
基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
7.根据权利要求6所述的检测装置,其特征在于,所述行为匹配模块在基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
从每个分词与所述行为检测词汇的文本相似度中,选取最大的文本相似度,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
8.根据权利要求6所述的检测装置,其特征在于,所述行为匹配模块在基于每个分词与所述行为检测词汇的文本相似度,确定所述行为检测词汇与所述订单对应的服务评价文本的文本相似度时,具体用于:
计算每个分词与所述行为检测词汇的文本相似度的均值,并将得到的均值,作为所述行为检测词汇与所述订单对应的服务评价文本的文本相似度。
9.根据权利要求6或7所述的检测装置,其特征在于,所述行为匹配模块具体还用于:
生成所述分词的词向量,和生成所述行为检测词汇的词向量;
基于所述分词的词向量和所述行为检测词汇的词向量,确定所述分词与所述行为检测词汇的文本相似度。
10.一种检测方法,其特征在于,包括:
获取服务提供端的每个订单对应的服务评价文本,和预设的检测关键字信息;
针对每个订单,基于该订单对应的服务评价文本与所述检测关键字信息之间的文本相似度,确定该订单是否匹配所述检测关键字信息对应的预设行为;
基于匹配所述预设行为的订单的数量,生成所述服务提供端的服务检测数据,并将所述服务检测数据发送给所述服务提供端对应的服务请求端。
11.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求10所述检测方法的步骤。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求10所述的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300516.0A CN111832851B (zh) | 2019-04-15 | 2019-04-15 | 一种检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300516.0A CN111832851B (zh) | 2019-04-15 | 2019-04-15 | 一种检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832851A true CN111832851A (zh) | 2020-10-27 |
CN111832851B CN111832851B (zh) | 2024-03-29 |
Family
ID=72914517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910300516.0A Active CN111832851B (zh) | 2019-04-15 | 2019-04-15 | 一种检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832851B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154229A (zh) * | 2006-09-30 | 2008-04-02 | 联想(北京)有限公司 | 基于关键字和分类共享的搜索方法和系统 |
KR20130077283A (ko) * | 2011-12-29 | 2013-07-09 | 주식회사 다음커뮤니케이션 | 검색 서비스 제공 시스템 및 검색 서비스 제공 방법 |
CN103886037A (zh) * | 2014-03-10 | 2014-06-25 | 华为技术有限公司 | 一种数据筛选的方法及装置 |
CN105989550A (zh) * | 2015-03-05 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种在线服务评价信息确定方法及设备 |
CN107093431A (zh) * | 2016-02-18 | 2017-08-25 | 中国移动通信集团辽宁有限公司 | 一种对服务质量进行质检的方法及装置 |
CN107818798A (zh) * | 2017-10-20 | 2018-03-20 | 百度在线网络技术(北京)有限公司 | 客服服务质量评价方法、装置、设备及存储介质 |
CN108090048A (zh) * | 2018-01-12 | 2018-05-29 | 安徽大学 | 一种基于多元数据分析的高校评价系统 |
CN108805595A (zh) * | 2017-04-28 | 2018-11-13 | 北京嘀嘀无限科技发展有限公司 | 提供定向问题数据的方法、装置及计算机存储介质 |
CN109447520A (zh) * | 2018-11-21 | 2019-03-08 | 安徽花山街网络科技有限公司 | 一种用于服务业的电商交易平台 |
JP6487595B1 (ja) * | 2018-09-04 | 2019-03-20 | NEXT Creation’s株式会社 | コインランドリー洗濯代行マッチング支援システム |
CN109522392A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技(深圳)有限公司 | 基于语音的检索方法、服务器及计算机可读存储介质 |
-
2019
- 2019-04-15 CN CN201910300516.0A patent/CN111832851B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154229A (zh) * | 2006-09-30 | 2008-04-02 | 联想(北京)有限公司 | 基于关键字和分类共享的搜索方法和系统 |
KR20130077283A (ko) * | 2011-12-29 | 2013-07-09 | 주식회사 다음커뮤니케이션 | 검색 서비스 제공 시스템 및 검색 서비스 제공 방법 |
CN103886037A (zh) * | 2014-03-10 | 2014-06-25 | 华为技术有限公司 | 一种数据筛选的方法及装置 |
CN105989550A (zh) * | 2015-03-05 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种在线服务评价信息确定方法及设备 |
CN107093431A (zh) * | 2016-02-18 | 2017-08-25 | 中国移动通信集团辽宁有限公司 | 一种对服务质量进行质检的方法及装置 |
CN108805595A (zh) * | 2017-04-28 | 2018-11-13 | 北京嘀嘀无限科技发展有限公司 | 提供定向问题数据的方法、装置及计算机存储介质 |
CN107818798A (zh) * | 2017-10-20 | 2018-03-20 | 百度在线网络技术(北京)有限公司 | 客服服务质量评价方法、装置、设备及存储介质 |
CN108090048A (zh) * | 2018-01-12 | 2018-05-29 | 安徽大学 | 一种基于多元数据分析的高校评价系统 |
JP6487595B1 (ja) * | 2018-09-04 | 2019-03-20 | NEXT Creation’s株式会社 | コインランドリー洗濯代行マッチング支援システム |
CN109522392A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技(深圳)有限公司 | 基于语音的检索方法、服务器及计算机可读存储介质 |
CN109447520A (zh) * | 2018-11-21 | 2019-03-08 | 安徽花山街网络科技有限公司 | 一种用于服务业的电商交易平台 |
Non-Patent Citations (2)
Title |
---|
刘振鹏;韩磊;刘志田;: "基于Qos相似性的服务选择", 江西师范大学学报(自然科学版), no. 02 * |
惠乐;郭钢;: "面向设计产业链的需求服务映射及评价算法", 计算机应用研究, no. 07 * |
Also Published As
Publication number | Publication date |
---|---|
CN111832851B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951484B (zh) | 图片检索方法及装置、计算机设备及计算机可读介质 | |
CN110363810B (zh) | 建立图像检测模型的方法、装置、设备和计算机存储介质 | |
CN106651213B (zh) | 服务订单的处理方法及装置 | |
CN111858843B (zh) | 一种文本分类方法及装置 | |
CN111858873A (zh) | 一种推荐内容的确定方法、装置、电子设备及存储介质 | |
CN109284369B (zh) | 证券新闻资讯重要性的判定方法、系统、装置及介质 | |
CN111273891A (zh) | 基于规则引擎的业务决策方法、装置及终端设备 | |
CN111858922A (zh) | 服务方信息查询方法、装置、电子设备以及存储介质 | |
CN111831894A (zh) | 一种信息匹配方法及装置 | |
CN112990625A (zh) | 标注任务的分配方法、装置及服务器 | |
CN111860512B (zh) | 一种车辆识别方法、装置、电子设备及计算机可读存储介质 | |
CN111832851B (zh) | 一种检测方法及装置 | |
CN111582589A (zh) | 一种租车出险预测方法、装置、设备及存储介质 | |
CN111179129A (zh) | 课件质量的评价方法、装置、服务器及存储介质 | |
CN113342977B (zh) | 发票图像分类方法、装置、设备及存储介质 | |
CN111860554A (zh) | 风险监控方法、装置、存储介质及电子设备 | |
CN111339468B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
CN111881146B (zh) | 用于收取费用的方法、计算设备和介质 | |
CN109947559B (zh) | 优化MapReduce计算的方法、装置、设备和计算机存储介质 | |
CN114756365A (zh) | 算力资源的标识方法、装置及计算机可读存储介质 | |
CN114861056A (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN110968690B (zh) | 词语的聚类划分方法和装置、设备以及存储介质 | |
CN108304080B (zh) | 输入法换算货币的方法、装置、设备和计算机存储介质 | |
CN108509478B (zh) | 规则引擎文件的拆分调用方法、电子装置及存储介质 | |
CN111861625A (zh) | 一种异常订单确定方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |