CN111984777A - 基于自然语言处理的生产系统上报问题处理方法及装置 - Google Patents
基于自然语言处理的生产系统上报问题处理方法及装置 Download PDFInfo
- Publication number
- CN111984777A CN111984777A CN202010905155.5A CN202010905155A CN111984777A CN 111984777 A CN111984777 A CN 111984777A CN 202010905155 A CN202010905155 A CN 202010905155A CN 111984777 A CN111984777 A CN 111984777A
- Authority
- CN
- China
- Prior art keywords
- question
- corpus
- user
- common
- received
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 85
- 238000003058 natural language processing Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims description 3
- 238000012545 processing Methods 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000003860 storage Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 abstract description 15
- 238000004891 communication Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 12
- 238000007726 management method Methods 0.000 description 10
- 230000006978 adaptation Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009193 crawling Effects 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
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q10/10—Office automation; Time management
Abstract
本申请涉及人工智能领域，揭示了一种基于自然语言处理的生产系统上报问题处理方法、装置、设备及可读存储介质。本申请的方案中，在用户选择生产系统种类后，为用户推荐常见问题并给出答案，并通过用户的反馈来提高语料库中问答数据的质量，当在常见问题列表中没有用户的问题或者语料库中的答案不能够解决问题时，将用户的问题转发给人工处理，以后在面对同一个或同类问题时，都会由系统自动及时回复，从而给运维开发人员节省时间，也能给用户及时回复，减少邮件沟通处理的等待时间，提高生产效率。本申请还涉及区块链技术，所述语料库可存储于区块链节点中。
Description
技术领域
本申请涉及到人工智能，特别是涉及到一种基于自然语言处理的生产系统上报问题处理方法、装置、设备及可读存储介质。
背景技术
目前，随着社会的发展和科技的进步，IT技术得到了广泛的应用，企业一般都采用了生产系统(production system)来实现和支持日常的业务运作和生产任务等。生产系统能够正确、及时地提供、传递生产过程必需的信息,促进对人力、物力和财力资源的合理使用,提高劳动生产率。
生产系统在使用过程中可能会遇到各种各样的问题，现有的生产问题上报需要机构人员登录到管理系统选择上报目录(即系统名称、处理事件组)和填写待上报问题的描述信息，之后由相关运维人员处理或邮件转给开发人员处理。经常会遇到多个不同机构的人员多次上报同一个问题，需要运维人员或开发人员重复回答，同时回答过程中邮件沟通会占用一些工作时间，有时也会因会议等不能及时回复，这样就带来效率低下的问题。
发明内容
本申请的主要目的为提供一种基于自然语言处理的生产系统上报问题处理方法、装置和计算机设备，旨在解决目前生产系统上报的问题处理效率低下的问题。
为了实现上述发明目的，本申请提出一种基于自然语言处理的生产系统上报问题处理方法，包括：
用户接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令；
加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题；
若接收到选择所述常见问题中第一问题的操作指令，则直接展示语料库中所述第一问题对应的解决方案，并等待接收所述第一问题是否得到解决的反馈信息；
若接收到所述第一问题得到解决的反馈信息，则增加语料库中所述第一问题作为常见问题的权重，增加所述第一问题对应解决方案的可信度；
若接收到所述第一问题未得到解决的反馈信息，则减小所述第一问题对应的解决方案的可信度，并提示用户主动输入第二问题；
接收用户主动输入的第二问题，对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度，获取语料库中与所述第二问题匹配度最高的第三问题；
若所述第二问题和所述第三问题的匹配度高于预设阈值，则展示语料库中所述第三问题的解决方案，并提示用户对所述第二问题是否得到解决进行反馈；
若接收到所述第二问题得到解决的反馈信息，则增加所述第三问题作为常见问题的权重，增加所述第三问题对应的解决方案的可信度；
若接收到所述第二问题未得到解决的反馈信息，则减小所述第三问题对应的解决方案的可信度；
若所述第二问题和所述第三问题的匹配度不高于预设阈值或接收到所述第二问题未得到解决的反馈信息，则将所述第二问题转发人工处理；
获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中。
进一步地，所述加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题的步骤之前还包括：
通过网络爬虫技术采集开放的问答数据保存在语料库中，以及接收人工录入的常见问答数据保存在语料库中；
获取人工录入的常见问答数据的初始作为常见问题的权重系数；
对采集到的开放的问答数据和人工录入的问答数据进行去重处理；
按照初始作为常见问题的权重系数对问题进行排序并显示在所述常见问题列表中。
进一步地，所述加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题的步骤之后还包括：
在所述常见问题列表之后生成“列表中的问题均无关”的交互窗口；
若接收到用户选择所述交互窗口的操作指令，则提示用户主动输入其所遇到的问题。
进一步地，所述接收用户主动输入的第二问题的步骤之后包括：
判断所述第二问题的格式；
若接收到的用户主动输入的第二问题是语音格式，则利用语音识别功能将语音转换为文字；
若接收到的用户主动输入的第二问题是图像格式，则利用图像识别功能将图像转换为文字。
进一步地，所述对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度的步骤包括：
将用户输入的第二问题的文字格式语句输入到预先训练好的神经网络模型中，得到表征问题语义的第一词向量，并提取关键词；
在语料库中筛选具有至少一个相同关键词的所有问题语句，分别输入到预先训练好的神经网络模型中，得到每个问题语句对应的第二词向量；
计算第一词向量和第二词向量之间的余弦相似度作为匹配度。
进一步地，所述减小所述第一问题对应的解决方案的可信度和所述减小所述第二问题对应的解决方案的可信度步骤之后还包括：
监测语料库中的问题对应的解决方案的可信度；
当语料库中问题对应的解决方案的可信度低于预设阈值时，将该问题和对应的解决方案转由人工处理；
将人工处理的问题和对应的解决方案更新到语料库中。
进一步地，所述获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中的步骤包括：
若所述第二问题和所述第三问题的匹配度不高于所述预设阈值，则直接将所述第二问题和对应的人工处理结果收录到语料库中；
若所述第二问题和所述第三问题的匹配度高于所述预设阈值，则将所述第二问题的人工处理结果和语料库中的所述第三问题进行整合，同时增加所述第三问题作为常见问题的权重。
本申请实施例还提供一种基于自然语言处理的生产系统上报问题处理装置，包括：
选择接收模块，用于接收选择生产系统种类的操作指令；
加载模块，用于加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题；
第一展示模块，用于若接收到选择所述常见问题中第一问题的操作指令，则直接展示语料库中所述第一问题对应的解决方案，并等待接收所述第一问题是否得到解决的反馈信息；
第一处理模块，用于若接收到所述第一问题得到解决的反馈信息，则增加语料库中所述第一问题作为常见问题的权重，增加所述第一问题对应解决方案的可信度；
第二处理模块，用于若接收到所述第一问题未得到解决的反馈信息，则减小所述第一问题对应的解决方案的可信度，并提示用户主动输入第二问题；
匹配模块，用于接收用户主动输入的第二问题，对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度，获取语料库中与所述第二问题匹配度最高的第三问题；
第二展示模块，用于若所述第二问题和所述第三问题的匹配度高于预设阈值，则展示语料库中所述第三问题的解决方案，并提示用户对所述第二问题是否得到解决进行反馈；
第三处理模块，用于若接收到所述第二问题得到解决的反馈信息，则增加所述第三问题作为常见问题的权重，增加所述第三问题对应的解决方案的可信度；
第四处理模块，用于若接收到所述第二问题未得到解决的反馈信息，则减小所述第三问题对应的解决方案的可信度；
第一转发模块，用于若所述第二问题和所述第三问题的匹配度不高于预设阈值或接收到所述第二问题未得到解决的反馈信息，则将所述第二问题转发人工处理；
收录模块，用于获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中。
本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于自然语言处理的生产系统上报问题处理方法、装置和计算机设备，在用户选择生产系统种类后，为用户推荐常见问题并给出答案，并通过用户的反馈来提高语料库中问答数据的质量，在常见问题列表中没有用户的问题或者语料库中的答案不能够解决问题时，将用户的问题转发给人工处理，以后在面对同一个或同类问题时，都会由系统自动及时回复，从而给运维开发人员节省时间，也能给用户及时回复，减少邮件沟通处理的等待时间，提高生产效率。
附图说明
图1为本申请一实施例的基于自然语言处理的生产系统上报问题处理方法的流程示意图；
图2为本申请一实施例的基于自然语言处理的生产系统上报问题处理装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本申请实施例中提供一种基于自然语言处理的生产系统上报问题处理方法，包括步骤：
S1、用户接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令；
S2、加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题；
S3、若接收到选择所述常见问题中第一问题的操作指令，则直接展示语料库中所述第一问题对应的解决方案，并等待接收所述第一问题是否得到解决的反馈信息；
S4、若接收到所述第一问题得到解决的反馈信息，则增加语料库中所述第一问题作为常见问题的权重，增加所述第一问题对应解决方案的可信度；
S5、若接收到所述第一问题未得到解决的反馈信息，则减小所述第一问题对应的解决方案的可信度，并提示用户主动输入第二问题；
S6、接收用户主动输入的第二问题，对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度，获取语料库中与所述第二问题匹配度最高的第三问题；
S7、若所述第二问题和所述第三问题的匹配度高于预设阈值，则展示语料库中所述第三问题的解决方案，并提示用户对所述第二问题是否得到解决进行反馈；
S8、若接收到所述第二问题得到解决的反馈信息，则增加所述第三问题作为常见问题的权重，增加所述第三问题对应的解决方案的可信度；
S9、若接收到所述第二问题未得到解决的反馈信息，则减小所述第三问题对应的解决方案的可信度；
S10、若所述第二问题和所述第三问题的匹配度不高于预设阈值或接收到所述第二问题未得到解决的反馈信息，则将所述第二问题转发人工处理；
S11、获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中。
如上述步骤S1所述，在用户进行生产问题上报时，可以主动选择生产系统的种类，从而缩小问答的范围，系统可以以列表形式显示出目前支持的智能问答的生产系统的种类，等待用户点击选择。例如，在物流快递行业中，会使用到一系列的生产系统如配送系统、订单处理系统、订单分配系统、人员管理系统等。在用户遇到问题时，先主动选择是使用何种系统遇到了问题，从而缩小问答范围，并能够提高问答系统的响应速度。
如上述步骤S2所述，在接收到用户选择的生产系统后，系统加载与用户选择的生产系统相关联的智能问答语料库，所述智能问答语料库中存有与该生产系统相关的问答信息，语料库中的问答信息可以通过网络爬虫技术在开放的数据中心采集，也可以通过系统开发或维护人员主动输入。可以以列表的形式将该生产系统中常见问题列出供用户直接选择，如果用户遇到相同问题直接点击该问题即可直接获取解决方案。
如上述步骤S3所述，在接收到用户点击常见问题列表中第一问题的操作指令时，直接将第一问题的解决方案展示给用户。这里需要指出的是，一个问题对应的解决方案可能有多种，展示给用户的解决方案可以是多种方案的集合，由用户逐一尝试，直到问题得到解决。在将解决方案提供给用户之后，提示用户对该解决方案能否解决相应问题进行反馈，以便验证解决方案的可靠性。没有接收到用户反馈时，可以默认该解决方案能够解决问题，反馈过程不设时效限制，用户可以随时对反馈结果进行更改。
如上述步骤S4所述，如果同一个问题多次被用户提问，说明这个问题是经常遇到的常见问题。常见问题列表中的问题显示数量有限，一般只为用户显示数个“最常见”的问题。若接收到第一问题得到解决的反馈信息，则增加第一问题作为常见问题的权重，其中，所述作为常见问题的权重表示作为常见问题的权重系数，该数值越大，表示该问题越常见，也可能被遇到，在常见问题列表中的排序更加靠前。用户采用语料库中第一问题对应的解决方案解决了问题，说明对应的解决方案是可靠的，增加语料库中第一问题对应解决方案的可信度，其中，所述可信度表示解决方案的可信程度，与用户的反馈相关，在用户反馈解决方案能够解决问题时，可以增加其可信度，反之，减小其可信度。
如上述步骤S5所述，如果接收到第一问题未得到解决的反馈信息，说明此解决方案不可靠，降低该问题对应解决方案的可信度。当用户的问题得不到解决时，也可能是用户点击的常见问题与用户实际遇到的问题不一致导致的，此时提示用户主动输入问题。用户输入的问题可以是文字输入、语音输入或图片描述。
如上述步骤S6所述，接收到用户主动输入的第二问题后，如果是语音输入，则利用语音识别功能将语音转换为对应的文字，如果是图片输入，则利用图像识别技术将图片中的内容转换为文字，对用户输入的第二问题对应的文字描述进行智能语义分析，并对语料库中的问题进行匹配检索，获取匹配度；可以采用利用模型将问题语句分词并得出其词向量，通过计算用户输入的第二问题的语句的词向量和语料库中的问题语句的词向量的余弦相似度的方式来确定匹配度。
如上述步骤S7所述，为用户展示匹配度高于预设阈值的语料库中问题对应的解决方案，如果匹配度高于预设阈值的问题不止一个，则以列表的形式按匹配度从高到低展示给用户供用户选择。当用户选择语料库中问题之后，为用户展示对应的解决方案，并提示用户对该解决方案能否解决相应问题进行反馈，以便验证解决方案的可靠性。没有接收到用户反馈时，可以默认该解决方案能够解决问题，反馈过程不设时效限制，用户可以随时对反馈结果进行更改。
如上述步骤S8所述，如果同一个问题多次被用户提问，说明这个问题是经常遇到的常见问题。常见问题列表中的问题显示数量有限，一般只为用户显示数个“常见”的问题。若接收到问题解决的反馈信息，则增加第二问题作为常见问题的权重，在常见问题列表中的排序更加靠前。用户采用此解决方案解决了第二问题，说明解决方案是可靠的，增加第二问题对应解决方案的可信度。
如上述步骤S9所述，如果接收到第二问题未得到解决的反馈信息，说明语料库中第二问题的解决方案不可靠，降低语料库中第二问题对应解决方案的可信度。
如上述步骤S10～S11所述，如果在语料库中没有匹配到合适的问题或者说匹配到的问题的解决方案并不能够解决用户的问题时，此时可以将问题转由人工处理。这里人工一般是生产系统对应的运维人员或者开发人员，转人工处理的方式一般是将用户对问题的描述和联系方式等信息发送到运维人员或者开发人员的邮箱，由运维人员或开发人员看到邮件后联系用户处理。在人工处理完成问题解决后将第二问题和对应的解决方案存入语料库中，以便以后其他用户遇到相同问题时，可以直接将问题对应的解决方案展示给用户。
本申请实施例的基于自然语言处理的生产系统上报问题处理方法，在用户选择生产系统种类后，为用户推荐常见问题并给出答案，并通过用户的反馈来提高语料库中问答数据的质量，在常见问题列表中没有用户的问题或者语料库中的答案不能够解决问题时，将用户的问题转发给人工处理，以后在面对同一个或同类问题时，都会由系统自动及时回复，从而给运维开发人员节省时间，也能给用户及时回复，减少邮件沟通处理的等待时间，提高生产效率。
在一个实施例中，所述加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题的步骤之前还包括：
S201、通过网络爬虫技术采集开放的问答数据保存在语料库中，以及接收人工录入的常见问答数据保存在语料库中；
S202、获取人工录入的常见问答数据的初始作为常见问题的权重系数；
S203、对采集到的开放的问答数据和人工录入的问答数据进行去重处理；
S204、按照初始作为常见问题的权重系数对问题进行排序并显示在所述常见问题列表中。
如上所述，智能回复语料库的建立可以有两种方式，其一是通过网络爬虫技术，采集开放的生产系统相关的问答数据，并按照生产系统的种类保存在对应的语料库中；其二是通过生产系统的运维人员或开发人员将他们认为的常见问题和对应的解决方案匹配后保存在对应的生成系统语料库中，并为这些问题设置一个作为常见问题的初始权重系数，不同的问题可以由人工设置不同的作为常见问题的初始权重系数，在语料库被初次使用时，为用户推荐这些问题。人工输入的问题和利用网络爬虫技术采集到的问题可能会重复，对于重复的问题对应的不同解决方案可以进行合并，只显示为一条问题和对应的多个可能的解决方案。通过以上步骤，可以建立最初始的语料库，同时利用网络爬取的方法获取问答数据可以减少部分人力成本。
在一个实施例中，所述加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题的步骤之后还包括：
S21、在所述常见问题列表之后生成“列表中的问题均无关”的交互窗口；
S22、若接收到用户选择所述交互窗口的操作指令，则提示用户主动输入其所遇到的问题。
如上所述，如果常见问题列表中有用户遇到的问题或类似的问题，用户可以通过点击选择该问题，获取该问题对应的解决方案，如果用户没有找到自己遇到的问题，就需要主动输入问题。在此之后的步骤按照上述的步骤S6～S11执行。
在一个具体的实施例中，所述接收用户主动输入的第二问题的步骤之后包括：
S61、判断所述第二问题的格式；
S62、若接收到的用户主动输入的第二问题是语音格式，则利用语音识别功能将语音转换为文字；
S63、若接收到的用户主动输入的第二问题是图像格式，则利用图像识别功能将图像转换为文字。
如上所述，用户输入的问题的格式可能是文字格式、语音格式或者图像格式，也可能是3种格式的组合，例如较为常见的，用户将生产问题截图或者拍照，配合文字描述一起输入，此时就需要对图片进行图像识别，转换为对应的文字信息。通过上述步骤，可以满足用户的多样化的输入需求，图片输入往往更加准确，使问题描述更加清楚、专业，方便后续步骤对该问题的处理，使答案更加准确。
在一个实施例中，所述对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度的步骤包括：
S64、将用户输入的第二问题的文字格式语句输入到预先训练好的神经网络模型中，得到表征问题语义的第一词向量，并提取关键词；
S65、在语料库中筛选具有至少一个相同关键词的所有问题语句，分别输入到预先训练好的神经网络模型中，得到每个问题语句对应的第二词向量；
S66、计算第一词向量和第二词向量之间的余弦相似度作为匹配度。
如上所述，可以将用户问句进行分词处理，提取关键词，然后利用预先训练好的神经网络模型将得到问题语句对应的词向量，这里预先训练好的神经网络模型可以是LTSM模型、Word2vec模型等。然后利用用户输入问题语句的关键词在语料库中进行检索，筛选具有至少一个相同关键词的问题语句，同样利用预先训练好的神经网络模型得到对应的词向量。利用模型得到的词向量可以表征问句的语义，计算词向量之间的余弦相似度即可获取语句的匹配度。可以利用公式：
计算用户输入问题语句与语料库中筛选问题语句的余弦相似度值，并判断所述余弦相似度值是否大于预设的相似度阈值；其中similarity为余弦相似度值，A为所述用户输入问题语句的词向量，B为所述语料库中筛选问题语句的词向量，Ai为所述用户输入问题语句的第i个单词出现的次数，Bi为所述预设文字文本的第i个单词出现的次数。当余弦相似度大于预设阈值时则判定匹配度高于预设阈值，余弦相似度不大于预设阈值，则判定匹配度不高于预设阈值。这里的匹配度是指用户输入的问题语句与语料库中相关语句之间的相似度。当similarity的值越接近于1，表明越匹配；越接近于0，表明越不匹配。
在一个具体的实施例中，所述减小所述第一问题对应的解决方案的可信度和所述减小所述第二问题对应的解决方案的可信度步骤之后还包括：
监测语料库中的问题对应的解决方案的可信度；
当语料库中问题对应的解决方案的可信度低于预设阈值时，将该问题和对应的解决方案转由人工处理；
将人工处理的问题和对应的解决方案更新到语料库中。
如上所述，如果语料库中问题对应的解决方案不能够解决用户的问题时，每接收到一次不能够解决问题的反馈则降低一定数量的该解决方案的可信度数值，当可信度数值低于预设阈值时，说明此解决方案的准确定较差，可以将该问题连带解决方案转由人工处理，然后将人工处理解决问题后的解决方案更新到语料库中，从而保证语料库中问答数据的准确性。语料库中所有问答数据对应一个相同的可信度初始值，在语料库中问题答案被采用并能够解决问题时，可信度提高，不能解决问题时，可信度降低。
在一个实施例中，所述获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中的步骤包括：
S1101、若所述第二问题和所述第三问题的匹配度不高于所述预设阈值，则直接将所述第二问题和对应的人工处理结果收录到语料库中；
S1102、若所述第二问题和所述第三问题的匹配度高于所述预设阈值，则将所述第二问题的人工处理结果和语料库中的所述第三问题进行整合，同时增加所述第三问题作为常见问题的权重。
如上所述，在用户的问题得到人工处理解决之后，进行人工处理的人员如运维人员或开发人员可以将问题和对应的解决方案输入到语料库中，以备以后有其他用户遇到相同问题时，可以直接检索到该问题和对应的解决方案。如果人工处理的问题是语料库中已有的问题而语料库中的解决方案不能够解决问题时，则将人工处理的解决方案添加到语料库中该问题的解决方案中。如果语料库中有多个类似的问题，则可以将这些问题整理归纳为一条问题，其对应的解决方案也可以归纳为一条解决方案。在用户遇到问题得到解决后，增加该问题作为常见问题的权重，用户遇到该问题次数越多说明此问题越常见，直到问题出现在常见问题列表里供用户直接选择并获取对应解决方案。在一个实施例中，与生产系统关联的语料库等均可以存储与区块链中，在区块链网络中实现如上所述的基于自然语言处理的生产系统上报问题处理方法。
如上所述，区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。
参照图2，本申请实施例中还提供一种基于自然语言处理的生产系统上报问题处理装置，包括：
选择接收模块1，用于接收选择生产系统种类的操作指令；
加载模块2，用于加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题；
第一展示模块3，用于若接收到选择所述常见问题中第一问题的操作指令，则直接展示语料库中所述第一问题对应的解决方案，并等待接收所述第一问题是否得到解决的反馈信息；
第一处理模块4，用于若接收到所述第一问题得到解决的反馈信息，则增加语料库中所述第一问题作为常见问题的权重，增加所述第一问题对应解决方案的可信度；
第二处理模块5，用于若接收到所述第一问题未得到解决的反馈信息，则减小所述第一问题对应的解决方案的可信度，并提示用户主动输入第二问题；
匹配模块6，用于接收用户主动输入的第二问题，对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度，获取语料库中与所述第二问题匹配度最高的第三问题；
第二展示模块7，用于若所述第二问题和所述第三问题的匹配度高于预设阈值，则展示语料库中所述第三问题的解决方案，并提示用户对所述第二问题是否得到解决进行反馈；
第三处理模块8，用于若接收到所述第二问题得到解决的反馈信息，则增加所述第三问题作为常见问题的权重，增加所述第三问题对应的解决方案的可信度；
第四处理模块9，用于若接收到所述第二问题未得到解决的反馈信息，则减小所述第三问题对应的解决方案的可信度；
第一转发模块10，用于若所述第二问题和所述第三问题的匹配度不高于预设阈值或接收到所述第二问题未得到解决的反馈信息，则将所述第二问题转发人工处理；
收录模块11，用于获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中。
在一个实施例中，所述基于自然语言处理的生产系统上报问题处理装置还包括：
保存模块，用于通过网络爬虫技术采集开放的问答数据保存在语料库中，以及接收人工录入的常见问答数据保存在语料库中；
获取模块，用于获取人工录入的常见问答数据的初始作为常见问题的权重系数；
去重模块，用于对采集到的开放的问答数据和人工录入的问答数据进行去重处理；
排序模块，用于按照初始作为常见问题的权重系数对问题进行排序并显示在所述常见问题列表中。
在一个实施例中，所述基于自然语言处理的生产系统上报问题处理装置还包括：
交互窗口生成模块，用于在所述常见问题列表之后生成“列表中的问题均无关”的交互窗口；
提示模块，用于若接收到用户选择所述交互窗口的操作指令，则提示用户主动输入其所遇到的问题。
在一个具体的实施例中，所述基于自然语言处理的生产系统上报问题处理装置还包括：
判断模块，用于判断所述第二问题的格式；
语音转换模块，用于若接收到的用户主动输入的第二问题是语音格式，则利用语音识别功能将语音转换为文字；
图像转换模块，用于若接收到的用户主动输入的第二问题是图像格式，则利用图像识别功能将图像转换为文字。
在一个实施例中，所述匹配模块6包括：
第一向量模块，用于将用户输入的第二问题的文字格式语句输入到预先训练好的神经网络模型中，得到表征问题语义的第一词向量，并提取关键词；
第二向量模块，用于在语料库中筛选具有至少一个相同关键词的所有问题语句，分别输入到预先训练好的神经网络模型中，得到每个问题语句对应的第二词向量；
计算模块，用于计算第一词向量和第二词向量之间的余弦相似度作为匹配度。
在一个具体的实施例中，所述基于自然语言处理的生产系统上报问题处理装置还包括：
可信度监测模块，用于所述基于自然语言处理的生产系统上报问题处理装置还包括：
第二转发模块，用于当语料库中问题对应的解决方案的可信度低于预设阈值时，将该问题和对应的解决方案转由人工处理；
更新模块，用于将人工处理的问题和对应的解决方案更新到语料库中。
在一个实施例中，所述收录模块11包括：
直接收录模块，用于若所述第二问题和所述第三问题的匹配度不高于所述预设阈值，则直接将所述第二问题和对应的人工处理结果收录到语料库中；
整合模块，用于若所述第二问题和所述第三问题的匹配度高于所述预设阈值，则将所述第二问题的人工处理结果和语料库中的所述第三问题进行整合，同时增加所述第三问题作为常见问题的权重。
如上所述，可以理解地，本申请中提出的所述基于自然语言处理的生产系统上报问题处理装置的各组成部分可以实现如上所述基于自然语言处理的生产系统上报问题处理方法任一项的功能，具体结构不再赘述。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于语料库中的问答数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于自然语言处理的生产系统上报问题处理方法。
上述处理器执行上述的基于自然语言处理的生产系统上报问题处理方法，包括：用户接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令；加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题；若接收到选择所述常见问题中第一问题的操作指令，则直接展示语料库中所述第一问题对应的解决方案，并等待接收所述第一问题是否得到解决的反馈信息；若接收到所述第一问题得到解决的反馈信息，则增加语料库中所述第一问题作为常见问题的权重，增加所述第一问题对应解决方案的可信度；若接收到所述第一问题未得到解决的反馈信息，则减小所述第一问题对应的解决方案的可信度，并提示用户主动输入第二问题；接收用户主动输入的第二问题，对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度，获取语料库中与所述第二问题匹配度最高的第三问题；若所述第二问题和所述第三问题的匹配度高于预设阈值，则展示语料库中所述第三问题的解决方案，并提示用户对所述第二问题是否得到解决进行反馈；若接收到所述第二问题得到解决的反馈信息，则增加所述第三问题作为常见问题的权重，增加所述第三问题对应的解决方案的可信度；若接收到所述第二问题未得到解决的反馈信息，则减小所述第三问题对应的解决方案的可信度；若所述第二问题和所述第三问题的匹配度不高于预设阈值或接收到所述第二问题未得到解决的反馈信息，则将所述第二问题转发人工处理；获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种基于自然语言处理的生产系统上报问题处理方法，包括步骤：用户接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令接收选择生产系统种类的操作指令；加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题；若接收到选择所述常见问题中第一问题的操作指令，则直接展示语料库中所述第一问题对应的解决方案，并等待接收所述第一问题是否得到解决的反馈信息；若接收到所述第一问题得到解决的反馈信息，则增加语料库中所述第一问题作为常见问题的权重，增加所述第一问题对应解决方案的可信度；若接收到所述第一问题未得到解决的反馈信息，则减小所述第一问题对应的解决方案的可信度，并提示用户主动输入第二问题；接收用户主动输入的第二问题，对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度，获取语料库中与所述第二问题匹配度最高的第三问题；若所述第二问题和所述第三问题的匹配度高于预设阈值，则展示语料库中所述第三问题的解决方案，并提示用户对所述第二问题是否得到解决进行反馈；若接收到所述第二问题得到解决的反馈信息，则增加所述第三问题作为常见问题的权重，增加所述第三问题对应的解决方案的可信度；若接收到所述第二问题未得到解决的反馈信息，则减小所述第三问题对应的解决方案的可信度；若所述第二问题和所述第三问题的匹配度不高于预设阈值或接收到所述第二问题未得到解决的反馈信息，则将所述第二问题转发人工处理；获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中。
上述执行的基于自然语言处理的生产系统上报问题处理方法，在用户选择生产系统种类后，为用户推荐常见问题并给出答案，并通过用户的反馈来提高语料库中问答数据的质量，在常见问题列表中没有用户的问题或者语料库中的答案不能够解决问题时，将用户的问题转发给人工处理，以后在面对同一个或同类问题时，都会由系统自动及时回复，从而给运维开发人员节省时间，也能给用户及时回复，减少邮件沟通处理的等待时间，提高生产效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于自然语言处理的生产系统上报问题处理方法，其特征在于，包括：
接收选择生产系统种类的操作指令；
加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题；
若接收到选择所述常见问题中第一问题的操作指令，则直接展示语料库中所述第一问题对应的解决方案，并等待接收所述第一问题是否得到解决的反馈信息；
若接收到所述第一问题得到解决的反馈信息，则增加语料库中所述第一问题作为常见问题的权重，增加所述第一问题对应解决方案的可信度；
若接收到所述第一问题未得到解决的反馈信息，则减小所述第一问题对应的解决方案的可信度，并提示用户主动输入第二问题；
接收用户主动输入的第二问题，对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度，获取语料库中与所述第二问题匹配度最高的第三问题；
若所述第二问题和所述第三问题的匹配度高于预设阈值，则展示语料库中所述第三问题的解决方案，并提示用户对所述第二问题是否得到解决进行反馈；
若接收到所述第二问题得到解决的反馈信息，则增加所述第三问题作为常见问题的权重，增加所述第三问题对应的解决方案的可信度；
若接收到所述第二问题未得到解决的反馈信息，则减小所述第三问题对应的解决方案的可信度；
若所述第二问题和所述第三问题的匹配度不高于预设阈值或接收到所述第二问题未得到解决的反馈信息，则将所述第二问题转发人工处理；
获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中。
2.根据权利要求1所述的基于自然语言处理的生产系统上报问题处理方法，其特征在于，所述加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题的步骤之前还包括：
通过网络爬虫技术采集开放的问答数据保存在语料库中，以及接收人工录入的常见问答数据保存在语料库中；
获取人工录入的常见问答数据的初始作为常见问题的权重系数；
对采集到的开放的问答数据和人工录入的问答数据进行去重处理；
按照初始作为常见问题的权重系数对问题进行排序并显示在所述常见问题列表中。
3.根据权利要求1所述的基于自然语言处理的生产系统上报问题处理方法，其特征在于，所述加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题的步骤之后还包括：
在所述常见问题列表之后生成“列表中的问题均无关”的交互窗口；
若接收到用户选择所述交互窗口的操作指令，则提示用户主动输入其所遇到的问题。
4.根据权利要求1所述的基于自然语言处理的生产系统上报问题处理方法，其特征在于，所述接收用户主动输入的第二问题的步骤之后包括：
判断所述第二问题的格式；
若接收到的用户主动输入的第二问题是语音格式，则利用语音识别功能将语音转换为文字；
若接收到的用户主动输入的第二问题是图像格式，则利用图像识别功能将图像转换为文字。
5.根据权利要求1所述的基于自然语言处理的生产系统上报问题处理方法，其特征在于，所述对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度的步骤包括：
将用户输入的第二问题的文字格式语句输入到预先训练好的神经网络模型中，得到表征问题语义的第一词向量，并提取关键词；
在语料库中筛选具有至少一个相同关键词的所有问题语句，分别输入到预先训练好的神经网络模型中，得到每个问题语句对应的第二词向量；
计算第一词向量和第二词向量之间的余弦相似度作为匹配度。
6.根据权利要求1所述的基于自然语言处理的生产系统上报问题处理方法，其特征在于，所述减小所述第一问题对应的解决方案的可信度和所述减小所述第二问题对应的解决方案的可信度步骤之后还包括：
监测语料库中的问题对应的解决方案的可信度；
当语料库中问题对应的解决方案的可信度低于预设阈值时，将该问题和对应的解决方案转由人工处理；
将人工处理的问题和对应的解决方案更新到语料库中。
7.根据权利要求1所述的基于自然语言处理的生产系统上报问题处理方法，其特征在于，所述获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中的步骤包括：
若所述第二问题和所述第三问题的匹配度不高于所述预设阈值，则直接将所述第二问题和对应的人工处理结果收录到语料库中；
若匹配度高于所述预设阈值，则将所述第二问题的人工处理结果和语料库中的所有匹配度高于预设阈值的问答数据进行整合并去重处理，同时增加所述第二问题作为常见问题的权重。
8.一种基于自然语言处理的生产系统上报问题处理装置，其特征在于，包括：
选择接收模块，用于接收选择生产系统种类的操作指令；
加载模块，用于加载与被选择的生产系统相关联的语料库，以列表形式展示语料库中的常见问题；
第一展示模块，用于若接收到选择所述常见问题中第一问题的操作指令，则直接展示语料库中所述第一问题对应的解决方案，并等待接收所述第一问题是否得到解决的反馈信息；
第一处理模块，用于若接收到所述第一问题得到解决的反馈信息，则增加语料库中所述第一问题作为常见问题的权重，增加所述第一问题对应解决方案的可信度；
第二处理模块，用于若接收到所述第一问题未得到解决的反馈信息，则减小所述第一问题对应的解决方案的可信度，并提示用户主动输入第二问题；
匹配模块，用于接收用户主动输入的第二问题，对所述第二问题和语料库中的所有问题进行智能语义分析，计算所述第二问题和语料库中的所有问题的语义匹配度，获取语料库中与所述第二问题匹配度最高的第三问题；
第二展示模块，用于若所述第二问题和所述第三问题的匹配度高于预设阈值，则展示语料库中所述第三问题的解决方案，并提示用户对所述第二问题是否得到解决进行反馈；
第三处理模块，用于若接收到所述第二问题得到解决的反馈信息，则增加所述第三问题作为常见问题的权重，增加所述第三问题对应的解决方案的可信度；
第四处理模块，用于若接收到所述第二问题未得到解决的反馈信息，则减小所述第三问题对应的解决方案的可信度；
第一转发模块，用于若所述第二问题和所述第三问题的匹配度不高于预设阈值或接收到所述第二问题未得到解决的反馈信息，则将所述第二问题转发人工处理；
收录模块，用于获取所述第二问题的人工处理结果，将所述第二问题和对应的人工处理结果收录到语料库中。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010905155.5A CN111984777A (zh) | 2020-09-01 | 2020-09-01 | 基于自然语言处理的生产系统上报问题处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010905155.5A CN111984777A (zh) | 2020-09-01 | 2020-09-01 | 基于自然语言处理的生产系统上报问题处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111984777A true CN111984777A (zh) | 2020-11-24 |
Family
ID=73447795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010905155.5A Pending CN111984777A (zh) | 2020-09-01 | 2020-09-01 | 基于自然语言处理的生产系统上报问题处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111984777A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104679910A (zh) * | 2015-03-25 | 2015-06-03 | 北京智齿博创科技有限公司 | 智能应答方法及系统 |
| CN105608221A (zh) * | 2016-01-11 | 2016-05-25 | 北京光年无限科技有限公司 | 一种面向问答系统的自学习方法和装置 |
| CN106339380A (zh) * | 2015-07-07 | 2017-01-18 | 阿里巴巴集团控股有限公司 | 常见问题信息的推荐方法及装置 |
| CN106886512A (zh) * | 2015-12-15 | 2017-06-23 | 腾讯科技（深圳）有限公司 | 文章分类方法和装置 |
| CN107229658A (zh) * | 2016-03-25 | 2017-10-03 | 阿里巴巴集团控股有限公司 | 问题反馈信息处理方法及装置 |
| CN108133045A (zh) * | 2018-01-12 | 2018-06-08 | 广州杰赛科技股份有限公司 | 关键词提取方法与系统、关键词提取模型生成方法与系统 |
| CN108733712A (zh) * | 2017-04-21 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 一种问答系统评价方法和装置 |
| CN109190111A (zh) * | 2018-08-07 | 2019-01-11 | 北京奇艺世纪科技有限公司 | 一种文档正文关键词提取方法及装置 |
| CN109189898A (zh) * | 2018-07-27 | 2019-01-11 | 北京新广视通科技有限公司 | 一种智能应答方法和系统 |
| CN110427476A (zh) * | 2019-08-07 | 2019-11-08 | 北京艾摩瑞策科技有限公司 | 涉及区块链的知识问答关联数据处理方法及其装置 |
| CN111324721A (zh) * | 2020-03-16 | 2020-06-23 | 云南电网有限责任公司信息中心 | 一种智能问答知识库的构建方法 |
| CN111444700A (zh) * | 2020-04-02 | 2020-07-24 | 山东山大鸥玛软件股份有限公司 | 一种基于语义文档表达的文本相似度量方法 |
-
2020
- 2020-09-01 CN CN202010905155.5A patent/CN111984777A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104679910A (zh) * | 2015-03-25 | 2015-06-03 | 北京智齿博创科技有限公司 | 智能应答方法及系统 |
| CN106339380A (zh) * | 2015-07-07 | 2017-01-18 | 阿里巴巴集团控股有限公司 | 常见问题信息的推荐方法及装置 |
| CN106886512A (zh) * | 2015-12-15 | 2017-06-23 | 腾讯科技（深圳）有限公司 | 文章分类方法和装置 |
| CN105608221A (zh) * | 2016-01-11 | 2016-05-25 | 北京光年无限科技有限公司 | 一种面向问答系统的自学习方法和装置 |
| CN107229658A (zh) * | 2016-03-25 | 2017-10-03 | 阿里巴巴集团控股有限公司 | 问题反馈信息处理方法及装置 |
| CN108733712A (zh) * | 2017-04-21 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 一种问答系统评价方法和装置 |
| CN108133045A (zh) * | 2018-01-12 | 2018-06-08 | 广州杰赛科技股份有限公司 | 关键词提取方法与系统、关键词提取模型生成方法与系统 |
| CN109189898A (zh) * | 2018-07-27 | 2019-01-11 | 北京新广视通科技有限公司 | 一种智能应答方法和系统 |
| CN109190111A (zh) * | 2018-08-07 | 2019-01-11 | 北京奇艺世纪科技有限公司 | 一种文档正文关键词提取方法及装置 |
| CN110427476A (zh) * | 2019-08-07 | 2019-11-08 | 北京艾摩瑞策科技有限公司 | 涉及区块链的知识问答关联数据处理方法及其装置 |
| CN111324721A (zh) * | 2020-03-16 | 2020-06-23 | 云南电网有限责任公司信息中心 | 一种智能问答知识库的构建方法 |
| CN111444700A (zh) * | 2020-04-02 | 2020-07-24 | 山东山大鸥玛软件股份有限公司 | 一种基于语义文档表达的文本相似度量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111026842B (zh) | 自然语言处理方法、自然语言处理装置及智能问答系统 | |
| US20120095955A1 (en) | Facilitating relationships and information transactions | |
| CN110019703B (zh) | 数据标记方法及装置、智能问答方法及系统 | |
| CN110516057B (zh) | 一种信访问题答复方法及装置 | |
| CN110851576A (zh) | 问答处理方法、装置、设备及可读介质 | |
| US11586618B2 (en) | Query parsing from natural language questions supported by captured subject matter knowledge | |
| CN114693215A (zh) | 采购请求处理方法、装置、计算机设备及存储介质 | |
| CN113656808A (zh) | 数据安全评估方法、装置、设备及存储介质 | |
| CN110689325A (zh) | 信息处理方法、装置及计算机可读存储介质 | |
| CN110175272A (zh) | 一种基于特征建模实现工单收敛的控制方法及控制装置 | |
| CN112347254A (zh) | 新闻文本的分类方法、装置、计算机设备和存储介质 | |
| CN116452212B (zh) | 一种智能客服商品知识库信息管理方法及系统 | |
| CN112884009A (zh) | 一种分类模型训练方法及系统 | |
| CN115809796B (zh) | 基于用户画像的项目智能派工方法及系统 | |
| CN111984777A (zh) | 基于自然语言处理的生产系统上报问题处理方法及装置 | |
| CN111310451A (zh) | 敏感词词典生成方法、装置及存储介质和电子设备 | |
| EP3996006A1 (en) | Debater system for collaborative discussions based on explainable predictions | |
| CN113312481A (zh) | 基于区块链的文本分类方法、装置、设备以及存储介质 | |
| CN113656545A (zh) | 智能面试方法、装置、计算机设备及存储介质 | |
| US20020194052A1 (en) | Method and system for analyzing application needs of an entity | |
| CN113157949A (zh) | 事件信息的抽取方法、装置、计算机设备及存储介质 | |
| CN113742456A (zh) | 基于人工智能的消息触达方法、装置、设备及存储介质 | |
| CN113064997A (zh) | 基于bert模型的意图分析方法、装置、设备及介质 | |
| CN116938999B (zh) | 一种基于grpc的多方信息传递及状态同步方法、系统及介质 | |
| CN115114495B (zh) | 基于深度学习的适航数据治理辅助方法及其系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201124 |
|
| RJ01 | Rejection of invention patent application after publication |