CN112115234A - 一种问题库分析方法和装置 - Google Patents
一种问题库分析方法和装置 Download PDFInfo
- Publication number
- CN112115234A CN112115234A CN202011041970.8A CN202011041970A CN112115234A CN 112115234 A CN112115234 A CN 112115234A CN 202011041970 A CN202011041970 A CN 202011041970A CN 112115234 A CN112115234 A CN 112115234A
- Authority
- CN
- China
- Prior art keywords
- database
- bank
- knowledge
- map database
- knowledge map
- 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
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
- G06F16/3331—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
- G06F16/35—Clustering; Classification
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种问题库分析方法和装置，该方法包括：采集历史批次问题库的原始问题及对应的问题解决方案数据；根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；获取问题描述进行自然语言处理分析，提取查询条件；根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。将企业内部所有的BUG缺陷等问题及对应的解决方案进行统一管理和积累，并及时更新，提升开发BUG闭环管理。
Description
技术领域
本发明涉及计算机数据处理技术领域，尤其涉及一种问题库分析方法和装置。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
现有银行等单位及企业的软件开发测试运维中出现的问题往往依靠单一模块开发人员解决。某些共性BUG、测试问题以及生产问题频繁出现，每次出现问题，排查都要从头开始，解决方法和技术缺乏共享。造成开发效率低，人员无法复用。
此外，各个产品之间问题库往往孤立，某些通用技术的问题解决方案缺乏共享，各个产品开发人员往往各自为战，其他产品的BUG解决问题的方案经验难以为我所用，造成解决方法和技术缺乏共享的现状。
因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。
发明内容
本发明实施例提供一种问题库分析方法，将企业内部所有的BUG缺陷等问题及对应的解决方案进行统一管理和积累，并及时更新，可以提升开发BUG闭环管理，该方法包括：
采集历史批次问题库的原始问题及对应的问题解决方案数据；
根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；
获取问题描述进行自然语言处理分析，提取查询条件；
根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；
根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；
将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。
本发明实施例还提供一种问题库分析装置，包括：
数据采集模块，用于采集历史批次问题库的原始问题及对应的问题解决方案数据；
知识图谱建立模块，用于根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；
语义处理模块，用于获取问题描述进行自然语言处理分析，提取查询条件；
知识图谱分析模块，用于根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；
知识图谱优化模块，用于根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；
知识图谱更新模块，用于将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种问题库分析方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述一种问题库分析方法的计算机程序。
本发明实施例提供的一种问题库分析方法和装置，首先采集历史批次问题库的原始问题及对应的问题解决方案数据；然后根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；接着获取问题描述进行自然语言处理分析，提取查询条件；继续根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；下一步根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；最后将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。本发明实施例通过使用自然语言处理技术对问题描述进行分析提取查询条件，同时利用人工智能中知识图谱自学习的方法建立问题库知识图谱数据库，通过查询条件匹配问题库知识图谱数据库得到问题解决方案，提升知识共享率，提高开发测试的工作效率；本发明将企业内部所有的BUG缺陷等问题及对应的解决方案进行统一管理和积累，并及时更新，可以提升开发BUG闭环管理，提升知识共享率，提高开发测试的工作效率；同时能够接收用户反馈，去除不相关结果，对知识图谱进行知识实时更新，优化问题展现，提升问题库的分析展示匹配度、满意度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例一种问题库分析方法示意图。
图2为本发明实施例一种问题库分析方法的实体、属性、关系示意图。
图3为运行本发明实施的一种问题库分析方法的计算机装置示意图。
图4为本发明实施例一种问题库分析装置示意图。
图5为本发明提供的一种问题库分析装置另一实施例关系流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1为本发明实施例一种问题库分析方法示意图，如图1所示，本发明实施例提供一种问题库分析方法，将企业内部所有的BUG缺陷等问题及对应的解决方案进行统一管理和积累，并及时更新，可以提升开发BUG闭环管理，该方法包括：
步骤101：采集历史批次问题库的原始问题及对应的问题解决方案数据；
步骤102：根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；
步骤103：获取问题描述进行自然语言处理分析，提取查询条件；
步骤104：根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；
步骤105：根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；
步骤106：将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。
本发明实施例提供的一种问题库分析方法，首先采集历史批次问题库的原始问题及对应的问题解决方案数据；然后根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；接着获取问题描述进行自然语言处理分析，提取查询条件；继续根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；下一步根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；最后将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。本发明实施例通过使用自然语言处理技术对问题描述进行分析提取查询条件，同时利用人工智能中知识图谱自学习的方法建立问题库知识图谱数据库，通过查询条件匹配问题库知识图谱数据库得到问题解决方案，提升知识共享率，提高开发测试的工作效率；本发明将企业内部所有的BUG缺陷等问题及对应的解决方案进行统一管理和积累，并及时更新，可以提升开发BUG闭环管理，提升知识共享率，提高开发测试的工作效率；同时能够接收用户反馈，去除不相关结果，对知识图谱进行知识实时更新，优化问题展现，提升问题库的分析展示匹配度、满意度。
具体实施本发明实施例提供的一种问题库分析方法时，可以包括：
采集历史批次问题库的原始问题及对应的问题解决方案数据；
根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；
获取问题描述进行自然语言处理分析，提取查询条件；
根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；
根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；
将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。
在本发明实施例中，自然语言处理(natural language processing，NLP)，即帮助计算机理解、使用人类语言，是人工智能和语言学领域的分支科学，主要包括自然语言理解和自然语言生成两个部分。目前，绝大部分的NLP问题可以归纳为四大任务：序列标注、分类任务、句子关系判断和生成式任务。
知识图谱是一种新颖的知识组织与检索技术，用于以符号形式描述物理世界中的概念及其相互关系，其基组成单位是“实体-关系-实体”三元组，以及“实体-属性值”对。实体之间通过关系相互联结，构成网状的知识图谱结构。
具体实施本发明实施例提供的一种问题库分析方法时，在一个实施例中，前述的根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库，包括：
对历史批次问题库的原始问题及对应的问题解决方案数据进行聚类分析，删除重复项，确定问题库分类数据；
对问题库分类数据进行语义处理，使用自然语言处理方法对语义处理后的问题库分类数据提取语干，生成系统属性CSV文件；
采集系统关键文件，预处理为统一的系统关系CSV文件；
根据系统属性CSV文件和系统关系CSV文件，建立问题库知识图谱数据库。
实施例中，在进行问题库中的问题进行分析之前，需要先建立问题库知识图谱数据库，具体包括：首先对历史批次问题库的原始问题及对应的问题解决方案数据进行聚类分析，删除重复项，实现数据的精简，确定问题库分类数据；然后对问题库分类数据进行语义处理，使用自然语言处理方法对语义处理后的问题库分类数据提取语干，生成系统属性CSV文件；接着采集系统关键文件，预处理为统一的系统关系CSV文件；最后根据系统属性CSV文件和系统关系CSV文件，建立问题库知识图谱数据库
实施例中，前述的对历史批次问题库的原始问题及对应的问题解决方案数据进行聚类分析，删除重复项，确定问题库分类数据，仅在在初始建立问题库知识图谱数据库时运行一次，后续仅需要用新收到的问题库问题实时更新对应系统属性即可。
实施例中，前述的采集系统关键文件，预处理为统一的系统关系CSV文件，仅在在初始建立问题库知识图谱数据库时运行一次，后续仅仅用增量关系文件更新即可。
具体实施本发明实施例提供的一种问题库分析方法时，在一个实施例中，前述的根据系统属性CSV文件和系统关系CSV文件，建立问题库知识图谱数据库，包括：
以OWL语言建立知识图谱关系模型；
将系统属性CSV文件和系统关系CSV文件导入知识图谱关系模型，把实体、属性、关系按照实体-关系-实体三元组和实体-属性值对的方式，建立问题库知识图谱数据库。
实施例中，在建立问题库知识图谱数据库，需要利用OWL语言，具体包括：首先，以OWL语言建立知识图谱关系模型，实现构建知识图谱，存储于图数据库中；然后，将系统属性CSV文件和系统关系CSV文件导入知识图谱关系模型，把实体、属性、关系按照实体-关系-实体三元组和实体-属性值对的方式，建立问题库知识图谱数据库。图2为本发明实施例一种问题库分析方法的实体、属性、关系示意图，如图2所示：实体，为系统名称；属性，包括架构分类(渠道、外围、平台、核心等)、生产线(C\COBOL\JAVA\PLSQL\WINDOWS\大数据\分布式)、模块名称、功能码、严重等级、问题描述、原因分析、解决方案；关系，为系统之间连接关系(联机：MQ\FTP\CD，批量)。
具体实施本发明实施例提供的一种问题库分析方法时，在一个实施例中，前述的获取问题描述进行自然语言处理分析，提取查询条件，包括：
从问题库中获取问题描述进行自然语言处理分析，提取查询条件，并打标分类。其中提取的查询条件，可以包括：查询实体、查询属性、查询关系。
具体实施本发明实施例提供的一种问题库分析方法时，在一个实施例中，前述的查询条件，包括：查询实体、查询属性、查询关系；
根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案，包括：
根据查询条件中的查询实体、查询属性、查询关系，在问题库知识图谱数据库中与实体-关系-实体三元组和实体-属性值对进行匹配，智能预测获得多个问题解决方案；
将多个问题解决方案按照匹配度由大至小排列，确定多个按照问题匹配度排序的问题解决方案。
实施例中，在在问题库知识图谱数据库中检索获得问题解决方案，具体可以包括：
首先，根据查询条件中的查询实体、查询属性、查询关系，在问题库知识图谱数据库中与实体-关系-实体三元组和实体-属性值对进行匹配查询，智能预测获得多个问题解决方案；
将多个问题解决方案按照匹配度由大至小排列，确定多个按照问题匹配度排序的问题解决方案。在一个实例中，取匹配度最相关的top10问题解决方案，并显示其对应的问题。
具体实施本发明实施例提供的一种问题库分析方法时，在一个实施例中，前述的根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新，主要包括：
用户在得到前述的多个按照问题匹配度排序的问题解决方案后，按照解决问题的需求，选取对应的问题解决方案，形成用户对对问题解决方案的反馈，此时根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，例如设定阈值为20％，匹配度低于20％的问题解决方案将被去除，将剩余的问题解决方案确定为展示问题解决方案，向用户继续展示，提升问题库的分析展示匹配度、满意度。然后，将展示问题解决方案与问题描述进行绑定，反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新，保证问题原因的准确率，提高问题分析的成功率，加速问题单处理的效率，提升知识共享率，提高开发测试的工作效率。
本发明实施例，利用NLP和知识图谱技术，构建一个基于知识图谱的问题库知识图谱数据库，提升知识共享率，提高开发测试的工作效率。将一个企业内部所有的BUG缺陷进行统一管理和积累，并及时更新。提升开发BUG闭环管理。通过使用NLP(自然语言处理)技术对问题单描述进行分词打标分类处理。同时利用人工智能技术，通过知识图谱自学习的方法建立和管理智能问题库分析系统。可以智能预测用户可能需要查询的问题，自动匹配最相关的top10问题原因分析及解决方案。此外还接收用户反馈，屏蔽不相关的问题展示。这样可以保证问题原因的准确率，提高问题分析的成功率，加速问题单处理的效率，提升知识共享率，提高开发测试的工作效率。利用此方法可以将一个企业内部所有的BUG缺陷进行统一管理和积累，并及时更新。
图3为运行本发明实施的一种问题库分析方法的计算机装置示意图，如图3所示，本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种问题库分析方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行实现上述一种问题库分析方法的计算机程序。
本发明实施例中还提供了一种问题库分析装置，如下面的实施例所述。由于该装置解决问题的原理与一种问题库分析方法相似，因此该装置的实施可以参见一种问题库分析方法的实施，重复之处不再赘述。
图4为本发明实施例一种问题库分析装置示意图，如图4所示，本发明实施例还提供一种问题库分析装置，具体实施时可以包括：
数据采集模块401，用于采集历史批次问题库的原始问题及对应的问题解决方案数据；
知识图谱建立模块402，用于根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；
语义处理模块403，用于获取问题描述进行自然语言处理分析，提取查询条件；
知识图谱分析模块404，用于根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；
知识图谱优化模块405，用于根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；
知识图谱更新模块406，用于将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。
具体实施本发明实施例提供的一种问题库分析装置时，在一个实施例中，前述的知识图谱建立模块，具体用于：
对历史批次问题库的原始问题及对应的问题解决方案数据进行聚类分析，删除重复项，确定问题库分类数据；
对问题库分类数据进行语义处理，使用自然语言处理方法对语义处理后的问题库分类数据提取语干，生成系统属性CSV文件；
采集系统关键文件，预处理为统一的系统关系CSV文件；
根据系统属性CSV文件和系统关系CSV文件，建立问题库知识图谱数据库。
具体实施本发明实施例提供的一种问题库分析装置时，在一个实施例中，前述的知识图谱建立模块，还用于：
以OWL语言建立知识图谱关系模型；
将系统属性CSV文件和系统关系CSV文件导入知识图谱关系模型，把实体、属性、关系按照实体-关系-实体三元组和实体-属性值对的方式，建立问题库知识图谱数据库。
具体实施本发明实施例提供的一种问题库分析装置时，在一个实施例中，前述的查询条件，包括：查询实体、查询属性、查询关系；
知识图谱分析模块，具体用于；
根据查询条件中的查询实体、查询属性、查询关系，在问题库知识图谱数据库中与实体-关系-实体三元组和实体-属性值对进行匹配，智能预测获得多个问题解决方案；
将多个问题解决方案按照匹配度由大至小排列，确定多个按照问题匹配度排序的问题解决方案。
图5为本发明提供的一种问题库分析装置另一实施例关系流程图，如图5所示，本发明还提供一种问题库分析装置另一实施例，包括：
知识图谱构建模块：采集历史批次问题库的原始问题及对应的问题解决方案数据，以OWL语言建立知识图谱关系模型，进行构建问题库知识图谱数据库，并存储于图数据库中；
语义处理模块：对问题库中的问题描述进行自然语言分析处理，提取出查询的条件，如实体、属性和关系，并打标分类；
知识图谱分析模块：通过实体、属性、关系对问题库知识图谱数据库进行查询，智能预测用户可能需要查询的问题，自动匹配最相关的top10问题原因分析及解决方案；
知识图谱优化模块：接收用户反馈，屏蔽不相关的问题展示，提升问题库的分析展示匹配度、满意度；对知识图谱进行知识更新。
综上，本发明实施例提供的一种问题库分析方法和装置，首先采集历史批次问题库的原始问题及对应的问题解决方案数据；然后根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；接着获取问题描述进行自然语言处理分析，提取查询条件；继续根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；下一步根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；最后将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。本发明实施例通过使用自然语言处理技术对问题描述进行分析提取查询条件，同时利用人工智能中知识图谱自学习的方法建立问题库知识图谱数据库，通过查询条件匹配问题库知识图谱数据库得到问题解决方案，提升知识共享率，提高开发测试的工作效率；本发明将企业内部所有的BUG缺陷等问题及对应的解决方案进行统一管理和积累，并及时更新，可以提升开发BUG闭环管理，提升知识共享率，提高开发测试的工作效率；同时能够接收用户反馈，去除不相关结果，对知识图谱进行知识实时更新，优化问题展现，提升问题库的分析展示匹配度、满意度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种问题库分析方法，其特征在于，包括：
采集历史批次问题库的原始问题及对应的问题解决方案数据；
根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；
获取问题描述进行自然语言处理分析，提取查询条件；
根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；
根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；
将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。
2.如权利要求1所述的方法，其特征在于，根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库，包括：
对历史批次问题库的原始问题及对应的问题解决方案数据进行聚类分析，删除重复项，确定问题库分类数据；
对问题库分类数据进行语义处理，使用自然语言处理方法对语义处理后的问题库分类数据提取语干，生成系统属性CSV文件；
采集系统关键文件，预处理为统一的系统关系CSV文件；
根据系统属性CSV文件和系统关系CSV文件，建立问题库知识图谱数据库。
3.如权利要求2所述的方法，其特征在于，根据系统属性CSV文件和系统关系CSV文件，建立问题库知识图谱数据库，包括：
以OWL语言建立知识图谱关系模型；
将系统属性CSV文件和系统关系CSV文件导入知识图谱关系模型，把实体、属性、关系按照实体-关系-实体三元组和实体-属性值对的方式，建立问题库知识图谱数据库。
4.如权利要求3所述的方法，其特征在于，查询条件，包括：查询实体、查询属性、查询关系；
根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案，包括：
根据查询条件中的查询实体、查询属性、查询关系，在问题库知识图谱数据库中与实体-关系-实体三元组和实体-属性值对进行匹配，智能预测获得多个问题解决方案；
将多个问题解决方案按照匹配度由大至小排列，确定多个按照问题匹配度排序的问题解决方案。
5.一种问题库分析装置，其特征在于，包括：
数据采集模块，用于采集历史批次问题库的原始问题及对应的问题解决方案数据；
知识图谱建立模块，用于根据历史批次问题库的原始问题及对应的问题解决方案数据，建立问题库知识图谱数据库；
语义处理模块，用于获取问题描述进行自然语言处理分析，提取查询条件；
知识图谱分析模块，用于根据查询条件在问题库知识图谱数据库中检索，获得多个按照问题匹配度排序的问题解决方案；
知识图谱优化模块，用于根据用户对问题解决方案的反馈，去除匹配度低于设定阈值的问题解决方案，确定展示问题解决方案；
知识图谱更新模块，用于将展示问题解决方案与问题描述反馈至问题库知识图谱数据库，对问题库知识图谱数据库进行更新。
6.如权利要求5所述的装置，其特征在于，知识图谱建立模块，具体用于：
对历史批次问题库的原始问题及对应的问题解决方案数据进行聚类分析，删除重复项，确定问题库分类数据；
对问题库分类数据进行语义处理，使用自然语言处理方法对语义处理后的问题库分类数据提取语干，生成系统属性CSV文件；
采集系统关键文件，预处理为统一的系统关系CSV文件；
根据系统属性CSV文件和系统关系CSV文件，建立问题库知识图谱数据库。
7.如权利要求6所述的装置，其特征在于，知识图谱建立模块，还用于：
以OWL语言建立知识图谱关系模型；
将系统属性CSV文件和系统关系CSV文件导入知识图谱关系模型，把实体、属性、关系按照实体-关系-实体三元组和实体-属性值对的方式，建立问题库知识图谱数据库。
8.如权利要求7所述的装置，其特征在于，查询条件，包括：查询实体、查询属性、查询关系；
知识图谱分析模块，具体用于；
根据查询条件中的查询实体、查询属性、查询关系，在问题库知识图谱数据库中与实体-关系-实体三元组和实体-属性值对进行匹配，智能预测获得多个问题解决方案；
将多个问题解决方案按照匹配度由大至小排列，确定多个按照问题匹配度排序的问题解决方案。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述方法。
10.一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存储有执行实现权利要求1至4任一项所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011041970.8A CN112115234A (zh) | 2020-09-28 | 2020-09-28 | 一种问题库分析方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011041970.8A CN112115234A (zh) | 2020-09-28 | 2020-09-28 | 一种问题库分析方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112115234A true CN112115234A (zh) | 2020-12-22 |
Family
ID=73798279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011041970.8A Pending CN112115234A (zh) | 2020-09-28 | 2020-09-28 | 一种问题库分析方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112115234A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112948547A (zh) * | 2021-01-26 | 2021-06-11 | 中国石油大学(北京) | 测井知识图谱构建查询方法、装置、设备及存储介质 |
| CN113095794A (zh) * | 2021-04-30 | 2021-07-09 | 中国工商银行股份有限公司 | 基于马尔科夫链的生产问题检查方法及装置 |
| CN114896418A (zh) * | 2022-05-23 | 2022-08-12 | 中国第一汽车股份有限公司 | 知识图谱构建方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109213854A (zh) * | 2018-09-05 | 2019-01-15 | 平安科技（深圳）有限公司 | 知识图谱信息管理方法、装置、计算机设备及存储介质 |
| CN110427478A (zh) * | 2019-08-12 | 2019-11-08 | 南京邮电大学 | 一种基于知识图谱的问答搜索方法及系统 |
| CN110457442A (zh) * | 2019-08-09 | 2019-11-15 | 国家电网有限公司 | 面向智能电网客服问答的知识图谱构建方法 |
| CN111309877A (zh) * | 2018-12-12 | 2020-06-19 | 北京文因互联科技有限公司 | 一种基于知识图谱的智能问答方法及系统 |
| CN111460085A (zh) * | 2020-04-17 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 基于图结构的知识点推荐方法及装置 |
-
2020
- 2020-09-28 CN CN202011041970.8A patent/CN112115234A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109213854A (zh) * | 2018-09-05 | 2019-01-15 | 平安科技（深圳）有限公司 | 知识图谱信息管理方法、装置、计算机设备及存储介质 |
| CN111309877A (zh) * | 2018-12-12 | 2020-06-19 | 北京文因互联科技有限公司 | 一种基于知识图谱的智能问答方法及系统 |
| CN110457442A (zh) * | 2019-08-09 | 2019-11-15 | 国家电网有限公司 | 面向智能电网客服问答的知识图谱构建方法 |
| CN110427478A (zh) * | 2019-08-12 | 2019-11-08 | 南京邮电大学 | 一种基于知识图谱的问答搜索方法及系统 |
| CN111460085A (zh) * | 2020-04-17 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 基于图结构的知识点推荐方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112948547A (zh) * | 2021-01-26 | 2021-06-11 | 中国石油大学(北京) | 测井知识图谱构建查询方法、装置、设备及存储介质 |
| CN112948547B (zh) * | 2021-01-26 | 2024-04-09 | 中国石油大学(北京) | 测井知识图谱构建查询方法、装置、设备及存储介质 |
| CN113095794A (zh) * | 2021-04-30 | 2021-07-09 | 中国工商银行股份有限公司 | 基于马尔科夫链的生产问题检查方法及装置 |
| CN114896418A (zh) * | 2022-05-23 | 2022-08-12 | 中国第一汽车股份有限公司 | 知识图谱构建方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rausch et al. | An empirical analysis of build failures in the continuous integration workflows of java-based open-source software | |
| CN112115234A (zh) | 一种问题库分析方法和装置 | |
| CN112612902A (zh) | 一种电网主设备的知识图谱构建方法及设备 | |
| EP3788560A1 (en) | Systems and methods for enriching modeling tools and infrastructure with semantics | |
| CN105160038A (zh) | 一种基于审计知识库的数据分析方法及系统 | |
| CN106815125A (zh) | 一种日志审计方法及平台 | |
| CN107748782A (zh) | 查询语句处理方法及装置 | |
| CN112580831A (zh) | 一种基于知识图谱的电力通信网智能辅助运维方法及系统 | |
| CN108985981A (zh) | 数据处理系统及方法 | |
| CN113220907B (zh) | 业务知识图谱的构建方法及装置、介质、电子设备 | |
| CN109828886B (zh) | 一种容器云环境下的ci/cd监控方法和系统 | |
| CN112287603A (zh) | 一种基于机器学习的预测模型构建方法、装置和电子设备 | |
| CN114443854A (zh) | 多源异构数据的处理方法、装置、计算机设备及存储介质 | |
| CN114461644A (zh) | 一种数据采集方法、装置、电子设备及存储介质 | |
| CN114201328A (zh) | 基于人工智能的故障处理方法、装置、电子设备及介质 | |
| CN113535831A (zh) | 一种基于大数据的报表分析方法、装置、设备和介质 | |
| CN112231391A (zh) | 一种基于云计算的大数据信息分析系统 | |
| CN117592450A (zh) | 基于员工信息整合的全景档案生成方法及系统 | |
| CN108089871A (zh) | 软件自动更新方法、装置、设备及存储介质 | |
| CN116756373A (zh) | 基于知识图谱更新的项目评审专家筛选方法、系统及介质 | |
| Fairbanks et al. | Analyzing the Effects of CI/CD on Open Source Repositories in GitHub and GitLab | |
| CN116010662A (zh) | 一种能源消费-碳排放查询系统的构建方法、装置及介质 | |
| CN109033196A (zh) | 一种分布式数据调度系统及方法 | |
| CN115795046A (zh) | 数据加工方法、装置、系统、电子设备和存储介质 | |
| CN108763273A (zh) | 一种高寒草地数据处理方法及管理系统 |
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 |