CN112733011A - 一种信息咨询用自推荐系统 - Google Patents

Abstract

本发明公开了一种信息咨询用自推荐系统，包括客户咨询单元、咨询提取单元、云存储单元、客服数据处理单元、客服推荐单元和智能设备；客户咨询单元用于用户输入需要咨询的相关信息，并将客户需要咨询的相关信息标定为咨询信息，并将其传输至咨询提取单元，咨询提取单元获取咨询信息，将咨询单元内的每一个字符进行字符标记，从而得到一个咨询信息的标记字符，本发明通过客服数据处理单元从云存储单元内获取记录客服信息，将记录客服信息内客服的种类标定为记录种类数据；将记录客服信息与咨询类别数据进行数据处理操作，增加数据分析的精确性，增加数据的说服力度，从而增加用户的使用频率，提高工作效率。

Description

一种信息咨询用自推荐系统

技术领域

本发明涉及咨询推荐技术领域，具体为一种信息咨询用自推荐系统。

背景技术

信息咨询是一种基于各种信息的收集、加工、传递有效利用和反馈的业务活动。信息咨询业是通过利用各种信息处理技术，对各类信息开展搜集、加工、整理、分析、传递，向客户提供解决问题的方案、策略、建议、规划或措施等信息产品的知识型产业。它的服务领域几乎涉及社会、经济的每个方面，包括所有可能的学科范围，从政策研究到高度专业性的工程服务和技术开发的调研，通过咨询途径可以获取新技术、最大限度地降低经营成本；寻找最合适的合作伙伴，进行有力的广告宣传，提高企业的竞争力，减少风险。

目前，对于信息咨询相关的系统而言，只是在相应的网站上进行一个客服设置，且客服只是负责一些简单的问题询问，然后就开始了推销拉客户的操作，且每个平台一般只设定一个对应客服，人们无法了解客户的对口专业，也无法正确的引导客户了解问题所在，无法起到真正的咨询服务，为此，我们提出一种信息咨询用自推荐系统。

发明内容

本发明的目的在于提供一种信息咨询用自推荐系统，用于解决上述问题。

本发明的目的可以通过以下技术方案实现：一种信息咨询用自推荐系统，包括客户咨询单元、咨询提取单元、云存储单元、客服数据处理单元、客服推荐单元和智能设备；

客户咨询单元用于用户输入需要咨询的相关信息，并将客户需要咨询的相关信息标定为咨询信息，并将其传输至咨询提取单元；

咨询提取单元获取咨询信息，将咨询单元内的每一个字符进行字符标记，从而得到一个咨询信息的标记字符，并将其标定为咨询字符数据；

云存储单元内存储有记录信息，咨询提取单元获取记录信息，将记录信息内咨询信息的具体内容进行数据分类，并将每个种类标定为对应的类别数据，将记录信息内的类别数据对应的文字描述标定为定义数据，将记录信息内的字符组合标定为记录字符组；

将咨询字符数据、定义数据和类别数据在咨询提取单元内进行类别匹配，得到咨询类别数据，并将其传输至客服数据处理单元；

云存储单元内还存储有记录客服信息，客服数据处理单元从云存储单元内获取记录客服信息，将记录客服信息内客服的种类标定为记录种类数据，将记录客服信息内客服的代码标定为客服名数据，将记录客服信息内客服的服务总次数标定为服务次数数据，将记录客服信息内服务对应服务所消耗的时间标定为时间数据，将记录客服信息内客户对客服的评价内容标定为评价内容数据；

将记录客服信息与咨询类别数据进行数据处理操作，得到服务次数排序、时间排序和评价态度数据，并将其传输至客服推荐单元；

客服推荐单元获取评价态度数据，将评价内容数据对应的评价态度数据进行次数统计，从而得到合格次数和不合格次数，并将其分别带入到计算式：合格占比＝合格次数/(合格次数+不合格次数)，不合格占比＝不合格次数/(合格次数+不合格次数)，从而计算出合格占比和不合格占比，分别设定一个合格占比和不合格占比对应的统计值转化影响因子，并将其带入到计算式：统计值＝合格占比*合格转化影响因子+不合格占比*不合格转化影响因子，依据统计值对客服名数据进行从大到小的排序，从而得到一个统计值排序；

获取统计值排序、服务次数排序和时间排序，并对其进行排序赋值，即将排序第一的客服名数据赋予FG1个分值点，将排序第二的客服名数据赋予FG2个分值点，依次进行赋值；

获取客服名数据，将客服名数据在统计值排序、服务次数排序和时间排序中的排序提取出来，并将提取的赋值进行求和计算，从而得出总值数据，将总值数据进行从大到小的排序，从而得到一个推荐排序，并将推荐排序传输至智能设备；

智能设备接收推荐排序，并选取出推荐排序中排在第一位的客服名数据进行提取，将其标定为推荐客服，并提醒客户。

作为本发明的进一步改进方案：类别匹配的具体过程为：

步骤一：获取定义数据，将定义数据中的文字进行定义字符标记，并将定义字符进行组合，具体为：将第一个字符和第二个字符进行组合，或将第一个字符、第二个字符和第三个字符进行组合，或将第二个字符和第三个字符进行组合，从而形成若干个字符组，并将字符组标定为标准字符组；

步骤二：获取咨询字符数据以及标准字符组，将标准字符组与咨询字符数据进行匹配，从而匹配出与标准字符组相对应的字符组，并将该字符组标定为识别字符组；

步骤三：获取识别字符组，并依据识别字符组对应的类别数据对识别字符组的种类进行识别，从而识别到对应的每个种类对应的识别字符组的个数，将其标定为种类数量数据，将种类数量除以一个总的识别字符组的个数，从而得到一个类别占比，反复计算，从而得到若干个类别占比；

步骤四：提取上述步骤三中的若干个类别占比，并将该若干个类别占比进行从大到小的排序，从而得到一个类别占比排序，选取出类别占比排序中排序第一的类别数据，并将其该类别数据标定为咨询类别数据；

步骤五：提取上述步骤四中的咨询类别数据。

作为本发明的进一步改进方案：数据处理操作的具体操作过程为：

K1：获取咨询类别数据，并将其与记录客服信息进行数据匹配，选取出记录种类数据，将记录种类与咨询类别数据进行匹配，匹配出与咨询类别数据对应的记录种类数据，将其标定为处理种类；

K2：选取出处理种类对应的客服名数据，并依据客服名数据提取对应的服务次数数据、时间数据和评价内容数据；

K3：提取服务次数数据和时间数据,设定一个有效时间段，选取该时间段内的服务次数数据和时间数据，将服务次数数据从大到小的方法进行排序，从而得到一个服务次数排序，将时间数据从小到大进行排序，从而得到一个时间排序；

K4：提取评价内容数据，设定一个优秀关键词组和一个恶劣关键词组，将两个对应的关键词组与评价内容数据进行关键词匹配，从而得到每个评价内容数据内的优秀关键词组和恶劣关键词组所占的个数，将优秀关键词组和恶劣关键词组所占的个数进行对比，选取出多的一方，将其标记为评价态度数据，评价态度包括合格和不合格，分别与优秀关键词组和恶劣关键词组相对应；

K5：提取上述K3和K4中的服务次数排序、时间排序和评价态度数据。

本发明的有益效果：

(1)通过客户咨询单元让用户输入需要咨询的相关信息，并将客户需要咨询的相关信息标定为咨询信息，并将其传输至咨询提取单元；咨询提取单元获取咨询信息，将咨询单元内的每一个字符进行字符标记，从而得到一个咨询信息的标记字符，并将其标定为咨询字符数据；云存储单元内存储有记录信息，咨询提取单元获取记录信息，将记录信息内咨询信息的具体内容进行数据分类，并将每个种类标定为对应的类别数据，将记录信息内的类别数据对应的文字描述标定为定义数据，将记录信息内的字符组合标定为记录字符组；将咨询字符数据、定义数据和类别数据在咨询提取单元内进行类别匹配，快速对用户输入的相关信息进行识别，从而准确的判断出用户所需要咨询的类别，从而节省人为分析的时间，提高工作效率。

(2)通过客服数据处理单元从云存储单元内获取记录客服信息，将记录客服信息内客服的种类标定为记录种类数据，将记录客服信息内客服的代码标定为客服名数据，将记录客服信息内客服的服务总次数标定为服务次数数据，将记录客服信息内服务对应服务所消耗的时间标定为时间数据，将记录客服信息内客户对客服的评价内容标定为评价内容数据；将记录客服信息与咨询类别数据进行数据处理操作，增加数据分析的精确性，增加数据的说服力度，从而增加用户的使用频率，提高工作效率。

(3)通过客服推荐单元获取评价态度数据，将评价内容数据对应的评价态度数据进行次数统计，从而得到合格次数和不合格次数，并将其分别带入到计算式，从而计算出合格占比和不合格占比，分别设定一个合格占比和不合格占比对应的统计值转化影响因子，并将其带入到计算式，从而得到一个统计值排序；获取统计值排序、服务次数排序和时间排序，并对其进行排序赋值，将客服名数据在统计值排序、服务次数排序和时间排序中的排序提取出来，并将提取的赋值进行求和计算，从而得出总值数据，将总值数据进行从大到小的排序，从而得到一个推荐排序，并将推荐排序传输至智能设备；智能设备接收推荐排序，并选取出推荐排序中排在第一位的客服名数据进行提取，将其标定为推荐客服，同时提醒客户；快速判断出符合用户的客服，客观公正的进行客服推荐，提供客户需要的相关咨询，提高客户的满意度。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种信息咨询用自推荐系统，包括客户咨询单元、咨询提取单元、云存储单元、客服数据处理单元、客服推荐单元和智能设备；

客户咨询单元用于用户输入需要咨询的相关信息，并将客户需要咨询的相关信息标定为咨询信息，并将其传输至咨询提取单元；

咨询提取单元获取咨询信息，将咨询单元内的每一个字符进行字符标记，从而得到一个咨询信息的标记字符，并将其标定为咨询字符数据；

云存储单元内存储有记录信息，咨询提取单元获取记录信息，将记录信息内咨询信息的具体内容进行数据分类，并将每个种类标定为对应的类别数据，将记录信息内的类别数据对应的文字描述标定为定义数据，将记录信息内的字符组合标定为记录字符组；

将咨询字符数据、定义数据和类别数据在咨询提取单元内进行类别匹配，类别匹配的具体过程为：

步骤一：获取定义数据，将定义数据中的文字进行定义字符标记，并将定义字符进行组合，具体为：将第一个字符和第二个字符进行组合，或将第一个字符、第二个字符和第三个字符进行组合，或将第二个字符和第三个字符进行组合，从而形成若干个字符组，并将字符组标定为标准字符组；

步骤二：获取咨询字符数据以及标准字符组，将标准字符组与咨询字符数据进行匹配，从而匹配出与标准字符组相对应的字符组，并将该字符组标定为识别字符组；

步骤三：获取识别字符组，并依据识别字符组对应的类别数据对识别字符组的种类进行识别，从而识别到对应的每个种类对应的识别字符组的个数，将其标定为种类数量数据，将种类数量除以一个总的识别字符组的个数，从而得到一个类别占比，反复计算，从而得到若干个类别占比；

步骤四：提取上述步骤三中的若干个类别占比，并将该若干个类别占比进行从大到小的排序，从而得到一个类别占比排序，选取出类别占比排序中排序第一的类别数据，并将其该类别数据标定为咨询类别数据；

步骤五：提取上述步骤四中的咨询类别数据，并将其传输至客服数据处理单元；

云存储单元内还存储有记录客服信息，客服数据处理单元从云存储单元内获取记录客服信息，将记录客服信息内客服的种类标定为记录种类数据，将记录客服信息内客服的代码标定为客服名数据，将记录客服信息内客服的服务总次数标定为服务次数数据，将记录客服信息内服务对应服务所消耗的时间标定为时间数据，将记录客服信息内客户对客服的评价内容标定为评价内容数据；

将记录客服信息与咨询类别数据进行数据处理操作，数据处理操作的具体操作过程为：

K1：获取咨询类别数据，并将其与记录客服信息进行数据匹配，选取出记录种类数据，将记录种类与咨询类别数据进行匹配，匹配出与咨询类别数据对应的记录种类数据，将其标定为处理种类；

K2：选取出处理种类对应的客服名数据，并依据客服名数据提取对应的服务次数数据、时间数据和评价内容数据；

K3：提取服务次数数据和时间数据,设定一个有效时间段，选取该时间段内的服务次数数据和时间数据，将服务次数数据从大到小的方法进行排序，从而得到一个服务次数排序，将时间数据从小到大进行排序，从而得到一个时间排序；

K4：提取评价内容数据，设定一个优秀关键词组和一个恶劣关键词组，将两个对应的关键词组与评价内容数据进行关键词匹配，从而得到每个评价内容数据内的优秀关键词组和恶劣关键词组所占的个数，将优秀关键词组和恶劣关键词组所占的个数进行对比，选取出多的一方，将其标记为评价态度数据，评价态度包括合格和不合格，分别与优秀关键词组和恶劣关键词组相对应；

K5：提取上述K3和K4中的服务次数排序、时间排序和评价态度数据，并将其传输至客服推荐单元；

客服推荐单元获取评价态度数据，将评价内容数据对应的评价态度数据进行次数统计，从而得到合格次数和不合格次数，并将其分别带入到计算式：合格占比＝合格次数/(合格次数+不合格次数)，不合格占比＝不合格次数/(合格次数+不合格次数)，从而计算出合格占比和不合格占比，分别设定一个合格占比和不合格占比对应的统计值转化影响因子，并将其带入到计算式：统计值＝合格占比*合格转化影响因子+不合格占比*不合格转化影响因子，依据统计值对客服名数据进行从大到小的排序，从而得到一个统计值排序；

获取统计值排序、服务次数排序和时间排序，并对其进行排序赋值，即将排序第一的客服名数据赋予FG1个分值点，将排序第二的客服名数据赋予FG2个分值点，依次进行赋值；

获取客服名数据，将客服名数据在统计值排序、服务次数排序和时间排序中的排序提取出来，并将提取的赋值进行求和计算，从而得出总值数据，将总值数据进行从大到小的排序，从而得到一个推荐排序，并将推荐排序传输至智能设备；

智能设备接收推荐排序，并选取出推荐排序中排在第一位的客服名数据进行提取，将其标定为推荐客服，并提醒客户。

本发明在工作时，通过客户咨询单元让用户输入需要咨询的相关信息，并将客户需要咨询的相关信息标定为咨询信息，并将其传输至咨询提取单元；咨询提取单元获取咨询信息，将咨询单元内的每一个字符进行字符标记，从而得到一个咨询信息的标记字符，并将其标定为咨询字符数据；云存储单元内存储有记录信息，咨询提取单元获取记录信息，将记录信息内咨询信息的具体内容进行数据分类，并将每个种类标定为对应的类别数据，将记录信息内的类别数据对应的文字描述标定为定义数据，将记录信息内的字符组合标定为记录字符组；将咨询字符数据、定义数据和类别数据在咨询提取单元内进行类别匹配，得到咨询类别数据，并将其传输至客服数据处理单元；云存储单元内还存储有记录客服信息，客服数据处理单元从云存储单元内获取记录客服信息，将记录客服信息内客服的种类标定为记录种类数据，将记录客服信息内客服的代码标定为客服名数据，将记录客服信息内客服的服务总次数标定为服务次数数据，将记录客服信息内服务对应服务所消耗的时间标定为时间数据，将记录客服信息内客户对客服的评价内容标定为评价内容数据；将记录客服信息与咨询类别数据进行数据处理操作，得到服务次数排序、时间排序和评价态度数据，并将其传输至客服推荐单元；客服推荐单元获取评价态度数据，将评价内容数据对应的评价态度数据进行次数统计，从而得到合格次数和不合格次数，并将其分别带入到计算式：合格占比＝合格次数/(合格次数+不合格次数)，不合格占比＝不合格次数/(合格次数+不合格次数)，从而计算出合格占比和不合格占比，分别设定一个合格占比和不合格占比对应的统计值转化影响因子，并将其带入到计算式：统计值＝合格占比*合格转化影响因子+不合格占比*不合格转化影响因子，依据统计值对客服名数据进行从大到小的排序，从而得到一个统计值排序；获取统计值排序、服务次数排序和时间排序，并对其进行排序赋值，即将排序第一的客服名数据赋予FG1个分值点，将排序第二的客服名数据赋予FG2个分值点，依次进行赋值；获取客服名数据，将客服名数据在统计值排序、服务次数排序和时间排序中的排序提取出来，并将提取的赋值进行求和计算，从而得出总值数据，将总值数据进行从大到小的排序，从而得到一个推荐排序，并将推荐排序传输至智能设备；智能设备接收推荐排序，并选取出推荐排序中排在第一位的客服名数据进行提取，将其标定为推荐客服，并提醒客户。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (3)

1.一种信息咨询用自推荐系统，其特征在于，包括客户咨询单元、咨询提取单元、云存储单元、客服数据处理单元、客服推荐单元和智能设备；

客户咨询单元用于用户输入需要咨询的相关信息，并将客户需要咨询的相关信息标定为咨询信息，并将其传输至咨询提取单元；

咨询提取单元获取咨询信息，将咨询单元内的每一个字符进行字符标记，从而得到一个咨询信息的标记字符，并将其标定为咨询字符数据；

云存储单元内存储有记录信息，咨询提取单元获取记录信息，将记录信息内咨询信息的具体内容进行数据分类，并将每个种类标定为对应的类别数据，将记录信息内的类别数据对应的文字描述标定为定义数据，将记录信息内的字符组合标定为记录字符组；

将咨询字符数据、定义数据和类别数据在咨询提取单元内进行类别匹配，得到咨询类别数据，并将其传输至客服数据处理单元；

云存储单元内还存储有记录客服信息，客服数据处理单元从云存储单元内获取记录客服信息，将记录客服信息内客服的种类标定为记录种类数据，将记录客服信息内客服的代码标定为客服名数据，将记录客服信息内客服的服务总次数标定为服务次数数据，将记录客服信息内服务对应服务所消耗的时间标定为时间数据，将记录客服信息内客户对客服的评价内容标定为评价内容数据；

将记录客服信息与咨询类别数据进行数据处理操作，得到服务次数排序、时间排序和评价态度数据，并将其传输至客服推荐单元；

客服推荐单元获取评价态度数据，将评价内容数据对应的评价态度数据进行次数统计，从而得到合格次数和不合格次数，并将其分别带入到计算式：合格占比＝合格次数/(合格次数+不合格次数)，不合格占比＝不合格次数/(合格次数+不合格次数)，从而计算出合格占比和不合格占比，分别设定一个合格占比和不合格占比对应的统计值转化影响因子，并将其带入到计算式：统计值＝合格占比*合格转化影响因子+不合格占比*不合格转化影响因子，依据统计值对客服名数据进行从大到小的排序，从而得到一个统计值排序；

获取统计值排序、服务次数排序和时间排序，并对其进行排序赋值，即将排序第一的客服名数据赋予FG1个分值点，将排序第二的客服名数据赋予FG2个分值点，依次进行赋值；

获取客服名数据，将客服名数据在统计值排序、服务次数排序和时间排序中的排序提取出来，并将提取的赋值进行求和计算，从而得出总值数据，将总值数据进行从大到小的排序，从而得到一个推荐排序，并将推荐排序传输至智能设备；

智能设备接收推荐排序，并选取出推荐排序中排在第一位的客服名数据进行提取，将其标定为推荐客服，并提醒客户。

2.根据权利要求1所述的一种信息咨询用自推荐系统，其特征在于，类别匹配的具体过程为：

步骤一：获取定义数据，将定义数据中的文字进行定义字符标记，并将定义字符进行组合，具体为：将第一个字符和第二个字符进行组合，或将第一个字符、第二个字符和第三个字符进行组合，或将第二个字符和第三个字符进行组合，从而形成若干个字符组，并将字符组标定为标准字符组；

步骤二：获取咨询字符数据以及标准字符组，将标准字符组与咨询字符数据进行匹配，从而匹配出与标准字符组相对应的字符组，并将该字符组标定为识别字符组；

步骤三：获取识别字符组，并依据识别字符组对应的类别数据对识别字符组的种类进行识别，从而识别到对应的每个种类对应的识别字符组的个数，将其标定为种类数量数据，将种类数量除以一个总的识别字符组的个数，从而得到一个类别占比，反复计算，从而得到若干个类别占比；

步骤四：提取上述步骤三中的若干个类别占比，并将该若干个类别占比进行从大到小的排序，从而得到一个类别占比排序，选取出类别占比排序中排序第一的类别数据，并将其该类别数据标定为咨询类别数据；

步骤五：提取上述步骤四中的咨询类别数据。

3.根据权利要求1所述的一种信息咨询用自推荐系统，其特征在于，数据处理操作的具体操作过程为：

K1：获取咨询类别数据，并将其与记录客服信息进行数据匹配，选取出记录种类数据，将记录种类与咨询类别数据进行匹配，匹配出与咨询类别数据对应的记录种类数据，将其标定为处理种类；

K2：选取出处理种类对应的客服名数据，并依据客服名数据提取对应的服务次数数据、时间数据和评价内容数据；

K3：提取服务次数数据和时间数据,设定一个有效时间段，选取该时间段内的服务次数数据和时间数据，将服务次数数据从大到小的方法进行排序，从而得到一个服务次数排序，将时间数据从小到大进行排序，从而得到一个时间排序；

K4：提取评价内容数据，设定一个优秀关键词组和一个恶劣关键词组，将两个对应的关键词组与评价内容数据进行关键词匹配，从而得到每个评价内容数据内的优秀关键词组和恶劣关键词组所占的个数，将优秀关键词组和恶劣关键词组所占的个数进行对比，选取出多的一方，将其标记为评价态度数据，评价态度包括合格和不合格，分别与优秀关键词组和恶劣关键词组相对应；

K5：提取上述K3和K4中的服务次数排序、时间排序和评价态度数据。

Images