CN113239146A - 应答分析方法、装置、设备及存储介质 - Google Patents
应答分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113239146A CN113239146A CN202110514179.2A CN202110514179A CN113239146A CN 113239146 A CN113239146 A CN 113239146A CN 202110514179 A CN202110514179 A CN 202110514179A CN 113239146 A CN113239146 A CN 113239146A
- Authority
- CN
- China
- Prior art keywords
- response
- question
- questioning
- level
- intention
- 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
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
- G06F16/33—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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能领域,公开了一种应答分析方法、装置、设备及存储介质。该方法包括:接收租户客户端输入的问题文本,并通过预置意图识别模型对问题文本对应的多级别提问意图进行识别;从预置企业知识图谱中选取与多级别提问意图相关联的多级别应答节点,并确定多级别应答节点之间的应答逻辑关系;基于应答逻辑关系,获取多级别应答节点对应的目标数据,并采用目标数据对对应的多级别应答节点进行映射替换,得到问题文本对应的应答分析结果;对应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至租户客户端。本发明实现了应答分析结构的全面化呈现,提升了应答分析与结果呈现的效率。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种应答分析方法、装置、设备及存储介质。
背景技术
企业知识研究包括对企业的主营业务、上游成本、下游消费、同类竞品、行业政策等的知识搜集与数据分析工作。这些都是战略咨询、投资调研等领域的重要工作逻辑和内容,占整个投研工作中的大部分工作量,消耗了大量的人力资源。现有的投研产品依托知识图谱等技术,以供应链、产业链为业务分析的逻辑,以企业、事件、人物、行业之间的关系为组织与分析信息的依据,分析企业业务经营情况,搭建企业客户画像,为企业风控、投资、营销,以及政府公共服务提供分析结果报告。
目前的智能投研产品仍然存在一些缺陷,市场上主流的智能投研产品主要是提供分模块的平台服务,包括企业搜索功能、企业详情页、人物详情页等模块,需要用户点击多级菜单导航以搜集信息。此类产品的主要缺陷是:(1)速度慢:多级菜单按键搜索,损失了信息搜集的快捷体验;(2)缺数据:企业知识与数据信息断裂,主要提供了企业关系相关的知识,但涉及的具体数据则需另找数据库。例如:仅能分析目标企业的主要成本是什么,但有关主要成本的价格波动情况需要另找数据才能进行进一步分析;(3)不直观:主要以文字输出结果,缺乏对数据信息和数据结果的可视化工作,需要分析师自主画图制表,浪费人力。总而言之,即现有的智能投研推荐方法存在信息组织、数据分析和结果呈现均存在效率低的技术问题。
发明内容
本发明的主要目的在于解决现有的智能投研推荐方法存在信息组织、数据分析和结果呈现均存在效率低的技术问题。
本发明第一方面提供了一种应答分析方法,包括:
接收租户客户端输入的问题文本;
提取所述问题文本中的多级别提问特征,并依次识别各级别提问特征的提问意图,得到所述问题文本对应的多级别提问意图;
根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系;
基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据,并采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果;
对所述应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至所述租户客户端。
可选的,在本发明第一方面的第一种实现方式中,所述通过预置意图识别模型对所述问题文本对应的多级别提问意图进行识别包括:
依次识别各级别提问特征的初始提问意图,并根据各所述初始提问意图,判别所述意图识别模型对所述问题文本的识别程度;
若识别程度为识别成功,则对各所述初始提问意图进行分级处理,得到所述问题文本对应的多级别提问意图。
可选的,在本发明第一方面的第二种实现方式中,在所述根据各所述初始提问意图,判别所述意图识别模型对所述问题文本的识别程度之后,还包括:
若识别程度为识别模糊,则根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图;
当接收到所述租户客户端的意图确定信息时,根据所述意图确认信息,判断所述问题文本的识别程度是否为识别成功;
若是,则根据所述意图确认信息,对所述真实提问意图进行分级处理,得到所述问题文本对应的多级别提问意图;
若否,则跳转执行所述根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图的步骤;
若所述识别程度为识别失败,则返回提示信息至所述租户客户端以提示重新输入问题文本;
当接收到所述租户客户端重新输入的问题文本时,跳转执行所述将所述问题文本输入预置意图识别模型进行意图识别,得到意图识别结果的步骤。
可选的,在本发明第一方面的第三种实现方式中,所述根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系包括:
根据所述多级别提问意图中各分级提问意图的排序顺序,遍历预置企业知识图谱,依次筛选与所述分级提问意图相关联的对应级别的应答节点;
将筛选得到的应答节点按照对应等级进行分级处理,得到与各级别提问意图相关联的应答节点;
根据所述企业知识图谱,对所述多级别应答节点中的两两应答节点进行知识关联分析,得到各所述应答节点之间的应答逻辑关系。
可选的,在本发明第一方面的第四种实现方式中,所述根据所述多级别提问意图中各分级提问意图的排序顺序,遍历预置企业知识图谱,依次筛选与所述分级提问意图相关联的对应级别的应答节点包括:
采用所述多级别提问意图中的最高分级的第一提问意图,遍历预置企业知识图谱,筛选与所述第一提问意图相关联的当前分级对应的第一应答节点;
采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点;
计算所述第一应答节点与所述第二应答节点的重要性权重,并按照所述重要性权重从大到小,筛选预置数量的第二应答节点;
将筛选的第二应答节点作为新的第一应答节点,并跳转至所述采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点的步骤,直到筛选得到与所述分级提问意图相关联的全部应答节点时停止。
可选的,在本发明第一方面的第五种实现方式中,所述基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据包括:
基于所述应答逻辑关系,确定所述多级别应答节点中的多条应答途径;
检索与各所述应答途径相映射的目标数据,得到多级别应答节点对应的目标数据。
可选的,在本发明第一方面的第六种实现方式中,所述采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果包括:
将与所述目标数据相映射的应答途径转化为对应的应答标识,并将对应的目标数据作为所述应答标识对应的应答数据;
将所述应答标识和所述应答数据写入预置空白表格中,得到所述问题文本对应的应答分析结果。
本发明第二方面提供了一种应答分析装置,包括:
识别模块,用于接收租户客户端输入的问题文本;通过预置意图识别模型提取所述问题文本中的多级别提问特征,并依次识别各级别提问特征的提问意图,得到所述问题文本对应的多级别提问意图;
选取模块,用于根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系;
映射替换模块,用于基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据,并采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果;
可视化处理模块,用于对所述应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至所述租户客户端。
可选的,在本发明第二方面的第一种实现方式中,所述识别模块包括:
识别单元,用于依次识别各级别提问特征的初始提问意图,并根据各所述初始提问意图,判别所述意图识别模型对所述问题文本的识别程度;
第一分级处理单元,用于若识别程度为识别成功,则对各所述初始提问意图进行分级处理,得到所述问题文本对应的多级别提问意图。
可选的,在本发明第二方面的第二种实现方式中,所述应答分析装置还包括:
推送模块,用于若识别程度为识别模糊,则根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图;
判别模块,用于当接收到所述租户客户端的意图确定信息时,根据所述意图确认信息,判断所述问题文本的识别程度是否为识别成功;
第一循环模块,用于若是,则根据所述意图确认信息,对所述真实提问意图进行分级处理,得到所述问题文本对应的多级别提问意图;若否,则跳转执行所述根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图的步骤;
提示模块,用于若所述识别程度为识别失败,则返回提示信息至所述租户客户端以提示重新输入问题文本;
第二循环模块,用于当接收到所述租户客户端重新输入的问题文本时,跳转执行所述将所述问题文本输入预置意图识别模型进行意图识别,得到意图识别结果的步骤。
可选的,在本发明第二方面的第三种实现方式中,所述选取模块包括:
遍历单元,用于根据所述多级别提问意图中各分级提问意图的排序顺序,遍历预置企业知识图谱,依次筛选与所述分级提问意图相关联的对应级别的应答节点;
第二分级处理单元,用于将筛选得到的应答节点按照对应等级进行分级处理,得到与各级别提问意图相关联的应答节点;
管理分析单元,用于根据所述企业知识图谱,对所述多级别应答节点中的两两应答节点进行知识关联分析,得到各所述应答节点之间的应答逻辑关系。
可选的,在本发明第二方面的第四种实现方式中,所述遍历单元还用于:
采用所述多级别提问意图中的最高分级的第一提问意图,遍历预置企业知识图谱,筛选与所述第一提问意图相关联的当前分级对应的第一应答节点;
采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点;
计算所述第一应答节点与所述第二应答节点的重要性权重,并按照所述重要性权重从大到小,筛选预置数量的第二应答节点;
将筛选的第二应答节点作为新的第一应答节点,并跳转至所述采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点的步骤,直到筛选得到与所述分级提问意图相关联的全部应答节点时停止。
可选的,在本发明第二方面的第五种实现方式中,所述映射替换模块包括获取单元和映射替换单元,其中,所述获取单元用于:
确定单元,用于基于所述应答逻辑关系,确定所述多级别应答节点中的多条应答途径;
检索单元,用于检索与各所述应答途径相映射的目标数据,得到多级别应答节点对应的目标数据。
可选的,在本发明第二方面的第六种实现方式中,所述映射替换单元用于:
将与所述目标数据相映射的应答途径转化为对应的应答标识,并将对应的目标数据作为所述应答标识对应的应答数据;
将所述应答标识和所述应答数据写入预置空白表格中,得到所述问题文本对应的应答分析结果。
本发明第三方面提供了一种应答分析设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述应答分析设备执行上述的应答分析方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的应答分析方法。
本发明提供的技术方案中,在接收到租户客户端输入的问题文本后,一方面通过预置意图识别模型对问题文本的多级别提问意图进行识别,另一方面,再通过预置企业知识图片选取跟多级别提问意图相关联的多级别应答节点,建立与问题文本相关应答的应答逻辑关系,初步对应答内容进行信息组织和分析,全面构建应答的逻辑框架;接着将带有应答逻辑关系的多级别应答节点的目标数据进行映射替换,即可将问题文本相关应答的应答逻辑关系转化为具体的应答分析结果,比如以文本或者画像的形式进行展示,并将应答分析结果返回给租户客户端,即可全面呈现企业智能投研推荐的数据分析结果,大大提升投研行业相关的应答分析的信息组织、数据分析和结果呈现的效率。
附图说明
图1为本发明实施例中应答分析方法的第一实施例示意图;
图2为本发明实施例中应答分析方法的第二实施例示意图;
图3为本发明实施例中应答分析装置的第一实施例示意图;
图4为本发明实施例中应答分析装置的第二实施例示意图;
图5为本发明实施例中应答分析设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种应答分析方法、装置、设备及存储介质,接收租户客户端输入的问题文本,并通过预置意图识别模型对问题文本对应的多级别提问意图进行识别;从预置企业知识图谱中选取与多级别提问意图相关联的多级别应答节点,并确定多级别应答节点之间的应答逻辑关系;基于应答逻辑关系,获取多级别应答节点对应的目标数据,并采用目标数据对对应的多级别应答节点进行映射替换,得到问题文本对应的应答分析结果;对应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至租户客户端。本发明实现了应答分析结构的全面化呈现,提升了应答分析与结果呈现的效率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中应答分析方法的第一实施例包括:
101、接收租户客户端输入的问题文本;
102、通过预置意图识别模型提取所述问题文本中的多级别提问特征,并依次识别各级别提问特征的提问意图,得到所述问题文本对应的多级别提问意图;
可以理解的是,本发明的执行主体可以为应答分析装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本实施例中,应答分析方法可以落地在基于SaaS(Software as service,软件即服务)产品模式的应答分析平台中,以对应答分析产品和应答分析服务进行标准化,一方面可以增加应答分析方法的场景部署迁移能力,另一方面可以将多个场景的知识图谱进行整合,增加应答分析的全面性和泛化应用价值。
具体的,基于SaaS的应答分析平台中,包括多个场景,相同产品服务的多个租户客户端,各租户客户端可以根据需求在交互界面中特定的对话框中输入问题,得到问题文本并上传至本服务器中,例如:“主要竞争对手的历年开店情况?”;“A公司的主要竞争对手的历年开店情况?”;“B(城市C)有限公司的主要竞争对手的历年开店情况?”等问题文本,以检索对应的应答结果。
本实施例中,在接收到租户客户端输入的问题文本后,通过预置意图识别模型识别该问题文本中包含的多级别提问意图,其中,预置意图识别模型可以采用NLP(NaturalLanguage Processing,自然语言处理)技术对问题文本进行识别,而多级别提问意图可以包含平级的一个或多个提问意图,以及每个平级问题的一个或多个下级提问意图,一个上级提问意图,具体可以呈现为放射状的多级别提问意图。
103、根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系;
本实施例中,根据先验知识预先构建企业知识图谱,其中,企业知识图谱的公司涵盖范围可以根据需求进行构建,可以包含国际、国内、本地区、本城市内的全部企业信息,也可以是某个特定行业内,或者某个领域内的企业信息。
具体的,数据获取方法为:数据集一部分来自本应答分析平台的关系数据库,另一部分通过构建网页爬虫抽取互联网中相关的企业信息数据,数据采用JSON格式存储,针对网页数据的抽取,构建一套基于WebMagic框架的企业爬虫系统,通过编写正则表达式来获取网页中需要的企业信息数据。
另外,预置的推理引擎完成企业法人本体和集成发布的企业RDF(资源描述框架,Resource Description Framework)数据的上下位推理、缺失类别补全、一致性检测和自定义规则推理四大功能,对已有知识进行补全和修正;并采用Neo4j图数据库对知识图谱进行持久化存储,通过构建RDF2Neo4j解释器,将RDF三元组数据导入Neo4j图数据库中进行存储;对于每个具体数据内容,均关联有相应的多级别应答节点,其中,每一条数据可以关联多个多级别应答节点。
本实施例中,在识别出问题文本中包含的多级别提问意图后,通过预先构建的企业知识图谱,查询每个提问意图关联的多级别应答节点并选取,通过选取到的多级级别应答节点,搭建应答的应答逻辑关系。其中,应答逻辑关系包括同级别的应答节点的应答逻辑关系和上下级别的应答节点的关联关系。比如企业的竞争对手包括:A城市的同行业企业,A城市的关联行业企业,B城市的相似行业企业等。
104、基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据,并采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果;
本实施例中,在获取得到问题文本对应应答的应答逻辑关系之后,可以根据应答逻辑关系中的多级别应答节点,从预置数据库中检索与之相映射的目标数据,进而对多级别应答节点进行具象化处理,可以理解为多级别应答节点的应答逻辑关系是高维度的应答描述,并通过目标数据映射到低维度的具象空间,直接描述问题文本对应的应答分析结果。
具体的,对于接收到的问题文本“B(城市C)有限公司的主要竞争对手的历年开店情况?”,其中三条应答逻辑分别是:公司D在城市C的历年销售额;公司D在城市F的历年销售额;公司D在城市C的历年销售增长率。则根据每一条应答逻辑中各应答节点的目标数据,将对应的应答逻辑具象化成一个完整的报告说明,并作为应答分析结果。
105、对所述应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至所述租户客户端。
本实施例中,应答分析结果为文本格式,记录了问题文本对应应答逻辑的具象内容,此处需对该文本格式进行转换,将应答分析结果转换成可读性比较高的展示信息,其中,可以将应答分析结果中相应的内容转换为图片格式、数据分析图标、视频格式、音频格式等展示格式,以匹配用户的阅读习惯,即为对应答分析结果进行可视化处理,并在租户客户端上进行展示。
本发明实施例中,在接收到租户客户端输入的问题文本后,一方面通过预置意图识别模型对问题文本的多级别提问意图进行识别,另一方面,再通过预置企业知识图片选取跟多级别提问意图相关联的多级别应答节点,建立与问题文本相关应答的应答逻辑关系,初步对应答内容进行信息组织和分析,全面构建应答的逻辑框架;接着将带有应答逻辑关系的多级别应答节点的目标数据进行映射替换,即可将问题文本相关应答的应答逻辑关系转化为具体的应答分析结果,比如以文本或者画像的形式进行展示,并将应答分析结果返回给租户客户端,即可全面呈现企业智能投研推荐的数据分析结果,大大提升投研行业相关的应答分析的信息组织、数据分析和结果呈现的效率。
请参阅图2,本发明实施例中应答分析方法的第二实施例包括:
201、接收租户客户端输入的问题文本;
202、依次识别各级别提问特征的初始提问意图,并根据各所述初始提问意图,判别所述意图识别模型对所述问题文本的识别程度;
203、若识别程度为识别成功,则对各所述初始提问意图进行分级处理,得到所述问题文本对应的多级别提问意图;
本实施例中,由于用户通过租户客户端输入的问题文本可能存在错误输入,或者非规范性的输入,使得意图识别模型对该问题文本无法识别成功,此时,可以根据意图识别模型对问题文本的识别结果,确定问题文本输入是否有误,在识别成功后,再进一步提取问题文本中的各维度提问特征,即文本中带有提问意图的各词语,最后各维度提问特征根据预先设置的级别进行分级处理,即可得到问题文本最终的多级别提问意图。
具体的,例如对于接收到的问题文本“B(城市C)有限公司的主要竞争对手的历年开店情况?”,该问题文本中包含B有限公司、城市C、主要竞争对手、历年开店情况四个维度的提问特征,四个第一级别的提问意图,分别为:城市、公司、竞争对手、历年开店情况;对于每个第一级别的提问意图,继续引入第二级别的提问意图,比如城市,可以包括国际、国内、本地区、本城市等多个区域范围的主要竞争对手的历年开店情况,比如公司,可以包括行业内,相近行业,相关联行业等。
在提取所述问题文本对应的各维度提问特征之后,还需用户进一步判别提问意图识别模糊是否识别正确,如果不正确的话,则需要用户重新输入问题文本,直到输入可识别的问题文本,或者用户停止输入时停止识别。具体执行流程如下所示:
(1)若识别程度为识别模糊,则根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图;
(2)当接收到所述租户客户端的意图确定信息时,根据所述意图确认信息,判断所述问题文本的识别程度是否为识别成功;
(3)若是,则根据所述意图确认信息,对所述真实提问意图进行分级处理,得到所述问题文本对应的多级别提问意图;
(4)若否,则跳转执行所述根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图的步骤;
(5)若所述识别程度为识别失败,则返回提示信息至所述租户客户端以提示重新输入问题文本;
(6)当接收到所述租户客户端重新输入的问题文本时,跳转执行所述将所述问题文本输入预置意图识别模型进行意图识别,得到意图识别结果的步骤。
204、根据所述多级别提问意图中各分级提问意图的排序顺序,遍历预置企业知识图谱,依次筛选与所述分级提问意图相关联的对应级别的应答节点;
205、将筛选得到的应答节点按照对应等级进行分级处理,得到与各级别提问意图相关联的应答节点;
206、根据所述企业知识图谱,对所述多级别应答节点中的两两应答节点进行知识关联分析,得到各所述应答节点之间的应答逻辑关系;
本实施例中,根据多级别提问意图中的第一级别的提问意图遍历预置企业知识图谱,得到第一级别的应答节点;根据第二级别的提问意图,重新遍历以第一级别的应答节点为基础的下一个或下多个级别的应答节点,并将筛选得到的应答节点作为第二级别的应答节点,以此类推,直到选取得到各界别提问意图对应的应答节点为为止。
具体的,对于接收到的问题文本“B(城市C)有限公司的主要竞争对手的历年开店情况?”,该问题文本中包含四个第一级别的提问意图,分别为:城市、公司、竞争对手、历年开店情况;对于每个第一级别的提问意图,继续引入第二级别的提问意图,如果识别出城市以国内为目标区域范围,以行业内的各公司为调研对象,主要竞争对手包括行业内各项衡量指标排列前N位的公司,并包括进10年内的历年开店情况。根据第二级别的提问意图,继续延伸至以下级别的提问意图,或者直接按当前各级别的提问意图查询相关联的多级别应答节点。
具体的,应答节点的筛选过程如下所示:
(1)采用所述多级别提问意图中的最高分级的第一提问意图,遍历预置企业知识图谱,筛选与所述第一提问意图相关联的当前分级对应的第一应答节点;
(2)采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点;
(3)计算所述第一应答节点与所述第二应答节点的重要性权重,并按照所述重要性权重从大到小,筛选预置数量的第二应答节点;
(4)将筛选的第二应答节点作为新的第一应答节点,并跳转至所述采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点的步骤,直到筛选得到与所述分级提问意图相关联的全部应答节点时停止。
本实施例中,重要性权重衡量问题文本中,两个提问意图之间关联性程度的高低,而提问意图与应答节点之间具有对应关系,则通过筛选出来的当前级别第一应答节点,在企业知识图谱中计算与第二应答节点之间的重要性权重,根据需求选取预设数量的第二应答节点即可;以此循环,直到筛选得到与分级提问意图相关联的全部应答节点为止。
具体的,比如对于A城市的B类型公司的C型数据,则城市下一级别的A城市、公司类型下一级别的B类型公司、数据下一级别的C型数据会相对得到更大的重要性权重,与A城市同级别的的H城市可能得到比A城市稍低的重要性权重,而相邻的比A城市级别低的L城市则得到比H城市更低的重要性权重。
207、基于所述应答逻辑关系,确定所述多级别应答节点中的多条应答途径;
208、检索与各所述应答途径相映射的目标数据,得到多级别应答节点对应的目标数据;
本实施例中,从第一级别的每一个应答节点到最低级别的每一个应答节点,会经过不同的除最高级别和最低级别之外其他级别的应答节点,分别进行连接即可得到多条应答途径,比如A公司-H城市-竞争对手-收益率即为一条应答途径,并以此从预置数据库中检索对应的目标数据。
209、将与所述目标数据相映射的应答途径转化为对应的应答标识,并将对应的目标数据作为所述应答标识对应的应答数据;
210、将所述应答标识和所述应答数据写入预置空白表格中,得到所述问题文本对应的应答分析结果;
本实施例中,应答途径中带多个应答节点,根据应答节点的描述内容,转化为对应的应答标识,作为对应应答数据的表头字段,将应答标识与应答数据作为同一数列,依次写入预置的预置空白表格中,将应答分析结果以表格的形式进行呈现。
211、对所述应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至所述租户客户端。
本发明实施例中,一方面介绍了多级别意图的识别过程,根据前后两个级别的应答节点的关联性,依次选取重要性权重比较高的下级应答节点,并以此构建多条应答路径,根据构建的应答路径,获取对应的目标数据,写入空白表格中,最后再对数据进行可视化处理以及可视化处理,即可得到问题文本对应的应答分析结果,以对问题文本进行全面的分析,提高投研效率。
上面对本发明实施例中应答分析方法进行了描述,下面对本发明实施例中应答分析装置进行描述,请参阅图3,本发明实施例中应答分析装置第一实施例包括:
识别模块301,用于接收租户客户端输入的问题文本;通过预置意图识别模型提取所述问题文本中的多级别提问特征,并依次识别各级别提问特征的提问意图,得到所述问题文本对应的多级别提问意图;
选取模块302,用于根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系;
映射替换模块303,用于基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据,并采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果;
可视化处理模块304,用于对所述应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至所述租户客户端。
本发明实施例中,在接收到租户客户端输入的问题文本后,一方面通过预置意图识别模型对问题文本的多级别提问意图进行识别,另一方面,再通过预置企业知识图片选取跟多级别提问意图相关联的多级别应答节点,建立与问题文本相关应答的应答逻辑关系,初步对应答内容进行信息组织和分析,全面构建应答的逻辑框架;接着将带有应答逻辑关系的多级别应答节点的目标数据进行映射替换,即可将问题文本相关应答的应答逻辑关系转化为具体的应答分析结果,比如以文本或者画像的形式进行展示,并将应答分析结果返回给租户客户端,即可全面呈现企业智能投研推荐的数据分析结果,大大提升投研行业相关的应答分析的信息组织、数据分析和结果呈现的效率。
请参阅图4,本发明实施例中应答分析装置的第二实施例包括:
识别模块301,用于接收租户客户端输入的问题文本;通过预置意图识别模型提取所述问题文本中的多级别提问特征,并依次识别各级别提问特征的提问意图,得到所述问题文本对应的多级别提问意图;
选取模块302,用于根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系;
映射替换模块303,用于基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据,并采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果;
可视化处理模块304,用于对所述应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至所述租户客户端。
具体的,所述识别模块301包括:
识别单元3011,用于依次识别各级别提问特征的初始提问意图,并根据各所述初始提问意图,判别所述意图识别模型对所述问题文本的识别程度;
第一分级处理单元3012,用于若识别程度为识别成功,则对各所述初始提问意图进行分级处理,得到所述问题文本对应的多级别提问意图。
具体的,所述应答分析装置还包括:
推送模块305,用于若识别程度为识别模糊,则根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图;
判别模块306,用于当接收到所述租户客户端的意图确定信息时,根据所述意图确认信息,判断所述问题文本的识别程度是否为识别成功;
第一循环模块307,用于若是,则根据所述意图确认信息,对所述真实提问意图进行分级处理,得到所述问题文本对应的多级别提问意图;若否,则跳转执行所述根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图的步骤;
提示模块308,用于若所述识别程度为识别失败,则返回提示信息至所述租户客户端以提示重新输入问题文本;
第二循环模块309,用于当接收到所述租户客户端重新输入的问题文本时,跳转执行所述将所述问题文本输入预置意图识别模型进行意图识别,得到意图识别结果的步骤。
具体的,所述选取模块302包括:
遍历单元3021,用于根据所述多级别提问意图中各分级提问意图的排序顺序,遍历预置企业知识图谱,依次筛选与所述分级提问意图相关联的对应级别的应答节点;
第二分级处理单元3022,用于将筛选得到的应答节点按照对应等级进行分级处理,得到与各级别提问意图相关联的应答节点;
管理分析单元3023,用于根据所述企业知识图谱,对所述多级别应答节点中的两两应答节点进行知识关联分析,得到各所述应答节点之间的应答逻辑关系。
具体的,所述遍历单元3021还用于:
采用所述多级别提问意图中的最高分级的第一提问意图,遍历预置企业知识图谱,筛选与所述第一提问意图相关联的当前分级对应的第一应答节点;
采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点;
计算所述第一应答节点与所述第二应答节点的重要性权重,并按照所述重要性权重从大到小,筛选预置数量的第二应答节点;
将筛选的第二应答节点作为新的第一应答节点,并跳转至所述采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点的步骤,直到筛选得到与所述分级提问意图相关联的全部应答节点时停止。
具体的,所述映射替换模块303包括获取单元3031和映射替换单元3032,其中,所述获取单元3031用于:
确定单元,用于基于所述应答逻辑关系,确定所述多级别应答节点中的多条应答途径;
检索单元,用于检索与各所述应答途径相映射的目标数据,得到多级别应答节点对应的目标数据。
具体的,所述映射替换单元3032用于:
将与所述目标数据相映射的应答途径转化为对应的应答标识,并将对应的目标数据作为所述应答标识对应的应答数据;
将所述应答标识和所述应答数据写入预置空白表格中,得到所述问题文本对应的应答分析结果。
本发明实施例中,本发明实施例中,一方面介绍了多级别意图的识别过程,根据前后两个级别的应答节点的关联性,依次选取重要性权重比较高的下级应答节点,并以此构建多条应答路径,根据构建的应答路径,获取对应的目标数据,写入空白表格中,最后再对数据进行可视化处理以及可视化处理,即可得到问题文本对应的应答分析结果,以对问题文本进行全面的分析,提高投研效率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的应答分析装置进行详细描述,下面从硬件处理的角度对本发明实施例中应答分析设备进行详细描述。
图5是本发明实施例提供的一种应答分析设备的结构示意图,该应答分析设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对应答分析设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在应答分析设备500上执行存储介质530中的一系列指令操作。
应答分析设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的应答分析设备结构并不构成对应答分析设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种应答分析设备,所述应答分析设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述应答分析方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述应答分析方法的步骤。
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,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明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全部或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)执行本发明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、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种应答分析方法,其特征在于,所述应答分析方法包括:
接收租户客户端输入的问题文本;
通过预置意图识别模型提取所述问题文本中的多级别提问特征,并依次识别各级别提问特征的提问意图,得到所述问题文本对应的多级别提问意图;
根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系;
基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据,并采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果;
对所述应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至所述租户客户端。
2.根据权利要求1所述的应答分析方法,其特征在于,所述依次识别各级别提问特征的提问意图,得到所述问题文本对应的多级别提问意图包括:
依次识别各级别提问特征的初始提问意图,并根据各所述初始提问意图,判别所述意图识别模型对所述问题文本的识别程度;
若识别程度为识别成功,则对各所述初始提问意图进行分级处理,得到所述问题文本对应的多级别提问意图。
3.根据权利要求2所述的应答分析方法,其特征在于,在所述根据各所述初始提问意图,判别所述意图识别模型对所述问题文本的识别程度之后,还包括:
若识别程度为识别模糊,则根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图;
当接收到所述租户客户端的意图确定信息时,根据所述意图确认信息,判断所述问题文本的识别程度是否为识别成功;
若是,则根据所述意图确认信息,对所述真实提问意图进行分级处理,得到所述问题文本对应的多级别提问意图;
若否,则跳转执行所述根据各所述初始提问意图,推送相关问题至所述租户客户端,以确认所述问题文本的真实提问意图的步骤;
若所述识别程度为识别失败,则返回提示信息至所述租户客户端以提示重新输入问题文本;
当接收到所述租户客户端重新输入的问题文本时,跳转执行所述将所述问题文本输入预置意图识别模型进行意图识别,得到意图识别结果的步骤。
4.根据权利要求1所述的应答分析方法,其特征在于,所述根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系包括:
根据所述多级别提问意图中各分级提问意图的排序顺序,遍历预置企业知识图谱,依次筛选与所述分级提问意图相关联的对应级别的应答节点;
将筛选得到的应答节点按照对应等级进行分级处理,得到与各级别提问意图相关联的应答节点;
根据所述企业知识图谱,对所述多级别应答节点中的两两应答节点进行知识关联分析,得到各所述应答节点之间的应答逻辑关系。
5.根据权利要求4所述的应答分析方法,其特征在于,所述根据所述多级别提问意图中各分级提问意图的排序顺序,遍历预置企业知识图谱,依次筛选与所述分级提问意图相关联的对应级别的应答节点包括:
采用所述多级别提问意图中的最高分级的第一提问意图,遍历预置企业知识图谱,筛选与所述第一提问意图相关联的当前分级对应的第一应答节点;
采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点;
计算所述第一应答节点与所述第二应答节点的重要性权重,并按照所述重要性权重从大到小,筛选预置数量的第二应答节点;
将筛选的第二应答节点作为新的第一应答节点,并跳转至所述采用所述第一应答节点,遍历所述企业知识图谱,筛选与下一分级的第二提问意图相关联的第二应答节点的步骤,直到筛选得到与所述分级提问意图相关联的全部应答节点时停止。
6.根据权利要求1所述的应答分析方法,其特征在于,所述基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据包括:
基于所述应答逻辑关系,确定所述多级别应答节点中的多条应答途径;
检索与各所述应答途径相映射的目标数据,得到多级别应答节点对应的目标数据。
7.根据权利要求6所述的应答分析方法,其特征在于,所述采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果包括:
将与所述目标数据相映射的应答途径转化为对应的应答标识,并将对应的目标数据作为所述应答标识对应的应答数据;
将所述应答标识和所述应答数据写入预置空白表格中,得到所述问题文本对应的应答分析结果。
8.一种应答分析装置,其特征在于,所述应答分析装置包括:
识别模块,用于接收租户客户端输入的问题文本;通过预置意图识别模型提取所述问题文本中的多级别提问特征,并依次识别各级别提问特征的提问意图,得到所述问题文本对应的多级别提问意图;
选取模块,用于根据所述多级别提问意图的级别排序顺序,依次从预置企业知识图谱中选取与各级别提问意图相关联的应答节点并确定各所述应答节点之间的应答逻辑关系;
映射替换模块,用于基于所述应答逻辑关系,获取所述多级别应答节点对应的目标数据,并采用所述目标数据对对应的多级别应答节点进行映射替换,得到所述问题文本对应的应答分析结果;
可视化处理模块,用于对所述应答分析结果进行可视化处理,并将可视化处理后的应答分析结果返回至所述租户客户端。
9.一种应答分析设备,其特征在于,所述应答分析设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述应答分析设备执行如权利要求1-7中任一项所述的应答分析方法。
10.一种计算机可读存储介质,所述计算机可读存储介质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如权利要求1-7中任一项所述的应答分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514179.2A CN113239146B (zh) | 2021-05-12 | 2021-05-12 | 应答分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514179.2A CN113239146B (zh) | 2021-05-12 | 2021-05-12 | 应答分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239146A true CN113239146A (zh) | 2021-08-10 |
CN113239146B CN113239146B (zh) | 2023-07-28 |
Family
ID=77133593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110514179.2A Active CN113239146B (zh) | 2021-05-12 | 2021-05-12 | 应答分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239146B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109857848A (zh) * | 2019-01-18 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 交互内容生成方法、装置、计算机设备及存储介质 |
CN110019687A (zh) * | 2019-04-11 | 2019-07-16 | 宁波深擎信息科技有限公司 | 一种基于知识图谱的多意图识别系统、方法、设备及介质 |
US20200279001A1 (en) * | 2019-03-01 | 2020-09-03 | Cuddle Artificial Intelligence Private Limited | Systems and methods for adaptive question answering |
CN111708873A (zh) * | 2020-06-15 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 智能问答方法、装置、计算机设备和存储介质 |
CN111737499A (zh) * | 2020-07-27 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 基于自然语言处理的数据搜索方法及相关设备 |
CN111767371A (zh) * | 2020-06-28 | 2020-10-13 | 微医云(杭州)控股有限公司 | 一种智能问答方法、装置、设备及介质 |
CN111797199A (zh) * | 2020-06-12 | 2020-10-20 | 南京擎盾信息科技有限公司 | 基于事件链结构对法律信息进行分析的方法和装置 |
CN111813961A (zh) * | 2020-08-25 | 2020-10-23 | 腾讯科技(深圳)有限公司 | 基于人工智能的数据处理方法、装置及电子设备 |
-
2021
- 2021-05-12 CN CN202110514179.2A patent/CN113239146B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109857848A (zh) * | 2019-01-18 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 交互内容生成方法、装置、计算机设备及存储介质 |
US20200279001A1 (en) * | 2019-03-01 | 2020-09-03 | Cuddle Artificial Intelligence Private Limited | Systems and methods for adaptive question answering |
CN110019687A (zh) * | 2019-04-11 | 2019-07-16 | 宁波深擎信息科技有限公司 | 一种基于知识图谱的多意图识别系统、方法、设备及介质 |
CN111797199A (zh) * | 2020-06-12 | 2020-10-20 | 南京擎盾信息科技有限公司 | 基于事件链结构对法律信息进行分析的方法和装置 |
CN111708873A (zh) * | 2020-06-15 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 智能问答方法、装置、计算机设备和存储介质 |
CN111767371A (zh) * | 2020-06-28 | 2020-10-13 | 微医云(杭州)控股有限公司 | 一种智能问答方法、装置、设备及介质 |
CN111737499A (zh) * | 2020-07-27 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 基于自然语言处理的数据搜索方法及相关设备 |
CN111813961A (zh) * | 2020-08-25 | 2020-10-23 | 腾讯科技(深圳)有限公司 | 基于人工智能的数据处理方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113239146B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110704572B (zh) | 疑似非法集资风险的预警方法、装置、设备和存储介质 | |
Wang et al. | Beyond accuracy: What data quality means to data consumers | |
US20190095507A1 (en) | Systems and methods for autonomous data analysis | |
CN104573130B (zh) | 基于群体计算的实体解析方法及装置 | |
US11341449B2 (en) | Data distillery for signal detection | |
US20230060252A1 (en) | Systems and Methods for Organizing, Finding, and Using Data | |
CN111708774B (zh) | 一种基于大数据的产业分析系统 | |
US11373101B2 (en) | Document analyzer | |
Kewsuwun et al. | A sentiment analysis model of agritech startup on Facebook comments using naive Bayes classifier. | |
CN113342976A (zh) | 一种自动采集处理数据的方法、装置、存储介质及设备 | |
Al-Najran et al. | A requirements specification framework for big data collection and capture | |
CN115794803A (zh) | 一种基于大数据ai技术的工程审计问题监测方法与系统 | |
CN107305555A (zh) | 数据处理方法及装置 | |
US20210240334A1 (en) | Interactive patent visualization systems and methods | |
Ritze | Web-scale web table to knowledge base matching | |
Brandas et al. | Data driven decision support systems: an application case in labour market analysis | |
Khekare et al. | Design of Automatic Key Finder for Search Engine Optimization in Internet of Everything | |
CN113239146B (zh) | 应答分析方法、装置、设备及存储介质 | |
CN115795052A (zh) | 一种产业链地图构建方法、装置及电子设备 | |
Roelands et al. | Classifying businesses by economic activity using web-based text mining | |
Chen et al. | Research on Data Analysis and Visualization of Recruitment Positions Based on Text Mining | |
CN112668836B (zh) | 一种面向风险图谱的关联风险证据高效挖掘与监控方法和装置 | |
WO2021146175A1 (en) | Systems and method for dynamically updating materiality distributions and classifications | |
CN117251605B (zh) | 基于深度学习的多源数据查询方法及系统 | |
Abhang et al. | Zomato Review Analysis Using Machine Learning |
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 |