CN113420152A - 基于模糊逻辑的业务处理方法、装置和系统 - Google Patents
基于模糊逻辑的业务处理方法、装置和系统 Download PDFInfo
- Publication number
- CN113420152A CN113420152A CN202110964802.4A CN202110964802A CN113420152A CN 113420152 A CN113420152 A CN 113420152A CN 202110964802 A CN202110964802 A CN 202110964802A CN 113420152 A CN113420152 A CN 113420152A
- Authority
- CN
- China
- Prior art keywords
- fuzzy logic
- service
- data
- concept
- processing
- 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
- G06F16/35—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
-
- 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
- G06Q10/103—Workflow collaboration or project management
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- Fuzzy Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Biophysics (AREA)
- Mathematical Optimization (AREA)
- Animal Behavior & Ethology (AREA)
- Mathematical Analysis (AREA)
Abstract
本发明公开一种基于模糊逻辑的业务处理方法、装置和系统,获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果,在不需要大量现有样本的前提下,可以有效地提高业务专家的决策效率,并兼顾决策的准确率。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于模糊逻辑的业务处理方法、装置和系统。
背景技术
随着互联网技术的发展,大数据应用越来越普及,对于各种非结构化数据,已经非常海量,而很多数据用于领域的特殊性和领域专业性,导致需要依赖专家个人经验来判断和评估,但实际上其中绝大部分工作是可以通过智能系统来解决,因此亟待有一种新的技术来提高辅助处理的效率。
发明内容
针对上述缺陷,本发明要解决的技术问题是如何通过智能科技手段学习专家经验,并解决专家大量的初级判断和决策的问题,减轻专家负担,提高整体业务处理效率。
针对上述缺陷,本发明的目的在于提供一种基于模糊逻辑的业务处理方法、系统及电子设备、计算机存储介质和程序产品。
根据本说明书的实施例的一方面,提供一种基于模糊逻辑的业务处理方法,用于服务器端,获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
优选的,上述评价体系设立相关维度和指标,不同维度和指标形成网状信息分布。
优选的,上述指标包括好、中、差三档或者更多档次。
优选的,上述业务数据包括用户画像数据、分析数据以及其他事件数据。
优选的,上述不同维度和指标形成模糊逻辑处理的节点,不同节点之间具有优先级。
优选的,上述节点按照层状分布,优先级高的在模糊逻辑推理过程中优先进行去模糊化。
一种基于模糊逻辑的业务处理方法,应用于互联网业务平台,收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息,通过后端服务器业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和向用户输出结果。
优选的,上述业务数据包括用户画像数据、分析数据以及其他事件数据。
优选的,上述检查数据包括文本数据和图片数据。
一种基于模糊逻辑的业务处理系统,包括服务器端、客户端和互联网业务平台,
用户通过所述客户端提交信息,
所述互联网业务平台,收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息;
所述后端服务器将业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到输出结果并反馈给互联网业务平台;
所述互联网业务平台向用户客户端推送结果。
优选的,上述评价体系设立相关维度和指标,不同维度和指标形成网状信息分布。
一种电子设备,包括:
处理器;以及
被设置成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述方法的步骤。
一种计算机程序产品,包括计算机程序 /指令,该计算机程序/指令被处理器执行时实现上述方法的步骤。
本发明获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果,在不需要大量现有样本的前提下,可以有效地提高业务专家的决策效率,并兼顾决策的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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。
图1示出了本发明基于模糊逻辑的业务处理方法一实施例框架示意图;
图2示出了本发明基于模糊逻辑的业务处理方法一实施例流程示意图;
图3示出了本发明基于模糊逻辑的业务处理方法模糊逻辑实施例流程示意图;
图4示出了本发明基于模糊逻辑的业务处理方法人工智能实施例流程示意图;
图5示出了本发明基于模糊逻辑的业务处理系统一实施例流程示意图;
图6示出了本发明基于模糊逻辑的业务处理系统外部输出实施例流程示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、方法、物品或者设备不仅包括那些要素,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、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在一些业务场景下,需要人工经验辅助判断,比如遥感影像人工解译,根据各专业(部门)的要求,运用解译标志和实践经验与知识,从遥感影像上识别目标,定性、定量地提取出目标的分布、结构、功能等有关信息,并把它们表示在地理底图上的过程。例如,土地利用现状解译,是在影像上先识别土地利用类型,然后在图上测算各类土地面积。遥感影像目视解译是解译者通过直接观察或借助一些简单工具(如放大镜等)识别所需地物信息的过程。
再比如在医学领域,尤其是睡眠障碍方面的医疗诊断,每个患者的症状不同,有些是因为疾病引起,有些是因为生活习惯,有些是因为摄入物质有关,而专家判断前需要大量的基础工作,包括病理检测、体检、情况调查等。这些以专家经验主导的决策中,可以依赖的历史样本不足,需要人工过多地介入和分析,既需要时间也需要较高的人工成本。
如图1所示,本说明书的一个实施例提供的一种基于模糊逻辑的业务处理方法,用于服务器端,获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
在一些具体的例子中,评价体系设立相关维度和指标,不同维度和指标形成网状信息分布。
评价体系的维度和指标根据不同的业务需求进行分级和分层,维度和指标之间还存在映射关系。
在一些可能的实施例中,指标包括“好”、“中”、“差”三个级别,也可以颗粒度更细,包括“非常好”、“很好”、“良”、“中”和“差”五个层级,在具体的实施过程中,不同的层级对应的是不同的隶属方程式,对于评级的指标方式主要是将专家经验进行分散处理。对于不同的业务特征采用不同的业务判断方法。
在一些可能的实施例中,业务数据包括疾病的病因、患者的检查数据以及其他事件数据。
在一些具体的实施例中,不同维度和指标形成模糊逻辑处理的节点,不同节点之间具有优先级。通过节点的设置可以用于算法模型中的处理。节点按照层状分布,优先级高的在模糊逻辑推理过程中优先进行去模糊化。
本说明书的一个实施例提供的一种基于模糊逻辑的业务处理方法,应用于互联网医疗平台,收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息,通过后端服务器业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和向用户输出结果。
在一些实施例中,业务数据包括遥感影像的清晰度、获取方式、图像通道、天气状况以及其他事件数据。
在一些实施例中,其他事件数据包括但不限于成像方式(比如多光谱、雷达影像)、成像时间、历史气象条件。
在一些实施例中,业务数据包括疾病的病因、患者的检查数据以及其他事件数据。
在一些实施例中,检查数据包括文本数据和图片数据。文本数据通过NLP等算法进行识别提取,图片数据通过图像识别算法进行识别提取。
在一些实施例中,其他事件数据包括但不限于是否摄入咖啡因、是否饮酒、是否注射敏感性药物。
如图2所示,本说明书的一个实施例提供的一种基于模糊逻辑的业务处理方法,包括:
S101、通过NLP、图像识别算法、深度学习等方法手段获取业务数据;
S102、设置模糊逻辑,生成推理图;
S103、结合业务专家经验知识建立知识图谱并分类;
S104、对模糊化概念进行推理和描述;
S105、结合训练样本,构建神经网络模型;
S106、将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
如图3所示,在一些实施例中,构建模糊逻辑包括以下步骤:
S201、设置模糊逻辑;
S202、生成模糊逻辑推理图;
S203、计算模糊逻辑推理;
S204、设置数据判断模糊化。
如图4所示,在一些实施例中,深度学习包括以下步骤:
S301、通过图像识别、NLP等技术获取数据;
S302、构建神经网络模型;
S303、通过专家经验规则判断;
S304、通过知识图谱分类。
本说明书的一个实施例提供的一种基于模糊逻辑的业务处理系统,包括服务器端、客户端和互联网业务平台,
用户通过所述客户端提交信息,
所述互联网业务平台,收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息;
所述后端服务器将业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到输出结果并反馈给互联网业务平台;
所述互联网业务平台向用户客户端推送结果。
在一些实施例中,系统中评价体系设立相关维度和指标,不同维度和指标形成网状信息分布。
在一些实施例中,系统中维度包括睡眠状况、体检数据、家族遗传史、摄入物质以及生活习惯。
如图4所示,本说明书的一个实施例提供的一种基于模糊逻辑的业务处理系统,包括模糊逻辑子系统和深度学习子系统,所述模糊逻辑子系统包括模糊逻辑设置模块、模糊逻辑推理图生成模块、模糊逻辑推理计算模块以及数据判断模糊化处理模块,所述深度学习子系统包括图像识别模块、神经网络模型构建模块、专家经验规则判断模块以及知识图谱分类模块。
如图5所示,所述系统还包括AI驱动模块、去模糊化处理模块以及业务决策输出模块。
本说明书的一个实施例提供的一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现以下步骤:
获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
本说明书的一个实施例提供的一种计算机程序产品,包括计算机程序 /指令,其特征在于,该计算机程序/指令被处理器执行时实现以下步骤:
获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
本说明书的一个实施例提供的一种电子设备,包括:
处理器;以及
被设置成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
本说明书的一个实施例提供的一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现以下步骤:
收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息,通过后端服务器业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和向用户输出结果。
本说明书的一个实施例提供的一种计算机程序产品,包括计算机程序 /指令,其特征在于,该计算机程序/指令被处理器执行时实现以下步骤:
收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息,通过后端服务器业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和向用户输出结果。
本说明书的一个实施例提供的一种电子设备,包括:
处理器;以及
被设置成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息,通过后端服务器业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和向用户输出结果。
本发明基于模糊逻辑的业务处理方法、系统及设备,获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果,在不需要大量现有样本的前提下,可以有效地提高业务专家的决策效率,并兼顾决策的准确率,尤其是对于睡眠障碍的治疗中,面对纷繁多样复杂的各种诱因,能够极大地降低医疗专家的初级工作量,将专家的经验值主要用于更具有判断力的事情上来。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、方法、商品或者设备不仅包括那些要素,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、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (14)
1.一种基于模糊逻辑的业务处理方法,用于服务器端,获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
2.根据权利要求1所述的基于模糊逻辑的业务处理方法,所述评价体系设立相关维度和指标,不同维度和指标形成网状信息分布。
3.根据权利要求2所述的基于模糊逻辑的业务处理方法,所述指标包括好、中、差三档或者更多档次。
4.根据权利要求1-3之一所述的基于模糊逻辑的业务处理方法,所述业务数据包括用户画像数据、分析数据以及其他事件数据。
5.根据权利要求2所述的基于模糊逻辑的业务处理方法,所述不同维度和指标形成模糊逻辑处理的节点,不同节点之间具有优先级。
6.根据权利要求5所述的基于模糊逻辑的业务处理方法,所述节点按照层状分布,优先级高的在模糊逻辑推理过程中优先进行去模糊化。
7.一种基于模糊逻辑的业务处理方法,应用于互联网业务平台,收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息,通过后端服务器业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和向用户输出结果。
8.根据权利要求7所述的方法,所述业务数据包括用户画像数据、分析数据以及其他事件数据。
9.根据权利要求8所述的方法,所述检查数据包括文本数据和图片数据。
10.一种基于模糊逻辑的业务处理系统,包括服务器端、客户端和互联网业务平台,
用户通过所述客户端提交信息,
所述互联网业务平台,收集用户输入的信息进行结构化处理成标准化数据,设置模糊逻辑,对数据进行分级,不同的分级对应不同的维度和指标,将维度和指标对应建立模糊化逻辑中的节点,向后端服务器输入节点信息;
所述后端服务器将业务专家输入的模糊化概念建立对应的评价体系以及模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到输出结果并反馈给互联网业务平台;
所述互联网业务平台向用户客户端推送结果。
11.根据权利要求11所述的系统,所述评价体系设立相关维度和指标,不同维度和指标形成网状信息分布。
12.一种电子设备,包括:
处理器;以及
被设置成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
获取业务数据并进行结构化处理,设置模糊逻辑,根据业务专家输入的模糊化概念建立对应的评价体系,建立至少一个模糊化概念与模糊逻辑判断结果映射关系表,通过深度学习算法构建神经网络模型,对模糊逻辑进行驱动处理,结合业务专家经验知识建立知识图谱并分类,对模糊化概念进行推理和描述,将推理和描述结果迭代到模型中得到最终判断依据,对业务需求进行处理得到和输出结果。
13.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求 1-9之一所述方法的步骤。
14.一种计算机程序产品,包括计算机程序 /指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求 1-9之一所述方法的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325697.0A CN115718797A (zh) | 2021-08-23 | 2021-08-23 | 睡眠障碍的信息处理方法、装置和系统 |
CN202110964802.4A CN113420152B (zh) | 2021-08-23 | 2021-08-23 | 基于模糊逻辑的业务处理方法、装置和系统 |
CN202211325752.6A CN115757771A (zh) | 2021-08-23 | 2021-08-23 | 基于模糊逻辑的临床业务处理方法、装置和系统 |
CN202211325999.8A CN115757772A (zh) | 2021-08-23 | 2021-08-23 | 图像图片处理方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110964802.4A CN113420152B (zh) | 2021-08-23 | 2021-08-23 | 基于模糊逻辑的业务处理方法、装置和系统 |
Related Child Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211325999.8A Division CN115757772A (zh) | 2021-08-23 | 2021-08-23 | 图像图片处理方法、装置和系统 |
CN202211325697.0A Division CN115718797A (zh) | 2021-08-23 | 2021-08-23 | 睡眠障碍的信息处理方法、装置和系统 |
CN202211325752.6A Division CN115757771A (zh) | 2021-08-23 | 2021-08-23 | 基于模糊逻辑的临床业务处理方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113420152A true CN113420152A (zh) | 2021-09-21 |
CN113420152B CN113420152B (zh) | 2022-09-20 |
Family
ID=77719064
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211325999.8A Pending CN115757772A (zh) | 2021-08-23 | 2021-08-23 | 图像图片处理方法、装置和系统 |
CN202110964802.4A Active CN113420152B (zh) | 2021-08-23 | 2021-08-23 | 基于模糊逻辑的业务处理方法、装置和系统 |
CN202211325697.0A Pending CN115718797A (zh) | 2021-08-23 | 2021-08-23 | 睡眠障碍的信息处理方法、装置和系统 |
CN202211325752.6A Pending CN115757771A (zh) | 2021-08-23 | 2021-08-23 | 基于模糊逻辑的临床业务处理方法、装置和系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211325999.8A Pending CN115757772A (zh) | 2021-08-23 | 2021-08-23 | 图像图片处理方法、装置和系统 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211325697.0A Pending CN115718797A (zh) | 2021-08-23 | 2021-08-23 | 睡眠障碍的信息处理方法、装置和系统 |
CN202211325752.6A Pending CN115757771A (zh) | 2021-08-23 | 2021-08-23 | 基于模糊逻辑的临床业务处理方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (4) | CN115757772A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114089632A (zh) * | 2021-11-15 | 2022-02-25 | 陕西师范大学 | 基于模糊逻辑的风湿免疫疾病特征识别方法及系统 |
CN115238197A (zh) * | 2022-09-26 | 2022-10-25 | 中国电子科技集团公司第十研究所 | 一种基于专家思维模型的领域业务辅助分析方法 |
CN115905702A (zh) * | 2022-12-06 | 2023-04-04 | 鄄城县馨宁网络科技有限公司 | 基于用户需求分析的数据推荐方法及系统 |
CN117112239A (zh) * | 2023-10-23 | 2023-11-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种异构推理后端上的可扩展负载均衡方法及系统 |
CN117194048A (zh) * | 2023-04-13 | 2023-12-08 | 山东华科信息技术有限公司 | 用于业务数据的协同方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117909507B (zh) * | 2024-03-19 | 2024-05-17 | 金盾检测技术股份有限公司 | 基于ai的数据分类系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6883101B1 (en) * | 2000-02-08 | 2005-04-19 | Harris Corporation | System and method for assessing the security posture of a network using goal oriented fuzzy logic decision rules |
CN113241196A (zh) * | 2021-05-17 | 2021-08-10 | 中国科学院自动化研究所 | 基于云-终端协同的远程医疗与分级监控系统 |
-
2021
- 2021-08-23 CN CN202211325999.8A patent/CN115757772A/zh active Pending
- 2021-08-23 CN CN202110964802.4A patent/CN113420152B/zh active Active
- 2021-08-23 CN CN202211325697.0A patent/CN115718797A/zh active Pending
- 2021-08-23 CN CN202211325752.6A patent/CN115757771A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6883101B1 (en) * | 2000-02-08 | 2005-04-19 | Harris Corporation | System and method for assessing the security posture of a network using goal oriented fuzzy logic decision rules |
CN113241196A (zh) * | 2021-05-17 | 2021-08-10 | 中国科学院自动化研究所 | 基于云-终端协同的远程医疗与分级监控系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114089632A (zh) * | 2021-11-15 | 2022-02-25 | 陕西师范大学 | 基于模糊逻辑的风湿免疫疾病特征识别方法及系统 |
CN114089632B (zh) * | 2021-11-15 | 2023-08-18 | 陕西师范大学 | 基于模糊逻辑的风湿免疫疾病特征识别方法及系统 |
CN115238197A (zh) * | 2022-09-26 | 2022-10-25 | 中国电子科技集团公司第十研究所 | 一种基于专家思维模型的领域业务辅助分析方法 |
CN115238197B (zh) * | 2022-09-26 | 2023-05-23 | 中国电子科技集团公司第十研究所 | 一种基于专家思维模型的领域业务辅助分析方法 |
CN115905702A (zh) * | 2022-12-06 | 2023-04-04 | 鄄城县馨宁网络科技有限公司 | 基于用户需求分析的数据推荐方法及系统 |
CN115905702B (zh) * | 2022-12-06 | 2023-10-10 | 雨果跨境(厦门)科技有限公司 | 基于用户需求分析的数据推荐方法及系统 |
CN117194048A (zh) * | 2023-04-13 | 2023-12-08 | 山东华科信息技术有限公司 | 用于业务数据的协同方法 |
CN117194048B (zh) * | 2023-04-13 | 2024-04-09 | 山东华科信息技术有限公司 | 用于业务数据的协同方法 |
CN117112239A (zh) * | 2023-10-23 | 2023-11-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种异构推理后端上的可扩展负载均衡方法及系统 |
CN117112239B (zh) * | 2023-10-23 | 2024-02-09 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种异构推理后端上的可扩展负载均衡方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115757772A (zh) | 2023-03-07 |
CN113420152B (zh) | 2022-09-20 |
CN115757771A (zh) | 2023-03-07 |
CN115718797A (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113420152B (zh) | 基于模糊逻辑的业务处理方法、装置和系统 | |
Robert et al. | Textural features for image classification | |
CN113780292B (zh) | 一种基于证据推理的语义分割网络模型不确定性量化方法 | |
US20210326706A1 (en) | Generating metadata for trained model | |
CN112150298A (zh) | 数据处理方法、系统、设备及可读介质 | |
Zhang et al. | A view-reduction based multi-view TSK fuzzy system and its application for textile color classification | |
Doumpos et al. | Preference disaggregation for multicriteria decision aiding: An overview and perspectives | |
Li et al. | Localizing and quantifying infrastructure damage using class activation mapping approaches | |
CN116611546B (zh) | 基于知识图谱的目标研究区域滑坡预测方法及系统 | |
Purushotham et al. | A comparative study of RIFCM with other related algorithms from their suitability in analysis of satellite images using other supporting techniques | |
Mai et al. | Optimization of interval type-2 fuzzy system using the PSO technique for predictive problems | |
Apeagyei et al. | Evaluation of deep learning models for classification of asphalt pavement distresses | |
CN114141380A (zh) | 数据处理和分析方法、装置和系统 | |
Mishra et al. | Multi-attribute decision making application using hybridly modelled Gaussian Interval Type-2 Fuzzy sets with uncertain mean | |
EP3588441A1 (en) | Imagification of multivariate data sequences | |
CN114612246A (zh) | 对象集合识别方法、装置、计算机设备及存储介质 | |
Hitzler | Discovering visual concepts and rules in convolutional neural networks | |
CN114359587A (zh) | 类激活图生成方法、可解释方法、装置、设备及存储介质 | |
CN115019342A (zh) | 一种基于类关系推理的濒危动物目标检测方法 | |
Mahalle et al. | Data Acquisition and Preparation | |
Calzada et al. | Application of a spatial intelligent decision system on Self-Rated health status estimation | |
Barman et al. | Image processing using case-based reasoning: A survey | |
Zakeri et al. | Automation and Computational Intelligence for Road Maintenance and Management: Advances and Applications | |
Ghosh et al. | SAR Image Change Detection Using Modified Gauss-Log Ratio Operator and Convolution Neural Network | |
Saxena et al. | An Optimized Technique for Plant Identification Through Deep Residual Networks |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Rooms 1601 and 1602, 16th floor, No. 52, North Fourth Ring West Road, Haidian District, Beijing 100080 Patentee after: Good Feeling Health Industry Group Co.,Ltd. Address before: Rooms 1601 and 1602, 16th floor, No. 52, North Fourth Ring West Road, Haidian District, Beijing 100080 Patentee before: BEIJING HAOXINQING MOBILE MEDICAL TECHNOLOGY CO.,LTD. |