CN113689152A - 故障预警的处理方法和装置、电子设备和存储介质 - Google Patents
故障预警的处理方法和装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113689152A CN113689152A CN202111249900.6A CN202111249900A CN113689152A CN 113689152 A CN113689152 A CN 113689152A CN 202111249900 A CN202111249900 A CN 202111249900A CN 113689152 A CN113689152 A CN 113689152A
- Authority
- CN
- China
- Prior art keywords
- target
- early warning
- word
- reason
- determining
- 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
Abstract
本申请提供了一种故障预警的处理方法和装置、电子设备和存储介质,其中,该方法包括:获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到目标会话内包含的语句信息;对语句信息进行数据预处理,得到多个目标分词;根据目标分词确定目标会话的主题内容标签和目标分词的主题特征标签;根据主题特征标签、主题内容标签以及预设知识图谱,确定出目标场控面板出现故障预警的目标原因和对应的解决方案。通过本申请,解决了相关技术中存在的难于定位出错,无法准确和及时地找到出错原因和解决方案的问题。
Description
技术领域
本申请涉及人工智能领域,尤其涉及一种故障预警的处理方法和装置、电子设备和存储介质。
背景技术
在人工智能时代,AI技术会以更精准更高效的方式推动企业在流程优化、降本增效方面的需求。智能场控预警可大幅提升客服场控管理人员在风险管控与解决问题方面的速度和效率,强化其在坐席管理工作方面的及时性和全面性。
为提升客服整体服务质量与消费者满意度,企业的客服部门通常会利用场控人员及会话监控面板,对线上坐席的服务过程进行实时监控,对坐席遇到的问题进行及时干预和反馈,对现场进行整体调度控制(如现场坐席的人员调度、质量监管,以及系统故障时的调度),但是相关技术在对出现问题的定位以及问题的解析错因环节,做不到准确和及时的效果。
因此,相关技术中存在难于定位出错,无法准确和及时地找到出错原因和解决方案的问题。
发明内容
本申请提供了一种故障预警的处理方法和装置、存储介质和电子设备,以至少解决相关技术中存在难于定位出错,无法准确和及时地找到出错原因和解决方案的问题。
根据本申请实施例的一个方面,提供了一种故障预警的处理方法,该方法包括:
获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到所述目标会话内包含的语句信息,其中,所述目标会话为目标用户与服务客服之间的对话;
对所述语句信息进行数据预处理,得到多个目标分词,其中,所述目标分词为满足当前目标场景的词语;
根据所述目标分词确定所述目标会话的主题内容标签和所述目标分词的主题特征标签,其中,所述主题内容标签用于表征所述目标会话描述的主要内容,所述主题特征标签用于表征所述目标分词的热度和异常程度;
根据所述主题特征标签、所述主题内容标签以及预设知识图谱,确定出所述目标场控面板出现故障预警的目标原因和对应的解决方案,其中,所述预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。
根据本申请实施例的另一个方面,还提供了一种故障预警的处理装置,该装置包括:
第一获取单元,用于获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到所述目标会话内包含的语句信息,其中,所述目标会话为目标用户与服务客服之间的对话;
得到单元,用于对所述语句信息进行数据预处理,得到多个目标分词,其中,所述目标分词为满足当前目标场景的词语;
第一确定单元,用于根据所述目标分词确定所述目标会话的主题内容标签和所述目标分词的主题特征标签,其中,所述主题内容标签用于表征所述目标会话描述的主要内容,所述主题特征标签用于表征所述目标分词的热度和异常程度;
第二确定单元,用于根据所述主题特征标签、所述主题内容标签以及预设知识图谱,确定出所述目标场控面板出现故障预警的目标原因和对应的解决方案,其中,所述预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。
可选地,得到单元包括:
获取模块,用于获取所述目标场景对应的多个关键词;
匹配模块,用于从所述语句信息中匹配出与所述关键词相似度大于预设阈值的词语,作为参考分词;
剔除模块,用于对所述参考分词进行无含义词语的剔除,得到所述目标分词,其中,所述无含义词语包括:副词、介词、连词、助词、感叹词、象声词。
可选地,该装置还包括:
第二获取单元,用于获取所述目标分词在预设时间段内出现的频率,得到分词频率;
存储单元,用于按照预设格式将所述目标分词和所述分词频率存储进数据库内,其中,所述预设格式包括:所述目标会话的帐号、所述目标会话的结束时间、所述目标会话的数据来源、所述语句信息、所述目标分词以及所述分词频率。
可选地,第一确定单元包括:
第一获取模块,用于获取所述目标分词在历史记录的所述预设时间段内出现的平均频次,作为历史词频;
第二获取模块,用于获取在所述预设时间段内出现频次为预设名次的参考词频;
确定模块,用于根据所述分词频率、历史词频、参考词频,确定所述主题特征标签。
可选地,确定模块包括:
确定子单元,用于利用所述分词频率和所述参考词频,确定所述主题特征标签表征的所述目标分词的热度;
确定子单元,用于利用所述分词频率和所述历史词频,确定所述主题特征标签表征的所述目标分词的异常程度。
可选地,第二确定单元包括:
第一确定子模块,用于根据所述主题特征标签确定致使所述目标场控面板出现故障预警的异常事件;
第二确定子模块,用于利用所述异常事件和所述主题内容标签,匹配所述预设知识图谱,确定出所述目标场控面板出现故障预警的所述目标原因;
获取子模块,用于获取预设方案映射表,其中,所述预设方案映射表内存储有引起所述故障预警的至少一个参考原因和解决所述参考原因的方案信息,其中,所述参考原因包含所述目标原因;
第三确定子模块,用于根据所述预设方案映射表,确定所述目标原因对应的所述解决方案。
可选地,第二确定子模块包括:
第一分析子单元,用于利用所述异常事件和所述主题内容标签,匹配所述预设知识图谱,分析出所述目标场控面板出现故障预警的多个第一原因;
第二分析子单元,用于分析多个所述第一原因,得到至少一个第二原因,其中,所述第二原因是所述第一原因的子集;
确定子单元,用于获取与所述第二原因相关联的关联数据,对所述关联数据进行核查,确定出引起所述故障预警的所述目标原因,其中,所述目标原因为所述第二原因的子集。
根据本申请实施例的又一个方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;其中,存储器,用于存储计算机程序;处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
根据本申请实施例的又一个方面,还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
本申请可以应用于知识图谱技术领域进行知识推理,在本申请实施例中,通过获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到目标会话内包含的语句信息,其中,目标会话为目标用户与服务客服之间的对话;对语句信息进行数据预处理,得到多个目标分词,其中,目标分词为满足当前目标场景的词语;根据目标分词确定目标会话的主题内容标签和目标分词的主题特征标签,其中,主题内容标签用于表征目标会话描述的主要内容,主题特征标签用于表征目标分词的热度和异常程度;根据主题特征标签、主题内容标签以及预设知识图谱,确定出目标场控面板出现故障预警的目标原因和对应的解决方案,其中,预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。由于本申请实施例在目标场控面板出现故障预警的情况下,得到目标场控面板中出现的多个目标会话,该目标会话里面包含的是目标用户(即消费者)与服务客服之间的对话,对会话语句进行预处理,同时查看预设知识图谱,迅速定位到出现故障的原因以及解决方案,进而解决了相关技术中难于定位出错,无法准确和及时地找到出错原因和解决方案的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种可选的故障预警的处理方法的硬件环境的示意图;
图2是根据本申请实施例的一种可选的故障预警的处理方法的流程示意图;
图3是根据本申请实施例的一种可选的基于预设知识图谱进行异常事件处理的示意图;
图4是根据本申请实施例的一种可选的热门事件榜的界面图;
图5是根据本申请实施例的一种可选的故障预警的处理装置的结构框图;
图6是根据本申请实施例的一种可选的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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。
本申请实施例以餐饮业为例,展开的以下阐述,当然,本申请实施例涉及的故障预警的处理方法不单只涉及餐饮业,还可以涉及到旅游、金融等行业。根据本申请实施例的一个方面,提供了一种故障预警的处理方法。可选地,在本实施例中,上述故障预警的处理方法可以应用于如图1所示的硬件环境中。如图1所示,终端102中可以包含有存储器104、处理器106和显示器108(可选部件)。终端102可以通过网络110与服务器112进行通信连接,该服务器112可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器112上或独立于服务器112设置数据库114,用于为服务器112提供数据存储服务。此外,服务器112中可以运行有处理引擎116,该处理引擎116可以用于执行由服务器112所执行的步骤。
可选地,终端102可以但不限于为可以计算数据的终端,如移动终端(例如手机、平板电脑)、笔记本电脑、PC(Personal Computer,个人计算机)机等终端上,上述网络可以包括但不限于无线网络或有线网络。其中,该无线网络包括:蓝牙、WIFI(Wireless Fidelity,无线保真)及其他实现无线通信的网络。上述有线网络可以包括但不限于:广域网、城域网、局域网。上述服务器112可以包括但不限于任何可以进行计算的硬件设备。
此外,在本实施例中,上述故障预警的处理方法还可以但不限于应用于处理能力较强大的独立的处理设备中,而无需进行数据交互。例如,该处理设备可以但不限于为处理能力较强大的终端设备,即,上述故障预警的处理方法中的各个操作可以集成在一个独立的处理设备中。上述仅是一种示例,本实施例中对此不作任何限定。
可选地,在本实施例中,上述故障预警的处理方法可以由服务器112来执行,也可以由终端102来执行,还可以是由服务器112和终端102共同执行。其中,终端102执行本申请实施例的故障预警的处理方法也可以是由安装在其上的客户端来执行。
以运行在服务器为例,如图2所示,图2是根据本申请实施例的一种可选的故障预警的处理方法的流程示意图,该方法的流程可以包括以下步骤:
步骤S201,获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到目标会话内包含的语句信息,其中,目标会话为目标用户与服务客服之间的对话。
可选地,本申请实施例提供一种目标场控面板,该目标场控面板集成风险监控、识别、处置、整改的闭环管理,通过对一线消费者反馈的实时监控,实现风险管控全面化,提高问题响应速度的同时,持续沉淀实战经验。更具体地,在一目标场景(比如线上点餐场景)中,目标场控面板出现了故障预警,说明该目标场景出现了错误,这时获取到目标场控面板当前所显示的至少一个目标会话,其中该目标会话通常是目标用户(比如点餐用户/消费者)与服务客服之间的对话内容,对话语句信息。
步骤S202,对语句信息进行数据预处理,得到多个目标分词,其中,目标分词为满足当前目标场景的词语。
可选地,本申请实施例在获取到目标会话的语句信息后,对该语句信息进行预处理,其中,该预处理可以是对语句中包含的分词词语进行划分、去掉无意义的词语等操作,然后得到预处理后的多个目标分词,另外,由于目标场控面板内的服务器在获取到目标会话时的大环境是基于目标场景进行的,所以得到的处理后的目标分词也是能够满足目标场景的词语。
步骤S203,根据目标分词确定目标会话的主题内容标签和目标分词的主题特征标签,其中,主题内容标签用于表征目标会话描述的主要内容,主题特征标签用于表征目标分词的热度和异常程度。
可选地,本申请实施例对每组目标会话进行标注,生成各类标签,其包含根据目标分词确定的目标会话的主题内容标签,比如“取餐码未出”、“申请退款”、“点餐程序”等。需要说明的是,本申请实施例可以基于文本会话相似度聚类分析模型(LDA模型或BTM模型),抽取各轮会话的主题,提炼出文本代表句,以得到该主题内容标签。
另外,基于目标分词可以识别会话中包含的各实体类型,在会话内容上标记出实体标签,也可以基于目标分词使用企业工单系统中既有的工单标签体系分类,给不同的目标会话打上对应的工单标签,如“发票咨询”“余额查询”“投诉服务态度”等。
基于目标分词,得到该目标分词对应主题的“实时热度”、“上升指数”及“异常指数”,以得到目标分词对应的主题特征标签,该主题特征标签可以表示出目标分词的热度和异常程度。如异常指数高,则打上“异常”的标签。
针对“实时热度”、“上升指数”及“异常指数”指标的定义如下:
异常指数:综合考量各目标会话关键词、对比历史热度的表现、在当前时间段的突出程度以及时间段因素(比如餐期、用餐时间等),以动态评估每个目标分词的异常程度。
实时热度:“每个目标会话关键词在当前时间段的提及频次有多少。
上升指数:每个目标会话关键词的环比增长率,帮助目标场控在问题显现初始,就可进行立即捕捉,且能更为直观的展示其突发程度,如:
异常指数高,且上升指数低:要处理的问题,但已被发现/正在被跟进或解决。
异常指数高,且上升指数高:要处理的问题且但可能还没被发现/解决,需立即告知下游人员。
另外,上升指数可以表征异常指数和实时热度,如果一个目标分词上升指数异常的高,那其对应的实时热度值和异常指数值也会很高,所以在本申请实施例中利用主题特征标签用于表征目标分词的热度和异常程度,即可得到热度高且有异常的词语,而这种词语通常情况下也是引起故障预警的异常词或异常事件。
步骤S204,根据主题特征标签、主题内容标签以及预设知识图谱,确定出目标场控面板出现故障预警的目标原因和对应的解决方案,其中,预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。
可选地,如图3,基于主题特征标签、主题内容标签,去查找预设知识图谱,基于预设知识图谱反向推导出目标场控面板出现故障预警的目标原因,然后再基于设置好的运营手册等找到解决该目标原因的解决方案。需要介绍的是,本申请实施例的预设知识图谱时通过抽取过往业务数据、专家经验中的因果证据,归纳形成精准的判定图谱,可以让值班人员快速的定位和解读到实际的问题和关联关系,对发生的事件进行原因追溯,推导出结果。
通过图3可以看出,预设知识图谱展示了异常事件/故障事件的全貌,最终实现以点及面的异常原因分析、定位、排查及解决措施等全景展示。
在本申请实施例中,通过获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到目标会话内包含的语句信息,其中,目标会话为目标用户与服务客服之间的对话;对语句信息进行数据预处理,得到多个目标分词,其中,目标分词为满足当前目标场景的词语;根据目标分词确定目标会话的主题内容标签和目标分词的主题特征标签,其中,主题内容标签用于表征目标会话描述的主要内容,主题特征标签用于表征目标分词的热度和异常程度;根据主题特征标签、主题内容标签以及预设知识图谱,确定出目标场控面板出现故障预警的目标原因和对应的解决方案,其中,预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。由于本申请实施例在目标场控面板出现故障预警的情况下,得到目标场控面板中出现的多个目标会话,该目标会话里面包含的是目标用户(即消费者)与服务客服之间的对话,对会话语句进行预处理,同时查看预设知识图谱,迅速定位到出现故障的原因以及解决方案,进而解决了相关技术中难于定位出错,无法准确和及时地找到出错原因和解决方案的问题。
基于上述各实施例,作为一种可选实施例,对语句信息进行数据预处理,得到多个目标分词包括:
获取目标场景对应的多个关键词;
从语句信息中匹配出与关键词相似度大于预设阈值的词语,作为参考分词;
对参考分词进行无含义词语的剔除,得到目标分词,其中,无含义词语包括:副词、介词、连词、助词、感叹词、象声词。
可选地,本申请实施例按照Kafka实时推流读取结束时间与目标会话内容进入分词流程,其余部分直接入档。其中,在对语句信息进行预处理时,是利用业务专有词词典,无意义词词典,近义词词典等对语句信息进行处理,使得得到的目标分词更贴合目标业务场景、起到降噪功效。
比如,本申请实施例设置一些关键词,这些关键词是从业务专有词,业务专有词近义词中选出的词语,从语句信息中匹配出与关键词相似度大于预设阈值的词语,作为参考分词,其中,预设阈值为一个临界值,比如90%,只获取大于该临界值的分词。之后对参考分词进行进一步地处理:对参考分词进行无含义词语,比如副词、介词、连词、助词、感叹词、象声词等的剔除,得到目标分词。
在本申请实施例中,先对目标会话中的语句信息进行预处理,以得到有意义的目标分词,这样增加后续数据打标签的准确性。
基于上述各实施例,作为一种可选实施例,在对参考分词进行无含义词语的剔除,得到目标分词之后,方法还包括:
获取目标分词在预设时间段内出现的频率,得到分词频率;
按照预设格式将目标分词和分词频率存储进数据库内,其中,预设格式包括:目标会话的帐号、目标会话的结束时间、目标会话的数据来源、语句信息、目标分词以及分词频率。
可选地,本申请实施例要获取到目标分词在一个预设时间段内出现的频率,其中,该预设时间段通常定义为一固定的时间段,比如一周内的某相同时间段(7:00-8:00),然后针对该目标分词在该预设时间段内出现的频率,得到该目标分词的分词频率。
然后,本申请实施例为了规范目标会话内出现的各个数据,比如目标会话的帐号、目标会话的结束时间、目标会话的数据来源等的规范性,设置一预设格式,使得按照预设格式将目标分词和分词频率也一块存储进数据库内。其中,该预设格式的排列方式可以为:目标会话的帐号、目标会话的结束时间、目标会话的数据来源、目标会话内的语句信息、目标分词以及目标分词的分词频率。
需要说明的是,上述的目标会话的数据来源可以包含发起该目标会话的餐饮品牌、当前餐饮业务、发起目标会话的渠道(比如xx软件)等。
基于上述各实施例,作为一种可选实施例,根据目标分词确定目标分词的主题特征标签包括:
获取目标分词在历史记录的预设时间段内出现的平均频次,作为历史词频;
获取在预设时间段内出现频次为预设名次的参考词频;
根据分词频率、历史词频、参考词频,确定主题特征标签。
可选地,在本申请实施例中,可以考虑到餐期等因素,获取到目标分词在历史记录(比如前一日)中记载的上述实施例的预设时间段内出现的次数的平均均值,作为历史词频,可以将预设时间段缩放到十分钟等。
获取到当前十分钟内词频频次排名在预设名次(比如第5%的排位)的词,获取该词对应的词频,作为参考词频。
然后基于述分词频率、历史词频、参考词频,确定主题特征标签。其中,可以述分词频率、历史词频、参考词频,得到主题特征标签的热度值(也可以是热度指数)和异常值(也可以是异常指数)。
基于上述各实施例,作为一种可选实施例,根据分词频率、历史词频、参考词频,确定主题特征标签包括:
利用分词频率和参考词频,确定主题特征标签表征的目标分词的热度;
利用分词频率和历史词频,确定主题特征标签表征的目标分词的异常程度。
可选地,本申请实施例在确定主题特征标签时,计算数据是实时计算的,然后又因为主题特征标签是对目标分词的热度、异常度的标志,所以在本申请实施例中,根据分词频率、历史词频、参考词频来得到存在异常,且热度又高的分词。
本申请实施例还可以利用实时热度和上升指数的计算,来对目标分词的主题特征标签的设定进行辅助判断:
实时热度:用户进入页面访问/查询时,后台会即时链接ES数据库,这样查询时选取前10分钟该目标分词的词频,进行实时的词频相加,比如每分钟循环统计一次。
上升指数=(当前十分钟目标分词的分词词频–上十分钟目标分词的分词词频)/上十分钟目标分词的分词词频,得到环比。可参见图4中的热门事件榜的界面图,该界面中包含每个目标分词的异常指数、实时热度和上升指数。
本申请实施例可以降低长期频率较高的词的权重,使这些频率较高的词不影响主题特征标签的获取结果,同时,上述计算过程可以保证查询词频的秒级实现,提高整体效率。
基于上述各实施例,作为一种可选实施例,根据主题特征标签、主题内容标签以及预设知识图谱,确定出目标场控面板出现故障预警的目标原因和对应的解决方案包括:
根据主题特征标签确定致使目标场控面板出现故障预警的异常事件;
利用异常事件和主题内容标签,匹配预设知识图谱,确定出目标场控面板出现故障预警的目标原因;
获取预设方案映射表,其中,预设方案映射表内存储有引起故障预警的至少一个参考原因和解决参考原因的方案信息,其中,参考原因包含目标原因;
根据预设方案映射表,确定目标原因对应的解决方案。
可选地,在得到主题特征标签后,可以基于获得的数值去确定致使目标场控面板出现故障预警的异常事件,比如取餐码未出。
利用异常事件和主题内容标签,去查询预设知识图谱进行匹配,确定出目标场控面板出现故障预警的目标原因。然后获取到预设方案映射表,该预设方案映射表可以是运营手册等,其存储有引起故障预警的至少一个参考原因和解决这些参考原因的方案信息。其中,参考原因内包含有目标原因。最后,基于该预设方案映射表,确定出与目标原因对应的解决方案。
基于上述各实施例,作为一种可选实施例,利用异常事件和主题内容标签,匹配预设知识图谱,确定出目标场控面板出现故障预警的目标原因包括:
利用异常事件和主题内容标签,匹配预设知识图谱,分析出目标场控面板出现故障预警的多个第一原因;
分析多个第一原因,得到至少一个第二原因,其中,第二原因是第一原因的子集;
获取与第二原因相关联的关联数据,对关联数据进行核查,确定出引起故障预警的目标原因,其中,目标原因为第二原因的子集。
可选地,利用异常事件和每个目标会话的主题内容标签,从预设知识图谱中推导出导致目标场控面板出现故障预警的多个第一原因,从图3中可以得出,会话A001中,消费者A反馈的内容与“取餐码未出”、“餐厅电话”、“申请退款”这些主题内容标签有关的事件;会话C001中,消费者C反馈内容与“取餐短信未通知”、“点餐程序”、“外送订单”这些主题内容标签有关的事件。对于会话A001来说,基于预设知识图谱中“取餐码未出”可以推导出该事件与“取餐码”有关,再结合“餐厅电话”,可进一步推导出该事件与餐厅中的“点餐机”有关,而“点餐机”与“订单系统”有关。对于C001来说,基于预设知识图谱中的“取餐短信未通知”可推导出该事件与“取餐通知”有关,而“取餐通知”与“短信系统”有关,“短信系统”与“订单系统”有关。上述的“取餐码”、“点餐机”、“订单系统”、“取餐通知”、短信系统”、“订单系统”都是本申请实施例所涉及的第一原因。
分析多个第一原因,进行故障初步分析,得到至少一个第二原因,比如,消费者A反馈的“取餐码未出”,相关的故障原因可能是“点餐机故障”、“订单系统故障”;消费者C反馈的“取餐码未出”,相关的故障原因可能是“短信系统故障”、“订单系统故障”。
然后基于上述第二原因进行故障排查,具体地,获取到与第二原因相关联的关联数据,通过分析这些关联数据,比如消费者A中与点餐机相关的数据,可以发现未出现点餐机其他问题,从而排除点餐机故障,再比如消费者C中与短信系统相关的数据,可以发现短信内系统未出现其他问题,从而排除短信系统故障。最终结合排除后的原因,得到引起故障预警的目标原因,比如结合消费者A和消费者C反馈的订单系统故障,以及点餐机故障、短信系统故障中出现的取餐码未出、取餐码短信未通知,综合判断,是由于订单系统出错导致生成取餐码出错,最终出现了故障预警。
与此同时,本申请实施例还会基于目标原因向目标用户下发客服话术,比如下达一些官方用语、行动建议等,这样可以加速问题的解决,提高用户体验,实现降本增效的效果。
本申请实施例在故障预警发生后,自动收集故障相关信息,按照预设知识图谱整理故障相关信息,对故障原因进行分析和研判,自动生成故障报告,故障诊断由人工模式转换为智能诊断模式,帮助快速定位异常事件,得到故障原因,匹配解决方案,提高排查工作效率和准确率。
另外,本申请实施例还会记录每个异常处理事件的最新处理方式,以扩充预设知识图谱的内容,使得利用预设知识图谱推导更多故障原因,给予解决问题指导方案。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述故障预警的处理方法的故障预警的处理装置。图5是根据本申请实施例的一种可选的故障预警的处理装置的结构框图,如图5所示,该装置可以包括:
第一获取单元501,用于获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到目标会话内包含的语句信息,其中,目标会话为目标用户与服务客服之间的对话;
得到单元502,用于对语句信息进行数据预处理,得到多个目标分词,其中,目标分词为满足当前目标场景的词语;
第一确定单元503,用于根据目标分词确定目标会话的主题内容标签和目标分词的主题特征标签,其中,主题内容标签用于表征目标会话描述的主要内容,主题特征标签用于表征目标分词的热度和异常程度;
第二确定单元504,用于根据主题特征标签、主题内容标签以及预设知识图谱,确定出目标场控面板出现故障预警的目标原因和对应的解决方案,其中,预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。
需要说明的是,该实施例中的第一获取单元501可以用于执行上述步骤S201,该实施例中的得到单元502可以用于执行上述步骤S202,该实施例中的第一确定单元503可以用于执行上述步骤S203,该实施例中的第二确定单元504可以用于执行上述步骤S204。
通过上述模块,本申请实施例在目标场控面板出现故障预警的情况下,得到目标场控面板中出现的多个目标会话,该目标会话里面包含的是目标用户(即消费者)与服务客服之间的对话,对会话语句进行预处理,同时查看预设知识图谱,迅速定位到出现故障的原因以及解决方案,进而解决了相关技术中难于定位出错,无法准确和及时地找到出错原因和解决方案的问题。
作为一种可选的实施例,得到单元包括:
获取模块,用于获取目标场景对应的多个关键词;
匹配模块,用于从语句信息中匹配出与关键词相似度大于预设阈值的词语,作为参考分词;
剔除模块,用于对参考分词进行无含义词语的剔除,得到目标分词,其中,无含义词语包括:副词、介词、连词、助词、感叹词、象声词。
作为一种可选的实施例,该装置还包括:
第二获取单元,用于获取目标分词在预设时间段内出现的频率,得到分词频率;
存储单元,用于按照预设格式将目标分词和分词频率存储进数据库内,其中,预设格式包括:目标会话的帐号、目标会话的结束时间、目标会话的数据来源、语句信息、目标分词以及分词频率。
作为一种可选的实施例,第一确定单元包括:
第一获取模块,用于获取目标分词在历史记录的预设时间段内出现的平均频次,作为历史词频;
第二获取模块,用于获取在预设时间段内出现频次为预设名次的参考词频;
确定模块,用于根据分词频率、历史词频、参考词频,确定主题特征标签。
作为一种可选的实施例,确定模块包括:
确定子单元,用于利用分词频率和参考词频,确定主题特征标签表征的目标分词的热度;
确定子单元,用于利用分词频率和历史词频,确定主题特征标签表征的目标分词的异常程度。
作为一种可选的实施例,第二确定单元包括:
第一确定子模块,用于根据主题特征标签确定致使目标场控面板出现故障预警的异常事件;
第二确定子模块,用于利用异常事件和主题内容标签,匹配预设知识图谱,确定出目标场控面板出现故障预警的目标原因;
获取子模块,用于获取预设方案映射表,其中,预设方案映射表内存储有引起故障预警的至少一个参考原因和解决参考原因的方案信息,其中,参考原因包含目标原因;
第三确定子模块,用于根据预设方案映射表,确定目标原因对应的解决方案。
作为一种可选的实施例,第二确定子模块包括:
第一分析子单元,用于利用异常事件和主题内容标签,匹配预设知识图谱,分析出目标场控面板出现故障预警的多个第一原因;
第二分析子单元,用于分析多个第一原因,得到至少一个第二原因,其中,第二原因是第一原因的子集;
确定子单元,用于获取与第二原因相关联的关联数据,对关联数据进行核查,确定出引起故障预警的目标原因,其中,目标原因为第二原因的子集。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
申请实施例的又一个方面,还提供了一种用于实施上述故障预警的处理方法的电子设备,该电子设备可以是服务器、终端、或者其组合。
图6是根据本申请实施例的一种可选的电子设备的结构框图,如图6所示,包括处理器601、通信接口602、存储器603和通信总线604,其中,处理器601、通信接口602和存储器603通过通信总线604完成相互间的通信,其中,
存储器603,用于存储计算机程序;
处理器601,用于执行存储器603上所存放的计算机程序时,实现如下步骤:
获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到目标会话内包含的语句信息,其中,目标会话为目标用户与服务客服之间的对话;
对语句信息进行数据预处理,得到多个目标分词,其中,目标分词为满足当前目标场景的词语;
根据目标分词确定目标会话的主题内容标签和目标分词的主题特征标签,其中,主题内容标签用于表征目标会话描述的主要内容,主题特征标签用于表征目标分词的热度和异常程度;
根据主题特征标签、主题内容标签以及预设知识图谱,确定出目标场控面板出现故障预警的目标原因和对应的解决方案,其中,预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。
可选地,在本实施例中,上述的通信总线可以是PCI (Peripheral ComponentInterconnect,外设部件互连标准)总线、或EISA (Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM,也可以包括非易失性存储器(non-volatile memory),例如,至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
作为一种示例,如图6所示,上述存储器603中可以但不限于包括上述故障预警的处理装置中的第一获取单元501、得到单元502、第一确定单元503、第二确定单元504。此外,还可以包括但不限于上述故障预警的处理装置中的其他模块单元,本示例中不再赘述。
上述处理器可以是通用处理器,可以包含但不限于:CPU (Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP (DigitalSignal Processing,数字信号处理器)、ASIC (Application Specific IntegratedCircuit,专用集成电路)、FPGA (Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
此外,上述电子设备还包括:显示器,用于显示故障预警的处理结果。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图6所示的结构仅为示意,实施上述故障预警的处理方法的设备可以是终端设备,该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图6其并不对上述电子设备的结构造成限定。例如,终端设备还可包括比图6中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图6所示的不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
根据本申请实施例的又一个方面,还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于执行故障预警的处理方法的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到目标会话内包含的语句信息,其中,目标会话为目标用户与服务客服之间的对话;
对语句信息进行数据预处理,得到多个目标分词,其中,目标分词为满足当前目标场景的词语;
根据目标分词确定目标会话的主题内容标签和目标分词的主题特征标签,其中,主题内容标签用于表征目标会话描述的主要内容,主题特征标签用于表征目标分词的热度和异常程度;
根据主题特征标签、主题内容标签以及预设知识图谱,确定出目标场控面板出现故障预警的目标原因和对应的解决方案,其中,预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例中对此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
根据本申请实施例的又一个方面,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中;计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任一个实施例中的故障预警的处理方法步骤。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的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,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例故障预警的处理方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种故障预警的处理方法,其特征在于,所述方法包括:
获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到所述目标会话内包含的语句信息,其中,所述目标会话为目标用户与服务客服之间的对话;
对所述语句信息进行数据预处理,得到多个目标分词,其中,所述目标分词为满足当前目标场景的词语;
根据所述目标分词确定所述目标会话的主题内容标签和所述目标分词的主题特征标签,其中,所述主题内容标签用于表征所述目标会话描述的主要内容,所述主题特征标签用于表征所述目标分词的热度和异常程度;
根据所述主题特征标签、所述主题内容标签以及预设知识图谱,确定出所述目标场控面板出现故障预警的目标原因和对应的解决方案,其中,所述预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。
2.根据权利要求1所述的方法,其特征在于,所述对所述语句信息进行数据预处理,得到多个目标分词包括:
获取所述目标场景对应的多个关键词;
从所述语句信息中匹配出与所述关键词相似度大于预设阈值的词语,作为参考分词;
对所述参考分词进行无含义词语的剔除,得到所述目标分词,其中,所述无含义词语包括:副词、介词、连词、助词、感叹词、象声词。
3.根据权利要求2所述的方法,其特征在于,在对所述参考分词进行无含义词语的剔除,得到所述目标分词之后,所述方法还包括:
获取所述目标分词在预设时间段内出现的频率,得到分词频率;
按照预设格式将所述目标分词和所述分词频率存储进数据库内,其中,所述预设格式包括:所述目标会话的帐号、所述目标会话的结束时间、所述目标会话的数据来源、所述语句信息、所述目标分词以及所述分词频率。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标分词确定所述目标分词的主题特征标签包括:
获取所述目标分词在历史记录的所述预设时间段内出现的平均频次,作为历史词频;
获取在所述预设时间段内出现频次为预设名次的参考词频;
根据所述分词频率、历史词频、参考词频,确定所述主题特征标签。
5.根据权利要求4所述的方法,其特征在于,所述根据所述分词频率、历史词频、参考词频,确定所述主题特征标签包括:
利用所述分词频率和所述参考词频,确定所述主题特征标签表征的所述目标分词的热度;
利用所述分词频率和所述历史词频,确定所述主题特征标签表征的所述目标分词的异常程度。
6.根据权利要求1所述的方法,其特征在于,所述根据所述主题特征标签、所述主题内容标签以及预设知识图谱,确定出所述目标场控面板出现故障预警的目标原因和对应的解决方案包括:
根据所述主题特征标签确定致使所述目标场控面板出现故障预警的异常事件;
利用所述异常事件和所述主题内容标签,匹配所述预设知识图谱,确定出所述目标场控面板出现故障预警的所述目标原因;
获取预设方案映射表,其中,所述预设方案映射表内存储有引起所述故障预警的至少一个参考原因和解决所述参考原因的方案信息,其中,所述参考原因包含所述目标原因;
根据所述预设方案映射表,确定所述目标原因对应的所述解决方案。
7.根据权利要求6所述的方法,其特征在于,所述利用所述异常事件和所述主题内容标签,匹配所述预设知识图谱,确定出所述目标场控面板出现故障预警的目标原因包括:
利用所述异常事件和所述主题内容标签,匹配所述预设知识图谱,分析出所述目标场控面板出现故障预警的多个第一原因;
分析多个所述第一原因,得到至少一个第二原因,其中,所述第二原因是所述第一原因的子集;
获取与所述第二原因相关联的关联数据,对所述关联数据进行核查,确定出引起所述故障预警的所述目标原因,其中,所述目标原因为所述第二原因的子集。
8.一种故障预警的处理装置,其特征在于,所述装置包括:
第一获取单元,用于获取目标场控面板在出现故障预警的情况下所显示的至少一个目标会话,得到所述目标会话内包含的语句信息,其中,所述目标会话为目标用户与服务客服之间的对话;
得到单元,用于对所述语句信息进行数据预处理,得到多个目标分词,其中,所述目标分词为满足当前目标场景的词语;
第一确定单元,用于根据所述目标分词确定所述目标会话的主题内容标签和所述目标分词的主题特征标签,其中,所述主题内容标签用于表征所述目标会话描述的主要内容,所述主题特征标签用于表征所述目标分词的热度和异常程度;
第二确定单元,用于根据所述主题特征标签、所述主题内容标签以及预设知识图谱,确定出所述目标场控面板出现故障预警的目标原因和对应的解决方案,其中,所述预设知识图谱为利用业务经验生成的聚集了事件因果关系的判定图谱。
9.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信,其特征在于,
所述存储器,用于存储计算机程序;
所述处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至7中任一项所述的方法步骤。
10.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至7中任一项中所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249900.6A CN113689152B (zh) | 2021-10-26 | 2021-10-26 | 故障预警的处理方法和装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249900.6A CN113689152B (zh) | 2021-10-26 | 2021-10-26 | 故障预警的处理方法和装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689152A true CN113689152A (zh) | 2021-11-23 |
CN113689152B CN113689152B (zh) | 2022-02-18 |
Family
ID=78588089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111249900.6A Active CN113689152B (zh) | 2021-10-26 | 2021-10-26 | 故障预警的处理方法和装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689152B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693353A (zh) * | 2022-03-31 | 2022-07-01 | 方付春 | 电子商务数据处理方法、电子商务系统及云平台 |
CN117235289A (zh) * | 2023-11-16 | 2023-12-15 | 国网浙江省电力有限公司 | 一种面向场景化决策需求的领域图谱模型的处理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103853763A (zh) * | 2012-12-03 | 2014-06-11 | 腾讯科技(深圳)有限公司 | 获取信息的方法和装置 |
CN108259482A (zh) * | 2018-01-04 | 2018-07-06 | 平安科技(深圳)有限公司 | 网络异常数据检测方法、装置、计算机设备及存储介质 |
CN108319588A (zh) * | 2018-02-13 | 2018-07-24 | 北京易真学思教育科技有限公司 | 文本情感分析系统及方法、存储介质 |
US20180232658A1 (en) * | 2017-02-14 | 2018-08-16 | Cognitive Scale, Inc. | Hierarchical Topic Machine Learning Operation |
US20180268818A1 (en) * | 2017-03-20 | 2018-09-20 | Ebay Inc. | Detection of mission change in conversation |
CN108804414A (zh) * | 2018-05-04 | 2018-11-13 | 科沃斯商用机器人有限公司 | 文本修正方法、装置、智能设备及可读存储介质 |
CN112148887A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 设备故障诊断方法、装置、存储介质和电子设备 |
-
2021
- 2021-10-26 CN CN202111249900.6A patent/CN113689152B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103853763A (zh) * | 2012-12-03 | 2014-06-11 | 腾讯科技(深圳)有限公司 | 获取信息的方法和装置 |
US20180232658A1 (en) * | 2017-02-14 | 2018-08-16 | Cognitive Scale, Inc. | Hierarchical Topic Machine Learning Operation |
US20180268818A1 (en) * | 2017-03-20 | 2018-09-20 | Ebay Inc. | Detection of mission change in conversation |
CN108259482A (zh) * | 2018-01-04 | 2018-07-06 | 平安科技(深圳)有限公司 | 网络异常数据检测方法、装置、计算机设备及存储介质 |
CN108319588A (zh) * | 2018-02-13 | 2018-07-24 | 北京易真学思教育科技有限公司 | 文本情感分析系统及方法、存储介质 |
CN108804414A (zh) * | 2018-05-04 | 2018-11-13 | 科沃斯商用机器人有限公司 | 文本修正方法、装置、智能设备及可读存储介质 |
CN112148887A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 设备故障诊断方法、装置、存储介质和电子设备 |
Non-Patent Citations (3)
Title |
---|
刘鑫: "面向故障分析的知识图谱构建技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
张进: "基于智能客服技术的武器系统故障诊断方法", 《指挥控制与仿真》 * |
王骏东: "基于知识图谱的配电网故障辅助决策研究", 《电网技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693353A (zh) * | 2022-03-31 | 2022-07-01 | 方付春 | 电子商务数据处理方法、电子商务系统及云平台 |
CN114693353B (zh) * | 2022-03-31 | 2023-01-24 | 深圳市崇晸实业有限公司 | 电子商务数据处理方法、电子商务系统及云平台 |
CN117235289A (zh) * | 2023-11-16 | 2023-12-15 | 国网浙江省电力有限公司 | 一种面向场景化决策需求的领域图谱模型的处理方法 |
CN117235289B (zh) * | 2023-11-16 | 2024-02-27 | 国网浙江省电力有限公司 | 一种面向场景化决策需求的领域图谱模型的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113689152B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113689152B (zh) | 故障预警的处理方法和装置、电子设备和存储介质 | |
US20190034963A1 (en) | Dynamic sentiment-based mapping of user journeys | |
CN109344170B (zh) | 流数据处理方法、系统、电子设备及可读存储介质 | |
US20170109676A1 (en) | Generation of Candidate Sequences Using Links Between Nonconsecutively Performed Steps of a Business Process | |
US20180046956A1 (en) | Warning About Steps That Lead to an Unsuccessful Execution of a Business Process | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
CN108416041A (zh) | 语音日志分析方法和系统 | |
US20150149541A1 (en) | Leveraging Social Media to Assist in Troubleshooting | |
US20220318681A1 (en) | System and method for scalable, interactive, collaborative topic identification and tracking | |
JP2022548251A (ja) | 事前対応型クライアント関係分析のための方法及びシステム | |
CN111865673A (zh) | 一种自动化故障管理方法、装置及系统 | |
CN114186024A (zh) | 推荐方法及装置 | |
CN107016561B (zh) | 一种信息处理方法和装置 | |
CN116151840B (zh) | 一种基于大数据的用户服务数据智能管理系统及方法 | |
CN108964957B (zh) | 一种数据通信业务质量监控的方法及大数据系统 | |
US20170109637A1 (en) | Crowd-Based Model for Identifying Nonconsecutive Executions of a Business Process | |
US20180108025A1 (en) | Systems and methods for sentiment insight in electronic media postings | |
KR20240054864A (ko) | 숙련자 상담 데이터 및 자유 발화 감정 분석에 기반한 ai 기능이 부가된 cs를 위한 지식 관리 시스템 | |
CN109146306B (zh) | 一种企业管理系统 | |
CN116225848A (zh) | 日志监测方法、装置、设备和介质 | |
CN114826773B (zh) | 一种基于日志数据的自定义日志告警方法和装置 | |
CN115905392A (zh) | 流批一体的数据处理方法、装置、设备及存储介质 | |
CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 | |
CN115495587A (zh) | 一种基于知识图谱的告警分析方法及装置 | |
US11562121B2 (en) | AI driven content correction built on personas |
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 |