CN113706207B - 基于语义解析的订单成交率分析方法、装置、设备及介质 - Google Patents
基于语义解析的订单成交率分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113706207B CN113706207B CN202111011789.7A CN202111011789A CN113706207B CN 113706207 B CN113706207 B CN 113706207B CN 202111011789 A CN202111011789 A CN 202111011789A CN 113706207 B CN113706207 B CN 113706207B
- Authority
- CN
- China
- Prior art keywords
- text
- order
- data
- preset
- coordinates
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 77
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 51
- 230000004913 activation Effects 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 19
- 238000012217 deletion Methods 0.000 claims description 18
- 230000037430 deletion Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Machine Translation (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种基于语义解析的订单成交率分析方法,包括:将用户的订单咨询记录转换为文本形式并提取出文本中的关键词,对该关键词进行语义识别,得到每个关键词的语义,将获取的语义映射至预先构建的特征空间,得到每一个语义的空间坐标,对空间坐标进行异常点删除并利用计算得到的每一个坐标的表达概率对坐标进行筛选,进而根据筛选出的核心坐标对应的语义计算得到该用户的订单成交率。此外,本发明还涉及区块链技术,订单咨询记录可存储于区块链的节点。本发明还提出一种基于语义解析的订单成交率分析装置、电子设备以及存储介质。本发明可以提高订单成交率分析的精确度。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于语义解析的订单成交率分析方法、装置、电子设备及计算机可读存储介质。
背景技术
随着人们对各种产品需求的增长,导致市场上每一种产品的受众量出现爆炸式扩增,进而,越来越多的产品供应商、销售商等为了减轻客服压力,降低运营成本,选择采用AI机器人助手的方式服务用户;AI机器人助手每时每刻会接收到大量的用户咨询信息,但并非所有客户在咨询后均会发生产品交易,因此,如何根据用户的咨询信息对用户是否能够达成成交订单,成为了亟待解决的问题。
现有的订单成交率分析时,多采用基于条件的判断方法,即预先设定多个条件,每当用户的咨询数据中出现符合预设条件的数据时,便进行记录,并根据最终的记录结果进行运算,以对用户的订单成交率进行预测,该方法中,由于不同的用户在语言中表达形式的差异较大,因此,仅依靠固定的条件对用户的订单成交率进行分析,会导致分析得到的结果的精确度较低。
发明内容
本发明提供一种基于语义解析的订单成交率分析方法、装置及计算机可读存储介质,其主要目的在于解决进行订单成交率分析的精确度较低的问题。
为实现上述目的,本发明提供的一种基于语义解析的订单成交率分析方法,包括:
获取用户的订单咨询记录,对所述订单咨询记录进行文本识别,得到咨询文本;
提取所述咨询文本的关键词,对每一个所述关键词进行语义识别,得到每一个所述关键词的语义;
将每一个所述关键词的语义映射至预设的特征空间,并统计所有语义在所述特征空间的空间坐标;
对所述空间坐标进行异常点删除,并利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,汇集所述表达概率大于预设阈值的空间坐标为核心坐标;
利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为所述用户达成订单的概率值。
可选地,所述获取用户的订单咨询记录,包括:
获取用于生成所述订单咨询记录的系统的数据接口参数;
根据所述数据接口参数对预设的实时消息采集插件进行参数配置;
利用参数配置后的实时消息采集插件对所述系统中生成的订单咨询记录进行采集。
可选地,所述对所述订单咨询记录进行文本识别,得到咨询文本,包括:
提取所述订单咨询记录中每个数据的数据类型字段;
根据所述数据类型字段将所述订单咨询记录中的数据划分为文本类型、图像类型和音频类型;
对所述订单咨询记录中图像类型的数据进行文本识别,得到图像文本;
对所述订单咨询记录中音频类型的数据进行语音识别,得到音频文本;
将所述订单咨询记录中文本类型的数据、所述图像文本和所述音频文本汇集为所述订单咨询记录的咨询文本。
可选地,所述提取所述咨询文本的关键词,包括:
对所述咨询文本进行分词处理,得到文本分词;
统计所述文本分词中每一个分词的出现频率,汇集所述出现频率大于预设频率阈值的文本分词为所述咨询文本的关键词。
可选地,所述对每一个所述关键词进行语义识别,得到每一个所述关键词的语义,包括:
从所述关键词中逐个选取其中一个词语为目标关键词;
对所述目标关键词进行字节拆分,得到关键字;
对所述关键字进行编码,得到每一个关键字对应的编码值;
将所述编码值按照每一个关键字在所述目标关键词中位置的先后顺序拼接为所述目标关键词的词向量,并将所述词向量作为所述目标关键词的语义。
可选地,所述将每一个所述关键词的语义映射至预设的特征空间,包括:
统计每一个所述关键词的语义的向量维度,选取所述向量维度最大的语义为目标语义;
构建与所述目标语义具有相同维度的特征空间;
利用预设参数将所有关键词的语义的向量维度扩增至与所述目标语义的向量维度相同;
利用预设的映射函数将扩增后的语义映射至所述特征空间。
可选地,所述对所述空间坐标进行异常点删除,包括:
从所述空间坐标中逐个选取其中一个坐标为目标坐标;
分别计算所述目标坐标与所述空间坐标中未被选取的坐标之间的距离值;
对所述距离值进行求和,判断所述求和的结果是否大于预设阈值;
当所述求和的结果小于或等于设阈值,则返回从所述空间坐标中逐个选取其中一个坐标为目标坐标的步骤;
当所述求和的结果大于设阈值,则将所述目标坐标从所述特征空间中删除。
为了解决上述问题,本发明还提供一种基于语义解析的订单成交率分析装置,所述装置包括:
文本识别模块,用于获取用户的订单咨询记录,对所述订单咨询记录进行文本识别,得到咨询文本;
关键词提取模块,用于提取所述咨询文本的关键词,对每一个所述关键词进行语义识别,得到每一个所述关键词的语义;
特征映射模块,用于将每一个所述关键词的语义映射至预设的特征空间,并统计所有语义在所述特征空间的空间坐标;
坐标筛选模块,用于对所述空间坐标进行异常点删除,并利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,汇集所述表达概率大于预设阈值的空间坐标为核心坐标;
达成率分析模块,用于利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为所述用户达成订单的概率值。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于语义解析的订单成交率分析方法。
为了解决上述问题,本发明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中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于语义解析的订单成交率分析方法。
本发明实施例能够利用深度神经网络对用户的订单咨询记录的内容进行关键词提取、特征映射等操作,实现了对订单咨询记录的语义分析,进而根据语义分析的结果对用户的订单达成率进行判断,实现了基于用户语义的成交率分析,提高了成交率分析的精确度。因此本发明提出的基于语义解析的订单成交率分析方法、装置、电子设备及计算机可读存储介质,可以解决进行订单成交率分析的精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于语义解析的订单成交率分析方法的流程示意图;
图2为本发明一实施例提供的将关键词的语义映射至特征空间的流程示意图;
图3为本发明一实施例提供的对空间坐标进行异常点删除的流程示意图;
图4为本发明一实施例提供的基于语义解析的订单成交率分析装置的功能模块图;
图5为本发明一实施例提供的实现所述基于语义解析的订单成交率分析方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于语义解析的订单成交率分析方法。所述基于语义解析的订单成交率分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于语义解析的订单成交率分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于语义解析的订单成交率分析方法的流程示意图。在本实施例中,所述基于语义解析的订单成交率分析方法包括:
S1、获取用户的订单咨询记录,对所述订单咨询记录进行文本识别,得到咨询文本。
本发明实施例中,所述订单咨询记录为用户产生的,对产品的订单进行咨询的语音、视频或音频等数据记录。
本发明其中一个实际应用场景中,由于用户对订单的购买决定随时间变化较快,因此,可对用户的订单咨询记录进行实时获取,进而保证获取到的订单咨询记录的时效性,有利于提高最终分析得出的订单成交率的精确性。
本发明实施例中,所述获取用户的订单咨询记录,包括:
获取用于生成所述订单咨询记录的系统的数据接口参数;
根据所述数据接口参数对预设的实时消息采集插件进行参数配置;
利用参数配置后的实时消息采集插件对所述系统中生成的订单咨询记录进行采集。
详细地,所述用于生成所述订单咨询记录的系统包括产品或服务的提供商、销售商等使用的客服系统、咨询系统、产品销售系统等,可利用具有数据抓取功能的计算机语句(如java语句、python语句)从所述系统中抓取预先生成的订单咨询记录;其中,所述订单咨询记录可存储于所述系统中预先构建的存储区域,例如,该系统对应的数据库、网络缓存、区块链节点等。
具体地,所述试试消息采集插件包括但不限于Kafka消息中间件、Logstash插件,通过实时消息采集插件,可提高采集到的用户订单咨询记录的实时性。
进一步地,由于所述订单咨询记录的数据形式可以为语音、视频或音频等多种形式,因此,为了提高后续对该订单咨询记录的分析效率,可对所述订单咨询记录进行文本识别。
本发明实施例中,所述对所述订单咨询记录进行文本识别,得到咨询文本,包括:
提取所述订单咨询记录中每个数据的数据类型字段;
根据所述数据类型字段将所述订单咨询记录中的数据划分为文本类型、图像类型和音频类型;
对所述订单咨询记录中图像类型的数据进行文本识别,得到图像文本;
对所述订单咨询记录中音频类型的数据进行语音识别,得到音频文本;
将所述订单咨询记录中文本类型的数据、所述图像文本和所述音频文本汇集为所述订单咨询记录的咨询文本。
详细地,本发明实施例可通过具有数据类型字段提取功能的python语句提取所述订单咨询记录中每个数据的数据类型字段,所述数据类型字段用于表示每个数据的数据类型。
本发明实施例中,可利用K-means算法、kernel k-means算法等聚类算法,将所述订单咨询记录中的数据按照所述数据类型字段划分为文本类型、图像类型和音频类型。
具体地,可利用OCR(Optical Character Recognition,光学字符识别)技术对所述订单咨询记录中图像类型的数据进行文本识别,以获取图像类型的数据中的文本信息,得到图像文本;可利用ASR(Automatic Speech Recognition,自动语言识别)技术对所述订单咨询记录中音频类型的数据进行语义识别,以获取语音类型的数据中的文本信息,得到音频文本。
S2、提取所述咨询文本的关键词,对每一个所述关键词进行语义识别,得到每一个所述关键词的语义。
本发明其中一个实际应用场景中,由于所述咨询文本中包含大量的文本信息,若直接对所述咨询文本进行分析,会占用大量的计算资源,导致分析的效率低下,因此,本发明实施例可对所述咨询文本进行关键词提取,以减少所述咨询文本的数据量。
本发明实施例中,所述提取所述咨询文本的关键词,包括:
对所述咨询文本进行分词处理,得到文本分词;
统计所述文本分词中每一个分词的出现频率,汇集所述出现频率大于预设频率阈值的文本分词为所述咨询文本的关键词。
详细地,可利用预设的词典对所述咨询文本进行分词处理,所述词典中包含多个分词,按照不同的数据长度将所述咨询文本中的数据在所述词典中进行检索,若能检索到相同的分词,则确定检索到的分词为所述咨询文本的文本分词。
具体地,所述出现频率为不同的文本分词在所述咨询文本的所有文本分词中出现的次数,当文本分词的出现频率越高时,则说明该文本分词越重要,因此,可从所述文本分词中选取所述出现频率大于预设频率阈值的文本分词,并将选取的文本分词作为所述咨询文本的关键词。
进一步地,为了提高对所述关键词进行分析的效率和精确度,可对每一个所述关键词进行语义识别,以获取每一个关键词对应的语义。
本发明实施例中,所述对每一个所述关键词进行语义识别,得到每一个所述关键词的语义,包括:
从所述关键词中逐个选取其中一个词语为目标关键词;
对所述目标关键词进行字节拆分,得到关键字;
对所述关键字进行编码,得到每一个关键字对应的编码值;
将所述编码值按照每一个关键字在所述目标关键词中位置的先后顺序拼接为所述目标关键词的词向量,并将所述词向量作为所述目标关键词的语义。
例如,选取的目标关键词为:“价格”,则可将该目标关键词拆分为关键字“价”和关键字“格”,并利用预设的编码方式分别将两个关键字进行编码,得到关键字“价”的编码值为2,关键字“格”的编码值为8,进而可按照关键字“价”和关键字“格”在所述目标关键词“价格”中位置的先后顺序将所述编码值拼接为词向量:(2,8),并将该词向量作为目标关键词“价格”的语义。
详细地,可利用one-hot编码、ASCII编码等编码方式对所述关键字进行编码,得到每一个关键字对应的编码值。
S3、将每一个所述关键词的语义映射至预设的特征空间,并统计所有语义在所述特征空间的空间坐标。
本发明实施例中,可利用预先构建的深度神经网络对每一个所述关键词的语义进行分析,进而实现对所述订单咨询记录的分析,并确定所述用户达成订单的成交率的大小。
本发明实施例中,参图2所示,所述将每一个所述关键词的语义映射至预设的特征空间,包括:
S21、统计每一个所述关键词的语义的向量维度,选取所述向量维度最大的语义为目标语义;
S22、构建与所述目标语义具有相同维度的特征空间;
S23、利用预设参数将所有关键词的语义的向量维度扩增至与所述目标语义的向量维度相同;
S24、利用预设的映射函数将扩增后的语义映射至所述特征空间。
详细地,所述向量维度是指关键词的语义的向量中元素的数量。
例如,所述关键词包括关键词A和关键词B,其中,关键词A的语义为:(2,8),关键词B的语义为:(5,6,7),经过统计可知,关键词A的语义的向量维度为2,关键词B的语义的向量维度为3,当预设参数为0时,可利用该预设参数0将关键词A的语义的向量维度进行扩增,得到扩增后的关键词A的语义:(2,8,0)。
本发明实施例中,利用预设参数将所有关键词的语义的向量维度扩增至相同的维度,可实现对所有关键词的语义的维度统一化,进而有利于将所有关键词的语义映射至同一个坐标系中进行分析。
具体地,所述预设函数包括但不限于高斯函数、map函数。
本发明实施例中,将每一个所述关键词的语义映射至预设的特征空间后,可对所有语义在所述特征空间的坐标进行统计,得到每一个关键词的语义在所述特征空间的空间坐标。
S4、对所述空间坐标进行异常点删除,并利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,汇集所述表达概率大于预设阈值的空间坐标为核心坐标。
本发明其中一个实际应用场景中,由于映射至所述特征空间中的语义中可能存在分布较为离散的空间坐标,若对所有坐标进行统一分析,此类分散较为离散的空间坐标会使得最终的分析结果产生较大偏差,因此,可对所述空间坐标进行异常点删除,以去除该特征空间中,分布较为离散的空间坐标。
本发明实施例中,参图3所示,所述对所述空间坐标进行异常点删除,包括:
S31、从所述空间坐标中逐个选取其中一个坐标为目标坐标;
S32、分别计算所述目标坐标与所述空间坐标中未被选取的坐标之间的距离值,并对所述距离值进行求和;
S33、判断所述求和的结果是否大于预设阈值;
当所述求和的结果小于或等于设阈值,则返回S31;
当所述求和的结果大于设阈值,则执行S34、将所述目标坐标从所述特征空间中删除。
例如,所述特征空间中存在空间坐标A、空间坐标B和空间坐标C,经过计算可知,所述空间坐标A与空间坐标B之间的距离值为20,空间坐标A与空间坐标C之间的距离值为30,空间坐标B与空间坐标C之间的距离值为80;因此,空间坐标A与空间坐标B,以及空间坐标A与空间坐标C之间的距离值之和为50;空间坐标B与空间坐标A,以及空间坐标B与空间坐标C之间的距离值为100;空间坐标C与空间坐标A,以及空间坐标C与空间坐标B之间的距离值为110;当预设阈值为105时,则从所述特征空间中删除所述空间坐标C。
本发明实施例中,通过对所述空间坐标进行异常点删除,可实现对所述特征空间中存在异常的空间坐标进行删除,有利于提高后续进行订单达成概率分析的精确度。
进一步地,由于所述特征空间中的空间坐标是所述特征词的语义通过映射得到,但提取出的特征词中,可能存在一些特征词并不能对所述咨询文本的含义进行准确表达,因此,在进行异常点删除后,可利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,并根据所述表达概率对剩余的空间坐标进行筛选,得到核心坐标。
本发明实施例中,所述利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,包括:
利用如下第一激活函数计算异常点删除后的空间坐标的表达概率:
Pi=F[(xi,yi),V]
其中,Pi为异常点删除后的第i个空间坐标的表达概率,F为所述第一激活函数,xi为异常点删除后的第i个空间坐标的横坐标,yi为异常点删除后的第i个空间坐标的纵坐标,V为所述第一激活函数中的预设参数。
详细地,所述第一激活函数包括但不限于relu激活函数、softmax激活函数、sigmoid激活函数。
具体地,可利用所述第一激活函数计算异常点删除后的每一个空间坐标的表达概率,并汇集所述表达概率大于预设阈值的空间坐标为核心坐标。
S5、利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为所述用户达成订单的概率值。
本发明实施例中,汇集得到的核心坐标对应关键词的语义可用于表达所述咨询文本的语义,因此,可利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为所述用户达成订单的概率值。
详细地,所述预设订单标签是指用于标识多种不同订单的内容信息的标签,所述相对概率值是指关键词的语义与预设订单标签之间的匹配程度。
本发明实施例中,所述利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,包括:
利用如下第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值:
DPnm=f(Xn,Ym,W)
其中,DPnm为所述核心坐标中第n个坐标对应关键词的语义与第m个预设订单标签之间的相对概率,f为所述第二激活函数,Xn为所述核心坐标中第n个坐标对应关键词的语义,Ym为第m个预设订单标签,W为所述第二激活函数中的预设参数。
本发明其他实施例中,所述第二激活函数可以与所述第一激活函数相同。
本发明实施例能够利用深度神经网络对用户的订单咨询记录的内容进行关键词提取、特征映射等操作,实现了对订单咨询记录的语义分析,进而根据语义分析的结果对用户的订单达成率进行判断,实现了基于用户语义的成交率分析,提高了成交率分析的精确度。因此本发明提出的基于语义解析的订单成交率分析方法,可以解决进行订单成交率分析的精确度较低的问题。
如图4所示,是本发明一实施例提供的基于语义解析的订单成交率分析装置的功能模块图。
本发明所述基于语义解析的订单成交率分析装置100可以安装于电子设备中。根据实现的功能,所述基于语义解析的订单成交率分析装置100可以包括文本识别模块101、关键词提取模块102、特征映射模块103、坐标筛选模块104及达成率分析模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述文本识别模块101,用于获取用户的订单咨询记录,对所述订单咨询记录进行文本识别,得到咨询文本;
所述关键词提取模块102,用于提取所述咨询文本的关键词,对每一个所述关键词进行语义识别,得到每一个所述关键词的语义;
所述特征映射模块103,用于将每一个所述关键词的语义映射至预设的特征空间,并统计所有语义在所述特征空间的空间坐标;
所述坐标筛选模块104,用于对所述空间坐标进行异常点删除,并利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,汇集所述表达概率大于预设阈值的空间坐标为核心坐标;
所述达成率分析模块105,用于利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为所述用户达成订单的概率值。
详细地,本发明实施例中所述基于语义解析的订单成交率分析装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于语义解析的订单成交率分析方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于语义解析的订单成交率分析方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于语义解析的订单成交率分析程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于语义解析的订单成交率分析程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于语义解析的订单成交率分析程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于语义解析的订单成交率分析程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取用户的订单咨询记录,对所述订单咨询记录进行文本识别,得到咨询文本;
提取所述咨询文本的关键词,对每一个所述关键词进行语义识别,得到每一个所述关键词的语义;
将每一个所述关键词的语义映射至预设的特征空间,并统计所有语义在所述特征空间的空间坐标;
对所述空间坐标进行异常点删除,并利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,汇集所述表达概率大于预设阈值的空间坐标为核心坐标;
利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为所述用户达成订单的概率值。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取用户的订单咨询记录,对所述订单咨询记录进行文本识别,得到咨询文本;
提取所述咨询文本的关键词,对每一个所述关键词进行语义识别,得到每一个所述关键词的语义;
将每一个所述关键词的语义映射至预设的特征空间,并统计所有语义在所述特征空间的空间坐标;
对所述空间坐标进行异常点删除,并利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,汇集所述表达概率大于预设阈值的空间坐标为核心坐标;
利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为所述用户达成订单的概率值。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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,或者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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (6)
1.一种基于语义解析的订单成交率分析方法,其特征在于,所述方法包括:
获取用户的订单咨询记录,包括:获取用于生成所述订单咨询记录的系统的数据接口参数,根据所述数据接口参数对预设的实时消息采集插件进行参数配置,利用参数配置后的实时消息采集插件对所述系统中生成的订单咨询记录进行采集;
对所述订单咨询记录中的文本数据、图像数据或音频数据进行文本识别,得到咨询文本,包括:提取所述订单咨询记录中每个数据的数据类型字段,所述数据包括文本数据、图像数据或音频数据,根据所述数据类型字段将所述订单咨询记录中的数据划分为文本类型、图像类型和音频类型,对所述订单咨询记录中图像类型的数据进行文本识别,得到图像文本,对所述订单咨询记录中音频类型的数据进行语音识别,得到音频文本,将所述订单咨询记录中文本类型的数据、所述图像文本和所述音频文本汇集为所述订单咨询记录的咨询文本;
提取所述咨询文本的关键词,对每一个所述关键词进行语义识别,得到每一个所述关键词的语义;
利用预先构建的深度神经网络对每一个所述关键词的语义进行分析,将每一个所述关键词的语义映射至预设的特征空间,包括:统计每一个所述关键词的语义的向量维度,选取所述向量维度最大的语义为目标语义,构建与所述目标语义具有相同维度的特征空间,利用预设参数将所有关键词的语义的向量维度扩增至与所述目标语义的向量维度相同,利用预设的映射函数将扩增后的语义映射至所述特征空间;
统计所有语义在所述特征空间的空间坐标;
对所述空间坐标进行异常点删除,并利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,汇集所述表达概率大于预设阈值的空间坐标为核心坐标,其中,所述对所述空间坐标进行异常点删除,包括:从所述空间坐标中逐个选取其中一个坐标为目标坐标,分别计算所述目标坐标与所述空间坐标中未被选取的坐标之间的距离值,对所述距离值进行求和,判断所述求和的结果是否大于预设阈值,当所述求和的结果小于或等于设阈值,则返回从所述空间坐标中逐个选取其中一个坐标为目标坐标的步骤,当所述求和的结果大于设阈值,则将所述目标坐标从所述特征空间中删除;
汇集所述核心坐标对应关键词的语义,利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为用户订单成交的概率值。
2.如权利要求1所述的基于语义解析的订单成交率分析方法,其特征在于,所述提取所述咨询文本的关键词,包括:
对所述咨询文本进行分词处理,得到文本分词;
统计所述文本分词中每一个分词的出现频率,汇集所述出现频率大于预设频率阈值的文本分词为所述咨询文本的关键词。
3.如权利要求1所述的基于语义解析的订单成交率分析方法,其特征在于,所述对每一个所述关键词进行语义识别,得到每一个所述关键词的语义,包括:
从所述关键词中逐个选取其中一个词语为目标关键词;
对所述目标关键词进行字节拆分,得到关键字;
对所述关键字进行编码,得到每一个关键字对应的编码值;
将所述编码值按照每一个关键字在所述目标关键词中位置的先后顺序拼接为所述目标关键词的词向量,并将所述词向量作为所述目标关键词的语义。
4.一种基于语义解析的订单成交率分析装置,其特征在于,所述装置包括:
文本识别模块,用于获取用户的订单咨询记录,包括:获取用于生成所述订单咨询记录的系统的数据接口参数,根据所述数据接口参数对预设的实时消息采集插件进行参数配置,利用参数配置后的实时消息采集插件对所述系统中生成的订单咨询记录进行采集;对所述订单咨询记录中的文本数据、图像数据或音频数据进行文本识别,得到咨询文本,包括:提取所述订单咨询记录中每个数据的数据类型字段,所述数据包括文本数据、图像数据或音频数据,根据所述数据类型字段将所述订单咨询记录中的数据划分为文本类型、图像类型和音频类型,对所述订单咨询记录中图像类型的数据进行文本识别,得到图像文本,对所述订单咨询记录中音频类型的数据进行语音识别,得到音频文本,将所述订单咨询记录中文本类型的数据、所述图像文本和所述音频文本汇集为所述订单咨询记录的咨询文本;
关键词提取模块,用于提取所述咨询文本的关键词,对每一个所述关键词进行语义识别,得到每一个所述关键词的语义;
特征映射模块,用于利用预先构建的深度神经网络对每一个所述关键词的语义进行分析,将每一个所述关键词的语义映射至预设的特征空间,包括:统计每一个所述关键词的语义的向量维度,选取所述向量维度最大的语义为目标语义,构建与所述目标语义具有相同维度的特征空间,利用预设参数将所有关键词的语义的向量维度扩增至与所述目标语义的向量维度相同,利用预设的映射函数将扩增后的语义映射至所述特征空间;统计所有语义在所述特征空间的空间坐标;
坐标筛选模块,用于对所述空间坐标进行异常点删除,并利用预设的第一激活函数计算异常点删除后的空间坐标的表达概率,汇集所述表达概率大于预设阈值的空间坐标为核心坐标,其中,所述对所述空间坐标进行异常点删除,包括:从所述空间坐标中逐个选取其中一个坐标为目标坐标,分别计算所述目标坐标与所述空间坐标中未被选取的坐标之间的距离值,对所述距离值进行求和,判断所述求和的结果是否大于预设阈值,当所述求和的结果小于或等于设阈值,则返回从所述空间坐标中逐个选取其中一个坐标为目标坐标的步骤,当所述求和的结果大于设阈值,则将所述目标坐标从所述特征空间中删除;
达成率分析模块,用于汇集所述核心坐标对应关键词的语义,利用预设的第二激活函数计算所述核心坐标对应关键词的语义与预设订单标签之间的相对概率值,并将所述相对概率值作为用户订单成交的概率值。
5.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至3中任意一项所述的基于语义解析的订单成交率分析方法。
6.一种计算机可读存储介质,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至3中任意一项所述的基于语义解析的订单成交率分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111011789.7A CN113706207B (zh) | 2021-08-31 | 2021-08-31 | 基于语义解析的订单成交率分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111011789.7A CN113706207B (zh) | 2021-08-31 | 2021-08-31 | 基于语义解析的订单成交率分析方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113706207A CN113706207A (zh) | 2021-11-26 |
CN113706207B true CN113706207B (zh) | 2024-05-31 |
Family
ID=78657959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111011789.7A Active CN113706207B (zh) | 2021-08-31 | 2021-08-31 | 基于语义解析的订单成交率分析方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113706207B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117037789B (zh) * | 2023-10-09 | 2023-12-08 | 深圳市加推科技有限公司 | 一种客服语音识别方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085378A (zh) * | 2020-09-04 | 2020-12-15 | 中国平安财产保险股份有限公司 | 资源分配方法、装置、计算机设备及存储介质 |
CN112836650A (zh) * | 2021-02-05 | 2021-05-25 | 广东电网有限责任公司广州供电局 | 一种质量检验报告扫描图像表格语义解析方法与系统 |
WO2021114840A1 (zh) * | 2020-05-28 | 2021-06-17 | 平安科技(深圳)有限公司 | 基于语义分析的评分方法、装置、终端设备及存储介质 |
CN113297365A (zh) * | 2021-06-22 | 2021-08-24 | 中国平安财产保险股份有限公司 | 一种用户意向判定方法、装置、设备及存储介质 |
-
2021
- 2021-08-31 CN CN202111011789.7A patent/CN113706207B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021114840A1 (zh) * | 2020-05-28 | 2021-06-17 | 平安科技(深圳)有限公司 | 基于语义分析的评分方法、装置、终端设备及存储介质 |
CN112085378A (zh) * | 2020-09-04 | 2020-12-15 | 中国平安财产保险股份有限公司 | 资源分配方法、装置、计算机设备及存储介质 |
CN112836650A (zh) * | 2021-02-05 | 2021-05-25 | 广东电网有限责任公司广州供电局 | 一种质量检验报告扫描图像表格语义解析方法与系统 |
CN113297365A (zh) * | 2021-06-22 | 2021-08-24 | 中国平安财产保险股份有限公司 | 一种用户意向判定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113706207A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115002200B (zh) | 基于用户画像的消息推送方法、装置、设备及存储介质 | |
CN113157927B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN112988963B (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
CN114398557B (zh) | 基于双画像的信息推荐方法、装置、电子设备及存储介质 | |
CN113360803B (zh) | 基于用户行为的数据缓存方法、装置、设备及存储介质 | |
CN113592605B (zh) | 基于相似产品的产品推荐方法、装置、设备及存储介质 | |
CN113704410B (zh) | 情绪波动检测方法、装置、电子设备及存储介质 | |
CN114077841A (zh) | 基于人工智能的语义提取方法、装置、电子设备及介质 | |
CN112883730A (zh) | 相似文本匹配方法、装置、电子设备及存储介质 | |
CN113658002B (zh) | 基于决策树的交易结果生成方法、装置、电子设备及介质 | |
CN113706207B (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
CN113157853B (zh) | 问题挖掘方法、装置、电子设备及存储介质 | |
CN112417996A (zh) | 工业图纸的信息处理方法、装置、电子设备和存储介质 | |
CN115146653B (zh) | 对话剧本构建方法、装置、设备及存储介质 | |
CN116578696A (zh) | 文本摘要生成方法、装置、设备及存储介质 | |
CN116863116A (zh) | 基于人工智能的图像识别方法、装置、设备及介质 | |
CN113626605B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113706019B (zh) | 基于多维数据的业务能力分析方法、装置、设备及介质 | |
CN113515591B (zh) | 文本不良信息识别方法、装置、电子设备及存储介质 | |
CN114996400A (zh) | 裁判文书处理方法、装置、电子设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
CN113688924B (zh) | 异常订单检测方法、装置、设备及介质 | |
CN113704587B (zh) | 基于阶段划分的用户黏着度分析方法、装置、设备及介质 | |
CN113723093B (zh) | 人员管理策略推荐方法、装置、计算机设备及存储介质 | |
CN114462411B (zh) | 命名实体识别方法、装置、设备及存储介质 |
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 |