CN113887621A - 问答资源调整方法、装置、设备及存储介质 - Google Patents
问答资源调整方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113887621A CN113887621A CN202111157638.2A CN202111157638A CN113887621A CN 113887621 A CN113887621 A CN 113887621A CN 202111157638 A CN202111157638 A CN 202111157638A CN 113887621 A CN113887621 A CN 113887621A
- Authority
- CN
- China
- Prior art keywords
- data
- adjusted
- resource
- data set
- question
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 54
- 238000005070 sampling Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 15
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能及数字医疗技术，揭露一种问答资源调整方法，包括：对问答数据进行字段重命名，得到初始数据集，识别初始数据集中每个初始数据对应的特征，基于特征对所述初始数据集进行聚类，得到多个数据子集，分别计算多个数据子集中任意两个数据子集之间的相关系数，选择相关系数大于相关阈值的两个数据子集作为关键数据集，对关键数据集进行类型转换及缺失值填充，得到标准数据集，基于标准数据集对待调整资源集进行资源回算及调整，得到调整后的待调整资源集。此外，本发明还涉及区块链技术，相关系数可存储于区块链的节点。本发明还提出一种问答资源调整装置、电子设备以及存储介质。本发明可以解决资源调整的效率低下的问题。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种问答资源调整方法、装置、电子设备及计算机可读存储介质。
背景技术
在智能客服的应用场景下，通常需要对数据库中的问答资源进行调整，以便于解决类似于话术不熟、不能及时回复等一系列问题。
现有的资源调整方法通常是根据核心指标调整系统资源分布，但是对于人工智能场景而言，不同时间的问答情况会出现变更,这就需要频繁的计算核心指标，传统的人工智能场景中，没有一个标准的核心指标计算体系，只能通过人工经验提前设定核心指标，不同的人经验不同，导致调整系统资源分布的方法效率低下。
发明内容
本发明提供一种问答资源调整方法、装置及计算机可读存储介质，其主要目的在于解决资源调整的效率低下的问题。
为实现上述目的，本发明提供的一种问答资源调整方法，包括：
对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集；
对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集；
分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集；
对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集；
获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
可选地，所述对所述问答资源集中的问答数据进行字段重命名处理，得到初始数据集，包括：
识别所述问答数据中包含的英文字段名；
从预创建的字段集中获取与所述英文字段名匹配的中文字段名；
利用所述中文字段名替换所述问答数据中对应的英文字段名，得到初始数据集。
可选地，所述基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，包括：
计算所述待调整资源集中的资源数据与所述标准数据集中的标准数据之间的数据差，并汇总多个数据差得到回算结果；
将所述回算结果中的数据差与预设的核心阈值进行比较，根据比较结果对所述待调整资源集进行调整，得到调整后的所述待调整资源集。
可选地，所述将所述回算结果中的数据差与预设的核心阈值进行比较，根据比较结果对所述待调整资源集进行调整，得到调整后的所述待调整资源集，包括：
判断所述回算结果中的数据差与所述核心阈值之间的大小；
若所述回算结果中的数据差大于所述核心阈值，将所述待调整资源集写入预设的数据同步表中并进行推送；
若所述回算结果中的数据差小于或者等于所述核心阈值，对所述待调整资源集进行相关性计算，得到对应的相关系数；
对大于或者等于预设的排序阈值的相关系数对应的待调整资源分配不同的权重值，并根据所述权重值对所述待调整资源执行不同的调整操作，得到调整后的所述待调整资源集。
可选地，所述对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集，包括：
判断所述关键数据集中关键数据的数据类型与预设类型是否一致；
若所述关键数据的数据类型与所述预设类型不一致，从所述关键数据中抽样得到抽样数据集；
利用预设的缺失检测语句检测所述抽样数据集中是否存在缺失值；
若存在缺失值，则根据预获取的填充值对所述抽样数据集进行填充，得到标准数据集；
若不存在缺失值，则将所述抽样数据集输出为标准数据集。
可选地，所述计算所述多个数据子集之间的相关系数，包括：
利用预设的卡方公式计算所述多个数据子集之间的相关系数，包括：
其中，X2为相关系数，A和T分别为任意两个数据子集。
可选地，所述对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，包括：
获取预设的数据分析库，所述数据分析库中包含数据类型及对应的相关数据；
将所述初始数据集中每个初始数据逐个与所述数据分析库中的相关数据进行比对，将与所述初始数据一致的相关数据对应的数据类型作为所述初始数据的特征。
为了解决上述问题，本发明还提供一种问答资源调整装置，所述装置包括：
字段重命名模块，用于对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集；
数据聚类模块，用于对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集；
相关系数计算模块，用于分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集；
数据处理模块，用于对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集；
资源调整模块，用于获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
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计算机程序，所述计算机程序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问答资源调整方法。
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计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的问答资源调整方法。
本发明实施例通过对问答资源集中的问答资源进行字段重命名处理，便于分析和理解问答资源中的字段，对所述初始数据集进行特征识别并基于特征进行聚类，得到多个数据子集，分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集，所述相关系数体现了数据子集之间的关联程度，根据所述相关系数进行筛选能够确保数据子集之间的关联密切，对关键数据集进行类型转换及缺失值填充处理，保证了数据的完整性。基于标准数据集对待调整资源集进行资源回算及调整处理，提高了调整的效率。因此本发明提出的问答资源调整方法、装置、电子设备及计算机可读存储介质，可以解决资源调整的效率低下的问题。
附图说明
图1为本发明一实施例提供的问答资源调整方法的流程示意图；
图2为本发明一实施例提供的问答资源调整装置的功能模块图；
图3为本发明一实施例提供的实现所述问答资源调整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问答资源调整方法。所述问答资源调整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，所述问答资源调整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问答资源调整方法的流程示意图。在本实施例中，所述问答资源调整方法包括：
S1、对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集。
本发明实施例中，所述问答资源集是指存储在数据库中的智能客服场景下的相关问答数据。
具体地，所述对所述问答资源集中的问答数据进行字段重命名处理，得到初始数据集，包括：
识别所述问答数据中包含的英文字段名；
从预创建的字段集中获取与所述英文字段名匹配的中文字段名；
利用所述中文字段名替换所述问答数据中对应的英文字段名，得到初始数据集。
详细地，在发明其中一个实施例中，所述预创建的字段集中可以是预先采集的多个历史字段，该历史字段包括中文字段名以及该中文字段名对应的英文字段名。
S2、对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集。
本发明实施例中，所述对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，包括：
获取预设的数据分析库，所述数据分析库中包含数据类型及对应的相关数据；
将所述初始数据集中每个初始数据逐个与所述数据分析库中的相关数据进行比对，将与所述初始数据一致的相关数据对应的数据类型作为所述初始数据的特征。
详细地，所述数据分析库中包括连续型数据、离散型数据和混合型数据，其中，所述连续型数据是指年龄、工资收入等具有具体数值且呈连续分布状态的数据，所述离散型数据是指类似于教育情况等不是具体数值或呈现离散化分布的数据，所述混合型数据中既包含连续型数据又包含离散型数据。
具体地，所述基于所述特征对所述初始数据集进行聚类，得到多个数据子集，包括；
根据所述特征对所述初始数据集进行划分，将所述特征一致的初始数据汇聚在一起，得到多个数据子集。
S3、分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集。
本发明实施例中，利用预设的卡方公式计算所述多个数据子集之间的相关系数，包括：
其中，X2为相关系数，A和T分别为任意两个数据子集。
其中，X2越大，表示实际与期望差距越大，两个数据子集之间独立性越小，也就是越相关，X2越小，表示实际与期望的情况近似，那么独立性越大，相关性越小。
S4、对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集。
本发明实施例中，所述对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集，包括：
判断所述关键数据集中关键数据的数据类型与预设类型是否一致；
若所述关键数据的数据类型与所述预设类型不一致，从所述关键数据中抽样得到抽样数据集；
利用预设的缺失检测语句检测所述抽样数据集中是否存在缺失值；
若存在缺失值，则根据预获取的填充值对所述抽样数据集进行填充，得到标准数据集；
若不存在缺失值，则将所述抽样数据集输出为标准数据集。
详细地，在本发明实施例中，所述预设类型为离散型数据，其中，所述关键数据集中的关键数据可能为离散型数据、连续型数据或者混合型数据。本发明实施例，判断所述关键数据集中的关键数据的数据类型与所述预设的类型是否一致，若所述关键数据的数据类型与所述类型不一致，对所述关键数据进行抽样，所述抽样可以将连续型数据和混合型数据转换为离散型数据。若所述关键数据的数据类型与所述类型一致，则无需进行类型转换操作。
其中，所述预设的缺失检测语句可以为具有缺失检测功能的java语句。利用具有缺失检测功能的java语句对所述抽样数据集中的每一条抽样数据中的属性数据进行长度检测，当检测到属性数据的数值长度为0时，则确定该属性数据的值缺失，当检测到属性数据的数值长度不为0时，则确定该属性数据的值未缺失。
详细地，所述预获取的填充值可以为对所述关键数据集进行不同运算处理得到的平均数、中位数或者众数等。
S5、获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
本发明实施例中，所述待调整资源集为需要进行回算和资源调整的数据集。
具体地，所述基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，包括：
计算所述待调整资源集中的资源数据与所述标准数据集中的标准数据之间的数据差，并汇总多个数据差得到回算结果；
将所述回算结果中的数据差与预设的核心阈值进行比较，根据比较结果对所述待调整资源集进行调整，得到调整后的所述待调整资源集。
详细地，所述待调整资源集中包含各个不同特征的数据，计算所述待调整资源集中的不同特征的数据与所述标准数据集中的标准数据之间的数据差，并对所述数据差进行汇总，得到回算结果。
进一步地，所述将所述回算结果中的数据差与预设的核心阈值进行比较，根据比较结果对所述待调整资源集进行调整，得到调整后的所述待调整资源集，包括：
判断所述回算结果中的数据差与所述核心阈值之间的大小；
若所述回算结果中的数据差大于所述核心阈值，将所述待调整资源集写入预设的数据同步表中并进行推送；
若所述回算结果中的数据差小于或者等于所述核心阈值，对所述待调整资源集进行相关性计算，得到对应的相关系数；
对大于或者等于预设的排序阈值的相关系数对应的待调整资源分配不同的权重值，并根据所述权重值对所述待调整资源执行不同的调整操作，得到调整后的所述待调整资源集。
详细地，根据所述权重值对所述待调整资源执行不同的调整操作，所述权重值代表所述待调整资源中不同部分所占比重，根据所占比重选择不同的调整操作。其中，所述调整操作包括但不限于对所述待调整资源执行删除、差异处理、异常检测等操作。
本发明实施例通过对问答资源集中的问答资源进行字段重命名处理，便于分析和理解问答资源中的字段，对所述初始数据集进行特征识别并基于特征进行聚类，得到多个数据子集，分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集，所述相关系数体现了数据子集之间的关联程度，根据所述相关系数进行筛选能够确保数据子集之间的关联密切，对关键数据集进行类型转换及缺失值填充处理，保证了数据的完整性。基于标准数据集对待调整资源集进行资源回算及调整处理，提高了调整的效率。因此本发明提出的问答资源调整方法可以解决资源调整的效率低下的问题。
如图2所示，是本发明一实施例提供的问答资源调整装置的功能模块图。
本发明所述问答资源调整装置100可以安装于电子设备中。根据实现的功能，所述问答资源调整装置100可以包括字段重命名模块101、数据聚类模块102、相关系数计算模块103、数据处理模块104、及资源调整模块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：
所述字段重命名模块101，用于对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集；
所述数据聚类模块102，用于对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集；
所述相关系数计算模块103，用于分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集；
所述数据处理模块104，用于对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集；
所述资源调整模块105，用于获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
详细地，所述问答资源调整装置100各模块的具体实施方式如下：
步骤一、对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集。
本发明实施例中，所述问答资源集是指存储在数据库中的智能客服场景下的相关问答数据。
具体地，所述对所述问答资源集中的问答数据进行字段重命名处理，得到初始数据集，包括：
识别所述问答数据中包含的英文字段名；
从预创建的字段集中获取与所述英文字段名匹配的中文字段名；
利用所述中文字段名替换所述问答数据中对应的英文字段名，得到初始数据集。
详细地，在发明其中一个实施例中，所述预创建的字段集中可以是预先采集的多个历史字段，该历史字段包括中文字段名以及该中文字段名对应的英文字段名。
步骤二、对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集。
本发明实施例中，所述对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，包括：
获取预设的数据分析库，所述数据分析库中包含数据类型及对应的相关数据；
将所述初始数据集中每个初始数据逐个与所述数据分析库中的相关数据进行比对，将与所述初始数据一致的相关数据对应的数据类型作为所述初始数据的特征。
详细地，所述数据分析库中包括连续型数据、离散型数据和混合型数据，其中，所述连续型数据是指年龄、工资收入等具有具体数值且呈连续分布状态的数据，所述离散型数据是指类似于教育情况等不是具体数值或呈现离散化分布的数据，所述混合型数据中既包含连续型数据又包含离散型数据。
具体地，所述基于所述特征对所述初始数据集进行聚类，得到多个数据子集，包括；
根据所述特征对所述初始数据集进行划分，将所述特征一致的初始数据汇聚在一起，得到多个数据子集。
步骤三、分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集。
本发明实施例中，利用预设的卡方公式计算所述多个数据子集之间的相关系数，包括：
其中，X2为相关系数，A和T分别为任意两个数据子集。
详细地，X2越大，表示实际与期望差距越大，两个数据子集之间独立性越小，也就是越相关，X2越小，表示实际与期望的情况近似，那么独立性越大，相关性越小。
步骤四、对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集。
本发明实施例中，所述对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集，包括：
判断所述关键数据集中关键数据的数据类型与预设类型是否一致；
若所述关键数据的数据类型与所述预设类型不一致，从所述关键数据中抽样得到抽样数据集；
利用预设的缺失检测语句检测所述抽样数据集中是否存在缺失值；
若存在缺失值，则根据预获取的填充值对所述抽样数据集进行填充，得到标准数据集；
若不存在缺失值，则将所述抽样数据集输出为标准数据集。
详细地，在本发明实施例中，所述预设类型为离散型数据，其中，所述关键数据集中的关键数据可能为离散型数据、连续型数据或者混合型数据。本发明实施例，判断所述关键数据集中的关键数据的数据类型与所述预设的类型是否一致，若所述关键数据的数据类型与所述类型不一致，对所述关键数据进行抽样，所述抽样可以将连续型数据和混合型数据转换为离散型数据。若所述关键数据的数据类型与所述类型一致，则无需进行类型转换操作。
其中，所述预设的缺失检测语句可以为具有缺失检测功能的java语句。利用具有缺失检测功能的java语句对所述抽样数据集中的每一条抽样数据中的属性数据进行长度检测，当检测到属性数据的数值长度为0时，则确定该属性数据的值缺失，当检测到属性数据的数值长度不为0时，则确定该属性数据的值未缺失。
详细地，所述预获取的填充值可以为对所述关键数据集进行不同运算处理得到的平均数、中位数或者众数等。
步骤五、获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
本发明实施例中，所述待调整资源集为需要进行回算和资源调整的数据集。
具体地，所述基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，包括：
计算所述待调整资源集中的资源数据与所述标准数据集中的标准数据之间的数据差，并汇总多个数据差得到回算结果；
将所述回算结果中的数据差与预设的核心阈值进行比较，根据比较结果对所述待调整资源集进行调整，得到调整后的所述待调整资源集。
详细地，所述待调整资源集中包含各个不同特征的数据，计算所述待调整资源集中的不同特征的数据与所述标准数据集中的标准数据之间的数据差，并对所述数据差进行汇总，得到回算结果。
进一步地，所述将所述回算结果中的数据差与预设的核心阈值进行比较，根据比较结果对所述待调整资源集进行调整，得到调整后的所述待调整资源集，包括：
判断所述回算结果中的数据差与所述核心阈值之间的大小；
若所述回算结果中的数据差大于所述核心阈值，将所述待调整资源集写入预设的数据同步表中并进行推送；
若所述回算结果中的数据差小于或者等于所述核心阈值，对所述待调整资源集进行相关性计算，得到对应的相关系数；
对大于或者等于预设的排序阈值的相关系数对应的待调整资源分配不同的权重值，并根据所述权重值对所述待调整资源执行不同的调整操作，得到调整后的所述待调整资源集。
详细地，根据所述权重值对所述待调整资源执行不同的调整操作，所述权重值代表所述待调整资源中不同部分所占比重，根据所占比重选择不同的调整操作。其中，所述调整操作包括但不限于对所述待调整资源执行删除、差异处理、异常检测等操作。
本发明实施例通过对问答资源集中的问答资源进行字段重命名处理，便于分析和理解问答资源中的字段，对所述初始数据集进行特征识别并基于特征进行聚类，得到多个数据子集，分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集，所述相关系数体现了数据子集之间的关联程度，根据所述相关系数进行筛选能够确保数据子集之间的关联密切，对关键数据集进行类型转换及缺失值填充处理，保证了数据的完整性。基于标准数据集对待调整资源集进行资源回算及调整处理，提高了调整的效率。因此本发明提出的问答资源调整装置可以解决资源调整的效率低下的问题。
如图3所示，是本发明一实施例提供的实现问答资源调整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，如问答资源调整程序。
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(例如执行问答资源调整程序等)，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，例如问答资源调整程序的代码等，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3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3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存储的问答资源调整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：
对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集；
对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集；
分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集；
对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集；
获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
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：
对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集；
对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集；
分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集；
对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集；
获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
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 (10)
1.一种问答资源调整方法，其特征在于，所述方法包括：
对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集；
对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集；
分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集；
对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集；
获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
2.如权利要求1所述的问答资源调整方法，其特征在于，所述对所述问答资源集中的问答数据进行字段重命名处理，得到初始数据集，包括：
识别所述问答数据中包含的英文字段名；
从预创建的字段集中获取与所述英文字段名匹配的中文字段名；
利用所述中文字段名替换所述问答数据中对应的英文字段名，得到初始数据集。
3.如权利要求1所述的问答资源调整方法，其特征在于，所述基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，包括：
计算所述待调整资源集中的资源数据与所述标准数据集中的标准数据之间的数据差，并汇总多个数据差得到回算结果；
将所述回算结果中的数据差与预设的核心阈值进行比较，根据比较结果对所述待调整资源集进行调整，得到调整后的所述待调整资源集。
4.如权利要求1所述的问答资源调整方法，其特征在于，所述将所述回算结果中的数据差与预设的核心阈值进行比较，根据比较结果对所述待调整资源集进行调整，得到调整后的所述待调整资源集，包括：
判断所述回算结果中的数据差与所述核心阈值之间的大小；
若所述回算结果中的数据差大于所述核心阈值，将所述待调整资源集写入预设的数据同步表中并进行推送；
若所述回算结果中的数据差小于或者等于所述核心阈值，对所述待调整资源集进行相关性计算，得到对应的相关系数；
对大于或者等于预设的排序阈值的相关系数对应的待调整资源分配不同的权重值，并根据所述权重值对所述待调整资源执行不同的调整操作，得到调整后的所述待调整资源集。
5.如权利要求1所述的问答资源调整方法，其特征在于，所述对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集，包括：
判断所述关键数据集中关键数据的数据类型与预设类型是否一致；
若所述关键数据的数据类型与所述预设类型不一致，从所述关键数据中抽样得到抽样数据集；
利用预设的缺失检测语句检测所述抽样数据集中是否存在缺失值；
若存在缺失值，则根据预获取的填充值对所述抽样数据集进行填充，得到标准数据集；
若不存在缺失值，则将所述抽样数据集输出为标准数据集。
6.如权利要求1所述的问答资源调整方法，其特征在于，所述计算所述多个数据子集之间的相关系数，包括：
利用预设的卡方公式计算所述多个数据子集之间的相关系数，包括：
其中，X2为相关系数，A和T分别为任意两个数据子集。
7.如权利要求1所述的问答资源调整方法，其特征在于，所述对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，包括：
获取预设的数据分析库，所述数据分析库中包含数据类型及对应的相关数据；
将所述初始数据集中每个初始数据逐个与所述数据分析库中的相关数据进行比对，将与所述初始数据一致的相关数据对应的数据类型作为所述初始数据的特征。
8.一种问答资源调整装置，其特征在于，所述装置包括：
字段重命名模块，用于对预先获取的问答资源集中的问答数据进行字段重命名处理，得到初始数据集；
数据聚类模块，用于对所述初始数据集进行特征识别，得到所述初始数据集中每个初始数据对应的特征，并基于所述特征对所述初始数据集进行聚类，得到多个数据子集；
相关系数计算模块，用于分别计算所述多个数据子集中任意两个数据子集之间的相关系数，选取所述相关系数大于预设的相关阈值的两个数据子集作为关键数据集；
数据处理模块，用于对所述关键数据集进行类型转换及缺失值填充处理，得到标准数据集；
资源调整模块，用于获取待调整资源集，基于所述标准数据集对所述待调整资源集进行资源回算及调整处理，得到调整后的所述待调整资源集。
9.一种电子设备，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计算机程序，所述计算机程序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7中任意一项所述的问答资源调整方法。
10.一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7中任意一项所述的问答资源调整方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111157638.2A CN113887621B (zh) | 2021-09-30 | 2021-09-30 | 问答资源调整方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111157638.2A CN113887621B (zh) | 2021-09-30 | 2021-09-30 | 问答资源调整方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113887621A true CN113887621A (zh) | 2022-01-04 |
| CN113887621B CN113887621B (zh) | 2024-04-30 |
Family
ID=79004782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111157638.2A Active CN113887621B (zh) | 2021-09-30 | 2021-09-30 | 问答资源调整方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113887621B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110442718A (zh) * | 2019-08-08 | 2019-11-12 | 腾讯科技（深圳）有限公司 | 语句处理方法、装置及服务器和存储介质 |
| CN111639486A (zh) * | 2020-04-30 | 2020-09-08 | 深圳壹账通智能科技有限公司 | 段落搜索方法、装置、电子设备及存储介质 |
| CN111737449A (zh) * | 2020-08-03 | 2020-10-02 | 腾讯科技（深圳）有限公司 | 相似问题的确定方法和装置、存储介质及电子装置 |
| CN112052310A (zh) * | 2020-09-28 | 2020-12-08 | 平安普惠企业管理有限公司 | 基于大数据的信息获取方法、装置、设备及存储介质 |
| CN112308237A (zh) * | 2020-10-30 | 2021-02-02 | 平安科技（深圳）有限公司 | 一种问答数据增强方法、装置、计算机设备及存储介质 |
| WO2021109690A1 (zh) * | 2020-06-17 | 2021-06-10 | 平安科技（深圳）有限公司 | 多类型问题智能问答方法、系统、设备及可读存储介质 |
| CN113254624A (zh) * | 2021-07-07 | 2021-08-13 | 中国平安人寿保险股份有限公司 | 基于人工智能的智能问答处理方法、装置、设备及介质 |
| CN113434680A (zh) * | 2021-06-29 | 2021-09-24 | 平安科技（深圳）有限公司 | 基于坐席数据的用户意愿分析方法、装置、电子设备 |
-
2021
- 2021-09-30 CN CN202111157638.2A patent/CN113887621B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110442718A (zh) * | 2019-08-08 | 2019-11-12 | 腾讯科技（深圳）有限公司 | 语句处理方法、装置及服务器和存储介质 |
| CN111639486A (zh) * | 2020-04-30 | 2020-09-08 | 深圳壹账通智能科技有限公司 | 段落搜索方法、装置、电子设备及存储介质 |
| WO2021109690A1 (zh) * | 2020-06-17 | 2021-06-10 | 平安科技（深圳）有限公司 | 多类型问题智能问答方法、系统、设备及可读存储介质 |
| CN111737449A (zh) * | 2020-08-03 | 2020-10-02 | 腾讯科技（深圳）有限公司 | 相似问题的确定方法和装置、存储介质及电子装置 |
| CN112052310A (zh) * | 2020-09-28 | 2020-12-08 | 平安普惠企业管理有限公司 | 基于大数据的信息获取方法、装置、设备及存储介质 |
| CN112308237A (zh) * | 2020-10-30 | 2021-02-02 | 平安科技（深圳）有限公司 | 一种问答数据增强方法、装置、计算机设备及存储介质 |
| CN113434680A (zh) * | 2021-06-29 | 2021-09-24 | 平安科技（深圳）有限公司 | 基于坐席数据的用户意愿分析方法、装置、电子设备 |
| CN113254624A (zh) * | 2021-07-07 | 2021-08-13 | 中国平安人寿保险股份有限公司 | 基于人工智能的智能问答处理方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113887621B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112380859A (zh) | 舆情信息的推荐方法、装置、电子设备及计算机存储介质 | |
| CN112541745A (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
| CN113327136B (zh) | 归因分析方法、装置、电子设备及存储介质 | |
| CN113961473A (zh) | 数据测试方法、装置、电子设备及计算机可读存储介质 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
| CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
| CN113868529A (zh) | 知识推荐方法、装置、电子设备及可读存储介质 | |
| CN114862140A (zh) | 基于行为分析的潜力评估方法、装置、设备及存储介质 | |
| CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
| CN113268665A (zh) | 基于随机森林的信息推荐方法、装置、设备及存储介质 | |
| CN113505273A (zh) | 基于重复数据筛选的数据排序方法、装置、设备及介质 | |
| CN111831708A (zh) | 基于缺失数据的样本分析方法、装置、电子设备及介质 | |
| CN114841165B (zh) | 用户数据分析及展示方法、装置、电子设备及存储介质 | |
| CN115982454A (zh) | 基于用户画像的问卷推送方法、装置、设备及存储介质 | |
| CN114461630A (zh) | 智能归因分析方法、装置、设备及存储介质 | |
| CN113887621A (zh) | 问答资源调整方法、装置、设备及存储介质 | |
| CN113987206A (zh) | 异常用户的识别方法、装置、设备及存储介质 | |
| CN113360505B (zh) | 基于时序数据的数据处理方法、装置、电子设备及可读存储介质 | |
| CN113051475B (zh) | 内容推荐方法、装置、电子设备及可读存储介质 | |
| CN114723488B (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
| CN113434365B (zh) | 数据特征监控方法、装置、电子设备及存储介质 | |
| CN113672565B (zh) | 一种文件标记方法、装置、电子设备及存储介质 | |
| CN113158657A (zh) | 消极校对行为的检测方法、装置、电子设备及介质 | |
| CN113312564A (zh) | 点评数据排序方法、装置、电子设备及存储介质 |
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 |