CN114519343A - 基于95598的重复来电预处理方法、装置、设备及存储介质 - Google Patents
基于95598的重复来电预处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114519343A CN114519343A CN202210146840.3A CN202210146840A CN114519343A CN 114519343 A CN114519343 A CN 114519343A CN 202210146840 A CN202210146840 A CN 202210146840A CN 114519343 A CN114519343 A CN 114519343A
- Authority
- CN
- China
- Prior art keywords
- data
- incoming call
- text
- primary screening
- call
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007781 pre-processing Methods 0.000 title claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 52
- 238000013528 artificial neural network Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000013519 translation Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 6
- 238000002203 pretreatment Methods 0.000 claims description 5
- 230000003252 repetitive effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 239000002994 raw material Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000002360 preparation method Methods 0.000 abstract description 4
- 238000004904 shortening Methods 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- 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
- G06N3/08—Learning methods
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Educational Technology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了基于95598的重复来电预处理方法、装置、设备及存储介质,该处理方法包括以下步骤:S101、数据获取;S102、在获取的数据中,剔除业务数据,获得筛选数据;S103、标注及初筛;S104、利用文本相似度对初筛数据进行分析,判断是否为同一诉求事件,若是,则将初选数据对应的重复来电的文本内容输入至算法单元;若否,将初选数据发送至处理端;S105、算法单元判断接收到的文本内容是否相似,若相似,则认为相应诉求事件是重复来电,输出重复来电;若否,则将相应的文本内容发送至步骤S104中的处理端。本发明神经网络数据标注量减小,训练周期缩短,能够提高文本分析准确度,减少人工,缩短前期准备时间。
Description
技术领域
本发明属于通信数据处理技术领域,涉及一种基于95598工单及转译文本的的重复来电预处理方法、装置、设备及存储介质。
背景技术
重复来电识别是通过对客户诉求通话数据进行分析,找出其中的同一事件、诉求的重复来电,便于业务分析人员分析出客户的重复来电及事件原因。基于95598工单及转译文本,结合业务规定,对符合条件的重复来电工单进行筛选,再通过文本相似度算法比对,从而得出重复来电识别结果。
对于文本内容的分析,最基本的思路就是统计学,通过对大量文章中字,词的频率进行统计,从中获得一些字,词的规律信息,进而通过这些信息,来达到处理,分类,识别文本的能力。目前对于自然语言处理,也都是基于一条重要的假设,即,含义相似的词,字,会出现在相似的上下文文本内容中,根据这条假设,并且基于神经网络的技术,目前对文本处理,取得了比较理想的效果。
文本分析对比的分析技术,目前一大类是采用文本相似度技术,这个方法是通过统计文章里面的字,来计算这篇文章的词向量,然后通过对比不同文章的词向量来比对文本之间内容的相似程度。目前最新的神经网络技术,可以对文本内容有一个更精细的分析和判断。神经网络的方法,就是通过人工标注已有的数据,通过神经网络的学习,来获取某类文本的特征,当训练数据的数量足够多的时候,就能够得到这类文本的准确的特征,进而就能够对文本进行精确的识别。
目前文本内容分析的情况如下:
文本相似度方法,不需要预先获取大量文本,并进行文本标注,前期工作比较简单,但是文本相似度对文本内容的区别能力有限,效果并不理想,而且对于一些细微的文本差异,基本没有效果;
神经网络方法,对文本的区分度会高很多,但是神经网络前期需要收集大量的数据,并且还要人工进行标注,然后再对标注数据进行训练,需要耗费大量的人力,物力,并且前期需要收集大量的数据,开销要比文本相似度方法大很多。
针对以上两类技术的问题,我们设计了一个同时采用两种方案混合的方式,来达到提高准确度,减少人工,缩短前期准备时间的目的。目的就是结合两者的长处,来规避各自的缺点。
发明内容
本发明的目的在于提供一种基于95598的重复来电预处理方法,能够提高文本分析准确度,减少人工,缩短前期准备时间。
本发明采取的技术方案如下:
基于95598的重复来电预处理方法,包括以下步骤,
S101、数据获取
以通话记录和语音转译文本数据为基础,先找出同一号码的所有通话数据;
S102、在获取的数据中,剔除业务数据,获得筛选数据;
S103、标注及初筛;
利用筛选出来的数据,进行小规模标注,然后利用标注后的数据对神经网络进行训练,然后使用神经网络对S102获得的所有筛选数据进行初筛,获得初筛数据;
S104、利用文本相似度对初筛数据进行分析,判断是否为同一诉求事件,若是,则将初选数据对应的重复来电的文本内容输入至算法单元;若否,将初选数据发送至处理端;
S105、算法单元判断接收到的文本内容是否相似,若相似,则认为相应诉求事件是重复来电,输出重复来电;若否,则将相应的文本内容发送至步骤S104中的处理端。
进一步地,步骤S105是通过如下步骤判断文本内容是否相似的:
a、算法单元将接收到的每段文本内容切成一个个字符;
b、利用每个字符的哈希值不同去重,
c、去重之后,计算两两字符的余弦距离,具体计算方法为:对两个字符向量夹角的余弦值分别计算,若余弦值均大于0.8,则认为相应的文本内容相似;若否,则认为相应的文本内容不相似。
进一步地,步骤S102中的业务数据包括:客户查询电费电量信息、档案信息、停电信息、营销法律法规类咨询业务、疑似非户主查询客户档案信息、以及属地供电单位针对客户诉求已出具最终答复,客户仍再次来电反映同样诉求的。
基于95598的重复来电预处理装置,包括:
存储模块,存储客户的通话数据,通话数据包括通话记录和语音转译文本数据;
数据筛选模块,剔除存储模块中同一号码的通话数据的业务数据,获得筛选数据;
数据初筛模块,对筛选数据进行标注,利用标注后的数据对神经网络进行训练,然后使用神经网络对所有筛选数据进行初筛,获得初筛数据;
初筛数据判断模块,利用文本相似度对初筛数据进行分析,判断是否为同一诉求事件,若是,则将初选数据对应的重复来电的文本内容输入至文本内容判断模块;若否,将初选数据发送至处理端;
文本内容判断模块,判断接收到的文本内容是否相似,若相似,则认为相应诉求事件是重复来电,输出重复来电;若否,则将相应的文本内容发送至所述处理端。
进一步地,文本内容判断模块将接收到的每段文本内容切成一个个字符;利用每个字符的哈希值不同去重,去重之后,计算两两字符的余弦距离:对两个字符向量夹角的余弦值分别计算,若余弦值均大于0.8,则判断相应的文本内容相似;若否,则判断相应的文本内容不相似。
进一步地,所述业务数据包括:客户查询电费电量信息、档案信息、停电信息、营销法律法规类咨询业务、疑似非户主查询客户档案信息、以及属地供电单位针对客户诉求已出具最终答复,客户仍再次来电反映同样诉求的。
一种终端设备,包括存储器和处理器:
存储器,用于存储计算机指令;
处理器,用于运行所述存储器存储的计算机指令,实现上述重复来电预处理方法。
一种存储介质,包括可读存储介质和计算机指令,所述计算机指令存储在所述可读存储介质中,所述计算机指令用于实现上述重复来电预处理方法。
本发明的优点:
神经网络数据标注量减小,训练周期缩短,只需要对数据进行初筛,能够提高文本分析准确度,减少人工,缩短前期准备时间。
初筛之后的数据,已经将大部分无关数据去除,再进行文本相似度对比,准确度可以大大提高。
根据事件再对重复来电进行分类,从而得出重复来电识别结果,节省了工作量,能够对相应事件进行精准的针对性处理,提升了客户服务水平。
附图说明
图1是本申请基于95598的重复来电预处理方法的具体流程示意图;
图2是本申请基于95598的重复来电预处理装置的模块连接示意图;
图3是本申请终端设备的结构示意图。
具体实施方式
以下结合附图对本发明进行说明:
如图1,本申请提供的基于95598的重复来电预处理方法,具体是基于95598工单及转译文本的重复来电预处理方法,
该重复来电预处理方法涉及的网元包括终端设备中的部分或者全部,下面以终端设备为执行主体对本申请的处理方法进行说明,如图1,本申请的终端设备以通话记录和语音转译文本数据为基础,先找出同一号码的所有通话数据,并进行剔除筛选,获得筛选数据。根据业务规定,剔除以下分类数据:1.客户查询电费电量及档案信息、停电信息、营销法律法规等咨询类业务,疑似非户主查询客户档案信息;2.属地供电单位针对客户诉求已出具最终答复,客户仍来电反映的。
首先,利用筛选出来的数据,进行小规模标注,然后利用标注后的数据对神经网络进行训练,让神经网络达到一个初步的可用度,然后使用训练后的神经网络对所有数据进行初筛,获得初筛数据。
筛选出来的结果再利用文本相似度对初筛数据进行分析,判断是否为同一诉求事件,若是,则将初选数据对应的重复来电的文本内容输入至算法单元;若否,将初选数据发送至处理端。
算法单元判断接收到的文本内容是否相似,若相似,则认为相应诉求事件是重复来电,输出重复来电;若否,则将相应的文本内容发送至所述处理端。
算法单元判断具体判断过程为:算法单元将接收到的文本内容切成一个个小的字符,利用每个字符的哈希值不同去重,去重之后,计算两两字符的余弦距离,具体计算方法为:对两个向量夹角的余弦值分别计算,求出每段文本内容的文本向量值做比较;余弦值越接近1,就表明夹角越接近0度,也就是两个向量越相似;
本申请中,若两个字符向量夹角的余弦值均大于0.8,则认为相应的文本内容相似。
另一方面,如图2,本申请提供的基于95598的重复来电预处理装置的模块连接示意图,具体是基于95598工单及转译文本的重复来电预处理装置,包括:
存储模块,存储客户的通话数据,通话数据包括通话记录和语音转译文本数据;
数据筛选模块,剔除存储模块中同一号码的通话数据的业务数据,获得筛选数据;业务数据包括:客户查询电费电量信息、档案信息、停电信息、营销法律法规类咨询业务、疑似非户主查询客户档案信息、以及属地供电单位针对客户诉求已出具最终答复,客户仍再次来电反映同样诉求的;
数据初筛模块,对筛选数据进行标注,利用标注后的数据对神经网络进行训练,然后使用神经网络对所有筛选数据进行初筛,获得初筛数据;
初筛数据判断模块,利用文本相似度对初筛数据进行分析,判断是否为同一诉求事件,若是,则将初选数据对应的重复来电的文本内容输入至文本内容判断模块;若否,将初选数据发送至处理端;
文本内容判断模块,判断接收到的文本内容是否相似,若相似,则认为相应诉求事件是重复来电,输出重复来电;若否,则将相应的文本内容发送至所述处理端。
进一步地,文本内容判断模块将接收到的每段文本内容切成一个个字符;利用每个字符的哈希值不同去重,去重之后,计算两两字符的余弦距离:对两个字符向量夹角的余弦值分别计算,若余弦值均大于0.8,则判断相应的文本内容相似,认为相应诉求事件是重复来电;若否,则判断相应的文本内容不相似,并将相应的文本内容发送至所述处理端。
另一方面,本申请提供的一种终端设备,如图3,包括存储器和处理器:
存储器,用于存储计算机指令;
处理器,用于运行所述存储器存储的计算机指令,实现本申请重复来电预处理方法。
另一方面,本申请提供的一种存储介质,包括可读存储介质和计算机指令,所述计算机指令存储在所述可读存储介质中,所述计算机指令用于实现本申请重复来电预处理方法。
本申请基于95598工单及转译文本,结合业务规定,对符合条件的重复来电工单进行筛选,通过文本相似度算法,对转译文本进行比对,设置符合实际的阈值,根据事件再对重复来电进行分类,从而得出重复来电识别结果,节省了工作量,能够对相应事件进行精准的针对性处理,提升了客户服务水平。
Claims (8)
1.基于95598的重复来电预处理方法,其特征在于:包括以下步骤,
S101、数据获取
以通话记录和语音转译文本数据为基础,先找出同一号码的所有通话数据;
S102、在获取的数据中,剔除业务数据,获得筛选数据;
S103、标注及初筛;
利用筛选出来的数据,进行标注,然后利用标注后的数据对神经网络进行训练,然后使用神经网络对步骤S102获得的所有筛选数据进行初筛,获得初筛数据;
S104、利用文本相似度对初筛数据进行分析,判断是否为同一诉求事件,若是,则将初选数据对应的重复来电的文本内容输入至算法单元;若否,将初选数据发送至处理端;
S105、算法单元判断接收到的文本内容是否相似,若相似,则认为相应诉求事件是重复来电,输出重复来电;若否,则将相应的文本内容发送至步骤S104中的处理端。
2.根据权利要求1所述的重复来电预处理方法,其特征在于:
步骤S105是通过如下步骤判断文本内容是否相似的:
a、算法单元将接收到的每段文本内容切成一个个字符;
b、利用每个字符的哈希值不同去重,
c、去重之后,计算两两字符的余弦距离,具体计算方法为:对两个字符向量夹角的余弦值分别计算,若余弦值均大于0.8,则认为相应的文本内容相似;若否,则认为相应的文本内容不相似。
3.根据权利要求2所述的重复来电预处理方法,其特征在于:
步骤S102中的业务数据包括:客户查询电费电量信息、档案信息、停电信息、营销法律法规类咨询业务、疑似非户主查询客户档案信息、以及属地供电单位针对客户诉求已出具最终答复,客户仍再次来电反映同样诉求的。
4.基于95598的重复来电预处理装置,其特征在于:包括,
存储模块,存储客户的通话数据,通话数据包括通话记录和语音转译文本数据;
数据筛选模块,剔除存储模块中同一号码的通话数据的业务数据,获得筛选数据;
数据初筛模块,对筛选数据进行标注,利用标注后的数据对神经网络进行训练,然后使用神经网络对所有筛选数据进行初筛,获得初筛数据;
初筛数据判断模块,利用文本相似度对初筛数据进行分析,判断是否为同一诉求事件,若是,则将初选数据对应的重复来电的文本内容输入至文本内容判断模块;若否,将初选数据发送至处理端;
文本内容判断模块,判断接收到的文本内容是否相似,若相似,则认为相应诉求事件是重复来电,输出重复来电;若否,则将相应的文本内容发送至所述处理端。
5.根据权利要求4所述的重复来电预处理装置,其特征在于:
文本内容判断模块将接收到的每段文本内容切成一个个字符;利用每个字符的哈希值不同去重,去重之后,计算两两字符的余弦距离:对两个字符向量夹角的余弦值分别计算,若余弦值均大于0.8,则判断相应的文本内容相似;若否,则判断相应的文本内容不相似。
6.根据权利要求5所述的重复来电预处理装置,其特征在于:
所述业务数据包括:客户查询电费电量信息、档案信息、停电信息、营销法律法规类咨询业务、疑似非户主查询客户档案信息、以及属地供电单位针对客户诉求已出具最终答复,客户仍再次来电反映同样诉求的。
7.一种终端设备,其特征在于:包括存储器和处理器:
存储器,用于存储计算机指令;
处理器,用于运行所述存储器存储的计算机指令,实现上述重复来电预处理方法。
8.一种存储介质,其特征在于:包括可读存储介质和计算机指令,所述计算机指令存储在所述可读存储介质中,所述计算机指令用于实现上述重复来电预处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210146840.3A CN114519343A (zh) | 2022-02-17 | 2022-02-17 | 基于95598的重复来电预处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210146840.3A CN114519343A (zh) | 2022-02-17 | 2022-02-17 | 基于95598的重复来电预处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114519343A true CN114519343A (zh) | 2022-05-20 |
Family
ID=81599802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210146840.3A Pending CN114519343A (zh) | 2022-02-17 | 2022-02-17 | 基于95598的重复来电预处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114519343A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433197A (zh) * | 2023-06-13 | 2023-07-14 | 建信金融科技有限责任公司 | 一种信息上报方法、装置、上报端及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214009A (zh) * | 2018-11-27 | 2019-01-15 | 国网山东省电力公司电力科学研究院 | 一种服务调度重复来电的工单文本语义向量分析方法 |
CN111259144A (zh) * | 2020-01-16 | 2020-06-09 | 中国平安人寿保险股份有限公司 | 多模型融合文本匹配方法、装置、设备和存储介质 |
-
2022
- 2022-02-17 CN CN202210146840.3A patent/CN114519343A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214009A (zh) * | 2018-11-27 | 2019-01-15 | 国网山东省电力公司电力科学研究院 | 一种服务调度重复来电的工单文本语义向量分析方法 |
CN111259144A (zh) * | 2020-01-16 | 2020-06-09 | 中国平安人寿保险股份有限公司 | 多模型融合文本匹配方法、装置、设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433197A (zh) * | 2023-06-13 | 2023-07-14 | 建信金融科技有限责任公司 | 一种信息上报方法、装置、上报端及存储介质 |
CN116433197B (zh) * | 2023-06-13 | 2023-09-12 | 建信金融科技有限责任公司 | 一种信息上报方法、装置、上报端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414927B (zh) | 一种票据处理自动生成凭证的方法及装置 | |
CN105678612A (zh) | 移动端原始凭证电子化智能填单系统及方法 | |
CN104077407B (zh) | 一种智能数据搜索系统及方法 | |
CN109165294A (zh) | 一种基于贝叶斯分类的短文本分类方法 | |
CN116363440B (zh) | 基于深度学习的土壤中有色微塑料的识别检测方法及系统 | |
CN110909224B (zh) | 一种基于人工智能的敏感数据自动分类识别方法及系统 | |
CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
CN112258254B (zh) | 基于大数据架构的互联网广告风险监测方法及系统 | |
CN111970400B (zh) | 骚扰电话识别方法及装置 | |
CN116881430B (zh) | 一种产业链识别方法、装置、电子设备及可读存储介质 | |
CN113378899A (zh) | 非正常账号识别方法、装置、设备和存储介质 | |
CN115396389B (zh) | 一种基于情绪能量感知的物联网信息技术客服服务系统 | |
CN114519343A (zh) | 基于95598的重复来电预处理方法、装置、设备及存储介质 | |
CN109635104A (zh) | 数据分类标识方法、装置、计算机设备及可读存储介质 | |
CN105677888A (zh) | 一种基于用户时间碎片的业务偏好识别方法 | |
CN114491010A (zh) | 信息抽取模型的训练方法及装置 | |
CN107734534B (zh) | 一种网络负荷评估方法及装置 | |
CN111179101A (zh) | 一种基于共享网络的互联网保险营销数据处理系统 | |
CN111639916A (zh) | 一种基于区块链技术及深度学习的在线审计方法、系统和可读存储介质 | |
CN107066450B (zh) | 一种基于学习的即时通信会话切分方法 | |
CN114996207A (zh) | 一种基于5g云计算的大数据分析方法及系统 | |
CN112926898A (zh) | 一种用于电子政务的综合评估系统 | |
CN109558488A (zh) | 基于数据对犯罪行为的多维度分析方法 | |
CN115550506B (zh) | 用户识别模型的训练、用户识别方法和装置 | |
CN118132734B (zh) | 一种基于大模型的情报数据查询方法与系统 |
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 |