CN114817707A - 一种节点和问题的创建方法、装置、电子设备及存储介质 - Google Patents

一种节点和问题的创建方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114817707A
CN114817707A CN202210344800.XA CN202210344800A CN114817707A CN 114817707 A CN114817707 A CN 114817707A CN 202210344800 A CN202210344800 A CN 202210344800A CN 114817707 A CN114817707 A CN 114817707A
Authority
CN
China
Prior art keywords
node
initial
similarity
abnormal
model
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
Application number
CN202210344800.XA
Other languages
English (en)
Inventor
刘超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Blue Ocean Online Technology Co ltd
Original Assignee
Beijing Blue Ocean Online Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Blue Ocean Online Technology Co ltd filed Critical Beijing Blue Ocean Online Technology Co ltd
Priority to CN202210344800.XA priority Critical patent/CN114817707A/zh
Publication of CN114817707A publication Critical patent/CN114817707A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及数据处理的领域,尤其是涉及一种节点和问题的创建方法、装置、电子设备及存储介质,该方法包括获取用户的输入信息;对输入信息进行识别,得到识别结果,然后基于识别结果以及问题与功能节点的归属关系,确定所有初始功能节点是否全部归属于初始问题;若否,则确定异常问题和/或异常功能节点;若存在异常问题,则确定异常问题对应的所有功能节点,并基于异常问题对应的所有功能节点生成节点提示信息;若存在异常功能节点,则确定异常功能节点对应的所有问题,并基于异常功能节点对应的所有的问题生成问题提示信息。本申请具有提高用户创建APP的效率的效果。

Description

一种节点和问题的创建方法、装置、电子设备及存储介质
技术领域
本申请涉及数据处理的领域,尤其是涉及一种节点和问题的创建方法、装置、电子设备及存储介质。
背景技术
随着互联网的便利性日益增加,越来越多的企业和服务团体通过手机APP进行业务的推广和售后服务,因此一款好的APP对企业的成长性的帮助不言而喻。
在相关技术中,存在一些创建应用程序的服务,不需要用户具有编程的能力,通过解决的问题以及该问题对应的功能节点生成模型,然后在模型上进行功能点和问题的补充,以及逻辑关系的关联,进而就能够创建APP。但是,并非所有的用户都能够准确输入解决的问题以及功能节点,也存在部分用户输入的问题与功能节点之间的关系不对应,即存在缺少问题和/或功能节点的情况,进而不能顺利进行APP的创建流程。当出现这种情况时,往往需要用户自行检查并判断输入的问题和功能节点,因此使得创建APP的效率较低。
发明内容
为了提高用户创建APP的效率,本申请提供一种节点和问题的创建方法、装置、电子设备及存储介质。
第一方面,本申请提供一种节点和问题的创建方法,采用如下的技术方案:
一种节点和问题的创建方法,包括:
获取用户的输入信息;
对所述输入信息进行识别,得到识别结果,所述识别结果中包括用户的初始问题和初始功能节点;
基于所述识别结果以及问题与功能节点的归属关系,确定所有所述初始功能节点是否全部归属于所述初始问题;
若否,则确定异常问题和/或异常功能节点,所述异常问题为没有任何初始功能节点归属的初始问题,所述异常功能节点为没有归属于任何初始问题的初始功能节点;
若存在所述异常问题,则确定所述异常问题对应的所有功能节点,并基于所述异常问题对应的所有功能节点生成节点提示信息;
若存在所述异常功能节点,则确定所述异常功能节点对应的所有问题,并基于所述异常功能节点对应的所有的问题生成问题提示信息。
通过采用上述技术方案,电子设备能够对用户的输入信息进行识别,得到包含初始问题和初始功能节点的识别结果,然后能够基于问题与功能节点的归属关系与识别结果,确定出异常问题,并基于异常问题对应的所有功能节点生成节点信息,便于用户查看并将功能节点补充完整;同时,也能够确定出异常功能节点,并基于异常功能节点对应的所有问题生成问题提示信息,以便于用户查看并将问题补充完整,进而能够减少用户自查和判断的时间,进而提高了用户创建APP的效率。
在一种可能实现的方式中,所述对所述输入信息进行识别,得到识别结果,包括以下任一项:
将所述输入信息在预设的数据库中进行匹配识别,得到识别结果,所述数据库中存储有各个问题分别对应的文字信息和音频信息,以及各个功能节点分别对应的文字信息和音频信息;
对所述输入信息进行语义识别,得到识别结果。
通过采用上述技术方案,若用户具有编程基础或者熟悉APP的创建,则用户能够输入较为准确的问题和功能节点,此时通过预设的数据库对用户的输入信息进行识别能够提高处理效率;若用户不具备编程的基础,或者不熟悉APP的创建,则用户输入的问题和功能节点可能存在偏差或者不明确,此时通过语义识别,便于得到准确的用户想表达的问题和功能节点。
在一种可能实现的方式中,所述方法还包括:
若触发预设事件,则基于所述识别结果生成初始模型;
所述预设事件包括不存在异常问题和异常功能节点,还包括接收到用户输入的生成指令;
基于所述识别结果确定所述初始模型与预设的模板库中各个模板模型的相似度,所述模板库存储有多个基于至少一个问题和至少一个问题对应的所有功能节点建立的模板模型;
确定相似度大于预设阈值的模板模型为接近模型;
基于所有所述接近模型生成推荐信息。
通过采用上述技术方案,不同的APP其对应的模板也可能存在相同或者部分相同之处,在基于识别结果生成初始模型之后,通过将初始模型和预设的数据库中各个模板模型进行比对,进而将与初始模型的相似度较高的模板模型确定为接近模型,然后基于接近模型生成推荐信息以便于用户浏览,进而在用户发现有和其需求相同的模板模型时,便于用户直接选用,进而能够减少用户对初始模型增删修的过程,进而能够提高用户创建APP的效率。
在一种可能实现的方式中,所述基于所述识别结果生成初始模型,包括:
基于所述初始问题以及问题与功能节点的归属关系,确定所述初始问题对应的所有功能节点;
创建空白的预览模板;
将初始问题以及所述初始问题对应的所有功能节点添加至所述预览模板;
对所述初始功能节点进行标记,得到所述初始模型。
通过采用上述技术方案,在初始模型中,初始功能节点是结构框架,可能需要基于初始功能节点增加或者关联系的问题或者其他功能节点,因此,将初始功能节点进行标记,能够便于用户找到初始功能节点并进行操作。
在一种可能实现的方式中,所述基于所述识别结果确定所述初始模型与预设的模板库中各个模板模型的相似度,包括,对于任一模板模型:
确定所述初始模型对应的问题与所述任一模板模型对应的问题的问题相似度;
确定所述初始模型对应的功能节点与所述任一模板模型对应的功能节点的节点相似度;
基于所述问题相似度和所述节点相似度确定所述初始模型与所述任一模板模型的相似度。
通过采用上述技术方案,同一个问题会对应有多个不同的功能节点,一个功能节点也可能会归属于多个不同的问题,因此,通过初始模型与模板模型的问题相似度以及初始模型与模板模型的节点相似度共同确定初始模型与模板模型的相似度,能够提高所得结果的准确度和置信度。
在一种可能实现的方式中,所述基于所述问题相似度和所述节点相似度确定所述初始模型与所述任一模板模型的相似度,包括:
基于预设的问题相似度和节点相似度的权重关系,确定所述初始模型与所述任一模板模型的相似度。
通过采用上述技术方案,预设的问题相似度和节点相似度的权重关系,确定所述初始模型与所述任一模板模型的相似度,便于得出更准确的结果。
在一种可能实现的方式中,所述基于所述问题相似度和所述节点相似度确定所述初始模型与所述任一模板模型的相似度,包括:
确定所述节点相似度是否大于预设的节点阈值;
若是,则确定所述节点相似度为所述初始模型与所述任一模板模型的相似度。
通过采用上述技术方案,在实际中,可能一个功能节点对应多个问题,因此,在任一个模型中,实际是功能节点所占权重较大,在确定模板模型和初始模型的相似度较高时,直接将节点相似度确定为模板模型与初始模型的相似度,能够减少计算量,进而提高用户创建APP的效率。
第二方面,本申请提供一种节点和问题的创建装置,采用如下的技术方案:
一种节点和问题的创建装置,包括:
输入信息获取模块,用于获取用户的输入信息;
识别模块,用于对所述输入信息进行识别,得到识别结果,所述识别结果中包括用户的初始问题和初始功能节点;
判断模块,用于基于所述识别结果以及预设的问题与功能节点的归属关系,判断所有所述初始功能节点是否全部归属于所述初始问题;
确定异常模块,用于确定异常问题和/或异常功能节点,所述异常问题为没有任何初始功能节点归属的初始问题,所述异常功能节点为没有归属于任何初始问题的初始功能节点;
节点提示信息生成模块,用于确定所述异常问题对应的所有功能节点,并基于所述异常问题对应的所有功能节点生成节点提示信息;
问题提示信息生成模块,用于确定所述异常功能节点对应的所有问题,并基于所述异常功能节点对应的所有的问题生成问题提示信息。
通过采用上述技术方案,该装置能够对用户的输入信息进行识别,得到包含初始问题和初始功能节点的识别结果,然后能够基于问题与功能节点的归属关系与识别结果,确定出异常问题,并基于异常问题对应的所有功能节点生成节点信息,便于用户查看并将功能节点补充完整;同时,也能够确定出异常功能节点,并基于异常功能节点对应的所有问题生成问题提示信息,以便于用户查看并将问题补充完整,进而能够减少用户自查和判断的时间,进而提高了用户创建APP的效率。
在一种可能实现的方式中,当识别模块对所述输入信息进行识别,得到识别结果时,具体用于以下任一项:
将所述输入信息在预设的数据库中进行匹配识别,得到识别结果,所述数据库中存储有各个问题分别对应的文字信息和音频信息,以及各个功能节点分别对应的文字信息和音频信息;
对所述输入信息进行语义识别,得到识别结果。
在一种可能实现的方式中,该装置还包括:
生成模块,用于基于所述识别结果生成初始模型;
相似度确定模块,用于基于所述识别结果确定所述初始模型与预设的模板库中各个模板模型的相似度,所述模板库存储有多个基于至少一个问题和至少一个问题对应的所有功能节点建立的模板模型;
接近模型确定模块,用于确定相似度大于预设阈值的模板模型为接近模型;
推荐信息生成模块,用于基于所有所述接近模型生成推荐信息。
在一种可能实现的方式中,当生成模块用于基于所述识别结果生成初始模型时,具体用于:
基于所述初始问题以及问题与功能节点的归属关系,确定所述初始问题对应的所有功能节点;
创建空白的预览模板;
将初始问题以及所述初始问题对应的所有功能节点添加至所述预览模板;
对所述初始功能节点进行标记,得到所述初始模型。
在一种可能实现的方式中,当相似度确定模块基于所述识别结果确定所述初始模型与预设的模板库中各个模板模型的相似度时,具体用于:
确定所述初始模型对应的问题与所述任一模板模型对应的问题的问题相似度;
确定所述初始模型对应的功能节点与所述任一模板模型对应的功能节点的节点相似度;
基于所述问题相似度和所述节点相似度确定所述初始模型与所述任一模板模型的相似度。
在一种可能实现的方式中,当相似度确定模块基于所述识别结果确定所述初始模型与预设的模板库中各个模板模型的相似度时,具体用于:
基于预设的问题相似度和节点相似度的权重关系,确定所述初始模型与所述任一模板模型的相似度。
在一种可能实现的方式中,当相似度确定模块基于所述识别结果确定所述初始模型与预设的模板库中各个模板模型的相似度时,具体用于:
确定所述节点相似度是否大于预设的节点阈值;
若是,则确定所述节点相似度为所述初始模型与所述任一模板模型的相似度。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述节点和问题的创建方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述节点和问题的创建方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
电子设备能够对用户的输入信息进行识别,得到包含初始问题和初始功能节点的识别结果,然后能够基于问题与功能节点的归属关系与识别结果,确定出异常问题,并基于异常问题对应的所有功能节点生成节点信息,便于用户查看并将功能节点补充完整;同时,也能够确定出异常功能节点,并基于异常功能节点对应的所有问题生成问题提示信息,以便于用户查看并将问题补充完整,进而能够减少用户自查和判断的时间,进而提高了用户创建APP的效率;
不同的APP其对应的模板也可能存在相同或者部分相同之处,在基于识别结果生成初始模型之后,通过将初始模型和预设的数据库中各个模板模型进行比对,进而将与初始模型的相似度较高的模板模型确定为接近模型,然后基于接近模型生成推荐信息以便于用户浏览,进而在用户发现有和其需求相同的模板模型时,便于用户直接选用,进而能够减少用户对初始模型增删修的过程,进而能够提高用户创建APP的效率;
同一个问题会对应有多个不同的功能节点,同样地,一个功能节点也可能会归属于多个不同的问题,因此,通过初始模型与模板模型的问题相似度以及初始模型与模板模型的节点相似度共同确定初始模型与模板模型的相似度,能够提高所得结果的准确度和置信度。
附图说明
图1是本申请实施例中节点和问题的创建方法的流程示意图;
图2是本申请实施例中节点和问题的创建装置的结构示意图;
图3是本申请实施例中电子设备的结构示意图。
具体实施方式
以下结合附图1-附图3对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
本申请实施例提供了一种节点和问题的创建方法,由电子设备执行,参照图1,该方法包括,步骤S101-步骤S106,其中:
步骤S101、获取用户的输入信息。
在本申请实施例中,用户输入的信息可以是文字信息,也可以是语音信息,本申请实施例中不进行具体限定。
步骤S102、对输入信息进行识别,得到识别结果,识别结果中包括用户的初始问题和初始功能节点。
在申请实施例中,若输入信息为语音,则进行语音识别后在进行文字识别;若输入信息为文字,则直接进行文字识别以得到识别结果。其中,初始问题,即为基于用户信息识别得到的符合预设标准的问题,初始功能节点即为基于用户信息识别得到的符合预设标准的问题。
进一步地,在得到识别结果之后,先进行显示,以便于用户查看是否正确,用户也可对识别结果进行修改。
步骤S103、基于识别结果以及问题与功能节点的归属关系,确定所有初始功能节点是否全部归属于初始问题。
在本申请实施例中,预先设置每个问题下归属的所有功能节点,同时基于问题与功能节点的归属关系,确定是否识别结果中的所有初始功能及节点归属的问题与初始问题相同,只有初始功能节点全部归属于初始问题,整个逻辑和框架才会完成,以使得APP的创建能够顺利进行。
步骤S104、若否,则确定异常问题和/或异常功能节点,异常问题为没有任何初始功能节点归属的初始问题,异常功能节点为没有归属于任何初始问题的初始功能节点。
在本申请实施例中,如果存在异常问题,则说明识别结果存在初始问题,且该初始问题下没有归属的功能节点;若存在一场功能节点,则说明识别结果存在初始功能节点,且该功能节点是孤立的,并未归属于任何初始问题。
步骤S105、若存在异常问题,则确定异常问题对应的所有功能节点,并基于异常问题对应的所有功能节点生成节点提示信息。
在本申请实施例中,若存在异常问题,有可能是用户忘记输入该异常问题下归属的功能节点,因此,通过将该异常问题对应的全部功能节点生成节点提示信息,以使得用户能够查看和判断,进而能够便于用户确定未输入的该异常问题对应的功能节点。
步骤S106、若存在异常功能节点,则确定异常功能节点对应的所有问题,并基于异常功能节点对应的所有的问题生成问题提示信息。
在本申请实施例中,若存在异常功能节点,有可能是用户忘记输入该异常功能节点归属的问题,因此,通过将该异常功能节点对应的全部问题生成问题提示信息,以使得用户能够查看和判断,进而能够便于用户确定未输入的该异常功能节点对应的问题。
在本申请实施例中,电子设备能够对用户的输入信息进行识别,得到包含初始问题和初始功能节点的识别结果,然后能够基于问题与功能节点的归属关系与识别结果,确定出异常问题,并基于异常问题对应的所有功能节点生成节点信息,便于用户查看并将功能节点补充完整;同时,也能够确定出异常功能节点,并基于异常功能节点对应的所有问题生成问题提示信息,以便于用户查看并将问题补充完整,进而能够减少用户自查和判断的时间,进而提高了用户创建APP的效率。
进一步地,步骤S102可以包括步骤S1021(图中未示出)和步骤S1022(图中未示出),其中:
步骤S1021、将输入信息在预设的数据库中进行匹配识别,得到识别结果,数据库中存储有各个问题分别对应的文字信息和音频信息,以及各个功能节点分别对应的文字信息和音频信息。
具体地,预设的数据库中应存储有符合预设标准的各个问题对应的文字信息和音频信息,同时存储有符合预设标准各个功能节点对应的文字信息和音频信息。如果用户具备一定的编程基础,或者用户熟悉APP的创建操作,则用户的输入信息大概率是符合预设标准的,也即对用户信息的识别结果是符合预设标准的。通过这种方式,能够直接将识别结果在数据库中进行识别陪匹配,能够直接得到符合预设标准的初始问题和初始功能节点,进而能够提高用户创建APP的效率。
步骤S1022、对输入信息进行语义识别,得到识别结果。
具体地,语义识别是通过对用户输入信息进行词典匹配和自动抽取过程后,能够识别用户的输入信息表征的语义。对于一些没有编程基础的用户,或者不熟悉APP创建操作的用户,其输入信息大概率是不符合预设标准的,因此通过语义识别得到识别结果,便于准确得到用户想表达的新,进而能够得到较为准确的识别结果。
进一步地,为了进一步提高APP的创建效率,以节约APP的创建时间,该方法还包括步骤SA(图中未示出)、步骤SB(图中未示出)、步骤SC(图中未示出)以及步骤SD(图中未示出),其中:
步骤SA、若触发预设事件,则基于识别结果生成初始模型;
预设事件包括不存在异常问题和异常功能节点,还包括接收到用户输入的生成指令。
具体地,如果不存在异常问题和异常功能节点,则说明创建模型的框架和逻辑完整,因此可以直接基于识别结果生成初始模型。若接收到用户输入的生成指令,则也能够直接基于识别结果生成初始模型。
步骤SB、基于识别结果确定初始模型与预设的模板库中各个模板模型的相似度,模板库存储有多个基于至少一个问题和至少一个问题对应的所有功能节点建立的模板模型。
具体地,预设的模板库中存在多个模板模型,模板模型可以是预先设置的,即基于至少一个问题和至少一个问题对应的所有功能节点生成的多个模板模型;同时,模板模型也可以是其他用户创建模型后上传至模板库内。
步骤SC、确定相似度大于预设阈值的模板模型为接近模型;
步骤SD、基于所有接近模型生成推荐信息。
具体地,对于预设阈值的具体数值,其可以为70%,也可以为80%,本申请实施例中不作具体限定,只要便于确定与初始模型较为接近的接近模型即可。
进一步地,将每个接近模型中所有的问题和功能节点,按照归属关系和连接关系生成预览关系表;推荐信息中心应该包括有每个接近模型对应的预览关系表以及该接近模型和初始模型的相似度,以便于用户预览查看。
进一步地,步骤SA可以包括步骤SA1(图中未示出)-步骤SA4(图中未示出),其中:
步骤SA1、基于初始问题以及问题与功能节点的归属关系,确定初始问题对应的所有功能节点;
步骤SA2、创建空白的预览模板;
步骤SA3、将初始问题以及初始问题对应的所有功能节点添加至预览模板;
步骤SA4、对初始功能节点进行标记,得到初始模型。
具体地,对初始功能节点进行标记的具体方式,本申请实施例中不进行限定,只要满足初始功能节点与非初始功能节点具有显示效果的差异即可。
在空白模板中添加初始问题对应的所有功能节点,便于用户进行增删改查操作,以提高用户对初始模板修改的效率。
进一步地,步骤SB可以包括步骤SB1(图中未示出)-步骤SB3(图中未示出),其中:
步骤SB1、确定初始模型对应的问题与任一模板模型对应的问题的问题相似度。
具体地,可以采用杰卡德相似系数来确定初始模板与任一模板模型对应的问题相似度。例如初始模板包括(a、b、c)三个问题,模板模型包括(b、c、d)三个问题,则初始模板与该模板模型的相似度为(b、c)/(a、b、c、d)=2/4=50%。当然也可以用其他的相似度计算方法来确定问题相似度。
步骤SB2、确定初始模型对应的功能节点与任一模板模型对应的功能节点的节点相似度;
步骤SB3、基于问题相似度和节点相似度确定初始模型与任一模板模型的相似度。
具体地,同一个问题会对应有多个不同的功能节点,一个功能节点也可能会归属于多个不同的问题,因此,通过初始模型与模板模型的问题相似度以及初始模型与模板模型的节点相似度共同确定初始模型与模板模型的相似度,能够提高所得结果的准确度和置信度。
同时为了进一步提高确定的初始模型与模板模型相似度的置信度,问题相似度和节点相似度应采用相同的算法或逻辑进行计算。
进一步地,步骤SB3可以包括步骤SB31和步骤SB32,其中:
步骤SB31、基于预设的问题相似度和节点相似度的权重关系,确定初始模型与任一模板模型的相似度。
具体地, 同一个问题会对应有多个不同的功能节点,一个功能节点也可能会归属于多个不同的问题。在实际中,功能节点相似度所占的权重和问题相似度所占的权重,本申请实施例中不作出限定,面对不同类型的APP,权重占比也不相同。可以在生成模板时,由用户进行选择,例如图像处理类APP,问题相似度权重占比为40%,节点相似度占比为60%。
因此,通过初始模型与模板模型的问题相似度以及初始模型与模板模型的节点相似度共同确定初始模型与模板模型的相似度,能够提高所得结果的准确度和置信度。
步骤SB31、确定节点相似度是否大于预设的节点阈值;
若是,则确定节点相似度为初始模型与任一模板模型的相似度。
在实际中,可能一个功能节点对应多个问题,因此,在某些模型中,实际是功能节点所占权重较大,在确定模板模型和初始模型的相似度较高时,直接将节点相似度确定为模板模型与初始模型的相似度,能够减少计算量,进而提高用户创建APP的效率。
进一步地,对于节点阈值的具体数值,本申请实施例不做任何限定,例如可以为80%,也可以为90%。
上述实施例从方法流程的角度介绍一种节点和问题的创建方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种节点和问题的创建装置,具体详见下述实施例。
本申请实施例提供一种节点和问题的创建装置,如图2所示,该装置200具体可以包括输入信息获取模块201、识别模块202、判断模块203、确定异常模块204、节点提示信息生成模块205以及问题提示信息生成模块206,其中:
输入信息获取模块201,用于获取用户的输入信息;
识别模块202,用于对输入信息进行识别,得到识别结果,识别结果中包括用户的初始问题和初始功能节点;
判断模块203,用于基于识别结果以及预设的问题与功能节点的归属关系,判断所有初始功能节点是否全部归属于初始问题;
确定异常模块204,用于确定异常问题和/或异常功能节点,异常问题为没有任何初始功能节点归属的初始问题,异常功能节点为没有归属于任何初始问题的初始功能节点;
节点提示信息生成模块205,用于确定异常问题对应的所有功能节点,并基于异常问题对应的所有功能节点生成节点提示信息;
问题提示信息生成模块206,用于确定异常功能节点对应的所有问题,并基于异常功能节点对应的所有的问题生成问题提示信息。
在一种可能实现的方式中,当识别模块202对输入信息进行识别,得到识别结果时,具体用于以下任一项:
将输入信息在预设的数据库中进行匹配识别,得到识别结果,数据库中存储有各个问题分别对应的文字信息和音频信息,以及各个功能节点分别对应的文字信息和音频信息;
对输入信息进行语义识别,得到识别结果。
在一种可能实现的方式中,该装置200还包括:
生成模块,用于基于识别结果生成初始模型;
相似度确定模块,用于基于识别结果确定初始模型与预设的模板库中各个模板模型的相似度,模板库存储有多个基于至少一个问题和至少一个问题对应的所有功能节点建立的模板模型;
接近模型确定模块,用于确定相似度大于预设阈值的模板模型为接近模型;
推荐信息生成模块,用于基于所有接近模型生成推荐信息。
在一种可能实现的方式中,当生成模块用于基于识别结果生成初始模型时,具体用于:
基于初始问题以及问题与功能节点的归属关系,确定初始问题对应的所有功能节点;
创建空白的预览模板;
将初始问题以及初始问题对应的所有功能节点添加至预览模板;
对初始功能节点进行标记,得到初始模型。
在一种可能实现的方式中,当相似度确定模块基于识别结果确定初始模型与预设的模板库中各个模板模型的相似度时,具体用于:
确定初始模型对应的问题与任一模板模型对应的问题的问题相似度;
确定初始模型对应的功能节点与任一模板模型对应的功能节点的节点相似度;
基于问题相似度和节点相似度确定初始模型与任一模板模型的相似度。
在一种可能实现的方式中,当相似度确定模块基于识别结果确定初始模型与预设的模板库中各个模板模型的相似度时,具体用于:
基于预设的问题相似度和节点相似度的权重关系,确定初始模型与任一模板模型的相似度。
在一种可能实现的方式中,当相似度确定模块基于识别结果确定初始模型与预设的模板库中各个模板模型的相似度时,具体用于:
确定节点相似度是否大于预设的节点阈值;
若是,则确定节点相似度为初始模型与任一模板模型的相似度。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,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、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3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。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,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)

1.一种节点和问题的创建方法,其特征在于,包括:
获取用户的输入信息;
对所述输入信息进行识别,得到识别结果,所述识别结果中包括用户的初始问题和初始功能节点;
基于所述识别结果以及问题与功能节点的归属关系,确定所有所述初始功能节点是否全部归属于所述初始问题;
若否,则确定异常问题和/或异常功能节点,所述异常问题为没有任何初始功能节点归属的初始问题,所述异常功能节点为没有归属于任何初始问题的初始功能节点;
若存在所述异常问题,则确定所述异常问题对应的所有功能节点,并基于所述异常问题对应的所有功能节点生成节点提示信息;
若存在所述异常功能节点,则确定所述异常功能节点对应的所有问题,并基于所述异常功能节点对应的所有的问题生成问题提示信息。
2.根据权利要求1所述的一种节点和问题的创建方法,其特征在于,所述对所述输入信息进行识别,得到识别结果,包括以下任一项:
将所述输入信息在预设的数据库中进行匹配识别,得到识别结果,所述数据库中存储有各个问题分别对应的文字信息和音频信息,以及各个功能节点分别对应的文字信息和音频信息;
对所述输入信息进行语义识别,得到识别结果。
3.根据权利要求1所述的一种节点和问题的创建方法,其特征在于,还包括:
若触发预设事件,则基于所述识别结果生成初始模型;
所述预设事件包括不存在异常问题和异常功能节点,还包括接收到用户输入的生成指令;
基于所述识别结果确定所述初始模型与预设的模板库中各个模板模型的相似度,所述模板库存储有多个基于至少一个问题和至少一个问题对应的所有功能节点建立的模板模型;
确定相似度大于预设阈值的模板模型为接近模型;
基于所有所述接近模型生成推荐信息。
4.根据权利要求3所述的一种节点和问题的创建方法,其特征在于,所述基于所述识别结果生成初始模型,包括:
基于所述初始问题以及问题与功能节点的归属关系,确定所述初始问题对应的所有功能节点;
创建空白的预览模板;
将初始问题以及所述初始问题对应的所有功能节点添加至所述预览模板;
对所述初始功能节点进行标记,得到所述初始模型。
5.根据权利要求3所述的一种节点和问题的创建方法,其特征在于,所述基于所述识别结果确定所述初始模型与预设的模板库中各个模板模型的相似度,包括,对于任一模板模型:
确定所述初始模型对应的问题与所述任一模板模型对应的问题的问题相似度;
确定所述初始模型对应的功能节点与所述任一模板模型对应的功能节点的节点相似度;
基于所述问题相似度和所述节点相似度确定所述初始模型与所述任一模板模型的相似度。
6.根据权利要求5所述的一种节点和问题的创建方法,其特征在于,所述基于所述问题相似度和所述节点相似度确定所述初始模型与所述任一模板模型的相似度,包括:
基于预设的问题相似度和节点相似度的权重关系,确定所述初始模型与所述任一模板模型的相似度。
7.根据权利要求5所述的一种节点和问题的创建方法,其特征在于,所述基于所述问题相似度和所述节点相似度确定所述初始模型与所述任一模板模型的相似度,包括:
确定所述节点相似度是否大于预设的节点阈值;
若是,则确定所述节点相似度为所述初始模型与所述任一模板模型的相似度。
8.一种节点和问题的创建装置,其特征在于,包括:
输入信息获取模块,用于获取用户的输入信息;
识别模块,用于对所述输入信息进行识别,得到识别结果,所述识别结果中包括用户的初始问题和初始功能节点;
判断模块,用于基于所述识别结果以及预设的问题与功能节点的归属关系,判断所有所述初始功能节点是否全部归属于所述初始问题;
确定异常模块,用于确定异常问题和/或异常功能节点,所述异常问题为没有任何初始功能节点归属的初始问题,所述异常功能节点为没有归属于任何初始问题的初始功能节点;
节点提示信息生成模块,用于确定所述异常问题对应的所有功能节点,并基于所述异常问题对应的所有功能节点生成节点提示信息;
问题提示信息生成模块,用于确定所述异常功能节点对应的所有问题,并基于所述异常功能节点对应的所有的问题生成问题提示信息。
9.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1-7中任一项所述节点和问题的创建方法。
10.一种计算机可读存储介质,其特征在于,包括:存储有能够被处理器加载并执行如权利要求1-7中任一种方法的计算机程序。
CN202210344800.XA 2022-04-02 2022-04-02 一种节点和问题的创建方法、装置、电子设备及存储介质 Pending CN114817707A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210344800.XA CN114817707A (zh) 2022-04-02 2022-04-02 一种节点和问题的创建方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210344800.XA CN114817707A (zh) 2022-04-02 2022-04-02 一种节点和问题的创建方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114817707A true CN114817707A (zh) 2022-07-29

Family

ID=82532309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210344800.XA Pending CN114817707A (zh) 2022-04-02 2022-04-02 一种节点和问题的创建方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114817707A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115712561A (zh) * 2022-10-31 2023-02-24 上海宜软检测技术有限公司 一种基于功能基线的业务路径测试方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115712561A (zh) * 2022-10-31 2023-02-24 上海宜软检测技术有限公司 一种基于功能基线的业务路径测试方法及系统
CN115712561B (zh) * 2022-10-31 2023-12-22 上海宜软检测技术有限公司 一种基于功能基线的业务路径测试方法及系统

Similar Documents

Publication Publication Date Title
CN109033772B (zh) 一种验证信息的输入方法及装置
CN111898643B (zh) 一种语义匹配方法及装置
CN113535817B (zh) 特征宽表生成及业务处理模型的训练方法和装置
CN112181835B (zh) 自动化测试方法、装置、计算机设备及存储介质
CN110688111A (zh) 业务流程的配置方法、装置、服务器和存储介质
CN112163409A (zh) 一种相似文档检测方法、系统、终端设备及计算机可读存储介质
CN112363814A (zh) 任务调度方法、装置、计算机设备及存储介质
CN114817707A (zh) 一种节点和问题的创建方法、装置、电子设备及存储介质
US20180314683A1 (en) Method and device for processing natural language
CN110705308B (zh) 语音信息的领域识别方法、装置、存储介质及电子设备
CN110895924B (zh) 一种文档内容朗读方法、装置、电子设备及可读存储介质
CN107562423B (zh) Ui页面开发方法及装置
CN112069267A (zh) 一种数据处理方法和装置
CN116187301A (zh) 模型生成、实体识别方法、装置、电子设备及存储介质
CN110515653B (zh) 文档生成方法、装置、电子设备及计算机可读存储介质
CN114637672A (zh) 自动化数据测试方法、装置、计算机设备及存储介质
CN113722321A (zh) 数据导出方法、装置和电子设备
CN114297380A (zh) 一种数据处理方法、装置、设备及存储介质
CN109190352B (zh) 一种授权文本准确性验证方法和装置
CN114492383B (zh) 一种数字货币交易地址的实体名称识别方法和装置
CN117851608B (zh) 案件图谱生成方法、装置、设备和介质
CN117851575B (zh) 一种大语言模型问答优化方法、装置、电子设备及存储介质
CN112101308B (zh) 一种基于语言模型的文本框的合并方法、装置及电子设备
CN115510235A (zh) 文本分类模型训练方法、文本分类方法、装置
CN116483735B (zh) 一种代码变更的影响分析方法、装置、存储介质及设备

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