CN115659056A - 基于大数据的用户服务精准匹配系统 - Google Patents
基于大数据的用户服务精准匹配系统 Download PDFInfo
- Publication number
- CN115659056A CN115659056A CN202211687839.8A CN202211687839A CN115659056A CN 115659056 A CN115659056 A CN 115659056A CN 202211687839 A CN202211687839 A CN 202211687839A CN 115659056 A CN115659056 A CN 115659056A
- Authority
- CN
- China
- Prior art keywords
- consultation
- data
- automobile
- vehicle
- subsystem
- 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
- 238000012423 maintenance Methods 0.000 claims abstract description 86
- 238000007781 pre-processing Methods 0.000 claims abstract description 55
- 230000008439 repair process Effects 0.000 claims abstract description 51
- 238000000605 extraction Methods 0.000 claims abstract description 43
- 238000012360 testing method Methods 0.000 claims abstract description 36
- 238000005516 engineering process Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000009960 carding Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims description 84
- 238000006243 chemical reaction Methods 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 25
- 230000010354 integration Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了基于大数据的用户服务精准匹配系统,包括:用车咨询搜集预处理分系统,通过大数据搜集预处理多渠道海量用车咨询数据,获得海量用车咨询搜集预处理数据;提取识别用车咨询特征分系统,通过数据信息关键词提取及关键词语义识别进行海量用车咨询数据特征分类;汽车维修咨询特征模型分系统,通过大数据梳理筛选汽车维修技师历史回答数据,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;智能汽车全链服务教学分系统,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答,并进行汽车维修技师的智能精准匹配、全链路知识服务及学练测一体化汽修教学。
Description
技术领域
本发明涉及大数据服务交通智能技术领域,更具体地说,本发明涉及基于大数据的用户服务精准匹配系统。
背景技术
现阶段,随着车辆数量及种类的大量增加,基于大数据保障用车咨询及进行服务精准匹配越来越重要;目前存在的问题包括:如何进行用车咨询搜集预处理获得海量用车咨询搜集预处理数据、如何提取识别用车咨询特征获取海量用车咨询关键词、如何建立汽车维修回答与用车咨询数据特征匹配、如何对车主新咨询与汽车新技术进行系统匹配智能自动回答及汽修教学等问题尚待解决;因此,有必要提出基于大数据的用户服务精准匹配系统,以至少部分地解决现有技术中存在的问题。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明;本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
为至少部分地解决上述问题,本发明提供了基于大数据的用户服务精准匹配系统,包括:
用车咨询搜集预处理分系统,通过大数据搜集预处理多渠道海量用车咨询数据,获得海量用车咨询搜集预处理数据;
提取识别用车咨询特征分系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取及关键词语义识别进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征;
汽车维修咨询特征模型分系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;
智能汽车全链服务教学分系统,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答,并进行汽车维修技师的智能精准匹配、全链路知识服务及学练测一体化汽修教学。
优选的,所述用车咨询搜集预处理分系统包括:
异型数据多端传输汇总子系统,将海量用车咨询数据进行异型数据多端口传输汇总,获得海量用车咨询异型传输汇总数据;
多型整合快速转换子系统,将海量用车咨询异型传输汇总数据进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据;
汇总转换用车咨询预处理子系统,对海量用车咨询异型传输汇总多型快速转换数据进行大数据预处理,获得海量用车咨询搜集预处理数据。
优选的,所述提取识别用车咨询特征分系统包括:
数据信息关键词提取子系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取,获取海量用车咨询关键词数据;
用车咨询语义识别子系统,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征;
咨询数据特征分类子系统,对海量用车咨询关键词语义识别特征进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征。
优选的,所述汽车维修咨询特征模型分系统包括:
历史回答数据梳理子系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,获取用车咨询关键词特征匹配维修回答信息;
基础信息数据关联架构子系统,将用车咨询关键词特征匹配维修回答信息进行模型基础信息数据关联,获取特征匹配基础信息数据关联架构;
关联架构智能模型建立子系统,根据特征匹配基础信息数据关联架构,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型。
优选的,所述智能汽车全链服务教学分系统包括:
模型智能自动回答子系统,通过大数据抓取汇集车主新咨询与汽车新技术,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答;
汽车维修智能精准匹配子系统,根据车主新咨询与汽车新技术的特征智能匹配模型输出,进行汽车维修技师的智能精准匹配;
全链服务学练测汽修教学子系统,根据汽车全链路知识大数据服务与学练测汽修教学过程修正进行模型持续改进,进行全链路知识服务及学练测一体化汽修教学。
优选的,所述多型整合快速转换子系统包括:
系统类型识别获取单元,通过系统类型识别获取匹配识别待转换类型;匹配识别待转换类型包括:从手机系统到车机系统转换、从APP系统到小程序系统转换、从自主系统到开放系统转换;
海量用车数据异型传输单元,对匹配识别待转换类型进行海量用车咨询异型传输汇总数据传输;
数据传输并行快速转换单元,通过传输并行快速转换进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据。
优选的,所述数据信息关键词提取子系统包括:
汽车咨询标准数据库单元,根据海量用车咨询搜集预处理数据,建立关键词提取的汽车咨询关键词标准数据库;
数据库读取关键词提取单元,读取汽车咨询关键词标准数据库数据,通过数据信息关键词提取,获取海量用车咨询关键词数据。
优选的,所述用车咨询语义识别子系统包括:
用车咨询语义标志库单元,定义语义识别汽车用车咨询语义标志,建立汽车用车咨询语义库;
搜索语义识别特征单元,搜索汽车用车咨询语义库信息,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征。
优选的,所述关联架构智能模型建立子系统包括:
架构组合汽车服务基础数据单元,根据特征匹配基础信息数据关联架构,组合汽车用户服务模型基础数据,获取关联架构用户服务模型基础数据;
基础数据累积模型创建单元,通过关联架构用户服务模型基础数据智能累积匹配,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型。
优选的,所述全链服务学练测汽修教学子系统包括:
全链路知识图谱组合单元,通过全链路知识图谱,获取汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要;
全链服务学练测教学单元,利用汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要,对汽车维修回答与用车咨询数据特征智能匹配模型进行特征智能匹配模型持续改进,进行全链路知识服务及学练测一体化汽修教学。
相比现有技术,本发明至少包括以下有益效果:
本发明基于大数据的用户服务精准匹配系统,通过用车咨询搜集预处理分系统,通过大数据搜集预处理多渠道海量用车咨询数据,获得海量用车咨询搜集预处理数据;提取识别用车咨询特征分系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取及关键词语义识别进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征;汽车维修咨询特征模型分系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;智能汽车全链服务教学分系统,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答,并进行汽车维修技师的智能精准匹配、全链路知识服务及学练测一体化汽修教学;能够将海量用车咨询数据进行异型数据多端口传输,大幅加速海量用车咨询数据的传输速率;能够对海量用车咨询关键词数据进行关键词语义识别特征提取并进行海量用车咨询数据特征分类,大幅简化海量用车咨询数据的复杂度;能够使特征匹配基础信息数据关联架构服务目标更清晰,使汽车维修回答与用车咨询数据特征智能匹配模型更精准;能够使全链路知识服务覆盖面更广,能够进行学习练习测试一体化汽修教学,大幅提高汽修教学的智能化程度。
本发明所述的基于大数据的用户服务精准匹配系统,本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制;在附图中:
图1为本发明所述的基于大数据的用户服务精准匹配系统框架图;
图2为本发明所述的基于大数据的用户服务精准匹配系统多型整合快速转换子系统图;
图3为本发明所述的基于大数据的用户服务精准匹配系统全链服务学练测汽修教学子系统图。
具体实施方式
下面结合附图以及实施例对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施;如图1-3所示,本发明提供了基于大数据的用户服务精准匹配系统,包括:
用车咨询搜集预处理分系统,通过大数据搜集预处理多渠道海量用车咨询数据,获得海量用车咨询搜集预处理数据;
提取识别用车咨询特征分系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取及关键词语义识别进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征;
汽车维修咨询特征模型分系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;
智能汽车全链服务教学分系统,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答,并进行汽车维修技师的智能精准匹配、全链路知识服务及学练测一体化汽修教学。
上述技术方案的工作原理为:本发明提供了基于大数据的用户服务精准匹配系统,包括:用车咨询搜集预处理分系统,通过大数据搜集预处理多渠道海量用车咨询数据,获得海量用车咨询搜集预处理数据;提取识别用车咨询特征分系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取及关键词语义识别进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征;汽车维修咨询特征模型分系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;智能汽车全链服务教学分系统,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答,并进行汽车维修技师的智能精准匹配、全链路知识服务及学练测一体化汽修教学。
上述技术方案的技术效果为:本发明基于大数据的用户服务精准匹配系统,通过用车咨询搜集预处理分系统,通过大数据搜集预处理多渠道海量用车咨询数据,获得海量用车咨询搜集预处理数据;提取识别用车咨询特征分系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取及关键词语义识别进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征;汽车维修咨询特征模型分系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;智能汽车全链服务教学分系统,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答,并进行汽车维修技师的智能精准匹配、全链路知识服务及学练测一体化汽修教学;能够将海量用车咨询数据进行异型数据多端口传输,大幅加速海量用车咨询数据的传输速率;能够对海量用车咨询关键词数据进行关键词语义识别特征提取并进行海量用车咨询数据特征分类,大幅简化海量用车咨询数据的复杂度;能够使特征匹配基础信息数据关联架构服务目标更清晰,使汽车维修回答与用车咨询数据特征智能匹配模型更精准;能够使全链路知识服务覆盖面更广,能够进行学习练习测试一体化汽修教学,大幅提高汽修教学的智能化程度。
在一个实施例中,所述用车咨询搜集预处理分系统包括:
异型数据多端传输汇总子系统,将海量用车咨询数据进行异型数据多端口传输汇总,获得海量用车咨询异型传输汇总数据;
多型整合快速转换子系统,将海量用车咨询异型传输汇总数据进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据;
汇总转换用车咨询预处理子系统,对海量用车咨询异型传输汇总多型快速转换数据进行大数据预处理,获得海量用车咨询搜集预处理数据。
上述技术方案的工作原理为:所述用车咨询搜集预处理分系统包括:异型数据多端传输汇总子系统,将海量用车咨询数据进行异型数据多端口传输汇总,获得海量用车咨询异型传输汇总数据;多型整合快速转换子系统,将海量用车咨询异型传输汇总数据进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据;汇总转换用车咨询预处理子系统,对海量用车咨询异型传输汇总多型快速转换数据进行大数据预处理,获得海量用车咨询搜集预处理数据。
上述技术方案的技术效果为:利用异型数据多端传输汇总子系统,将海量用车咨询数据进行异型数据多端口传输汇总,获得海量用车咨询异型传输汇总数据;多型整合快速转换子系统,将海量用车咨询异型传输汇总数据进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据;汇总转换用车咨询预处理子系统,对海量用车咨询异型传输汇总多型快速转换数据进行大数据预处理,获得海量用车咨询搜集预处理数据;能够将海量用车咨询数据进行异型数据多端口传输,大幅加速海量用车咨询数据的传输速率。
在一个实施例中,所述提取识别用车咨询特征分系统包括:
数据信息关键词提取子系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取,获取海量用车咨询关键词数据;
用车咨询语义识别子系统,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征;
咨询数据特征分类子系统,对海量用车咨询关键词语义识别特征进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征。
上述技术方案的工作原理为:所述提取识别用车咨询特征分系统包括:数据信息关键词提取子系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取,获取海量用车咨询关键词数据;用车咨询语义识别子系统,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征;咨询数据特征分类子系统,对海量用车咨询关键词语义识别特征进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征。
上述技术方案的技术效果为:利用数据信息关键词提取子系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取,获取海量用车咨询关键词数据;用车咨询语义识别子系统,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征;咨询数据特征分类子系统,对海量用车咨询关键词语义识别特征进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征;能够对海量用车咨询关键词数据进行关键词语义识别特征提取并进行海量用车咨询数据特征分类,大幅简化海量用车咨询数据的复杂度。
在一个实施例中,所述汽车维修咨询特征模型分系统包括:
历史回答数据梳理子系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,获取用车咨询关键词特征匹配维修回答信息;
基础信息数据关联架构子系统,将用车咨询关键词特征匹配维修回答信息进行模型基础信息数据关联,获取特征匹配基础信息数据关联架构;
关联架构智能模型建立子系统,根据特征匹配基础信息数据关联架构,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型。
上述技术方案的工作原理为:所述汽车维修咨询特征模型分系统包括:历史回答数据梳理子系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,获取用车咨询关键词特征匹配维修回答信息;基础信息数据关联架构子系统,将用车咨询关键词特征匹配维修回答信息进行模型基础信息数据关联,获取特征匹配基础信息数据关联架构;关联架构智能模型建立子系统,根据特征匹配基础信息数据关联架构,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型。
上述技术方案的技术效果为:所述汽车维修咨询特征模型分系统包括:历史回答数据梳理子系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,获取用车咨询关键词特征匹配维修回答信息;基础信息数据关联架构子系统,将用车咨询关键词特征匹配维修回答信息进行模型基础信息数据关联,获取特征匹配基础信息数据关联架构;关联架构智能模型建立子系统,根据特征匹配基础信息数据关联架构,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;能够使特征匹配基础信息数据关联架构服务目标更清晰,使汽车维修回答与用车咨询数据特征智能匹配模型更精准。
在一个实施例中,所述智能汽车全链服务教学分系统包括:
模型智能自动回答子系统,通过大数据抓取汇集车主新咨询与汽车新技术,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答;
汽车维修智能精准匹配子系统,根据车主新咨询与汽车新技术的特征智能匹配模型输出,进行汽车维修技师的智能精准匹配;
全链服务学练测汽修教学子系统,根据汽车全链路知识大数据服务与学练测汽修教学过程修正进行模型持续改进,进行全链路知识服务及学练测一体化汽修教学。
上述技术方案的工作原理为:所述智能汽车全链服务教学分系统包括:模型智能自动回答子系统,通过大数据抓取汇集车主新咨询与汽车新技术,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答;汽车维修智能精准匹配子系统,根据车主新咨询与汽车新技术的特征智能匹配模型输出,进行汽车维修技师的智能精准匹配;全链服务学练测汽修教学子系统,根据汽车全链路知识大数据服务与学练测汽修教学过程修正进行模型持续改进,进行全链路知识服务及学练测一体化汽修教学。
上述技术方案的技术效果为:所述智能汽车全链服务教学分系统包括:模型智能自动回答子系统,通过大数据抓取汇集车主新咨询与汽车新技术,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答;汽车维修智能精准匹配子系统,根据车主新咨询与汽车新技术的特征智能匹配模型输出,进行汽车维修技师的智能精准匹配;全链服务学练测汽修教学子系统,根据汽车全链路知识大数据服务与学练测汽修教学过程修正进行模型持续改进,进行全链路知识服务及学练测一体化汽修教学;能够使全链路知识服务覆盖面更广,能够进行学习练习测试一体化汽修教学,大幅提高汽修教学的智能化程度。
在一个实施例中,所述多型整合快速转换子系统包括:
系统类型识别获取单元,通过系统类型识别获取匹配识别待转换类型;匹配识别待转换类型包括:从手机系统到车机系统转换、从APP系统到小程序系统转换、从自主系统到开放系统转换;
海量用车数据异型传输单元,对匹配识别待转换类型进行海量用车咨询异型传输汇总数据传输;
数据传输并行快速转换单元,通过传输并行快速转换进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据。
上述技术方案的工作原理为:所述多型整合快速转换子系统包括:系统类型识别获取单元,通过系统类型识别获取匹配识别待转换类型;匹配识别待转换类型包括:从手机系统到车机系统转换、从APP系统到小程序系统转换、从自主系统到开放系统转换;海量用车数据异型传输单元,对匹配识别待转换类型进行海量用车咨询异型传输汇总数据传输;数据传输并行快速转换单元,通过传输并行快速转换进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据。
上述技术方案的技术效果为:所述多型整合快速转换子系统包括:系统类型识别获取单元,通过系统类型识别获取匹配识别待转换类型;匹配识别待转换类型包括:从手机系统到车机系统转换、从APP系统到小程序系统转换、从自主系统到开放系统转换;海量用车数据异型传输单元,对匹配识别待转换类型进行海量用车咨询异型传输汇总数据传输;数据传输并行快速转换单元,通过传输并行快速转换进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据;能够匹配多种系统待转换类型,并能够进行海量用车数据异型传输及多型整合快速转换。
在一个实施例中,所述数据信息关键词提取子系统包括:
汽车咨询标准数据库单元,根据海量用车咨询搜集预处理数据,建立关键词提取的汽车咨询关键词标准数据库;
数据库读取关键词提取单元,读取汽车咨询关键词标准数据库数据,通过数据信息关键词提取,获取海量用车咨询关键词数据。
上述技术方案的工作原理为:所述数据信息关键词提取子系统包括:汽车咨询标准数据库单元,根据海量用车咨询搜集预处理数据,建立关键词提取的汽车咨询关键词标准数据库;数据库读取关键词提取单元,读取汽车咨询关键词标准数据库数据,通过数据信息关键词提取,获取海量用车咨询关键词数据;将海量用车咨询搜集预处理数据按照用车咨询类型、用车咨询时间、用车咨询车型、用车咨询语句进行划分,并建立关键词提取的汽车咨询关键词标准数据库;读取汽车咨询关键词标准数据库数据,根据智能AI语义识别进行汽车咨询关键词标准数据库数据信息关键词提取,获取海量用车咨询关键词数据。
上述技术方案的技术效果为:所述数据信息关键词提取子系统包括:汽车咨询标准数据库单元,根据海量用车咨询搜集预处理数据,建立关键词提取的汽车咨询关键词标准数据库;数据库读取关键词提取单元,读取汽车咨询关键词标准数据库数据,通过数据信息关键词提取,获取海量用车咨询关键词数据;将海量用车咨询搜集预处理数据按照用车咨询类型、用车咨询时间、用车咨询车型、用车咨询语句进行划分,并建立关键词提取的汽车咨询关键词标准数据库;读取汽车咨询关键词标准数据库数据,根据智能AI语义识别进行汽车咨询关键词标准数据库数据信息关键词提取,获取海量用车咨询关键词数据;能够使海量用车咨询数据及汽车咨询关键词标准数据更加规范。
在一个实施例中,所述用车咨询语义识别子系统包括:
用车咨询语义标志库单元,定义语义识别汽车用车咨询语义标志,建立汽车用车咨询语义库;
搜索语义识别特征单元,搜索汽车用车咨询语义库信息,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征。
上述技术方案的工作原理为:所述用车咨询语义识别子系统包括:用车咨询语义标志库单元,定义语义识别汽车用车咨询语义标志,建立汽车用车咨询语义库;搜索语义识别特征单元,搜索汽车用车咨询语义库信息,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征。
上述技术方案的技术效果为:所述用车咨询语义识别子系统包括:用车咨询语义标志库单元,定义语义识别汽车用车咨询语义标志,建立汽车用车咨询语义库;搜索语义识别特征单元,搜索汽车用车咨询语义库信息,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征;使汽车用车咨询语义更标准。
在一个实施例中,所述关联架构智能模型建立子系统包括:
架构组合汽车服务基础数据单元,根据特征匹配基础信息数据关联架构,组合汽车用户服务模型基础数据,获取关联架构用户服务模型基础数据;
基础数据累积模型创建单元,通过关联架构用户服务模型基础数据智能累积匹配,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型。
上述技术方案的工作原理为:所述关联架构智能模型建立子系统包括:架构组合汽车服务基础数据单元,根据特征匹配基础信息数据关联架构,组合汽车用户服务模型基础数据,获取关联架构用户服务模型基础数据;基础数据累积模型创建单元,通过关联架构用户服务模型基础数据智能累积匹配,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型。
上述技术方案的技术效果为:所述关联架构智能模型建立子系统包括:架构组合汽车服务基础数据单元,根据特征匹配基础信息数据关联架构,组合汽车用户服务模型基础数据,获取关联架构用户服务模型基础数据;基础数据累积模型创建单元,通过关联架构用户服务模型基础数据智能累积匹配,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;可以将特征匹配基础信息数据关联架构与汽车用户服务模型基础数据进行更清晰严密组合。
在一个实施例中,所述全链服务学练测汽修教学子系统包括:
全链路知识图谱组合单元,通过全链路知识图谱,获取汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要;
全链服务学练测教学单元,利用汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要,对汽车维修回答与用车咨询数据特征智能匹配模型进行特征智能匹配模型持续改进,进行全链路知识服务及学练测一体化汽修教学。
上述技术方案的工作原理为:所述全链服务学练测汽修教学子系统包括:全链路知识图谱组合单元,通过全链路知识图谱,获取汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要;全链服务学练测教学单元,利用汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要,对汽车维修回答与用车咨询数据特征智能匹配模型进行特征智能匹配模型持续改进,进行全链路知识服务及学练测一体化汽修教学;
计算全链路知识图谱组合增长率,计算公式如下:
其中,QZST(i,j)表示全链路知识图谱组合增长率,ZSTj表示第j个知识图谱组合状态增长率,ZSi表示第i个链路传输状态传输率,STi表示第i个链路传输状态失效率,QZi表示第i个链路传输状态的参考增长值,Q表示知识图谱组合状态总数,P表示链路传输状态总数,i表示第i个链路传输状态,j表示第j个知识图谱组合状态,ZSo表示链路传输状态参考传输率,STo表示链路传输状态参考失效率。
上述技术方案的技术效果为:所述全链服务学练测汽修教学子系统包括:全链路知识图谱组合单元,通过全链路知识图谱,获取汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要;全链服务学练测教学单元,利用汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要,对汽车维修回答与用车咨询数据特征智能匹配模型进行特征智能匹配模型持续改进,进行全链路知识服务及学练测一体化汽修教学:
计算全链路知识图谱组合增长率,其中,QZST(i,j)表示全链路知识图谱组合增长率,ZSTj表示第j个知识图谱组合状态增长率,ZSi表示第i个链路传输状态传输率,STi表示第i个链路传输状态失效率,QZi表示第i个链路传输状态的参考增长值,Q表示知识图谱组合状态总数,P表示链路传输状态总数,i表示第i个链路传输状态,j表示第j个知识图谱组合状态,ZSo表示链路传输状态参考传输率,STo表示链路传输状态参考失效率;通过计算全链路知识图谱组合增长率,可以使全链路知识图谱组合增长更高效,汽车全链路知识图谱有效知识增长更快速。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节与这里示出与描述的图例。
Claims (10)
1.基于大数据的用户服务精准匹配系统,其特征在于,包括:
用车咨询搜集预处理分系统,通过大数据搜集预处理多渠道海量用车咨询数据,获得海量用车咨询搜集预处理数据;
提取识别用车咨询特征分系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取及关键词语义识别进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征;
汽车维修咨询特征模型分系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型;
智能汽车全链服务教学分系统,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答,并进行汽车维修技师的智能精准匹配、全链路知识服务及学练测一体化汽修教学。
2.根据权利要求1所述的基于大数据的用户服务精准匹配系统,其特征在于,所述用车咨询搜集预处理分系统包括:
异型数据多端传输汇总子系统,将海量用车咨询数据进行异型数据多端口传输汇总,获得海量用车咨询异型传输汇总数据;
多型整合快速转换子系统,将海量用车咨询异型传输汇总数据进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据;
汇总转换用车咨询预处理子系统,对海量用车咨询异型传输汇总多型快速转换数据进行大数据预处理,获得海量用车咨询搜集预处理数据。
3.根据权利要求1所述的基于大数据的用户服务精准匹配系统,其特征在于,所述提取识别用车咨询特征分系统包括:
数据信息关键词提取子系统,根据海量用车咨询搜集预处理数据,通过数据信息关键词提取,获取海量用车咨询关键词数据;
用车咨询语义识别子系统,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征;
咨询数据特征分类子系统,对海量用车咨询关键词语义识别特征进行海量用车咨询数据特征分类,获取海量用车咨询关键词识别分类特征。
4.根据权利要求1所述的基于大数据的用户服务精准匹配系统,其特征在于,所述汽车维修咨询特征模型分系统包括:
历史回答数据梳理子系统,根据海量用车咨询关键词识别分类特征,通过大数据梳理筛选汽车维修技师历史回答数据,获取用车咨询关键词特征匹配维修回答信息;
基础信息数据关联架构子系统,将用车咨询关键词特征匹配维修回答信息进行模型基础信息数据关联,获取特征匹配基础信息数据关联架构;
关联架构智能模型建立子系统,根据特征匹配基础信息数据关联架构,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型。
5.根据权利要求1所述的基于大数据的用户服务精准匹配系统,其特征在于,所述智能汽车全链服务教学分系统包括:
模型智能自动回答子系统,通过大数据抓取汇集车主新咨询与汽车新技术,通过汽车维修回答与用车咨询数据特征智能匹配模型,对车主新咨询与汽车新技术进行系统匹配智能自动回答;
汽车维修智能精准匹配子系统,根据车主新咨询与汽车新技术的特征智能匹配模型输出,进行汽车维修技师的智能精准匹配;
全链服务学练测汽修教学子系统,根据汽车全链路知识大数据服务与学练测汽修教学过程修正进行模型持续改进,进行全链路知识服务及学练测一体化汽修教学。
6.根据权利要求2所述的基于大数据的用户服务精准匹配系统,其特征在于,所述多型整合快速转换子系统包括:
系统类型识别获取单元,通过系统类型识别获取匹配识别待转换类型;匹配识别待转换类型包括:从手机系统到车机系统转换、从APP系统到小程序系统转换、从自主系统到开放系统转换;
海量用车数据异型传输单元,对匹配识别待转换类型进行海量用车咨询异型传输汇总数据传输;
数据传输并行快速转换单元,通过传输并行快速转换进行多型整合快速转换,获得海量用车咨询异型传输汇总多型快速转换数据。
7.根据权利要求3所述的基于大数据的用户服务精准匹配系统,其特征在于,所述数据信息关键词提取子系统包括:
汽车咨询标准数据库单元,根据海量用车咨询搜集预处理数据,建立关键词提取的汽车咨询关键词标准数据库;
数据库读取关键词提取单元,读取汽车咨询关键词标准数据库数据,通过数据信息关键词提取,获取海量用车咨询关键词数据。
8.根据权利要求3所述的基于大数据的用户服务精准匹配系统,其特征在于,所述用车咨询语义识别子系统包括:
用车咨询语义标志库单元,定义语义识别汽车用车咨询语义标志,建立汽车用车咨询语义库;
搜索语义识别特征单元,搜索汽车用车咨询语义库信息,对海量用车咨询关键词数据进行关键词语义识别特征提取,获取海量用车咨询关键词语义识别特征。
9.根据权利要求4所述的基于大数据的用户服务精准匹配系统,其特征在于,所述关联架构智能模型建立子系统包括:
架构组合汽车服务基础数据单元,根据特征匹配基础信息数据关联架构,组合汽车用户服务模型基础数据,获取关联架构用户服务模型基础数据;
基础数据累积模型创建单元,通过关联架构用户服务模型基础数据智能累积匹配,通过架构服务目标智能解析,建立汽车维修回答与用车咨询数据特征智能匹配模型。
10.根据权利要求5所述的基于大数据的用户服务精准匹配系统,其特征在于,所述全链服务学练测汽修教学子系统包括:
全链路知识图谱组合单元,通过全链路知识图谱,获取汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要;
全链服务学练测教学单元,利用汽车全链路知识大数据服务索引与学练测汽修教学过程修正纲要,对汽车维修回答与用车咨询数据特征智能匹配模型进行特征智能匹配模型持续改进,进行全链路知识服务及学练测一体化汽修教学。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211687839.8A CN115659056A (zh) | 2022-12-28 | 2022-12-28 | 基于大数据的用户服务精准匹配系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211687839.8A CN115659056A (zh) | 2022-12-28 | 2022-12-28 | 基于大数据的用户服务精准匹配系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115659056A true CN115659056A (zh) | 2023-01-31 |
Family
ID=85023099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211687839.8A Pending CN115659056A (zh) | 2022-12-28 | 2022-12-28 | 基于大数据的用户服务精准匹配系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115659056A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117611206A (zh) * | 2023-10-30 | 2024-02-27 | 南通诺信汽车零部件有限公司 | 一种汽车服务数据加工处理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685571A (zh) * | 2018-12-24 | 2019-04-26 | 深圳市航盛车云技术有限公司 | 基于车联网的智能客服系统 |
CN114398910A (zh) * | 2022-01-19 | 2022-04-26 | 平安科技(深圳)有限公司 | 智能问答方法、装置、设备及存储介质 |
CN114691831A (zh) * | 2022-03-31 | 2022-07-01 | 彩虹无线(北京)新技术有限公司 | 一种基于知识图谱的任务型汽车故障智能问答系统 |
CN115033679A (zh) * | 2022-08-10 | 2022-09-09 | 深圳联友科技有限公司 | 基于知识图谱搜索汽车维修数据的方法 |
-
2022
- 2022-12-28 CN CN202211687839.8A patent/CN115659056A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685571A (zh) * | 2018-12-24 | 2019-04-26 | 深圳市航盛车云技术有限公司 | 基于车联网的智能客服系统 |
CN114398910A (zh) * | 2022-01-19 | 2022-04-26 | 平安科技(深圳)有限公司 | 智能问答方法、装置、设备及存储介质 |
CN114691831A (zh) * | 2022-03-31 | 2022-07-01 | 彩虹无线(北京)新技术有限公司 | 一种基于知识图谱的任务型汽车故障智能问答系统 |
CN115033679A (zh) * | 2022-08-10 | 2022-09-09 | 深圳联友科技有限公司 | 基于知识图谱搜索汽车维修数据的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117611206A (zh) * | 2023-10-30 | 2024-02-27 | 南通诺信汽车零部件有限公司 | 一种汽车服务数据加工处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189901B (zh) | 一种智能客服系统中自动发现新分类以及对应语料的方法 | |
CN108596038B (zh) | 一种结合形态学分割和神经网络的粪便中红细胞识别方法 | |
CN101398832A (zh) | 利用人脸检测的图像搜索方法和系统 | |
CN109241534B (zh) | 一种基于文本ai学习的考题自动生成方法和装置 | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN110245693B (zh) | 结合混合随机森林的关键信息基础设施资产识别方法 | |
CN112528774B (zh) | 一种复杂电磁环境下未知雷达信号智能分选系统及方法 | |
CN115659056A (zh) | 基于大数据的用户服务精准匹配系统 | |
CN116363440A (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 | |
CN112712102A (zh) | 可同时识别已知和未知雷达辐射源个体的识别仪 | |
CN114186617B (zh) | 一种基于分布式深度学习的机械故障诊断方法 | |
CN114186002A (zh) | 科技成果数据处理分析方法及系统 | |
CN202815869U (zh) | 一种车载微机图像视频数据提取装置 | |
US20040193894A1 (en) | Methods and apparatus for modeling based on conversational meta-data | |
CN116524725B (zh) | 一种智能驾驶的交通标志图像数据识别系统 | |
CN114491049A (zh) | 一种基于信息管理的办公系统资产配置方法 | |
CN114443930A (zh) | 一种新闻舆情智能监测分析方法、系统及计算机存储介质 | |
CN111985193A (zh) | 题目自动标注分类的方法和系统 | |
CN112418020A (zh) | 一种基于注意力机制的YOLOv3违法广告牌智能检测方法 | |
CN110659403B (zh) | 一种基于大数据的旅游营销建议生成方法 | |
CN115687632B (zh) | 一种刑事量刑情节分解分析的方法和系统 | |
CN112633399B (zh) | 一种稀疏协同联合表示模式识别方法 | |
CN112863184B (zh) | 一种交通信息管理系统 | |
Carthy et al. | Classification & Clustering of Volcano-Seismic Events Using Supervised and Unsupervised Methods | |
CN115617941A (zh) | 一种面向金融知识图谱发现的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230131 |