CN115880120A - 一种在线政务服务系统及服务方法 - Google Patents

一种在线政务服务系统及服务方法 Download PDF

Info

Publication number
CN115880120A
CN115880120A CN202310159260.2A CN202310159260A CN115880120A CN 115880120 A CN115880120 A CN 115880120A CN 202310159260 A CN202310159260 A CN 202310159260A CN 115880120 A CN115880120 A CN 115880120A
Authority
CN
China
Prior art keywords
service
government
government affair
vector
affair service
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
Application number
CN202310159260.2A
Other languages
English (en)
Other versions
CN115880120B (zh
Inventor
涂震
魏强
范玉平
高岐
陈瑞兴
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.)
Jiangxi Micro Blog Technology Co ltd
Original Assignee
Jiangxi Micro Blog 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 Jiangxi Micro Blog Technology Co ltd filed Critical Jiangxi Micro Blog Technology Co ltd
Priority to CN202310159260.2A priority Critical patent/CN115880120B/zh
Publication of CN115880120A publication Critical patent/CN115880120A/zh
Application granted granted Critical
Publication of CN115880120B publication Critical patent/CN115880120B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及在线服务领域，尤其为一种在线政务服务系统及服务方法，包括：S1：采集政务服务问题数据；S2：提取采集的政务服务问题数据关键词；S3：根据提取的政务服务问题数据关键词进行政务服务类型匹配；S4：根据选取的政务服务类型进行政务服务人员调度进行政务服务。本发明通过构建政务数据知识图谱，建立词语间的语义信息，进行关键词抽取，能够根据词语词义进行信息提取，再通过匹配算法进行服务项目类型匹配，能够帮助用户快速定位政务类型，减少用户搜索时间，通过降低政务服务人员的疲劳程度为目标，提供优化的政务人员服务的模型，降低政务服务人员工作压力，提升用户体验。

Description

一种在线政务服务系统及服务方法
技术领域
本发明涉及在线服务领域，尤其是一种在线政务服务系统及服务方法。
背景技术
随着互联网+技术的浪潮，在线政务服务技术得到了越来越广泛的应用，相比于传统的窗口服务和电话客服，基于互联网的在线政务服务系统拥有实时接入，自动分配客服，服务效率高，会话数据实时监控等优点。
目前，在线政务服务系统在服务方式上依然采用一个服务人员服务多个用户的方式，随着业务的复杂化和分工的精细化，一个服务人员无法回答所有类型的咨询。现有在线政务服务系统中通常采用服务转接的方式，将会话转接至另一个服务人员进行服务，又会带来新的问题，影响用户体验。同时，由于用户可能不清楚自己需要办理什么业务，而在选择业务类型之初就耗费了大量时间，影响用户体验。
发明内容
本发明的目的是通过提出一种在线政务服务系统及服务方法，以解决上述背景技术中提出的缺陷。
本发明采用的技术方案如下：
提供一种在线政务服务方法，包括：
S1：采集政务服务问题数据；
S2：提取采集的政务服务问题数据关键词；
S3：根据提取的政务服务问题数据关键词进行政务服务类型匹配；
S4：根据选取的政务服务类型进行政务服务人员调度进行政务服务。
作为本发明的一种优选技术方案：所述S2中，通过融合政务知识的关键词抽取算法提取采集的政务服务问题数据关键词。
作为本发明的一种优选技术方案：所述关键词抽取算法中，根据政务数据库训练并建立具有同义、同类和是义原三种关系的政务数据知识图谱，设定政务数据知识图谱中的所有关系为集合
Figure SMS_2
，其中，
Figure SMS_6
、
Figure SMS_7
分别代表词语间的同义和同类关系，
Figure SMS_3
代表词语和义原间的是义原关系，图谱
Figure SMS_5
中每个关系均由一个三元组
Figure SMS_9
表示，其中，
Figure SMS_10
表示词语，
Figure SMS_1
表示词语
Figure SMS_4
对应的义原，a属于
Figure SMS_8
的一个头结点，c属于
Figure SMS_11
的一个尾结点，b表示关系；
构建如下的损失函数
Figure SMS_12
：
Figure SMS_13
其中，
Figure SMS_14
为超参数，用于设置损失函数权重，
Figure SMS_15
表示关系相等；
Figure SMS_16
代表词语的义原集合，b表示关系，
Figure SMS_17
和
Figure SMS_18
分别代表在超平面上实体表示的投影向量，满足：
Figure SMS_19
Figure SMS_20
其中，
Figure SMS_21
为当前关系下超平面的法向量，
Figure SMS_22
为当前关系下超平面的法向量的转置。
作为本发明的一种优选技术方案：根据所述政务数据知识图谱计算词语间的语义信息构建语义词图，生成语义矩阵
Figure SMS_23
，结合词语间的共现信息生成的共现矩阵
Figure SMS_24
，分别赋予两者相应权重，得到新的概率转移矩阵P：
Figure SMS_25
Figure SMS_26
其中，
Figure SMS_27
代表节点j跳转至节点i的概率，
Figure SMS_28
，
Figure SMS_29
是超参数，用于设置语义矩阵和共现矩阵的权重；
Figure SMS_30
其中，
Figure SMS_31
为候选词的权重矩阵，矩阵大小为
Figure SMS_32
，初始
Figure SMS_33
设置为
Figure SMS_34
；d为阻尼系数；
Figure SMS_35
表示矩阵
Figure SMS_36
的概率转移矩阵；
通过不断迭代计算，当结果收敛时，得到各个候选词的权重，根据权重大小对候选词进行排序，抽取最终排面靠前的候选词作为提取的政务服务问题数据关键词。
作为本发明的一种优选技术方案：所述S3中，通过关键词匹配算法进行政务服务类型匹配。
作为本发明的一种优选技术方案：所述关键词匹配算法中：对于提取的政务服务问题数据关键词和政务数据库中的服务类型分别设定属性向量
Figure SMS_37
和
Figure SMS_38
，根据余弦相似度得到两属性向量的相似度
Figure SMS_39
如下：
Figure SMS_40
其中，
Figure SMS_43
和
Figure SMS_45
分别代表向量
Figure SMS_48
和
Figure SMS_42
的各分量，设定
Figure SMS_46
为检索向量，
Figure SMS_47
为索引向量，对应向量
Figure SMS_49
及其与根节点的路径长度
Figure SMS_41
，其权重
Figure SMS_44
如下：
Figure SMS_50
其中，
Figure SMS_51
为寻优参数，对于检索向量
Figure SMS_52
、索引向量
Figure SMS_53
及权重
Figure SMS_54
，得到：
Figure SMS_55
其中，
Figure SMS_56
为加权后的相似度。
作为本发明的一种优选技术方案：所述关键词匹配算法中，索引向量
Figure SMS_57
，其中，
Figure SMS_58
为索引向量集，将索引向量集中的其余索引向量与检索向量
Figure SMS_59
继续进行相似度计算，得到索引向量集中的其余索引向量与检索向量
Figure SMS_60
的相似度
Figure SMS_61
：
Figure SMS_62
对于检索向量
Figure SMS_63
、索引向量
Figure SMS_64
，当两者的语义相似度不小于阈值
Figure SMS_65
时，即：
Figure SMS_66
则判断政务服务问题数据关键词与该服务类型存在稳定的相似关联，将该索引向量所对应的本体名称作为查询扩展词，并将所述本体名称放入检索的结果集中，继续对剩余的服务类型构造索引向量，计算其语义相似度，按照语义相似度的大小对检索的政务服务类型进行排序显示以供选择。
作为本发明的一种优选技术方案：所述S4中根据选取的政务服务类型构建如下调度模型：
建立政务服务人员最大疲劳峰值最小化目标函数
Figure SMS_67
：
Figure SMS_68
其中，
Figure SMS_69
表示政务服务人员最大疲劳峰值，与政务服务人员在线服务时长
Figure SMS_70
呈正相关；
Figure SMS_71
表示
Figure SMS_72
正比于
Figure SMS_73
；将政务服务人员最大疲劳峰值，即在线服务时长
Figure SMS_74
进行从小到大排序，依次向政务服务人员发出服务指令，匹配政务服务人员接收并确认指令后则匹配成功，否则继续向下一位政务服务人员发出匹配指令，直至政务服务人员接收并确认指令。
提供一种在线政务服务系统，包括：
问题采集模块：用于采集政务服务问题数据；
数据提取模块：用于提取政务服务问题数据关键词；
类型匹配模块：用于根据提取的政务服务问题数据关键词进行政务服务类型匹配；
人员匹配模块：用于根据选取的政务服务类型进行政务服务人员调度进行政务服务。
作为本发明的一种优选技术方案：所述问题采集模块通过搜索栏和政务服务类型选择栏进行政务服务问题数据采集。
本发明提供的一种在线政务服务系统及服务方法，与现有技术相比，其有益效果有：
本发明通过构建政务数据知识图谱，建立词语间的语义信息，进行关键词抽取，能够根据词语词义进行信息提取，再通过匹配算法进行服务项目类型匹配，能够帮助用户快速定位政务类型，减少用户搜索时间，通过降低政务服务人员的疲劳程度为目标，提供优化的政务人员服务的模型，降低政务服务人员工作压力，提升用户体验。
附图说明
图1为本发明优选实施例的方法流程图；
图2为本发明优选实施例中系统框图。
图中各个标记的意义为：100、问题采集模块；200、数据提取模块；300、类型匹配模块；400、人员匹配模块。
具体实施方式
需要说明的是，在不冲突的情况下，本实施例中的实施例及实施例中的特征可以相互组合，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，本发明优选实施例提供了一种在线政务服务方法，包括：
S1：采集政务服务问题数据；
S2：提取采集的政务服务问题数据关键词；
S3：根据提取的政务服务问题数据关键词进行政务服务类型匹配；
S4：根据选取的政务服务类型进行政务服务人员调度进行政务服务。
所述S2中，通过融合政务知识的关键词抽取算法提取采集的政务服务问题数据关键词。
所述关键词抽取算法中，根据政务数据库训练并建立具有同义、同类和是义原三种关系的政务数据知识图谱，设定政务数据知识图谱中的所有关系为集合
Figure SMS_76
，其中，
Figure SMS_80
、
Figure SMS_83
分别代表词语间的同义和同类关系，
Figure SMS_77
代表词语和义原间的是义原关系，图谱
Figure SMS_79
中每个关系均由一个三元组
Figure SMS_82
表示，其中，
Figure SMS_85
表示词语，
Figure SMS_75
表示词语
Figure SMS_78
对应的义原，a属于
Figure SMS_81
的一个头结点，c属于
Figure SMS_84
的一个尾结点，b表示关系；
构建如下的损失函数
Figure SMS_86
：
Figure SMS_87
其中，
Figure SMS_88
为超参数，用于设置损失函数权重，
Figure SMS_89
表示关系相等；
Figure SMS_90
代表词语的义原集合，b表示关系，
Figure SMS_91
和
Figure SMS_92
分别代表在超平面上实体表示的投影向量，满足：
Figure SMS_93
Figure SMS_94
其中，
Figure SMS_95
为当前关系下超平面的法向量，
Figure SMS_96
为当前关系下超平面的法向量的转置。
根据所述政务数据知识图谱计算词语间的语义信息构建语义词图，生成语义矩阵
Figure SMS_97
，结合词语间的共现信息生成的共现矩阵
Figure SMS_98
，分别赋予两者相应权重，得到新的概率转移矩阵P：
Figure SMS_99
Figure SMS_100
其中，
Figure SMS_101
代表节点j跳转至节点i的概率，
Figure SMS_102
，
Figure SMS_103
是超参数，用于设置语义矩阵和共现矩阵的权重；
Figure SMS_104
其中，
Figure SMS_105
为候选词的权重矩阵，矩阵大小为
Figure SMS_106
，初始
Figure SMS_107
设置为
Figure SMS_108
；d为阻尼系数；
Figure SMS_109
表示矩阵
Figure SMS_110
的概率转移矩阵；
通过不断迭代计算，当结果收敛时，得到各个候选词的权重，根据权重大小对候选词进行排序，抽取最终排面靠前的候选词作为提取的政务服务问题数据关键词。
所述S3中，通过关键词匹配算法进行政务服务类型匹配。
所述关键词匹配算法中：对于提取的政务服务问题数据关键词和政务数据库中的服务类型分别设定属性向量
Figure SMS_111
和
Figure SMS_112
，根据余弦相似度得到两属性向量的相似度
Figure SMS_113
如下：
Figure SMS_114
其中，
Figure SMS_116
和
Figure SMS_119
分别代表向量
Figure SMS_122
和
Figure SMS_117
的各分量，设定
Figure SMS_120
为检索向量，
Figure SMS_121
为索引向量，对应向量
Figure SMS_123
及其与根节点的路径长度
Figure SMS_115
，其权重
Figure SMS_118
如下：
Figure SMS_124
其中，
Figure SMS_125
为寻优参数，对于检索向量
Figure SMS_126
、索引向量
Figure SMS_127
及权重
Figure SMS_128
，得到：
Figure SMS_129
其中，
Figure SMS_130
为加权后的相似度。
所述关键词匹配算法中，索引向量
Figure SMS_131
，其中，
Figure SMS_132
为索引向量集，将索引向量集中的其余索引向量与检索向量
Figure SMS_133
继续进行相似度计算，得到索引向量集中的其余索引向量与检索向量
Figure SMS_134
的相似度
Figure SMS_135
：
Figure SMS_136
对于检索向量
Figure SMS_137
、索引向量
Figure SMS_138
，当两者的语义相似度不小于阈值
Figure SMS_139
时，即：
Figure SMS_140
则判断政务服务问题数据关键词与该服务类型存在稳定的相似关联，将该索引向量所对应的本体名称作为查询扩展词，并将所述本体名称放入检索的结果集中，继续对剩余的服务类型构造索引向量，计算其语义相似度，按照语义相似度的大小对检索的政务服务类型进行排序显示以供选择。
所述S4中根据选取的政务服务类型构建如下调度模型：
建立政务服务人员最大疲劳峰值最小化目标函数
Figure SMS_141
：
Figure SMS_142
其中，
Figure SMS_143
表示政务服务人员最大疲劳峰值，与政务服务人员在线服务时长
Figure SMS_144
呈正相关；
Figure SMS_145
表示
Figure SMS_146
正比于
Figure SMS_147
；将政务服务人员最大疲劳峰值，即在线服务时长
Figure SMS_148
进行从小到大排序，依次向政务服务人员发出服务指令，匹配政务服务人员接收并确认指令后则匹配成功，否则继续向下一位政务服务人员发出匹配指令，直至政务服务人员接收并确认指令。
参照图2，提供一种在线政务服务系统，包括：
问题采集模块100：用于采集政务服务问题数据；
数据提取模块200：用于提取政务服务问题数据关键词；
类型匹配模块300：用于根据提取的政务服务问题数据关键词进行政务服务类型匹配；
人员匹配模块400：用于根据选取的政务服务类型进行政务服务人员调度进行政务服务。
所述问题采集模块100通过搜索栏和政务服务类型选择栏进行政务服务问题数据采集。
本实施例中，用户登录政务服务系统，通过搜索栏搜索需要在线办理的业务，如输入“户口信息”，关键词抽取算法根据政务数据库训练并建立具有同义、同类和是义原三种关系的政务数据知识图谱。其中，同义、同类是义原表示词语和义原之间的关系，如“眼光”和“目光”是同义关系，它们有着相同的义原；“急性”和“慢性”是同类关系，它们有一部分相同的义原。
设定政务数据知识图谱中的所有关系为集合
Figure SMS_150
，其中，
Figure SMS_152
、
Figure SMS_155
分别代表词语间的同义和同类关系，
Figure SMS_151
代表词语和义原间的是义原关系，图谱
Figure SMS_154
中每个关系均由一个三元组
Figure SMS_157
表示，其中，
Figure SMS_158
表示词语，
Figure SMS_149
表示义原，a属于
Figure SMS_153
的一个头结点，c属于
Figure SMS_156
的一个尾结点，b表示关系；
构建如下的损失函数：
Figure SMS_159
其中，
Figure SMS_160
为超参数，用于设置损失函数权重，
Figure SMS_161
表示关系相等；
Figure SMS_162
代表词语的义原集合，b表示关系，
Figure SMS_163
和
Figure SMS_164
分别代表在超平面上实体表示的投影向量，满足：
Figure SMS_165
Figure SMS_166
其中，
Figure SMS_167
为当前关系下超平面的法向量，
Figure SMS_168
为当前关系下超平面的法向量的转置。
根据所述政务数据知识图谱计算词语间的语义信息构建语义词图，生成语义矩阵
Figure SMS_169
，结合词语间的共现信息生成的共现矩阵
Figure SMS_170
，分别赋予两者相应权重，得到新的概率转移矩阵P：
Figure SMS_171
Figure SMS_172
其中，
Figure SMS_173
代表节点j跳转至节点i的概率，
Figure SMS_174
，
Figure SMS_175
是超参数，用于设置语义矩阵和共现矩阵的权重；
Figure SMS_176
其中，
Figure SMS_177
为候选词的权重矩阵，矩阵大小为
Figure SMS_178
，初始
Figure SMS_179
设置为
Figure SMS_180
；d为阻尼系数；
Figure SMS_181
表示矩阵
Figure SMS_182
的概率转移矩阵；
通过不断迭代计算，当结果收敛时，得到各个候选词的权重，根据权重大小对候选词进行排序得到“户口”、“信息”，抽取最终排面靠前的候选词“户口”作为提取的政务服务问题数据关键词。
根据抽取的用户输入的搜索信息“户口”，进行政务服务类型匹配。
对于提取的政务服务问题数据关键词和政务数据库中的服务类型分别设定属性向量
Figure SMS_183
和
Figure SMS_184
，根据余弦相似度得到两属性向量的相似度
Figure SMS_185
如下：
Figure SMS_186
其中，
Figure SMS_189
和
Figure SMS_192
分别代表向量
Figure SMS_194
和
Figure SMS_188
的各分量，设定
Figure SMS_191
为检索向量，
Figure SMS_193
为索引向量，对应向量
Figure SMS_195
及其与根节点的路径长度
Figure SMS_187
，其权重
Figure SMS_190
如下：
Figure SMS_196
其中，
Figure SMS_197
为寻优参数，对于检索向量
Figure SMS_198
、索引向量
Figure SMS_199
及权重
Figure SMS_200
，得到：
Figure SMS_201
其中，
Figure SMS_202
为加权后的相似度。
索引向量
Figure SMS_203
，其中，
Figure SMS_204
为索引向量集，将索引向量集中的其余索引向量与检索向量
Figure SMS_205
继续进行相似度计算，得到索引向量集中的其余索引向量与检索向量
Figure SMS_206
的相似度
Figure SMS_207
：
Figure SMS_208
对于检索向量
Figure SMS_209
、索引向量
Figure SMS_210
，当两者的语义相似度不小于阈值
Figure SMS_211
时，即：
Figure SMS_212
则判断政务服务问题数据关键词与该服务类型存在稳定的相似关联，将该索引向量所对应的本体名称作为查询扩展词，并将该实体相关信息放入检索的结果集中，继续对剩余的服务类型构造索引向量，计算其语义相似度，按照语义相似度的大小对检索的政务服务类型进行排序显示以供选择。如根据政务服务问题数据关键词“户口”匹配得到匹配度最高的个人业务办理项目类型，继续对个人业务办理项目内的细化项目类型进行匹配，得到匹配度最高的细化的个人信息服务项目类型。用户选取匹配度最高的个人信息服务项目类型，系统根据用户选取的服务项目类型，根据政务服务人员最大疲劳峰值选取合适的政务服务人员进行服务。
建立政务服务人员最大疲劳峰值最小化目标函数
Figure SMS_213
：
Figure SMS_214
其中，
Figure SMS_215
表示政务服务人员最大疲劳峰值，与政务服务人员在线服务时长
Figure SMS_216
呈正相关；将政务服务人员最大疲劳峰值，即在线服务时长
Figure SMS_217
进行从小到大排序，依次向政务服务人员发出服务指令，匹配政务服务人员接收并确认指令后则匹配成功，否则继续向下一位政务服务人员发出匹配指令，直至政务服务人员接收并确认指令。
通过降低政务服务人员的疲劳程度为目标，提供优化的政务人员服务的模型，降低政务服务人员工作压力。
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囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种在线政务服务方法，其特征在于，包括：
S1：采集政务服务问题数据；
S2：提取采集的政务服务问题数据关键词；
S3：根据提取的政务服务问题数据关键词进行政务服务类型匹配；
S4：根据选取的政务服务类型进行政务服务人员调度进行政务服务。
2.根据权利要求1所述的在线政务服务方法，其特征在于，所述S2中，通过融合政务知识的关键词抽取算法提取采集的政务服务问题数据关键词。
3.根据权利要求2所述的在线政务服务方法，其特征在于，所述关键词抽取算法中，根据政务数据库训练并建立具有同义、同类和是义原三种关系的政务数据知识图谱，设定政务数据知识图谱中的所有关系为集合
Figure QLYQS_2
，其中，
Figure QLYQS_4
、
Figure QLYQS_7
分别代表词语间的同义和同类关系，
Figure QLYQS_3
代表词语和义原间的是义原关系，图谱
Figure QLYQS_6
中每个关系均由一个三元组
Figure QLYQS_9
表示，其中，
Figure QLYQS_11
表示词语，
Figure QLYQS_1
表示词语
Figure QLYQS_5
对应的义原，a属于
Figure QLYQS_8
的一个头结点，c属于
Figure QLYQS_10
的一个尾结点，b表示关系；
构建如下的损失函数
Figure QLYQS_12
：
Figure QLYQS_13
其中，
Figure QLYQS_14
为超参数，用于设置损失函数权重，
Figure QLYQS_15
表示关系相等；
Figure QLYQS_16
代表词语的义原集合，b表示关系，
Figure QLYQS_17
和
Figure QLYQS_18
分别代表在超平面上实体表示的投影向量，满足：
Figure QLYQS_19
Figure QLYQS_20
其中，
Figure QLYQS_21
为当前关系下超平面的法向量，
Figure QLYQS_22
为当前关系下超平面的法向量的转置。
4.根据权利要求3所述的在线政务服务方法，其特征在于，根据所述政务数据知识图谱计算词语间的语义信息构建语义词图，生成语义矩阵
Figure QLYQS_23
，结合词语间的共现信息生成的共现矩阵
Figure QLYQS_24
，分别赋予两者相应权重，得到新的概率转移矩阵P：
Figure QLYQS_25
Figure QLYQS_26
其中，
Figure QLYQS_27
代表节点j跳转至节点i的概率，
Figure QLYQS_28
，
Figure QLYQS_29
是超参数，用于设置语义矩阵和共现矩阵的权重；
Figure QLYQS_30
其中，
Figure QLYQS_31
为候选词的权重矩阵，矩阵大小为
Figure QLYQS_32
，初始
Figure QLYQS_33
设置为
Figure QLYQS_34
；d为阻尼系数；
Figure QLYQS_35
表示矩阵
Figure QLYQS_36
的概率转移矩阵；
通过不断迭代计算，当结果收敛时，得到各个候选词的权重，根据权重大小对候选词进行排序，抽取最终排面靠前的候选词作为提取的政务服务问题数据关键词。
5.根据权利要求1所述的在线政务服务方法，其特征在于，所述S3中，通过关键词匹配算法进行政务服务类型匹配。
6.根据权利要求5所述的在线政务服务方法，其特征在于，所述关键词匹配算法中：对于提取的政务服务问题数据关键词和政务数据库中的服务类型分别设定属性向量
Figure QLYQS_37
和
Figure QLYQS_38
，根据余弦相似度得到两属性向量的相似度
Figure QLYQS_39
如下：
Figure QLYQS_40
其中，
Figure QLYQS_42
和
Figure QLYQS_45
分别代表向量
Figure QLYQS_47
和
Figure QLYQS_43
的各分量，设定
Figure QLYQS_46
为检索向量，
Figure QLYQS_48
为索引向量，对应向量
Figure QLYQS_49
及其与根节点的路径长度
Figure QLYQS_41
，其权重
Figure QLYQS_44
如下：
Figure QLYQS_50
其中，
Figure QLYQS_51
为寻优参数，对于检索向量
Figure QLYQS_52
、索引向量
Figure QLYQS_53
及权重
Figure QLYQS_54
，得到：
Figure QLYQS_55
其中，
Figure QLYQS_56
为加权后的相似度。
7.根据权利要求6所述的在线政务服务方法，其特征在于，所述关键词匹配算法中，索引向量
Figure QLYQS_57
，其中，
Figure QLYQS_58
为索引向量集，将索引向量集中的其余索引向量与检索向量
Figure QLYQS_59
继续进行相似度计算，得到索引向量集中的其余索引向量与检索向量
Figure QLYQS_60
的相似度
Figure QLYQS_61
：
Figure QLYQS_62
对于检索向量
Figure QLYQS_63
、索引向量
Figure QLYQS_64
，当两者的语义相似度不小于阈值
Figure QLYQS_65
时，即：
Figure QLYQS_66
则判断政务服务问题数据关键词与该服务类型存在稳定的相似关联，将该索引向量所对应的本体名称作为查询扩展词，并将所述本体名称放入检索的结果集中，继续对剩余的服务类型构造索引向量，计算其语义相似度，按照语义相似度的大小对检索的政务服务类型进行排序显示以供选择。
8.根据权利要求1所述的在线政务服务方法，其特征在于，所述S4中根据选取的政务服务类型构建如下调度模型：
建立政务服务人员最大疲劳峰值最小化目标函数
Figure QLYQS_67
：
Figure QLYQS_68
其中，
Figure QLYQS_69
表示政务服务人员最大疲劳峰值，与政务服务人员在线服务时长
Figure QLYQS_70
呈正相关；
Figure QLYQS_71
表示
Figure QLYQS_72
正比于
Figure QLYQS_73
；将政务服务人员最大疲劳峰值，即在线服务时长
Figure QLYQS_74
进行从小到大排序，依次向政务服务人员发出服务指令，匹配政务服务人员接收并确认指令后则匹配成功，否则继续向下一位政务服务人员发出匹配指令，直至政务服务人员接收并确认指令。
9.一种在线政务服务系统，用于权利要求1-8任意一项所述的一种在线政务服务方法，其特征在于，包括：
问题采集模块（100）：用于采集政务服务问题数据；
数据提取模块（200）：用于提取政务服务问题数据关键词；
类型匹配模块（300）：用于根据提取的政务服务问题数据关键词进行政务服务类型匹配；
人员匹配模块（400）：用于根据选取的政务服务类型进行政务服务人员调度进行政务服务。
10.根据权利要求9所述的在线政务服务系统，其特征在于，所述问题采集模块（100）通过搜索栏和政务服务类型选择栏进行政务服务问题数据采集。
CN202310159260.2A 2023-02-24 2023-02-24 一种在线政务服务系统及服务方法 Active CN115880120B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310159260.2A CN115880120B (zh) 2023-02-24 2023-02-24 一种在线政务服务系统及服务方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310159260.2A CN115880120B (zh) 2023-02-24 2023-02-24 一种在线政务服务系统及服务方法

Publications (2)

Publication Number Publication Date
CN115880120A true CN115880120A (zh) 2023-03-31
CN115880120B CN115880120B (zh) 2023-05-16

Family

ID=85761568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310159260.2A Active CN115880120B (zh) 2023-02-24 2023-02-24 一种在线政务服务系统及服务方法

Country Status (1)

Country Link
CN (1) CN115880120B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116243833A (zh) * 2023-05-08 2023-06-09 北京国信新网通讯技术有限公司 一种基于云数据的电子政务平台沟通管理方法及系统
CN116681267A (zh) * 2023-08-02 2023-09-01 山东尚可网络科技有限公司 一种政务公开信息化平台
CN116703682A (zh) * 2023-08-08 2023-09-05 菏泽市牡丹区大数据中心 一种基于深度学习的政务数据平台
CN116777525A (zh) * 2023-06-21 2023-09-19 深圳市创致联创科技有限公司 基于群优化算法的推广投放系统
CN116775882A (zh) * 2023-06-29 2023-09-19 山东科技大学 一种智慧政务留言处理方法及设备

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080086490A1 (en) * 2006-10-04 2008-04-10 Sap Ag Discovery of services matching a service request
US20090276377A1 (en) * 2008-04-30 2009-11-05 Cisco Technology, Inc. Network data mining to determine user interest
CN105373582A (zh) * 2015-10-13 2016-03-02 郭裴哲 一种政务服务导办方法及系统
CN107885749A (zh) * 2016-09-30 2018-04-06 南京理工大学 本体语义扩展与协同过滤加权融合的工艺知识检索方法
CN108647529A (zh) * 2018-05-09 2018-10-12 上海海事大学 一种基于语义的多关键词排序搜索隐私保护系统及方法
CN109271497A (zh) * 2018-08-31 2019-01-25 华南理工大学 一种基于词向量的事件驱动服务匹配方法
CN110162611A (zh) * 2019-04-23 2019-08-23 苏宁易购集团股份有限公司 一种智能客服应答方法及系统
CN111104794A (zh) * 2019-12-25 2020-05-05 同方知网(北京)技术有限公司 一种基于主题词的文本相似度匹配方法
CN111613291A (zh) * 2020-05-28 2020-09-01 浙江大学医学院附属第一医院 一种药物管理、分类、医护人员与患者关联系统
CN112686637A (zh) * 2021-01-04 2021-04-20 浪潮云信息技术股份公司 一种政务服务供需对接系统及方法
CN113515600A (zh) * 2021-09-13 2021-10-19 速度时空信息科技股份有限公司 一种基于元数据的空间分析自动计算方法
CN113641833A (zh) * 2021-08-17 2021-11-12 同济大学 服务需求匹配方法及装置
CN113918696A (zh) * 2021-10-11 2022-01-11 平安国际智慧城市科技股份有限公司 基于k均值聚类算法的问答匹配方法、装置、设备及介质
WO2022022045A1 (zh) * 2020-07-27 2022-02-03 平安科技（深圳）有限公司 基于知识图谱的文本比对方法、装置、设备及存储介质
US20220129635A1 (en) * 2019-06-28 2022-04-28 Siemens Aktiengesellschaft Semantic model instantiation method, system and apparatus
CN114676255A (zh) * 2022-03-29 2022-06-28 腾讯科技（深圳）有限公司 文本处理方法、装置、设备、存储介质及计算机程序产品
CN115203138A (zh) * 2022-07-04 2022-10-18 中国联合网络通信集团有限公司 数据检索方法、装置及存储介质

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080086490A1 (en) * 2006-10-04 2008-04-10 Sap Ag Discovery of services matching a service request
US20090276377A1 (en) * 2008-04-30 2009-11-05 Cisco Technology, Inc. Network data mining to determine user interest
CN105373582A (zh) * 2015-10-13 2016-03-02 郭裴哲 一种政务服务导办方法及系统
CN107885749A (zh) * 2016-09-30 2018-04-06 南京理工大学 本体语义扩展与协同过滤加权融合的工艺知识检索方法
CN108647529A (zh) * 2018-05-09 2018-10-12 上海海事大学 一种基于语义的多关键词排序搜索隐私保护系统及方法
CN109271497A (zh) * 2018-08-31 2019-01-25 华南理工大学 一种基于词向量的事件驱动服务匹配方法
CN110162611A (zh) * 2019-04-23 2019-08-23 苏宁易购集团股份有限公司 一种智能客服应答方法及系统
US20220129635A1 (en) * 2019-06-28 2022-04-28 Siemens Aktiengesellschaft Semantic model instantiation method, system and apparatus
CN111104794A (zh) * 2019-12-25 2020-05-05 同方知网(北京)技术有限公司 一种基于主题词的文本相似度匹配方法
CN111613291A (zh) * 2020-05-28 2020-09-01 浙江大学医学院附属第一医院 一种药物管理、分类、医护人员与患者关联系统
WO2022022045A1 (zh) * 2020-07-27 2022-02-03 平安科技（深圳）有限公司 基于知识图谱的文本比对方法、装置、设备及存储介质
CN112686637A (zh) * 2021-01-04 2021-04-20 浪潮云信息技术股份公司 一种政务服务供需对接系统及方法
CN113641833A (zh) * 2021-08-17 2021-11-12 同济大学 服务需求匹配方法及装置
CN113515600A (zh) * 2021-09-13 2021-10-19 速度时空信息科技股份有限公司 一种基于元数据的空间分析自动计算方法
CN113918696A (zh) * 2021-10-11 2022-01-11 平安国际智慧城市科技股份有限公司 基于k均值聚类算法的问答匹配方法、装置、设备及介质
CN114676255A (zh) * 2022-03-29 2022-06-28 腾讯科技（深圳）有限公司 文本处理方法、装置、设备、存储介质及计算机程序产品
CN115203138A (zh) * 2022-07-04 2022-10-18 中国联合网络通信集团有限公司 数据检索方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蒋涛涛: "面向政务领域的智能公文信息检索系统的设计与实现", 《CNKI优秀硕士学位论文全文库》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116243833A (zh) * 2023-05-08 2023-06-09 北京国信新网通讯技术有限公司 一种基于云数据的电子政务平台沟通管理方法及系统
CN116243833B (zh) * 2023-05-08 2023-07-14 北京国信新网通讯技术有限公司 一种基于云数据的电子政务平台沟通管理方法及系统
CN116777525A (zh) * 2023-06-21 2023-09-19 深圳市创致联创科技有限公司 基于群优化算法的推广投放系统
CN116777525B (zh) * 2023-06-21 2024-06-28 深圳市创致联创科技有限公司 基于群优化算法的推广投放系统
CN116775882A (zh) * 2023-06-29 2023-09-19 山东科技大学 一种智慧政务留言处理方法及设备
CN116775882B (zh) * 2023-06-29 2024-02-27 山东科技大学 一种智慧政务留言处理方法及设备
CN116681267A (zh) * 2023-08-02 2023-09-01 山东尚可网络科技有限公司 一种政务公开信息化平台
CN116681267B (zh) * 2023-08-02 2023-10-31 山东尚可网络科技有限公司 一种政务公开信息化平台
CN116703682A (zh) * 2023-08-08 2023-09-05 菏泽市牡丹区大数据中心 一种基于深度学习的政务数据平台
CN116703682B (zh) * 2023-08-08 2023-10-31 菏泽市牡丹区大数据中心 一种基于深度学习的政务数据平台

Also Published As

Publication number Publication date
CN115880120B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN109408627B (zh) 一种融合卷积神经网络和循环神经网络的问答方法及系统
CN115880120A (zh) 一种在线政务服务系统及服务方法
CN112650840A (zh) 一种基于知识图谱推理的医疗智能问答处理方法及系统
CN108304437A (zh) 一种自动问答方法、装置及存储介质
CN109829104A (zh) 基于语义相似度的伪相关反馈模型信息检索方法及系统
US20130226859A1 (en) System and Method For Value Significance Evaluation of Ontological Subjects of Networks and The Applications Thereof
CN112528676A (zh) 文档级别的事件论元抽取方法
US20030212663A1 (en) Neural network feedback for enhancing text search
US9070087B2 (en) Methods and systems for investigation of compositions of ontological subjects
CN113282689A (zh) 基于领域知识图谱的检索方法、装置和搜索引擎
CN112307171A (zh) 一种基于电力知识库的制度标准检索方法及系统和可读存储介质
CN109145083A (zh) 一种基于深度学习的候选答案选取方法
CN116204716A (zh) 一种节点信息和标签传播的重叠社区划分预测方法及系统
CN112148994A (zh) 信息推送效果评估方法、装置、电子设备及存储介质
Gourru et al. Gaussian embedding of linked documents from a pretrained semantic space
CN114881041A (zh) 微博大数据热点话题多维度智能提取系统
CN117851563A (zh) 自动问答方法、装置、电子设备及可读存储介质
KR20140044162A (ko) 중복 뉴스 결합 시스템 및 중복 뉴스 결합 방법
CN116383354A (zh) 一种基于知识图谱的图可视化自动问答方法
Almeida et al. Universal Passage Weighting Mecanism (UPWM) in BioASQ 9b.
CN115048497A (zh) 对话信息处理方法、系统、设备及存储介质
CN114328820A (zh) 信息搜索方法以及相关设备
JP2002183194A (ja) 検索式生成装置およびその方法
Shunmughavel et al. A Concept-based Ontology Mapping Method for Effective Retrieval of Bio-Medical Documents
Kuang et al. Numeric-Attribute-Powered Sentence Embedding

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