CN115880120B - 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 PDFInfo
- Publication number
- CN115880120B CN115880120B CN202310159260.2A CN202310159260A CN115880120B CN 115880120 B CN115880120 B CN 115880120B CN 202310159260 A CN202310159260 A CN 202310159260A CN 115880120 B CN115880120 B CN 115880120B
- Authority
- CN
- China
- Prior art keywords
- government
- service
- government service
- vectors
- online
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000013598 vector Substances 0.000 claims description 80
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013016 damping Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 239000000039 congener Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
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
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,其中,、分别代表词语间的同义和同类关系,代表词语和义原间的是义原关系,图谱中每个关系均由一个三元组表示,其中,表示词语,表示词语对应的义原,a属于的一个头结点,c属于的一个尾结点,b表示关系;
构建如下的损失函数:
其中,为超参数,用于设置损失函数权重,表示关系相等;代表词语的义原集合,b表示关系,和分别代表在超平面上实体表示的投影向量,满足:
其中,为当前关系下超平面的法向量,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,结合词语间的共现信息生成的共现矩阵,分别赋予两者相应权重,得到新的概率转移矩阵P:
其中,代表节点j跳转至节点i的概率,,是超参数,用于设置语义矩阵和共现矩阵的权重;
其中,为候选词的权重矩阵,矩阵大小为,初始设置为;d为阻尼系数;表示矩阵的概率转移矩阵;
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和,根据余弦相似度得到两属性向量的相似度如下:
其中,和分别代表向量和的各分量,设定为检索向量,为索引向量,对应向量及其与根节点的路径长度,其权重如下:
其中,为寻优参数,对于检索向量、索引向量及权重,得到:
其中,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,其中,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的相似度:
对于检索向量、索引向量,当两者的语义相似度不小于阈值时,即:
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:
其中,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呈正相关;表示正比于;将政务服务人员最大疲劳峰值,即在线服务时长进行从小到大排序,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,其中,、分别代表词语间的同义和同类关系,代表词语和义原间的是义原关系,图谱中每个关系均由一个三元组表示,其中,表示词语,表示词语对应的义原,a属于的一个头结点,c属于的一个尾结点,b表示关系;
构建如下的损失函数:
其中,为超参数,用于设置损失函数权重,表示关系相等;代表词语的义原集合,b表示关系,和分别代表在超平面上实体表示的投影向量,满足:
其中,为当前关系下超平面的法向量,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,结合词语间的共现信息生成的共现矩阵,分别赋予两者相应权重,得到新的概率转移矩阵P:
其中,代表节点j跳转至节点i的概率,,是超参数,用于设置语义矩阵和共现矩阵的权重;
其中,为候选词的权重矩阵,矩阵大小为,初始设置为;d为阻尼系数;表示矩阵的概率转移矩阵;
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和,根据余弦相似度得到两属性向量的相似度如下:
其中,和分别代表向量和的各分量,设定为检索向量,为索引向量,对应向量及其与根节点的路径长度,其权重如下:
其中,为寻优参数,对于检索向量、索引向量及权重,得到:
其中,为加权后的相似度。
所述关键词匹配算法中,索引向量,其中,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的相似度:
对于检索向量、索引向量,当两者的语义相似度不小于阈值时,即:
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:
其中,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呈正相关;表示正比于;将政务服务人员最大疲劳峰值,即在线服务时长进行从小到大排序,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,其中,、分别代表词语间的同义和同类关系,代表词语和义原间的是义原关系,图谱中每个关系均由一个三元组表示,其中,表示词语,表示义原,a属于的一个头结点,c属于的一个尾结点,b表示关系;
构建如下的损失函数:
其中,为超参数,用于设置损失函数权重,表示关系相等;代表词语的义原集合,b表示关系,和分别代表在超平面上实体表示的投影向量,满足:
其中,为当前关系下超平面的法向量,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,结合词语间的共现信息生成的共现矩阵,分别赋予两者相应权重,得到新的概率转移矩阵P:
其中,代表节点j跳转至节点i的概率,,是超参数,用于设置语义矩阵和共现矩阵的权重;
其中,为候选词的权重矩阵,矩阵大小为,初始设置为;d为阻尼系数;表示矩阵的概率转移矩阵;
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和,根据余弦相似度得到两属性向量的相似度如下:
其中,和分别代表向量和的各分量,设定为检索向量,为索引向量,对应向量及其与根节点的路径长度,其权重如下:
其中,为寻优参数,对于检索向量、索引向量及权重,得到:
其中,为加权后的相似度。
索引向量,其中,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的相似度:
对于检索向量、索引向量,当两者的语义相似度不小于阈值时,即:
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:
其中,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呈正相关;将政务服务人员最大疲劳峰值,即在线服务时长进行从小到大排序,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 (7)
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;
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,其中,、分别代表词语间的同义和同类关系,代表词语和义原间的是义原关系,图谱中每个关系均由一个三元组表示,其中,表示词语,表示词语对应的义原,a属于的一个头结点,c属于的一个尾结点,b表示关系;
构建如下的损失函数:
其中,为超参数,用于设置损失函数权重,表示关系相等;代表词语的义原集合,b表示关系,和分别代表在超平面上实体表示的投影向量,满足:
其中,为当前关系下超平面的法向量,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,结合词语间的共现信息生成的共现矩阵,分别赋予两者相应权重,得到新的概率转移矩阵P:
其中,代表节点j跳转至节点i的概率,,是超参数,用于设置语义矩阵和共现矩阵的权重;
其中,为候选词的权重矩阵,矩阵大小为,初始设置为;d为阻尼系数;表示矩阵的概率转移矩阵;
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。
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S3中,通过关键词匹配算法进行政务服务类型匹配。
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和,根据余弦相似度得到两属性向量的相似度如下:
其中,和分别代表向量和的各分量,设定为检索向量,为索引向量,对应向量及其与根节点的路径长度,其权重如下:
其中,为寻优参数,对于检索向量、索引向量及权重,得到:
其中,为加权后的相似度。
4.根据权利要求3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,其中,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的相似度:
对于检索向量、索引向量,当两者的语义相似度不小于阈值时,即:
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。
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:
其中,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呈正相关;表示正比于;将政务服务人员最大疲劳峰值,即在线服务时长进行从小到大排序,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。
6.一种在线政务服务系统,用于权利要求1-5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。
7.根据权利要求6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。
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 CN115880120A (zh) | 2023-03-31 |
CN115880120B true 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) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
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 |
Family Cites Families (17)
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 |
US8504488B2 (en) * | 2008-04-30 | 2013-08-06 | 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 |
CN107885749B (zh) * | 2016-09-30 | 2022-01-11 | 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 |
CN109271497B (zh) * | 2018-08-31 | 2021-10-26 | 华南理工大学 | 一种基于词向量的事件驱动服务匹配方法 |
CN110162611B (zh) * | 2019-04-23 | 2021-03-26 | 苏宁金融科技(南京)有限公司 | 一种智能客服应答方法及系统 |
CN112449700A (zh) * | 2019-06-28 | 2021-03-05 | 西门子股份公司 | 语义模型实例化方法、系统和装置 |
CN111104794B (zh) * | 2019-12-25 | 2023-07-04 | 同方知网数字出版技术股份有限公司 | 一种基于主题词的文本相似度匹配方法 |
CN111613291B (zh) * | 2020-05-28 | 2021-06-01 | 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 |
CN111897970B (zh) * | 2020-07-27 | 2024-05-10 | 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 |
CN113641833B (zh) * | 2021-08-17 | 2024-04-09 | 同济大学 | 服务需求匹配方法及装置 |
CN113515600B (zh) * | 2021-09-13 | 2021-12-31 | 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 |
-
2023
- 2023-02-24 CN CN202310159260.2A patent/CN115880120B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115880120A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115880120B (zh) | 一种在线政务服务系统及服务方法 | |
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 | |
CN110162611B (zh) | 一种智能客服应答方法及系统 | |
WO2021093755A1 (zh) | 问题的匹配方法及装置、问题的回复方法及装置 | |
WO2019201098A1 (zh) | 问答交互方法和装置、计算机设备及计算机可读存储介质 | |
CN111414461B (zh) | 一种融合知识库与用户建模的智能问答方法及系统 | |
WO2023029420A1 (zh) | 一种电力用户诉求筛选方法、系统、电子设备和存储介质 | |
CN109101479A (zh) | 一种用于中文语句的聚类方法及装置 | |
CA2720842A1 (en) | System and method for value significance evaluation of ontological subjects of network and the applications thereof | |
CN113962293B (zh) | 一种基于LightGBM分类与表示学习的姓名消歧方法和系统 | |
US20030212663A1 (en) | Neural network feedback for enhancing text search | |
CN109271524B (zh) | 知识库问答系统中的实体链接方法 | |
CN112307171B (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 | |
CN110083837B (zh) | 一种关键词生成方法及装置 | |
WO2023035330A1 (zh) | 一种长文本事件抽取方法、装置、计算机设备及存储介质 | |
CN109446337B (zh) | 一种知识图谱构建方法和装置 | |
CN108509449B (zh) | 一种信息处理的方法及服务器 | |
CN109977235B (zh) | 一种触发词的确定方法和装置 | |
CN114943285B (zh) | 互联网新闻内容数据智能审核系统 | |
JP2002183194A (ja) | 検索式生成装置およびその方法 | |
Pu et al. | A semantic-based short-text fast clustering method on hotline records in Chengdu | |
JP7475977B2 (ja) | 知識収集支援システム | |
Ali et al. | Identifying and Profiling User Interest over time using Social Data | |
Xu et al. | A Method for Supplementing the Knowledge Graph of Power User Service | |
Gharibi et al. | RichRDF: A Tool for Enriching Food, Energy, and Water Datasets with Semantically Related Facts and Images. |
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 |