CN116150221A - 服务于企业电商运营管理的信息交互方法及系统 - Google Patents
服务于企业电商运营管理的信息交互方法及系统 Download PDFInfo
- Publication number
- CN116150221A CN116150221A CN202211231441.3A CN202211231441A CN116150221A CN 116150221 A CN116150221 A CN 116150221A CN 202211231441 A CN202211231441 A CN 202211231441A CN 116150221 A CN116150221 A CN 116150221A
- Authority
- CN
- China
- Prior art keywords
- information
- interaction
- initial
- key
- result
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的服务于企业电商运营管理的信息交互方法及系统,涉及数据处理技术领域。在本发明中,在获取到第一信息交互终端设备发送的第一交互信息时,对第一交互信息进行数据量检测,以得到第一交互信息对应的第一数据量;在第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对第一交互信息进行信息检测处理,以得到第一交互信息对应的第一信息检测结果;基于第一信息检测结果对第一交互信息进行标识处理,以形成第一交互信息对应的标识第一交互信息,再将标识第一交互信息发送给第二信息交互终端设备。基于上述步骤,可以在一定程度上提高企业电商运营管理中信息交互的有效性。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种服务于企业电商运营管理的信息交互方法及系统。
背景技术
在企业电商运营管理中,一般会存在不同用户之间的信息交互,如产品或服务等的询问或介绍等。其中,信息交互的有效性在一定程度上直接决定着企业电商运营管理的效果,但是,在现有技术中,由于文字内容的理解过程中,容易出现重要信息的遗漏,使得交互的有效性不高。
发明内容
有鉴于此,本发明的目的在于提供一种服务于企业电商运营管理的信息交互方法及系统,以提高企业电商运营管理中信息交互的有效性。
为实现上述目的,本发明实施例采用如下技术方案:
一种服务于企业电商运营管理的信息交互方法,所述服务于企业电商运营管理的信息交互方法包括:
在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行数据量检测,以得到所述第一交互信息对应的第一数据量,所述第一数据量用于反映所述第一交互信息的数据量;
在所述第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对所述第一交互信息进行信息检测处理,以得到所述第一交互信息对应的第一信息检测结果,所述第一信息检测结果用于反映所述第一交互信息中的关键语句;
基于所述第一信息检测结果对所述第一交互信息进行标识处理,以形成所述第一交互信息对应的标识第一交互信息,再将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备。
在一些优选的实施例中,在上述服务于企业电商运营管理的信息交互方法中,所述在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行数据量检测,以得到所述第一交互信息对应的第一数据量的步骤,包括:
在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行信息字数统计处理,以输出所述第一交互信息对应的第一信息字数统计结果;
依据所述第一信息字数统计结果确定出所述第一交互信息对应的第一数据量,所述第一数据量与所述第一信息字数统计结果正相关。
在一些优选的实施例中,在上述服务于企业电商运营管理的信息交互方法中,所述在所述第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对所述第一交互信息进行信息检测处理,以得到所述第一交互信息对应的第一信息检测结果的步骤,包括:
对待优化的初始关键信息检测神经网络进行优化处理,以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络;
对所述第一交互信息进行信息增量处理,以形成多个第一交互信息,所述多个第一交互信息中的任意两个第一交互信息一致;
利用所述目标关键信息检测神经网络对所述多个第一交互信息分别进行信息检测处理,以得到所述多个第一交互信息对应的多个初始检测信息;
依据所述多个初始检测信息,进行关键语句的分析确定处理,以分析输出所述第一交互信息对应的第一信息检测结果。
在一些优选的实施例中,在上述服务于企业电商运营管理的信息交互方法中,所述对待优化的初始关键信息检测神经网络进行优化处理,以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络的步骤,包括:
提取到示例性交互信息簇,所述示例性交互信息簇包括第一数量条示例性交互信息和所述第一数量条示例性交互信息对应的第一数量条真实信息标识结果,每一条所述真实信息标识结果用于反映对应的所述示例性交互信息中的示例性关键语句;
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络中,分析输出第一数量条估计信息检测结果,并利用所述初始关键信息检测神经网络分析输出所述第一数量条示例性交互信息对应的初始交互关键信息融合表征向量;
将第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络中,分析输出对应的调整交互关键信息融合表征向量,所述第一数量条调整示例性交互信息通过调整所述第一数量条示例性交互信息形成;
依据所述第一数量条估计信息检测结果和所述第一数量条真实信息标识结果,分析输出对应的估计结果学习代价值;以及,依据所述初始交互关键信息融合表征向量和所述调整交互关键信息融合表征向量,分析输出对应的关键信息挖掘学习代价值;
依据所述估计结果学习代价值和所述关键信息挖掘学习代价值,对所述初始关键信息检测神经网络进行优化处理,以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络。
在一些优选的实施例中,在上述服务于企业电商运营管理的信息交互方法中,所述对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络中,分析输出第一数量条估计信息检测结果的步骤,包括:
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条初始交互关键信息挖掘结果;
对所述第一数量条初始交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合初始交互关键信息挖掘结果;
对所述融合初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型中,以编码输出对应的编码初始交互关键信息挖掘结果;
对所述编码初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的第一数量个结果估计模型,以估计输出对应的第一数量条估计信息检测结果。
在一些优选的实施例中,在上述服务于企业电商运营管理的信息交互方法中,所述利用所述初始关键信息检测神经网络分析输出所述第一数量条示例性交互信息对应的初始交互关键信息融合表征向量的步骤,包括:
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条初始交互关键信息挖掘结果;
对所述第一数量条初始交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合初始交互关键信息挖掘结果;
对所述融合初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型中,以编码输出对应的编码初始交互关键信息挖掘结果;
对所述编码初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的向量空间转换模型,以转换输出对应的初始交互关键信息融合表征向量。
在一些优选的实施例中,在上述服务于企业电商运营管理的信息交互方法中,所述将第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络中,分析输出对应的调整交互关键信息融合表征向量的步骤,包括:
对所述第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条调整交互关键信息挖掘结果;
对所述第一数量条调整交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合调整交互关键信息挖掘结果;
对所述融合调整交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型,以编码输出对应的编码调整交互关键信息挖掘结果;
对所述编码调整交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的向量空间转换模型,以转换输出对应的调整交互关键信息融合表征向量。
在一些优选的实施例中,在上述服务于企业电商运营管理的信息交互方法中,所述依据所述多个初始检测信息,进行关键语句的分析确定处理,以分析输出所述第一交互信息对应的第一信息检测结果的步骤,包括:
基于对应的初始信息检测结果是否相同,对所述多个初始检测信息进行融合处理,以将对应的初始信息检测结果一致的结果可能性评估值进行融合,得到每一种初始信息检测结果对应的融合结果可能性评估值,对于所述多个初始检测信息中的每一个所述初始检测信息,该初始检测信息包括多种初始信息检测结果和每一种所述初始信息检测结果对应的结果可能性评估值,所述结果可能性评估值用于反映对应的所述初始信息检测结果对应的交互信息语句属于关键语句的可能性大小;
基于每一种初始信息检测结果对应的融合结果可能性评估值,筛选出一种初始信息检测结果作为所述第一交互信息对应的第一信息检测结果。
在一些优选的实施例中,在上述服务于企业电商运营管理的信息交互方法中,所述基于所述第一信息检测结果对所述第一交互信息进行标识处理,以形成所述第一交互信息对应的标识第一交互信息,再将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备的步骤,包括:
在所述第一交互信息中,将所述第一信息检测结果反映的关键语句进行语句标识处理,以形成所述第一交互信息对应的标识第一交互信息,所述语句标识处理包括颜色配置、字体配置、大小配合和/或标识符配置;
将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备,所述第二信息交互终端设备用于显示所述标识第一交互信息。
本发明实施例还提供一种服务于企业电商运营管理的信息交互系统,包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,以上述的服务于企业电商运营管理的信息交互方法。
本发明实施例提供的一种服务于企业电商运营管理的信息交互方法及系统,在获取到第一信息交互终端设备发送的第一交互信息时,对第一交互信息进行数据量检测,以得到第一交互信息对应的第一数据量;在第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对第一交互信息进行信息检测处理,以得到第一交互信息对应的第一信息检测结果;基于第一信息检测结果对第一交互信息进行标识处理,以形成第一交互信息对应的标识第一交互信息,再将标识第一交互信息发送给第二信息交互终端设备。通过前述的步骤,由于在第一信息交互终端设备发送第一交互信息之后,并不是直接将该第一交互信息发送给对应的第一信息交互终端设备,而是先检测出其中的关键语句,再进行标识,以形成对应的标识第一交互信息,最后,再将标识第一交互信息发送给第二信息交互终端设备,使得第二信息交互终端设备显示的交互信息中对于关键语句有进行标识,便于第二信息交互终端设备对应的用户进行关键信息的获取,从而在一定程度上提高企业电商运营管理中信息交互的有效性,避免了由于对关键信息的忽视而容易导致交互有效性低的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的服务于企业电商运营管理的信息交互系统的结构框图。
图2为本发明实施例提供的服务于企业电商运营管理的信息交互方法包括的各步骤的流程示意图。
图3为本发明实施例提供的服务于企业电商运营管理的信息交互装置包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种服务于企业电商运营管理的信息交互系统。其中,所述服务于企业电商运营管理的信息交互系统可以包括存储器和处理器,以及,也可以包括其它器件或组件等。
详细地,在一些实施方式中,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的服务于企业电商运营管理的信息交互方法。
详细地,在一些实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
详细地,在一些实施方式中,所述服务于企业电商运营管理的信息交互系统可以是一种具备数据处理能力的服务器。所述服务于企业电商运营管理的信息交互系统可以是企业电商运营管理平台,也可以是所述企业电商运营管理平台通信连接的具备数据处理能力的服务器。
结合图2,本发明实施例还提供一种服务于企业电商运营管理的信息交互方法,可应用于上述服务于企业电商运营管理的信息交互系统。其中,所述服务于企业电商运营管理的信息交互方法有关的流程所定义的方法步骤,可以由所述服务于企业电商运营管理的信息交互系统实现。
下面将对图2所示的具体流程,进行详细阐述。
步骤S110,在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行数据量检测,以得到所述第一交互信息对应的第一数据量。
在本发明实施例中,所述服务于企业电商运营管理的信息交互系统可以在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行数据量检测,以得到所述第一交互信息对应的第一数据量。所述第一数据量用于反映所述第一交互信息的数据量。
步骤S120,在所述第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对所述第一交互信息进行信息检测处理,以得到所述第一交互信息对应的第一信息检测结果。
在本发明实施例中,所述服务于企业电商运营管理的信息交互系统可以在所述第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对所述第一交互信息进行信息检测处理,以得到所述第一交互信息对应的第一信息检测结果。所述第一信息检测结果用于反映所述第一交互信息中的关键语句。也就是说,在本发明实施例中,所述第一交互信息属于文本信息,即进行文字交互。
步骤S130,基于所述第一信息检测结果对所述第一交互信息进行标识处理,以形成所述第一交互信息对应的标识第一交互信息,再将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备。
在本发明实施例中,所述服务于企业电商运营管理的信息交互系统可以基于所述第一信息检测结果对所述第一交互信息进行标识处理,以形成所述第一交互信息对应的标识第一交互信息,再将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备。同理,所述第二信息交互终端设备发送给所述第一信息交互终端设备的第二交互信息也可以进行相应的处理,形成标识第二交互信息再进行转发。
通过前述的步骤,由于在第一信息交互终端设备发送第一交互信息之后,并不是直接将该第一交互信息发送给对应的第一信息交互终端设备,而是先检测出其中的关键语句,再进行标识,以形成对应的标识第一交互信息,最后,再将标识第一交互信息发送给第二信息交互终端设备,使得第二信息交互终端设备显示的交互信息中对于关键语句有进行标识,便于第二信息交互终端设备对应的用户进行关键信息的获取,从而在一定程度上提高企业电商运营管理中信息交互的有效性,避免了由于对关键信息的忽视而容易导致交互有效性低的问题。
详细地,在一些实施方式中,上述的步骤S110,可以进一步包括:
在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行信息字数统计处理,以输出所述第一交互信息对应的第一信息字数统计结果(也就是说,所述第一信息字数统计结果可以用于反映所述第一交互信息包括的文字的数量);
依据所述第一信息字数统计结果确定出所述第一交互信息对应的第一数据量,所述第一数据量与所述第一信息字数统计结果正相关(示例性地,可以直接将所述第一信息字数统计结果反映的字数作为所述第一数据量,或者,在其它实施方式中,也可以将所述第一信息字数统计结果作为确定所述第一数据量的一种因素,并且,还可以结合其它因素一并确定出所述第一数据量,例如,还可以结合所述第一交互信息的语义丰富度等,该语义丰富度可以通过所述第一交互信息包括的语句数量等确定,例如,所述第一交互信息包括的语句数量越大,所述语义丰富度越大,对应的第一数据量也就越大,或者,所述语义丰富度也可以通过所述第一交互信息包括的词语的非重复数量确定,该非重复数量是指相同的词语仅统计一次)。
详细地,在一些实施方式中,上述的步骤S120,可以进一步包括:
对待优化的初始关键信息检测神经网络进行优化处理,以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络;
对所述第一交互信息进行信息增量处理,以形成多个第一交互信息,所述多个第一交互信息中的任意两个第一交互信息一致(示例性地,可以直接对所述第一交互信息进行信息进行复制,形成多个第一交互信息);
利用所述目标关键信息检测神经网络对所述多个第一交互信息分别进行信息检测处理,以得到所述多个第一交互信息对应的多个初始检测信息(也就是说,一个第一交互信息对应的一个初始检测信息);
依据所述多个初始检测信息,进行关键语句的分析确定处理,以分析输出所述第一交互信息对应的第一信息检测结果。
详细地,在一些实施方式中,所述对待优化的初始关键信息检测神经网络进行优化处理,以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络的步骤,可以进一步包括:
提取到示例性交互信息簇,所述示例性交互信息簇包括第一数量条示例性交互信息和所述第一数量条示例性交互信息对应的第一数量条真实信息标识结果,每一条所述真实信息标识结果用于反映对应的所述示例性交互信息中的示例性关键语句(示例性地,所述第一数量可以大于1);
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络中,分析输出第一数量条估计信息检测结果(也就是说,一条示例性交互信息进行信息对应有一条估计信息检测结果),并利用所述初始关键信息检测神经网络分析输出所述第一数量条示例性交互信息对应的初始交互关键信息融合表征向量(所述初始交互关键信息融合表征向量代表所述第一数量条示例性交互信息的融合关键信息);
将第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络中,分析输出对应的调整交互关键信息融合表征向量,所述第一数量条调整示例性交互信息通过调整所述第一数量条示例性交互信息形成(所述调整交互关键信息融合表征向量代表所述第一数量条调整示例性交互信息的融合关键信息;示例性地,可以通过对每一条所述示例性交互信息进行语句语序的调整,以形成对应的调整示例性交互信息,即一条示例性交互信息对应有一条调整示例性交互信息);
依据所述第一数量条估计信息检测结果和所述第一数量条真实信息标识结果,分析输出对应的估计结果学习代价值;以及,依据所述初始交互关键信息融合表征向量和所述调整交互关键信息融合表征向量,分析输出对应的关键信息挖掘学习代价值;
依据所述估计结果学习代价值和所述关键信息挖掘学习代价值,对所述初始关键信息检测神经网络进行优化处理(即使得学习代价值收敛,或者,也可以是优化处理的次数达到设置的阈值次数等),以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络(示例性地,可以对所述估计结果学习代价值和所述关键信息挖掘学习代价值进行加权求和,以得到目标学习代价值,再基于该目标学习代价值进行优化处理)。
详细地,在一些实施方式中,所述对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络中,分析输出第一数量条估计信息检测结果的步骤,可以进一步包括:
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条初始交互关键信息挖掘结果(所述第一数量条示例性交互信息、所述第一数量个关键信息挖掘模型和所述第一数量条初始交互关键信息挖掘结果,三者之间具有一一对应的关系,例如,第一个关键信息挖掘模型可以通过对第一条示例性交互信息进行关键信息挖掘处理,以得到第一条初始交互关键信息挖掘结果;示例性地,每一个所述关键信息挖掘模型可以都是相同的卷积神经网络);
对所述第一数量条初始交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合初始交互关键信息挖掘结果(示例性地,可以直接对所述第一数量条初始交互关键信息挖掘结果进行拼接,也可以在每一条所述初始交互关键信息挖掘结果中选择出部分参数进行拼接,使得形成的融合初始交互关键信息挖掘结果与所述初始交互关键信息挖掘结果的尺寸一致,即包括的参数数量一致);
对所述融合初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型中,以编码输出对应的编码初始交互关键信息挖掘结果(即进行编码处理);
对所述编码初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的第一数量个结果估计模型,以估计输出对应的第一数量条估计信息检测结果(示例性地,所述第一数量个结果估计模型与所述第一数量条估计信息检测结果之间可以具有一一对应的关系,另外,每一个所述结果估计模型可以是相同的分类网络;另外,所述编码初始交互关键信息挖掘结果、所述融合初始交互关键信息挖掘结果和所述初始交互关键信息挖掘结果都可以是向量的形式存在)。
详细地,在一些实施方式中,所述利用所述初始关键信息检测神经网络分析输出所述第一数量条示例性交互信息对应的初始交互关键信息融合表征向量的步骤,可以进一步包括:
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条初始交互关键信息挖掘结果(如前所述);
对所述第一数量条初始交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合初始交互关键信息挖掘结果(如前所述);
对所述融合初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型中,以编码输出对应的编码初始交互关键信息挖掘结果(如前所述);
对所述编码初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的向量空间转换模型,以转换输出对应的初始交互关键信息融合表征向量(示例性地,所述向量空间转换模型可以是一种非线性转换模型,以对所述编码初始交互关键信息挖掘结果进行非线性转换处理,得到对应的初始交互关键信息融合表征向量,例如,所述向量空间转换模型可以通过Sigmoid函数实现)。
详细地,在一些实施方式中,所述将第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络中,分析输出对应的调整交互关键信息融合表征向量的步骤,可以进一步包括:
对所述第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条调整交互关键信息挖掘结果(所述第一数量条调整示例性交互信息、所述第一数量个关键信息挖掘模型和所述第一数量条调整交互关键信息挖掘结果,三者之间具有一一对应的关系,例如,第一个关键信息挖掘模型可以通过对第一条调整示例性交互信息进行关键信息挖掘处理,以得到第一条调整交互关键信息挖掘结果;示例性地,每一个所述关键信息挖掘模型可以都是相同的卷积神经网络);
对所述第一数量条调整交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合调整交互关键信息挖掘结果(示例性地,可以直接对所述第一数量条调整交互关键信息挖掘结果进行拼接,也可以在每一条所述调整交互关键信息挖掘结果中选择出部分参数进行拼接,使得形成的融合调整交互关键信息挖掘结果与所述调整交互关键信息挖掘结果的尺寸一致,即包括的参数数量一致);
对所述融合调整交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型,以编码输出对应的编码调整交互关键信息挖掘结果(即进行编码处理;示例性地,所述编码调整交互关键信息挖掘结果、所述融合调整交互关键信息挖掘结果和所述调整交互关键信息挖掘结果都可以是向量的形式存在);
对所述编码调整交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的向量空间转换模型,以转换输出对应的调整交互关键信息融合表征向量(如前所述)。
详细地,在一些实施方式中,所述依据所述第一数量条估计信息检测结果和所述第一数量条真实信息标识结果,分析输出对应的估计结果学习代价值;以及,依据所述初始交互关键信息融合表征向量和所述调整交互关键信息融合表征向量,分析输出对应的关键信息挖掘学习代价值的步骤,可以进一步包括:
依据所述第一数量条估计信息检测结果和所述第一数量条真实信息标识结果,分析输出对应的第一数量条初始估计结果学习代价值(也就是说,针对一条估计信息检测结果和一条数量条真实信息标识结果,可以计算输出对应的一条初始估计结果学习代价值);以及,依据所述第一数量条初始估计结果学习代价值,加权融合输出对应的估计结果学习代价值(也就是说,可以对所述第一数量条初始估计结果学习代价值进行加权求和计算,以得到对应的估计结果学习代价值,其中,每一条所述条初始估计结果学习代价值对应的加权系数可以是一样的);
依据所述初始交互关键信息融合表征向量和所述调整交互关键信息融合表征向量之间的向量差异性,分析输出对应的关键信息挖掘学习代价值。
详细地,在一些实施方式中,所述依据所述初始交互关键信息融合表征向量和所述调整交互关键信息融合表征向量之间的向量差异性,分析输出对应的关键信息挖掘学习代价值的步骤,可以进一步包括:
基于所述初始交互关键信息融合表征向量的目标向量维度包括的每一个向量参数,确定出对应的初始局部交互关键信息表征向量,再分析输出所述初始交互关键信息融合表征向量对应的初始惩罚性关键信息挖掘误差(示例性地,所述目标向量维度可以是任意的,所述初始惩罚性关键信息挖掘误差的计算方式包括,但不限于,对所述初始局部交互关键信息表征向量包括的每一个向量参数的方差计算,然后,再对方差计算与设置的惩罚性参数进行求和,再基于求和结果确定出负相关的初始惩罚性关键信息挖掘误差,例如,所述求和结果和所述初始惩罚性关键信息挖掘误差之间的和值可以等于预先配置的一个参考值,其中,所述惩罚性参数的设置可以在一定程度上防止出现过拟合的问题);以及,基于所述调整交互关键信息融合表征向量的目标向量维度包括的每一个向量参数,确定出对应的调整局部交互关键信息表征向量,再分析输出所述调整交互关键信息融合表征向量对应的调整惩罚性关键信息挖掘误差(同上);
依据所述初始交互关键信息融合表征向量在每一个向量维度下具有的初始局部交互关键信息融合表征向量和每一个所述初始局部交互关键信息融合表征向量的向量融合结果,分析输出所述初始交互关键信息融合表征向量对应的初始整体关键信息挖掘误差(示例性地,可以对每一个所述初始局部交互关键信息融合表征向量进行均值计算,以得到该向量融合结果,再对每一个向量维度下具有的初始局部交互关键信息融合表征向量和该向量融合结果之间的差值进行均值计算,以得到对应的均值计算结果,再对该均值计算结果包括的每一个元素进行均值计算,以得到所述初始整体关键信息挖掘误差);以及,依据所述调整交互关键信息融合表征向量在每一个向量维度下具有的调整局部交互关键信息融合表征向量和每一个所述调整局部交互关键信息融合表征向量的向量融合结果,分析输出所述调整交互关键信息融合表征向量对应的调整整体关键信息挖掘误差(同上);
基于所述初始交互关键信息融合表征向量在每一个向量维度下具有的初始局部交互关键信息融合表征向量和所述调整交互关键信息融合表征向量在对应向量维度下的调整局部交互关键信息融合表征向量,分析输出对应的向量差异度融合结果(示例性地,可以针对每一个向量维度,计算该向量维度对应的初始局部交互关键信息融合表征向量和调整局部交互关键信息融合表征向量之间的向量乘积,再将该向量乘积的负相关值作为该向量维度对应的局部向量差异度,以及,对每一个向量维度对应的局部向量差异度进行均值计算处理,以得到对应的向量差异度融合结果);
基于所述初始惩罚性关键信息挖掘误差、所述调整惩罚性关键信息挖掘误差、所述初始整体关键信息挖掘误差、所述调整整体关键信息挖掘误差和所述向量差异度融合结果,融合分析输出对应的关键信息挖掘学习代价值(示例性地,可以对所述初始惩罚性关键信息挖掘误差、所述调整惩罚性关键信息挖掘误差、所述初始整体关键信息挖掘误差、所述调整整体关键信息挖掘误差和所述向量差异度融合结果进行加权求和计算,其中,对应的加权系数可以根据实际需求进行配置,在此不做具体限定)。
详细地,在一些实施方式中,在基于上述的步骤优化形成所述目标关键信息检测神经网络之后,还可以进一步对所述目标关键信息检测神经网络进行优化处理,即深度优化处理,该处理的过程可以进一步包括:
提取到深度优化示例性交互信息簇,所述深度优化示例性交互信息簇包括深度优化示例性交互信息和所述深度优化示例性交互信息对应的真实信息标识结果;
从所述示例性交互信息簇中,抽取出部分示例性交互信息和所述部分示例性交互信息对应的真实信息标识结果;
基于所述深度优化示例性交互信息和所述部分示例性交互信息,组合形成对应的新的第一数量条示例性交互信息,并基于所述深度优化示例性交互信息对应的真实信息标识结果和所述部分示例性交互信息对应的真实信息标识结果,组合形成对应的新的第一数量条示例性交互信息对应的真实信息标识结果;
基于所述新的第一数量条示例性交互信息和所述新的第一数量条示例性交互信息对应的真实信息标识结果,对所述目标关键信息检测神经网络进行进一步优化处理(具有的优化处理方式,可以参照前文的相关描述)。
详细地,在一些实施方式中,所述从所述示例性交互信息簇中,抽取出部分示例性交互信息和所述部分示例性交互信息对应的真实信息标识结果的步骤,可以进一步包括:
对所述示例性交互信息簇中的示例性交互信息进行分类处理,以形成对应的至少一个示例性交互信息分类集合(示例性地,同一个示例性交互信息分类集合中的示例性交互信息的示例性关键语句可以相同,不同示例性交互信息分类集合中的示例性交互信息的示例性关键语句可以不同);
分别在所述至少一个示例性交互信息分类集合中的每一个示例性交互信息分类集合中,提取出非全部的示例性交互信息,并标记为对应的部分示例性交互信息;以及,对所述非全部的示例性交互信息对应的真实信息标识结果进行标记操作,以标记为所述部分示例性交互信息对应的真实信息标识结果,所述部分示例性交互信息中的每一条示例性交互信息与所述深度优化示例性交互信息不一样,所述部分示例性交互信息中的每一条示例性交互信息对应的真实信息标识结果与所述深度优化示例性交互信息对应的真实信息标识结果不一样(即对应的示例性关键语句不同)。
详细地,在一些实施方式中,所述基于所述新的第一数量条示例性交互信息和所述新的第一数量条示例性交互信息对应的真实信息标识结果,对所述目标关键信息检测神经网络进行进一步优化处理的步骤,可以进一步包括:
对所述新的第一数量条示例性交互信息进行信息加载处理,以加载至所述初始关键信息检测神经网络中,以估计分析出所述新的第一数量条示例性交互信息对应的新的第一数量条估计信息检测结果(如前所述);
依据所述新的第一数量条估计信息检测结果和所述新的第一数量条真实信息标识结果,分析输出对应的新的估计结果学习代价值(如前所述);
依据所述新的估计结果学习代价值,对所述目标关键信息检测神经网络进行进一步优化处理(即使得所述新的估计结果学习代价值收敛等)。
详细地,在一些实施方式中,所述依据所述多个初始检测信息,进行关键语句的分析确定处理,以分析输出所述第一交互信息对应的第一信息检测结果的步骤,可以进一步包括:
基于对应的初始信息检测结果是否相同,对所述多个初始检测信息进行融合处理,以将对应的初始信息检测结果一致的结果可能性评估值进行融合,得到每一种初始信息检测结果对应的融合结果可能性评估值,对于所述多个初始检测信息中的每一个所述初始检测信息,该初始检测信息包括多种初始信息检测结果和每一种所述初始信息检测结果对应的结果可能性评估值,所述结果可能性评估值用于反映对应的所述初始信息检测结果对应的交互信息语句属于关键语句的可能性大小(示例性地,所述多个初始检测信息可以包括初始检测信息1和初始检测信息2,所述初始检测信息1包括初始信息检测结果11和初始信息检测结果12,所述初始检测信息2包括初始信息检测结果21和初始信息检测结果22,所述初始信息检测结果11反映交互信息语句1属于关键语句的可能性为20%和初始信息检测结果12反映交互信息语句2属于关键语句的可能性为80%,所述初始信息检测结果21反映交互信息语句1属于关键语句的可能性为40%和初始信息检测结果22反映交互信息语句2属于关键语句的可能性为60%,如此,可以将所述初始信息检测结果11和所述初始信息检测结果21对应的结果可能性评估值进行融合,如相加,即20%+40%=60%,并可以将所述初始信息检测结果12和所述初始信息检测结果22对应的结果可能性评估值进行融合,如相加,即80%+60%=140%);
基于每一种初始信息检测结果对应的融合结果可能性评估值,筛选出一种初始信息检测结果作为所述第一交互信息对应的第一信息检测结果(示例性地,可以将对应的融合结果可能性评估值最大的初始信息检测结果作为所述第一交互信息对应的第一信息检测结果,如前所述,可以将交互信息语句2确定为关键语句;另外,在其它实施方式中,也可以将对应的融合结果可能性评估值大于或等于可能性参考值的每一种初始信息检测结果作为所述第一交互信息对应的第一信息检测结果;或者,在其它实施方式中,还可以将对应的融合结果可能性评估值最大的指定数量种初始信息检测结果作为所述第一交互信息对应的第一信息检测结果,如此,可以得到对应的多个关键语句,如在10个交互信息语句中确定出对应的融合结果可能性评估值最大的3个交互信息语句作为关键语句)。
详细地,在一些实施方式中,上述的步骤S130,可以进一步包括:
在所述第一交互信息中,将所述第一信息检测结果反映的关键语句进行语句标识处理,以形成所述第一交互信息对应的标识第一交互信息,所述语句标识处理包括颜色配置、字体配置、大小配合和/或标识符配置(也就是说,在所述标识第一交互信息中,所述关键语句具有的颜色、字体、大小和/或标识符不同于非关键语句具有的颜色、字体、大小和/或标识符);
将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备,所述第二信息交互终端设备用于显示所述标识第一交互信息。
结合图3,本发明实施例还提供一种服务于企业电商运营管理的信息交互装置,可应用于上述服务于企业电商运营管理的信息交互系统。其中,所述服务于企业电商运营管理的信息交互装置可以包括:
数据量检测模块,用于在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行数据量检测,以得到所述第一交互信息对应的第一数据量,所述第一数据量用于反映所述第一交互信息的数据量;信息检测处理模块,用于在所述第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对所述第一交互信息进行信息检测处理,以得到所述第一交互信息对应的第一信息检测结果,所述第一信息检测结果用于反映所述第一交互信息中的关键语句;信息交互模块,用于基于所述第一信息检测结果对所述第一交互信息进行标识处理,以形成所述第一交互信息对应的标识第一交互信息,再将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备。
综上所述,本发明提供的一种服务于企业电商运营管理的信息交互方法及系统,在获取到第一信息交互终端设备发送的第一交互信息时,对第一交互信息进行数据量检测,以得到第一交互信息对应的第一数据量;在第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对第一交互信息进行信息检测处理,以得到第一交互信息对应的第一信息检测结果;基于第一信息检测结果对第一交互信息进行标识处理,以形成第一交互信息对应的标识第一交互信息,再将标识第一交互信息发送给第二信息交互终端设备。通过前述的步骤,由于在第一信息交互终端设备发送第一交互信息之后,并不是直接将该第一交互信息发送给对应的第一信息交互终端设备,而是先检测出其中的关键语句,再进行标识,以形成对应的标识第一交互信息,最后,再将标识第一交互信息发送给第二信息交互终端设备,使得第二信息交互终端设备显示的交互信息中对于关键语句有进行标识,便于第二信息交互终端设备对应的用户进行关键信息的获取,从而在一定程度上提高企业电商运营管理中信息交互的有效性,避免了由于对关键信息的忽视而容易导致交互有效性低的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种服务于企业电商运营管理的信息交互方法,其特征在于,所述服务于企业电商运营管理的信息交互方法包括:
在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行数据量检测,以得到所述第一交互信息对应的第一数据量,所述第一数据量用于反映所述第一交互信息的数据量;
在所述第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对所述第一交互信息进行信息检测处理,以得到所述第一交互信息对应的第一信息检测结果,所述第一信息检测结果用于反映所述第一交互信息中的关键语句;
基于所述第一信息检测结果对所述第一交互信息进行标识处理,以形成所述第一交互信息对应的标识第一交互信息,再将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备。
2.如权利要求1所述的服务于企业电商运营管理的信息交互方法,其特征在于,所述在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行数据量检测,以得到所述第一交互信息对应的第一数据量的步骤,包括:
在获取到信息交互双方中的第一信息交互终端设备发送的第一交互信息时,对所述第一交互信息进行信息字数统计处理,以输出所述第一交互信息对应的第一信息字数统计结果;
依据所述第一信息字数统计结果确定出所述第一交互信息对应的第一数据量,所述第一数据量与所述第一信息字数统计结果正相关。
3.如权利要求1所述的服务于企业电商运营管理的信息交互方法,其特征在于,所述在所述第一数据量大于或等于预先配置的数据量阈值的情况下,利用目标关键信息检测神经网络,对所述第一交互信息进行信息检测处理,以得到所述第一交互信息对应的第一信息检测结果的步骤,包括:
对待优化的初始关键信息检测神经网络进行优化处理,以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络;
对所述第一交互信息进行信息增量处理,以形成多个第一交互信息,所述多个第一交互信息中的任意两个第一交互信息一致;
利用所述目标关键信息检测神经网络对所述多个第一交互信息分别进行信息检测处理,以得到所述多个第一交互信息对应的多个初始检测信息;
依据所述多个初始检测信息,进行关键语句的分析确定处理,以分析输出所述第一交互信息对应的第一信息检测结果。
4.如权利要求3所述的服务于企业电商运营管理的信息交互方法,其特征在于,所述对待优化的初始关键信息检测神经网络进行优化处理,以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络的步骤,包括:
提取到示例性交互信息簇,所述示例性交互信息簇包括第一数量条示例性交互信息和所述第一数量条示例性交互信息对应的第一数量条真实信息标识结果,每一条所述真实信息标识结果用于反映对应的所述示例性交互信息中的示例性关键语句;
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络中,分析输出第一数量条估计信息检测结果,并利用所述初始关键信息检测神经网络分析输出所述第一数量条示例性交互信息对应的初始交互关键信息融合表征向量;
将第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络中,分析输出对应的调整交互关键信息融合表征向量,所述第一数量条调整示例性交互信息通过调整所述第一数量条示例性交互信息形成;
依据所述第一数量条估计信息检测结果和所述第一数量条真实信息标识结果,分析输出对应的估计结果学习代价值;以及,依据所述初始交互关键信息融合表征向量和所述调整交互关键信息融合表征向量,分析输出对应的关键信息挖掘学习代价值;
依据所述估计结果学习代价值和所述关键信息挖掘学习代价值,对所述初始关键信息检测神经网络进行优化处理,以形成所述初始关键信息检测神经网络对应的目标关键信息检测神经网络。
5.如权利要求4所述的服务于企业电商运营管理的信息交互方法,其特征在于,所述对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络中,分析输出第一数量条估计信息检测结果的步骤,包括:
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条初始交互关键信息挖掘结果;
对所述第一数量条初始交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合初始交互关键信息挖掘结果;
对所述融合初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型中,以编码输出对应的编码初始交互关键信息挖掘结果;
对所述编码初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的第一数量个结果估计模型,以估计输出对应的第一数量条估计信息检测结果。
6.如权利要求4所述的服务于企业电商运营管理的信息交互方法,其特征在于,所述利用所述初始关键信息检测神经网络分析输出所述第一数量条示例性交互信息对应的初始交互关键信息融合表征向量的步骤,包括:
对所述第一数量条示例性交互信息进行信息加载操作,以加载至待优化的初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条初始交互关键信息挖掘结果;
对所述第一数量条初始交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合初始交互关键信息挖掘结果;
对所述融合初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型中,以编码输出对应的编码初始交互关键信息挖掘结果;
对所述编码初始交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的向量空间转换模型,以转换输出对应的初始交互关键信息融合表征向量。
7.如权利要求4所述的服务于企业电商运营管理的信息交互方法,其特征在于,所述将第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络中,分析输出对应的调整交互关键信息融合表征向量的步骤,包括:
对所述第一数量条调整示例性交互信息进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的第一数量个关键信息挖掘模型中,以挖掘出第一数量条调整交互关键信息挖掘结果;
对所述第一数量条调整交互关键信息挖掘结果进行挖掘结果融合处理,以形成对应的融合调整交互关键信息挖掘结果;
对所述融合调整交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的编码网络模型,以编码输出对应的编码调整交互关键信息挖掘结果;
对所述编码调整交互关键信息挖掘结果进行信息加载操作,以加载至所述初始关键信息检测神经网络包括的向量空间转换模型,以转换输出对应的调整交互关键信息融合表征向量。
8.如权利要求3所述的服务于企业电商运营管理的信息交互方法,其特征在于,所述依据所述多个初始检测信息,进行关键语句的分析确定处理,以分析输出所述第一交互信息对应的第一信息检测结果的步骤,包括:
基于对应的初始信息检测结果是否相同,对所述多个初始检测信息进行融合处理,以将对应的初始信息检测结果一致的结果可能性评估值进行融合,得到每一种初始信息检测结果对应的融合结果可能性评估值,对于所述多个初始检测信息中的每一个所述初始检测信息,该初始检测信息包括多种初始信息检测结果和每一种所述初始信息检测结果对应的结果可能性评估值,所述结果可能性评估值用于反映对应的所述初始信息检测结果对应的交互信息语句属于关键语句的可能性大小;
基于每一种初始信息检测结果对应的融合结果可能性评估值,筛选出一种初始信息检测结果作为所述第一交互信息对应的第一信息检测结果。
9.如权利要求1-8任意一项所述的服务于企业电商运营管理的信息交互方法,其特征在于,所述基于所述第一信息检测结果对所述第一交互信息进行标识处理,以形成所述第一交互信息对应的标识第一交互信息,再将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备的步骤,包括:
在所述第一交互信息中,将所述第一信息检测结果反映的关键语句进行语句标识处理,以形成所述第一交互信息对应的标识第一交互信息,所述语句标识处理包括颜色配置、字体配置、大小配合和/或标识符配置;
将所述标识第一交互信息发送给所述信息交互双方中的第二信息交互终端设备,所述第二信息交互终端设备用于显示所述标识第一交互信息。
10.一种服务于企业电商运营管理的信息交互系统,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,以实现权利要求1-9任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211231441.3A CN116150221B (zh) | 2022-10-09 | 2022-10-09 | 服务于企业电商运营管理的信息交互方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211231441.3A CN116150221B (zh) | 2022-10-09 | 2022-10-09 | 服务于企业电商运营管理的信息交互方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116150221A true CN116150221A (zh) | 2023-05-23 |
CN116150221B CN116150221B (zh) | 2023-07-14 |
Family
ID=86355136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211231441.3A Active CN116150221B (zh) | 2022-10-09 | 2022-10-09 | 服务于企业电商运营管理的信息交互方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116150221B (zh) |
Citations (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004312064A (ja) * | 2003-02-21 | 2004-11-04 | Intelligent Cosmos Research Institute | ネットワーク異常検出装置、ネットワーク異常検出方法およびネットワーク異常検出プログラム |
EP2429143A1 (en) * | 2009-05-22 | 2012-03-14 | Huawei Technologies Co., Ltd. | Method, device and communication system for transmitting data |
US20120102328A1 (en) * | 2009-06-01 | 2012-04-26 | Zte Corporation | Method for implementing the real time data service and real time data service system |
CN103841549A (zh) * | 2012-11-26 | 2014-06-04 | 上海贝尔股份有限公司 | 一种用于实现终端设备间数据传输的方法与设备 |
CN104657374A (zh) * | 2013-11-20 | 2015-05-27 | 富士通株式会社 | 信息处理装置、信息处理方法以及电子设备 |
CN104715047A (zh) * | 2015-03-26 | 2015-06-17 | 浪潮集团有限公司 | 一种社交网络数据采集与分析系统 |
CN104915735A (zh) * | 2015-06-26 | 2015-09-16 | 国家电网公司 | 企业运营分析预警系统的预警分析方法 |
WO2016008212A1 (zh) * | 2014-07-15 | 2016-01-21 | 中兴通讯股份有限公司 | 一种终端及检测终端数据交互的安全性的方法、存储介质 |
CN105302844A (zh) * | 2014-08-01 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 互联网监测方法、装置及系统 |
US20160173637A1 (en) * | 2011-04-06 | 2016-06-16 | Microsoft Technology Licensing, Llc | Cached Data Detection |
CN105824961A (zh) * | 2016-03-31 | 2016-08-03 | 北京奇艺世纪科技有限公司 | 一种标签确定方法及装置 |
CN106230631A (zh) * | 2016-07-14 | 2016-12-14 | 李华林 | 信息交互方法及装置 |
CN108345869A (zh) * | 2018-03-09 | 2018-07-31 | 南京理工大学 | 基于深度图像和虚拟数据的驾驶人姿态识别方法 |
CN108491720A (zh) * | 2018-03-20 | 2018-09-04 | 腾讯科技(深圳)有限公司 | 一种应用识别方法、系统以及相关设备 |
CN108664628A (zh) * | 2018-05-14 | 2018-10-16 | 平安科技(深圳)有限公司 | 一种数据的导出方法及设备 |
CN108881846A (zh) * | 2018-07-10 | 2018-11-23 | 深圳市易成自动驾驶技术有限公司 | 信息融合方法、装置及计算机可读存储介质 |
CN109039825A (zh) * | 2018-08-30 | 2018-12-18 | 湖北微源卓越科技有限公司 | 一种网络数据保护设备及方法 |
CN109242514A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 客户标签推荐方法、装置和系统 |
CN110113315A (zh) * | 2019-04-12 | 2019-08-09 | 平安科技(深圳)有限公司 | 一种业务数据的处理方法及设备 |
CN110134700A (zh) * | 2019-04-22 | 2019-08-16 | 矩阵元技术(深圳)有限公司 | 数据上链方法、装置、计算机设备和存储介质 |
CN110750628A (zh) * | 2019-09-09 | 2020-02-04 | 深圳壹账通智能科技有限公司 | 会话信息交互处理方法、装置、计算机设备和存储介质 |
US20200145304A1 (en) * | 2018-11-02 | 2020-05-07 | Cisco Technology, Inc. | Using a multi-network dataset to overcome anomaly detection cold starts |
CN111242291A (zh) * | 2020-04-24 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 神经网络后门攻击的检测方法、装置和电子设备 |
CN111277490A (zh) * | 2020-02-03 | 2020-06-12 | 贵州精准健康数据有限公司 | 一种医用数据存储、传输方法及应用系统 |
US20200213343A1 (en) * | 2018-07-13 | 2020-07-02 | Ribbon Communications Operating Company, Inc. | Key performance indicator anomaly detection in telephony networks |
CN111476668A (zh) * | 2020-06-24 | 2020-07-31 | 支付宝(杭州)信息技术有限公司 | 可信关系的识别方法、装置、存储介质和计算机设备 |
CN111709352A (zh) * | 2020-06-12 | 2020-09-25 | 浪潮集团有限公司 | 一种基于神经网络的车辆划痕检测方法 |
CN111832319A (zh) * | 2020-06-30 | 2020-10-27 | 泰康保险集团股份有限公司 | 一种预警语音播报的方法和装置 |
AU2020257140A1 (en) * | 2018-04-23 | 2020-11-19 | Accenture Global Solutions Limited | Detecting correlation among sets of time series data |
CN112364700A (zh) * | 2020-10-14 | 2021-02-12 | 广东小天才科技有限公司 | 一种内容标记方法及终端设备 |
US20210117354A1 (en) * | 2019-10-22 | 2021-04-22 | Skyworks Solutions, Inc. | Systems and methods for load detection on serial communication data lines |
CN112733042A (zh) * | 2021-02-03 | 2021-04-30 | 北京百度网讯科技有限公司 | 推荐信息的生成方法、相关装置及计算机程序产品 |
US20210153095A1 (en) * | 2019-11-20 | 2021-05-20 | Verizon Patent And Licensing Inc. | System and method for ultra-low latency short data service |
CN113112479A (zh) * | 2021-04-15 | 2021-07-13 | 清华大学 | 基于关键区块提取的渐进式目标检测方法和装置 |
CN113141274A (zh) * | 2021-04-26 | 2021-07-20 | 合肥全息网御科技有限公司 | 基于网络全息图实时检测敏感数据泄露的方法、系统和存储介质 |
CN113326879A (zh) * | 2021-05-31 | 2021-08-31 | 深圳前海微众银行股份有限公司 | 一种业务数据的监测方法及装置 |
CN113342904A (zh) * | 2021-04-01 | 2021-09-03 | 山东省人工智能研究院 | 一种基于企业特征传播的企业服务推荐方法 |
CN113361794A (zh) * | 2021-06-21 | 2021-09-07 | 深圳市鸿业电线有限公司 | 基于互联网电商大数据的信息推送方法及ai推送系统 |
CN113779308A (zh) * | 2021-11-12 | 2021-12-10 | 冠传网络科技(南京)有限公司 | 一种短视频检测和多分类方法、装置及存储介质 |
CN113962141A (zh) * | 2021-09-22 | 2022-01-21 | 北京智行者科技有限公司 | 一种目标检测模型自动化迭代方法、设备及存储介质 |
CN114095469A (zh) * | 2020-08-07 | 2022-02-25 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
CN114285597A (zh) * | 2021-11-17 | 2022-04-05 | 杨磊 | 一种网络安全检测方法及系统 |
CN114466404A (zh) * | 2022-03-22 | 2022-05-10 | 中国电信股份有限公司 | 业务流数据传输方法、装置、电子设备及存储介质 |
CN114580734A (zh) * | 2022-03-01 | 2022-06-03 | 赵尚友 | 结合大数据的数字化社交网络信息优化方法及服务器 |
CN114722267A (zh) * | 2021-01-04 | 2022-07-08 | 中国移动通信有限公司研究院 | 信息推送方法、装置及服务器 |
CN114916010A (zh) * | 2021-09-09 | 2022-08-16 | 深圳市美嘉光电科技有限公司 | 基于终端标识的信息交互方法、系统及计算机存储介质 |
-
2022
- 2022-10-09 CN CN202211231441.3A patent/CN116150221B/zh active Active
Patent Citations (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004312064A (ja) * | 2003-02-21 | 2004-11-04 | Intelligent Cosmos Research Institute | ネットワーク異常検出装置、ネットワーク異常検出方法およびネットワーク異常検出プログラム |
EP2429143A1 (en) * | 2009-05-22 | 2012-03-14 | Huawei Technologies Co., Ltd. | Method, device and communication system for transmitting data |
US20120102328A1 (en) * | 2009-06-01 | 2012-04-26 | Zte Corporation | Method for implementing the real time data service and real time data service system |
US20160173637A1 (en) * | 2011-04-06 | 2016-06-16 | Microsoft Technology Licensing, Llc | Cached Data Detection |
CN103841549A (zh) * | 2012-11-26 | 2014-06-04 | 上海贝尔股份有限公司 | 一种用于实现终端设备间数据传输的方法与设备 |
CN104657374A (zh) * | 2013-11-20 | 2015-05-27 | 富士通株式会社 | 信息处理装置、信息处理方法以及电子设备 |
CN105282112A (zh) * | 2014-07-15 | 2016-01-27 | 中兴通讯股份有限公司 | 一种终端及检测终端数据交互的安全性的方法 |
WO2016008212A1 (zh) * | 2014-07-15 | 2016-01-21 | 中兴通讯股份有限公司 | 一种终端及检测终端数据交互的安全性的方法、存储介质 |
CN105302844A (zh) * | 2014-08-01 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 互联网监测方法、装置及系统 |
CN104715047A (zh) * | 2015-03-26 | 2015-06-17 | 浪潮集团有限公司 | 一种社交网络数据采集与分析系统 |
CN104915735A (zh) * | 2015-06-26 | 2015-09-16 | 国家电网公司 | 企业运营分析预警系统的预警分析方法 |
CN105824961A (zh) * | 2016-03-31 | 2016-08-03 | 北京奇艺世纪科技有限公司 | 一种标签确定方法及装置 |
CN106230631A (zh) * | 2016-07-14 | 2016-12-14 | 李华林 | 信息交互方法及装置 |
CN108345869A (zh) * | 2018-03-09 | 2018-07-31 | 南京理工大学 | 基于深度图像和虚拟数据的驾驶人姿态识别方法 |
CN108491720A (zh) * | 2018-03-20 | 2018-09-04 | 腾讯科技(深圳)有限公司 | 一种应用识别方法、系统以及相关设备 |
AU2020257140A1 (en) * | 2018-04-23 | 2020-11-19 | Accenture Global Solutions Limited | Detecting correlation among sets of time series data |
CN108664628A (zh) * | 2018-05-14 | 2018-10-16 | 平安科技(深圳)有限公司 | 一种数据的导出方法及设备 |
CN108881846A (zh) * | 2018-07-10 | 2018-11-23 | 深圳市易成自动驾驶技术有限公司 | 信息融合方法、装置及计算机可读存储介质 |
US20200213343A1 (en) * | 2018-07-13 | 2020-07-02 | Ribbon Communications Operating Company, Inc. | Key performance indicator anomaly detection in telephony networks |
CN109242514A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 客户标签推荐方法、装置和系统 |
CN109039825A (zh) * | 2018-08-30 | 2018-12-18 | 湖北微源卓越科技有限公司 | 一种网络数据保护设备及方法 |
US20200145304A1 (en) * | 2018-11-02 | 2020-05-07 | Cisco Technology, Inc. | Using a multi-network dataset to overcome anomaly detection cold starts |
CN110113315A (zh) * | 2019-04-12 | 2019-08-09 | 平安科技(深圳)有限公司 | 一种业务数据的处理方法及设备 |
CN110134700A (zh) * | 2019-04-22 | 2019-08-16 | 矩阵元技术(深圳)有限公司 | 数据上链方法、装置、计算机设备和存储介质 |
CN110750628A (zh) * | 2019-09-09 | 2020-02-04 | 深圳壹账通智能科技有限公司 | 会话信息交互处理方法、装置、计算机设备和存储介质 |
WO2021047189A1 (zh) * | 2019-09-09 | 2021-03-18 | 深圳壹账通智能科技有限公司 | 会话信息交互处理方法、装置、计算机设备和存储介质 |
US20210117354A1 (en) * | 2019-10-22 | 2021-04-22 | Skyworks Solutions, Inc. | Systems and methods for load detection on serial communication data lines |
US20210153095A1 (en) * | 2019-11-20 | 2021-05-20 | Verizon Patent And Licensing Inc. | System and method for ultra-low latency short data service |
CN111277490A (zh) * | 2020-02-03 | 2020-06-12 | 贵州精准健康数据有限公司 | 一种医用数据存储、传输方法及应用系统 |
CN111242291A (zh) * | 2020-04-24 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 神经网络后门攻击的检测方法、装置和电子设备 |
CN111709352A (zh) * | 2020-06-12 | 2020-09-25 | 浪潮集团有限公司 | 一种基于神经网络的车辆划痕检测方法 |
CN111476668A (zh) * | 2020-06-24 | 2020-07-31 | 支付宝(杭州)信息技术有限公司 | 可信关系的识别方法、装置、存储介质和计算机设备 |
CN111832319A (zh) * | 2020-06-30 | 2020-10-27 | 泰康保险集团股份有限公司 | 一种预警语音播报的方法和装置 |
CN114095469A (zh) * | 2020-08-07 | 2022-02-25 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
CN112364700A (zh) * | 2020-10-14 | 2021-02-12 | 广东小天才科技有限公司 | 一种内容标记方法及终端设备 |
CN114722267A (zh) * | 2021-01-04 | 2022-07-08 | 中国移动通信有限公司研究院 | 信息推送方法、装置及服务器 |
CN112733042A (zh) * | 2021-02-03 | 2021-04-30 | 北京百度网讯科技有限公司 | 推荐信息的生成方法、相关装置及计算机程序产品 |
CN113342904A (zh) * | 2021-04-01 | 2021-09-03 | 山东省人工智能研究院 | 一种基于企业特征传播的企业服务推荐方法 |
CN113112479A (zh) * | 2021-04-15 | 2021-07-13 | 清华大学 | 基于关键区块提取的渐进式目标检测方法和装置 |
CN113141274A (zh) * | 2021-04-26 | 2021-07-20 | 合肥全息网御科技有限公司 | 基于网络全息图实时检测敏感数据泄露的方法、系统和存储介质 |
CN113326879A (zh) * | 2021-05-31 | 2021-08-31 | 深圳前海微众银行股份有限公司 | 一种业务数据的监测方法及装置 |
CN113361794A (zh) * | 2021-06-21 | 2021-09-07 | 深圳市鸿业电线有限公司 | 基于互联网电商大数据的信息推送方法及ai推送系统 |
CN114916010A (zh) * | 2021-09-09 | 2022-08-16 | 深圳市美嘉光电科技有限公司 | 基于终端标识的信息交互方法、系统及计算机存储介质 |
CN113962141A (zh) * | 2021-09-22 | 2022-01-21 | 北京智行者科技有限公司 | 一种目标检测模型自动化迭代方法、设备及存储介质 |
CN113779308A (zh) * | 2021-11-12 | 2021-12-10 | 冠传网络科技(南京)有限公司 | 一种短视频检测和多分类方法、装置及存储介质 |
CN114285597A (zh) * | 2021-11-17 | 2022-04-05 | 杨磊 | 一种网络安全检测方法及系统 |
CN114580734A (zh) * | 2022-03-01 | 2022-06-03 | 赵尚友 | 结合大数据的数字化社交网络信息优化方法及服务器 |
CN114466404A (zh) * | 2022-03-22 | 2022-05-10 | 中国电信股份有限公司 | 业务流数据传输方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
MINH VU PHONG: "Mining User Opinions in Mobile App Reviews: A Keyword-Based Approach (T)", 《 2015 30TH IEEE/ACM INTERNATIONAL CONFERENCE ON AUTOMATED SOFTWARE ENGINEERING (ASE)》, pages 749 - 759 * |
杨欧亚: "面向互联网上网服务行业的用户画像系统设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技》, pages 139 - 352 * |
Also Published As
Publication number | Publication date |
---|---|
CN116150221B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112084383A (zh) | 基于知识图谱的信息推荐方法、装置、设备及存储介质 | |
CN114185708A (zh) | 基于分布式链路追踪的数据分析方法、装置和电子设备 | |
CN115718846B (zh) | 用于智能化交互网络的大数据挖掘方法及系统 | |
CN113778864A (zh) | 一种测试用例的生成方法和装置、电子设备和存储介质 | |
CN112508456A (zh) | 食品安全风险评估方法、系统、计算机设备及存储介质 | |
CN115511511A (zh) | 基于数据处理的溯源识别信息的分析方法及系统 | |
CN116109630A (zh) | 基于传感器采集和人工智能的图像分析方法及系统 | |
CN113205189B (zh) | 训练预测模型的方法、预测方法及装置 | |
CN116150221B (zh) | 服务于企业电商运营管理的信息交互方法及系统 | |
CN113052635A (zh) | 人口属性标签预测方法、系统、计算机设备和存储介质 | |
CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
CN115757900B (zh) | 应用人工智能模型的用户需求分析方法及系统 | |
CN115147195A (zh) | 一种招标采购风险监控方法、装置、设备及介质 | |
CN115099838A (zh) | 应用于线上广告投放的兴趣定位方法及系统 | |
CN114528908A (zh) | 网络请求数据分类模型训练方法、分类方法及存储介质 | |
CN113992668A (zh) | 基于多并发的信息实时传输方法、装置、设备及介质 | |
CN112231454A (zh) | 提问预测及回答反馈方法、装置、计算机设备及存储介质 | |
CN113222632A (zh) | 对象挖掘的方法和装置 | |
CN115375412B (zh) | 基于图像识别的商品智能推荐处理方法及系统 | |
CN114996589B (zh) | 基于防疫大数据的线上资讯推送方法及系统 | |
CN117349531B (zh) | 一种基于智慧家居的用户信息推荐方法及系统 | |
CN116501285B (zh) | 基于虚拟数字形象交互的ai对话处理方法及数字化系统 | |
CN116680323B (zh) | 基于大数据安全平台的用户需求挖掘方法及系统 | |
CN117273861B (zh) | 一种销售订单管理方法及系统 | |
CN113327133B (zh) | 数据推荐方法、数据推荐装置、电子设备及可读存储介质 |
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 |