CN116361556A - 一种调查问卷推送方法、装置、电子设备及存储介质 - Google Patents
一种调查问卷推送方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116361556A CN116361556A CN202310347117.6A CN202310347117A CN116361556A CN 116361556 A CN116361556 A CN 116361556A CN 202310347117 A CN202310347117 A CN 202310347117A CN 116361556 A CN116361556 A CN 116361556A
- Authority
- CN
- China
- Prior art keywords
- questionnaire
- phrase
- spliced
- pushing
- pushed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012360 testing method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种调查问卷推送方法、装置、电子设备及存储介质。该方法包括:获取待推送调查问卷的数据信息;将所述数据信息进行预处理,得到至少一个拼接词组;所述预处理包括同义词替换以及拼接处理;将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。采用本发明实施例的技术方案,将文本试题和与文本试题对应的选项进行分词,提取调查问卷的关键信息并舍弃无实际意义的词组,拼接成至少一个拼接词组,极大简化了调查问卷内容;依据拼接词组得到与待推送调查问卷对应的目标对象,提高了调查问卷分析的效率以及调查问卷推送的准确性。
Description
技术领域
本发明实施例涉及互联网技术领域,尤其涉及一种调查问卷推送方法、装置、电子设备及存储介质。
背景技术
问卷调查是统计调查各种问题的常用方式。通过问卷网站、电子邮件以及短信推广等形式发放问卷,但由于缺乏针对性,能够获得的有效反馈较少。因此,需要定向投放调查问卷。
现有的方法中通常是对整个调查问卷进行分析,确定调查问卷对应的用户群体。但确定用户群体时需预先对用户进行分类,需要大量的用户数据才能确定用户群体,所需数据量大;对整个调查问卷进行分析,冗余信息较多,有效数据无法充分提取,导致调查问卷推送准确性差,且容易引起部分用户的使用体验不佳。
因此,如何将调查问卷精准推送是本领域技术人员亟待解决的技术问题。
发明内容
本发明实施例提供一种调查问卷推送方法、装置、电子设备及存储介质,以实现提高调查问卷投放的准确性。
第一方面,本发明实施例提供了一种调查问卷推送方法,包括:
获取待推送调查问卷的数据信息;其中,所述数据信息包括待推送调查问卷文本试题以及与文本试题对应的已确定选项;
将所述数据信息进行预处理,得到至少一个拼接词组;所述预处理包括同义词替换以及拼接处理;
将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。
第二方面,本发明实施例还提供了一种调查问卷推送装置,包括:
数据信息获取模块,用于获取待推送调查问卷的数据信息;其中,所述数据信息包括待推送调查问卷文本试题以及与文本试题对应的已确定选项;
拼接词组确定模块,用于将所述数据信息进行预处理,得到至少一个拼接词组;所述预处理包括同义词替换以及拼接处理;
调查问卷推送模块,用于将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的调查问卷推送方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的调查问卷推送方法。
本发明实施例提供了一种调查问卷推送方法、装置、电子设备和存储介质,获取待推送调查问卷的数据信息;其中,所述数据信息包括待推送调查问卷文本试题以及与文本试题对应的已确定选项;将所述数据信息进行预处理,得到至少一个拼接词组;所述预处理包括同义词替换以及拼接处理;将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。采用本发明实施例的技术方案,将文本试题和与文本试题对应的选项进行分词,提取调查问卷的关键信息并舍弃无实际意义的词组,拼接成至少一个拼接词组,极大简化了调查问卷内容;依据拼接词组得到与待推送调查问卷对应的目标对象,提高了调查问卷分析的效率以及调查问卷推送的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例中提供的一种调查问卷推送方法的流程图;
图2是本发明实施例中提供的一种拼接词组确定的流程示意图;
图3是本发明实施例中提供的一种目标对象确定的流程示意图;
图4是本发明实施例中提供的另一种调查问卷推送方法的流程图;
图5是本发明实施例中提供的一种拼接词组聚类方法示意图;
图6是本发明实施例中提供的一种目标调查问卷推送模型确定方法示意图;
图7是本发明实施例中提供的一种调查问卷推送装置的结构示意图;
图8是本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前,应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
其中,本申请技术方案中对数据的获取、存储、使用以及处理等均符合国家法律法规的相关规定。
图1是本发明实施例中提供的一种调查问卷推送方法的流程图,本实施例可适用于对调查问卷进行推送的情况,本实施例的方法可以由调查问卷推送装置来执行,该装置可以采用硬件和/或软件的方式来实现。该装置可以配置于调查问卷推送的服务器中。该方法具体包括如下步骤:
S110、获取待推送调查问卷的数据信息。
其中,待推送调查问卷可以是指将要推送的调查问卷。在本发明实施例的一种可选方案中,所述待推送调查问卷还可以是指在上一阶段已推送给第一对象,在当前阶段需将所述待推送调查问卷推送给第二对象。本发明实施例中依据所述待推送调查问卷的数据信息与第一对象间的对应关系,确定第二对象。
问卷与文档不同,文档是一篇意义相近的篇章,而问卷是由一组问题和选项答案组成的较为离散的集合;问卷中,联系和意义紧密的各个文本试题和文本试题的各个选项。本发明实施例在获取所述待推送调查问卷的待推送调查问卷文本试题以及与文本试题对应的已确定选项。例如,所述数据信息包括所述待推送调查问卷文本试题以及由第一对象选中的各文本试题的答案。例如,待推送调查问卷1中的文本试题1以及第一对象已确定的答案A。
S120、将所述数据信息进行预处理,得到至少一个拼接词组。
其中,现有方法中,通过建立关于整个问卷的文本信息库,对问卷推送对象进行预测;由于数据信息的冗余,有效数据无法充分提取。本发明实施例中通过对数据信息进行预处理,去除冗余信息,便于提取有效信息。本发明实施例中所述预处理可以是指将获取的数据信息进行简化,生成拼接试题与试题选项,简化调查问卷内容。所述预处理包括但不限于同义词替换以及拼接处理。
拼接词组可以是指将至少两个词语进行拼接,生成一个新的词组。本发明实施例中是将待推送调查问卷的文本试题中的词组与文本试题对应的选项中的词组进行拼接,生成一个新的拼接词组。例如,文本试题中的词组包括业务创新,与文本试题对应的选项包括投资业务、中间业务以及金融业务,则生成的新的拼接词组包括投资业务创新、中间业务创新以及金融业务创新。
作为一种可选的但非限定性的实现方式,所述将所述数据信息进行预处理,得到至少一个拼接词组,包括但不限于步骤A1-A3:
步骤A1:将所述待推送调查问卷文本试题进行同义词替换与分词处理,得到第一词组。
其中,分词处理可以是指将语句进行拆分,生成至少一个词组。现在,中文分词技术已比较成熟,例如python的中文分词库jieba,其精确模式可以精确将句子分开,拆分成一个个词组。本发明实施例中将待推送调查问卷的文本试题进行拆分,生成至少一个第一词组。
步骤A2:将与文本试题对应的选项进行同义词替换与分词处理,得到第二词组。
同义词替换可以是指依据规则库中的同义词替换规则,将文本试题和/或雨文本试题对应的选项中的词组采用同义词进行替换。其中,规则库可以是指对文本试题和与文本试题对应的选项做中文分词时,对不含实际意义的词丢弃,规定数量以及电话号码等特殊数据进行同义替换规则,以及肯定否定词做统一替换规则。本发明实施例中将与文本试题对应的选项进行同义词替换以及分词处理,得到至少一个第二词组。
步骤A3:将所述第一词组与第二词组进行拼接处理,得到至少一个拼接词组。
在本发明实施例的一种可选方案中,参见图2,对历史数据进行预处理,首先对文本试题进行分词,将与文本试题对应的选项按规则库进行同义替换后进行分词,根据规则库去掉无意义的语气词。将文本试题的第一词组和与文本试题对应的第二词组进行拼接,形成新的拼接词组。一个调查问卷可以形成多个拼接词组,一个拼接词组可能出现多次。其中,规则库包括但不限于对无意义词语标记规则以及词语同义替换规则;历史数据可以是指已推送的调查问卷数据信息。
本发明实施例重点关注联系紧密的文本试题和与文本试题对应的选项,将文本试题和与文本试题对应的选项进行分词,拼接组合文本试题和与文本试题对应的选项,提取调查问卷的关键信息,舍弃无实际意义的词组,极大简化了调查问卷内容,提高了调查问卷分析的效率。
S130、将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。
其中,参见图3,将所述至少一个拼接词组输入至预先获取的目标调查问卷推送模型中,得到与所述待推送调查问卷对应的目标对象。
作为一种可选的但非限定性的实现方式,所述将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象,包括但不限于步骤B1-B3:
步骤B1:依据所述目标调查问卷推送模型,确定拼接词组与推送对象间的对应关系。
步骤B2:依据拼接词组与推送对象间的对应关系,将所述至少一个拼接词组输入至目标调查问卷推送模型中,确定待推送调查问卷对应的目标对象。
步骤B3:将所述待推送调查问卷推送至目标对象。
其中,依据所述预先获取的目标调查问卷推送模型,确定拼接词组与推送对象间的对应关系;将拼接词组输入至目标调查问卷推送模型中,获取目标对象,并将所述待推送调查问卷对应的目标对象。
本发明实施例提供了一种调查问卷推送方法,通过获取待推送调查问卷的数据信息;其中,所述数据信息包括待推送调查问卷文本试题以及与文本试题对应的已确定选项;将所述数据信息进行预处理,得到至少一个拼接词组;所述预处理包括同义词替换以及拼接处理;将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。采用本发明实施例的技术方案,将文本试题和与文本试题对应的选项进行分词,提取调查问卷的关键信息并舍弃无实际意义的词组,拼接成至少一个拼接词组,极大简化了调查问卷内容;依据拼接词组得到与待推送调查问卷对应的目标对象,提高了调查问卷分析的效率以及调查问卷推送的准确性。
图4是本发明实施例中提供的另一种调查问卷推送方法的流程图。本发明实施例在上述实施例的基础上对前述实施例进行进一步优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图4所示,本发明实施例还包括获取目标调查问卷推送模型,可包括以下步骤:
S410、获取待推送调查问卷的数据信息。
S420、将所述数据信息进行预处理,得到至少一个拼接词组。
S430、在预设调查问卷推送模型中对所述至少一个拼接词组进行聚类,确定拼接词组聚类结果。
其中,聚类可以是指将数据根据彼此的距离,将相互靠近的分为一类,保证同一类类间各个数据距离最近最相似,不同类之间各个数据距离更远。根据数据特征和距离计算公式,自动将所给数据分为不同类别。聚类产生的类别数量根据数据变化,相同类的数据相似,不同类的数据差异较大。本发明实施例中对拼接词组进行聚类,获取各拼接词组间的聚类结果。
作为一种可选的但非限定性的实现方式,所述在预设调查问卷推送模型中对拼接词组进行聚类,确定拼接词组聚类结果,包括但不限于步骤C1-C3:
步骤C1:获取所述至少一个拼接词组对应的词频。
其中,词频可以是指一个给定的词语在该文件中出现的次数。本发明实施例中可以是指拼接词组在所述待推送调查问卷中出现的次数。例如,业务创新在待推送调查问卷A中出现的次数。
步骤C2:将所述至少一个拼接词组进行向量化,并确定所述至少一个拼接词组的语义距离。
其中,向量化可以是指将拼接词语用数字表示,已简化计算量。例如,“业务数据”可采用“001”表示。
语义距离可以是指两个词语间的相关性。将向量化的拼接词语,使用平均词嵌词求余弦相似度,进行语义距离的计算,计算公式为:
disIJ=∑(disij*log(Freq))
其中,disij表征拼接词组i与拼接词组j的语义距离;disIJ表征各个拼接词组i与各个拼接词组j的总语义距离;Freq表征拼接词语的词频。
步骤C3:依据所述拼接词组的词频以及语义距离对拼接词组进行聚类,确定拼接词组聚类结果。
其中,本发明实施例的聚类算法采用K-means算法。其中,k值的确定使用手肘法则(elbow-method),k的取值范围为2-10,取总语义距离最小时对应的k值。参见图5,确定拼接词组间的语义距离,依据拼接词组的词频以及语义距离对拼接词组进行聚类,从而确定拼接词组聚类结果。其中,聚类算法在本发明实施例中不做具体限制。
S440、依据所述拼接词组聚类结果对所述预设调查问卷推送模型进行参数优化,得到收敛的目标调查问卷推送模型。
其中,对预设调查问卷推送模型进行参数优化,使得通过模型预测的数据与目标数据间的差异更小。本发明实施例中通过采用k折训练方法,训练预设调查问卷推送模型,使用验证数据验证模型的准确率,训练验证完成后,得到收敛的目标调查问卷推送模型。
作为一种可选的但非限定性的实现方式,所述依据所述拼接词组聚类结果对所述预设调查问卷推送模型进行参数优化,得到收敛的目标调查问卷推送模型,包括但不限于步骤D1-D2:
步骤D1:获取与所述待推送调查问卷关联的对象信息。
步骤D2:依据所述对象信息与拼接词组聚类结果对所述预设调查问卷推送模型进行训练,确定目标调查问卷推送模型。
其中,参见图6,获取与所述待推送调查问卷关联的对象信息,所述对象信息是从已完成的调查问卷中获取的,所述对象信息包括但不限于年龄、性别以及调查问卷作答时间。将所述对象信息以及拼接词组输入至预设调查问卷推送模型进行训练,经模型验证确定目标调查问卷推送模型。
本发明实施例提供了一种目标调查问卷推送模型方法,通过获取待推送调查问卷的数据信息;将所述数据信息进行预处理,得到至少一个拼接词组;在预设调查问卷推送模型中对所述至少一个拼接词组进行聚类,确定拼接词组聚类结果;依据所述拼接词组聚类结果对所述预设调查问卷推送模型进行参数优化,得到收敛的目标调查问卷推送模型。采用本发明实施例的技术方案,对拼接词组进行聚类确定聚类结果;依据聚类结果确定目标调查问卷推送模型,以此对待推送调查问卷的目标对象进行预测,提高了目标对象预测的准确度,从而提高了调查问卷推送的准确性。
图7是本发明实施例中提供的一种调查问卷推送装置的结构示意图,该装置包括:数据信息获取模块710、拼接词组确定模块720以及调查问卷推送模块730;其中,
数据信息获取模块710,用于获取待推送调查问卷的数据信息;其中,所述数据信息包括待推送调查问卷文本试题以及与文本试题对应的已确定选项;
拼接词组确定模块720,用于将所述数据信息进行预处理,得到至少一个拼接词组;所述预处理包括同义词替换以及拼接处理;
调查问卷推送模块730,用于将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。
在上述实施例的基础上,可选的,所述拼接词组确定模块,包括:
将所述待推送调查问卷文本试题进行同义词替换与分词处理,得到第一词组;
将与文本试题对应的选项进行同义词替换与分词处理,得到第二词组;
将所述第一词组与第二词组进行拼接处理,得到至少一个拼接词组。
在上述实施例的基础上,可选的,所述调查问卷推送模块,包括:
在预设调查问卷推送模型中对所述至少一个拼接词组进行聚类,确定拼接词组聚类结果;
依据所述拼接词组聚类结果对所述预设调查问卷推送模型进行参数优化,得到收敛的目标调查问卷推送模型。
在上述实施例的基础上,可选的,所述调查问卷推送模块,还包括:
获取所述至少一个拼接词组对应的词频;
将所述至少一个拼接词组进行向量化,并确定所述至少一个拼接词组的语义距离;
依据所述拼接词组的词频以及语义距离对拼接词组进行聚类,确定拼接词组聚类结果。
在上述实施例的基础上,可选的,所述调查问卷推送模块,还包括:
获取与所述待推送调查问卷关联的对象信息;其中,所述待推送调查问卷包括推送对象填写完成的调查问卷,所述对象信息包括年龄、性别以及调查问卷作答时间;
依据所述对象信息与拼接词组聚类结果对所述预设调查问卷推送模型进行训练,确定目标调查问卷推送模型。
在上述实施例的基础上,可选的,所述调查问卷推送模块,还包括:
依据所述目标调查问卷推送模型,确定拼接词组与推送对象间的对应关系;
依据拼接词组与推送对象间的对应关系,将所述至少一个拼接词组输入至目标调查问卷推送模型中,确定待推送调查问卷对应的目标对象;
将所述待推送调查问卷推送至目标对象。
本发明实施例中所提供的调查问卷推送装置可执行上述本发明任意实施例中所提供的调查问卷推送方法,具备执行该调查问卷推送方法相应的功能和有益效果,详细过程参见前述实施例中调查问卷推送方法的相关操作。
图8是本发明实施例中提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图8所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如调查问卷推送方法。
在一些实施例中,调查问卷推送方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的调查问卷推送方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行调查问卷推送方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种调查问卷推送方法,其特征在于,所述方法包括:
获取待推送调查问卷的数据信息;其中,所述数据信息包括待推送调查问卷文本试题以及与文本试题对应的已确定选项;
将所述数据信息进行预处理,得到至少一个拼接词组;所述预处理包括同义词替换以及拼接处理;
将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。
2.根据权利要求1所述的方法,其特征在于,所述将所述数据信息进行预处理,得到至少一个拼接词组,包括:
将所述待推送调查问卷文本试题进行同义词替换与分词处理,得到第一词组;
将与文本试题对应的选项进行同义词替换与分词处理,得到第二词组;
将所述第一词组与第二词组进行拼接处理,得到至少一个拼接词组。
3.根据权利要求1所述的方法,其特征在于,在将所述至少一个拼接词组输入至目标调查问卷推送模型中之前,包括:
在预设调查问卷推送模型中对所述至少一个拼接词组进行聚类,确定拼接词组聚类结果;
依据所述拼接词组聚类结果对所述预设调查问卷推送模型进行参数优化,得到收敛的目标调查问卷推送模型。
4.根据权利要求3所述的方法,其特征在于,所述在预设调查问卷推送模型中对拼接词组进行聚类,确定拼接词组聚类结果,包括:
获取所述至少一个拼接词组对应的词频;
将所述至少一个拼接词组进行向量化,并确定所述至少一个拼接词组的语义距离;
依据所述拼接词组的词频以及语义距离对拼接词组进行聚类,确定拼接词组聚类结果。
5.根据权利要求3所述的方法,其特征在于,所述依据所述拼接词组聚类结果对所述预设调查问卷推送模型进行参数优化,得到收敛的目标调查问卷推送模型,包括:
获取与所述待推送调查问卷关联的对象信息;其中,所述待推送调查问卷包括推送对象填写完成的调查问卷,所述对象信息包括年龄、性别以及调查问卷作答时间;
依据所述对象信息与拼接词组聚类结果对所述预设调查问卷推送模型进行训练,确定目标调查问卷推送模型。
6.根据权利要求1所述的方法,其特征在于,所述将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象,包括:
依据所述目标调查问卷推送模型,确定拼接词组与推送对象间的对应关系;
依据拼接词组与推送对象间的对应关系,将所述至少一个拼接词组输入至目标调查问卷推送模型中,确定待推送调查问卷对应的目标对象;
将所述待推送调查问卷推送至目标对象。
7.一种调查问卷推送装置,其特征在于,所述装置包括:
数据信息获取模块,用于获取待推送调查问卷的数据信息;其中,所述数据信息包括待推送调查问卷文本试题以及与文本试题对应的已确定选项;
拼接词组确定模块,用于将所述数据信息进行预处理,得到至少一个拼接词组;所述预处理包括同义词替换以及拼接处理;
调查问卷推送模块,用于将所述至少一个拼接词组输入至目标调查问卷推送模型中,得到所述待推送调查问卷对应的目标对象,并将所述待推送调查问卷推送至目标对象。
8.根据权利要求7所述的装置,其特征在于,所述拼接词组确定模块,包括:
将所述待推送调查问卷文本试题进行同义词替换与分词处理,得到第一词组;
将与文本试题对应的选项进行同义词替换与分词处理,得到第二词组;
将所述第一词组与第二词组进行拼接处理,得到至少一个拼接词组。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现权利要求1-6中任一所述的调查问卷推送方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的调查问卷推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310347117.6A CN116361556A (zh) | 2023-04-03 | 2023-04-03 | 一种调查问卷推送方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310347117.6A CN116361556A (zh) | 2023-04-03 | 2023-04-03 | 一种调查问卷推送方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116361556A true CN116361556A (zh) | 2023-06-30 |
Family
ID=86936872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310347117.6A Pending CN116361556A (zh) | 2023-04-03 | 2023-04-03 | 一种调查问卷推送方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116361556A (zh) |
-
2023
- 2023-04-03 CN CN202310347117.6A patent/CN116361556A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
CN113836925B (zh) | 预训练语言模型的训练方法、装置、电子设备及存储介质 | |
CN116737908A (zh) | 知识问答方法、装置、设备和存储介质 | |
CN115099239B (zh) | 一种资源识别方法、装置、设备以及存储介质 | |
CN115062718A (zh) | 语言模型训练方法、装置、电子设备及存储介质 | |
CN113053367A (zh) | 语音识别方法、语音识别的模型训练方法以及装置 | |
US20220198358A1 (en) | Method for generating user interest profile, electronic device and storage medium | |
CN113392218A (zh) | 文本质量评估模型的训练方法和确定文本质量的方法 | |
CN112632987A (zh) | 词槽的识别方法、装置及电子设备 | |
CN115481229A (zh) | 一种应答话术推送方法、装置、电子设备及存储介质 | |
CN115168562A (zh) | 一种智能问答系统的构建方法、装置、设备及介质 | |
CN113408280A (zh) | 负例构造方法、装置、设备和存储介质 | |
CN113157877A (zh) | 多语义识别方法、装置、设备和介质 | |
CN115186163B (zh) | 搜索结果排序模型的训练与搜索结果排序方法、装置 | |
CN114461665B (zh) | 用于生成语句转换模型的方法、装置及计算机程序产品 | |
CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
CN114118049B (zh) | 信息获取方法、装置、电子设备及存储介质 | |
CN113807091B (zh) | 词语挖掘方法、装置、电子设备和可读存储介质 | |
CN115292506A (zh) | 应用于办公领域的知识图谱本体构建方法和装置 | |
CN113743127A (zh) | 任务型对话的方法、装置、电子设备及存储介质 | |
CN114201953A (zh) | 一种关键词提取、模型训练方法、装置、设备及存储介质 | |
CN116361556A (zh) | 一种调查问卷推送方法、装置、电子设备及存储介质 | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
CN115033701B (zh) | 文本向量生成模型训练方法、文本分类方法及相关装置 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 |
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 |