CN116485450A - 一种需求自动识别的方法 - Google Patents
一种需求自动识别的方法 Download PDFInfo
- Publication number
- CN116485450A CN116485450A CN202310739819.9A CN202310739819A CN116485450A CN 116485450 A CN116485450 A CN 116485450A CN 202310739819 A CN202310739819 A CN 202310739819A CN 116485450 A CN116485450 A CN 116485450A
- Authority
- CN
- China
- Prior art keywords
- demand
- boundary
- slot
- module
- layer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012790 confirmation Methods 0.000 claims abstract description 27
- 238000003032 molecular docking Methods 0.000 claims abstract description 13
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 230000001502 supplementing effect Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000013145 classification model Methods 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 7
- 210000001503 joint Anatomy 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241001672694 Citrus reticulata Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种需求自动识别的方法,其包括:建立需求库,所述需求库由类别边界名称层和迭代边界版本层构成;构建需求理解模块,用于将文本或语音需求描述转化为需求库中的类别边界名称;构建需求确认策略模块,用于通过需求库中各层类别边界名称的槽位和策略增加与客户的互动轮数,补充识别出首轮没能确认的需求类别边界名称;构建需求预算模块,根据需求确认策略模块获取各迭代版本的预算和总预算;构建需求对接模块,所述需求对接模块分别连接需求理解模块、需求确认策略模块和需求预算模块,用于接收与其连接的各模块的数据,并将所述数据在显示单元进行显示,本发明自动识别减少了大量人员的工作量,提高了工作效率。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种需求自动识别的方法。
背景技术
随着各种人工智能算法的使用,人工智能算法技术给人们的生活带来极大便利。数据爆炸、业务场景多样化、技术进步和商业竞争使得人们对智能化的需求日益增加,希望通过人工智能算法不断提高生活质量。目前很多需求相关岗位依赖人工,效率低,纠纷多,比如,人工智能算法推广应用和大众体验的关键困难之一是对人工智能算法需求的识别依赖于经验丰富的算法工程师,而经验丰富的算法工程师市场紧缺、薪资高。
现有技术一般是业内人员靠面对面或者少量辅助文档对接,复杂的需求很难推进,比如由于人工智能算法和人工智能算法不同边界达到的使用效果难于直接理解,在中转对接需求中出错概率很高,整体效率低。目前实际业务中需求边界快速识别是急需的技术,能缩短合作方在需求达成全过程的一致上的时间消耗,降低开发成本,从多环节加速推进有市场前景的需求的开发和落地使用,进一步的将重复、枯燥无发展空间的工种智能化、便捷化。
发明内容
针对上述技术问题,本发明提供了一种可提高工作效率,节约成本的需求自动识别的方法。
为实现上述目的,本发明提供一种需求自动识别的方法,所述方法包括:建立需求库,所述需求库由类别边界名称层和迭代边界版本层构成;构建需求理解模块,用于将文本或语音需求描述转化为需求库中的类别边界名称;构建需求确认策略模块,用于通过需求库中各层类别边界名称的槽位和策略增加与客户的互动轮数,补充识别出首轮没能确认的需求类别边界名称;构建需求预算模块,根据需求确认策略模块获取各迭代版本的预算和总预算;构建需求对接模块,所述需求对接模块分别连接需求理解模块、需求确认策略模块和需求预算模块,用于接收与其连接的各模块的数据,并将所述数据在显示单元进行显示。
可选地,所述建立需求库,所述需求库由类别边界名称层和迭代边界版本层构成的步骤包括:建立类别边界名称层,上一层类别边界包含下一层类别边界并且相互连接,同层类别边界互不包含且互不连接;在类别边界名称层最底层的下一层建立迭代边界版本层,包括迭代版本号和每个迭代版本对应的商用指标、演示案例,工时、岗位人员、接口说明;定期处理各类别边界层级中的原始需求描述,先将原始需求描述转化为类别边界名称,将类别边界名称出现次数超过阈值的类别边界名称对应的各层类别边界名称和迭代边界版本层编入需求库。
可选地,所述构建需求理解模块,用于将文本或语音需求描述转化为需求库中的类别边界名称的步骤包括:收集需求库中各类别边界层类别边界名称相关描述的音频语料和文本语料达到第一预设数量;收集其他部分的音频语料和文本语料;对收集的语料进行处理,使用处理后的语料训练语音识别模型和文本分类模型;使用训练好的语音识别模型和文本分类模型搭建需求理解模块;收集正式使用产生的语料并与已有的语料合并对需求理解模型进行训练,更新需求理解模块中对应的模型。
可选地,所述方法还包括:有新的类别边界名称更新到需求边界库中时,同时收集相关语料达到设数量,与已有语料合并使用,训练出新的模型,更新需求理解模块中对应的模型。
可选地,对收集的语料进行处理中的处理方法包括清洗剔除脏数据和标注。
可选地,所述构建需求确认策略模块,用于通过需求库中各层类别边界名称的槽位和策略增加与客户的互动轮数,补充识别出首轮没能确认的需求类别边界名称的步骤包括:构建策略话术,根据需求库中各类别边界名称层的分类依据,收集需求确认策略话术文本,通过策略话术文本得到语音话术; 构建需求库中各层类别边界名称的槽位,槽位之间保持和需求库中各层类别名称相互间的级别和连接关系;构建槽位填充子单元,用于接收需求理解模块传出的类别名称,填充后该槽位则具有槽值;构建槽位判断子单元,用于判断已具有槽值填充的槽位的位置;构建槽值判断子单元,根据槽位判断子单元返回的已被填充的槽位的位置,判断要使用的需求确认话术和是否要传出策略激发指定;构建策略子单元,策略子单元被激发后,根据收到的槽位填充的位置,发起对应的策略话术收集槽值,直到最底层槽位被填充。
可选地,所述构建槽值判断子单元,根据槽位判断子单元返回的已被填充的槽位的位置,判断要使用的需求确认话术和是否要传出策略激发指定的步骤包括:判断需求库中类别边界层的最底层槽位的填充个数大于0,表示已有明确的需求个数,输出对应的语音话术、文本话术,最底层槽值;判断需求层级的最底层槽位的填充个数为0,表示暂没有明确的需求,传出策略激发指定,具体为将最底层填充为空和已有的填充位置发出去。
可选地,所述构建策略子单元,策略子单元被激发后,根据收到的槽位填充的位置,发起对应的策略话术收集槽值,直到最底层槽位被填充的步骤包括:策略子单元收到槽值判断子单元传来的最底层填充的槽值全为空后被激发,将收到的最低层的槽位填充位置对应的策略话术的语音话术和文本话术传出去;传给需求理解模块的文本或语音需求描述,被需求理解模块转成类别边界名称传给槽位填充子单元,槽位填充子单元填充后,槽位判断子单元会将填充槽值和位置发给槽值判断子单元。
可选地,所述判断需求库中类别边界层的最底层槽位的填充个数大于0,表示已有明确的需求个数,输出对应的语音话术、文本话术,最底层槽值的步骤包括:若类别边界层级的最底层槽位的填充个数为单个,对应单个需求,直接输出策略话术,同时输出对应类别边界的名称;若类别边界层级的最底层槽位的填充个数为多个,对应多个需求,直接输出策略话术,同时输出对应类别边界的名称。
可选地,所述需求对接模块用于演示声音和文本数据,并接收来自外界的文本和/或声音数据。
本发明提供的技术方案中,构建需求库对需求分类分级,并与具体需求的详细边界和指标等信息关联;需求理解模块用于将口头的需求描述文本化,将语音识别转成的文本需求描述转化为需求库中的具体需求类别名称,关联到需求的明确边界、指标、迭代版本等,需求确认策略模块通过槽位和策略增加与客户的互动轮数,补充识别出首轮没能确认的需求类别边界名称,通过需求预算模块给出预算,通过需求对接模块完成系统和外界的对接工作。本发明减少需求定价不准、开发、交付和验收阶段发现与预想不一致的问题,另外自动识别减少了大量人员的工作量,提高了工作效率,节约了成本。
附图说明
图1为本发明需求自动识别的方法的流程示意图;
图2为本发明需求自动识别的方法的其中一实施例的流程示意图;
图3为本发明需求自动识别的方法的另一实施例的流程示意图;
图4为本发明需求自动识别的方法的其中一实施例的流程示意图;
图5为本发明需求自动识别的方法的其中一实施例的流程示意图。
具体实施方式
下面将结合发明实施例中的附图,对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发明一部分实施例,而不是全部的实施例。基于发明中的实施例,本领域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,都属于发明保护的范围。
本发明提供一种需求自动识别的方法,请参考图1所示,所述方法包括如下步骤:
步骤S10,建立需求库,需求库由类别边界名称层和迭代边界版本层构成。类别边界名称层用于对需求分类并分级,迭代边界版本层用于存放每个迭代版本的具体边界相关的内容。
这部分是由本领域技术人员根据实际需求及实际对接按步骤归纳并不断扩充。
在本发明的其中一实施例中,请参考图2所示,步骤S10具体包括:
步骤S11,建立类别边界名称层,上一层类别边界包含下一层类别边界并且相互连接,同层类别边界互不包含且互不连接。
具体的,自上而下依次是第一层类别边界,第二层类别边界,第三层类别边界等按序的类别边界层,上一层类别边界包含下一层类别边界并且相互连接,同层类别边界互不包含且互不连接,例如,根据算法训练的数据类别分类的第一层类别边界的名称分别为“图像算法”、“语音算法”、“文本算法”、“其他”。“图像算法”、“语音算法”、“文本算法”、“其他”相互不连接;第一层类别边界“文本算法”对应的第二层类别边界根据是否可以直接使用分为“不可直接使用算法”,“定制化开发后可使用的算法”,“可直接使用的算法”、“其他”,举例中的三个第二层边界互相不连接,但都各自与举例中的第一层类别边界“文本算法”相互连接;第二层类别边界“定制化开发后可使用的算法”对应的第三层类别边界根据输入内容分为比如,“短文本理解”、“长文本理解”、“短文本相似度分析算法”、“其他”。第三类别边界“短文本理解”对应的第四层类别边界根据定向任务场景进行分类,比如,“催收欠款”,“定餐”,“挂号”、“其他”。
步骤S12,在类别边界名称层最底层的下一层建立迭代边界版本层,包括迭代版本号和每个迭代版本对应的商用指标、演示案例,工时、岗位人员、接口说明。
例如,第四层类别边界“挂号”,分为五个迭代版本,每版本对应的商用指标包括商用指标的定义、版本能达到的比如准确率和速度值、如果有竞品会给出竞品在同样测试数据情况下的比如准确率和速度值、没有竞品会给出学术指标值或者相似的竞品和学术的指标值;比如,版本一的商用指标为,某三甲医院眼科十位医生号源的商用准确率定义为,单通五轮对话内成功挂对号为对,否则为错,测试三十通,给出平均准确率。速度值为单轮机器反馈时间小于100ms。
步骤S13,定期处理各类别边界层级中的原始需求描述,先将原始需求描述转化为类别边界名称,将类别边界名称出现次数超过阈值的类别边界名称对应的各层类别边界名称和迭代边界版本层编入需求库。
步骤S20,构建需求理解模块,用于将文本或语音需求描述转化为需求库中的类别边界名称。
在本发明的其中一实施例中,请参考图3所示,步骤S20具体包括:
步骤S21,收集需求库中各类别边界层类别边界名称相关描述的音频语料和文本语料达到第一预设数量。比如,第三类别边界“短文本理解”对应的文本语料有“一句话的意图”、“咱们人工沟通单轮对话中各自表述的意思”,音频语料,需收集各种场景下文本语料的音频类型,场景比如打电话、会议、普通话、方言。
步骤S22,收集其他部分的音频语料和文本语料。本发明收集整个系统其他部分客户会问的音频语料和文本语料。比如,“只需要迭代版本1,其他迭代版本不需要”,“将各版本的边界内容和预算放大”。
步骤S23,对收集的语料进行处理,使用处理后的语料训练语音识别模型和文本分类模型。
语料的处理方法使用业界常用方法,一般包括清洗剔除脏数据,标注,标注形式可以采用业界常用的多意图进行标注,比如,一条需求描述语料包含需求库中的三个类别边界名称等价的描述,则标注三个标签,训练具体可以使用当前业界常用的算法预训练模型和微调方法。
传给多意图标注训练得到的模型的文本需求描述,包含零个或单个或多个需求库中的类别边界名称,均会被识别出来。
步骤S24,使用训练好的语音识别模型和文本分类模型搭建需求理解模块。
步骤S25,收集正式使用产生的语料并与已有的语料合并对需求理解模型进行训练,更新需求理解模块中对应的模型。需求理解模块正式使用后,不断收集正式使用产生的语料,当收集的语料的数量达到第二预设数量后,与已有的语料合并使用,训练出新的模型,更新需求理解模块中对应的模型。
当有新的类别边界名称更新到需求边界库中时,同时收集相关语料达到第三预设数量,与已有语料合并使用,训练出新的模型,更新需求理解模块中对应的模型。
传入需求理解模块的需求描述,若是语音,经过语音识别单元转化为文本,再经过文本识别单元转化为需求库中的需求边界名称,若是文本则直接经过文本识别单元转化为需求库中的需求边界名称。
步骤S30,构建需求确认策略模块,用于通过需求库中各层类别边界名称的槽位和策略增加与客户的互动轮数,补充识别出首轮没能确认的需求类别边界名称。
在本发明的其中一实施例中,请参考图4所示,步骤S30具体包括如下步骤:
步骤S31,构建策略话术,根据需求库中各类别边界名称层的分类依据,收集需求确认策略话术文本,通过策略话术文本得到语音话术。
每条分类依据需要收集达到第四预设数量条表述,用来增加询问的效率和亲和力。比如,“您这边要训练的数据是什么格式”,“您这边要训练的数据是图像格式,还是文本格式,还是音频格式,还是视频格式”,“您计划是把图像格式,还是文本格式,还是音频格式,还是视频格式,还是多种混合格式的东西输入给这个需求的算法呢”,“您谦虚啦,目前最先进和稳定的算法技术是分数据格式进行训练的,您是想要处理类似日常美照,还是类似优美散文,还是类似悦耳的音乐呢”。
用收集到的第五预设数量条的策略话术文本得到语音话术,可以采用语音合成的方法,也可以采用人工录制的方法,语音话术也需要有男声、女声两类,每类具体可以选比如三种音色,以用来提高效率和亲和力。语音合成可以采用现有的语音合成算法。
步骤S32,构建需求库中各层类别边界名称的槽位,槽位之间保持和需求库中各层类别名称相互间的级别和连接关系。
步骤S33,构建槽位填充子单元,用于接收需求理解模块传出的类别名称,填充后该槽位则具有槽值;
步骤S34,构建槽位判断子单元,用于判断已具有槽值填充的槽位的位置;
步骤S35,构建槽值判断子单元,根据槽位判断子单元返回的已被填充的槽位的位置,判断要使用的需求确认话术和是否要传出策略激发指定。
在本发明的其中一实施例中,请参考图5所示,步骤S35具体包括如下步骤:
步骤S351,判断需求库中类别边界层的最底层槽位的填充个数大于0个,表示已有明确的需求个数,输出对应的语音话术、文本话术,最底层槽值。具体步骤如下:
若类别边界层级的最底层槽位的填充个数为单个,对应单个需求,直接输出类似“需求及边界已明确,请稍等,选择版本并核对需求边界”的策略话术,同时输出对应类别边界的名称;
若类别边界层级的最底层槽位的填充个数为多个,对应多个需求。直接输出类似“多个需求及边界已明确,请稍等,选择版本并核对需求边界”的策略话术,同时输出对应类别边界的名称;
步骤S352,判断需求层级的最底层槽位的填充个数为0个,表示暂没有明确的需求,传出策略激发指定,具体为将最底层填充为空和已有的填充位置发出去。
步骤S36,构建策略子单元,策略子单元被激发后,根据收到的槽位填充的位置,发起对应的策略话术收集槽值,直到最底层槽位被填充。
在本发明的其中一实施例中,所述步骤S36具体包括:
策略子单元收到槽值判断子单元传来的最底层填充的槽值全为空后被激发,将收到的最低层的槽位填充位置对应的策略话术的语音话术和文本话术传出去。比如,收到的最低层槽位填充位置为0,表示没有槽位被填充,对应的策略话术的文本举例为“您这边计划使用算法的数据是图像,还是文本,还是声音,还是其他”。
传给需求理解模块的文本或语音需求描述,被需求理解模块转成类别边界名称传给槽位填充子单元,槽位填充子单元填充后,槽位判断子单元会将填充槽值和位置发给槽值判断子单元。通过槽值判断子单元、策略子单元、需求对接模块、需求理解模块,槽位填充子单元、槽位判断子单元,循环配合完成最底层槽位的填充,使其填充大于等于一个。
步骤S40,构建需求预算模块,根据需求确认策略模块获取各迭代版本的预算和总预算。具体的,包括以下步骤:
收集第六预设数量套数据,每套包含员工的名字、岗位、月薪、年薪、加薪数据、加班费用、五险一金公司缴纳部分的费用、请假的天数、日常其他综合人均费用,完成的需求的边界类别名称,完成需求的工时、参与的整个项目的营收额和成本的信息。日常其他综合人均费用,指除去以上费用外公司还需要支出的总费用计算得到的人均费用。公司还需支出的费用指比如,办公用品费,水电费。
根据收集的第六预设数量套数据,拟合出经验公式,经验公式中还需要包含风险因子的拟合项,输入是上一步骤除项目的成本外的数据,输出是上一步骤中项目的成本和净利润。
构建版本起止日期自动计算子单元。分两种,一种为工时都是工作日的工时,根据工时和开始日期自动计算结束工作日的日期。一种为确定起止日期,输出工时。实际预估工时减去实际起止日期包含的工作日的工时就是需要加班的工时。
根据需求确认策略模块中的槽值判断子单元传入的类别边界名称层级中的最底层连接的下一层级迭代边界版本层中的工时和岗位人员信息,得到各迭代版本预算和总的预算,并输出。
步骤S50,构建需求对接模块,需求对接模块分别连接需求理解模块、需求确认策略模块和需求预算模块,用于接收与其连接的各模块的数据,并将数据在显示单元进行显示。具体的,步骤S50包括如下步骤:
构建界面演示单元,用于演示声音和文本数据,并接收来自外界的文本和/或声音数据。
需求对接模块负责将需求描述的语音和/或文本传给需求理解模块。
需求对接模块接收需求确认策略模块中的槽值判断子单元传入的语音和文本策略话术。文本会显示在界面,语音会播放出来。
将需求确认策略模块中的槽值判断子单元传入的类别边界名称层级的最底层连接的下一层级迭代边界版本层中除去工时和岗位人员信息展示到界面,将需求预算模块输入的各迭代版本的预算和总的预算展示到界面。
接收客户对版本选择的语音和/或文本描述,并传给需求理解模块,由需求理解模块识别后发给需求预算模块,需求预算模块根据客户要求的工期,需求边界版本中工时,得到各迭代版本的起止日期、加班工时、更新后的版本预算和总的预算并传出,需求对接模块接到前述数据后,展示在界面。
本发明通过结合人工智能技术和传统的需求识别经验,搭建的需求自动识别系统节约人力,提高效率,促进有市场前景的需求的开发和落地使用。需求库对需求分类分级,并与具体需求的详细边界和指标等信息关联;需求理解模块用于将口头的需求描述文本化,将语音识别转成的文本需求描述转化为需求库中的具体需求类别名称,关联到需求的明确边界、指标、迭代版本等,需求确认策略模块通过槽位和策略增加与客户的互动轮数,补充识别出首轮没能确认的需求类别边界名称,通过需求预算模块给出预算,通过需求对接模块完成系统和外界的对接工作。本发明减少需求定价不准、开发、交付和验收阶段发现与预想不一致的问题,另外自动识别减少了大量人员的工作量,提高了工作效率,节约了成本。
以上实施例仅用以说明发明的技术方案,而非对其限制;尽管参照前述实施例对发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离发明各实施例技术方案的精神和范围。
Claims (10)
1.一种需求自动识别的方法,其特征在于,所述方法包括:
建立需求库,所述需求库由类别边界名称层和迭代边界版本层构成;
构建需求理解模块,用于将文本或语音需求描述转化为需求库中的类别边界名称;
构建需求确认策略模块,用于通过需求库中各层类别边界名称的槽位和策略增加与客户的互动轮数,补充识别出首轮没能确认的需求类别边界名称;
构建需求预算模块,根据需求确认策略模块获取各迭代版本的预算和总预算;
构建需求对接模块,所述需求对接模块分别连接需求理解模块、需求确认策略模块和需求预算模块,用于接收与其连接的各模块的数据,并将所述数据在显示单元进行显示。
2.根据权利要求1所述的需求自动识别的方法,其特征在于,所述建立需求库,所述需求库由类别边界名称层和迭代边界版本层构成的步骤包括:
建立类别边界名称层,上一层类别边界包含下一层类别边界并且相互连接,同层类别边界互不包含且互不连接;
在类别边界名称层最底层的下一层建立迭代边界版本层,包括迭代版本号和每个迭代版本对应的商用指标、演示案例、工时、岗位人员、接口说明;
定期处理各类别边界层级中的原始需求描述,先将原始需求描述转化为类别边界名称,将类别边界名称出现次数超过阈值的类别边界名称对应的各层类别边界名称和迭代边界版本层编入需求库。
3.根据权利要求1所述的需求自动识别的方法,其特征在于,所述构建需求理解模块,用于将文本或语音需求描述转化为需求库中的类别边界名称的步骤包括:
收集需求库中各类别边界层类别边界名称相关描述的音频语料和文本语料达到第一预设数量;
收集其他部分的音频语料和文本语料;
对收集的语料进行处理,使用处理后的语料训练语音识别模型和文本分类模型;
使用训练好的语音识别模型和文本分类模型搭建需求理解模块;
收集正式使用产生的语料并与已有的语料合并对需求理解模型进行训练,更新需求理解模块中对应的模型。
4.根据权利要求3所述的需求自动识别的方法,其特征在于,所述方法还包括:
有新的类别边界名称更新到需求边界库中时,同时收集相关语料达到预设数量,与已有语料合并使用,训练出新的模型,更新需求理解模块中对应的模型。
5.根据权利要求3所述的需求自动识别的方法,其特征在于,对收集的语料进行处理中的处理方法包括清洗剔除脏数据和标注。
6.根据权利要求1所述的需求自动识别的方法,其特征在于,所述构建需求确认策略模块,用于通过需求库中各层类别边界名称的槽位和策略增加与客户的互动轮数,补充识别出首轮没能确认的需求类别边界名称的步骤包括:
构建策略话术,根据需求库中各类别边界名称层的分类依据,收集需求确认策略话术文本,通过策略话术文本得到语音话术;
构建需求库中各层类别边界名称的槽位,槽位之间保持和需求库中各层类别名称相互间的级别和连接关系;
构建槽位填充子单元,用于接收需求理解模块传出的类别名称,填充后该槽位则具有槽值;
构建槽位判断子单元,用于判断已具有槽值填充的槽位的位置;
构建槽值判断子单元,根据槽位判断子单元返回的已被填充的槽位的位置,判断要使用的需求确认话术和是否要传出策略激发指定;
构建策略子单元,策略子单元被激发后,根据收到的槽位填充的位置,发起对应的策略话术收集槽值,直到最底层槽位被填充。
7.根据权利要求6所述的需求自动识别的方法,其特征在于,所述构建槽值判断子单元,根据槽位判断子单元返回的已被填充的槽位的位置,判断要使用的需求确认话术和是否要传出策略激发指定的步骤包括:
判断需求库中类别边界层的最底层槽位的填充个数大于0,表示已有明确的需求个数,输出对应的语音话术、文本话术,最底层槽值;
判断需求层级的最底层槽位的填充个数为0,表示暂没有明确的需求,传出策略激发指定,具体为将最底层填充为空和已有的填充位置发出去。
8.根据权利要求6所述的需求自动识别的方法,其特征在于,所述构建策略子单元,策略子单元被激发后,根据收到的槽位填充的位置,发起对应的策略话术收集槽值,直到最底层槽位被填充的步骤包括:
策略子单元收到槽值判断子单元传来的最底层填充的槽值全为空后被激发,将收到的最低层的槽位填充位置对应的策略话术的语音话术和文本话术传出去;
传给需求理解模块的文本或语音需求描述,被需求理解模块转成类别边界名称传给槽位填充子单元,槽位填充子单元填充后,槽位判断子单元会将填充槽值和位置发给槽值判断子单元。
9.根据权利要求7所述的需求自动识别的方法,其特征在于,所述判断需求库中类别边界层的最底层槽位的填充个数大于0,表示已有明确的需求个数,输出对应的语音话术、文本话术,最底层槽值的步骤包括:
若类别边界层级的最底层槽位的填充个数为单个,对应单个需求,直接输出策略话术,同时输出对应类别边界的名称;
若类别边界层级的最底层槽位的填充个数为多个,对应多个需求,直接输出策略话术,同时输出对应类别边界的名称。
10.根据权利要求1所述的需求自动识别的方法,其特征在于,所述需求对接模块用于演示声音和文本数据,并接收来自外界的文本和/或声音数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310739819.9A CN116485450B (zh) | 2023-06-21 | 2023-06-21 | 一种需求自动识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310739819.9A CN116485450B (zh) | 2023-06-21 | 2023-06-21 | 一种需求自动识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116485450A true CN116485450A (zh) | 2023-07-25 |
CN116485450B CN116485450B (zh) | 2023-08-29 |
Family
ID=87227188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310739819.9A Active CN116485450B (zh) | 2023-06-21 | 2023-06-21 | 一种需求自动识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485450B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172729A (zh) * | 2023-11-03 | 2023-12-05 | 南通进宝机械制造有限公司 | 一种基于大数据的劳务分包人员管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241288A (zh) * | 2020-01-17 | 2020-06-05 | 烟台海颐软件股份有限公司 | 一种大集中电力客户服务中心的突发事件感知系统以及构建方法 |
CN112131890A (zh) * | 2020-09-15 | 2020-12-25 | 北京慧辰资道资讯股份有限公司 | 一种会话意图智能识别模型的构建方法、装置及设备 |
CN113590778A (zh) * | 2021-06-30 | 2021-11-02 | 上海一谈网络科技有限公司 | 智能客服意图理解方法、装置、设备及存储介质 |
CN115293794A (zh) * | 2022-07-05 | 2022-11-04 | 国网经济技术研究院有限公司 | 一种基于智能规模识别的软件费用评估方法及系统 |
US20220383854A1 (en) * | 2020-07-31 | 2022-12-01 | Wiz Holdings Pte. Ltd. | Intent recognition method and intent recognition system having self learning capability |
-
2023
- 2023-06-21 CN CN202310739819.9A patent/CN116485450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241288A (zh) * | 2020-01-17 | 2020-06-05 | 烟台海颐软件股份有限公司 | 一种大集中电力客户服务中心的突发事件感知系统以及构建方法 |
US20220383854A1 (en) * | 2020-07-31 | 2022-12-01 | Wiz Holdings Pte. Ltd. | Intent recognition method and intent recognition system having self learning capability |
CN112131890A (zh) * | 2020-09-15 | 2020-12-25 | 北京慧辰资道资讯股份有限公司 | 一种会话意图智能识别模型的构建方法、装置及设备 |
CN113590778A (zh) * | 2021-06-30 | 2021-11-02 | 上海一谈网络科技有限公司 | 智能客服意图理解方法、装置、设备及存储介质 |
CN115293794A (zh) * | 2022-07-05 | 2022-11-04 | 国网经济技术研究院有限公司 | 一种基于智能规模识别的软件费用评估方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172729A (zh) * | 2023-11-03 | 2023-12-05 | 南通进宝机械制造有限公司 | 一种基于大数据的劳务分包人员管理系统 |
CN117172729B (zh) * | 2023-11-03 | 2024-04-05 | 南通进宝机械制造有限公司 | 一种基于大数据的劳务分包人员管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116485450B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651424B (zh) | 基于大数据技术的电力用户画像建立与分析方法 | |
US9753914B2 (en) | Natural expression processing method, processing and response method, device, and system | |
CN111833010A (zh) | 一种智能面试方法、系统、设备和存储介质 | |
WO2021135534A1 (zh) | 基于语音识别的对话管理处理方法、装置、设备及介质 | |
WO2022095380A1 (zh) | 基于ai的虚拟交互模型生成方法、装置、计算机设备及存储介质 | |
CN110110321A (zh) | 基于语音数据的产品推荐方法、装置、设备及存储介质 | |
CN116485450B (zh) | 一种需求自动识别的方法 | |
CN114862540A (zh) | 一种票据审核系统及其方法 | |
CN111275401A (zh) | 一种基于位置关系的智能面试方法及系统 | |
CN110633912A (zh) | 监测服务人员服务质量的方法及系统 | |
CN113313271B (zh) | 一种基于远程客服的电力系统故障报修方法及装置 | |
US20220366127A1 (en) | Legal Document Generation | |
CN110516057B (zh) | 一种信访问题答复方法及装置 | |
CN111882431A (zh) | 一种基于nlp深度学习智能消息推送方法 | |
CN109697679A (zh) | 知识产权服务导引方法及系统 | |
CN112434501A (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
CN114860916A (zh) | 知识检索方法及装置 | |
CN109583825B (zh) | 合同管理方法 | |
CN110399473A (zh) | 为用户问题确定答案的方法和装置 | |
CN107578183B (zh) | 基于能力评估的资源管理方法及装置 | |
CN113723635A (zh) | 一种面向客服系统的智能派单方法 | |
IT201900000526A1 (it) | Sistema di intelligenza artificiale per processi aziendali | |
CN114418366A (zh) | 一种智能云面试的数据处理方法和装置 | |
CN112866491B (zh) | 基于特定领域的多语义智能问答方法 | |
CN111612321B (zh) | 员工工作配置方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |