CN117236967B - 一种用于定制化咨询服务的互动模版进化方法及系统 - Google Patents
一种用于定制化咨询服务的互动模版进化方法及系统 Download PDFInfo
- Publication number
- CN117236967B CN117236967B CN202311469587.6A CN202311469587A CN117236967B CN 117236967 B CN117236967 B CN 117236967B CN 202311469587 A CN202311469587 A CN 202311469587A CN 117236967 B CN117236967 B CN 117236967B
- Authority
- CN
- China
- Prior art keywords
- user
- interactive
- template
- interactive template
- template library
- 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
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 274
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 95
- 238000009223 counseling Methods 0.000 claims abstract description 19
- 230000003993 interaction Effects 0.000 claims description 53
- 230000008451 emotion Effects 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000009792 diffusion process Methods 0.000 claims description 28
- 239000000126 substance Substances 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000005065 mining Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000007935 neutral effect Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 39
- 238000005457 optimization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种用于定制化咨询服务的互动模版进化方法及系统,涉及咨询服务技术领域,该用于定制化咨询服务的互动模版进化方法包括以下步骤:建立互动咨询平台;获取用户的行为信息建立互动模板库;建立互动协作平台,并收集用户的创作互动模板;收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化;将优化后的互动模板库推送给用户,并动态调整和更新互动模板库。本发明可以根据用户的行为信息智能推荐合适的互动模板,提高用户体验,收集用户对互动模板库的评价数据,基于创作互动模板对用户的互动模板库进行评估和优化,确保模板库的质量和实用性,有助于提高用户满意度和使用效果。
Description
技术领域
本发明涉及咨询服务技术领域,具体来说,特别涉及一种用于定制化咨询服务的互动模版进化方法及系统。
背景技术
在当前信息时代,企业和个人正面临着前所未有的挑战,这些挑战涵盖了市场竞争、技术创新、政策法规、人力资源等多个方面。为了在这个快速变化的环境中保持竞争力,企业和个人需要获得专业的咨询和建议来应对这些挑战。传统的咨询服务往往采用通用性的方法,缺乏针对性和个性化,很难满足不同客户的具体需求;然而,随着大数据、人工智能、机器学习等技术的快速发展,定制化咨询服务应运而生,成为了应对这些挑战的关键。定制化咨询服务是一种基于客户的具体需求和情境,为其提供高度个性化建议和解决方案的服务;这种服务不仅关注客户的独特需求,还充分考虑了行业背景、市场趋势和竞争对手的情况。
咨询服务的互动模板是一种用于提供咨询和建议的标准化模式或框架。这些模板通常包含了一系列问题、建议、步骤或指导,旨在帮助咨询师或服务提供者更轻松地与客户进行交互,并提供个性化的咨询。然而现有互动模板通常是基于固定的模板和规则,这限制了创造性和灵活性。对于一些复杂的咨询需求,互动模板可能无法提供足够的灵活性,无法满足特定情况下的需求,从而会使得咨询服务的互动模板在一些情况下使用效果不佳,进而会降低客户的使用体验。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
有鉴于此,本发明提供一种用于定制化咨询服务的互动模版进化方法及系统,以解决上述提及的现有互动模板通常是基于固定的模板和规则,会降低客户的使用体验的问题。
为了解决上述问题,本发明采用的具体技术方案如下:
根据本发明的一方面,提供了一种用于定制化咨询服务的互动模版进化方法,该用于定制化咨询服务的互动模版进化方法包括以下步骤:
S1、建立用于用户进行培训教育和咨询服务的互动咨询平台;
S2、获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库;
S3、建立用于用户进行创作编辑的互动协作平台,并收集用户的创作互动模板;
S4、收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化;
S5、将优化后的互动模板库推送给用户,并监控用户的行为和反馈,动态调整和更新互动模板库。
优选的,获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库包括以下步骤:
S21、收集用户的互动行为和偏好数据,并初始化交互模板资源;
S22、基于用户的互动行为和交互模板属性建立用户-模板相关性矩阵;
S23、根据建立的用户-模板相关性矩阵,通过物质扩散热传导算法动态调整交互模板资源;
S24、根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库。
优选的,收集用户的互动行为和偏好数据,并初始化交互模板资源包括以下步骤:
S211、对用户的行为进行追踪,获取用户的行为信息和反馈数据;
S212、收集每个交互模板的属性信息并进行清洗和处理;
S213、根据处理后的交互模板属性信息计算每个交互模板的初始资源,并将计算出的初始资源分配给每个交互模板。
优选的,根据建立的用户-模板相关性矩阵,通过物质扩散热传导算法动态调整交互模板资源包括以下步骤:
S231、对建立的用户-模板相关性矩阵进行归一化处理;
S232、将每个交互模板的初始资源作为温度,并通过物质扩散热传导算法计算每个交互模板与其他交互模板之间的温差;
S233、根据计算得到的温差结果进行资源转移,并对转移后的每个模板进行资源状态更新;
S234、重复执行步骤S231-S233,直至达到预设的迭代次数,并将最后的资源状态保存为交互模板的新资源状态。
优选的,根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库包括以下步骤:
S241、根据归一化处理后的用户-模板相关性矩,找出与用户相关性最高的互动模板;
S242、根据得到的交互模板的新资源状态,从用户相关性最高的互动模板中选取新资源状态最高的交互模板作为用户的推荐交互模板;
S243、将推荐的交互模板添加到用户的个人模板库中,用于用户在需要时使用。
优选的,收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化包括以下步骤:
S41、收集用户对互动模板库的评价数据,并进行文本预处理;
S42、基于文本预处理后的评价数据,通过文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重;
S43、基于提取的关键因素和它们的权重,计算用户对互动模板的情感评价值;
S44、根据得到的情感评价值,对用户的互动模板库中的互动模板进行排名,分为正面评价、中性评价和负面评价;
S45、对用户的创作互动模板进行风格分析,并结合得到的情感评价值对用户的互动模板库进行优化。
优选的,收集用户对互动模板库的评价数据,并进行文本预处理包括以下步骤:
S411、通过数据采集器收集用户对互动模板库的评价数据,包括用户反馈、评论和评分;
S412、对收集到的评价数据进行文本分词、停用词过滤及无效信息剔除处理,得到初始文本数据;
S413、基于词典编码距离的词汇语义相似度计算方法计算初始文本数据词语之间的相似度,将超过预设阈值的同义词进行合并,并对合并后词汇的词频进行加权处理;
S414、对同义词合并后的初始文本数据进行标准化处理,得到标准化文本数据。
优选的,基于文本预处理后的评价数据,通过文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重包括以下步骤:
S421、对得到的标准化文本数据进行特征词提取;
S422、通过逆向文档频率法对提取的特征词进行权值计算,得到特征词权重;
S423、根据得到的特征词和特征词权重构建特征词-权重矩阵,且矩阵中的每个元素代表关键词在评论文本中的权重;
S424、基于构建的特征词-权重矩阵,通过聚类算法提取关键因素,并利用加权平均法计算关键因素的权重值。
优选的,基于提取的关键因素和它们的权重,计算用户对互动模板的情感评价值的计算公式为:
;
式中,SO表示用户对互动模板的情感评价值;
Strength(md ij )表示第j条评论中第i个特征词前的程度副词md ij 的强度;
n表示特征词的数量;
B a 表示第a个正面情感词;
C b 表示第b个负面情感词;
w i 表示第i个特征词的权重值;
k表示正面情感词和负面情感词的总数量。
根据本发明的另一方面,提供了一种用于定制化咨询服务的互动模版进化系统,该用于定制化咨询服务的互动模版进化系统包括:互动咨询平台、互动模板库建立模块、互动协作平台、互动模板库评估模块及动态调整更新模块,且互动咨询平台、互动模板库建立模块、互动协作平台、互动模板库评估模块及动态调整更新模块之间依次连接;
互动咨询平台,用于用户进行培训教育和咨询服务;
互动模板库建立模块,用于获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库;
互动协作平台,用于用户进行创作编辑,并收集用户的创作互动模板;
互动模板库评估模块,用于收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化;
动态调整更新模块,用于将优化后的互动模板库推送给用户,并监控用户的行为和反馈,动态调整和更新互动模板库。
本发明的有益效果为:
1、本发明通过建立互动咨询平台和收集用户行为信息,可以为用户提供更加个性化的培训教育和咨询服务,满足不同用户的需求,利用物质扩散热传导算法为用户建立互动模板库,可以根据用户的行为信息智能推荐合适的互动模板,提高用户体验,收集用户对互动模板库的评价数据,基于创作互动模板对用户的互动模板库进行评估和优化,确保模板库的质量和实用性,有助于提高用户满意度和使用效果。
2、本发明通过收集用户的互动行为和偏好数据,可以更准确地了解用户的需求和兴趣,从而为用户推荐更符合其需求的互动模板,基于用户的互动行为和交互模板属性建立用户-模板相关性矩阵,并通过物质扩散热传导算法动态调整交互模板资源,使得推荐的模板能够随着用户行为的变化而实时调整,通过物质扩散热传导算法计算每个交互模板与其他交互模板之间的温差,实现资源的转移和优化,提高模板库的整体质量,能够根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库,使用户能够根据自己的需求和喜好选择合适的模板进行互动。
3、本发明通过数据采集器收集用户对互动模板库的评价数据,包括用户反馈、评论和评分,可以直接获取用户对模板库的反馈,有助于了解用户需求和优化模板库,对收集到的评价数据进行文本分词、停用词过滤及无效信息剔除处理,可以有效提取关键信息,增强数据的可用性,基于文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重,有助于准确了解用户对互动模板的关键评价因素,有利于优化模板设计,基于用户评价和风格分析对模板库进行优化,可以提升模板库的质量和用户满意度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是根据本发明实施例的一种用于定制化咨询服务的互动模版进化方法的流程图;
图2是根据本发明实施例的一种用于定制化咨询服务的互动模版进化系统的原理框图。
图中:
1、互动咨询平台;2、互动模板库建立模块;3、互动协作平台;4、互动模板库评估模块;5、动态调整更新模块。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,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方式,都应当属于本申请保护的范围。
根据本发明的实施例,提供了一种用于定制化咨询服务的互动模版进化方法及系统。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明的一个实施例,提供了一种用于定制化咨询服务的互动模版进化方法,该用于定制化咨询服务的互动模版进化方法包括以下步骤:
S1、建立用于用户进行培训教育和咨询服务的互动咨询平台。
需要说明的是,首先,收集、整理各类培训、教育和咨询相关的知识内容,构建知识库为用户服务,然后开发智能客服,使用聊天机器人、语音助手等智能客服方式,为用户提供随时的咨询服务。
S2、获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库。
作为优选实施方式,获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库包括以下步骤:
S21、收集用户的互动行为和偏好数据,并初始化交互模板资源。
作为优选实施方式,收集用户的互动行为和偏好数据,并初始化交互模板资源包括以下步骤:
S211、对用户的行为进行追踪,获取用户的行为信息和反馈数据。
需要说明的是,记录用户的各种操作行为,如点击、浏览、支付、分享等,收集用户的反馈,包括评论、评分、问题报告等反馈。
S212、收集每个交互模板的属性信息并进行清洗和处理。
需要说明的是,收集交互模板的元数据,如模板ID、名称、所属分类等,收集模板的使用数据,如被使用次数、被访问量等。
清洗和处理包括去除重复数据,检查并修改数据不一致的情况,对缺失值进行标记或合理填充。
S213、根据处理后的交互模板属性信息计算每个交互模板的初始资源,并将计算出的初始资源分配给每个交互模板。
需要说明的是,根据模板的属性特点确定计算初始资源的模型,为每个属性设定权重,表示其对资源大小的影响程度,根据模型并采用加权求和的方法计算每个模板的初始资源值,将计算好的初始资源值分配给对应的交互模板,作为模板的初始状态。
S22、基于用户的互动行为和交互模板属性建立用户-模板相关性矩阵;
需要说明的是,用户-模板相关性矩阵的建立包括以下步骤:统计每个用户与每个模板的交互行为,构建一个用户-模板的行为矩阵,基于构建的行为矩阵,采用相关性算法计算出用户与模板之间的相关性,统计每个模板的各属性值,并计算用户与模板的匹配程度,基于用户数和模板数生成一个二维矩阵,每个元素表示用户和模板的相关性。
S23、根据建立的用户-模板相关性矩阵,通过物质扩散热传导算法动态调整交互模板资源。
作为优选实施方式,根据建立的用户-模板相关性矩阵,通过物质扩散热传导算法动态调整交互模板资源包括以下步骤:
S231、对建立的用户-模板相关性矩阵进行归一化处理。
需要说明的是,对建立的用户-模板相关性矩阵进行归一化处理的目的是将矩阵中的数值转换到一个统一的度量范围内,可以消除数据量纲的影响,便于后续计算和分析。
S232、将每个交互模板的初始资源作为温度,并通过物质扩散热传导算法计算每个交互模板与其他交互模板之间的温差。
需要说明的是,将每个交互模板的初始资源作为温度,为了计算每个交互模板与其他交互模板之间的温差,首先需要构建一个邻接矩阵,表示模板之间的相似度或关联程度,然后利用物质扩散热传导算法,根据邻接矩阵和每个模板的温度值,计算每个模板与其他模板之间的温差;物质扩散热传导算法模拟了现实世界中热量从高温区域向低温区域传递的过程,可以用于描述模板资源的传递和分配。
S233、根据计算得到的温差结果进行资源转移,并对转移后的每个模板进行资源状态更新。
需要说明的是,根据计算得到的温差结果,进行资源转移;资源从高温模板向低温模板传递,使得模板之间的资源分布更加均衡;有助于提高模板库的整体质量,为用户提供更优质的互动体验。
S234、重复执行步骤S231-S233,直至达到预设的迭代次数,并将最后的资源状态保存为交互模板的新资源状态。
S24、根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库。
作为优选实施方式,根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库包括以下步骤:
S241、根据归一化处理后的用户-模板相关性矩,找出与用户相关性最高的互动模板;。
需要说明的是,根据归一化处理后的相关性矩阵,为每个用户找出与其相关性最高的模板;具体来说,可以为每个用户找出相关性矩阵中值最大的模板,即为该用户推荐的最相关模板。
S242、根据得到的交互模板的新资源状态,从用户相关性最高的互动模板中选取新资源状态最高的交互模板作为用户的推荐交互模板。
需要说明的是,获取每个交互模板的新资源状态,并从用户相关性最高的互动模板中筛选出新资源状态最高的模板,然后将筛选出的模板作为用户的推荐交互模板,这样选择的模板不仅与用户高度相关,而且具有高的资源状态,从而可能提供更好的用户体验。
S243、将推荐的交互模板添加到用户的个人模板库中,用于用户在需要时使用。
具体的,通过收集用户的互动行为和偏好数据,可以更准确地了解用户的需求和兴趣,从而为用户推荐更符合其需求的互动模板,基于用户的互动行为和交互模板属性建立用户-模板相关性矩阵,并通过物质扩散热传导算法动态调整交互模板资源,使得推荐的模板能够随着用户行为的变化而实时调整,通过物质扩散热传导算法计算每个交互模板与其他交互模板之间的温差,实现资源的转移和优化,提高模板库的整体质量,能够根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库,使用户能够根据自己的需求和喜好选择合适的模板进行互动。
S3、建立用于用户进行创作编辑的互动协作平台,并收集用户的创作互动模板。
需要说明的是,通过设计一个用于用户创作编辑的互动协作平台,使用户能够轻松地进行创作和编辑,平台包含基本的创作工具,如文本编辑器、图形设计工具等。然后设置一个系统,使其能够自动收集和存储用户创作的互动模板;这些模板可以用于提升平台的模板库,也可以用于进行用户行为分析;并且提供用户反馈功能,让用户能够对平台和模板提出建议和改进意见;有助于平台的持续改进和优化。
S4、收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化。
作为优选实施方式,收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化包括以下步骤:
S41、收集用户对互动模板库的评价数据,并进行文本预处理。
收集用户对互动模板库的评价数据,并进行文本预处理包括以下步骤:
S411、通过数据采集器收集用户对互动模板库的评价数据,包括用户反馈、评论和评分。
评价数据具体包括用户使用模板后的反馈调查、用户在模板库页面的评论区发表的评论、用户对模板的评分记录、用户联系客服的反馈、第三方渠道获取的用户评价数据等等。
S412、对收集到的评价数据进行文本分词、停用词过滤及无效信息剔除处理,得到初始文本数据。
需要说明的是,文本分词是将收集到的评价数据中的文本按照句子或段落进行切割。将切割后的文本进一步分成单词或词语,分词的目的是将文本分解成有意义的单元,便于后续处理。
停用词过滤通常需要过滤掉一些停用词,这些词汇通常是常见且没有实际分析价值的词,有助于减少文本数据的维度,并提高分析的效率。
无效信息剔除可以进一步剔除无效信息,如特殊字符、数字、网址链接等;有助于保留有意义的文本部分,减少噪音对后续分析的影响。
S413、基于词典编码距离的词汇语义相似度计算方法计算初始文本数据词语之间的相似度,将超过预设阈值的同义词进行合并,并对合并后词汇的词频进行加权处理。
需要说明的是,计算初始文本数据词语之间的相似度之前需要构建一个词汇语义相似度的词典或数据库。这个词典通常包含了词语之间的语义相似度得分。对于初始文本数据中的每一对词语,可以使用词汇语义相似度词典来计算它们之间的语义相似度得分。
对于超过预设阈值的词语对,将它们视为同义词,并进行合并;可以将这些同义词替换为一个代表词,以减少文本数据的维度和复杂性。对于合并后的词汇,可以对它们的词频进行加权处理,以反映它们的重要性。
S414、对同义词合并后的初始文本数据进行标准化处理,得到标准化文本数据。
需要说明的是,标准化后的文本数据将更容易用于文本挖掘、情感分析、关键词提取等任务,因为它减小了数据的复杂性和噪声。
S42、基于文本预处理后的评价数据,通过文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重。
作为优选实施方式,基于文本预处理后的评价数据,通过文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重包括以下步骤:
S421、对得到的标准化文本数据进行特征词提取,特征词包括主体特征词、情感词以及网络用语词。
需要说明的是,主体特征词通常是与任务或领域相关的关键词;情感词通常是表达情感和情感极性的词汇,网络用语词是指在互联网上广泛使用的非正式词汇和缩写。
S422、通过逆向文档频率法对提取的特征词进行权值计算,得到特征词权重。
需要说明的是,逆向文档频率是一种用于计算文本数据中特征词权重的常用方法,特别是在信息检索和文本挖掘中;逆向文档频率法可用于衡量一个特征词对整个文本语料库的重要性,即特征词的稀有性。
对于每个特征词,计算它在整个语料库中出现的文档数,然后计算每个特征词的逆向文档频率,并将其作为特征词的权重。
S423、根据得到的特征词和特征词权重构建特征词-权重矩阵,且矩阵中的每个元素代表关键词在评论文本中的权重。
S424、基于构建的特征词-权重矩阵,通过聚类算法提取关键因素,并利用加权平均法计算关键因素的权重值。
需要说明的是,对于每个文本文档,根据文档中包含的特征词,将相应的权重值填充到预设的矩阵中的对应位置,如果文档中不包含某个特征词,则该位置的权重值可以设置为零或其他适当的默认值。
S43、基于提取的关键因素和它们的权重,计算用户对互动模板的情感评价值。
作为优选实施方式,基于提取的关键因素和它们的权重,计算用户对互动模板的情感评价值的计算公式为:
;
式中,SO表示用户对互动模板的情感评价值;Strength(md ij )表示第j条评论中第i个特征词前的程度副词md ij 的强度;n表示特征词的数量;B a 表示第a个正面情感词;C b 表示第b个负面情感词;w i 表示第i个特征词的权重值;k表示正面情感词和负面情感词的总数量。
需要说明的是,程度副词通常用于修饰情感词的强度,从而更准确地表达情感,程度副词的强度可通过情感词典或情感词库来获取程度副词的强度信息。
正面情感词和负面情感词通常是通过使用情感词汇表来获取的。情感词汇表是包含了一系列与情感相关的词汇的列表,这些词汇被分类为正面、负面或中性。
S44、根据得到的情感评价值,对用户的互动模板库中的互动模板进行排名,分为正面评价、中性评价和负面评价。
需要说明的是,对用户的互动模板库中的互动模板进行排名之前需要设定情感评价值的阈值,以将模板划分为正面、中性和负面;在每个情感类别中,可以根据情感评价值的大小对模板进行排序,以确定哪些模板在该类别中排名较高。这可以帮助用户更容易找到受欢迎或质量较高的模板。
S45、对用户的创作互动模板进行风格分析,并结合得到的情感评价值对用户的互动模板库进行优化。
需要说明的是,对用户的创作互动模板进行风格分析需要通过自然语言处理技术从用户的创作互动模板中提取风格特征,然后将用户的互动模板根据风格特征进行分类,然后将之前计算的情感评价值与风格分析结果结合起来,计算每个风格类别内模板的平均情感评价值,最后根据用户反馈和情感评价值,并基于用户需求和风格类别将互动模板库中的低评价或不受欢迎的模板替换为更适合的模板。
具体的,通过数据采集器收集用户对互动模板库的评价数据,包括用户反馈、评论和评分,可以直接获取用户对模板库的反馈,有助于了解用户需求和优化模板库,对收集到的评价数据进行文本分词、停用词过滤及无效信息剔除处理,可以有效提取关键信息,增强数据的可用性,基于文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重,有助于准确了解用户对互动模板的关键评价因素,有利于优化模板设计,基于用户评价和风格分析对模板库进行优化,可以提升模板库的质量和用户满意度。
S5、将优化后的互动模板库推送给用户,并监控用户的行为和反馈,动态调整和更新互动模板库。
需要说明的是,通过将优化的互动模板库集成到咨询服务平台中,然后跟踪并继续收集用户对使用模板的反馈意见,并分析用户的行为数据和反馈进行互动模板库更新和优化。
如图2所示,根据本发明的另一个实施例,提供了一种用于定制化咨询服务的互动模版进化系统,该用于定制化咨询服务的互动模版进化系统包括:互动咨询平台1、互动模板库建立模块2、互动协作平台3、互动模板库评估模块4及动态调整更新模块5,且互动咨询平台1、互动模板库建立模块2、互动协作平台3、互动模板库评估模块4及动态调整更新模块5之间依次连接。
互动咨询平台1,用于用户进行培训教育和咨询服务。
互动模板库建立模块2,用于获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库。
互动协作平台3,用于用户进行创作编辑,并收集用户的创作互动模板。
互动模板库评估模块4,用于收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化。
动态调整更新模块5,用于将优化后的互动模板库推送给用户,并监控用户的行为和反馈,动态调整和更新互动模板库。
综上所述,借助于本发明的上述技术方案,本发明通过建立互动咨询平台和收集用户行为信息,可以为用户提供更加个性化的培训教育和咨询服务,满足不同用户的需求,利用物质扩散热传导算法为用户建立互动模板库,可以根据用户的行为信息智能推荐合适的互动模板,提高用户体验,收集用户对互动模板库的评价数据,基于创作互动模板对用户的互动模板库进行评估和优化,确保模板库的质量和实用性,有助于提高用户满意度和使用效果;本发明通过收集用户的互动行为和偏好数据,可以更准确地了解用户的需求和兴趣,从而为用户推荐更符合其需求的互动模板,基于用户的互动行为和交互模板属性建立用户-模板相关性矩阵,并通过物质扩散热传导算法动态调整交互模板资源,使得推荐的模板能够随着用户行为的变化而实时调整,通过物质扩散热传导算法计算每个交互模板与其他交互模板之间的温差,实现资源的转移和优化,提高模板库的整体质量,能够根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库,使用户能够根据自己的需求和喜好选择合适的模板进行互动;本发明通过数据采集器收集用户对互动模板库的评价数据,包括用户反馈、评论和评分,可以直接获取用户对模板库的反馈,有助于了解用户需求和优化模板库,对收集到的评价数据进行文本分词、停用词过滤及无效信息剔除处理,可以有效提取关键信息,增强数据的可用性,基于文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重,有助于准确了解用户对互动模板的关键评价因素,有利于优化模板设计,基于用户评价和风格分析对模板库进行优化,可以提升模板库的质量和用户满意度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、光学存储器等)上实施的计算机程序产品的形式。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于定制化咨询服务的互动模版进化方法,其特征在于,该用于定制化咨询服务的互动模版进化方法包括以下步骤:
S1、建立用于用户进行培训教育和咨询服务的互动咨询平台;
S2、获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库;
S3、建立用于用户进行创作编辑的互动协作平台,并收集用户的创作互动模板;
S4、收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化;
S5、将优化后的互动模板库推送给用户,并监控用户的行为和反馈,动态调整和更新互动模板库;
所述获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库包括以下步骤:
S21、收集用户的互动行为和偏好数据,并初始化交互模板资源;
S22、基于用户的互动行为和交互模板属性建立用户-模板相关性矩阵;
S23、根据建立的用户-模板相关性矩阵,通过物质扩散热传导算法动态调整交互模板资源;
S24、根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库;
所述收集用户的互动行为和偏好数据,并初始化交互模板资源包括以下步骤:
S211、对用户的行为进行追踪,获取用户的行为信息和反馈数据;
S212、收集每个交互模板的属性信息并进行清洗和处理;
S213、根据处理后的交互模板属性信息计算每个交互模板的初始资源,并将计算出的初始资源分配给每个交互模板;
所述根据建立的用户-模板相关性矩阵,通过物质扩散热传导算法动态调整交互模板资源包括以下步骤:
S231、对建立的用户-模板相关性矩阵进行归一化处理;
S232、将每个交互模板的初始资源作为温度,并通过物质扩散热传导算法计算每个交互模板与其他交互模板之间的温差;
S233、根据计算得到的温差结果进行资源转移,并对转移后的每个模板进行资源状态更新;
S234、重复执行步骤S231-S233,直至达到预设的迭代次数,并将最后的资源状态保存为交互模板的新资源状态;
所述收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化包括以下步骤:
S41、收集用户对互动模板库的评价数据,并进行文本预处理;
S42、基于文本预处理后的评价数据,通过文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重;
S43、基于提取的关键因素和它们的权重,计算用户对互动模板的情感评价值;
S44、根据得到的情感评价值,对用户的互动模板库中的互动模板进行排名,分为正面评价、中性评价和负面评价;
S45、对用户的创作互动模板进行风格分析,并结合得到的情感评价值对用户的互动模板库进行优化。
2.根据权利要求1所述的一种用于定制化咨询服务的互动模版进化方法,其特征在于,所述根据动态调整后的交互模板资源,为每个用户推荐交互模板,并形成互动模板库包括以下步骤:
S241、根据归一化处理后的用户-模板相关性矩,找出与用户相关性最高的互动模板;
S242、根据得到的交互模板的新资源状态,从用户相关性最高的互动模板中选取新资源状态最高的交互模板作为用户的推荐交互模板;
S243、将推荐的交互模板添加到用户的个人模板库中,用于用户在需要时使用。
3.根据权利要求1所述的一种用于定制化咨询服务的互动模版进化方法,其特征在于,所述收集用户对互动模板库的评价数据,并进行文本预处理包括以下步骤:
S411、通过数据采集器收集用户对互动模板库的评价数据,包括用户反馈、评论和评分;
S412、对收集到的评价数据进行文本分词、停用词过滤及无效信息剔除处理,得到初始文本数据;
S413、基于词典编码距离的词汇语义相似度计算方法计算初始文本数据词语之间的相似度,将超过预设阈值的同义词进行合并,并对合并后词汇的词频进行加权处理;
S414、对同义词合并后的初始文本数据进行标准化处理,得到标准化文本数据。
4.根据权利要求3所述的一种用于定制化咨询服务的互动模版进化方法,其特征在于,所述基于文本预处理后的评价数据,通过文本挖掘技术提取用户评价数据中的关键因素,并计算关键因素的权重包括以下步骤:
S421、对得到的标准化文本数据进行特征词提取;
S422、通过逆向文档频率法对提取的特征词进行权值计算,得到特征词权重;
S423、根据得到的特征词和特征词权重构建特征词-权重矩阵,且矩阵中的每个元素代表关键词在评论文本中的权重;
S424、基于构建的特征词-权重矩阵,通过聚类算法提取关键因素,并利用加权平均法计算关键因素的权重值。
5.根据权利要求4所述的一种用于定制化咨询服务的互动模版进化方法,其特征在于,所述基于提取的关键因素和它们的权重,计算用户对互动模板的情感评价值的计算公式为:
;
式中,SO表示用户对互动模板的情感评价值;
Strength(md ij )表示第j条评论中第i个特征词前的程度副词md ij 的强度;
n表示特征词的数量;
B a 表示第a个正面情感词;
C b 表示第b个负面情感词;
w i 表示第i个特征词的权重值;
k表示正面情感词和负面情感词的总数量。
6.一种用于定制化咨询服务的互动模版进化系统,用于实现权利要求1-5中任一项所述的用于定制化咨询服务的互动模版进化方法,其特征在于,该用于定制化咨询服务的互动模版进化系统包括:互动咨询平台、互动模板库建立模块、互动协作平台、互动模板库评估模块及动态调整更新模块,且所述互动咨询平台、所述互动模板库建立模块、所述互动协作平台、所述互动模板库评估模块及所述动态调整更新模块之间依次连接;
所述互动咨询平台,用于用户进行培训教育和咨询服务;
所述互动模板库建立模块,用于获取用户的行为信息,并利用物质扩散热传导算法为用户建立互动模板库;
所述互动协作平台,用于用户进行创作编辑,并收集用户的创作互动模板;
所述互动模板库评估模块,用于收集用户对互动模板库的评价数据,并基于创作互动模板对用户的互动模板库进行评估和优化;
所述动态调整更新模块,用于将优化后的互动模板库推送给用户,并监控用户的行为和反馈,动态调整和更新互动模板库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311469587.6A CN117236967B (zh) | 2023-11-07 | 2023-11-07 | 一种用于定制化咨询服务的互动模版进化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311469587.6A CN117236967B (zh) | 2023-11-07 | 2023-11-07 | 一种用于定制化咨询服务的互动模版进化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117236967A CN117236967A (zh) | 2023-12-15 |
CN117236967B true CN117236967B (zh) | 2024-01-23 |
Family
ID=89086315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311469587.6A Active CN117236967B (zh) | 2023-11-07 | 2023-11-07 | 一种用于定制化咨询服务的互动模版进化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117236967B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347359A (zh) * | 2020-11-12 | 2021-02-09 | 北京沃东天骏信息技术有限公司 | 用于定制模板库的模板推荐方法、装置、系统和介质 |
CN112488425A (zh) * | 2020-12-17 | 2021-03-12 | 泸州银行股份有限公司 | 一种银行业务流程任务模板优化的预测方法 |
CN113722577A (zh) * | 2020-05-25 | 2021-11-30 | 北京京东振世信息技术有限公司 | 反馈信息的处理方法、装置、设备以及存储介质 |
CN115396389A (zh) * | 2022-07-07 | 2022-11-25 | 深圳市华汇数据服务有限公司 | 一种基于情绪能量感知的物联网信息技术客服服务系统 |
-
2023
- 2023-11-07 CN CN202311469587.6A patent/CN117236967B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113722577A (zh) * | 2020-05-25 | 2021-11-30 | 北京京东振世信息技术有限公司 | 反馈信息的处理方法、装置、设备以及存储介质 |
CN112347359A (zh) * | 2020-11-12 | 2021-02-09 | 北京沃东天骏信息技术有限公司 | 用于定制模板库的模板推荐方法、装置、系统和介质 |
CN112488425A (zh) * | 2020-12-17 | 2021-03-12 | 泸州银行股份有限公司 | 一种银行业务流程任务模板优化的预测方法 |
CN115396389A (zh) * | 2022-07-07 | 2022-11-25 | 深圳市华汇数据服务有限公司 | 一种基于情绪能量感知的物联网信息技术客服服务系统 |
Non-Patent Citations (1)
Title |
---|
基于文本与Web语义分析的智能咨询服务模式及体系架构研究;唐晓波;魏巍;;情报科学(11) * |
Also Published As
Publication number | Publication date |
---|---|
CN117236967A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110993081B (zh) | 一种医生在线推荐方法及系统 | |
Eliacik et al. | Influential user weighted sentiment analysis on topic based microblogging community | |
Abirami et al. | Sentiment analysis model to emphasize the impact of online reviews in healthcare industry | |
Kumar et al. | Text mining: concepts, process and applications | |
Valsamidis et al. | A framework for opinion mining in blogs for agriculture | |
Aung et al. | Personality prediction based on content of Facebook users: A literature review | |
Sivanantham | Sentiment analysis on social media for emotional prediction during COVID‐19 pandemic using efficient machine learning approach | |
Agarwal et al. | Descriptive Research on AI-based tools to aid personalized customer service: Case of ChatGPT | |
Quan et al. | An improved accurate classification method for online education resources based on support vector machine (SVM): Algorithm and experiment | |
CN108681977A (zh) | 一种律师信息处理方法和系统 | |
Wang et al. | Doctor selection based on aspect-based sentiment analysis and neutrosophic TOPSIS method | |
CN117236967B (zh) | 一种用于定制化咨询服务的互动模版进化方法及系统 | |
KR102454261B1 (ko) | 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법 | |
Cruz et al. | Analyzing Public Concern Responses for Formulating Ordinances and Laws using Sentiment Analysis through VADER Application | |
Singh et al. | Mining tourists’ opinions on popular Indian tourism hotspots using sentiment analysis and topic modeling | |
CN113326348A (zh) | 一种博客质量评估方法及工具 | |
Dziczkowski et al. | RRSS-rating reviews support system purpose built for movies recommendation | |
Jardim et al. | A Multilingual Lexicon-based Approach for Sentiment Analysis in Social and Cultural Information System Data | |
Kindra et al. | A fuzzy-based approach for characterization and identification of sentiments | |
Kustanto et al. | Sentiment Analysis of Indonesia’s National Health Insurance Mobile Application using Naïve Bayes Algorithm | |
Mishra et al. | Theoretical answer evaluation using LSA BLEU WMD and fuzzy logic | |
Kumar et al. | An Integrated Approach for Amazon Product Reviews Classification Using Sentiment Analysis | |
CN117708545B (zh) | 融合主题提取与余弦相似度的观点贡献度评价方法及系统 | |
Qamar et al. | Text mining | |
Le | An attention-based deep learning method for text sentiment analysis |
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 |