CN118170595A - 故障的处理方法、装置及电子设备 - Google Patents
故障的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN118170595A CN118170595A CN202410346520.1A CN202410346520A CN118170595A CN 118170595 A CN118170595 A CN 118170595A CN 202410346520 A CN202410346520 A CN 202410346520A CN 118170595 A CN118170595 A CN 118170595A
- Authority
- CN
- China
- Prior art keywords
- fault
- target
- determining
- processing
- keyword
- 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
- 238000003672 processing method Methods 0.000 title abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 140
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000011835 investigation Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本申请公开了一种故障的处理方法、装置及电子设备。其中,该方法包括:接收目标对象发送的故障咨询图像,其中,故障咨询图像中包含用于描述故障的文字信息;确定与故障咨询图像对应的目标故障场景,以及确定文字信息中的目标关键词,其中,目标关键词为与故障定位相关联的词语;依据目标故障场景和目标关键词,确定故障原因;确定与故障原因对应的目标故障处理方案,并依据目标故障处理方案进行故障处理。本申请解决了由于传统的流程故障处理方法依赖于人工排查和处理,存在效率低且工作量大的技术问题。
Description
技术领域
本申请涉及图像识别领域,具体而言,涉及一种故障的处理方法、装置及电子设备。
背景技术
随着企业信息化程度的不断提高,流程引擎系统已成为企业业务流程管理的重要工具。然而,在流程流转过程中,由于各种原因可能导致流程故障,如接口问题,数据问题等。传统的流程故障处理方法通常依赖于人工排查和处理,这种方式不仅效率低下,而且容易出错,此类事件往往具有重复性,大量增加了一线支撑人员的工作量。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种故障的处理方法、装置及电子设备,以至少解决由于传统的流程故障处理方法依赖于人工排查和处理,存在效率低且工作量大的技术问题。
根据本申请实施例的一个方面,提供了一种故障的处理方法,包括:接收目标对象发送的故障咨询图像,其中,故障咨询图像中包含用于描述故障的文字信息;确定与故障咨询图像对应的目标故障场景,以及确定文字信息中的目标关键词,其中,目标关键词为与故障定位相关联的词语;依据目标故障场景和目标关键词,确定故障原因;确定与故障原因对应的目标故障处理方案,并依据目标故障处理方案进行故障处理。
可选地,确定与故障咨询图像对应的目标故障场景,包括:获取已进行故障场景分类的样本图片,并将样本图片转换成目标格式后存储到样本库中,其中,样本库中包括样本图片、故障场景、添加时间;采用样本图片和对应的故障场景对业务模型进行训练,得到训练后的业务模型;通过训练后的业务模型确定与故障咨询图像对应的目标故障场景。
可选地,确定文字信息中的目标关键词,包括:对文字信息进行词汇拆分,得到多个词汇数据;确定每个词汇数据对应的词性,并删除第一集合中的词性所对应的词汇数据,得到初始词汇集合;从初始词汇集合中筛选与关键词权重表中的词汇对应的目标关键词,其中,关键词权重表中包括关键词以及与关键词对应的权重值。
可选地,方法还包括:确定目标关键词的数量;在目标关键词的数量为单个的情况下,确定目标关键词为故障原因的确定元素;在目标关键词的数量为多个的情况下,确定每个目标关键词对应的权重值,并确定每个目标关键词的出现次数;依据每个目标关键词的权重值和出现次数,确定每个目标关键词对应的目标值;将目标值中的最大值所对应的关键词确定为故障原因的确定因素。
可选地,依据目标故障处理方案进行故障处理,包括:获取解决方案库,其中,解决方案库中包括不同的故障原因、与故障原因对应的故障处理方案、故障处理接口;从解决方案库中确定目标故障处理方案的目标故障处理接口;将目标故障处理方案中的数据输入对应的目标故障处理接口中,并依据目标故障处理接口进行故障处理。
可选地,方法还包括:按照预设频率获取每个目标故障处理接口在进行故障处理时返回的处理状态;在每个目标故障处理接口返回的处理状态均为完成状态的情况下,确定与故障咨询图像对应的故障已经处理完成。
可选地,方法还包括:在故障咨询图像对应的故障已经处理完成的情况下,将与故障咨询图像对应的故障评分表发送给目标对象进行评分;接收目标对象反馈的目标评分,并将故障内容评价表发送给目标评分小于预设分值的用户集合;接收用户集合中的用户反馈的目标故障内容评价,并依据目标故障内容评价调整关键词权重表和解决方案库。
根据本申请实施例的另一方面,还提供了一种故障的处理装置,包括:接收模块,用于接收目标对象发送的故障咨询图像,其中,故障咨询图像中包含用于描述故障的文字信息;第一确定模块,用于确定与故障咨询图像对应的目标故障场景,以及确定文字信息中的目标关键词,其中,目标关键词为与故障定位相关联的词语;第二确定模块,用于依据目标故障场景和目标关键词,确定故障原因;处理模块,用于确定与故障原因对应的目标故障处理方案,并依据目标故障处理方案进行故障处理。
根据本申请实施例的又一方面,还提供了一种电子设备,包括:存储器,用于存储程序指令;处理器,与存储器连接,用于执行实现以下功能的程序指令:接收目标对象发送的故障咨询图像,其中,故障咨询图像中包含用于描述故障的文字信息;确定与故障咨询图像对应的目标故障场景,以及确定文字信息中的目标关键词,其中,目标关键词为与故障定位相关联的词语;依据目标故障场景和目标关键词,确定故障原因;确定与故障原因对应的目标故障处理方案,并依据目标故障处理方案进行故障处理。
根据本申请实施例的再一方面,还提供了一种非易失性存储介质,该非易失性存储介质包括存储的计算机程序,其中,该非易失性存储介质所在设备通过运行计算机程序执行上述故障的处理方法。
根据本申请实施例的再一方面,还提供了一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行上述故障的处理方法。
在本申请实施例中,通过接收目标对象发送的故障咨询图像,其中,故障咨询图像中包含用于描述故障的文字信息;确定与故障咨询图像对应的目标故障场景,以及确定文字信息中的目标关键词,其中,目标关键词为与故障定位相关联的词语;依据目标故障场景和目标关键词,确定故障原因;确定与故障原因对应的目标故障处理方案,并依据目标故障处理方案进行故障处理,达到了自动化故障诊断与处理的目的,从而实现了提高故障处理的工作效率和降低人工成本的技术效果,进而解决了由于传统的流程故障处理方法依赖于人工排查和处理,存在效率低且工作量大的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种用于实现故障的处理方法的计算机终端的硬件结构图;
图2是根据本申请实施例的一种故障的处理方法的流程图;
图3是根据本申请实施例的一种样本库的架构示意图;
图4是根据本申请实施例的一种关键词提取流程的示意图;
图5是根据本申请实施例的一种故障定位处理流程的示意图;
图6是根据本申请实施例的一种整体故障处理流程的示意图;
图7是根据本申请实施例的一种故障的处理装置的结构图。
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方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例采集的信息是经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理,均遵守相关地区的相关法律法规和标准,采取了必要保密措施,不违背公序良俗,并提供有相应的操作入口,供用户选择授权或者拒绝自动化决策结果;若用户选择拒绝,则进入专家决策流程。
首先,在对本申请实施例进行解释说明的过程中出现的部分名词或术语适用于如下解释:
图像识别:图像识别属于计算机视觉识别系统中的一类,经过数据收集,特征提取,使用机器识别算法学习图像中的模式和特征进行模型训练,对图像进行处理分析和理解,最终形成可以识别符合自身业务场景进行图像分类的技术。
流程故障:在基于流程引擎的系统中,流程环节的审批与流转因为某些数据或接口交互等方面出现的问题,从而导致流程无法正常审批流转,造成的流程停滞卡单,无法下发下一环节等一系列故障。
故障咨询图像:在流程流转过程中,出现的报错页面截图,图片中需含有报错信息,该报错信息可以体现该流程的特征,如工单号、流程图名称等信息;该报错信息还可以为能够表达该流程故障的文字信息。
为了解决相关技术中存在的故障处理效率较低的问题,本申请实施例提供了一种故障的处理方法,该方法可以运行在图1所示的计算机终端中,以下对该计算机终端进行说明。
本申请实施例所提供的故障的处理方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现故障的处理方法的计算机终端的硬件结构框图。如图1所示,计算机终端10可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及通过有线和/或无线网络连接的用于通信功能的传输模块106。除此以外,还可以包括:显示器、键盘、光标控制设备、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、BUS总线。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本申请实施例中的故障的处理方法对应的程序指令/数据存储装置,处理器通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的故障的处理方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输模块106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10的用户界面进行交互。
此处需要说明的是,在一些可选实施例中,上述图1所示的计算机终端可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是,图1仅为特定具体实例的一个实例,并且旨在示出可存在于上述计算机终端中的部件的类型。
在上述运行环境下,本申请实施例提供了一种故障的处理方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本申请实施例的一种故障的处理方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,接收目标对象发送的故障咨询图像,其中,故障咨询图像中包含用于描述故障的文字信息。
在上述步骤S202中,故障咨询图像可以包括用户(即上述目标对象)用于咨询故障的界面截图,如软件界面、设备显示界面,这些故障咨询图像中含有用于描述故障情况的文字信息,能够帮助识别具体的故障场景,从而进行后续的故障诊断与处理。
步骤S204,确定与故障咨询图像对应的目标故障场景,以及确定文字信息中的目标关键词,其中,目标关键词为与故障定位相关联的词语。
在上述步骤S204中,可以通过训练好的业务模型确定与故障咨询图像对应的目标故障场景,同时,通过对用户提供的咨询图像中的文字信息进行分析,可以获取到与故障定位相关联的目标关键词,有助于进一步的故障诊断与处理。
步骤S206,依据目标故障场景和目标关键词,确定故障原因。
在上述步骤S206中,根据故障细分场景(即上述目标故障场景)、图片关键字(即上述目标关键字)等信息可以自行定义故障原因,故障原因描述为实际发生的流程故障。
步骤S208,确定与故障原因对应的目标故障处理方案,并依据目标故障处理方案进行故障处理。
在上述步骤S208中,可以将目标故障原因映射到预先建立的解决方案库中,根据目标故障原因在解决方案库中确定对应的目标故障处理方案,并自动调用故障处理接口进行处理,实现自动化的故障处理,减少人为错误的风险。
通过上述步骤S202至步骤S208,达到了自动化故障诊断与处理的目的,从而实现了提高故障处理的工作效率和降低人工成本的技术效果,进而解决了由于传统的流程故障处理方法依赖于人工排查和处理,存在效率低且工作量大的技术问题。以下详细说明。
可选地,确定与故障咨询图像对应的目标故障场景,包括:获取已进行故障场景分类的样本图片,并将样本图片转换成目标格式后存储到样本库中,其中,样本库中包括样本图片、故障场景、添加时间;采用样本图片和对应的故障场景对业务模型进行训练,得到训练后的业务模型;通过训练后的业务模型确定与故障咨询图像对应的目标故障场景。
在本申请实施例中,确定与故障咨询图像对应的目标故障场景可以包括以下步骤:
1.收集样本,分类归纳:收集用户用以咨询故障的界面截图(即上述故障咨询图像,或称为样本图片),对样本图片做故障场景分类归纳,该故障场景的类别例如可以包括订单类故障或者受理类故障等。故障场景还可以做多层级细分,比如这是订单类场景下的流程竣工,流程卡单等故障场景。在一种可选的实施例中,故障场景分类层级可以如表1所示。
表1故障场景分类层级
2.建立样本库:将已经分类归纳好的样本图片转换成base64编码的形式(即上述目标格式)纳入到样本库中。其中,样本库中包括图片编码,故障场景,添加时间等信息,如图3所示。样本库可以随时间累计更新数据,为之后的机器学习提供更大的数据样本。
3.模型训练:样本图片与故障场景具有对应关系,将样本图片和所标注的故障场景的标签作为待训练的业务模型的输入数据,随后可以使用PaddleCV,学习样本库中样本图片与故障场景的对应关系,经过机器学习形成符合业务场景的模型,即得到上述业务模型,用于对用户输入的故障咨询图像进行识别。在业务模型的训练过程中,对于出现的异常数据采用人工干预进行修正,以提升业务模型后续的识别能力。同时,随着样本库数据的更新,机器学习的过程也将持续进行,即业务模型也会不断地进行版本迭代,使得最终版本的业务模型能够识别出更多的流程故障场景。
可选地,确定文字信息中的目标关键词,包括:对文字信息进行词汇拆分,得到多个词汇数据;确定每个词汇数据对应的词性,并删除第一集合中的词性所对应的词汇数据,得到初始词汇集合;从初始词汇集合中筛选与关键词权重表中的词汇对应的目标关键词,其中,关键词权重表中包括关键词以及与关键词对应的权重值。
可选地,方法还包括:确定目标关键词的数量;在目标关键词的数量为单个的情况下,确定目标关键词为故障原因的确定元素;在目标关键词的数量为多个的情况下,确定每个目标关键词对应的权重值,并确定每个目标关键词的出现次数;依据每个目标关键词的权重值和出现次数,确定每个目标关键词对应的目标值;将目标值中的最大值所对应的关键词确定为故障原因的确定因素。
在本申请实施例中,可以通过文字信息处理技术,识别出故障咨询图像中文字信息对应的目标关键词,并通过计算目标关键词的权重值和出现次数,确定导致流程故障的主要因素,为后续的流程故障处理提供数据指导,具体过程如下:
1.文字信息处理
词汇拆分:使用例如paddleOCR的文字识别技术,提取故障咨询图像中的文字信息,随后利用分词技术对提取到的文字信息进行词汇拆分操作,得到多个词汇数据;
词汇标注:对上述词汇数据进行词汇标注,并清除不需要的词性(即上述第一集合中的词性)所对应的词汇数据,例如宾语、谓语等无关词汇数据,得到清理后的初始词汇集合。
2.筛选目标关键词
结合预先定义好的关键词权重表,从初始词汇集合中筛选出与关键词权重表中的词汇对应的目标关键词,根据关键词权重表中包含的关键词以及对应的权重值,确定最终的目标关键词。其中,部分关键词权重表可以如表2所示。
表2关键词权重表
关键词 | 权重值 |
待合并 | 5 |
撤销中 | 4 |
待报竣 | 3 |
在上述过程中,关键词权重表的确定方式可以包括:提取样本图片中的关键词,按照实际故障严重情况定义每个关键词对应的权重值,并将其录入到关键词权重表中,通常,与故障直接相关或者对于问题诊断起到关键作用的关键词会赋予更高的权重值。同时,关键词权重值会随着低分用户的评价内容做出相应的调整,从而优化系统对故障流程的判断。需要说明的是,关键词必须是样本图片中含有的,不能是自创的文字信息。
3.确定故障原因的主要因素
确定目标关键词的数量,如果只有一个目标关键词,则直接将该目标关键词作为故障定位的主要因素;如果存在多个目标关键词,则按照目标关键词的权重值和目标关键词的出现次数进行计算,确定每个目标关键词对应的目标值,将目标值中的最大值所对应目标关键词作为故障定位的主要因素。关键词提取流程如图4所示,首先,从故障图片中确定关键词A、关键词B、关键词N,对每个关键词确定对应的权重(即确定目标值),将最大权重(即目标值的最大值)作为最终的关键词(即上述主要因素)。
其中,目标值计算方法可以如下:
假设故障图片中存在以下目标关键词以及出现次数:
目标关键词A:权重值W1,出现次数N1;
目标关键词B:权重值W2,出现次数N2;
则目标关键词A的目标值1=W1*N1,目标关键词B的目标值2=W2*N2;
比较目标关键词A的目标值1和目标关键词B的目标值2,选取目标值中的最大值所对应目标关键词作为故障定位的主要因素。
可选地,依据目标故障处理方案进行故障处理,包括:获取解决方案库,其中,解决方案库中包括不同的故障原因、与故障原因对应的故障处理方案、故障处理接口;从解决方案库中确定目标故障处理方案的目标故障处理接口;将目标故障处理方案中的数据输入对应的目标故障处理接口中,并依据目标故障处理接口进行故障处理。
在本申请实施例中,如图5所示,根据故障场景(即上述目标故障场景)、图片关键字(即上述目标关键字)信息可以确定故障原因,为了降低大量的人工成本以及操作失误等,可以基于故障原因和故障解决方案的映射关系构建一个解决方案库,其中,故障解决方案可以通过不同的故障处理接口实现,该故障处理接口例如可以包括故障处理接口A、故障处理接口B和故障处理接口C。如表3所示,故障处理的步骤存放在“故障解决方案”字段,而“故障处理解决方案”分别对应相应的“故障处理接口”字段。由于每个故障原因都有对应的故障解决方案,因此确定故障解决方案后,就可以调用相应的故障处理接口进行故障处理。
表3解决方案库
其中,上述故障处理接口的开发过程可以包括:将实际故障发生时需要人工手动进行故障处理的操作开发成个性化故障处理接口,将从关键词中提取到的文字信息作为故障处理接口的输入数据,比如工单号信息、流程图信息等。每个故障处理接口对应一个人工操作步骤,比如,需要人工手动去点击页面上的撤销按钮来销毁流程这一步骤,可将此步骤转化为故障处理接口,只需要输入工单号信息,接口就可自动完成这一操作,无需人工点击。这些故障处理接口方法名存于表3的故障解决方案库中,因为故障处理接口是根据人工操作步骤对应开发的,是分离式的,只要有对应的输入,就能够完成程序代码自动操作,因此这些故障接口可以根据操作步骤自由组合的,灵活可变,以应对一些复杂的流程故障。
可选地,方法还包括:按照预设频率获取每个目标故障处理接口在进行故障处理时返回的处理状态;在每个目标故障处理接口返回的处理状态均为完成状态的情况下,确定与故障咨询图像对应的故障已经处理完成。
在本申请实施例中,可以通过实时监控故障处理的状态,确保故障得到及时处理,并在所有的故障处理接口均已处理完成的状态时确认故障处理完成,以提高故障处理的准确性和可靠性。具体地:根据实际情况定期(即上述预设频率)获取每个目标故障处理接口的状态信息,检查每个目标故障处理接口返回的处理状态,例如可以包括“进行中”、“待处理”、“已完成”等状态;若一个故障(如故障咨询图像所对应的故障)的解决方案需要多个故障处理接口执行,则在该故障解决方案的所有的目标故障处理接口的处理状态均为已完成时,自动确认与故障咨询图像对应的故障已经完成处理。
可选地,方法还包括:在故障咨询图像对应的故障已经处理完成的情况下,将与故障咨询图像对应的故障评分表发送给目标对象进行评分;接收目标对象反馈的目标评分,并将故障内容评价表发送给目标评分小于预设分值的用户集合;接收用户集合中的用户反馈的目标故障内容评价,并依据目标故障内容评价调整关键词权重表和解决方案库。
在本申请实施例中,故障处理完毕后,反馈用户(及上述目标对象)发生故障的原因以及故障的修复情况,并将与用户咨询图像对应的故障评分表发送给用户,引导用户进行评价打分,该故障评分表用于分析和评估故障处理的质量。进一步地,收集用户反馈的评价打分结果(即上述目标评分),统计评分低于预设分值(如将评分设置为满分10分,预设分值6分)的用户,形成低分用户集合;同时将故障内容评价表发送至低分用户,引导低分用户进行目标故障内容评价,并依据目标故障评价调整关键词权重表和解决方案库。需要说明的是,在收集到多个用户或者多次反馈的不满意故障内容评价时,可以联系用户了解具体原因,针对该类型的故障流程重新调整对应的关键词权重或者解决方案库,以提升故障识别的准确性和故障处理的成功率。
图6是根据本申请实施例的一种整体故障处理流程的示意图,如图6所示,将日常用户的故障咨询图像作为数据样本,识别其特征进行故障场景的分类归纳,同时根据样本图片建立样本库和利用机器学习训练业务场景模型,以及预先定义关键词权重表,为后续的故障识别提供数据基础。在用户输入故障图片(即上述故障咨询图像)后,通过训练好的业务场景模型进行故障场景识别,以及提取故障图片中的关键词确定最大权重信息,从故障解决方案库中定位故障原因,并确定故障处理方案。进一步地,根据故障解决方案调用对应的故障处理接口(通过开发确定不同的故障处理接口)进行故障处理。最后,自动反馈故障原因,引导用户评价打分,并根据低分用户的评价内容调整解决方案以及关键词权重表中对应的权重值。
在本申请实施例中,通过图像预处理方法和深度学习技术,能够自动化识别和分类故障咨询图像的故障场景,同时结合关键词权重信息实现流程故障的精准定位,提高了故障排查的效率和准确性。其次,构建故障解决方案库,按步骤拆解,并设置不同的故障处理接口,实现了复杂故障的分解处理或组合处理,提升了故障处理的速度,降低了人工成本。最后,实时反馈用户的故障原因和处理结果,并通过用户评价和打分模块收集评价结果进行优化,进一步提高了关键词权重表和解决方案库的准确性。
根据本申请实施例,提供了一种故障的处理装置,需要说明的是,本申请实施例的故障的处理装置可用于执行本申请实施例提供的用于故障的处理方法。以下对本申请实施例提供的故障的处理装置进行介绍。
图7是根据本申请实施例提供的一种故障的处理装置的结构图。如图7所示,该装置包括:
接收模块70,用于接收目标对象发送的故障咨询图像,其中,故障咨询图像中包含用于描述故障的文字信息;
第一确定模块72,用于确定与故障咨询图像对应的目标故障场景,以及确定文字信息中的目标关键词,其中,目标关键词为与故障定位相关联的词语;
第二确定模块74,用于依据目标故障场景和目标关键词,确定故障原因;
处理模块76,用于确定与故障原因对应的目标故障处理方案,并依据目标故障处理方案进行故障处理。
通过上述故障的处理装置中的接收模块、第一确定模块、第二确定模块和处理模块,达到了自动化故障诊断与处理的目的,从而实现了提高故障处理的工作效率和降低人工成本的技术效果,进而解决了由于传统的流程故障处理方法依赖于人工排查和处理,存在效率低且工作量大的技术问题。
在本申请实施例提供的故障的处理装置中,第一确定模块还用于获取已进行故障场景分类的样本图片,并将样本图片转换成目标格式后存储到样本库中,其中,样本库中包括样本图片、故障场景、添加时间;采用样本图片和对应的故障场景对业务模型进行训练,得到训练后的业务模型;通过训练后的业务模型确定与故障咨询图像对应的目标故障场景。
在本申请实施例提供的故障的处理装置中,第一确定模块还用于对文字信息进行词汇拆分,得到多个词汇数据;确定每个词汇数据对应的词性,并删除第一集合中的词性所对应的词汇数据,得到初始词汇集合;从初始词汇集合中筛选与关键词权重表中的词汇对应的目标关键词,其中,关键词权重表中包括关键词以及与关键词对应的权重值。
在本申请实施例提供的故障的处理装置中,第一确定模块还用于确定目标关键词的数量;在目标关键词的数量为单个的情况下,确定目标关键词为故障原因的确定元素;在目标关键词的数量为多个的情况下,确定每个目标关键词对应的权重值,并确定每个目标关键词的出现次数;依据每个目标关键词的权重值和出现次数,确定每个目标关键词对应的目标值;将目标值中的最大值所对应的关键词确定为故障原因的确定因素。
在本申请实施例提供的故障的处理装置中,处理模块还用于获取解决方案库,其中,解决方案库中包括不同的故障原因、与故障原因对应的故障处理方案、故障处理接口;从解决方案库中确定目标故障处理方案的目标故障处理接口;将目标故障处理方案中的数据输入对应的目标故障处理接口中,并依据目标故障处理接口进行故障处理。
在本申请实施例提供的故障的处理装置中,处理模块还用于按照预设频率获取每个目标故障处理接口在进行故障处理时返回的处理状态;在每个目标故障处理接口返回的处理状态均为完成状态的情况下,确定与故障咨询图像对应的故障已经处理完成。
在本申请实施例提供的故障的处理装置中,处理模块还用于在故障咨询图像对应的故障已经处理完成的情况下,将与故障咨询图像对应的故障评分表发送给目标对象进行评分;接收目标对象反馈的目标评分,并将故障内容评价表发送给目标评分小于预设分值的用户集合;接收用户集合中的用户反馈的目标故障内容评价,并依据目标故障内容评价调整关键词权重表和解决方案库。
本申请实施例还提供了一种电子设备,包括:存储器,用于存储程序指令;处理器,与存储器连接,用于执行实现以下功能的程序指令:接收目标对象发送的故障咨询图像,其中,故障咨询图像中包含用于描述故障的文字信息;确定与故障咨询图像对应的目标故障场景,以及确定文字信息中的目标关键词,其中,目标关键词为与故障定位相关联的词语;依据目标故障场景和目标关键词,确定故障原因;确定与故障原因对应的目标故障处理方案,并依据目标故障处理方案进行故障处理。
需要说明的是,上述电子设备用于执行图2所示的故障的处理方法,因此上述故障的处理方法中的相关解释说明也适用于该电子设备,此处不再赘述。
本申请实施例还提供了一种非易失性存储介质,该非易失性存储介质包括存储的计算机程序,其中,该非易失性存储介质所在设备通过运行计算机程序执行上述故障的处理方法。
需要说明的是,上述非易失性存储介质用于执行图2所示的故障的处理方法,因此上述故障的处理方法中的相关解释说明也适用于该非易失性存储介质,此处不再赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行上述故障的处理方法。
需要说明的是,上述计算机程序产品用于执行图2所示的故障的处理方法,因此上述故障的处理方法中的相关解释说明也适用于该计算机程序产品,此处不再赘述。
本申请实施例还提供了一种计算机程序,该计算机程序被处理器执行时实现本申请各个实施例中的故障的处理方法的步骤。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (11)
1.一种故障的处理方法,其特征在于,包括:
接收目标对象发送的故障咨询图像,其中,所述故障咨询图像中包含用于描述故障的文字信息;
确定与所述故障咨询图像对应的目标故障场景,以及确定所述文字信息中的目标关键词,其中,所述目标关键词为与故障定位相关联的词语;
依据所述目标故障场景和所述目标关键词,确定故障原因;
确定与所述故障原因对应的目标故障处理方案,并依据所述目标故障处理方案进行故障处理。
2.根据权利要求1所述的方法,其特征在于,确定与所述故障咨询图像对应的目标故障场景,包括:
获取已进行故障场景分类的样本图片,并将所述样本图片转换成目标格式后存储到样本库中,其中,所述样本库中包括所述样本图片、故障场景、添加时间;
采用所述样本图片和对应的故障场景对业务模型进行训练,得到训练后的业务模型;
通过训练后的业务模型确定与所述故障咨询图像对应的目标故障场景。
3.根据权利要求1所述的方法,其特征在于,确定所述文字信息中的目标关键词,包括:
对所述文字信息进行词汇拆分,得到多个词汇数据;
确定每个词汇数据对应的词性,并删除第一集合中的词性所对应的词汇数据,得到初始词汇集合;
从所述初始词汇集合中筛选与关键词权重表中的词汇对应的目标关键词,其中,所述关键词权重表中包括关键词以及与关键词对应的权重值。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
确定所述目标关键词的数量;
在所述目标关键词的数量为单个的情况下,确定所述目标关键词为所述故障原因的确定元素;
在所述目标关键词的数量为多个的情况下,确定每个目标关键词对应的权重值,并确定每个目标关键词的出现次数;
依据每个目标关键词的权重值和出现次数,确定每个目标关键词对应的目标值;
将所述目标值中的最大值所对应的关键词确定为所述故障原因的确定因素。
5.根据权利要求3所述的方法,其特征在于,依据所述目标故障处理方案进行故障处理,包括:
获取解决方案库,其中,所述解决方案库中包括不同的故障原因、与故障原因对应的故障处理方案、故障处理接口;
从所述解决方案库中确定所述目标故障处理方案的目标故障处理接口;
将所述目标故障处理方案中的数据输入对应的目标故障处理接口中,并依据所述目标故障处理接口进行故障处理。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
按照预设频率获取每个目标故障处理接口在进行故障处理时返回的处理状态;
在每个目标故障处理接口返回的处理状态均为完成状态的情况下,确定与所述故障咨询图像对应的故障已经处理完成。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
在所述故障咨询图像对应的故障已经处理完成的情况下,将与所述故障咨询图像对应的故障评分表发送给所述目标对象进行评分;
接收所述目标对象反馈的目标评分,并将故障内容评价表发送给所述目标评分小于预设分值的用户集合;
接收所述用户集合中的用户反馈的目标故障内容评价,并依据所述目标故障内容评价调整所述关键词权重表和所述解决方案库。
8.一种故障的处理装置,其特征在于,包括:
接收模块,用于接收目标对象发送的故障咨询图像,其中,所述故障咨询图像中包含用于描述故障的文字信息;
第一确定模块,用于确定与所述故障咨询图像对应的目标故障场景,以及确定所述文字信息中的目标关键词,其中,所述目标关键词为与故障定位相关联的词语;
第二确定模块,用于依据所述目标故障场景和所述目标关键词,确定故障原因;
处理模块,用于确定与所述故障原因对应的目标故障处理方案,并依据所述目标故障处理方案进行故障处理。
9.一种电子设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,与所述存储器连接,用于执行实现以下功能的程序指令:接收目标对象发送的故障咨询图像,其中,所述故障咨询图像中包含用于描述故障的文字信息;确定与所述故障咨询图像对应的目标故障场景,以及确定所述文字信息中的目标关键词,其中,所述目标关键词为与故障定位相关联的词语;依据所述目标故障场景和所述目标关键词,确定故障原因;确定与所述故障原因对应的目标故障处理方案,并依据所述目标故障处理方案进行故障处理。
10.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的计算机程序,其中,所述非易失性存储介质所在设备通过运行所述计算机程序执行权利要求1至7中任意一项所述的故障的处理方法。
11.一种计算机程序产品,包括计算机指令,其特征在于,所述计算机指令被处理器执行权利要求1至7中任意一项所述的故障的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346520.1A CN118170595A (zh) | 2024-03-25 | 2024-03-25 | 故障的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346520.1A CN118170595A (zh) | 2024-03-25 | 2024-03-25 | 故障的处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118170595A true CN118170595A (zh) | 2024-06-11 |
Family
ID=91350067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410346520.1A Pending CN118170595A (zh) | 2024-03-25 | 2024-03-25 | 故障的处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118170595A (zh) |
-
2024
- 2024-03-25 CN CN202410346520.1A patent/CN118170595A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107819627B (zh) | 系统故障处理方法及服务器 | |
Amershi et al. | Cuet: human-guided fast and accurate network alarm triage | |
CN111401722B (zh) | 智能决策方法和智能决策系统 | |
CN113568899A (zh) | 基于大数据的数据优化方法及云服务器 | |
CN110969327A (zh) | 工单的派送方法、装置、系统及数据的处理方法 | |
CN115512823A (zh) | 设备异常处理方法、装置、异常处理系统和设备 | |
CN115719283A (zh) | 一种智能化会计管理系统 | |
US11816112B1 (en) | Systems and methods for automated process discovery | |
CN114817681A (zh) | 一种基于大数据分析的金融风控系统及其管理设备 | |
CN114880312A (zh) | 一种可柔性设置的应用系统业务数据稽核方法 | |
CN112786124B (zh) | 一种问题排查方法、装置、存储介质及设备 | |
CN116452212B (zh) | 一种智能客服商品知识库信息管理方法及系统 | |
CN117911039A (zh) | 售后服务系统的控制方法、设备及存储介质 | |
CN116134394A (zh) | 用于使用主题建模来改进对维护服务的备件搜索的系统和方法 | |
US20120078912A1 (en) | Method and system for event correlation | |
CN111353874B (zh) | 一种银行网点智慧服务系统 | |
CN107908525A (zh) | 告警处理方法、设备及可读存储介质 | |
CN116501979A (zh) | 信息推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN118170595A (zh) | 故障的处理方法、装置及电子设备 | |
CN116308295A (zh) | 一种工业生产数据管理方法及系统 | |
CN112749316B (zh) | 翻译质量的确定方法、装置、存储介质和处理器 | |
CN109934740B (zh) | 一种专利监控方法及装置 | |
CN114064757A (zh) | 应用程序的优化方法、装置、设备及介质 | |
CN106815331A (zh) | 基于典型缺陷库的缺陷辅助处理方法及系统 | |
CN117688485B (zh) | 一种基于深度学习的火灾诱因分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |