TWM610616U - 智慧回復系統 - Google Patents

智慧回復系統 Download PDF

Info

Publication number
TWM610616U
TWM610616U TW109209736U TW109209736U TWM610616U TW M610616 U TWM610616 U TW M610616U TW 109209736 U TW109209736 U TW 109209736U TW 109209736 U TW109209736 U TW 109209736U TW M610616 U TWM610616 U TW M610616U
Authority
TW
Taiwan
Prior art keywords
social media
information
smart
reply
recovery
Prior art date
Application number
TW109209736U
Other languages
English (en)
Inventor
賴昱宇
Original Assignee
鑫流股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 鑫流股份有限公司 filed Critical 鑫流股份有限公司
Priority to TW109209736U priority Critical patent/TWM610616U/zh
Publication of TWM610616U publication Critical patent/TWM610616U/zh

Links

Images

Landscapes

  • Information Transfer Between Computers (AREA)

Abstract

一種智慧回復系統,其係包含有輸入元件、辨識元件、延遲元件以及回復元件。首先,藉由輸入元件接收使用者所輸入之查詢資訊;接著,藉由辨識元件根據查詢資訊,對社群媒體資訊庫中之社群媒體資訊進行查找,並將具有查詢資訊之社群媒體資訊轉換成目標資訊;隨後,藉由延遲元件計算目標資訊產生的生成時間;最後,當生成時間於擬真時間區間時,藉由回復元件對目標資訊進行回復動作。藉此,便能有效提升作業與廣告效率,同時降低成本及人力需求。

Description

智慧回復系統
本創作係關於一種智慧回復系統,特別係關於一種具有人工智慧的智慧回復系統。
近年來,社群媒體被視為新興的行銷溝通管道之一,隨著使用社群的人數持續上升,品牌行銷人員也開始透過如Facebook、Google等社群平台進行行銷,其目的就是為了提升消費者對品牌產品的認知與觀感,進而建立對品牌擁護並提高忠誠度。
然而,如何在大量的網路資訊中,尤其是如何從網站的文字內容中,找出具有價值的潛在意義或規則,並且有效的利用對企業來說相對困難,企業必須處理龐大資料流,而通常即使在最理想的狀況下,可能也只有少數的社群媒體資料是包含相關資訊的,且在這此之前,企業必須優先解決如何在網路社群的眾多用戶中,尋找屬於自己的潛在客戶。目前,大多數的企業都採用土法煉鋼的人工方式,例如:Facebook具有可供使用者點擊進入喜歡品牌頁面的用戶檔案。
此外,中國發明專利號CN105975478A是對一條網路文章樣本文本分別進行word2vec特徵提取和LDA特徵提取之後,將word2vec特徵和LDA特徵進行融合。然而,其先提取word2vec特徵再將LDA特徵進行融合的方式,將無法提供使用者利用分析出來的文字,並展現具有主題式的架構。
有鑑於上述缺點,創作人乃針對該等缺點研究改進之道,終於有本創作產生。
本創作之主要目的在於提供一種智慧回復系統,其係藉由一辨識元件,對一社群媒體資訊庫中之複數社群媒體資訊進行查找,並將具有該查詢資訊之該等社群媒體資訊轉換成複數目標資訊,減少原先需人為操作的重複性動作,有效降低為達到同樣效果所需付出之人力及時間。
本創作之另一目的在於提供一種智慧回復系統,其係藉由一回復元件,對該目標資訊進行至少一回復動作,以提升消費者對品牌產品的認知與觀感,達成降低廣告預算並提升廣告效能之目的。
為達成上述目的及功效,本創作提供一種智慧回復系統,其係包括:一輸入元件,其係接收一使用者所輸入之至少一查詢資訊;一辨識元件,其係連接該輸入元件,該辨識元件係根據該輸入元件所接收之該至少一查詢資訊,對一社群媒體資訊庫中之複數社群媒體資訊進行查找,並將具有該至少一查詢資訊之該社群媒體資訊轉換成複數目標資訊;一延遲元件,其係連接該辨識元件,該延遲元件係計算該等目標資訊產生的一生成時間;以及一回復元件,其係連接該延遲元件,當該生成時間於一擬真時間區間時,該回復元件對該等目標資訊進行至少一回復動作。
較佳地,根據本創作之智慧回復系統,其中,該至少一查詢資訊係以如下的其中一種方式呈現;文字、符號、圖片及聲音。
較佳地,根據本創作之智慧回復系統,其中,該辨識元件建置於雲端伺服器。
較佳地,根據本創作之智慧回復系統,其中,該辨識元件係使用一網路爬蟲技術、一機器人流程自動化或一使用者介面,對該社群媒體資訊庫中之該等社群媒體資訊進行查找。
較佳地,根據本創作之智慧回復系統,其中,該辨識元件進一步包含一儲存單元,該儲存單元係用於儲存該等目標資訊。
較佳地,根據本創作之智慧回復系統,其中,該延遲元件進一步包含一設定單元,該設定單元係用於設定該擬真時間區間之長短。
較佳地,根據本創作之智慧回復系統,其中,該回復元件進一步包含一次數單元,該次數單元係用於設定進行該至少一回復動作的次數。
較佳地,根據本創作之智慧回復系統,其中,該至少一回復動作包含留言、按讚及分享其中之一或其組合。
較佳地,根據本創作之智慧回復系統,其中,該社群媒體資訊庫係包含社群網路、部落格、維基、網播、內容社群及微網誌其中之一或其組合。
較佳地,根據本創作之智慧回復系統,其中,該辨識元件進一步包含一人工智慧單元,其係連接該儲存單元,該人工智慧單元係針對該等目標資訊進行學習及理解並建立一查找模型,以提升該辨識元件查找的準確度。
綜上,本創作所提供之智慧回復系統,具有有效提升作業與廣告效率,同時降低成本及人力需求等功效。
為使熟悉該項技藝人士瞭解本創作之目的、特徵及功效,茲藉由下述具體實施例,並配合所附之圖式,對本創作詳加說明如下。
100:智慧回復系統
11:輸入元件
12:辨識元件
121:儲存單元
122:人工智慧單元
13:延遲元件
131:設定單元
14:回復元件
141:次數單元
200:社群媒體資訊庫
31:查詢資訊
32:社群媒體資訊
33:目標資訊
34:生成時間
35:回復動作
36:查找模型
圖1為根據本創作的第一實施例之智慧回復系統的示意圖;圖2為根據本創作的第一實施例之智慧回復系統實際應用所執行之步驟流程圖;圖3為根據本創作的第一實施例之智慧回復系統接收使用者輸入查詢資訊的示意圖;圖4為根據本創作的第二實施例之智慧回復系統的示意圖;圖5為根據本創作的第二實施例之智慧回復系統實際應用所執行之步驟流程圖;圖6為根據本創作的第一實施例之智慧回復系統接收使用者輸入查詢資訊的示意圖。
現在將參照其中示出本創作概念的示例性實施例的附圖在下文中更充分地闡述本創作概念。以下藉由參照附圖更詳細地闡述的示例性實施例,本創作概念的優點及特徵以及其達成方法將顯而易見。然而,應注意,本創作概念並非僅限於以下示例性實施例,而是可實施為各種形式。因此,提供示例性實施例僅是為了揭露本創作概念並使熟習此項技術者瞭解本創作概念的類別。在圖式中,本創作概念的示例性實施例並非僅限於本文所提供的特定實例且為清晰起見而進行誇大。
本文所用術語僅用於闡述特定實施例,而並非旨在限制本創作。除非上下文中清楚地另外指明,否則本文所用的單數形式的用語「一」及「該」旨在亦包括複數形式。本文所用的用語「及/或」包括相關所列項其中一或多者 的任意及所有組合。應理解,當稱元件「連接」或「耦合」至另一元件時,所述元件可直接連接或耦合至所述另一元件或可存在中間元件。
相似地,應理解,當稱一個元件(例如層、區或基板)位於另一元件「上」時,所述元件可直接位於所述另一元件上,或可存在中間元件。相比之下,用語「直接」意指不存在中間元件。更應理解,當在本文中使用用語「包括」、「包含」時,是表明所陳述的特徵、整數、步驟、操作、元件、及/或組件的存在,但不排除一或多個其他特徵、整數、步驟、操作、元件、組件、及/或其群組的存在或添加。
此外,將藉由作為本創作概念的理想化示例性圖的剖視圖來闡述詳細說明中的示例性實施例。相應地,可根據製造技術及/或可容許的誤差來修改示例性圖的形狀。因此,本創作概念的示例性實施例並非僅限於示例性圖中所示出的特定形狀,而是可包括可根據製造製程而產生的其他形狀。圖式中所例示的區域具有一般特性,且用於說明元件的特定形狀。因此,此不應被視為僅限於本創作概念的範圍。
亦應理解,儘管本文中可能使用用語「第一」、「第二」、「第三」等來闡述各種元件,然而該些元件不應受限於該些用語。該些用語僅用於區分各個元件。因此,某些實施例中的第一元件可在其他實施例中被稱為第二元件,而此並不背離本創作的教示內容。本文中所闡釋及說明的本創作概念的態樣的示例性實施例包括其互補對應物。本說明書通篇中,相同的參考編號或相同的指示物表示相同的元件。
此外,本文中參照剖視圖及/或平面圖來闡述示例性實施例,其中所述剖視圖及/或平面圖是理想化示例性說明圖。因此,預期存在由例如製造技術及/或容差所造成的相對於圖示形狀的偏離。因此,示例性實施例不應被視作僅限於本文中所示區的形狀,而是欲包括由例如製造所導致的形狀偏差。因此,圖中所示的區為示意性的,且其形狀並非旨在說明裝置的區的實際形狀、亦並非旨在限制示例性實施例的範圍。
請參閱圖1及圖2,圖1為根據本創作的第一實施例之智慧回復系統的示意圖;圖2為根據本創作的第一實施例之智慧回復系統實際應用所執行之步驟流程圖。如圖1所示,根據本創作的第一實施例之智慧回復系統100包括:輸入元件11、辨識元件12、延遲元件13及回復元件14。
具體地,請參閱圖1並搭配圖2,該輸入元件11係接收使用者所輸入之至少一查詢資訊31,其中查詢資訊31可以使用如下的其中一種方式呈現:文字、符號、圖片及聲音,然而本創作不限於此。
具體地,該辨識元件12係連接該輸入元件11,辨識元件12係根據該輸入元件11所接收之查詢資訊31,對社群媒體資訊庫200中之複數社群媒體資訊32進行查找,並將具有該查詢資訊31之社群媒體資訊32轉換成目標資訊33。 需要進一步說明的是,該社群媒體資訊庫200係包含社群網路、部落格、維基、網播、內容社群及微網誌其中之一或其組合,舉例而言,在本實施例中,該社群媒體資訊庫200可以為Line、Instagram、Facebook、Skype、Twitter、Wechat、Snapchat、YouTube或與前述任一者相似之社群媒體,然而本創作不限於此。
具體地,在本實施例中,該辨識元件12可以建置於雲端伺服器或例如為個人電腦或智慧型手機,其狀態皆為已連線至網際網路,然而本創作不限於此。
具體地,在本實施例中,該辨識元件12使用網路爬蟲技術對該社群媒體資訊庫200中之該等社群媒體資訊32進行查找,然而本創作不限於此。
具體地,如圖1所示,該延遲元件13係連接該辨識元件12,延遲元件13係計算該等目標資訊33產生的生成時間34。
具體地,如圖1所示,該回復元件14係連接該延遲元件13,當生成時間34於一擬真時間區間(圖未示)時,該回復元件14對目標資訊33進行回復動作35。
需要進一步說明的是,生成時間34的作用在於,使回復元件14進行回復動作35時具有延遲特性,避免回復元件14連續不間斷的進行回復動作35,從而提高回復元件14之擬真效果,避免社群媒體之主系統判定該回復動作35異常。其中,擬真時間區間可視使用者對產品要求的特性及成本方面斟酌,考量採用何種作法較為適切,在此僅是提出例示,並非僅限於此。
另外,在本實施例中,該等回復動作35可以包含留言、按讚及分享其中之一或其組合,然而本創作不限於此。
請參閱圖2,並搭配圖1所示,根據本創作的第一實施例之智慧回復系統100實際執行過程說明如下:首先,藉由輸入元件11接收使用者所輸入之查詢資訊31;接著,辨識元件12根據查詢資訊31,對社群媒體資訊庫200中之社 群媒體資訊32進行查找,並將具有查詢資訊31之社群媒體資訊32轉換成目標資訊33;隨後,藉由延遲元件13計算目標資訊33生成的生成時間34;最後,當該生成時間34於擬真時間區間時,藉由回復元件14對目標資訊33進行回復動作35。
請參閱圖3,圖3為根據本創作的第一實施例之智慧回復系統接收使用者輸入查詢資訊的示意圖。如圖3所示,在本實施例中,使用者首先可以選擇輸入例如:訊息內容、匯入相片及匯入檔案作為查詢資訊31,接著點選提交任務使智慧回復系統100接收使用者所輸入之查詢資訊31,然而本創作不限於此。
藉此,由上述說明可知,本創作藉由辨識元件12,對社群媒體資訊庫200中之社群媒體資訊32進行查找,並將具有查詢資訊31之社群媒體資訊32轉換為目標資訊33,以減少原先需人為操作的重複性動作,有效降低為達到同樣效果所需付出之人力及時間。另一方面,本創作藉由回復元件14,對目標資訊33進行回復動作35,其中回復動作35可以包含留言、按讚及分享其中之一或其組合,以致提升消費者對品牌產品的認知與觀感,達成降低廣告預算並提升廣告效能。
請參閱圖4及圖5,圖4為根據本創作的第二實施例之智慧回復系統的示意圖;圖5為根據本創作的第二實施例之智慧回復系統實際應用所執行之步驟流程圖。第二實施例相較於第一實施例,第二實施例的主要結構差異在於,該辨識元件12進一步包含儲存單元121及人工智慧單元122,該人工智慧單元122可以使用監督式機器學習演算法或非監督式機器學習演算法,例如:邏輯回歸模型(Logistic Regression)、生成對抗網絡(Generative Adversarial Network)及聚類分析(Cluster analysis)等,然而本創作不限於此。根據本創作第二實施例之智慧回復系統100係藉由儲存單元121儲存該等目標資訊33,並且人工智慧單元122係針對該等目標資訊33進行學習及理解並建立查找模型36,以提升辨識元件12查找具有查詢資訊31之社群媒體資訊32的準確度。
需要進一步說明的是,在本實施例中,延遲元件13進一步包含設定單元131,設定單元131係用於設定該擬真時間區間之長短,更詳而言之,使用者可視不同需求及目的決定回復元件14對目標資訊33進行回復動作35之頻率。此外,在本實施例中,回復元件14進一步包含次數單元141,該次數單元141 係用於設定進行該回復動作35的次數,更詳而言之,使用者可視不同需求及目的決定回復元件14對同一目標資訊33進行回復動作35的次數。
藉此,第二實施例不僅能達到第一實施例之功效,亦能提供不同的結構,根據本創作之第二實施例藉由人工智慧單元122,針對該等目標資訊33進行學習及理解並建立查找模型36,以致達成提升辨識元件12之準確度。
需要進一步說明的是,請參閱圖5,並搭配圖4所示,根據本創作的第二實施例之智慧回復系統100實際執行過程說明如下:首先,藉由輸入元件11接收使用者所輸入之查詢資訊31;接著,藉由辨識元件根據查詢資訊31,對社群媒體資訊庫200中之社群媒體資訊32進行查找,並將具有查詢資訊31之社群媒體資訊32轉換成目標資訊33;同時,藉由儲存單元121儲存該等目標資訊33,並且人工智慧單元122係針對該等目標資訊33進行學習及理解並建立查找模型36,以增進辨識元件12之準確度;之後,藉由延遲元件13計算目標資訊33產生的生成時間34;最後,當該生成時間34於擬真時間區間時,藉由回復元件14對目標資訊33進行回復動作35。
請參閱圖6,圖6為根據本創作的第一實施例之智慧回復系統接收使用者輸入查詢資訊的示意圖。如圖6所示,在本實施例中,使用者首先可以選擇對目標資訊33進行之滑動次數及按讚數量,亦即藉由次數單元141使用者可視不同需求及目的決定回復元件14對同一目標資訊33進行回復動作35的次數,同時,使用者亦可選擇調整每次操作時間間格,亦即藉由設定單元131使用者可視不同需求及目的決定回復元件14對目標資訊33進行回復動作35之頻率。
值得一提的是,如圖6所示,根據本創作較佳實施例之智慧回復系統100,使用者可以任意選擇操作類型,其係包含有按讚、留言及分享,然而本創作不限於此。
藉此,本創作具有以下之實施功效及技術功效:
其一,本創作藉由辨識元件12,對社群媒體資訊庫200中之社群媒體資訊32進行查找,並將具有查詢資訊31之社群媒體資訊32轉換為目標資訊33,以減少原先需人為操作的重複性動作,有效降低為達到同樣效果所需付出之人力及時間。
其二,本創作藉由回復元件14,對目標資訊33進行回復動作35,以提升消費者對品牌產品的認知與觀感,達成降低廣告預算並提升廣告效能。
其三,本創作藉由延遲元件13,使回復元件14進行回復動作35時具有延遲特性,從而提高回復元件14之擬真效果,避免社群媒體之主系統判定該回復動作35異常。
其四,本創作藉由藉由人工智慧單元122,針對該等目標資訊33進行學習及理解並建立查找模型36,以致達成提升辨識元件12之準確度。
以上係藉由特定的具體實施例說明本創作之實施方式,所屬技術領域具有通常知識者可由本說明書所揭示之內容輕易地瞭解本創作之其他優點及功效。
以上所述僅為本創作之較佳實施例,並非用以限定本創作之範圍;凡其它未脫離本創作所揭示之精神下所完成之等效改變或修飾,均應包含在下述之專利範圍內。
100:智慧回復系統
11:輸入元件
12:辨識元件
13:延遲元件
14:回復元件
200:社群媒體資訊庫

Claims (10)

  1. 一智慧回復系統,其係包含有:一輸入元件,其係接收一使用者所輸入之至少一查詢資訊;一辨識元件,其係連接該輸入元件,該辨識元件係根據該輸入元件所接收之該至少一查詢資訊,對一社群媒體資訊庫中之複數社群媒體資訊進行查找,並將具有該至少一查詢資訊之該等社群媒體資訊轉換成複數目標資訊;一延遲元件,其係連接該辨識元件,該延遲元件係計算該等目標資訊產生的一生成時間;以及一回復元件,其係連接該延遲元件,當該生成時間於一擬真時間區間時,該回復元件對該等目標資訊進行至少一回復動作。
  2. 如請求項1所述之智慧回復系統,其中,該至少一查詢資訊係以如下的其中一種方式呈現:文字、符號、圖片及聲音。
  3. 如請求項1所述之智慧回復系統,其中,該辨識元件建置於雲端伺服器。
  4. 如請求項1所述之智慧回復系統,其中,該辨識元件係使用一網路爬蟲技術對該社群媒體資訊庫中之該等社群媒體資訊進行查找。
  5. 如請求項1所述之智慧回復系統,其中,該辨識元件進一步包含一儲存單元,該儲存單元係用於儲存該等目標資訊。
  6. 如請求項1所述之智慧回復系統,其中,該延遲元件進一步包含一設定單元,該設定單元係用於設定該擬真時間區間之長短。
  7. 如請求項1所述之智慧回復系統,其中,該回復元件進一步包含一次數單元,該次數單元係用於設定進行該至少一回復動作的次數。
  8. 如請求項1所述之智慧回復系統,其中,該至少一回復動作包含評論、按讚及分享其中之一或其組合。
  9. 如請求項1所述之智慧回復系統,其中,該社群媒體資訊庫係包含社群網路、部落格、維基、網播、內容社群及微網誌其中之一或其組合。
  10. 如請求項5所述之智慧回復系統,其中,該辨識元件進一步包含一人工智慧單元,其係連接該儲存單元,該人工智慧單元係針對該等目標資訊進行學習及理解並建立一查找模型,以提升該辨識元件查找的準確度。
TW109209736U 2020-07-29 2020-07-29 智慧回復系統 TWM610616U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW109209736U TWM610616U (zh) 2020-07-29 2020-07-29 智慧回復系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109209736U TWM610616U (zh) 2020-07-29 2020-07-29 智慧回復系統

Publications (1)

Publication Number Publication Date
TWM610616U true TWM610616U (zh) 2021-04-21

Family

ID=76606147

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109209736U TWM610616U (zh) 2020-07-29 2020-07-29 智慧回復系統

Country Status (1)

Country Link
TW (1) TWM610616U (zh)

Similar Documents

Publication Publication Date Title
Britt et al. Too big to sell? A computational analysis of network and content characteristics among mega and micro beauty and fashion social media influencers
US11893514B2 (en) Contextual-based method and system for identifying and revealing selected objects from video
Pal et al. Pinnersage: Multi-modal user embedding framework for recommendations at pinterest
Wu et al. A hierarchical attention model for social contextual image recommendation
Zeng et al. Social ties and user content generation: Evidence from Flickr
Zhou et al. The state-of-the-art in personalized recommender systems for social networking
Zhang et al. Cold-start recommendation using bi-clustering and fusion for large-scale social recommender systems
Patil Building data science teams
Guilbeault Automation, algorithms, and Politics| growing bot security: an ecological view of bot agency
US20170098165A1 (en) Method and Apparatus for Establishing and Using User Recommendation Model in Social Network
US20170140397A1 (en) Measuring influence propagation within networks
Prabhu Application of web 2.0 and web 3.0: an overview
CN108959323B (zh) 视频分类方法和装置
Xiao et al. 3-HBP: A three-level hidden Bayesian link prediction model in social networks
US20200004827A1 (en) Generalized linear mixed models for generating recommendations
Chen et al. Cognitive computing on unstructured data for customer co-innovation
JP2023017921A (ja) コンテンツ推薦とソートモデルトレーニング方法、装置、機器、記憶媒体及びコンピュータプログラム
JP2016006593A (ja) 抽出装置、抽出方法及び抽出プログラム
JP2016181275A (ja) ユーザーの挙動、関心、及び嗜好の理解への発見の使用
US20210326401A1 (en) Scaling workloads using staging and computation pushdown
Sathick et al. A generic framework for extraction of knowledge from social web sources (social networking websites) for an online recommendation system
TWM610616U (zh) 智慧回復系統
Hwang et al. Social data visualization system for understanding diffusion patterns on twitter: a case study on korean enterprises
Zeng et al. Context-aware social media recommendation based on potential group
TWM605607U (zh) 智慧分析裝置