专利名称：非同步问题咨询解决方案服务的方法和系统的制作方法
技术领域：
本发明涉及计算机领域的人工智能、技术知识工程学，具体是通过网络进行文本搜索、文本解析、决策判断，智能回答用户要求的方法和装置。
背景技术：
1.市场背景目前的搜索服务商(如Google、百度)采用http形式和用户交互，在所定时间内给予用户答复，然而当处理信息量大，解析困难的情况下，http方式(通常用户不会等待10 秒以上)的处理时间限制了进一步高质量的服务。搜索服务商的服务不是从用户要求出发，而是从自己存储中的信息出发，寻找出大量包含关键字的结果，而这些数量通常只是服务商在所定时间，所定存储中根据关键字匹配后的得到的数量，而这数量对用户来说没有实际意义。搜索服务提供商，采用机械的搜索并以权重的方式来判断信息是否有价值，然而权重通常是信息本身的价值，却不一定是其对用户的要求的价值。搜索服务提供商，为了在所定时间内提供服务，通常都采用的大规模的存储 (storage)和快照(cache)方式，然而这种机械方式以消耗大量电子元件和电力为代价，这样的运营方式对地球环境产生了巨大的压力。搜索服务只能够对关键字进行搜索服务，不能够为用户解决实际问题，例如用户想寻找『目前最有投资价值的股票』，用户无法通过一次搜索查询而获得所需要的答案。某些搜索服务提供商发现了上述问题，但由于技术能力有限无法找到解决方案， 其中有采用通过人力回答用户提问的原始方法，然而这种方法从技术的进步性来没有评论价值。有鉴于此，市场需要一种
1.不受应答时间限制，
2.不受存储空间限制，
3.从用户角度出发给予用户解决方案，
4.自动智能的，
提供对用户高质量搜索结果以及解决方案的服务。 2.
背景技术：
Yoav Shoham教授(斯坦福大学)提出了面向特工(以下使用Agent)程序的基础论文(Agent Oriented Programming)0004-3702/93/1993—Elsevier Science Publishers B. V,在本发明的人工智能的实现中，采用了部分基础算法、设计思想和理论观点。美国专利US20030217097A1SEARCH AGENT FOR SEARCHING THE INTERNET公开了利用上述论文中搜索Agent的方法来检索互联网，这种方法是将搜索Agent程序上传到目标网站，然后将目标信息下载到本地，但是该方法需要直接使用被检索方服务器的CPU等资源，事实上因为商业安全等问题，无法和诸多服务提供商达成这样的协议，因此该方法至今没有在商业上成功。美国专利US2006^5361A1公开了一个自动帮助用户决策旅游计划的方法，该方法能够按照用户的模糊要求，寻找网络资源，自动为用户制定最经济的旅游计划，包括最便宜的机票、最便宜的酒店、最便宜的日期、最近的购物场所，但是该方法只能使用在旅游计划，而且其决策方法全部固定，没有智能和自我学习功能，本发明的目的是解决通用问题， 而采取的方法以及权利要求，与US2006^5361A1专利没有冲突之处。
3.参考引用本发明运用到kmantic TOB技术，具体可以参考
“Creating the Semantic Web with RDF !Professional Developer' s Guide，，John ffiley&Sons, Inc. New York, NY, USA 2001 ISBN :0471402591。 OffL :http://www. w3. org/2004/0ffL/本发明在^av Sioham教授提出的论文基础上，通过和第三方协议，利用第三方公开或者收费的WEB服务，和US20030217097A1所述方法不同的是，在本地(包括通过网络连接具有所有权的远程服务器)运行搜索处理，在智能分析的基础上，实现提供更高质量的搜索结果以及解决方案的服务。
发明内容
本发明的主要目的是，从用户实际需要出发，提供用户所要求的解决方案服务。本发明的又一目的是，不使用巨量的存储设备，消耗大量的电力而提供解决方案的服务。本发明的又一目的是，对信息进行文本文脉解析提供对用户有意义的解决方案， 而不是提供根据网站实力排名而产生的权重高的信息。本发明的又一目的是，通过不同的算法不同的角度收集信息，通过内部协调评价， 最后提交用户有质量的解决方案而不是庞大数量相关/无关信息。本发明的又一目的是，实现一个通用的决策方法，来回答所有用户的要求，特别是需要从大量信息中做出需要决策判断的回答。本发明显著进步性在于，
1.不同于其他从所定应答时间，所定存储空间中搜索关键字的服务，本发明是从用户要求出发，提供问题解决方案服务，服务质量不受时间空间限制；
2.本发明采用动态收集需要信息的方式，不需要事先准备大量的数据存储，不进行服务时不需要消耗大量设备和电力；
3.本发明在收集信息的同时，对信息进行解析，从用户立场而不是权重来辨别信息的价值；
4.本发明采用多个SolutionAgent，从不同观点去收集信息，收集完信息后进行互相协调，从而赋予提供信息对于用户具有更高的价值；
5.本发明不采用人力来回答用户的问题，在前提条件满足的情况下，服务质量比人力更加客观可靠。本发明采用面向Agent的程序(Agent Oriented Programming以下简称A0P)思想，使用Solution Agent程序。
AOP程序具有移动性，需要将AOP程序上载到其他服务器上才能够运行，与该方法不同的是，在本发明中，Solution Agent程序部署于本地、或者是具有使用权的分散的据点的服务器群上，服务器群可以是实际服务器也可以是虚拟服务器。Solution Agent是一段程序代码，因为具有以下特征而被^av Shoham教授定义为 Agent ；
(1)自主性=Agent可按自己的意愿完成特定的任务，而无需人或其它外界因素的过多干预；
(2)协作性对于某些任务仅靠单个Agent很难完成，这时需要多个Agent的协调和合作才能完成，Agent可以与其他Agent或人进行交互作用；
(3)适应性=Agent可以适应环境的变化，感知环境并及时做出反应；
(4)主动性=Agent根据内部状态和外部环境，采取面向预定目标的主动行为，也称为 “预见性”；
(5)社会性=Agent之间互相通讯，分工合作，
发明人利用面向Agent的程序(Agent Oriented Programming)手法，设计开发问题解决方案Agent (Solution Agent)，部署于本地或者是通过LAN连接的分散据点的服务器群上，因为是具有使用权的服务器，以下简称为本地。Solution Agent，在系统资源空闲，任务紧急的情况下，自我复制下级Agent以提高收集效率。Solution Agent之间互相协调，交流并判断信息的有效性。Solution Agent对信息作出判断提交上级Agent，并结束任务。本发明使用一个管理通用问题解决方法的知识库，知识库中保存了处理各类问题的方法和要点。
图1非同步咨询交互方式，图2系统结构图3战略知识库的构成 4Solution Agent 的构成图
图 5Solution Agent 处理流程6问题记录方法示意 7Solution Agent 部署8用户交互单元构成图
具体实施例方式图1是非同步咨询交互方式过程图{Sequence diagram}，如图所示步骤至少包含
51用户{1}使用自己的端末，通过网络向服务提供商⑵{以下省略为本发明}发送要求；
52本发明{2}接受到问题要求，返回受理结果；
553本发明{2}进行内部处理，生成解决方案；
54本发明{2}生成解决方案后，通过非同步通信方式{例如电子邮件}向用户发送结果，信息内容中包含一个URL和一个会话ID以识别会话；
55当信息不能完全传送给用户{1}或者需要继续会话的情况下，用户{1}通过URL和会话ID访问本发明{2}，取得更加详细的资料，或者提交进一步的要求，循环进行Sl开始的步骤，该步骤可以是从0到无穷次；
所述Sl和所述S2之间还可以加入确认步骤，以使系统更加精确的理解用户的提问，但非必要步骤；上述处理流程说明了，权利要求项1的所诉内容图2是本发明系统构成图，如图所示本发明的系统至少包括
1.一个用户交互的单元{20}，这个单元中包括同步和非同步交互方式，同步方式可以采用一般的浏览器方式，非同步方式可以是SMTP以及其他各种方式；
2.上级解决方案AgentSolution Agent {21}，这个Agent负责根据用户的需求，制定解决问题的战略，根据问题复杂程度，以及系统负载的程度Agent的数量可以是0到无穷大；
3.知识库{22}，战略知识库中包含各类问题的一般处理手段和流程，同时战略知识库还保存已经处理并得到用户满意的结果。
4.下级SolutionAgent {24}，这个Agent是上级Agent {21}生成的Agent，处理上级 Agent {21}委派的任务，构造和上级Agent {21}完全相同。
5.网络资源{26}，网络资源{26}是存在于互联网上的各种信息，包括公开免费的信息和需要协议和费用的信息。上述构成说明了，权利要求项7的所述内容图3是知识库的构成图，如图所示，知识库{22}由百科分类构成，例如可以按照经济{221}、金融{222}、投资{223}、股票{224}进行分类，直到作为知识点的具体问题具体方法，知识点可以分为知识和推论方法，例如取得baogle公司信息的方法{226}为知识，而根据过去数据预测的方法1227}为推论方法，所有知识和推论方法的集合{225}，以数据库的形式存储。具体方法中，对于能够从网络能够获取资源的方法，我们用RDF的方式来记述， RDF是一种记述网络资源的语言，具体可以参考“Creating the Semantic Web with RDF Professional Developer' s Guide”，这里我们使用『Baogle Corp』的记录作为例子 (Baogle和例子都是架空信息)<rdf:RDFxmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:biz="http://atoam.com/biz/elements/l. 1/" xmlns:geo="http://www.w3.org/2003/01/geo/wgs84_pos#"> <rdf: Description rdf: about="http://www.baogle. com/"> <biz:name>Baogle Corp</biz:name> <biz:fyreport>http://www.baogle.com/report/^iz:fyreport> <biz:product>http://www.baogle.com/product/^iz:product> <biz:name>Baogle Corp</biz:name> <biz: location〉
<biz:addr>Nol Street NY USA</biz:addr> <geo: lat>40.3 5</geo: lat> <geo: long> 124.66</geo: long> </biz: location〉
<biz: competitor>Geegle</biz: competitor〉 <biz: alliance>Baipu</biz: alliance>
</rdf: Description〉 </rdf:RDF>上述构成说明了，权利要求项9的所述内容具体方法中，对于不能够从网络直接取得的信息，例如根据过去数据预测的方法，我们编写分析计算程序，并将程序编号并使用知识库管理。图4Solution Agent的构成图图4描述了 Agent的构成，Agent由两大单元共通框架(Framework)单元{410}、功能处理单元{420}，共通框架(Framework)单元{410}包括以下模块
1.外部数据交换模块{411}——处理和互联网连接
所述外部数据交换模块{411}，采用接受包括Http和HTTP上层的通信方法，S0AP, Rest, JS0N, JavaScript等通用交互方式，目前已经有各种成熟部件，故不属于权利要求，也不再详细叙述；
2.内部数据交换模块{412}——处理和系统内部的数据交换，该模块中初级开发人员能够完成，故不属于权利要求，也不再详细叙述；
3.Semantic Web解析模块{413}——处理RDF等XML文件的解析，该模块调用 Sematicffeb的共通库的功能，不属于权利要求，也不再详细叙述；
4.OS资源监视模块{414}——通过OS监视服务器的资源，随时监视OS的资源，如果系统空闲，SolutionAgent可以同时生成多个下级Agent，如果系统繁忙，则通知各Agent休息 (实行Sle印)
5.下达命令模块{415}——生成下级Agent，并传递参数和任务，使用面向对象语言的，设计模式的 Factory (Design Pattern),生成子 instance
6.汇报任务模块{416}——将结果传递给上级Agent，并实行自我消除，释放所占有的
资源功能处理单元{420}包括以下模块
1.知识库查询模块{421}——生成SPARQL，并从知识库中抽取信息，生成方法在实现步骤中详细叙述
2.知识库补充模块{422}——通过学习生成新的RDF定义文补充知识库，每次新的查询，将结果保存于知识库，对于长时间没有参照的知识进行删除，这个模块在系统空闲的时候自动启动并执行。
3.问题解析模块{423}——如图6方法分析问题、并制定搜索战略。
4.资源采集模块{424}——采集各种资源，方法在实现步骤中详细叙述。
5.问题判断模块{42 ——对搜索到的资源进行判读，是否是符合要求的资源，方法在实现步骤中详细叙述。
6.自我学习模块{426}——根据最后结果的满意程度，对随机判断的逻辑评分，记录有效的判断方法于知识库，并作为以后判断的根据。 图5. A描述了上级Solution Agent处理流程图； Al.通过用户交互模块{20}获取用户综合信息； A2.通过用户交互模块{20}获取用户要求，并保存为xml文。 A3.通过kmantic Web解析模块{413}分析结果
A4. xml可以通过XLST的方法转换成HTML，通过用户交互模块{20}以Ajax等形式要求用户确认问题的意思，并给出多种形式(radio button, option button)帮助用户输入； 如果用户觉得问题不确切的时候，重复步骤A2，反之则继续下面步骤；
A5.上级Solution Agent {21}通过kmantic Web解析模块{413}对问题的主语和宾语分析，查阅知识库中资源，得到问题的一次分类。例如通过主语『报表』可以知道该问题是属于企业财务类，查询的结果通过自我学习模块{426}判断是否有价值学习，并通过知识库补充模块{422}保存于知识库，以后该步骤的网上查询就可以省略，通过直接使用 SPARQL 完成；
A6.上级Solution Agent {21}通过内部的知识库查询模块{421}，使用SPARQL(—种基于W3C劝告的RDF查询语言)或者其他相似查询方式，根据用户特征和问题特征查询知识库{22}，寻求问题相关的定义和一般解决方法，例如要寻找和『baogle公司同一年上市的其他公司』可以用下面的查询方法
PREFIX corp <http://publiccorp.example.eom/Ontology#> SELECT ？name WHERE [
？χ corp:name ？name ；
corp:isOpenyearOf ？y . ？γ corp:openyear ？year ；
corpopenyear corp:baogle
}
根据知识库122}的结果，如果问题直接从知识库中取得了答案，那么就结束，否则制定搜索战略，
对一次取不到答案的问题进行分解；
A7.将分割后的问题作为任务通过下达命令模块{415}，委派下级SolutionAgentG)
{24}
例如
1.上级Solution Agent需要理解『Baogle有限公司的报表』，查询知识库，未发现相关知识，于是通过下达命令模块{415}，生成下级Solution Agent ；该过程的拟代码为 Subject subject = new Subject ( "FYReport") ；//定义主语是一财务报表 Attribute attribute = new Attribute ( "atoam corp，，)-J/ 定义定语是-Atoam 有限公司
Task task = new Task (subject, attribute, " lookup" )// 定义7[壬务
RDFTask task = new RDFTask (theTask) ；//生成 rdf 形式的任务
agent. createNewAgentffithTask (task) -J/ Τ"双 SolutionAgent, ^Μ,^ ^·
2.上级SolutionAgent需要理解『去年』，可以通过知识库查询模块{421}知道『去年』是2010年度；
3.上级SolutionAgent为了了解“为什么好(why good) ”、必须先知道“怎样好(How good) ”
上级Solution Agent通过下达命令模块{415}，生成下级Solution Agent去取得2010 年度，Baogle有限公司的财务报表，下达命令模块{415}的拟代码如下
Subject subject = new Subject ( "FYReport") ；//定义主语是一财务报表 Attribute attribute = new Attribute ( "atoam corp，，)-J/ 定义定语是-Atoam 有限公司
Task task = new Task (subject, attribute,，，lookup，，) -J / 定义7[壬务 RDFTask task = new RDFTask (theTask) ；//生成 rdf 形式的任务 agent. createNewAgentffithTask (task) -J/ Τ"双 SolutionAgent, ^Μ,^ ^·
图5. B描述下级Solution Agent处理流程Bi. Agent (i) {24}根据战略制定自己的战术；同上级Solution Agent 一样，通过问题解析模块{423}分析RDF文件，按照一般先后次序，如果没有所定先后次序，则按照试错 (brute-force)算法，当Agent (i)无法直接获得答案的问题继续进行分解； 例如在过程7中，
1.Agent (i)收到了『Baogle有限公司的报表』的任务，Agent (i)查询了知识库，没有发现答案，
2.Agent (i)通过网络搜索，仍旧没有发现相关答案，
3.Agent⑴根据rdf文，发现需要理解『报表』和『Baogle有限公司』于是Agent寻找 『报表』的同义字，并携带报表的同义字和『Baogle有限公司』搜索网上资源。
B2.按照顺序搜索网上资源{26}
如果在知识库里找到资源的途径，就直接参照资源，如果没有，则通过搜索引擎寻找相关资源；
B3.分析网上资源通过问题判断模块{425}，将问题中的关键字抽取，并根据字典查出其同类字；
B4.通过问题判断模块{42 计算相关值
(1)关键字同类字(以下统称关键字)被抽取以后，计算出其占全文的密度d Numkev
d = ^21其中为关键字同类字的数量，Numaii为全文数量；
(2)我们知道如果相关文中没有关键字，那么该文和并非关键字相关的概率就极低，但也并非关键字的密度越高，和主题就越相关，当全文都是关键字堆积起来的文章其内容将是毫无价值；我们通过学习发现可以采用关键字密度和主题的相关性成为正态分布的模型来计算相关可能性的概率函数
权利要求
1.一种非同步提供咨询解决方案服务的方法，其特征在于，包括以下步骤(1)从用户端末接受问题，(2)生成解决方案，(3)通过非同步交互方式给予用户解决方案。
2.如权利要求1所述方法中的，所述步骤(2)生成解决方案其特征在于，至少包括以下步骤(1)解析用户要求，(2)将用户要求保存为程序(SolutionAgent)能够接受的RDF形式，(3)将要求递交给SolutionAgent(4)Solution Agent制定解决战略，递归形式地分配任务给下级Agent(5)最下级Agent从网络资源中搜索相关信息(6)Solution Agent判断信息对于用户要求的相关性(7)Solution Agent提交相关信息，直到最上级Agent。
3.如权利要求1所述方法中的，所述步骤(3)通过非同步交互方式给予用户解决方案， 其特征在于，通过电子邮件等非同步的方式，将解决方案返回用户。
4.如权利要求3所述方法中的，所述电子邮件等非同步的方式，其特征在于，内容信息中包含链接具体详细内容的ML。
5.如权利要求4所述URL，其特征在于，URL的件数是0到无穷大。
6.一种非同步提供咨询解决方案服务的系统，其特征在于，至少包括一台具有处理器、 内存、存储的服务器。
7.如权利要求6所述系统，所述服务器，其特征在于，在服务器中至少部署以下单元(1)用户交互单元(2)知识库(3)SolutionAgent。
8.如权利要求7所述系统，所述用户交互单元，其特征在于包含以下部件(1)同步交互控制器(2)非同步交互控制器(3)用户会话信息DB。
9.如权利要求7所述系统，所述知识库，其特征在于使用百科分类，并使用RDF来定义每一条知识。
10.如权利要求7所述系统，所述SolutionAgent，其特征在于，(1)不需要人工干预，(2)Agent自行协调任务，分配并自我复制下级Agent(3)Agent全部部署在具有所有权的本地服务器群上，而不需要上传到具有资源的服务器上。
全文摘要
非同步问题咨询解决方案服务的方法和系统。本发明公开了一种通过互联网，以非同步形式提供问题解决方案服务的方法和其系统装置。本方法是基于利用解决特工(Solution Agents)在收到任务以后，在本地制定搜索战略，从互联网上搜索相关信息，并对对象信息进行智能解析，寻找出对用户有用的信息，同时对信息进行进一步的处理，提供用户高附加值的情报。每一个Solution Agent都具有自我管理、自我复制、互相协调的特征，无需人工干预。本系统装置以云处理方式公开自己的资源，同时也利用第三方的资源，由于处理时间将长于传统方式，所以采用非同步的交互方式。通过非同步的交互方式，提供给用户以更加丰富、精确、有价值的结果。
文档编号H04L29/08GK102420860SQ20111038400
公开日2012年4月18日 申请日期2011年11月27日 优先权日2011年11月27日
发明者姜晓越, 郁晓东 申请人:姜晓越, 郁晓东