意图处理方法、装置、电子设备和可读存储介质与流程

文档序号:30141384发布日期:2022-05-24 07:56阅读:74来源:国知局
意图处理方法、装置、电子设备和可读存储介质与流程

本申请涉及通信网络技术领域,具体涉及一种意图处理方法、装置、电子设备和可读存储介质。

背景技术

意图网络(Intent-Based Network,IBN)是一种在掌握自身“全息状态”的条件下,基于人类业务意图,进行搭建和操作的闭环的网络架构,实现从用户意图到特定基础设施的自动转化,不需要人工干预就能够监控网络的整体性能、识别网络中出现的问题并自动解决该问题。IBN包括意图转译和验证、自动实施、对网络状态的感知、可保障性和动态优化/修复等功能。其中,意图转译实现了将用户的自然语言表述(User says)的意图转换为网络可识别的意图,是确保IBN的关键环节。

目前,在IBN解决方案中,由于用户输入的不确定性,系统对用户意图的解析可能存在歧义性,再加上组网结构多样性、以及网络配置参数复杂等问题,导致网络配置方案的准确性难以保证,降低了用户体验。



技术实现要素:

本申请提供一种意图处理方法、装置、电子设备和可读存储介质。

本申请实施例提供一种意图处理方法,方法包括:对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图,其中,初始用户意图用于表征用户的原始需求;依据待处理的用户意图,确定意图网络的配置方案。

本申请实施例提供一种意图处理装置,包括:分析模块,用于对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图,其中,初始用户意图用于表征用户的原始需求;处理模块,用于依据待处理的用户意图,确定意图网络的配置方案。

本申请实施例提供一种电子设备,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本申请实施例中的任意一种意图处理方法。

本申请实施例提供一种可读存储介质,该可读存储介质存储有计算机程序,计算机程序被处理器执行时实现本申请实施例中的任意一种意图处理方法。

根据本申请实施例的意图处理方法、装置、电子设备和可读存储介质,通过对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图,简化了用户的输入信息,可通过埋点数据弥补初始用户意图的不足,扩充对用户意图的理解,消除用户意图的歧义性;依据待处理的用户意图,确定意图网络的配置方案,建立待处理的用户意图与意图网络的配置信息之间的关联关系,保证对意图网络的配置准确性,提高意图网络中意图转译的准确性,以提升用户体验满意度。

关于本申请的以上实施例和其他方面以及其实现方式,在附图说明、具体实施方式和权利要求中提供更多说明。

附图说明

图1示出本申请中的IBN的系统框架图。

图2示出本申请一实施例中的意图处理方法的流程示意图。

图3示出本申请实施例中的事件元数据和用户元数据的结构示意图。

图4示出本申请实施例中的知识图谱的结构示意图。

图5示出本申请又一实施例中的意图处理方法的流程示意图。

图6示出本申请一实施例提供的意图处理装置的组成方框图。

图7示出本申请又一实施例中的意图处理装置的组成方框图。

图8示出本申请实施例中的基于数据埋点的意图处理装置对用户意图进行处理的方法的流程示意图。

图9示出本申请实施例中的基于埋点数据补全用户意图的方法的流程示意图。

图10示出本申请实施例中的对用户信息解析获得的意图特征的示意图。

图11示出本申请实施例中的将待处理的用户意图转译为意图网络的配置方案的方法的流程示意图。

图12示出能够实现根据本申请实施例的意图处理方法和装置的电子设备的示例性硬件架构的结构图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白,下文中将结合附图对本申请的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。

图1示出本申请中的IBN的系统框架图。如图1所示,IBN可以包括如下设备:云化管控一体平台10、意图引擎20、软件定义网络(Software-defined Networking,SDN)控制器30、网络基础设备40和数据库50。

其中,用户11通过对云化管控一体平台10进行操作,将用户11的意图信息输入至云化管控一体平台10,以使云化管控一体平台10能够通过标准接口,与SDN控制器30和意图引擎20进行交互,以实时对IBN网络的运行情况的监控。例如,通过“智能助手”等软件辅助用户11完成意图信息的输入等。

意图引擎20通过北向接口(Northbound Interface,NBI)对云化管控一体平台10输入的用户意图进行语义解析,将用户11输入的信息转换为用户意图;通过意图转译和验证,将用户意图转换为网络策略并检查其完整性。

SDN控制器30是软件定义网络中的应用程序,负责流量控制以确保网络的智能运行。SDN控制器基于如网上通信协议(OpenFlow)等协议与网络基础设备40进行交互,将云化管控一体平台10输入的用户指令输出给网络基础设备40,并将意图引擎20输入的网络意图配置方案,转发给云化管控一体平台10,以使云化管控一体平台10能够将网络意图配置方案展现给用户11,用户11根据自己的个性化需求,对该网络意图配置方案进行更新,并通过云化管控一体平台10反馈更新后的网络意图配置方案通过SDN控制器30下发给设备,从而完成意图输入、转译、自动实施和部署下发的完整过程。

网络基础设备40用于传输IBN中的信息,例如,网络基础设备40可以是光纤设备,以实现对IBN中的信息的快速传输等。

数据库50用于存储用户11输入的自然语言信息,以辅助意图引擎20进行用户意图的转译。

但现有技术中,意图引擎20对于用户意图的转译,主要是直接将用户11的自然语言信息中的特征信息进行提取,不会参考其他与用户11相关的信息,易导致对用户11的自然语言信息的转译准确性差,使用户11无法通过IBN网络获得其想得到的网络服务。例如,IBN的解决方案应用在通信网络中,由于网络结构和业务逻辑的复杂性,所使用的意图转译网络设备可能在获得用户通过语音输入的某个业务处理意图指令时,对该指令信息转译错误,导致用户无法获取预期的物理配置方案,从而降低了用户体验满意度。

为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。

图2示出本申请实施例的意图处理方法的流程示意图。该意图处理方法可应用于意图处理装置。如图2所示,本申请实施例中的意图处理方法可以包括以下步骤。

步骤110,对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图。

其中,初始用户意图用于表征用户的原始需求,例如,初始用户意图是“用户A开通一条10GE业务”,以表达用户A希望做的事情。

在一些具体实现中,埋点数据是从日志埋点信息中提取的数据。例如,通过搜集日志埋点信息,并对日志埋点信息进行整理,提取出与初始用户意图相关的埋点数据。

在一些具体实现中,对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图,包括:步骤111,提取初始用户意图中的第一意图特征集合;步骤112,依据第一意图特征集合和预设意图特征全集,确定待分析的意图特征集合;步骤113,依据埋点数据和待分析的意图特征集合,确定待补充的用户意图;步骤114,将待补充的用户意图填充至初始用户意图中,获得待处理的用户意图。

例如,通过将第一意图特征集合和预设意图特征全集相比较,确定待分析的意图特征集合,并提取出待分析的意图特征集合和埋点数据共有的意图特征,并根据这部分共有的意图特征,确定待补充的用户意图;将待补充的用户意图填充至初始用户意图中,以保证用户意图的完整性和准确性,提升后续对用户意图的转译的结果准确性。

步骤120,依据待处理的用户意图,确定意图网络的配置方案。

例如,通过意图转译的方式,将待处理的用户意图转译为意图网络的配置方案,保证对意图网络的配置的准确性。

在一些具体实现中,依据待处理的用户意图,确定意图网络的配置方案,包括:步骤121,依据知识图谱、预设推理算法和待处理的用户意图,确定初始配置方案的集合;步骤122,依据预设业务类型,计算初始配置方案的集合中的各个初始配置方案的加权值;步骤123,依据各个初始配置方案的加权值和初始配置方案的集合,确定意图网络的配置方案。

通过计算不同预设业务类型对应的初始配置方案的加权值,可进一步细化对各个初始配置方案的筛选,当待处理的用户意图是用于表征预设业务类型中的某个特定业务类型时,可精确筛选出与该特定业务类型对应的初始配置方案,加快对初始配置方案集合中的各个初始配置方案的筛选,提升意图网络的配置方案的生成效率,提升用户体验满意度。

在本实施例中,通过对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图,简化了用户的输入信息,可通过埋点数据弥补初始用户意图的不足,扩充对用户意图的理解,消除用户意图的歧义性;依据待处理的用户意图,确定意图网络的配置方案,建立待处理的用户意图与意图网络的配置信息之间的关联关系,保证对意图网络的配置准确性,提高意图网络中意图转译的准确性,以提升用户体验满意度。

在一个具体实现中,步骤113中的依据埋点数据和待分析的意图特征集合,确定待补充的用户意图,包括如下步骤:

步骤1131,对埋点数据中的事件元数据和用户元数据进行分析,获得埋点信息。

需要说明的是,埋点数据包括两种不同的模型,例如,事件元数据的模型和用户元数据的模型。图3示出本申请实施例中的事件元数据和用户元数据的结构示意图。其中,事件元数据210包括预置事件211、虚拟事件212和自定义事件213;用户元数据220包括预置属性221和自定义属性222。事件元数据210中的预置事件211的属性信息可以包括用户标识2111、事件标识2112、地点信息2113、行为信息2114、上下文信息2115和自定义属性信息2116。用户元数据220中的预置属性221包括用户标识2211、自然属性信息2212、用户使用习惯信息2213和账号属性信息2214。用户使用习惯信息2213可以是用户习惯长期使用告警监控功能等信息;自然属性信息2212可以是用户的年龄、性别等信息。

其中,事件元数据是用于表征用户的行为的数据,用户元数据是用于表征用户的属性特征的数据,埋点信息包括埋点意图特征集合和埋点事件集合,埋点意图特征集合包括埋点意图特征。通过对埋点信息进行分类,提取出不同类型的信息,可加快对埋点数据的处理,方便后续对埋点信息的处理,提升处理效率。

步骤1132,在确定埋点事件集合中存在与预设映射关系相匹配的匹配事件的情况下,提取埋点事件集合中的匹配事件,生成匹配事件集合。

其中,预设映射关系是预设事件与预设意图特征之间的映射关系。例如,预设事件是“告警查询”,预设意图特征包括“告警标识、告警类型和告警产生时间”;通过将埋点事件集合中的事件与预设相比较,当埋点事件集合中存在“告警查询”时,则表示埋点事件集合中存在匹配事件,该匹配事件即为“告警查询”,从而可根据预设映射关系,快速确定该匹配事件对应的预设意图特征包括“告警标识、告警类型和告警产生时间”。提升了对匹配事件的意图特征的提取速度,加快筛选匹配事件。

步骤1133,依据匹配事件集合、埋点意图特征集合和待分析的意图特征集合,确定待补充的用户意图。

在一些具体实现中,依据匹配事件集合、埋点意图特征集合和待分析的意图特征集合,确定待补充的用户意图,包括:依据匹配事件集合中的匹配事件,从埋点意图特征集合中提取第二意图特征,其中,第二意图特征是与匹配事件对应的埋点意图特征;依据第二意图特征查找待分析的意图特征集合,获得查找结果;在确定查找结果是待分析的意图特征集合中存在与第二意图特征相同的意图特征的情况下,计算第二意图特征对应的特征值;依据第二意图特征及其对应的特征值,确定待补充的用户意图。

例如,可使用机器学习算法(Machine Learning Algorithm,MLA),计算第二意图特征对应的特征值,使意图处理装置能够更直观的理解埋点意图特征,保证对埋点意图特征集合中的埋点意图特征处理正确性。然后,根据第二意图特征及其对应的特征值,通过意图转译的方式,确定待补充的用户意图,以保证用户意图的完整性,为后续对用户意图的分析能够准确,更贴合用户的需求。

通过从埋点事件集合中提取出与预设映射关系相匹配的匹配事件,加快对埋点数据的处理,提升数据的处理效率;然后,从埋点意图特征集合中提取出与匹配事件对应的第二意图特征,并计算第二意图特征的特征值,使意图处理装置能够更直观的理解埋点意图特征,提升设备的处理准确性;通过意图转译的方式确定待补充的用户意图,以保证用户意图的完整性,为后续对用户意图的分析能够准确,更贴合用户的需求。

在一些具体实现中,步骤114中的将待补充的用户意图填充至初始用户意图中,获得待处理的用户意图,包括:提取待补充的用户意图中的第二意图特征;计算获得第二意图特征对应的特征值;将第二意图特征及其对应的特征值填充至初始用户意图中的第一意图特征集合中,生成待处理的意图特征集合;获取待处理的意图特征集合中的意图特征对应的待处理事件;依据待处理的意图特征集合和待处理事件,确定待处理的用户意图。

例如,用户输入“用户A要开通一条10GE业务”,则用户的初始意图特征可以表示为{人物,业务类型,层速率,时间},其中,人物是“用户A”,业务类型是“客户层”,层速率是“10GE”,时间是“2020年9月24日”。通过将第二意图特征{源端,宿端,保护类型,智能程度}及其对应的特征值填充至初始用户意图中的第一意图特征集合中,生成待处理的意图特征集合,则待处理的意图特征集合可以表示为{人物,业务类型,层速率,源端,宿端,保护类型,智能程度,时间}。

通过以上待处理的意图特征集合,确定待处理的用户意图,扩充了用户意图,使用户要表达的意愿能够更充分的被意图处理装置理解,保证了用户意图的完整性。为后续将待处理的用户意图转译为意图网络的配置方案提供了更可靠的数据,提升意图网络的转译准确性。

在一些具体实现中,步骤121中的依据知识图谱、预设推理算法和待处理的用户意图,确定初始配置方案的集合,包括:基于知识图谱和预设推理算法,生成第一配置方案的集合,其中,知识图谱包括实体元素、属性元素和关系元素;依据待处理的用户意图,对第一配置方案的集合中的方案进行训练,获得训练结果;依据评分函数,对训练结果进行排序,获得第一排序结果,其中,评分函数是依据实体元素和关系元素之间的关联度确定的函数;依据第一排序结果,确定初始配置方案的集合。

例如,图4示出本申请实施例中的知识图谱的结构示意图。其中,一条知识图谱可以表示为一个三元组(主体,关系,客体)。例如,如图4所示,大明的儿子是小明,表示成三元组是(大明,儿子,小明)。主体和客体统称为实体(entity)。关系是不可逆的,即表示主体和客体不能颠倒过来。知识图谱的集合,链接起来成为一个图(graph),每个节点是一个实体,每条边是一个关系或一个事实(fact),每条边表征的含义是主体指向客体。因此,知识图谱是有向图。

通过预设推理算法,对知识图谱中的各个实体及其对应的关系进行推理训练,生成第一配置方案的集合;然后将待处理的用户意图作为输入参数,对第一配置方案的集合中的方案进行训练,获得训练结果,使训练结果能够更符合待处理的用户意图。依据评分函数对训练结果进行排序,获得第一排序结果;将第一排序结果中排名靠前的训练结果作为初始配置方案,可获得多个初始配置方案,例如,将第一排序结果中,排名前10位的训练结果提取出来,生成初始配置方案的集合,以提升意图网络的配置方案更符合待处理的用户意图,提升用户意图转译为意图网络的配置方案的准确性。

在一些具体实现中,步骤122中的依据预设业务类型,计算初始配置方案的集合中的各个初始配置方案的加权值,包括:

步骤1221,依次提取各个初始配置方案的配置参数信息和配置参数信息对应的初始事件信息。

步骤1222,依据预设业务类型,确定与预设业务类型对应的目标事件指标信息。

需要说明的是,不同的业务类型对应的目标事件指标信息也不同。其中,预设业务类型可以是业务发放,也可以是对告警信息的处理,以上对于预设业务类类型仅是举例说明,可根据实际需要进行具体设定,其他未说明的预设业务类型也在本申请的保护范围之内,在此不再赘述。

步骤1223,依据目标事件指标信息和初始事件信息,计算各个初始配置方案的加权值。

例如,将目标事件指标信息和初始事件信息进行对比,当初始事件信息中的相关信息满足目标事件指标时,对应的初始配置方案的加权值就会高一些;当初始事件信息中的相关信息距离目标事件指标比较远时,对应的初始配置方案的加权值就会低一些。保证不同的初始配置方案能够根据其对应的初始事件信息相距目标事件指标信息的程度,来确定初始配置方案的加权值,以区分不同的初始配置方案的优劣程度,方便对初始配置方案的筛选,获得更符合用户需求的意图网络的配置方案。

在一些具体实现中,步骤1223中的依据目标事件指标信息和初始事件信息,计算各个初始配置方案的加权值,包括:在确定预设业务类型是业务发放的情况下,依据业务发放对应的第一目标事件指标信息和各个初始事件信息,确定各个初始配置方案的业务发放成功的转化率;依据各个初始配置方案的业务发放成功的转化率,确定各个初始配置方案的加权值;在确定预设业务类型是告警压减的情况下,依据告警压减对应的第二目标事件指标信息和各个初始事件信息,确定各个初始配置方案的告警留存率;依据各个初始配置方案的告警留存率,确定各个初始配置方案的加权值。

例如,告警压减等级划分为一级、二级和三级,等级数越低,对应的告警留存率越高,例如,告警压减等级是一级时,对应的告警留存率是30%;告警压减等级是二级时,对应的告警留存率是60%;告警压减等级是三级时,对应的告警留存率是75%。即用户对于告警压减的容忍度不同。

通过依次提取各个初始配置方案的配置参数信息和配置参数信息对应的初始事件信息;依据预设业务类型,确定与预设业务类型对应的目标事件指标信息;依据目标事件指标信息和初始事件信息,计算各个初始配置方案的加权值,通过加权值来反应不同业务类型对应的配置方案的优劣程度,保证对意图网络的配置准确性,提升用户体验满意度。

在一些具体实现中,步骤123中的依据各个初始配置方案的加权值和初始配置方案的集合,确定意图网络的配置方案,包括:依据第一排序结果和各个初始配置方案的加权值,对初始配置方案的集合中的各个初始配置方案进行再次排序,获得第二排序结果;依据第二排序结果,确定意图网络的配置方案。

通过将各个初始配置方案的加权值作为第二次排序的参考值,使第二次排序能够更准确的匹配不同业务类型对应的意图网络的配置方案,提升意图网络的配置准确性。

图5示出本申请又一实施例中的意图处理方法的流程示意图。该意图处理方法可应用于意图处理装置。如图5所示,本申请实施例中的意图处理方法可以包括以下步骤。

步骤410,依据意图起始事件标识和意图终止事件标识,获取用户信息。

其中,用户信息包括用户的操作信息和用户的输入信息。例如,用户的操作信息可以是打开操作网页,对某些网页进行浏览;用户的输入信息可以是用户登录某些网页时,输入的用户名称和密码等信息。当用户进入意图起始页(即将“用户进入意图起始页”的操作作为意图起始事件标识)时,开启用户意图的会话,生成新的意图会话。当用户进入某个意图终止页(即将“用户进入意图终止页”的操作作为)时,意图处理装置会选取意图起始事件标识和意图终止事件标识之间的用户操作信息和用户的输入信息作为当前意图会话的用户信息,以方便对用户信息的提取。

步骤420,依据用户的操作信息和用户的输入信息,确定初始用户意图。

其中,输入信息包括意图文本和/或语音信息,初始用户意图是机器可识别的意图语言。

例如,当输入信息是意图文本时,通过命令解析等机器学习的技术手段,将意图文本转化为初始用户意图,即机器可识别的意图语言。当用户信息是语音信息时,需要先将语音信息转换成文本信息,然后按照文本信息的处理方式,将该文本信息转化为初始用户意图。保证对不同形式的输入信息,都能转化为机器可识别的意图语音,方便意图处理装置做进一步的处理。

步骤430,依据意图起始事件标识和数据服务器的埋点端口信息,从数据服务器中获取埋点数据。

需要说明的是,其中的埋点数据是与初始用户意图具有关联性的数据,当用户开始意图会话时(例如,以意图起始事件标识作为开始提取埋点数据的标识),会同步通过数据服务器的埋点端口(例如,端口号为4500等),来获取数据服务器存储的埋点数据,通过该埋点数据来补充用户意图,使用户意图能够更充分的表达为机器可识别的信息,提升用户意图转译为意图网络的配置方案的准确性。

步骤440,对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图。

步骤450,依据待处理的用户意图,确定意图网络的配置方案。

需要说明的是,本实施例中的步骤440~步骤450,与上一实施例中的步骤110~步骤120相同,在此不再赘述。

在本实施例中,通过依据意图起始事件标识和意图终止事件标识,获取用户信息;并依据意图起始事件标识和数据服务器的埋点端口信息,从数据服务器中获取埋点数据;对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图,使待处理的用户意图更充分,能够更准确的表达用户的需求,以保证用户意图的完整性和准确性。依据待处理的用户意图,确定意图网络的配置方案。保证对意图网络的配置准确性,提升意图网络的扩展性,提升用户体验满意度。

在一些具体实现中,在依据待处理的用户意图,确定意图网络的配置方案的步骤之后,还包括:反馈意图网络的配置方案给用户;获取用户基于意图网络的配置方案确定的修改参数;依据修改参数和意图网络的配置方案,更新意图网络的配置方案,意图网络的配置方案包括网络配置参数。

通过获取用户基于意图网络的配置方案确定的修改参数,使用户能够根据个性化的需求,再对意图网络的配置方案进行更新,充分保证意图网络的配置参数的准确性。

在一些具体实现中,在依据修改参数和意图网络的配置方案,更新意图网络的配置方案的步骤之后,还包括:依据更新后的意图网络的配置方案,配置意图网络;在确定对意图网络配置成功的情况下,删除缓存的初始用户意图和埋点数据。

通过使用更新后的意图网络的配置方案,配置意图网络,保证对意图网络的配置更符合用户的需求,更贴近用户意图;在确定对意图网络配置成功的情况下,删除缓存的初始用户意图和埋点数据,节省存储空间,方便下一次对用户意图和对应的埋点数据的处理,避免数据的混淆,提升数据的处理效率。

下面结合附图,详细介绍根据本申请实施例的装置。图6示出本申请一实施例提供的意图处理装置的组成方框图。如图6所示,意图处理装置可以包括如下模块:

分析模块510,用于对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图,其中,初始用户意图用于表征用户的原始需求;处理模块520,用于依据待处理的用户意图,确定意图网络的配置方案。

在一些具体实现中,分析模块510,包括:提取子模块,用于提取初始用户意图中的第一意图特征集合;第一确定子模块,用于依据第一意图特征集合和预设意图特征全集,确定待分析的意图特征集合;第二确定子模块,用于依据埋点数据和待分析的意图特征集合,确定待补充的用户意图;填充子模块,用于将待补充的用户意图填充至初始用户意图中,获得待处理的用户意图。

在一些具体实现中,第二确定子模块,用于对埋点数据中的事件元数据和用户元数据进行分析,获得埋点信息,其中,事件元数据是用于表征用户的行为的数据,用户元数据是用于表征用户的属性特征的数据,埋点信息包括埋点意图特征集合和埋点事件集合,埋点意图特征集合包括埋点意图特征;在确定埋点事件集合中存在与预设映射关系相匹配的匹配事件的情况下,提取埋点事件集合中的匹配事件,生成匹配事件集合,其中,预设映射关系是预设事件与预设意图特征之间的映射关系;依据匹配事件集合、埋点意图特征集合和待分析的意图特征集合,确定待补充的用户意图。

在一些具体实现中,第二确定子模块中的依据匹配事件集合、埋点意图特征集合和待分析的意图特征集合,确定待补充的用户意图,包括:依据匹配事件集合中的匹配事件,从埋点意图特征集合中提取第二意图特征,其中,第二意图特征是与匹配事件对应的埋点意图特征;依据第二意图特征查找待分析的意图特征集合,获得查找结果;在确定查找结果是待分析的意图特征集合中存在与第二意图特征相同的意图特征的情况下,计算第二意图特征对应的特征值;依据第二意图特征及其对应的特征值,确定待补充的用户意图。

在一些具体实现中,填充子模块,用于提取待补充的用户意图中的第二意图特征;计算获得第二意图特征对应的特征值;将第二意图特征及其对应的特征值填充至初始用户意图中的第一意图特征集合中,生成待处理的意图特征集合;获取待处理的意图特征集合中的意图特征对应的待处理事件;依据待处理的意图特征集合和待处理事件,确定待处理的用户意图。

在一些具体实现中,处理模块520,包括:初始配置方案确定子模块,用于依据知识图谱、预设推理算法和待处理的用户意图,确定初始配置方案的集合;加权值确定子模块,用于依据预设业务类型,计算初始配置方案的集合中的各个初始配置方案的加权值;配置方案确定子模块,用于依据各个初始配置方案的加权值和初始配置方案的集合,确定意图网络的配置方案。

在一些具体实现中,初始配置方案确定子模块,用于基于知识图谱和预设推理算法,生成第一配置方案的集合,其中,知识图谱包括实体元素、属性元素和关系元素;依据待处理的用户意图,对第一配置方案的集合中的方案进行训练,获得训练结果;依据评分函数,对训练结果进行排序,获得第一排序结果,其中,评分函数是依据实体元素和关系元素之间的关联度确定的函数;依据第一排序结果,确定初始配置方案的集合。

在一些具体实现中,配置方案确定子模块,用于依据第一排序结果和各个初始配置方案的加权值,对初始配置方案的集合中的各个初始配置方案进行再次排序,获得第二排序结果;依据第二排序结果,确定意图网络的配置方案。

在一些具体实现中,加权值确定子模块,用于依次提取各个初始配置方案的配置参数信息和配置参数信息对应的初始事件信息;依据预设业务类型,确定与预设业务类型对应的目标事件指标信息;依据目标事件指标信息和初始事件信息,计算各个初始配置方案的加权值。

在一些具体实现中,加权值确定子模块中的依据目标事件指标信息和初始事件信息,计算各个初始配置方案的加权值,包括:在确定预设业务类型是业务发放的情况下,依据业务发放对应的第一目标事件指标信息和各个初始事件信息,确定各个初始配置方案的业务发放成功的转化率;依据各个初始配置方案的业务发放成功的转化率,确定各个初始配置方案的加权值;在确定预设业务类型是告警压减的情况下,依据告警压减对应的第二目标事件指标信息和各个初始事件信息,确定各个初始配置方案的告警留存率;依据各个初始配置方案的告警留存率,确定各个初始配置方案的加权值。

在一些具体实现中,意图处理装置还包括:获取用户信息模块,用于依据意图起始事件标识和意图终止事件标识,获取用户信息,其中,用户信息包括用户的操作信息和用户的输入信息;确定模块,用于依据用户的操作信息和用户的输入信息,确定初始用户意图,其中,输入信息包括意图文本和/或语音信息,初始用户意图是机器可识别的意图语言;获取埋点数据模块,用于依据意图起始事件标识和数据服务器的埋点端口信息,从数据服务器中获取埋点数据。

在一些具体实现中,意图处理装置,还包括:反馈模块,用于反馈意图网络的配置方案给用户;参数修改模块,用于获取用户基于意图网络的配置方案确定的修改参数;更新模块,用于依据修改参数和意图网络的配置方案,更新意图网络的配置方案,意图网络的配置方案包括网络配置参数。

在一些具体实现中,意图处理装置,还包括:配置模块,用于依据更新后的意图网络的配置方案,配置意图网络;删除模块,用于在确定对意图网络配置成功的情况下,删除缓存的初始用户意图和埋点数据。

在一些具体实现中,意图处理装置中的埋点数据是从日志埋点信息中提取的数据。

根据本申请实施例的意图处理装置,通过分析模块对获取到的埋点数据和初始用户意图进行分析,确定待处理的用户意图,简化了用户的输入信息,可通过埋点数据弥补初始用户意图的不足,扩充对用户意图的理解,消除用户意图的歧义性;使用处理模块依据待处理的用户意图,确定意图网络的配置方案,建立待处理的用户意图与意图网络的配置信息之间的关联关系,保证对意图网络的配置准确性,提高意图网络中意图转译的准确性,以提升用户体验满意度。

需要明确的是,本申请并不局限于上文实施例中所描述并在图中示出的特定配置和处理。为了描述的方便和简洁,这里省略了对已知方法的详细描述,并且上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。

图7示出本申请又一实施例中的意图处理装置的组成方框图。如图7所示,基于数据埋点的意图处理装置包括:依次连接的意图反馈模块610、意图解析模块620、埋点分析模块630和会话控制模块640。其中,埋点分析模块630包括依次连接的预处理单元631、结果重组单元632、事件分析单元633、指标评估单元634和数据抽取单元635。

意图反馈模块610,用于将意图解析模块620输出的用户意图和该用户意图对应的意图网络的配置方案等信息发送给显示界面,以使用户能够通过显示界面获得意图网络的配置方案。

意图解析模块620,用于将用户输入的信息(例如,意图文本和/或语音信息等)转换为初始用户意图,即机器可识别的意图语言。例如,意图解析模块620获取用户输入的原始的意图文本和用户的行为事件,通过对用户的行为事件的分析,以及使用文本预处理函数剔除无效的文本输入,并将有效的文本输入通过命令解析、语义槽填填充等机器学习的技术手段转化为初始用户意图。意图解析模块620调用埋点分析模块630,获得埋点分析模块630中的结果重组单元632返回的经过语义槽填充的待处理的用户意图,以保证用户意图的完整性和准确性。依据该待处理的用户意图以及埋点分析模块630中的指标评估单元634输入的加权值,确定对意图网络的配置方案,并反馈该意图网络的配置方案给意图反馈模块610。

需要说明的是,意图解析模块620采用预设推理算法,对知识图谱和待处理的用户意图进行处理(例如,通过意图策略的生成、网络编排和验证等处理),生成初始配置方案的集合。结合指标评估单元634输入的加权值,对初始配置方案的集合中的各个初始配置方案进行评估优化,确定最终推荐给用户的意图网络的配置方案,然后将意图网络的配置方案输出给意图反馈模块610,以使意图反馈模块610反馈给用户,获得用户基于意图网络的配置方案确定的修改参数;依据该修改参数和意图网络的配置方案,更新意图网络的配置方案。保证意图网络的配置准确性。

埋点分析模块630,用于从数据服务器中读取埋点数据,并对该埋点数据进行分析,确定待补充的用户意图,并将该待补充的用户意图反馈给意图解析模块620。同时,根据业务类型的不同,计算获得各个初始配置方案的加权值,并反馈该加权值给意图解析模块620。

预处理单元631,用于对意图解析模块620输入的初始用户意图,进行特征提取、属性对比等预处理操作,获得第一意图特征集合,其中,第一意图特征集合包括多个第一意图特征。将第一意图特征与预设意图特征全集中的意图特征进行对比,确定待分析的意图特征集合。

结果重组单元632,用于获得事件分析单元633输入的埋点意图特征集合和各个第二意图特征对应的特征值,其中,埋点意图特征集合包括第二意图特征。对第二意图特征及其对应的特征值进行处理,转换为待补充的用户意图,并将该待补充的用户意图发送给意图解析模块620。

事件分析单元633,用于对数据抽取单元635输入的埋点意图特征集合、埋点事件集合和预设映射关系进行分析,生成匹配事件集合(例如,在确定埋点事件集合中存在与预设映射关系相匹配的匹配事件的情况下,提取埋点事件集合中的匹配事件,生成匹配事件集合);其中,埋点意图特征集合包括埋点意图特征,预设映射关系是预设事件与预设意图特征之间的映射关系;依据匹配事件集合中的匹配事件,从埋点意图特征集合中提取第二意图特征,其中,第二意图特征是与匹配事件对应的埋点意图特征;依据第二意图特征查找预处理单元631输入的待分析的意图特征集合,获得查找结果;在确定查找结果是待分析的意图特征集合中存在与第二意图特征相同的意图特征的情况下,计算第二意图特征对应的特征值;将第二意图特征及其对应的特征值,输出给结果重组单元632。

指标评估单元634,用于从数据抽取单元635获取埋点意图特征集合、埋点事件集合和设定预设映射关系。结合意图解析模块620输入的待处理的用户意图,进行综合分析,按照不同的业务类型,生成对应的加权值;并将该加权值反馈给意图解析模块620。

例如,在确定预设业务类型是业务发放时,设定业务发放对应的第一目标事件指标信息是业务发放成功的页面的转化率,通过漏斗分析方法和评估算法,确定在预设时长内(例如,10分钟内)的业务发放成功的页面的转化率。在确定预设业务类型是告警压减时,在预设时长内,采用关联分析对做过告警确认和/或告警清除等事件操作的用户进行分析,实现在告警高峰期时,当用户表达“快速压减”告警的用户意图时,评估出不同告警压减规则对应的告警留存率。(例如,设定告警量最小或最大的是第M周,告警压减对应的第二目标事件指标信息是“第M周告警留存”与“告警压减”事件之间的关联关系)。依据业务发放成功的页面的转化率或告警留存率确定转化趋势,以作为意图网络的配置方案的加权值。

数据抽取单元635,用于对埋点数据进行处理,将埋点数据转换成埋点信息,该埋点信息包括埋点意图特征集合和埋点事件集合。设定预设映射关系,该预设映射关系是预设事件与预设意图特征之间的映射关系。

例如,从数据服务器读取埋点数据(例如,事件元数据和用户元数据等),然后对埋点数据进行解析,得到JS对象标记(JavaScript Object Notation,JSON)数据;在JSON数据中,根据预置条件提取用户标识,以及与预设映射关系相对应的埋点事件,并对埋点事件进行过滤、去重等处理,生成处理后的JSON数据;将处理后的JSON数据发送给指标评估单元634进行分析处理。JSON数据易于人阅读和编写,同时也易于机器解析和生成,有效地提升了网络传输效率。

会话控制模块640,用于维护对待处理的用户意图的处理流程,上下文对话信息的管理等,以实现对用户行为和事件进行跟踪。

在本实施例中,通过意图解析模块将用户输入的信息转换为初始用户意图,使机器能够识别用户希望表达的用户意图。通过埋点分析模块中的各个单元对埋点数据进行分析处理,获得埋点分析模块中的结果重组单元返回的经过语义槽填充的待处理的用户意图,以保证用户意图的完整性和准确性。依据待处理的用户意图以及埋点分析模块中的指标评估单元输入的加权值,确定对意图网络的配置方案,并反馈该意图网络的配置方案给意图反馈模块,使用户能够及时获得相匹配的意图网络的配置方案,方便用户对意图网络进行快速准确的配置,提高意图网络中意图转译的准确性,以提升用户体验满意度。

图8示出本申请实施例中的基于数据埋点的意图处理装置对用户意图进行处理的方法的流程示意图。如图8所示,基于数据埋点的意图处理装置采用如下步骤来实现对用户意图的处理。

步骤701,响应于用户发送的意图会话请求,获取用户信息。

其中,用户信息包括用户的操作信息和用户的输入信息。

例如,当用户进入意图起始页(即将“用户进入意图起始页”的操作作为起始事件(Start_Event))时,开启用户意图的会话,生成新的意图会话。同时,开启对埋点数据的获取开关(例如,采用软件开发工具包(Software Development Kit,SDK)的方式,启动对埋点数据的获取),自动收集与本次意图会话对应的埋点信息;当用户进入某个(或多个)意图终止页(即将“用户进入意图终止页”的操作作为终止事件(End_Event))时,或,当前的意图会话的进行时长超过预设会话时长(例如,6个小时等)时,关闭当前的意图会话。需要说明的是,不同的意图会话采用会话标识和业务领域标识进行区分,以方便对不同意图会话的相关信息进行提取和处理。

步骤702,获取与用户信息相关的埋点数据。

例如,采用半自动化埋点的方式,把部分人工工作进行标准化,做成SDK,在产品中嵌入该SDK;当用户信息中包括起始事件时,埋点分析模块通过嵌入SDK的方式从数据服务器读取埋点数据。

其中,埋点数据包括事件元数据和用户元数据。事件元数据包括预置事件、虚拟事件和自定义事件中的任意一种或几种;用户元数据包括用户标识(UserID)、用户属性信息(例如,用户的年龄和性别等信息)、用户使用习惯信息(例如,长期使用告警监控等)和账户属性信息中的任意一种或几种。预置事件包括用户标识、事件标识、地点信息、行为信息、上下文信息和事件属性信息中的任意一种或几种。自定义事件可以是通过SDK的跟踪事件(Track_Event)接口获取到的事件,是用于分析用户行为和埋点数据的主要数据。

需要说明的是,事件元数据和用户元数据通过唯一的标识(例如,UserID,或,设备标识等)进行关联。根据接口的调用方式的差异,该唯一的标识也不同。

在一些具体实现中,根据用户意图的业务类型,自定义事件可以是某个拓扑图对象的浏览操作(ViewTopo_Event)、提交网元间的连线配置操作(LinkCfg_Event)、单板安装操作(SetupBoard_Event)和网元配置操作(NetCfg_Event)等行为事件中的任意一种或几种,自定义事件也可以包括预设连线类型、网元名、连线名称、操作时间等事件的属性信息。然后,以事件元数据的形式存储在数据服务器中,以供意图处理装置的调用分析,方便后续处理。需要说明的是,以上对于自定义事件仅是举例说明,其他未说明的自定义事件也在本申请的保护范围之内,可根据具体情况具体设定,在此不再赘述。

步骤703,对用户信息进行分析,获得初始用户意图。

在确定用户信息是意图文本的情况下,使用文本预处理函数剔除无效的文本信息,获得有效的文本信息,并将有效的文本信息通过命令解析或语义槽填充等机器学习的技术手段转化为初始用户意图,即机器可识别的意图语言。

在确定用户信息是语音信息的情况下,通过自动语音识别(Automatic Speech Recognition,ASR)技术将原始的语音信号转换成文本信息,再通过自然语言理解(Natural Language Processing,NLU)技术将文本信息转换成框架语义表示。例如,采用面向开发者的自然语言语义理解服务(Language Understanding Intelligent Service,LUIS)平台,将文本信息转换成框架语义表示。

步骤704,将埋点数据中与用户信息相关的待补充的用户意图,补充至初始用户意图中,获得待处理的用户意图。

例如,调用预处理函数,对埋点数据进行清洗和有效性校验等预处理操作,确定埋点数据的埋点意图特征集合和埋点事件集合。在确定埋点事件集合中存在与预设映射关系相匹配的匹配事件的情况下,提取埋点事件集合中的匹配事件,生成匹配事件集合;其中,埋点意图特征集合包括埋点意图特征,预设映射关系是预设事件与预设意图特征之间的映射关系;依据匹配事件集合中的匹配事件,从埋点意图特征集合中提取第二意图特征,其中,第二意图特征是与匹配事件对应的埋点意图特征;依据第二意图特征查找预处理单元631输入的待分析的意图特征集合,获得查找结果;在确定查找结果是待分析的意图特征集合中存在与第二意图特征相同的意图特征的情况下,计算第二意图特征对应的特征值,然后将第二意图特征及其对应的特征值填充到初始用户意图中,获得待处理的用户意图。

步骤705,依据待处理的用户意图,确定意图网络的配置方案。

在语义网络中,知识图谱是由实体、属性和关系三种元素组成的,知识图谱可表示为三元组(头实体,关系,尾实体)。其中,头实体和尾实体统称为实体,实体包括属性信息。采用转换嵌入(Translating Embedding,TransE)算法,基于知识图谱进行知识推理,获得初始配置方案的集合;依据预设业务类型,计算初始配置方案的集合中的各个初始配置方案的加权值;依据各个初始配置方案的加权值,对各个初始配置方案进行排序,获得排序结果;根据该排序结果,确定意图网络的配置方案。其中,意图网络的本质上就是网络特征的组合,例如,对各个拓扑节点、隧道策略等的各种组合,所形成的意图网络。

步骤706,反馈意图网络的配置方案给用户,获取用户基于意图网络的配置方案确定的修改参数,并依据修改参数和意图网络的配置方案,更新意图网络的配置方案。

需要说明的是,在获得意图网络的配置方案后,可能还会存在某些不足,或,同时存在多个不同的配置方案,此时,需要将多个不同的配置方案反馈给用户,以供用户根据自身需要进行选择,或,用户根据个性化需求,对配置方案中的相关参数进行修改。当获得用户基于意图网络的配置方案确定的修改参数时,意图处理装置会根据该修改参数,对用户选定的意图网络的配置方案进行再次的修正,获得最终的意图网络的配置方案,充分保证了意图网络的配置参数的准确性。

步骤707,使用更新后的意图网络的配置方案,对意图网络进行配置。

需要说明的是,在完成对意图网络的配置,且,接收到底层网络反馈的配置成功消息时,意图处理装置需要清除本次意图会话的相关缓存数据(例如,缓存的初始用户意图,和,与该初始用户意图相关的埋点数据等)。

在本实施例中,通过将用户输入的信息转换为初始用户意图,使机器能够识别用户希望表达的用户意图。将埋点数据中与用户信息相关的待补充的用户意图,补充至初始用户意图中,获得待处理的用户意图,以保证用户意图的完整性和准确性。依据预设业务类型,计算初始配置方案的集合中的各个初始配置方案的加权值;依据各个初始配置方案的加权值,对各个初始配置方案进行排序,获得排序结果;根据该排序结果,确定意图网络的配置方案;并反馈该意图网络的配置方案给用户,方便用户对意图网络进行快速准确的配置,建立待处理的用户意图与意图网络的配置信息之间的关联关系,保证对意图网络的配置准确性,提高意图网络中意图转译的准确性,以提升用户体验满意度。

图9示出本申请实施例中的基于埋点数据补全用户意图的方法的流程示意图。如图9所示,包括如下步骤。

步骤801,获取用户信息中的初始用户意图,并提取初始用户意图中的第一意图特征集合。

在用户信息中,通常采用类似“我想做什么”或“我想怎样”的方式表达用户的意图。例如,图10示出本申请实施例中的对用户信息解析获得的意图特征的示意图。用户输入“我要开通一条10GE业务”,可以解析成如图10所示的意图特征,其中,领域(domain)={业务};意图(Intent)={开通业务};语义槽={人物,业务类型,层速率,时间}。人物是“王某某”,业务类型是“客户层”,层速率是“10GE”,时间是“A年B月C日”(例如,2020年9月24日)。通过查看图10,可清楚的获得用户信息中的初始用户意图,以及初始用户意图中的第一意图特征集合(即语义槽)。

步骤802,依据第一意图特征集合和预设意图特征全集,确定待分析的意图特征集合。

例如,通过查找配置文件,确定领域={业务}且意图={开通业务}对应的意图特征集合为预设意图特征全集;然后,将语义槽中意图特征(即{人物,业务类型,层速率,时间})与预设意图特征全集进行比对,得到待分析的意图特征集合。需要说明的是,预设意图特征全集中的意图特征的数量大于第一意图特征集合中的意图特征的数量,例如,预设意图特征全集中可能包括16种不同的意图特征,而第一意图特征集合中仅包括人物、业务类型、层速率和时间这4种意图特征,则待分析的意图特征集合中的意图特征的数量为12。

步骤803,对埋点数据中的事件元数据和用户元数据进行分析,获得埋点信息。

其中,事件元数据用于表征用户的行为的数据,用户元数据用于表征用户的属性特征的数据,埋点信息包括埋点意图特征集合和埋点事件集合,埋点意图特征集合包括埋点意图特征。

步骤804,判断埋点事件集合中是否存在与预设映射关系相匹配的匹配事件。

其中,预设映射关系是预设事件与预设意图特征之间的映射关系。在确定埋点事件集合中存在与预设事件相同的事件时,表示埋点事件集合中存在与预设映射关系相匹配的匹配事件;否则,在确定埋点事件集合中没有与预设事件相同的事件时,表示埋点事件集合中不存在与预设映射关系相匹配的匹配事件。

需要说明的是,在确定埋点事件集合中存在与预设映射关系相匹配的匹配事件的情况下,执行步骤805;否则,在确定埋点事件集合中不存在与预设映射关系相匹配的匹配事件的情况下,表示此时获得的初始用户意图足以表征用户的期望信息,无需将埋点数据中的某些意图特征添加至初始用户意图中,此时执行步骤811,以用户的初始用户意图来确定待处理的用户意图即可。

步骤805,提取埋点事件集合中的匹配事件,生成匹配事件集合。

步骤806,依据匹配事件集合中的匹配事件,从埋点意图特征集合中提取第二意图特征。

其中,第二意图特征是与匹配事件对应的埋点意图特征。例如,第二意图特征可以是{源端,宿端,保护类型,智能程度}等意图特征。其中,源端表示业务发起端的源地址或源端设备的标识等;宿端表示业务接收端的目的地址或目的端设备的标识等;智能程度表示意图网络中动态分配和灵活控制带宽、快速生成业务、提供保护与恢复、动态扩展扩容等能力的具备程度;保护类型表示对意图网络中的业务的保护方式,例如线性保护、环网保护等。

步骤807,依据第二意图特征查找待分析的意图特征集合,获得查找结果。

步骤808,在确定查找结果是待分析的意图特征集合中存在与第二意图特征相同的意图特征的情况下,计算第二意图特征对应的特征值。

例如,通过机器学习的算法,对第二意图特征进行特征值的计算,获得第二意图特征对应的特征值。或,通过源端的意图特征和目的端的意图特征,对相应的网元配置事件和创建网元间链路事件进行数据分析,确定第二意图特征对应的特征值。对于无法通过计算获得特征值的意图特征,进行数据清洗和丢弃。

步骤809,依据第二意图特征及其对应的特征值,确定待补充的用户意图。

步骤810,将待补充的用户意图填充至初始用户意图中,获得待处理的用户意图。

例如,将待补充的用户意图对应的第二意图特征及其对应的特征值,填充至初始用户意图对应的语义槽中,生成待处理的用户意图对应的语义槽={人物,业务类型,层速率,源端,宿端,保护类型,智能程度,时间},通过待处理的用户意图对应的语义槽中的各个意图特征,确定待处理的用户意图,以保证用户意图的完整性和准确性。

需要说明的是,当用户输入的语音信息或文字信息存在多义性(例如,用户输入的文字信息是“我要建一条带保护业务”)时,通过对用户输入的文字信息进行分析,会获得“带保护”这一语义特征对应的多种意图特征(例如,线性保护或环网保护等),通过多种相近的意图特征,无法明确知晓用户到底需要建立哪种类型保护的业务,也无法知道对应的业务类型,(例如,用户可能需要建立传统带保护业务,也可能需要建立智能恢复型带保护业务)。因此,当对用户输入的文字信息进行解析,获得的语义槽中存在多个相似意图特征时,需要针对用户的操作事件(例如,用户浏览的页面内容,和/或,操作的对象)进行详细分析,确定操作事件与意图特征之间的对应关系,从而根据该对应关系进一步确定待补充的用户意图。

步骤811,输出待处理的用户意图。

在本实施例中,通过将初始用户意图与预设意图特征全集相对比,确定待分析的意图特征集合,然后,将埋点事件集合中与预设映射关系相匹配的匹配事件对应的埋点意图特征提取出来(即第二意图特征);将第二意图特征补充至初始用户意图对应的意图特征集合中,生成待处理的用户意图,保证了用户意图的完整性。依据待处理的用户意图,确定意图网络的配置方案,提升了意图网络的转译准确性。

图11示出本申请实施例中的将待处理的用户意图转译为意图网络的配置方案的方法的流程示意图。如图11所示,包括如下步骤。

步骤1001,获取待处理的用户意图。

其中,待处理的用户意图包括初始用户意图和待补充的用户意图。以保证用户意图的完整性,提升对用户意图的准确理解。

步骤1002,依据知识图谱、预设推理算法和待处理的用户意图,确定初始配置方案的集合。

例如,根据用户意图的框架语义中的domain和Intent的取值,对知识图谱进行划分,生成训练集和测试集;将待处理的用户意图作为输入参数进行训练,获得训练结果;根据评分函数(例如,loss函数等)对训练结果进行评估打分,获得各个训练结果的分数,进而获得各个训练结果对应的排名。根据该排名可确定初始配置方案的集合。

需要说明的是,其中的评分函数用于表征三元组中的实体与关系之间的关联度,可通过该评分函数,不断调整实体向量与关系向量,以使训练结果更符合待处理的用户意图。

步骤1003,依次提取各个初始配置方案的配置参数信息和配置参数信息对应的初始事件信息。

步骤1004,依据预设业务类型,确定与预设业务类型对应的目标事件指标信息。

例如,预设业务类型是业务发放时,则与业务发放对应的目标事件指标信息可以是业务发放成功的转化率;当预设业务类型是告警压减时,则与告警压减对应的目标事件指标信息可以是告警留存率。通过确定不同预设业务类型对应的目标事件指标信息,可明确具体期望达到的标准,方便后续处理,提升处理效率。

步骤1005,依据目标事件指标信息和初始事件信息,计算各个初始配置方案的加权值。

例如,在确定预设业务类型是业务发放的情况下,依据业务发放对应的第一目标事件指标信息和各个初始事件信息,确定各个初始配置方案的业务发放成功的转化率;依据各个初始配置方案的业务发放成功的转化率,确定各个初始配置方案的加权值。

当domain是“业务”,且预设业务类型是业务发放时,先根据业务发放过程中的各个事件、业务发放的转化周期,预设的过滤条件和待分析用户(例如,光传送网(Optical Transport Network,OTN)用户),以及漏斗分析算法,建立漏斗分析模型。根据该漏斗分析模型,对业务发放对应的第一目标事件指标信息和各个初始事件信息进行分析,确定各个初始配置方案的业务发放成功的转化率,进而通过该转化率来反应转化趋势。

例如,在确定预设业务类型是告警压减的情况下,依据告警压减对应的第二目标事件指标信息和各个初始事件信息,确定各个初始配置方案的告警留存率;依据各个初始配置方案的告警留存率,确定各个初始配置方案的加权值。其中,告警压减包括告警压减等级,不同的告警压减等级,对应的告警留存率不同。例如,告警压减等级划分为一级、二级和三级,等级数越低,对应的告警留存率越高,例如,告警压减等级是一级时,对应的告警留存率是30%;告警压减等级是二级时,对应的告警留存率是60%;告警压减等级是三级时,对应的告警留存率是75%。即用户对于告警压减的容忍度不同。

步骤1006,依据各个初始配置方案的加权值和初始配置方案的集合,确定意图网络的配置方案。

例如,依据第一排序结果和各个初始配置方案的加权值,对初始配置方案的集合中的各个初始配置方案进行再次排序,获得第二排序结果;依据第二排序结果,确定意图网络的配置方案。

在本实施例中,由于静态的知识图谱很难描述用户意图的分布和变化,在对知识图谱的知识推理过程中,不同用户的操作行为、以及同一用户在不同时刻的行为差异都无法体现出其对意图网络的配置方案的影响。用户期望获得的意图网络的配置方案和实际获得的意图网络的配置方案存在偏差,通过依次提取各个初始配置方案的配置参数信息和配置参数信息对应的初始事件信息;依据预设业务类型,确定与预设业务类型对应的目标事件指标信息;依据目标事件指标信息和初始事件信息,计算各个初始配置方案的加权值,并根据该加权值再次对初始配置方案进行排序,从而获得更准确的意图网络的配置方案。使用户期望获得的意图网络的配置方案和实际获得的意图网络的配置方案能够更贴合,使实际获得的意图网络的配置方案能够得到较好的修正,提升待处理的用户意图与意图网络的配置信息之间的关联准确性,保证对意图网络的配置准确性,提高意图网络中意图转译的准确性,以提升用户体验满意度。

图12示出能够实现根据本申请实施例的意图处理方法和装置的电子设备的示例性硬件架构的结构图。

如图12所示,电子设备1100包括输入设备1101、输入接口1102、中央处理器1103、存储器1104、输出接口1105、以及输出设备1106。其中,输入接口1102、中央处理器1103、存储器1104、以及输出接口1105通过总线1107相互连接,输入设备1101和输出设备1106分别通过输入接口1102和输出接口1105与总线1107连接,进而与电子设备1100的其他组件连接。

具体地,输入设备1101接收来自外部的输入信息,并通过输入接口1102将输入信息传送到中央处理器1103;中央处理器1103基于存储器1104中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器1104中,然后通过输出接口1105将输出信息传送到输出设备1106;输出设备1106将输出信息输出到电子设备1100的外部供用户使用。该电子设备1100可用于执行上述实施例描述的意图处理方法。

在一个实施例中,图12所示的电子设备可以被实现为一种意图处理系统,该意图处理系统可以包括:存储器,被配置为存储程序;处理器,被配置为运行存储器中存储的程序,以执行上述实施例描述的意图处理方法。

以上所述,仅为本申请的示例性实施例而已,并非用于限定本申请的保护范围。一般来说,本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如,一些方面可以被实现在硬件中,而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中,尽管本申请不限于此。

本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现,例如在处理器实体中,或者通过硬件,或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。

本申请附图中的任何逻辑流程的框图可以表示程序步骤,或者可以表示相互连接的逻辑电路、模块和功能,或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现,例如但不限于只读存储器(ROM)、随机访问存储器(RAM)、光存储器装置和系统(数码多功能光碟DVD或CD光盘)等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型,例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑器件(FGPA)以及基于多核处理器架构的处理器。

通过示范性和非限制性的示例,上文已提供了对本申请的示范实施例的详细描述。但结合附图和权利要求来考虑,对以上实施例的多种修改和调整对本领域技术人员来说是显而易见的,但不偏离本申请的范围。因此,本申请的恰当范围将根据权利要求确定。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1