本发明涉及一种水电设备报修消息处理方法。
背景技术：
随着我校的不断发展壮大，在校生与教职工人数、校园基础设施总数都在快速增加，这些将使得后勤传统的水电设备维修模式遇到了巨大的挑战和压力。目前，我校后勤水电设备报修模式是采用逐级上报的方式反应报修情况，由于中间涉及的人员和环节太多，情况信息上报到后勤部口时耗费和反馈的时间比较长，不能够满足实时交互送一特性，原有的信息交互方式己经很难满足用户的需求，不少学生、教师用户己经提出了这一问题。这也造成师生对后勤报修服务不满、误解和安全隐患等诸多问题。
移动通信技术的快速发展，通讯方式产生了巨大的变化。微信公众平台在通讯方式中的优势逐渐显露，成为人们常用的通讯方式之一。开发微信公众平台是一种极为合理的方式，然而在现有技术中，微信后台的报修消息处理一般都是消息内容在后台由专人查阅后，再由专人处理，人工成本高，而且工作内容枯燥乏味，以至于难以找到合适的专人长期进行此项工作。同时，消息内容属于自然语言，而对于自然语言的处理，现有技术大多采用神经网络的方式进行判别，然而神经网络的性能消耗极高，更新设备以满足其性能需求的成本过高。
技术实现要素：
为解决上述技术问题，本发明提供了一种水电设备报修消息处理方法，该水电设备报修消息处理方法通过取词、取近义、词频计数等操作，能够在很大程度上满足自动化处理消息内容的需求，同时性能消耗较低，基本无需更新设备。
本发明通过以下技术方案得以实现。
本发明提供的一种水电设备报修消息处理方法，有如下步骤：
①取词：对照着字典库的词条，对输入的消息内容进行分词处理，得到分词表；
②取近义：对照字典库的近义词项，对分词表进行扩展，得到近义词表；
③词频计数：对照语料库，对近义词表进行词频统计；
④筛选：对照判别库的判别文本，将近义词表中的近义词表和判别文本里非共有项删除，得到判别词表；
⑤判断：根据判别词表里的词频，对照判别库的判别条件，选取判别库的结果文本并输出。
所述字典库中词条和近义词项一一对应。
所述判别库中判别文本是独立词库，判别条件和结果文本一一对应。
所述步骤①中分词处理，是以从左到右逐字判断的方式，对照字典库的词条，取消息内容中和词条中的共有项为分词表中的项。
所述步骤②中，对分词表进行扩展，是将对应于词条的近义词项的内容直接附加在对应的分词表项中。
所述步骤③中，对近义词表进行词频统计，是统计近义词表中的词在语料库中出现的次数。
所述步骤④中，是针对近义词表逐项判断，如遍历判别文本没有找到相同的当前项内容则将当前项删除。
所述步骤⑤中的判别条件为对应判别文本中词项的词频数值判断条件。
本发明的有益效果在于：通过取词、取近义、词频计数等操作，能够在很大程度上满足自动化处理消息内容的需求，同时性能消耗较低，基本无需更新设备，而且后期升级优化容易，扩展空间大。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
本发明提供的一种水电设备报修消息处理方法，有如下步骤：
①取词：对照着字典库的词条，对输入的消息内容进行分词处理，得到分词表；
②取近义：对照字典库的近义词项，对分词表进行扩展，得到近义词表；
③词频计数：对照语料库，对近义词表进行词频统计；
④筛选：对照判别库的判别文本，将近义词表中的近义词表和判别文本里非共有项删除，得到判别词表；
⑤判断：根据判别词表里的词频，对照判别库的判别条件，选取判别库的结果文本并输出。
所述字典库中词条和近义词项一一对应。
所述判别库中判别文本是独立词库，判别条件和结果文本一一对应。
所述步骤①中分词处理，是以从左到右逐字判断的方式，对照字典库的词条，取消息内容中和词条中的共有项为分词表中的项。
所述步骤②中，对分词表进行扩展，是将对应于词条的近义词项的内容直接附加在对应的分词表项中。
所述步骤③中，对近义词表进行词频统计，是统计近义词表中的词在语料库中出现的次数。
所述步骤④中，是针对近义词表逐项判断，如遍历判别文本没有找到相同的当前项内容则将当前项删除。
所述步骤⑤中的判别条件为对应判别文本中词项的词频数值判断条件。
实施例1
假定输入的消息内容为“图书馆三楼渗水”。
①取词：对照着字典库的词条(包括“图书馆”、“三楼”、“渗水”)，对输入的消息内容进行分词处理，得到分词表(“图书馆”、“三楼”、“渗水”)；
②取近义：对照字典库的近义词项(“图书馆”→“图书室、借阅室”、“三楼”→“三层”、“渗水”→“漏水、浸水”)，对分词表进行扩展，得到近义词表(“图书馆、图书室、借阅室、三楼、三层、渗水、漏水、浸水”)；
③词频计数：对照语料库，对近义词表进行词频统计(“图书馆10、图书室12、借阅室5、三楼20、三层13、渗水7、漏水23、浸水11”)；
④筛选：对照判别库的判别文本(“图书馆、借阅室、三楼、三层、漏水”)，将近义词表中的近义词表和判别文本里非共有项(“图书室、渗水、浸水”)删除，得到判别词表(“图书馆10、借阅室5、三楼20、三层13、漏水23”)；
⑤判断：根据判别词表里的词频，对照判别库的判别条件(“图书馆”词频＞“教学楼”词频、“漏水”词频＞5、“三楼”词频＞“三层”词频＞10)，选取判别库的结果文本(“图书馆三楼有漏水现象，请负责图书馆的水电师傅尽快处理”)并输出。
从实施例1可以看出，本发明的技术方案，相对于利用神经网络的判别方式而言，可以大幅提高性能，主要处理均在于查询、对比和统计，计算量小，并且判别库中的判别条件和结果文本可以不断的进一步优化，每一次优化也都无需像神经网络建模那样耗费大量计算资源，且可以根据业务模式需求的转变而及时转变，结果文本在后期优化升级的过程中也可以转变为代码文本由下一级模块执行，实现更高自动化。