一种基于用户体验知识图谱数据库的服务优化方法及平台与流程

1.本发明涉及基于知识图谱的服务优化技术领域，特别涉及一种基于用户体验知识图谱数据库的服务优化方法及平台。


背景技术：

2.知识图谱是当今大数据时代一种重要的知识表示和组织形式，被广泛应用在智能搜索、问答系统、数据挖掘、智能引擎、网络工程以及个性化推荐等领域，为它们知识赋能。知识图谱由实体(已知信息)和关系(知识)组成，实体表示客观世界的事物，关系表示实体之间的相互联系。传统的知识图谱使用符号化的形式表示，将实体和关系使用唯一符号进行表示。智能问答都是建立在知识图谱上的，通过用户提供的关键词进行分析与解析，进而在知识图谱中寻求答案。
3.现有技术的不足之处在于，现有的符号主义知识图谱无法应对大规模知识图谱的需求，不能表达实体之间潜在的语义关联，同时阻碍了知识图谱的应用。


技术实现要素：

4.本发明的目的克服现有技术存在的不足，为实现以上目的，采用一种基于用户体验知识图谱数据库的服务优化方法及平台，以解决上述背景技术中提出的问题。
5.一种基于用户体验知识图谱数据库的服务优化方法，构建方法的步骤包括：
6.通过第三方数据库抓取用户体验数据后进行信息抽取；以及
7.根据信息抽取后的用户体验数据进行自然语言语义处理和标签归类；
8.通过用户体验数据反馈的频率和语言语义分析后语言语义激烈程度，构建服务评估体系；
9.构建用户体验知识图谱数据库，并根据用户类型推送对应类型的服务优化方案。
10.作为本发明的进一步的方案：所述通过第三方数据库抓取用户体验数据后进行信息抽取、自然语言语义处理和标签归类的具体步骤包括：
11.通过第三方数据库抓取用户体验数据，所述用户体验数据包括结构化、半结构化和非结构化数据；
12.首先对用户体验数据进行信息抽取，信息抽取包括实体抽取、关系抽取和属性抽取；
13.再对信息抽取完成的用户体验数据进行自然语言语义分析；
14.并对相同类型的用户体验数据进行归类和分句处理。
15.作为本发明的进一步的方案：所述通过用户体验数据反馈的频率和语言语义分析后语言语义激烈程度，构建服务评估体系的具体步骤包括：
16.基于构建的用户体验知识图谱数据库获取评估指标，所述评估指标包括经济性指标、质量指标和服务体验指标；
17.根据评估指标和从用户体验知识图谱数据库得到的指标评分进行量化，量化公式
为：
[0018][0019]
式中，u1、u2、u3分别为经济性指标、质量指标和服务体验指标的评分，b1、b2、b3为三个指标分别所对应的专家干预权重。
[0020]
一种包括如上述任意一项所述的一种基于用户体验知识图谱数据库的服务优化方法的服务优化平台，包括
[0021]
采集模块，用于通过第三方数据库抓取用户体验数据后进行信息抽取,以及根据信息抽取后的用户体验数据进行自然语言语义处理和标签归类；
[0022]
优化分析模块，通过用户体验数据反馈的频率和语言语义分析后语言语义激烈程度，构建服务评估体系；
[0023]
构建模块，用于构建用户体验知识图谱数据库，并根据用户类型推送对应类型的服务优化方案。
[0024]
与现有技术相比，本发明存在以下技术效果：
[0025]
通过采用上述的技术方案，通过第三方数据库抓取用户体验数据，对这些结构化、半结构化或非结构化数据进行关系抽取、实体抽取和属性抽取。再进行自然语言语义分析，对相同的用户体验进行归类并进行分句处理，本方法中通过抓取的用户体验数据，构建用户体验知识图谱数据库，能够给服务方或商家一个可视化的更直观易懂的用户反馈。同时基于用户体验知识图谱数据库构建服务优化体系，并进行服务模式的量化评分，能够最大效率地实现服务方或商家的服务优化。而且，利用引入了专家经验克服了传统知识图谱方法存在的忽略潜在的语义关联的缺点。
附图说明
[0026]
下面结合附图，对本发明的具体实施方式进行详细描述：
[0027]
图1为本技术公开的一些实施例的服务优化平台构建方法的步骤示意图；
[0028]
图2为本技术公开的一些实施例的服务优化平台构建方法的流程框图
[0029]
图3为本技术公开的一些实施例的评估体系的流程框图。
具体实施方式
[0030]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0031]
请参考图1和图2，本发明实施例中，一种基于用户体验知识图谱数据库的服务优化方法，构建方法的步骤包括：
[0032]
s1、通过第三方数据库抓取用户体验数据后进行信息抽取；以及
[0033]
s2、根据信息抽取后的用户体验数据进行自然语言语义处理和标签归类；
[0034]
具实施方式中，通过反馈平台与特定方法，抓取用户体验数据。
[0035]
处理自然语言语义，将用户体验数据进行标签分类，将用户体验按层次进行分级。通过相同负面反馈出现次数与语义分析后依据专家经验得出的用户语言语义激烈程度将
用户体验信息进行量化分级。
[0036]
步骤s1和s2的具体步骤包括：
[0037]
通过第三方数据库抓取用户体验数据，所述用户体验数据包括结构化、半结构化和非结构化数据；
[0038]
结构化数据主要指数据以固定格式存在的文件数据。它通常包括rdd和表格数据。
[0039]
半结构化数据主要指处于完全结构化数据和完全无结构的数据之间的数据，主要包括日志文件、xml文档、json文档、email等。
[0040]
非结构化数据主要指文字型数据，主要包括所有格式的办公文档、文本、图片、xml、html、各类报表、图像和音频/视频信息等等。
[0041]
首先对用户体验数据进行信息抽取，信息抽取包括实体抽取、关系抽取和属性抽取；
[0042]
再对信息抽取完成的用户体验数据进行自然语言语义分析；
[0043]
并对相同类型的用户体验数据进行归类和分句处理。
[0044]
s3、通过用户体验数据反馈的频率和语言语义分析后语言语义激烈程度，构建服务评估体系；
[0045]
具体的，构建用户体验知识图谱数据库，基于用户体验知识图谱数据库搭建服务优化体系，将优化后的服务模式反馈给服务方或商家。
[0046]
如图3所示，图示为服务评估体系流程框图，通过构建服务评估体系可以给出适合商家的服务模式。服务评估体系对象是用户对商家服务与产品的体验，服务评估体系目标是为商家选择最佳的服务优化方法，其中要素由服务经济性、服务质量和服务体验3项指标组成。
[0047]
其中，经济性指标包含：人力成本，时间成本，耗材成本，其他成本等具体指标。质量指标包含：服务响应(指服务响应速度)，服务安全性，服务有效时间与其他指标等具体指标。服务体验指标包含：可靠性，回购率，舒适度与其他指标等具体指标。
[0048]
步骤s3的具体步骤包括：
[0049]
基于构建的用户体验知识图谱数据库获取评估指标，所述评估指标包括经济性指标、质量指标和服务体验指标；
[0050]
根据评估指标和从用户体验知识图谱数据库得到的指标评分进行量化，量化公式为：
[0051][0052]
式中，u1、u2、u3分别为经济性指标、质量指标和服务体验指标的评分，b1、b2、b3为三个指标分别所对应的专家干预权重；
[0053]
根据服务评估体系得到的服务优化模式推送给商家。
[0054]
s4、构建用户体验知识图谱数据库，并根据用户类型推送对应类型的服务优化方案。
[0055]
具体实施方式中，服务方或生产者通过构建的用户体验知识图谱数据库获取到用户反馈，并根据上述步骤中用户体验的量化分数选择最优化的服务模式。
[0056]
构建知识图谱的具体步骤包括：
[0057]
知识获取：即从从不同来源、不同结构的数据中获取知识。主要工作是在一些公开
的数据库中运用机器学习技术快速大批量的收集知识图谱的要素(实体、关系、属性等)。
[0058]
知识融合：因为在收集要素时对象是复杂的多源数据，并且采用机器学习技术提取过程知识要素时并不能剔除重复的知识，因而提取出来的知识不一定有清晰的关系，所以在知识抽取后对其进行规范的整理、组织，从而使那些来自不同数据源的知识可以更加清晰有序，形成数据层。
[0059]
知识验证：分为补全、纠错、外链、更新各部分，确保知识图谱的一致性和准确性。一个典型问题是，知识图谱的构建不是一个静态的过程，当引入新知识时，需要判断新知识是否正确，与已有知识是否一致，如果新知识与旧知识间有冲突，那么要判断是原有的知识错了，还是新的知识不靠谱？这里可以用到的证据可以是权威度、冗余度、多样性、一致性等。如果新知识是正确的，那么要进行相关实体和关系的更新。
[0060]
知识计算和应用：知识计算主要是根据图谱提供的信息得到更多隐含的知识，像是通过本体或者规则推理技术可以获取数据中存在的隐含知识；通过链接预测预测实体间隐含的关系；通过社区计算在知识网络上计算获取知识图谱上存在的社区，提供知识间关联的路径等功能。通过知识计算知识图谱可以产生大量的智能应用如专家系统、推荐系统、语义搜索、问答等。
[0061]
一种包括如上述任意一项所述的一种基于用户体验知识图谱数据库的服务优化方法的服务优化平台，包括
[0062]
采集模块，用于通过第三方数据库抓取用户体验数据后进行信息抽取,以及根据信息抽取后的用户体验数据进行自然语言语义处理和标签归类；
[0063]
优化分析模块，通过用户体验数据反馈的频率和语言语义分析后语言语义激烈程度，构建服务评估体系；
[0064]
构建模块，用于构建用户体验知识图谱数据库，并根据用户类型推送对应类型的服务优化方案。
[0065]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定，均应包含在本发明的保护范围之内。