基于大数据知识库的解决方案推荐方法和系统

摘要

本发明提出了一种解决方案推荐方法，所述方法包括：获取用户的问题信息，将所述用户的问题信息作为第一问题信息；将所述第一问题信息与知识库中的各个问题信息进行匹配，确定与所述第一问题信息匹配的第二问题信息；获取与所述第二问题信息对应的解决方案；将获取到的所述解决方案推荐给与所述第一问题信息对应的用户。实现了获取与问题信息对应的解决方案的及时性和便捷性，且由于该方法和系统不再依赖于个人的主观经验，而是根据解决问题的客观历史数据，因此，推荐的方案更具有可靠性。此外，还提出了一种解决方案的推荐系统。

说明书

技术领域

本发明涉及计算机处理领域，特别是涉及一种基于大数据知识库的解决方案推荐方法和系统。

背景技术

目前，当人们在生活中遇到自己无法解决的问题时，一般会通过电话或面对面的找有经验的相关人士咨询，但是由于个人的知识、经验往往是有限的，如果只是单纯的依赖相关人士的主观经验和理论知识，很多时候并不能有效的解决人们的问题，而且一旦咨询的相关人士由于个人认知的错误，很可能会给出一些错误的解决方案，这样反而会对人们解决问题产生不利的影响，并且当人们咨询解决方案时往往需要长时间的等待过程。因此传统的方法给出的解决方案的可靠性和时效性都比较差。

发明内容

基于此，为了解决上述问题，提出了一种比较可靠、并且快捷的基于大数据的解决方案推荐方法和系统。

一种解决方案推荐方法，所述方法包括：获取用户的问题信息，将所述用户的问题信息作为第一问题信息，将所述第一问题信息与知识库中的各个问题信息进行匹配，确定与所述第一问题信息匹配的第二问题信息，获取与所述第二问题信息对应的解决方案，将获取到的所述解决方案推荐给与所述第一问题信息对应的用户。

在其中一个实施例中，在所述获取用户的问题信息的步骤之前还包括：建立知识库，所述知识库包括多个解决案例，所述解决案例包括问题信息及与所述问题信息对应的解决方案和解决效果的分数值。

在其中一个实施例中，所述将所述第一问题信息与知识库中的各个问题信息进行匹配，确定与所述第一问题信息匹配的第二问题信息的步骤包括：将所述第一问题信息与知识库中的各个问题信息进行匹配，获取匹配度大于预设阈值的问题信息集合，查找所述问题信息集合中每个问题信息对应的解决效果的分数值，将所述分数值最大的解决效果对应的问题信息作为与所述第一问题信息匹配的第二问题信息。

在其中一个实施例中，所述将所述第一问题信息与知识库中的各个问题信息进行匹配，确定与所述第一问题信息匹配的第二问题信息的步骤包括：将所述第一问题信息与知识库中的各个问题信息进行匹配，获取匹配度大于预设阈值的问题信息集合，查找所述问题信息集合中每个问题信息对应的解决效果的分数值，根据所述问题信息集合中各个问题信息的匹配度和所述各个问题信息对应的解决效果的分数值计算各个问题信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将所述第一匹配优先度对应的问题信息作为与所述第一问题信息匹配的第二问题信息。

在其中一个实施例中，所述方法还包括：获取用户对所述解决方案的反馈，根据所述反馈确定与所述解决方案对应的解决效果的分数值，将所述第一问题信息、推荐的所述解决方案及所述解决效果的分数值作为一个解决案例添加至所述知识库中，当所述知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

一种解决方案推荐系统，所述系统包括：问题信息获取模块，用于获取用户的问题信息，将所述用户的问题信息作为第一问题信息；确定模块，用于将所述第一问题信息与知识库中的各个问题信息进行匹配，确定与所述第一问题信息匹配的第二问题信息；解决方案获取模块，用于获取与所述第二问题信息对应的解决方案；推荐模块，用于将获取到的所述解决方案推荐给与所述第一问题信息对应的用户。

在其中一个实施例中，所述系统还包括：建立模块，用于建立知识库，所述知识库包括多个解决案例，所述解决案例包括问题信息及与所述问题信息对应的解决方案和解决效果的分数值。

在其中一个实施例中，所述确定模块包括：第一获取单元，用于将所述第一问题信息与知识库中的各个问题信息进行匹配，获取匹配度大于预设阈值的问题信息集合；第一查找单元，用于查找所述问题信息集合中每个问题信息对应的解决效果的分数值；第一匹配单元，用于将所述分数值最大的解决效果对应的问题信息作为与所述第一问题信息匹配的第二问题信息。

在其中一个实施例中，所述确定模块包括：第二获取单元，用于将所述第一问题信息与知识库中的各个问题信息进行匹配，获取匹配度大于预设阈值的问题信息集合；第二查找单元，用于查找所述问题信息集合中每个问题信息对应的解决效果的分数值；计算单元，用于根据所述问题信息集合中各个问题信息的匹配度和所述各个问题信息对应的解决效果的分数值计算各个问题信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度；第二匹配单元，用于将所述第一匹配优先度对应的问题信息作为与所述第一问题信息匹配的第二问题信息。

在其中一个实施例中，所述系统还包括：反馈模块，用于获取用户对所述解决方案的反馈，根据所述反馈确定与所述解决方案对应的解决效果的分数值；添加模块，用于将所述第一问题信息、推荐的所述解决方案及所述解决效果的分数值作为一个解决案例添加至所述知识库中，当所述知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

上述解决方案推荐方法和系统，通过首先获取用户的问题信息，将该用户的问题信息作为第一问题信息，然后将第一问题信息与知识库中的各个问题信息进行匹配，确定与第一问信息匹配的第二问题信息，继而获取第二问题信息对应的解决方案，将获取到的该解决方案推荐给用户。上述解决方案推荐方法和系统，基于大数据的知识库将用户的问题信息与知识库中的问题信息进行匹配，通过确定与第一问题信息匹配的第二问题信息，从而确定最能解决用户问题的解决方案，然后将找到解决方案推荐给该用户，实现了获取与问题信息对应的解决方案的及时性和便捷性，且由于该方法和系统不再依赖于个人的主观经验，而是根据解决问题的客观历史数据，因此，推荐的解决方案更具有可靠性。

附图说明

图1为一个实施例中解决方案推荐方法的流程示意图；

图2为一个实施例中确定与第一问题信息匹配的第二问题信息的方法流程示意图；

图3为另一个实施例中确定与第一问题信息匹配的第二问题信息的方法流程示意图；

图4为另一个实施例中解决方案推荐方法的流程示意图；

图5为一个实施例中解决方案推荐系统的结构框图；

图6为另一个实施例中解决方案推荐系统的结构框图；

图7为一个实施例中确定模块的结构框图；

图8为另一个实施例中确定模块的结构框图；

图9为又一个实施例中解决方案推荐系统的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下通过实施例，并结合附图，对本发明基于知识库的解决方案推荐方法和系统的具体实施方式进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，在一个实施例中，提出了一种解决方案推荐方法，该方法包括以下步骤：

步骤102，获取用户的问题信息，将用户的问题信息作为第一问题信息。

在本实施例中，用户问题信息的获取可以通过终端来获取，比如，可以通过终端输入用户的问题信息。其中，终端可以是智能手机、平板电脑、笔记本电脑、穿戴式智能设备等可以录入问题信息的电子设备。具体的，可在终端机上运行用户问题管理系统，通过该系统对用户的问题信息进行录入。其中，可以录入的问题信息包括但不限于日常问题、专业问题等。

步骤104，将第一问题信息与知识库中的各个问题信息进行匹配，确定与第一问题信息匹配的第二问题信息。

具体的，将第一问题信息与知识库中的各个问题信息进行匹配，分别计算各个问题信息与第一问题信息的匹配度，可以将计算得到的匹配度最大的问题信息作为与第一问题信息匹配的第二问题信息。在一个实施例中，首先，计算各个问题信息与第一问题信息的匹配度，然后将匹配度大于预设阈值(比如阈值设为0.8)的所有问题信息组成一个集合，或者将计算得到的匹配度按照从大到小的顺利排列，然后选取排在前面的(比如前10个)匹配度对应的问题信息组成一个问题信息集合，而再获取该集合中每个问题信息对应的解决效果的分数值，并将分数值最大的解决效果对应的问题信息作为与第一问题信息匹配的第二问题信息。在另一个实施例中，首先，计算各个问题信息与第一问题信息的匹配度，然后获取匹配度大于预设阈值的问题信息集合，继而获取该问题信息集合中每个问题信息对应的解决效果的分数值，最后根据得到的各个问题信息的匹配度和各个问题信息对应的解决效果的分数值计算各个问题信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将该第一匹配优先度对应的问题信息作为与第一问题信息匹配的第二问题信息。

步骤106，获取与第二问题信息对应的解决方案。

具体的，知识库中预先存储了大量的解决案例，每个解决案例包括问题信息及与该问题信息对应的解决方案、解决效果的分数值。其中，解决效果的分数值反映了解决效果的好坏，分数值越高，说明解决效果越好。计算得到与第一问题信息匹配的第二问题信息后，获取与该第二问题信息对应的解决方案。第一问题信息与第二问题信息匹配，说明两者的问题信息作为相似或相同，那么其解决方案也会最为相似或相同。所以获取与第二问题信息对应的解决方案后，将获取到的解决方案推荐给与第一问题信息对应的用户，进而帮助用户进行答疑。

步骤108，将获取到的解决方案推荐给与第一问题信息对应的用户。

具体的，可以将获取到的与用户的问题信息匹配的解决方案推荐给该用户。解决方案的信息可以通过网络推送给用户，也可以通过短信的形式发送到与用户对应的终端，还可以通过邮件等形式发送给用户。用户收到针对该用户的问信息即第一问题信息的解决方案后，可以根据该解决方案的解决效果对该解决方案进行评分，将用户的评分作为与解决方案对应的解决效果的分数值，然后将第一问题信息、以及为第一问题信息推荐的解决方案和解决效果的分数值一起作为一个新的解决案例添加到知识库中，使知识库逐渐的完善。

在本实施例中，通过首先获取用户的问题信息，将该用户的问题信息作为第一问题信息，然后将第一问题信息与知识库中的各个问题信息进行匹配，确定与第一问信息匹配的第二问题信息，继而获取第二问题信息对应的解决方案，将获取到的该解决方案推荐给用户。上述解决方案推荐方法，基于大数据的知识库将用户的问题信息与知识库中的问题信息进行匹配，通过确定与第一问题信息匹配的第二问题信息，从而确定最能解决用户问题的解决方案，然后将找到解决方案推荐给该用户，实现了获取与问题信息对应的解决方案的及时性和便捷性，且由于该方法和系统不再依赖于个人的主观经验，而是根据解决问题的客观历史数据，因此，推荐的解决方案更具有可靠性。

在一个实施例中，在获取用户的问题信息的步骤之前还包括：建立知识库，其中，知识库中包括多个解决案例，每个解决案例中包括问题信息及与该问题信息对应的解决方案和解决效果的分数值。

在本实施例中，预先建立知识库，该知识库为大数据知识库，可以理解为里面有大量的解决案例，每个解决案例中包括问题信息及与该问题信息对应的解决方案和解决效果的分数值，解决效果的分数值用于反映该解决方案对应的解决效果的优劣，分数值越大，说明解决效果越好，反之，分数值越小，解决效果就越差。分数值来源于用户对解决方案的反馈，用户的反馈可以通过评分来实现。本发明实施例中大数据知识库为解决方案的大数据知识库，解决方案大数据知识库是知识工程中结构化、易操作、易利用、全面有组织的知识集群，可以针对专业领域问题求解的需求，采用专业知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与专业领域相关的理论知识、事实数据。例如，专业领域内有关的定义、定理和运算规则以及常识性知识等。

如图2所示，在一个实施例中，将第一问题信息与知识库中的各个问题信息进行匹配，确定与第一问题信息匹配的第二问题信息的步骤包括：

步骤104a，将第一问题信息与知识库中的各个问题信息进行匹配，获取匹配度大于预设阈值的问题信息集合。

在本实施例中，将第一问题信息与知识库中的各个问题信息一一进行匹配，并计算知识库中每个问题信息与第一问题信息之间的匹配度，然后根据计算得到的匹配度，获取大于预设阈值的所有问题信息，将获取到的所有问题信息组成一个问题信息集合。计算匹配度的方法可以有多种，比如，可以根据关键词进行匹配，将匹配成功的关键词数作为匹配度。其中，在进行关键词的匹配时，将关键词作为字符串，既可以采用字符串的精确匹配，也可以采用字符串的模糊匹配。具体的，提取第一问题信息中的关键词作为第一关键词，然后利用第一关键词与知识库中的问题信息进行匹配，匹配的关键词数越多，相应的匹配度也就越大，将匹配度大于预设阈值(比如，80％)的问题信息全部收集起来组成一个问题信息集合。在另一个实施例中，从获取的用户的问题信息中抽取关键词作为第一关键词，从大数据知识库中解决案例中的问题信息中抽取关键词作为第二关键词，用户问题信息与知识库中各个问题信息的匹配实际上就是第一关键词与第二关键词进行匹配，并将匹配成功的关键词数在第一关键词数中的占比作为相应的匹配度。比如，从用户的问题信息中提取的第一关键词的次数为10个，那么如果数据库中的某个问题信息中的关键词有7个与第一关键词匹配成功，那么该问题信息与第一问题信息的匹配度就是70％。

步骤104b，查找问题信息集合中每个问题信息对应的解决效果的分数值。

在本实施例中，获取到匹配度大于预设阈值的问题信息集合后，进一步的去获取该问题信息集合中每个问题信息对应的解决效果的分数值，分数值越大，说明解决效果越好。具体的，比如，首先获取匹配度大于90％的问题信息集合，此时问题信息集合中的问题信息基本上都和第一问题信息比较相似，接下来需要获取问题信息集合中每个问题信息对应的解决效果的分数值。分数值越大，说明解决效果越好，也同时说明对应的解决方案越符合用户的需求。

步骤104c，将分数值最大的解决效果对应的问题信息作为与第一问题信息匹配的第二问题信息。

在本实施例中，获取到问题信息集合中每个问题信息对应的解决效果的分数值后，通过比较各个问题信息的解决效果的分数值，将分数值最大的解决效果对应的问题信息作为与第一问题信息匹配的第二问题信息，进而获取与该第二问题信息对应的解决方案，将该解决方案推荐给第一问题信息对应的用户。

如图3所示，在一个实施例中，将第一问题信息与知识库中的各个问题信息进行匹配，确定与第一问题信息匹配的第二问题信息的步骤包括：

步骤104A，将第一问题信息与知识库中的各个问题信息进行匹配，获取匹配度大于预设阈值的问题信息集合。

在本实施例中，将第一问题信息与知识库中的各个问题信息一一进行匹配，并计算知识库中每个问题信息与第一问题信息之间的匹配度，然后根据计算得到的匹配度，获取大于预设阈值的所有问题信息，将获取到的所有问题信息组成一个问题信息集合。匹配度的预设阈值的取值范围在0到1之间。计算匹配度的方法可以有多种，比如，可以根据关键词进行匹配，将匹配成功的关键词数作为匹配度。其中，在进行关键词的匹配时，将关键词作为字符串，既可以采用字符串的精确匹配，也可以采用字符串的模糊匹配。具体的，提取第一问题信息中的关键词作为第一关键词，然后利用第一关键词与知识库中的问题信息进行匹配，匹配的关键词数越多，相应的匹配度也就越大，将匹配度大于预设阈值(比如，80％)的问题信息全部收集起来组成一个问题信息集合。在另一个实施例中，从获取的用户的问题信息中抽取关键词作为第一关键词，从大数据知识库中解决案例中的问题信息中抽取关键词作为第二关键词，用户问题信息与知识库中各个问题信息的匹配实际上就是第一关键词与第二关键词进行匹配，并将匹配成功的关键词数在第一关键词数中的占比作为相应的匹配度。比如，从用户的问题信息中提取的第一关键词的次数为10个，那么如果数据库中的某个问题信息中的关键词有7个与第一关键词匹配成功，那么该问题信息与第一问题信息的匹配度就是70％。

步骤104B，查找问题信息集合中每个问题信息对应的解决效果的分数值。

在本实施例中，获取到匹配度大于预设阈值的问题信息集合后，进一步的去获取该问题信息集合中每个问题信息对应的解决效果的分数值，分数值越大，说明解决效果越好。

步骤104C，根据问题信息集合中每个问题信息与第一问题信息的匹配度和每个问题信息对应的解决效果的分数值计算每个问题信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度。

在本实施例中，首先，获取问题信息集合中每个问题信息与第一问题信息的匹配度，然后获取问题信息集合中每个问题信息对应的解决效果的分数值。采用加权平均的方法计算问题信息集合中每个问题信息的匹配优先度。具体的，将问题信息的匹配度设为P1，将问题信息对应的解决效果的分数值设为P2，然后分别设置匹配度P1的权重为k1，解决效果的分数值P2的权重为k2，其中，k1+k2＝1，且k1和k2为大于0小于1的数。那么对应的问题信息的匹配优先度为P1*k1+P2*k2。然后将计算得到的最大的匹配优先度作为第一匹配优先度。

步骤104D，将第一匹配优先度对应的问题信息作为与第一问题信息匹配的第二问题信息。

具体的，将计算得到的最大的匹配优先度作为第一匹配优先度，然后获取与该第一匹配优先度对应的问题信息，该第一匹配优先度对应的问题信息作为第一问题信息匹配的第二问题信息。

如图4所示，在一个实施例中，上述解决方案推荐方法还包括：

步骤110，获取用户对解决方案的反馈，根据反馈确定与解决方案对应的解决效果的分数值。

在本实施例中，为用户的问题信息推荐解决方案后，获取用户对推荐的解决方案的反馈，根据用户的反馈来确定与解决方案对应的解决效果的分数值。具体的，用户的反馈可以直接通过打分的形式，比如满分为100分，根据解决的效果对推荐方案进行相应的打分，然后将用户的打分作为解决效果的分数值。还可以通过获取用户对解决方案的满意程度，然后将用户的满意程度转换为相应的分数进行存储，具体的，假设满意程度分为五种，分别是非常满意，满意，一般般，不满意，非常不满意，预先设置每种满意程度对应的分数值，比如，非常满意对应的分数值为100分，满意对应的分数值为80分，一般般对应的分数值为60分，不满意对应的分数值为30分，非常不满意对应的分数为0分。比如，用户对解决方案的评价为一般般，那么后台自动将对应60分作为解决效果的分数值。

步骤112，将第一问题信息、推荐的解决方案及解决效果的分数值一起作为一个解决案例添加至知识库中，当知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

具体的，获取用户对推荐方案的评分后，也就是获取了解决效果的分数值。将之前用户的问题信息即第一问题信息、为该第一问题信息推荐的解决方案和上述解决效果的分数值一起作为一个新的解决案例添加至知识库中，通过该方法能够不断地完善知识库。当知识库中的解决案例的数量大于第一预设阈值(比如，第一预设阈值设为1万)时，就形成了大数据知识库，大数据知识库中解决案例的数量越大，能找到更为匹配的问题信息的概率就越大。由此，推荐的解决方案也会越来越可靠。

为了更好的理解与应用本发明提出的一种解决方案推荐方法，进行以下示例，需要说明的是，本发明所保护的范围不局限于以下示例。

在一个实施例中，获取的用户的问题信息为：“电脑死机卡机怎么办”。在预先建立的大数据知识库中查找与用户的问题信息匹配的第二问题信息。具体的，将用户的问题信息与大数据知识库中的问题信息进行匹配，继而计算出知识库中各个问题信息与用户的问题信息的匹配度，然后获取匹配度大于80％的问题信息集合或者将匹配度按从大到小的顺序进行排序，然后选择匹配度在前10的问题信息。比如，从获取的问题信息集合中发现与该用户的问题信息匹配的其中一个问题信息为“电脑出现死机卡机怎么办”。进一步的，获取问题信息集合中每个问题信息对应的解决效果的分数值，然后将分数值最大的解决效果对应的解决方案作为推荐的方案。比如，针对“电脑出现死机卡机怎么办”的问题信息的解决方案为：采用Ctrl+Alt+Delete启动任务管理器，然后选择结束相应的程序进程等。该方案的分数值为99分，是分数值最高的解决方案，那么该解决方案就是获取的最佳推荐方案。

如图5所示，在一个实施例中，一种解决方案推荐系统，该系统包括：

问题信息获取模块502，用于获取用户的问题信息，将所述用户的问题信息作为第一问题信息；

确定模块504，用于将所述第一问题信息与知识库中的各个问题信息进行匹配，确定与所述第一问题信息匹配的第二问题信息；

解决方案获取模块506，用于获取与所述第二问题信息对应的解决方案；

推荐模块508，用于将获取到的所述解决方案推荐给与所述第一问题信息对应的用户。

如图6所示，在一个实施例中，上述解决方案推荐系统还包括：

建立模块501，用于建立知识库，所述知识库包括多个解决案例，所述解决案例包括问题信息及与所述问题信息对应的解决方案和解决效果的分数值。

如图7所示，在一个实施例中，确定模块504包括：

第一获取单元504a，用于将所述第一问题信息与知识库中的各个问题信息进行匹配，获取匹配度大于预设阈值的问题信息集合；

第一查找单元504b，用于查找所述问题信息集合中每个问题信息对应的解决效果的分数值；

第一匹配单元504c，用于将分数值最大的解决效果对应的问题信息作为与所述第一问题信息匹配的第二问题信息。

如图8所示，在一个实施例中，确定模块504包括：

第二获取单元504A，用于将所述第一问题信息与知识库中的各个问题信息进行匹配，获取匹配度大于预设阈值的问题信息集合。

第二查找单元504B，用于查找问题信息集合中每个问题信息对应的解决效果的分数值。

计算单元504C，用于根据问题信息集合中各个问题信息的匹配度和各个问题信息对应的解决效果的分数值计算各个问题信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度。

第二匹配单元504D，用于将第一匹配优先度对应的问题信息作为与第一问题信息匹配的第二问题信息。

如图9所示，在一个实施例中，上述解决方案的推荐系统还包括：

反馈模块510，用于获取用户对所述解决方案的反馈，根据所述反馈确定与所述解决方案对应的解决效果的分数值。

添加模块512，用于将第一问题信息、推荐的解决方案及解决效果的分数值作为一个解决案例添加至知识库中，当知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。