数据处理方法、装置和计算机可读存储介质制造方法及图纸

本公开的实施例涉及一种数据处理方法、装置和计算机可读存储介质。该方法可以包括获取基于多个参考因素的参考数据而确定的因果结果。多个参考因素可以包括参考满意度和其他参考因素，因果结果可以包括参考满意度与其他参考因素之间的因果关系以及其他参考因素之间的因果关系。该方法还可以包括获取与用户相关联的多个用户因素的采样数据，多个用户因素与其他参考因素至少部分地重叠。该方法可以进一步包括基于采样数据与因果结果确定用户的满意度。本公开的技术方案能够及时、准确地对用户的满意度进行预测并自动制定优化策略，提升了用户体验。了用户体验。了用户体验。

【技术实现步骤摘要】
数据处理方法、装置和计算机可读存储介质


[0001]本公开的实施例主要涉及计算机领域，并且更具体地，涉及数据处理方法、装置、电子设备和计算机存储介质。

技术介绍

[0002]为了尽可能及时地了解用户对相关产品的评价，通常会定期调查用户对相关产品的满意度。例如，生产厂商或服务提供商通常会发起问卷调查，从而掌握用户的满意度信息，从而为改善用户体验提供指导信息。随着信息技术的飞速发展，用户的数据规模迅速增长，原来人工执行的问卷调查操作和数据分析操作越来越不能全面及时地提供满意度信息。在这样的背景和趋势下，机器学习受到越来越广泛的关注。

技术实现思路

[0003]根据本公开的示例实施例，提供了一种数据处理方案。
[0004]在本公开的第一方面中，提供了一种数据处理方法。该方法可以包括获取基于多个参考因素的参考数据而确定的因果结果。多个参考因素可以包括参考满意度和其他参考因素，因果结果可以包括参考满意度与其他参考因素之间的因果关系以及其他参考因素之间的因果关系。该方法还可以包括获取与用户相关联的多个用户因素的采样数据，多个用户因素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，包括：获取基于多个参考因素的参考数据而确定的因果结果，所述多个参考因素包括参考满意度和其他参考因素，所述因果结果包括所述参考满意度与其他参考因素之间的因果关系以及所述其他参考因素之间的因果关系；获取与用户相关联的多个用户因素的采样数据，所述多个用户因素与所述其他参考因素至少部分地重叠；以及基于所述采样数据与所述因果结果确定所述用户的第一满意度。2.根据权利要求1所述的方法，还包括：如果确定所述第一满意度低于第一阈值满意度，生成报警信号。3.根据权利要求1所述的方法，还包括：基于所述采样数据确定用于改变所述第一满意度的策略；以及向所述用户提供所述策略。4.根据权利要求3所述的方法，其中基于所述采样数据确定所述策略包括：基于所述因果结果确定所述多个用户因素对所述第一满意度的影响系数以及所述多个用户因素之间的影响系数；将所述多个用户因素中影响系数大于阈值系数的用户因素确定为关键因素；以及基于对所述关键因素中的至少一个关键因素的采样数据的调节，确定所述策略。5.根据权利要求4所述的方法，其中确定所述策略包括：基于对所述至少一个因素的采样数据的调节确定备选策略；基于经调节的采样数据与所述因果结果确定第二满意度；以及如果确定所述第二满意度高于第二阈值满意度，将所述备选策略确定为所述策略。6.根据权利要求1所述的方法，还包括：从所述因果结果中获取置信度高于阈值置信度的因果关系，以作为专家知识；获取所述多个参考因素的更新的参考数据；以及基于所述更新的参考数据和所述专家知识更新所述因果结果。7.根据权利要求1所述的方法，其中确定所述第一满意度包括：将所述采样数据与所述因果结果应用于满意度预测模型，以确定所述第一满意度，所述满意度预测模型是通过将参考采样数据与参考因果结果作为输入、以及将对应的经标注的参考满意度作为输出来训练得到的。8.根据权利要求7所述的方法，还包括：基于确定的所述第一满意度和从所述用户接收的满意度，更新所述满意度预测模型。9.根据权利要求1所述的方法，其中所述用户属于特定群体的用户集合。10.一种数据处理方法，包括：获取与经训练的因果模型和满意度预测模型相关联的模型数据；基于所述因果模型和多个参考因素的参考数据来确定因果结果，所述多个参考因素包括参考满意度和其他参考因素，所述因果结果包括所述参考满意度与其他参考因素之间的因果关系以及所述其他参考因素之间的因果关系；获取与用户相关联的多个用户因素的采样数据；以及基于所述满意度预测模型、所述采样数据和所述因果结果，确定所述用户的第一满意
度。11.根据权利要求10所述的方法，还包括：获取与经训练的策略优化模型相关联的附加模型数据；如果确定所述第一满意度低于第一阈值满意度，利用所述策略优化模型基于所...

【专利技术属性】
技术研发人员：潘征，冯璐，
申请(专利权)人：日本电气株式会社，
类型：发明
国别省市：