一种需求数据处理方法、装置、介质以及电子设备制造方法及图纸

本申请实施例公开了一种需求数据处理方法、装置、介质以及电子设备。所述方法包括：获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征；将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。本申请技术方案可以提高需求处理效率，降低需求处理成本。降低需求处理成本。降低需求处理成本。

【技术实现步骤摘要】
一种需求数据处理方法、装置、介质以及电子设备


[0001]本申请涉及大数据、自然语言处理和深度学习
，尤其涉及一种需求数据处理方法、装置、介质以及电子设备。

技术介绍

[0002]在产品设计过程中，用户需求处理是非常重要的环节，用户需求呈现纷乱复杂的特点，将纷乱复杂的用户需求准确高效地关联到具体产品功能是用户需求处理的一项重要内容。
[0003]相关技术一般采用人工方式，基于经验对用户需求进行处理，将用户需求对应到具体产品功能上，然而基于人工的用户需求处理方式存在处理效率低，处理成本高的问题。

技术实现思路

[0004]本申请提供了一种需求数据处理方法、装置、介质以及电子设备，可以将用户需求自动关联到产品功能，从而达到提高需求处理效率，降低需求处理成本的目的。
[0005]根据本申请的第一方面，提供了需求数据处理方法，所述方法包括：
[0006]获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征；
[0007]将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；
[0008]其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。
[0009]根据本申请的第二方面，提供了需求数据处理装置，所述装置包括：
[0010]需求特征确定模块，用于获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征；
[0011]目标产品确定模块，用于将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；
[0012]其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。
[0013]根据本专利技术的第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的应急调度方法。
[0014]根据本专利技术的第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的应急调度方法。
[0015]本申请实施例的技术方案，通过对待处理的用户需求数据进行语义识别,得到需
求描述特征，将需求描述特征输入产品匹配模型，通过产品匹配模型从候选产品中为用户需求数据确定目标产品，实现了将用户需求自动关联到产品功能，提高了需求处理的自动化程度，提高了需求处理效率，降低了需求处理成本。
[0016]应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0017]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是根据实施例一提供的需求数据处理方法的流程图；
[0019]图2是根据实施例二提供的需求数据处理方法的流程图；
[0020]图3是本申请实施例三提供的需求数据处理装置的结构示意图；
[0021]图4是本申请实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0022]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
[0023]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”以及“候选”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0024]实施例一
[0025]图1是根据实施例一提供的需求数据处理方法的流程图，本实施例可适用于对用户需求数据进行处理，将用户需求关联到产品功能的情况，该方法可以由需求数据处理装置来执行，该需求数据处理装置可以采用硬件和/或软件的形式实现，并可集成于运行此系统的电子设备中。
[0026]如图1所示，该方法包括：
[0027]S110、获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征。
[0028]其中，待处理的用户需求数据是指需要与具体产品功能进行关联的用户需求数据。可选的，用户需求数据为文本数据。
[0029]利用语义分析算法对用户需求数据进行语义识别，从用户需求数据中提取需求描述特征。需求描述特征是指用户需求数据中产品功能相关的描述。示例性的，需求描述特征可以是经过向量化的，且与产品功能相关的关键词序列。需求描述特征可以用于确定产品功能特征。
[0030]S120、将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。
[0031]可选的，产品匹配模型为基于深度学习技术构建的神经网络模型。利用用户需求数据和产品功能数据对产品匹配模型进行预先训练，具体的，利用从用户需求数据提取到的需求描述特征，以及从产品功能数据提取到的功能描述特征，对产品匹配模型进行预先训练。
[0032]可以使得产品匹配模型学习到需求描述特征与功能描述特征之间的特征对应关系。
[0033]将需求描述特征作为产品匹配模型的输入数据，输入产品匹配模型。通过产品匹配模型基于学习到的特征对应关系，从候选产品中为用户需求数据确定目标产品。
[0034]目标产品在候选产品中产生，目标产品的功能描述与用户需求数据的需求描述特征相匹配。不同候选产品以产品标识进行区分。示例性的，产品标识可以是产品名称或者产品编号。可选的，将产品匹配模型输入需求描述特征，产品匹配模型输出目标产品的产品标识。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种需求数据处理方法，其特征在于，所述方法包括：获取待处理的用户需求数据，并对所述用户需求数据进行语义识别得到需求描述特征；将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品；其中，所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到；所述目标产品的功能描述特征与所述需求描述特征相匹配；所述功能描述特征通过对产品功能数据进行语义识别得到。2.根据权利要求1所述的方法，其特征在于，所述产品匹配模型通过如下方式训练得到：获取已有产品的用户需求数据以及产品功能数据；分别对所述用户需求数据和所述产品功能数据进行语义识别，得到需求描述特征和所述功能描述特征；根据所述需求描述特征确定所述产品匹配模型的样本数据，并根据所述功能描述特征确定所述样本数据的标签数据；基于所述样本数据和所述标签数据确定所述产品匹配模型的训练样本，利用所述训练样本对所述产品匹配模型进行有监督训练。3.根据权利要求1所述的方法，其特征在于，对所述用户需求数据进行语义识别得到需求描述特征，包括：对所述用户需求数据进行分词处理，得到需求描述序列；将所述需求描述序列输入预先训练的语义分析模型，通过所述语义分析模型对所述需求描述序列进行向量化得到需求描述特征。4.根据权利要求1所述的方法，其特征在于，将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品，包括：将所述需求描述特征输入产品匹配模型，通过所述产品匹配模型确定候选产品的匹配置信度；根据所述匹配置信度，从所述候选产品中确定目标产品。5.根据权利要求1所述的方法，其特征在于，在通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品之后，所述方法还包括：根据所述目标产品的产品标识，获取...

【专利技术属性】
技术研发人员：周大伟，董清风，程强，于睿，李威，史延涛，
申请(专利权)人：北京锐安科技有限公司，
类型：发明
国别省市：