一种互联网产品故障消息识别方法、装置、终端及介质制造方法及图纸

本申请公开了一种互联网产品故障消息识别方法、装置、终端及介质，本申请提供的方案通过定时获取用户发布的产品评论数据，然后通过文本处理得到相应的文本特征向量，再通过文本情感分析方式，计算文本特征向量的情感分值，结合常规报障文本普遍附带贬义情感的特点，利用计算得到的情感分值，自动判断接收到的产品评论数据是否属于故障消息数据，以便根据识别用户上报的产品故障消息时能够及时作出处理，无需等待客服人员的人工响应，解决了现有故障反馈方法过于依赖于客服部门的人工监控、反馈而存在的响应时效性差的技术问题。而存在的响应时效性差的技术问题。而存在的响应时效性差的技术问题。

【技术实现步骤摘要】
一种互联网产品故障消息识别方法、装置、终端及介质


[0001]本申请涉及文本处理
，尤其涉及一种互联网产品故障消息识别方法、装置、终端及介质。

技术介绍

[0002]随着公司业务的逐渐发展，互联网产品的后台系统也逐渐复杂，从而导致想要监控产品的方方面面的话，需要近百万个数据指标，并且数据监控还得随着功能的更新而更新，很难做到百分百覆盖。
[0003]目前，用户反馈是行业内发现产品故障的主要手段，这种方式的实施过程是用户将故障信息上报至客服或运营部门，再由客服或运营部门通知至运维部门。由于这种方式过于依赖于客服部门的人工监控、反馈，存在响应时效性差的技术问题。

技术实现思路

[0004]本申请提供了一种互联网产品故障消息识别方法、装置、终端及介质，用于解决现有的用户反馈方式过于依赖于客服部门的人工监控、反馈，存在响应时效性差的技术问题。
[0005]为解决上述技术问题，本申请第一方面提供了一种互联网产品故障消息识别方法，包括：
[0006]定时获取产品评论数据；
[0007]对所述产品评论数据进行文本数据清洗；
[0008]对所述产品评论数据进行向量转化处理，得到若干个文本特征向量；
[0009]通过预设的文本情感分析模型，计算所述文本特征向量的情感分值，其中，所述情感分值用于衡量所述文本特征向量的情感贬义程度；
[0010]根据所述文本特征向量的情感分值，计算所述产品评论数据的综合情感分值，以根据所述综合情感分值确定所述产品评论数据的故障消息识别结果。
[0011]优选地，所述对所述产品评论数据进行向量转化处理，得到若干个文本特征向量之后还包括：
[0012]通过预设的相似度计算方式，计算所述文本特征向量的相似度；
[0013]通过预设的特征聚类方式，结合所述相似度，对所述文本特征向量进行聚类，以将文本意义相近的文本特征向量聚类到同一类别。
[0014]优选地，所述根据所述相似度，对所述文本特征向量进行聚类，以将文本意义相近的文本特征向量聚类到同一类别之后还包括：
[0015]根据聚类后的各个文本特征向量类别，通过所述相似度计算方式与所述特征聚类方式，分别对各个所述文本特征向量类别中的文本特征向量进行二次聚类。
[0016]优选地，所述根据所述文本特征向量的情感分值，计算所述产品评论数据的综合情感分值，以根据所述综合情感分值确定所述产品评论数据的故障消息识别结果具体包括：
[0017]根据所述文本特征向量的情感分值，计算所述情感分值的平均值，并以所述平均值作为所述产品评论数据的综合情感分值，以根据所述综合情感分值确定所述产品评论数据的故障消息识别结果。
[0018]优选地，所述根据所述文本特征向量的情感分值，计算所述产品评论数据的综合情感分值之前还包括：
[0019]根据预设的故障文本白名单，将所述文本特征向量与所述故障文本白名单中记录的特征向量进行匹配，并保留未匹配成功的文本特征向量。
[0020]优选地，所述通过预设的特征聚类方式，结合所述相似度，对所述文本特征向量进行聚类，以将文本意义相近的文本特征向量聚类到同一类别具体包括：
[0021]根据所述文本特征向量，通过PCA处理方式，对所述文本特征向量进行降维处理；
[0022]根据所述文本特征向量，结合所述相似度，通过DBSCAN聚类方式，对所述文本特征向量进行聚类，以将文本意义相近的文本特征向量聚类到同一类别。
[0023]优选地，所述相似度计算方式具体为余弦相似度计算方式；
[0024]所述向量转化处理具体为TF
‑
IDF文本向量化处理。
[0025]本申请第二方面提供了一种互联网产品故障消息识别装置，包括：
[0026]数据获取单元，用于定时获取产品评论数据；
[0027]数据清洗单元，用于对所述产品评论数据进行文本数据清洗；
[0028]文本向量化单元，用于对所述产品评论数据进行向量转化处理，得到若干个文本特征向量；
[0029]情感分析单元，用于通过预设的文本情感分析模型，计算所述文本特征向量的情感分值，其中，所述情感分值用于衡量所述文本特征向量的情感贬义程度；
[0030]故障消息识别单元，用于根据所述文本特征向量的情感分值，计算所述产品评论数据的综合情感分值，以根据所述综合情感分值确定所述产品评论数据的故障消息识别结果。
[0031]本申请第三方面提供了一种互联网产品故障消息识别终端，包括：存储器和处理器；
[0032]所述存储器用于存储程序代码，所述程序代码与本申请第一方面提供的互联网产品故障消息识别方法相对应；
[0033]所述处理器用于执行所述程序代码。
[0034]本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中保存有程序代码，所述程序代码与本申请第一方面提供的互联网产品故障消息识别方法相对应。
[0035]从以上技术方案可以看出，本申请的技术方案具有以下优点：
[0036]本申请提供的方案通过定时获取用户发布的产品评论数据，然后通过文本处理得到相应的文本特征向量，再通过文本情感分析方式，计算文本特征向量的情感分值，结合常规报障文本普遍附带贬义情感的特点，利用计算得到的情感分值，自动判断接收到的产品评论数据是否属于故障消息数据，以便根据识别用户上报的产品故障消息时能够及时作出处理，无需等待客服人员的人工响应，解决了现有故障反馈方法过于依赖于客服部门的人工监控、反馈而存在的响应时效性差的技术问题。
附图说明
[0037]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其它的附图。
[0038]图1为本申请提供的一种互联网产品故障消息识别方法的一个实施例的流程示意图。
[0039]图2为本申请提供的一种互联网产品故障消息识别方法的另一个实施例的流程示意图。
[0040]图3为本申请提供的一种互联网产品故障消息识别装置的一个实施例的结构示意图。
具体实施方式
[0041]当一个故障发生时，经常是通过用户将故障消息反馈至客服或运营，再由客服或运营通知至运维部门。内部运维部门难以第一时间感知故障，相当被动。通过人工发现的手段，无法做到24小时持续监控，并且人工判断也不够精确和及时，凌晨0点～8点是无人保障期间。若此时有用户报障，难以感知。
[0042]本申请实施例提供了一种互联网产品故障消息识别方法、装置、终端及介质，用于解决现有的用户反馈方式过于依赖于客服部门的人工监控、反馈，存在响应时效性差的技术问题。
[0043]为使得本申请的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种互联网产品故障消息识别方法，其特征在于，包括：定时获取产品评论数据；对所述产品评论数据进行文本数据清洗；对所述产品评论数据进行向量转化处理，得到若干个文本特征向量；通过预设的文本情感分析模型，计算所述文本特征向量的情感分值，其中，所述情感分值用于衡量所述文本特征向量的情感贬义程度；根据所述文本特征向量的情感分值，计算所述产品评论数据的综合情感分值，以根据所述综合情感分值确定所述产品评论数据的故障消息识别结果。2.根据权利要求1所述的一种互联网产品故障消息识别方法，其特征在于，所述对所述产品评论数据进行向量转化处理，得到若干个文本特征向量之后还包括：通过预设的相似度计算方式，计算所述文本特征向量的相似度；通过预设的特征聚类方式，结合所述相似度，对所述文本特征向量进行聚类，以将文本意义相近的文本特征向量聚类到同一类别。3.根据权利要求2所述的一种互联网产品故障消息识别方法，其特征在于，所述根据所述相似度，对所述文本特征向量进行聚类，以将文本意义相近的文本特征向量聚类到同一类别之后还包括：根据聚类后的各个文本特征向量类别，通过所述相似度计算方式与所述特征聚类方式，分别对各个所述文本特征向量类别中的文本特征向量进行二次聚类。4.根据权利要求1所述的一种互联网产品故障消息识别方法，其特征在于，所述根据所述文本特征向量的情感分值，计算所述产品评论数据的综合情感分值，以根据所述综合情感分值确定所述产品评论数据的故障消息识别结果具体包括：根据所述文本特征向量的情感分值，计算所述情感分值的平均值，并以所述平均值作为所述产品评论数据的综合情感分值，以根据所述综合情感分值确定所述产品评论数据的故障消息识别结果。5.根据权利要求1所述的一种互联网产品故障消息识别方法，其特征在于，所述根据所述文本特征向量的情感分值，计算所述产品评论数据的综合情感分值之前还包括：根据预设的故障文本白名单，将...

【专利技术属性】
技术研发人员：罗森，文磊，江梓帆，朱少华，刘亚丹，
申请(专利权)人：广州趣研网络科技有限公司，
类型：发明
国别省市：