【技术实现步骤摘要】
本申请涉及人工智能，具体而言，涉及一种供热管理平台客户反馈自动识别方法、装置及存储介质。
技术介绍
1、在现有的供热管理平台中，用户反馈信息是一个重要的参考资源，用于理解用户需求、改进服务质量和提高用户满意度。然而，由于用户反馈信息的数量庞大且内容复杂，手动处理这些反馈信息需要耗费大量的人力和时间。因此，需要一种能够自动分析和处理用户反馈信息的方法。
2、然而，目前的技术还存在一些问题。例如，许多现有的文本分析模型主要依赖于预先标注的数据进行训练，这限制了它们在处理新的或者未标注的反馈信息时的效果。此外，现有的方法通常只对单一类型的反馈进行优化，难以应对多样化的反馈需求。最后，当前的反馈模拟信息构建策略较为约束性，不能充分利用所有可用的信息来提高模型的性能。
技术实现思路
1、为了改善上述问题，本申请提供了一种供热管理平台客户反馈自动识别方法、装置及存储介质。
2、第一方面，提供一种供热管理平台客户反馈自动识别方法，应用于客户反馈识别装置，所述方法包括：
3、获得当前组调试学习示例所包括的c个用户反馈信息示例，并通过反馈文本分析网络中的文本语义挖掘组件，抽取所述c个用户反馈信息示例中每一个用户反馈信息示例的第一文本语义数据，所述c个用户反馈信息示例包括x个用户反馈注释示例和y个用户反馈非注释示例，x和y皆是正整数，且x+y＝c，所述反馈文本分析网络用于对平台用户反馈信息中供热管理反馈事件的反馈需求观点进行挖掘；
4、对所述每一个用户反
5、对于所述y个用户反馈非注释示例中的第u个用户反馈非注释示例，依据所述阶段文本语义数据和所述整体文本语义数据，在所述c个用户反馈信息示例中除所述第u个用户反馈非注释示例外的c-1个用户反馈信息示例中，确定与所述第u个用户反馈非注释示例的阶段共性系数最大的第一学习示例，以及与所述第u个用户反馈非注释示例的整体共性系数最大的第二学习示例，所述u为不大于y的正整数；
6、从所述y个用户反馈非注释示例中筛选得到d个第一用户反馈非注释示例，依据所述d个第一用户反馈非注释示例的整体文本语义数据以及对应的第二学习示例的整体文本语义数据，确定所述反馈文本分析网络的平衡调试代价，并依据所述平衡调试代价对所述反馈文本分析网络进行调试，所述第一用户反馈非注释示例为对应的第一学习示例和对应的第二学习示例一致的用户反馈非注释示例。
7、在一些方案中，所述依据所述阶段文本语义数据和所述整体文本语义数据，在所述c个用户反馈信息示例中除所述第u个用户反馈非注释示例外的c-1个用户反馈信息示例中，确定与所述第u个用户反馈非注释示例的阶段共性系数最大的第一学习示例，以及与所述第u个用户反馈非注释示例的整体共性系数最大的第二学习示例，包括：
8、依据所述c个用户反馈信息示例中每两个用户反馈信息示例的阶段文本语义数据，确定所述每两个用户反馈信息示例之间的阶段共性系数，以及依据所述每两个用户反馈信息示例的整体文本语义数据，确定所述每两个用户反馈信息示例之间的整体共性系数；
9、依据所述第u个用户反馈非注释示例与所述c-1个用户反馈信息示例中每一个用户反馈信息示例之间的阶段共性系数，在所述c-1个用户反馈信息示例中确定出与所述第u个用户反馈非注释示例的阶段共性系数最高的第一学习示例；
10、依据所述第u个用户反馈非注释示例与所述c-1个用户反馈信息示例中每一个用户反馈信息示例之间的整体共性系数，在所述c-1个用户反馈信息示例中确定出与所述第u个用户反馈非注释示例的整体共性系数最高的第二学习示例。
11、在一些方案中，所述依据所述c个用户反馈信息示例中每两个用户反馈信息示例的阶段文本语义数据，确定所述每两个用户反馈信息示例之间的阶段共性系数，包括：
12、对于所述c个用户反馈信息示例中的第v个用户反馈信息示例和第c个用户反馈信息示例，依据所述第v个用户反馈信息示例的阶段文本语义数据，确定所述第v个用户反馈信息示例的阶段聚焦变量值，以及依据所述第c个用户反馈信息示例的阶段文本语义数据，确定所述第c个用户反馈信息示例的阶段聚焦变量值，所述v和c皆是不大于c的正整数，且v≠c；
13、依据所述第v个用户反馈信息示例的阶段文本语义数据和阶段聚焦变量值，以及所述第c个用户反馈信息示例的阶段文本语义数据和阶段聚焦变量值，确定所述第v个用户反馈信息示例与所述第c个用户反馈信息示例之间的阶段共性系数。
14、在一些方案中，所述依据所述d个第一用户反馈非注释示例的整体文本语义数据以及对应的第二学习示例的整体文本语义数据，确定所述反馈文本分析网络的平衡调试代价，包括：
15、对于所述d个第一用户反馈非注释示例中的每一个第一用户反馈非注释示例，依据所述第一用户反馈非注释示例的整体文本语义数据和所述第一用户反馈非注释示例对应的第二学习示例的整体文本语义数据，确定所述第一用户反馈非注释示例的第一训练偏移；
16、依据所述d个第一用户反馈非注释示例中每一个第一用户反馈非注释示例对应的第一训练偏移，确定第一训练代价；
17、依据所述第一训练代价，得到所述平衡调试代价。
18、在一些方案中，所述依据所述d个第一用户反馈非注释示例中每一个第一用户反馈非注释示例对应的第一训练偏移，确定第一训练代价，包括：
19、依据所述d个第一用户反馈非注释示例中每一个第一用户反馈非注释示例对应的第一训练偏移，确定非注释训练偏移；
20、依据所述x个用户反馈注释示例的整体文本语义数据，确定注释训练偏移；
21、依据所述非注释训练偏移和所述注释训练偏移，得到所述第一训练代价。
22、在一些方案中，所述依据所述x个用户反馈注释示例的整体文本语义数据，确定注释训练偏移，包括：
23、对于所述x个用户反馈注释示例中的每一个用户反馈注释示例，若在所述x个用户反馈注释示例中除所述用户反馈注释示例外的x-1个用户反馈注释示例中，存在与所述用户反馈注释示例的先验注释相同的第三学习示例时，则依据所述用户反馈注释示例的整体文本语义数据和所述第三学习示例的整体文本语义数据，确定所述用户反馈注释示例的第二训练偏移；
24、基于最少一个用户反馈注释示例的第二训练偏移，确定所述注释训练偏移。
25、在一些方案中，所述依据所述第一训练代价，得到所述平衡调试代价，包括：
26、通过所述反馈文本分析网络中的需求观点判别组件，对所述c个用户反馈信息示例中每一个用户反馈信息示例的第一文本语义数据进行处理，得到所述c个用户反馈信息示例中的每一个用户反馈信息示例属于r种反馈需求观点的第一判别可能性，依据所述c个用户反馈信息示例中最少一个用户反馈信息示例的第一判别可能性，确定第二训练本文档来自技高网...
【技术保护点】
1.一种供热管理平台客户反馈自动识别方法，其特征在于，应用于客户反馈识别装置，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述依据所述阶段文本语义数据和所述整体文本语义数据，在所述C个用户反馈信息示例中除所述第u个用户反馈非注释示例外的C-1个用户反馈信息示例中，确定与所述第u个用户反馈非注释示例的阶段共性系数最大的第一学习示例，以及与所述第u个用户反馈非注释示例的整体共性系数最大的第二学习示例，包括：
3.根据权利要求1所述的方法，其特征在于，所述依据所述D个第一用户反馈非注释示例的整体文本语义数据以及对应的第二学习示例的整体文本语义数据，确定所述反馈文本分析网络的平衡调试代价，包括：
4.根据权利要求3所述的方法，其特征在于，所述依据所述D个第一用户反馈非注释示例中每一个第一用户反馈非注释示例对应的第一训练偏移，确定第一训练代价，包括：
5.根据权利要求3所述的方法，其特征在于，所述依据所述第一训练代价，得到所述平衡调试代价，包括：
6.根据权利要求5所述的方法，其特征在于，所述第二训练代价包括第一下级
7.根据权利要求5所述的方法，其特征在于，所述第二训练代价包括第二下级训练代价，所述依据所述C个用户反馈信息示例中最少一个用户反馈信息示例的第一判别可能性，确定第二训练代价，包括：依据所述X个用户反馈注释示例中每一个用户反馈注释示例的第一判别可能性和注释，确定所述第二下级训练代价；
8.根据权利要求1所述的方法，其特征在于，所述通过反馈文本分析网络中的文本语义挖掘组件，抽取所述C个用户反馈信息示例中每一个用户反馈信息示例的第一文本语义数据之前，所述方法还包括：使用所述X个用户反馈注释示例，对所述反馈文本分析网络进行预调试；
9.一种客户反馈识别装置，其特征在于，所述客户反馈识别装置包括包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种供热管理平台客户反馈自动识别方法，其特征在于，应用于客户反馈识别装置，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述依据所述阶段文本语义数据和所述整体文本语义数据，在所述c个用户反馈信息示例中除所述第u个用户反馈非注释示例外的c-1个用户反馈信息示例中，确定与所述第u个用户反馈非注释示例的阶段共性系数最大的第一学习示例，以及与所述第u个用户反馈非注释示例的整体共性系数最大的第二学习示例，包括：
3.根据权利要求1所述的方法，其特征在于，所述依据所述d个第一用户反馈非注释示例的整体文本语义数据以及对应的第二学习示例的整体文本语义数据，确定所述反馈文本分析网络的平衡调试代价，包括：
4.根据权利要求3所述的方法，其特征在于，所述依据所述d个第一用户反馈非注释示例中每一个第一用户反馈非注释示例对应的第一训练偏移，确定第一训练代价，包括：
5.根据权利要求3所述的方法，其特征在于，所述依据所述第一训练代价，得到所述平衡调试代价，包括：
6.根据权利要求5所述的方法，其特征在于，所述第二训练代价包括第一下级训练代价，...
【专利技术属性】
技术研发人员：周彬，孟德凯，赵永芳，李晓琴，刘大海，赵工清，
申请(专利权)人：北京中能北方科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。