[發明專利]一種問題預測方法及預測系統

在審

• 申請號: 201610202932.3
• 申請日: 2016-03-31
• 公開（公告）號: CN107292412A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 張家興;崔恒斌;薛少飛;李小龍
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02
• 代理公司: 北京潤澤恒知識產權代理有限公司11319
• 代理人: 蘇培華

1.一種問題預測方法，其特征在于，包括：

接收用戶端發出的請求，并獲取所述用戶端的用戶行為軌跡，所述用戶行為軌跡包括指定時間內所述用戶端與所述服務器之間的至少一個RPC調用信息和所述用戶端訪問所述服務器的至少一個URL二者中至少其中之一；

從所述用戶行為軌跡中提取模型輸入數據；

將所述模型輸入數據輸入問題分類模型，預測問題。

2.如權利要求1所述的問題預測方法，其特征在于，從所述用戶行為軌跡中提取模型輸入數據的步驟包括：

設置特征向量，所述特征向量包括多個元素，所述元素對應相應的行為，每一個行為是一個RPC調用信息或一個URL；

比較所述用戶行為軌跡中包含的模型輸入數據與所述特征向量對應的行為，當確定所述用戶行為軌跡中包含一個或多個所述行為，將所述特征向量中對應于所述行為的元素的數值修改為指定的第一數值，并將所述特征向量中未修改為指定的第一數值的元素的數值設置為指定的第二數值；

將所述模型輸入數據輸入問題分類模型，預測問題的步驟包括：

將修改后的所述特征向量作為模型輸入數據，輸入問題分類模型，預測問題。

3.如權利要求1所述的問題預測方法，其特征在于，在將所述模型輸入數據輸入問題分類模型，預測問題的步驟之前，所述方法還包括：

獲得訓練數據，所述訓練數據包括多個樣本，所述樣本包括特征部分和標注部分，所述特征部分包括一次用戶訪問中從用戶行為軌跡中提取出的模型輸入數據，所述標注部分包括該次用戶訪問中提出的問題；

將所述訓練數據發送至神經網絡模型，訓練所述神經網絡模型作為所述問題分類模型。

4.如權利要求1所述的問題預測方法，其特征在于，所述指定時間為12小時至72個小時。

5.如權利要求1所述的問題預測方法，其特征在于，將所述模型輸入數 據輸入問題分類模型，預測問題的步驟之后，所述方法還包括下述步驟至少其中之一：

在用戶端展現所預測的問題和解決方案；

為客服人員展現所預測的問題。

6.一種問題預測系統，其特征在于，包括：

獲取模塊，用于接收用戶端發出的請求，并獲取所述用戶端的用戶行為軌跡，所述用戶行為軌跡包括指定時間內所述用戶端與所述服務器之間的至少一個RPC調用信息和所述用戶端訪問所述服務器的至少一個URL二者中至少其中之一；

提取模塊，用于從所述用戶行為軌跡中提取模型輸入數據；

問題預測模塊，用于將所述模型輸入數據輸入問題分類模型，預測問題。

7.如權利要求6所述的問題預測系統，其特征在于，所述提取模塊進一步包括：

特征向量設置子模塊，用于設置特征向量，所述特征向量包括多個元素，所述元素對應相應的行為，每一個行為是一個RPC調用信息或一個URL；

特征向量修改子模塊，用于比較所述用戶行為軌跡中包含的模型輸入數據與所述特征向量對應的行為，當確定所述用戶行為軌跡中包含一個或多個所述行為，將所述特征向量中對應于所述行為的元素的數值修改為指定的第一數值，并將所述特征向量中未修改為指定的第一數值的元素的數值設置為指定的第二數值；

所述問題預測模塊用于：

將修改后的所述特征向量作為模型輸入數據，輸入問題分類模型，預測問題。

8.如權利要求7所述的問題預測系統，其特征在于，所述系統還包括：

訓練數據獲取模塊，用于獲得訓練數據，所述訓練數據包括多個樣本，所述樣本包括特征部分和標注部分，所述特征部分包括一次用戶訪問中從用戶行為軌跡中提取出的模型輸入數據，所述標注部分包括該次用戶訪問中提出的問題；

發送模塊，用于將所述訓練數據發送至神經網絡模型，訓練所述神經網絡模型作為所述問題分類模型。

9.如權利要求6所述的問題預測方法，其特征在于，所述指定時間為12小時至72個小時。

10.如權利要求6所述的問題預測方法，其特征在于，所述系統還包括下述模塊至少其中之一：

客戶端顯示模塊，用于在用戶端顯示所預測的問題和解決方案；和/或

客服端顯示模塊，用于為客服人員顯示所預測的問題。