[發明專利]基于智慧城市的數據處理方法及設備

有效

• 申請號: 202210823998.X
• 申請日: 2022-07-14
• 公開（公告）號: CN114912447B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 高春亞;趙正軍;張菊;楊建國
• 申請（專利權）人: 創域智能（常熟）網聯科技有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州瞪羚知識產權代理事務所(普通合伙) 32438
• 代理人: 張宇

1.一種基于智慧城市的數據處理方法，其特征在于，應用于智慧城市云設備，所述方法包括：

獲得大數據收集系統收集的數字城市業務反饋事件的第一類智慧業務處理記錄和第二類智慧業務處理記錄；對所述第一類智慧業務處理記錄進行服務反饋描述挖掘，得到服務反饋短語向量集vector set1，以及對所述第二類智慧業務處理記錄進行服務反饋描述挖掘，得到服務反饋短語向量集vector set2；

結合所述服務反饋短語向量集vector set2，得到所述數字城市業務反饋事件的目標反饋事件主題要素；結合所述目標反饋事件主題要素和所述服務反饋短語向量集vectorset2，得到服務反饋短語向量集vector set3；結合所述服務反饋短語向量集vector set1和所述服務反饋短語向量集vector set3，得到所述數字城市業務反饋事件的反饋事件分析報告；

所述方法還包括：

響應于所述數字城市業務反饋事件的反饋事件分析報告表征所述數字城市業務反饋事件處于高關注度狀態，且數字城市業務反饋事件為服務功能升級反饋，則獲取所述數字城市業務反饋事件對應的用戶反饋文本；基于所述用戶反饋文本確定功能升級細則特征；利用所述功能升級細則特征進行智慧城市服務功能升級；

基于所述用戶反饋文本確定功能升級細則特征，包括：

將用戶反饋文本加載至自然語言處理模型中的詞向量提取網絡層，得到所述詞向量提取網絡層生成的所述用戶反饋文本的第一反饋文本詞向量和第二反饋文本詞向量，其中，所述詞向量提取網絡層包括依次連接的多個詞向量提取節點，所述第一反饋文本詞向量是所述依次連接的多個詞向量提取節點中的除最后一個節點之外的詞向量提取節點生成的反饋文本詞向量，所述第二反饋文本詞向量是所述依次連接的多個詞向量提取節點中的最后一個詞向量提取節點生成的反饋文本詞向量；

將所述第二反饋文本詞向量加載至所述自然語言處理模型中的初步挖掘網絡層，得到所述初步挖掘網絡層生成的目標升級細則描述文本，其中，所述目標升級細則描述文本為在所述用戶反饋文本中識別到的目標功能升級細則短語所對應的升級細則描述文本；

將所述第一反饋文本詞向量、所述第二反饋文本詞向量和第三反饋文本詞向量以及所述目標升級細則描述文本加載至所述自然語言處理模型中的深度挖掘網絡層，得到所述深度挖掘網絡層生成的所述目標功能升級細則短語的短語類型以及所述目標功能升級細則短語的核心詞匯在所述用戶反饋文本中的分布位置，其中，所述第三反饋文本詞向量是所述初步挖掘網絡層中的詞向量提取節點根據初始化向量生成的反饋文本詞向量，所述初始化向量是對所述第二反饋文本詞向量進行初始化得到的向量；

結合所述服務反饋短語向量集vector set1和所述服務反饋短語向量集vector set3，得到所述數字城市業務反饋事件的反饋事件分析報告的步驟，包括：

獲得服務反饋短語向量集vector set1中各服務反饋短語向量的熱力指數，得到熱力指數關系網Network_E，其中，具體調用深度學習網絡輸出服務反饋短語向量集vectorset1中各服務反饋短語向量的偏置影響指數值，將偏置影響指數值形成的數值列表確定為第三熱力指數關系網，對第一類智慧業務處理記錄進行業務交互數據塊識別，同樣得到設定數據窗口的Y個業務交互數據塊及該Y個業務交互數據塊的相對分布標簽和業務主題標簽，對于服務反饋短語向量集vector set1中的每個服務反饋短語向量所對應的區域，確定該每個服務反饋短語向量所對應的區域在第一類智慧業務處理記錄中對應的多個業務互動數據單元，并獲得該多個業務互動數據單元的相對分布標簽，對于多個業務互動數據單元中的每個業務互動數據單元，調用每個業務互動數據單元的相對分布標簽和Y個業務交互數據塊的相對分布標簽，確定每個業務互動數據單元與Y個業務交互數據塊中每個業務交互數據塊之間的相關度，基于該每個業務互動數據單元與Y個業務交互數據塊中每個業務交互數據塊之間的相關度和該每個業務交互數據塊的業務主題標簽，為該每個業務互動數據單元進行重要系數配置，得到每個業務互動數據單元的Y個基準重要系數，將Y個基準重要系數的設定運算值確定為該每個業務互動數據單元的影響指數，將該多個業務互動數據單元的影響指數的設定運算值或集中趨勢變量確定為服務反饋短語向量集vector set1中的每個服務反饋短語向量的影響指數，將該每個服務反饋短語向量的影響指數形成的數值列表確定為第四熱力指數關系網，將第三熱力指數關系網與第四熱力指數關系網進行求和，得到熱力指數關系網Network_E；

獲得服務反饋短語向量集vector set3中各服務反饋短語向量的熱力指數，得到熱力指數關系網Network_F，其中，具體調用深度學習網絡輸出服務反饋短語向量集vectorset3中各服務反饋短語向量的偏置影響指數值，將偏置影響指數值形成的數值列表確定為第五熱力指數關系網，對第二類智慧業務處理記錄進行業務交互數據塊識別，同樣得到設定數據窗口的U個業務交互數據塊及該U個業務交互數據塊的相對分布標簽和業務主題標簽，對于服務反饋短語向量集vector set3中的每個服務反饋短語向量所對應的區域，確定該每個服務反饋短語向量所對應的區域在第二類智慧業務處理記錄中對應的多個業務互動數據單元，并獲得該多個業務互動數據單元的相對分布標簽，對于多個業務互動數據單元中的每個業務互動數據單元，調用每個業務互動數據單元的相對分布標簽和U個業務交互數據塊的相對分布標簽，確定每個業務互動數據單元與U個業務交互數據塊中每個業務交互數據塊之間的相關度，基于該每個業務互動數據單元與U個業務交互數據塊中每個業務交互數據塊之間的相關度和該每個業務交互數據塊的業務主題標簽，為該每個業務互動數據單元進行重要系數配置，得到每個業務互動數據單元的U個基準重要系數，將U個基準重要系數的設定運算值確定為該每個業務互動數據單元的影響指數，將該多個業務互動數據單元的影響指數的設定運算值或集中趨勢變量確定為服務反饋短語向量集vector set3中的每個服務反饋短語向量的影響指數，將該每個服務反饋短語向量的影響指數形成的數值列表確定為第六熱力指數關系網，將第五熱力指數關系網與第六熱力指數關系網進行求和，得到熱力指數關系網Network_F；

將服務反饋短語向量集vector set1與熱力指數關系網Network_E相乘，得到第二已融合短語向量集；

將服務反饋短語向量集vector set3與熱力指數關系網Network_F相乘，得到第三已融合短語向量集；

將第二已融合短語向量集與第三已融合短語向量集組合，得到組合已融合短語向量集；

對組合已融合短語向量集進行差異化解析，得到數字城市業務反饋事件的反饋事件分析報告。