CN110929032B - 一种软件***的用户需求处理***及处理方法 - Google Patents

Abstract

本公开提出了一种软件***的用户需求处理***及处理方法，处理***包括：用户需求采集终端、服务器及需求处理终端，需求处理终端至少包括需求信息分类模块与任务分派模块；采用机器学习算法对需求信息进行分类，替代以往采用人工判断进行任务分派，提高了软件***客户的需求信息处理的效率。通过本***对用户提出的需求信息进行管控处理，避免了出现用户需求处理过程中遗漏、无法追溯等问题，并通过对需求信息的精确分类，使得用户需求得到了有效管理，在软件的开发、测试或者发布后能够根据需求信息对软件***进行改进或者开发，提高软件开发的效率，缩短需求处理时间，同时提高了用户的满意度。

Description

一种软件***的用户需求处理***及处理方法

技术领域

本公开涉及软件技术相关技术领域，具体的说，是涉及一种软件***的用户需求处理***及处理方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

软件开发单位根据用户的要求开发满足用户使用要求的软件***产品,用户需求包括针对用户委托开发的软件的功能的要求、运行效率要求或者是对软件功能的解答需求，用户提供需求信息的方式一般通过电话沟通、通过网络传输的文字信息以及图片或视频信息。

软件***的开发是满足用户一定的使用要求，用户需求管理和追踪是软件开发的核心，因此需要对用户的需求进行有效管理，用于保证满足用户的使用要求。然而随着科技的发展及用户需求不断增加，用户使用的***也是越来越多，现有的***一般都是针对具体的业务功能进行开发、测试和发布。用户只是参与最后使用***，发现问题后与项目经理进行沟通然后进行需求变更，然后开发人员进行软件升级、测试和发布。

发明人发现，现有的软件开发企业一般采用人工记录如采用文档记录用户需求，需求处理周期较长，经常出现用户需求响应不及时，人工记录需求无法追溯，也经常出现用户需求遗漏等问题，引起客户不满，目前尚缺乏有效的解决方案。现在软件行业发展迅速，现有的处理过程已经无法适应形势发展的需要。

发明内容

本公开为了解决上述问题，提出了一种软件***的用户需求处理***及处理方法,用于在软件的开发中或发布后针对用户的需求进行处理,按照处理后的需求信息提升或改进软件***的性能。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了一种软件***的用户需求处理***，包括：用户需求采集终端、服务器及需求处理终端，所述需求处理终端用于将从用户需求采集终端获取的需求信息进行处理并反馈处理结果；

需求处理终端至少包括需求信息分类模块与任务分派模块；

需求信息分类模块:用于根据需求信息的类型，对获得的需求信息进行分类获得需求信息的分类结果；包括采用半监督学习算法对获得的需求信息进行分类的文字信息或图像信息分类模块；

任务分派模块：用于根据分类结果将需求信息生成任务信息发送任务执行人员的终端进行处理。

一个或多个实施例提供了一种软件***的用户需求处理方法，包括：

获取待处理的需求信息，所述需求信息包括文字信息和图像信息；

根据需求信息的类型，采用半监督学习算法对获得的文字信息、图像信息进行分类，获得需求信息的分类结果；

根据分类结果将需求信息生成任务信息发送任务执行人员的终端进行处理。

与现有技术相比，本公开的有益效果为：

(1)本公开通过设置用户需求处理***，对用户提出的需求信息进行管控处理，避免了出现用户需求处理过程中遗漏、无法追溯等问题，并通过对需求信息的精确分类，使得用户需求得到了有效管理，在软件的开发、测试或者发布后能够根据需求信息对软件***进行改进或者开发，提高软件开发的效率，缩短需求处理时间，提高了用户的满意度。

(2)本公开通过多种途径进行需求收集，对需求进行大数据处理，采用机器学习算法、图片识别技术、视频分析方法对需求信息进行分类，按照不同的分类将需求信息发送至相关处理人员的终端，分类准确，降低需求信息在各终端之间的转送频率，进一步提高需求信息的处理效率。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。

图1是根据一个或多个实施方式的***的框图；

图2是本公开实施例2的方法的流程图。

具体实施方式：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。

在一个或多个实施方式中公开的技术方案中，如图1所示，一种软件***的用户需求处理***，包括：

用户需求采集终端：用于采集用户需求并将需求信息上传至服务器和获取需求处理结果。

服务器：用于存储需求信息、需求的处理结果及过程处理信息。

需求处理终端：用于将获取需求信息进行处理，获得需求的处理结果及过程处理信息。

用户需求采集终端可以为用户终端电脑或者为移动终端。可选的，所述用户需求采集终端中设置软件截图助手，所述软件截图助手用于实现用户需求采集终端屏幕的截图操作。

在一些实施例中，服务器可以采用FTP文件服务器，本实施例的软件截图助手可以与FTP文件服务器集成，实现了功能分离，具有易扩展的特性。

FTP文件服务器存储由软件截图助手上传的图片。由FTP文件服务器统一管理用户上传的图像信息。为避免FTP文件服务器空间***式增长，图片只保留用户最近一段时间上传的图像信息，如可以设定为30天，30天之前的图片将会自动删除，保证了FTP文件服务器空间的有效利用。

需求信息的获取方式可以是从用户的终端传输的文字信息，还可以是软件***的运行现场通过摄像设备如设置的摄像头采集的视频信息，如典型的红绿灯控制的软件***，红绿灯控制的算法是否适用于当前路段可以通过路口的车流或者人流视频确定，当压车时间较长，经***分析后产生缓解某路段交通状况的需求。

需求处理终端至少包括需求信息分类模块、任务分派模块和反馈模块。

需求信息分类模块：用于根据需求信息的类型，对获得的需求信息进行分类获得需求信息的分类结果；包括采用半监督学习算法对获得的需求信息进行分类的文字信息或图像信息分类模块；

需求信息的类型包括文字类型、图片类型及视频类型。需求信息的类型的划分标准是按照针对不同场景获取需求的手段不同,可以分为文字信息、图像信息及视频信息。

图像信息：可以通过设置在软件***用户终端的截图软件获得的截图，***收到图片后，进行分析，判断是否存在***异常信息、权限不足信息、页面布局错误或者数据错误等信息修改的需求信息。

视频信息：如摄像头监控采集是屏幕视频，通过视频图像帧的变化分析产生需处理任务需求。如红绿灯当摄像头采集到的某路段经常压车且时间比较长，经***分析后产生缓解某路段交通状况的需求。

文字信息：可以是从用户的终端传输的文字信息，可以是根据用户反馈录入的文字需求信息，通过输入的文字进行关键字匹配进行需求分类。

需求信息分类模块包括以下模块：

文字信息或图像信息分类模块：用于采用半监督学习算法对获得的文字信息或图像信息进行分类，包括：训练模块和第一分类模块。

训练模块：用于对分类的机器模型进行训练。

所述训练模块包括：

用于将需求信息的历史数据按照解答类、配置类和开发类进行分类，为每个分类设置分类标签的模块；

用于提取每一类需求信息中的文字信息的关键字数据或提取图像信息的图像特征，建立训练样本集的模块；

用于建立半监督学习模型，将训练样本集的数据分为训练样本和测试样本，输入至半监督学习模型进行训练，获得训练好的半监督学习模型的模块。

第一分类模块：将当前采集到的需求信息或者待处理需求信息进行分类，获得分类结果，包括：

用于采用半监督学习算法建立半监督学习模型，提取当前采集的软件***终端发送的文字信息的关键字数据或图像信息的图像特征，输入至训练好的半监督学习模型，为提取的关键字数据或图像特征分别设置分类标签的模块；

用于根据关键字数据或图像特征及设置的分类标签，通过线性回归或Logistic回归算法对提取的关键字占比或图片相似度作为回归分析的变量，得到每个分类相应的占比或图片相似度数值，按照占比或相似度数值将当前采集的需求信息归入占比或相似度数值最大的一类的模块。

所述需求信息分类模块还包括视频信息分类模块，所述视频信息分类模块包括：

用于根据历史数据建立视频中包含的形态变化与需求信息分类的标准对应数据库的模块；

用于根据要监控的视频点进行捕捉正常状态下的背景图像，然后进行灰度化处理，建立基准背景图像的模块；

用于获取待分类视频信息的视频帧，进行灰度化处理，将其背景进行分离，然后通过与对应视频点的基准背景图像进行比较，查找相同位置的像素有变化的区域的模块；

用于对获取的像素变化的区域识别得到包括目标位置、形状、速度和停留时间的基本形态和动态信息，根据对应的形态查找标准对应数据库，将待分类视频信息归入相应的类别的模块。

图像信息的图像特征包括纹理、颜色、形状三方面，所述图像信息的图像特征提取采用图像识别技术进行提取，包括如下步骤：

步骤1、采用灰度共生矩阵法提取图像的纹理特征；

步骤2、采用直方图法提取图像的颜色特征；

步骤3、采集空间矩特征提取图像的形状特征。

采用上述步骤对需求信息进行分类，通过采用机器学习算法、图像识别算法、视频分析方法，提高了分类精度，比较现有的通过人工分类的方法，提高了软件***用户需求分类的效率，大大减少了处理需求信息的时间，节约了软件开发时间。

任务分派模块：用于根据分类结果将需求信息生成任务信息发送任务执行人员的终端进行处理。

任务执行人员的终端包括解答人员终端、软件***开发人员终端及软件***配置设置人员终端。所进行的处理包括针对上述分类结果的各类信息的处理，包括获取对客户的疑问进行的解答并将解答结果从上传，对软件中设置好的功能配置更改并将处理结果上传，以及获取开发进程信息。

解答类需求的处理：该需求通过工程师通过线下沟通及反馈对需求问题进行解决，需求解决后将结果通过解答人员终端提交，如果有协助人参与，需要协助人都处理完后提交至反馈模块。

配置类需求的处理：该需求在***中交由第三方合作单位或下级部门进行信息录入及数据的维护等相关操作，通过软件***配置设置人员终端查看处理任务和上传处理结果，并将处理结果发送至反馈模块。可以选择要分派的合作单位组发送至相应的终端。

开发类需求的处理：该需求在***中交由第三方合作单位或下级部门进行软件升级或功能开发等相关操作，点击“分派”任务，选择要分派的合作单位组。通过软件***开发人员终端查看处理任务和上传处理结果，并将处理结果发送至反馈模块。

反馈模块：用于将需求信息的处理结果反馈至提出的该需求的用户需求采集终端，并接受用户需求采集终端发送的需求处理结果确认，确认结果为已解决，结束；否则反馈给处理该需求的任务执行人员的终端。通过设置反馈模块，接受用户终端的意见反馈，建立需求提出人与需求处理人之间的联系，实现了信息高效传输，提高处理效率。

需求信息分类模块和需求信息分发模块可以实现对需求信息的分类处理，并根据分类结果将需求信息生成处理任务，并发送至相关的直接处理人员，直接处理人员如软件的开发人员。需求信息通过***存储，并在需求信息的处理过程中生成需求的过程信息，通过服务器将需求信息的处理结果及过程信息发送至用户终端，提高用户满意度。

在一些实施例中，需求信息分类模块之前还可以设置预处理模块，用于根据不同的需求信息的重要程度对需求信息进行预筛选，对于用户的不合理要求或者不存在的问题进行预处理。节约软件***开发、测试或者发布等相关人员的处理时间，提高整个软件***的开发速度。预处理的过程中，可以根据预处理结果将预处理结果发送至相关负责人员终端所述相关负责人终端可以为总负责人、项目负责人，负责人批示后反馈处理结果。

预处理模块采用的预处理步骤包括：

将需求信息预分类，分为无效请求、一般请求和重要请求；

若为无效请求，关闭处理流程并反馈处理结果发送至反馈模块；

若为一般请求，提取需求信息中的案件信息发送至需求信息分类模块；

若为重要请求发送至相关审批人员终端，获取处理结果发送至反馈模块；

在一些实施例中，还包括需求信息校验模块：用于跟踪需求获取后至需求处理结束时间内的需求信息处理过程信息，并进行反馈。

需求信息校验模块可以执行以下步骤：设置需求处理的时间要求，当超出处理时限发送提醒信息；或者，获取提出需求的用户对需求信息处理结果的处理意见信息，根据用户的处理意见信息生成校验结果反馈给处理该需求的终端。

实施例2

本实施例提供一种软件***的用户需求处理方法，包括如下步骤：

步骤1、获取待处理的需求信息，所述需求信息包括文字信息和图像信息；

步骤2、根据需求信息的类型，采用半监督学习算法对获得的文字信息、图像信息进行分类，获得需求信息的分类结果；

步骤3、根据分类结果将需求信息生成任务信息发送任务执行人员的终端进行处理。

步骤2中，采用半监督学习算法对获得的需求信息进行分类，包括：

21、首先对进行分类的机器模型进行训练：

211、将需求信息的历史数据按照解答类、配置类和开发类进行分类，为每个分类设置分类标签；

212、提取每一类需求信息中的文字信息的关键字数据或提取图像信息的图像特征，建立训练样本集；

213、建立半监督学习模型，将训练样本集的数据分为训练样本和测试样本，输入至半监督学习模型进行训练，获得训练好的半监督学习模型。

22、其次，将当前采集到的需求信息或者待处理需求信息进行分类，获得分类结果，具体步骤可以如下：

222、采用半监督学习算法建立半监督学习模型，提取当前采集的软件***终端发送的文字信息的关键字数据或图像信息的图像特征，输入至训练好的半监督学习模型，为提取的关键字数据或图像特征分别设置分类标签；

223、根据关键字数据或图像特征及设置的分类标签，通过线性回归或Logistic回归算法对提取的关键字占比或图片相似度作为回归分析的变量，得到每个分类相应的占比或图片相似度数值，按照占比或相似度数值将当前采集的需求信息归入占比或相似度数值最大的一类。

所述需求信息还包括视频信息，还包括对视频信息进行分类的步骤，采用视频分析方法进行分类的步骤包括：

步骤1)、根据历史数据建立视频中包含的形态变化与需求信息分类的标准对应数据库；

步骤2)、根据要监控的视频点进行捕捉正常状态下的背景图像，然后进行灰度化处理，建立基准背景图像；

步骤3)、获取待分类视频信息的视频帧，进行灰度化处理，将其背景进行分离，然后通过与对应视频点的基准背景图像进行比较，查找相同位置的像素有变化的区域。

步骤4)、对获取的像素变化的区域识别得到包括目标位置、形状、速度和停留时间的基本形态和动态信息，根据对应的形态查找标准对应数据库，将待分类视频信息归入相应的类别。

图像信息的图像特征包括纹理、颜色、形状三方面，所述图像信息的图像特征提取采用图像识别技术进行提取：

步骤222-1、采用灰度共生矩阵法提取图像的纹理特征；

步骤222-2、采用直方图法提取图像的颜色特征；

步骤222-3、采集空间矩特征提取图像的形状特征。

获得的分类结果包括将需求信息分为解答类、配置类和开发类。

还可以包括反馈的步骤：将需求信息的处理结果反馈至提出的该需求的用户需求采集终端，并接受用户需求采集终端发送的需求处理结果确认，确认结果为已解决，结束；否则反馈给处理该需求的任务执行人员的终端。

或者

在需求信息进行分类之前还包括预处理步骤，具体为根据不同的需求信息的重要程度对需求信息进行预筛选，对于用户的不合理要求或者不存在的问题进行预处理。

或者

还包括如下步骤：设置需求处理的时间要求，当超出处理时限发送提醒信息；或者，获取提出需求的用户对需求信息处理结果的处理意见信息，根据用户的处理意见信息生成校验结果反馈给处理该需求的终端。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (8)

1.一种软件***的用户需求处理***，其特征是，包括：用户需求采集终端、服务器及需求处理终端，所述需求处理终端用于将从用户需求采集终端获取的需求信息进行处理并反馈处理结果；

需求处理终端至少包括需求信息分类模块与任务分派模块；

需求信息分类模块:用于根据需求信息的类型，对获得的需求信息进行分类获得需求信息的分类结果；包括采用半监督学习算法对获得的需求信息进行分类的文字信息或图像信息分类模块；

任务分派模块：用于根据分类结果将需求信息生成任务信息发送任务执行人员的终端进行处理；

需求信息包括文字信息、图像信息及视频信息；

文字信息或图像信息分类模块包括用于对分类的机器模型进行训练的训练模块和第一分类模块；

第一分类模块：将当前采集到的需求信息或者待处理需求信息进行分类，获得分类结果，包括：

用于采用半监督学习算法建立半监督学习模型，提取当前采集的软件***终端发送的文字信息的关键字数据或图像信息的图像特征，输入至训练好的半监督学习模型，为提取的关键字数据或图像特征分别设置分类标签的模块；

用于根据关键字数据或图像特征及设置的分类标签，通过线性回归或Logistic回归算法对提取的关键字占比或图片相似度作为回归分析的变量，得到每个分类相应的占比或图片相似度数值，按照占比或相似度数值将当前采集的需求信息归入占比或相似度数值最大的一类的模块。

2.如权利要求1所述的一种软件***的用户需求处理***，其特征是：所述需求信息分类模块还包括视频信息分类模块，所述视频信息分类模块包括：

用于根据历史数据建立视频中包含的形态变化与需求信息分类的标准对应数据库的模块；

用于根据要监控的视频点进行捕捉正常状态下的背景图像，然后进行灰度化处理，建立基准背景图像的模块；

用于获取待分类视频信息的视频帧，进行灰度化处理，将其背景进行分离，然后通过与对应视频点的基准背景图像进行比较，查找相同位置的像素有变化的区域的模块；

用于对获取的像素变化的区域识别得到包括目标位置、形状、速度和停留时间的基本形态和动态信息，根据对应的形态查找标准对应数据库，将待分类视频信息归入相应的类别的模块。

3.如权利要求1所述的一种软件***的用户需求处理***，其特征是：获得需求信息的分类结果包括将需求信息分为解答类、配置类和开发类，或者所述任务执行人员的终端包括解答人员终端、软件***开发人员终端及软件***配置设置人员终端。

4.如权利要求3所述的一种软件***的用户需求处理***，其特征是：

解答类需求通过线下沟通及反馈对需求问题进行解决，解答人员终端获取需求解决后将结果提交；

或者

配置类需求在***中交由第三方合作单位或下级部门进行信息录入及数据的维护相关操作，软件***配置设置人员终端获取处理结果并上传；

或者

开发类需求在***中交由第三方合作单位或下级部门进行软件升级或功能开发的相关操作，软件***开发人员终端获取处理结果并上传。

5.如权利要求1所述的一种软件***的用户需求处理***，其特征是：需求处理终端还包括反馈模块，所述反馈模块用于将需求信息的处理结果反馈至提出的该需求的用户需求采集终端，并接受用户需求采集终端发送的需求处理结果确认，确认结果为已解决，结束；否则反馈给处理该需求的任务执行人员的终端；

或者

需求处理终端还包括预处理模块，用于根据不同的需求信息的重要程度对需求信息进行预筛选，对于用户的不合理要求或者不存在的问题进行预处理；或者

需求处理终端还包括校验模块：用于跟踪需求获取后至需求处理结束时间内的需求信息处理过程信息，并进行反馈。

6.一种软件***的用户需求处理方法，其特征是，包括：

获取待处理的需求信息，所述需求信息包括文字信息和图像信息；

根据需求信息的类型，采用半监督学习算法对获得的文字信息、图像信息进行分类，获得需求信息的分类结果；

根据分类结果将需求信息生成任务信息发送任务执行人员的终端进行处理；

对获得的需求信息进行分类，包括如下步骤：

采用半监督学习算法对获得的需求信息进行分类，包括：

采用半监督学习算法建立半监督学习模型，提取当前采集的软件***终端发送的文字信息的关键字数据或图像信息的图像特征，输入至训练好的半监督学习模型，为提取的关键字数据或图像特征分别设置分类标签；

根据关键字数据或图像特征及设置的分类标签，通过线性回归或Logistic回归算法对提取的关键字占比或图片相似度作为回归分析的变量，得到每个分类相应的占比或图片相似度数值，按照占比或相似度数值将当前采集的需求信息归入占比或相似度数值最大的一类；

或者

对半监督学习模型训练的方法，包括如下步骤：

将需求信息的历史数据按照解答类、配置类和开发类进行分类，为每个分类设置分类标签；

提取每一类需求信息中的文字信息的关键字数据或提取图像信息的图像特征，建立训练样本集；

建立半监督学习模型，将训练样本集的数据分为训练样本和测试样本，输入至半监督学习模型进行训练，获得训练好的半监督学习模型。

7.如权利要求6所述的一种软件***的用户需求处理方法，其特征是：所述需求信息还包括视频信息，还包括对视频信息分类的步骤：

根据历史数据建立视频中包含的形态变化与需求信息分类的标准对应数据库；

根据要监控的视频点进行捕捉正常状态下的背景图像，然后进行灰度化处理，建立基准背景图像；

获取待分类视频信息的视频帧，进行灰度化处理，将其背景进行分离，然后通过与对应视频点的基准背景图像进行比较，查找相同位置的像素有变化的区域；

对获取的像素变化的区域识别得到包括目标位置、形状、速度和停留时间的基本形态和动态信息，根据对应的基本形态查找标准对应数据库，将待分类视频信息归入相应的类别。

8.如权利要求6所述的一种软件***的用户需求处理方法，其特征是：还包括反馈的步骤，包括：将需求信息的处理结果反馈至提出的该需求的用户需求采集终端，并接受用户需求采集终端发送的需求处理结果确认，确认结果为已解决，结束；否则反馈给处理该需求的任务执行人员的终端；

或者

在需求信息进行分类之前还包括预处理步骤，具体为根据不同的需求信息的重要程度对需求信息进行预筛选，对于用户的不合理要求或者不存在的问题进行预处理；

或者

还包括如下步骤：设置需求处理的时间要求，当超出处理时限发送提醒信息；或者，获取提出需求的用户对需求信息处理结果的处理意见信息，根据用户的处理意见信息生成校验结果反馈给处理该需求的终端。

Images