CN113435861A - 一种基于舆情数据的业务运维方法、装置及电子设备 - Google Patents
一种基于舆情数据的业务运维方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113435861A CN113435861A CN202110801745.8A CN202110801745A CN113435861A CN 113435861 A CN113435861 A CN 113435861A CN 202110801745 A CN202110801745 A CN 202110801745A CN 113435861 A CN113435861 A CN 113435861A
- Authority
- CN
- China
- Prior art keywords
- public opinion
- target
- opinion data
- verification
- scene
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供一种基于舆情数据的业务运维方法、装置及电子设备。其中,方法包括:监控舆情数据源,并向所述舆情数据源抓取目标数据监控。基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景。基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项。当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
Description
技术领域
本文件属于数据安全技术领域,尤其涉及一种基于舆情数据的业务运维方法、装置及电子设备。
背景技术
通过舆情数据优化业务,是企业改进服务的重要方式之一。目前企业主要采用人工方式处理舆情数据,但人力投入毕竟有限,在面对海量数据时,无法保证时效。
为此,如何提高对舆情数据的问题定位,以辅助推进采取相应解决措施,是当前亟需解决的技术问题。
发明内容
本说明书实施例目的是提供一种基于舆情数据的业务运维方法、装置及电子设备,能够代替人工方式,对舆情数据进行分析,从而高效率定位业务中存在问题,以推进采取相应解决措施。
为了实现上述目的,本说明书实施例是这样实现的:
为解决上述技术问题,本说明书实施例是这样实现的:
第一方面,提供了一种基于舆情数据的业务运维方法,包括:
监控舆情数据源,并向所述舆情数据源抓取目标数据监控;
基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景;
基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项;
当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
第二方面,提供了一种基于舆情数据的业务运维装置,包括:
舆情数据爬起模块,监控舆情数据源,并向所述舆情数据源抓取目标数据监控;
业务场景识别模块,基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景;
校验规则执行模块,基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项;
预警通知执行模块,当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
第三方面,提供了一种电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行:
监控舆情数据源,并向所述舆情数据源抓取目标数据监控;
基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景;
基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项;
当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
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上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
监控舆情数据源,并向所述舆情数据源抓取目标数据监控;
基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景;
基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项;
当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
本说明书实施例的方案能够主动收集舆情数据,并对舆情数据的特征信息进行分析,识别所属的业务场景。之后,执行预先针对业务场景设置的校验规则,以尝试挖掘出业务场景存在的问题。并在确定问题后发起预警,以推进相关人员处理。整个方案能够代替人工,以更高效率定位业务中的问题,因此具有很高的实用性,特别适用于企业优化自身服务的应用场景。
附图说明
为了更清楚地说明本说明书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说明书实施例中记载的一些实施例,对于本领域普通相关负责人员来讲,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他的附图。
图1为本说明书实施例提供的业务运维方法的第一种流程示意图。
图2为本说明书实施例提供的业务运维方法的第二种流程示意图。
图3为本说明书实施例提供的业务运维方法中的工单示意图。
图4为本说明书实施例提供的业务运维装置的结构示意图。
图5为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通相关负责人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
如前所述,企业通常会收集用户的舆情数据,以挖掘自身业务不足并进行改善。像社交软件、客服***等就是获取舆情数据的主要渠道,而这些平台每天往往产生多达数万条的舆情数据,依靠人工方式进行处理显然无法保证时效。为此,本文件旨在提供一种基于舆情数据的业务运维方案,能够代替人工方式,对舆情数据进行分析,从而高效率定位业务中存在问题,以推进采取相应解决措施。
图1是本说明书的一个实施例基于舆情数据的业务运维方法的流程图,如图1所示,该方法可以包括以下步骤:
S102,监控舆情数据源,并向舆情数据源抓取目标数据监控。
这里所述的舆情数据源可以但不限于包括:社交软件、客服***、外媒等能够产生舆情数据的平台,或者是,风险防控***这类本身具有收集舆情数据能力的平台。舆情数据可以包括含有文本、图像、语音等不同数据形式的内容,不管是属于何种数据类型,都可以基于现有技术最终识别转换为文本信息。
具体地,作为一种可行的方案,本步骤可以基于预先设置的爬取引擎,爬取舆情数据源中的舆情数据。其中,爬取引擎的配置可以包括舆情数据源地址、抓取声量粒度、抓取频率以及抓取数据类型等信息。这里,以能够实时地对不同的舆情数据源爬取舆情数据为示例,爬取引擎的配置可以参考下表所示。
此外,本步骤还可以对舆情数据源产生的数据先进行过滤,再爬取有价值的舆情数据。比如,过滤掉文本信息量过低的舆情数据、过滤掉文本信息重复的舆情数据、过滤掉情绪意图不明确的舆情数据等。由于过滤方式并不唯一,这里本文不作具体限定。
S104,基于目标舆情数据的特征信息,确定目标舆情数据所属的目标业务场景。
应理解,这里所述的特征信息是指对确定目标舆情数据所属业务场景有参考意义的任何信息,比如舆情数据中的文本特征信息、舆情数据对应的链接地址特征信息等。
下面对确定业务场景的几种实现方式进行示例性介绍。
方式一:
基于人工智能技术,机械识别舆情数据所属的目标业务场景。
具体地,可以基于预先准备的样本舆情数据的特征信息和针对样本舆情数据标注的业务场景标签训练构建业务场景识别模型。
在训练过程中,业务场景识别模型会基于内部算法对样本舆情数据的特征信息进行预测计算,输出对样本舆情数据所属业务场景的预测结果。这一预测结果可能会与标注的业务场景标签所指示的真值结果存在误差。为此,通过最大似然估计推导的损失函数计算出训练过程中预测结果与真值结果的损失,并以降低损失为导向,对业务场景识别模型中的内部算法参数进行调整,从而达到训练目的。
应理解,训练后的业务场景识别模型具备有基于舆情数据的特征信息,识别舆情数据所属业务场景的能力。
当然,在实际应用中可以使用样本舆情数据对应不同维度的特征信息来训练业务场景识别模型,以提高模型性能。比如说,文本维度、链接维度等。这里所述的文本维度的特征信息可以是样本舆情数据中的关键词特征,而链接维度的特征信息可以是样本舆情数据对应链接地址的域名特征。
在业务场景识别模型训练完成后,即可按照所采用的特征信息的维度,对舆情数据进行特征提取,得到舆情数据的特征信息。之后,将舆情数据的特征信息输入至业务场景识别模型,即可机械方式识别出该舆情数据所属的目标业务场景。
方式二:
通过舆情数据中文本信息的关键词确定舆情数据所属业务场景。
具体地,可以预先设置各业务场景与特征信息标签之间的匹配关系。比如,将业务场景的产品名称、业务名称等关键词特征作为该业务场景的特征信息标签,或者,也可以将业务场景的链接地址域名作为业务场景的特征信息标签。
这里,以文本维度的特征信息文本信息举例,在获得舆情数据后,可以对舆情数据的文本信息进行分词处理,并按照预先设置的关键词标签库(即,文本维度的特征信息标签库),对分词处理后得到的关键词标注关键词标签。之后基于各业务场景与关键词标签之间的匹配关系,确定舆情数据所属的目标业务场景。比如,舆情数据中提到某个业务场景的产品名称,则该产品名称在作为关键词后被标注对应的关键词标签后,即可匹配出相对应的业务场景。
此外,还可以在上述基础之上,对舆情数据进行信息降噪,以过滤掉部分无价值的内容。比如,在对舆情数据的文本信息执行词处理前,进行话题类型过滤、情感类型过滤、咨询意图过滤等。或者,在对舆情数据的文本信息执行词处理后,进行排除词过滤。
应理解的是,确定舆情数据所属业务场景的方式多种多样,无法一一列举。上述方式一和方式二仅用于示例性介绍,并不限制本文件的保护范围。在实际应用中,也可以搭配不同的方式确定舆情数据所属的业务场景。
比如,先采用方式一以通过人工智能技术快速确定舆情数据所属的业务场景。在方式一的业务场景识别模型无法提供舆情数据所属的业务场景时,再采用方式二以特征信息标签匹配的方式确定舆情数据所属的业务场景。
此外,还可以将方式一中业务场景识别模型无法识别业务场景的舆情数据作为日后的训练样本,以对业务场景识别模型进行补全训练。也就是按照方式二确定到的舆情数据所属的业务场景对该舆情数据标注业务场景标签,并将该舆情数据的特征信息和业务场景标签添加至业务场景识别模型的训练数据中。即,本说明书实施例的训练业务场景识别模型的样本舆情数据可以包含有业务场景识别模型无法确定业务场景的第一历史舆情数据,第一历史舆情数据的业务场景标签是按照基于上述方式二中的匹配关系确定到的第一历史舆情数据的业务场景进行标注的。
显然,通过上述方式一和方式二的搭配,业务场景识别模型会不断得到完善,使得以后的业务场景识别被更多地依赖人工智能技术完成,从而提高工作效率。
S106,基于属于目标业务场景的至少一种校验规则,执行校验,其中,目标业务场景的校验规则用于校验针对目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项。
本说明书实施例针对每个业务场景刻画可能存在的问题,并为每个问题设置专属的校验规则。在确定出目标舆情数据所属的目标业务场景后,即可通过执行该目标业务场景下的校验规则,以完成相关问题排查。
具体地,为了提高校验规则的执行效率,可以从针对目标业务场景配置的校验规则集合中,选取与目标舆情数据关联性较高的一部分,待执行校验。
比如,本发明实施例通过人工智能技术,机械推荐与目标舆情数据关联的校验规则。具体地,可以将舆情数据的特征信息输入至预先针对目标业务场景设置的校验规则推荐模型,得到由校验规则推荐模型提供的待执行的至少一种校验规则。其中,校验规则推荐模型可以基于目标业务场景下的样本舆情数据的特征信息和针对样本舆情数据标注的校验规则标签所训练得到的(训练原理可以参考上文所述的业务场景识别模型)。
再比如,基于舆情数据中文本内容的问题描述范围,对属于目标业务场景的校验规则集合进行过滤,并将过滤后剩余的校验规则确定为待执行的校验规则。比如,舆情数据中描述了“某一商品的购买链接打不开”,则可以过滤掉不是与商品购买链接不相关的校验规则。
当然,还可以先使用校验规则推荐模型尝试快速推荐待执行的校验规则,如果校验规则推荐模型无法提供待执行的校验规则,再基于舆情数据中文本内容的问题描述范围,对属于目标业务场景的校验规则集合进行过滤,并将过滤后剩下的校验规则确定为待执行的校验规则。
再或者,使用校验规则推荐模型先推荐待执行的校验规则后,对目标业务场景的校验规则集合中的校验规则进行优先级排序,使校验规则推荐模型荐待的校验规则的优先级高于其他校验规则的优先级。之后,按照优先级由高到低的顺序逐一执行校验规则,或根据优先级由高到低的顺序选取预设数量的校验规则执行校验。
此外,还可以将校验规则推荐模型无法推荐校验规则的舆情数据作为日后的训练样本,以对校验规则推荐模型进行补全训练。也就是说,训练校验规则推荐模型的样本舆情数据包含有校验规则推荐模型无法提供校验规则的第二历史舆情数据,该第二历史舆情数据的校验规则标签是按照第二历史舆情数据引发执行且校验结果未通过的校验规则进行标注的。
S108,当校验出存在问题时,发送预警通知,预警通知携带目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
具体地,本发明实施例可以通过派发工单的方式实现预警通知。相关负责人员在收到工单后,能够及时进行处理,从而形成问题反馈到问题解决的闭环。
在实际应用中,工单可以具体记录有:目标舆情数据的文本内容、目标舆情数据的来源地址,以及校验出存在问题的校验规则的描述信息,从而帮助相关负责人员了解并定位问题。同时,工单还记录有工单的处理状态和处理时效等信息,以辅助相关负责人员进行跟进和监控处理进度。
此外,工单还可以设置有应急措施选项,比如:对舆情数据所属的业务进行下架、对舆情数据所属的业务进行消息触达降级、对舆情数据所属的业务进行业务界面提醒等。本说明书实施例的方法通过执行应急措施选项中被选用的应急措施,以减少业务对用户和企业造成的影响。
由此可见,本说明书实施例的方法能够主动收集舆情数据,并对舆情数据的特征信息进行分析,识别所属的业务场景。之后,执行预先针对业务场景设置的校验规则,以尝试挖掘出业务场景存在的问题。并在确定问题后发起预警,以推进相关人员处理。整个方案能够代替人工,以更高效率定位业务中的问题,因此具有很高的实用性,特别适用于企业优化自身服务的应用场景。
下面对本说明实施例的方法进行详细介绍。
如图2所示,本说明书实施例的业务运维方法流程主要:
监控舆情数据源;其中,舆情数据源涵盖所有用户反馈的舆情数据,包括端内舆情、外媒舆情、客满热线舆情等。这里可以对舆情数据进行移动分析,支持分钟、小时和天等多种粒度的环比,环比对象包括声量、热点和营销指标。
舆情数据爬取;基于预先设置的爬取引擎,爬取端内、外舆、客满热线的舆情数据。采集后的舆情数据可以按照时效分为历史数据和实时数据两部分,历史数据归档存储在云端,实时数据则提供后续调度,以用于问题分析。
舆情数据过滤;可以过滤掉文本信息量过低的舆情数据、文本信息重复的舆情数据、情绪意图不明确的舆情数据以及不包含指定关键词的舆情数据等。
业务场景识别;如前文所述,可以基于业务场景识别模型的人工智能方式和/或特征信息标签匹配的方式识别舆情数据所属业务场景。在初期阶段,如果业务场景识别模型训练尚未完善,则可以优先选用基于特征信息标签匹配的方式识别业务场景。
业务场景校验规则筛选;如前文所述,可以基于校验规则推荐模型的人工智能方式和/或舆情数据中文本内容的问题描述范围,筛选业务场景中的校验规则。同理,在初期阶段,如果校验规则推荐模型训练尚未完善,则可以优先选用基于舆情数据中文本内容的问题描述范围筛选校验规则。或者,还可以基于一定策略,对业务场景的校验规则进行优先级排序,按照优先级由高到低的顺序,保留预设数量的校验规则。当然,随着知识不断积累,后续可以建立基于舆情数据匹配校验规则的知识库,待使用的校验规则可以优先采用知识库进行快速筛选,如果知识库无法满足需求,则在使用其他方式筛选校验规则。
执行校验规则;其中,每个校验规则都对应执行所需要的脚本程序,通过执行校验规则的脚本程序,以检查对应的校验项是否存在问题。其中,脚本程序根据实际业务场景需求进行编写,并以业务场景为粒度灵活添加或删除。
创建并派发工单;执行脚本程序校验出存在问题时,创建并派发工单。如图3所示,工单可以派发给指定的处理人员,携带的内容信息可以包括来源、业务场景类目等,并指示属于端内舆情、外媒舆情、客满热线舆情中的哪一者;此外,点击工单中的查看风险详情后,可以具体显示更多信息,比如,舆情数据ID、文本信息内容、舆情数据链接、舆情数据提交,以及,校验规则ID、校验规则的校验结果和校验时间等。
人工根据处理工单;体现问题的快反能力,主机措施可以包括:业务页面挂黄条提醒、业务页面联动降级、业务下架、业务触达消息降级等。此外,通过跟踪工单后续处理状态,也可以统计舆情数据额闭环率(处理完毕的舆情数据的数量/所有爬取到的舆情数据的数量)。
综上所述,可以实现对舆情数据的进行智能化的业务场景识别,根据预先针对业务场景设置的校验规则,校验可能存在的问题,并通过工单的方式发起预警播报,以推进人工介入,形成闭环。进一步地,随着投用时间的增长,积累的数据不断优化人工智能决策,在后续场景识别和校验规则选取更多依赖模型执行,从而提高工作效率。
此外,对应于图1所示的法,本发明实施例还提供一种基于舆情数据的业务运维装置。图4是本发明实施例业务运维装置400的结构示意图,包括:
舆情数据爬起模块410,监控舆情数据源,并向所述舆情数据源抓取目标数据监控。
业务场景识别模块420,基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景。
校验规则执行模块430,基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项。
预警通知执行模块440,当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
本说明书实施例的装置能够主动收集舆情数据,并对舆情数据的特征信息进行分析,识别所属的业务场景。之后,执行预先针对业务场景设置的校验规则,以尝试挖掘出业务场景存在的问题。并在确定问题后发起预警,以推进相关人员处理。整个方案能够代替人工,以更高效率定位业务中的问题,因此具有很高的实用性,特别适用于企业优化自身服务的应用场景。
可选地,所述业务场景识别模块420将所述目标舆情数据的特征信息输入至预先设置的业务场景识别模型中,得到所述目标舆情数据所属的目标业务场景,其中,所述业务场景识别模型是基于样本舆情数据的特征信息和针对样本舆情数据标注的业务场景标签所训练得到。
在所述业务场景识别模型无法提供所述目标舆情数据所属的业务场景时,所述业务场景识别模块420还可以基于预先设置的特征信息标签库,对所述目标舆情数据进行特征信息标注,确定所述目标舆情数据对应的特征信息标签。之后,基于预先设置的各业务场景与特征信息标签之间的匹配关系,将与所述目标舆情数据对应的特征信息标签相匹配的业务场景确定为所述目标舆情数据所属的目标业务场景。
可选地,训练所述业务场景识别模型的样本舆情数据包含有所述业务场景识别模型无法确定业务场景的第一历史舆情数据,所述第一历史舆情数据的业务场景标签是按照基于所述匹配关系确定到的所述第一历史舆情数据的业务场景进行标注的。
可选地,本说明书实施例的业务运维装置400还可以包括:
校验规则筛选模块,用于将所述目标舆情数据的特征信息输入至预先针对所述目标业务场景设置的校验规则推荐模型,得到由所述校验规则推荐模型提供的待执行的至少一种校验规则,其中,所述校验规则推荐模型是基于所述目标业务场景下的样本舆情数据的特征信息和针对样本舆情数据标注的校验规则标签所训练得到的。
在所述校验规则推荐模型无法提供待执行的校验规则时,校验规则筛选模块,还可以基于所述目标舆情数据中文本内容的问题描述范围,对属于所述目标业务场景的校验规则集合进行过滤,并将过滤后剩余的校验规则确定为待执行的校验规则。
其中,训练所述校验规则推荐模型的样本舆情数据包含有所述校验规则推荐模型无法提供校验规则的第二历史舆情数据,所述第二历史舆情数据的校验规则标签是按照所述第二历史舆情数据引发执行且校验结果未通过的校验规则进行标注的。
可选地,所述预警通知为处理所述目标舆情数据的工单,所述工单记录有所述工单的处理状态和所述工单的处理时效。
可选地,所述工单设置有应急措施选项,所述方法还包括:
执行所述应急措施选项中被选用的应急措施,所述应急措施选项包括以下至少一种应急措施:
对所述目标舆情数据所属的业务进行下架;
对所述目标舆情数据所属的业务进行消息触达降级;
对所述目标舆情数据所属的业务进行业务界面提醒。
可选地,舆情数据爬起模块410基于预先设置的爬取引擎,向所述舆情数据源抓取目标数据监控。其中,所述爬取引擎配置有舆情数据源地址、抓取声量粒度、抓取频率以及抓取数据类型。
显然,本说明书实施例的业务运维装置可以作为上述图1所示的方法的执行主体,因此能够实现该校验方法在图1和图2所实现的步骤和功能。由于原理相同,本文不再赘述。
图5是本说明书的一个实施例电子设备的结构示意图。请参考图5,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
其中,处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成代码文件的业务运维装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取舆情数据;
确定所述目标舆情数据所属的目标业务场景;
基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景下的不同校验规则对应有不同的针对所述目标业务场景设置的校验项;
针对校验结果未通过的目标校验规则,发起预警通知。
本说明书实施例的电子设备能够主动收集舆情数据,并对舆情数据的特征信息进行分析,识别所属的业务场景。之后,执行预先针对业务场景设置的校验规则,以尝试挖掘出业务场景存在的问题。并在确定问题后发起预警,以推进相关人员处理。整个方案能够代替人工,以更高效率定位业务中的问题,因此具有很高的实用性,特别适用于企业优化自身服务的应用场景。
上述如本说明书图1所示实施例揭示的业务运维方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
应理解,本说明书实施例的电子设备可以实现上述业务运维方法在图1和图2所示的实施例的功能。由于原理相同,本文不再赘述。
当然,除了软件实现方式之外,本说明书的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
此外,本说明书实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令。
其中,上述该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1所示实施例的方法,并具体用于执行以下步骤:
获取舆情数据。
确定所述目标舆情数据所属的目标业务场景。
基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景下的不同校验规则对应有不同的针对所述目标业务场景设置的校验项。
针对校验结果未通过的目标校验规则,发起预警通知。
本领域相关负责人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域相关负责人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。此外,本领域普通相关负责人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本文件的保护范围。
Claims (13)
1.一种基于舆情数据的业务运维方法,包括:
监控舆情数据源,并向所述舆情数据源抓取目标数据监控;
基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景;
基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项;
当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
2.根据权利要求1所述的方法,
基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景,包括:
将所述目标舆情数据的特征信息输入至预先设置的业务场景识别模型中,得到所述目标舆情数据所属的目标业务场景,其中,所述业务场景识别模型是基于样本舆情数据的特征信息和针对样本舆情数据标注的业务场景标签所训练得到。
3.根据权利要求2所述的方法,
基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景,包括:
在所述业务场景识别模型无法提供所述目标舆情数据所属的业务场景时,基于预先设置的特征信息标签库,对所述目标舆情数据进行特征信息标注,确定所述目标舆情数据对应的特征信息标签;
基于预先设置的各业务场景与特征信息标签之间的匹配关系,将与所述目标舆情数据对应的特征信息标签相匹配的业务场景确定为所述目标舆情数据所属的目标业务场景。
4.根据权利要求3所述的方法,
训练所述业务场景识别模型的样本舆情数据包含有所述业务场景识别模型无法确定业务场景的第一历史舆情数据,所述第一历史舆情数据的业务场景标签是按照基于所述匹配关系确定到的所述第一历史舆情数据的业务场景进行标注的。
5.根据权利要求1所述的方法,
在基于属于所述目标业务场景的至少一种校验规则,执行校验前,所述方法包括:
将所述目标舆情数据的特征信息输入至预先针对所述目标业务场景设置的校验规则推荐模型,得到由所述校验规则推荐模型提供的待执行的至少一种校验规则,其中,所述校验规则推荐模型是基于所述目标业务场景下的样本舆情数据的特征信息和针对样本舆情数据标注的校验规则标签所训练得到的。
6.根据权利要求1所述的方法,
在基于属于所述目标业务场景的至少一种校验规则,执行校验前,所述方法包括:
在所述校验规则推荐模型无法提供待执行的校验规则时,基于所述目标舆情数据中文本内容的问题描述范围,对属于所述目标业务场景的校验规则集合进行过滤,并将过滤后剩余的校验规则确定为待执行的校验规则。
7.根据权利要求6所述的方法,
训练所述校验规则推荐模型的样本舆情数据包含有所述校验规则推荐模型无法提供校验规则的第二历史舆情数据,所述第二历史舆情数据的校验规则标签是按照所述第二历史舆情数据引发执行且校验结果未通过的校验规则进行标注的。
8.根据权利要求1所述的方法,
所述预警通知为处理所述目标舆情数据的工单,所述工单记录有所述工单的处理状态和所述工单的处理时效。
9.根据权利要求8所述的方法,
所述工单设置有应急措施选项,所述方法还包括:
执行所述应急措施选项中被选用的应急措施,所述应急措施选项包括以下至少一种应急措施:
对所述目标舆情数据所属的业务进行下架;
对所述目标舆情数据所属的业务进行消息触达降级;
对所述目标舆情数据所属的业务进行业务界面提醒。
10.根据权利要求1所述的方法,
向所述舆情数据源抓取目标数据监控,包括:
基于预先设置的爬取引擎,向所述舆情数据源抓取目标数据监控,所述爬取引擎配置有舆情数据源地址、抓取声量粒度、抓取频率以及抓取数据类型。
11.一种基于舆情数据的业务运维装置,包括:
舆情数据爬起模块,监控舆情数据源,并向所述舆情数据源抓取目标数据监控;
业务场景识别模块,基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景;
校验规则执行模块,基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项;
预警通知执行模块,当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
12.一种电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行:
监控舆情数据源,并向所述舆情数据源抓取目标数据监控;
基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景;
基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项;
当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
13.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
监控舆情数据源,并向所述舆情数据源抓取目标数据监控;
基于所述目标舆情数据的特征信息,确定所述目标舆情数据所属的目标业务场景;
基于属于所述目标业务场景的至少一种校验规则,执行校验,其中,所述目标业务场景的校验规则用于校验针对所述目标业务场景设置的校验项是否存在问题,且不同校验规则对应有不同的校验项;
当校验出存在问题时,发送预警通知,所述预警通知携带所述目标舆情数据的相关信息和校验出存在问题的校验规则的相关信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801745.8A CN113435861A (zh) | 2021-07-15 | 2021-07-15 | 一种基于舆情数据的业务运维方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801745.8A CN113435861A (zh) | 2021-07-15 | 2021-07-15 | 一种基于舆情数据的业务运维方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113435861A true CN113435861A (zh) | 2021-09-24 |
Family
ID=77760604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110801745.8A Pending CN113435861A (zh) | 2021-07-15 | 2021-07-15 | 一种基于舆情数据的业务运维方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435861A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114547016A (zh) * | 2022-04-26 | 2022-05-27 | 支付宝(杭州)信息技术有限公司 | 数据校验方法以及装置 |
CN115185616A (zh) * | 2022-09-14 | 2022-10-14 | 深圳依时货拉拉科技有限公司 | 业务规则引擎及业务规则引擎的处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139256A (zh) * | 2011-11-30 | 2013-06-05 | 北大方正集团有限公司 | 一种多租户网络舆情监控方法及*** |
CN103544074A (zh) * | 2012-07-09 | 2014-01-29 | 阿里巴巴集团控股有限公司 | 一种业务的校验方法及装置 |
WO2018023981A1 (zh) * | 2016-08-03 | 2018-02-08 | 平安科技(深圳)有限公司 | 舆情分析方法、装置、设备及计算机可读存储介质 |
CN111753087A (zh) * | 2020-06-12 | 2020-10-09 | 深圳怀新企业投资顾问股份有限公司 | 舆情文本分类方法、装置、计算机设备和存储介质 |
-
2021
- 2021-07-15 CN CN202110801745.8A patent/CN113435861A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139256A (zh) * | 2011-11-30 | 2013-06-05 | 北大方正集团有限公司 | 一种多租户网络舆情监控方法及*** |
CN103544074A (zh) * | 2012-07-09 | 2014-01-29 | 阿里巴巴集团控股有限公司 | 一种业务的校验方法及装置 |
WO2018023981A1 (zh) * | 2016-08-03 | 2018-02-08 | 平安科技(深圳)有限公司 | 舆情分析方法、装置、设备及计算机可读存储介质 |
CN111753087A (zh) * | 2020-06-12 | 2020-10-09 | 深圳怀新企业投资顾问股份有限公司 | 舆情文本分类方法、装置、计算机设备和存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114547016A (zh) * | 2022-04-26 | 2022-05-27 | 支付宝(杭州)信息技术有限公司 | 数据校验方法以及装置 |
CN115185616A (zh) * | 2022-09-14 | 2022-10-14 | 深圳依时货拉拉科技有限公司 | 业务规则引擎及业务规则引擎的处理方法 |
CN115185616B (zh) * | 2022-09-14 | 2022-12-13 | 深圳依时货拉拉科技有限公司 | 业务规则引擎装置及业务规则引擎的处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103294592B (zh) | 利用用户工具交互来自动分析其服务交付中的缺陷的方法与*** | |
CN108734184B (zh) | 一种对敏感图像进行分析的方法及装置 | |
CN104809108B (zh) | 信息监测分析*** | |
CN113435861A (zh) | 一种基于舆情数据的业务运维方法、装置及电子设备 | |
CA3138730A1 (en) | Public-opinion analysis method and system for providing early warning of enterprise risks | |
CN107578353A (zh) | 基于大数据的文字商标可注册性判断方法及装置 | |
CN114202755A (zh) | 基于ocr和nlp技术的交易背景真实性审核方法和*** | |
Wiegand et al. | Veracity and velocity of social media content during breaking news: Analysis of November 2015 Paris shootings | |
WO2020107864A1 (zh) | 信息处理方法、装置、服务设备及计算机可读存储介质 | |
CN109165574B (zh) | 视频检测方法和装置 | |
CN110941702A (zh) | 一种法律法规和法条的检索方法及装置、可读存储介质 | |
CN110457394A (zh) | 车辆信息管理方法、装置、计算机设备和存储介质 | |
CN111191046A (zh) | 一种实现信息搜索的方法、装置、计算机存储介质及终端 | |
CN117726166A (zh) | 基于大语言模型的人工智能企业客户风险信息分析评估方法和*** | |
CN116452212B (zh) | 一种智能客服商品知识库信息管理方法及*** | |
CN117173608A (zh) | 视频内容审核方法及*** | |
CN107609020B (zh) | 一种基于标注的日志分类的方法和装置 | |
CN112132368A (zh) | 信息处理方法以及装置、计算设备、存储介质 | |
CN109858829A (zh) | 一种基于区块链的隐患事故预警方法 | |
Thanos et al. | Combined deep learning and traditional NLP approaches for fire burst detection based on twitter posts | |
CN114189585A (zh) | 骚扰电话异常检测方法、装置及计算设备 | |
CN111507868A (zh) | 一种网络维权***和方法 | |
CN113205442A (zh) | 基于区块链的电子政务数据反馈管理方法及装置 | |
CN114092119A (zh) | 供应关系获取方法、装置、存储介质及电子设备 | |
CN112434178B (zh) | 图像分类方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |