本發(fā)明涉及一種水電設(shè)備報(bào)修消息處理方法。
背景技術(shù)：
隨著我校的不斷發(fā)展壯大，在校生與教職工人數(shù)、校園基礎(chǔ)設(shè)施總數(shù)都在快速增加，這些將使得后勤傳統(tǒng)的水電設(shè)備維修模式遇到了巨大的挑戰(zhàn)和壓力。目前，我校后勤水電設(shè)備報(bào)修模式是采用逐級(jí)上報(bào)的方式反應(yīng)報(bào)修情況，由于中間涉及的人員和環(huán)節(jié)太多，情況信息上報(bào)到后勤部口時(shí)耗費(fèi)和反饋的時(shí)間比較長(zhǎng)，不能夠滿足實(shí)時(shí)交互送一特性，原有的信息交互方式己經(jīng)很難滿足用戶的需求，不少學(xué)生、教師用戶己經(jīng)提出了這一問題。這也造成師生對(duì)后勤報(bào)修服務(wù)不滿、誤解和安全隱患等諸多問題。
移動(dòng)通信技術(shù)的快速發(fā)展，通訊方式產(chǎn)生了巨大的變化。微信公眾平臺(tái)在通訊方式中的優(yōu)勢(shì)逐漸顯露，成為人們常用的通訊方式之一。開發(fā)微信公眾平臺(tái)是一種極為合理的方式，然而在現(xiàn)有技術(shù)中，微信后臺(tái)的報(bào)修消息處理一般都是消息內(nèi)容在后臺(tái)由專人查閱后，再由專人處理，人工成本高，而且工作內(nèi)容枯燥乏味，以至于難以找到合適的專人長(zhǎng)期進(jìn)行此項(xiàng)工作。同時(shí)，消息內(nèi)容屬于自然語言，而對(duì)于自然語言的處理，現(xiàn)有技術(shù)大多采用神經(jīng)網(wǎng)絡(luò)的方式進(jìn)行判別，然而神經(jīng)網(wǎng)絡(luò)的性能消耗極高，更新設(shè)備以滿足其性能需求的成本過高。
技術(shù)實(shí)現(xiàn)要素：
為解決上述技術(shù)問題，本發(fā)明提供了一種水電設(shè)備報(bào)修消息處理方法，該水電設(shè)備報(bào)修消息處理方法通過取詞、取近義、詞頻計(jì)數(shù)等操作，能夠在很大程度上滿足自動(dòng)化處理消息內(nèi)容的需求，同時(shí)性能消耗較低，基本無需更新設(shè)備。
本發(fā)明通過以下技術(shù)方案得以實(shí)現(xiàn)。
本發(fā)明提供的一種水電設(shè)備報(bào)修消息處理方法，有如下步驟：
①取詞：對(duì)照著字典庫的詞條，對(duì)輸入的消息內(nèi)容進(jìn)行分詞處理，得到分詞表；
②取近義：對(duì)照字典庫的近義詞項(xiàng)，對(duì)分詞表進(jìn)行擴(kuò)展，得到近義詞表；
③詞頻計(jì)數(shù)：對(duì)照語料庫，對(duì)近義詞表進(jìn)行詞頻統(tǒng)計(jì)；
④篩選：對(duì)照判別庫的判別文本，將近義詞表中的近義詞表和判別文本里非共有項(xiàng)刪除，得到判別詞表；
⑤判斷：根據(jù)判別詞表里的詞頻，對(duì)照判別庫的判別條件，選取判別庫的結(jié)果文本并輸出。
所述字典庫中詞條和近義詞項(xiàng)一一對(duì)應(yīng)。
所述判別庫中判別文本是獨(dú)立詞庫，判別條件和結(jié)果文本一一對(duì)應(yīng)。
所述步驟①中分詞處理，是以從左到右逐字判斷的方式，對(duì)照字典庫的詞條，取消息內(nèi)容中和詞條中的共有項(xiàng)為分詞表中的項(xiàng)。
所述步驟②中，對(duì)分詞表進(jìn)行擴(kuò)展，是將對(duì)應(yīng)于詞條的近義詞項(xiàng)的內(nèi)容直接附加在對(duì)應(yīng)的分詞表項(xiàng)中。
所述步驟③中，對(duì)近義詞表進(jìn)行詞頻統(tǒng)計(jì)，是統(tǒng)計(jì)近義詞表中的詞在語料庫中出現(xiàn)的次數(shù)。
所述步驟④中，是針對(duì)近義詞表逐項(xiàng)判斷，如遍歷判別文本沒有找到相同的當(dāng)前項(xiàng)內(nèi)容則將當(dāng)前項(xiàng)刪除。
所述步驟⑤中的判別條件為對(duì)應(yīng)判別文本中詞項(xiàng)的詞頻數(shù)值判斷條件。
本發(fā)明的有益效果在于：通過取詞、取近義、詞頻計(jì)數(shù)等操作，能夠在很大程度上滿足自動(dòng)化處理消息內(nèi)容的需求，同時(shí)性能消耗較低，基本無需更新設(shè)備，而且后期升級(jí)優(yōu)化容易，擴(kuò)展空間大。
具體實(shí)施方式
下面進(jìn)一步描述本發(fā)明的技術(shù)方案，但要求保護(hù)的范圍并不局限于所述。
本發(fā)明提供的一種水電設(shè)備報(bào)修消息處理方法，有如下步驟：
①取詞：對(duì)照著字典庫的詞條，對(duì)輸入的消息內(nèi)容進(jìn)行分詞處理，得到分詞表；
②取近義：對(duì)照字典庫的近義詞項(xiàng)，對(duì)分詞表進(jìn)行擴(kuò)展，得到近義詞表；
③詞頻計(jì)數(shù)：對(duì)照語料庫，對(duì)近義詞表進(jìn)行詞頻統(tǒng)計(jì)；
④篩選：對(duì)照判別庫的判別文本，將近義詞表中的近義詞表和判別文本里非共有項(xiàng)刪除，得到判別詞表；
⑤判斷：根據(jù)判別詞表里的詞頻，對(duì)照判別庫的判別條件，選取判別庫的結(jié)果文本并輸出。
所述字典庫中詞條和近義詞項(xiàng)一一對(duì)應(yīng)。
所述判別庫中判別文本是獨(dú)立詞庫，判別條件和結(jié)果文本一一對(duì)應(yīng)。
所述步驟①中分詞處理，是以從左到右逐字判斷的方式，對(duì)照字典庫的詞條，取消息內(nèi)容中和詞條中的共有項(xiàng)為分詞表中的項(xiàng)。
所述步驟②中，對(duì)分詞表進(jìn)行擴(kuò)展，是將對(duì)應(yīng)于詞條的近義詞項(xiàng)的內(nèi)容直接附加在對(duì)應(yīng)的分詞表項(xiàng)中。
所述步驟③中，對(duì)近義詞表進(jìn)行詞頻統(tǒng)計(jì)，是統(tǒng)計(jì)近義詞表中的詞在語料庫中出現(xiàn)的次數(shù)。
所述步驟④中，是針對(duì)近義詞表逐項(xiàng)判斷，如遍歷判別文本沒有找到相同的當(dāng)前項(xiàng)內(nèi)容則將當(dāng)前項(xiàng)刪除。
所述步驟⑤中的判別條件為對(duì)應(yīng)判別文本中詞項(xiàng)的詞頻數(shù)值判斷條件。
實(shí)施例1
假定輸入的消息內(nèi)容為“圖書館三樓滲水”。
①取詞：對(duì)照著字典庫的詞條(包括“圖書館”、“三樓”、“滲水”)，對(duì)輸入的消息內(nèi)容進(jìn)行分詞處理，得到分詞表(“圖書館”、“三樓”、“滲水”)；
②取近義：對(duì)照字典庫的近義詞項(xiàng)(“圖書館”→“圖書室、借閱室”、“三樓”→“三層”、“滲水”→“漏水、浸水”)，對(duì)分詞表進(jìn)行擴(kuò)展，得到近義詞表(“圖書館、圖書室、借閱室、三樓、三層、滲水、漏水、浸水”)；
③詞頻計(jì)數(shù)：對(duì)照語料庫，對(duì)近義詞表進(jìn)行詞頻統(tǒng)計(jì)(“圖書館10、圖書室12、借閱室5、三樓20、三層13、滲水7、漏水23、浸水11”)；
④篩選：對(duì)照判別庫的判別文本(“圖書館、借閱室、三樓、三層、漏水”)，將近義詞表中的近義詞表和判別文本里非共有項(xiàng)(“圖書室、滲水、浸水”)刪除，得到判別詞表(“圖書館10、借閱室5、三樓20、三層13、漏水23”)；
⑤判斷：根據(jù)判別詞表里的詞頻，對(duì)照判別庫的判別條件(“圖書館”詞頻＞“教學(xué)樓”詞頻、“漏水”詞頻＞5、“三樓”詞頻＞“三層”詞頻＞10)，選取判別庫的結(jié)果文本(“圖書館三樓有漏水現(xiàn)象，請(qǐng)負(fù)責(zé)圖書館的水電師傅盡快處理”)并輸出。
從實(shí)施例1可以看出，本發(fā)明的技術(shù)方案，相對(duì)于利用神經(jīng)網(wǎng)絡(luò)的判別方式而言，可以大幅提高性能，主要處理均在于查詢、對(duì)比和統(tǒng)計(jì)，計(jì)算量小，并且判別庫中的判別條件和結(jié)果文本可以不斷的進(jìn)一步優(yōu)化，每一次優(yōu)化也都無需像神經(jīng)網(wǎng)絡(luò)建模那樣耗費(fèi)大量計(jì)算資源，且可以根據(jù)業(yè)務(wù)模式需求的轉(zhuǎn)變而及時(shí)轉(zhuǎn)變，結(jié)果文本在后期優(yōu)化升級(jí)的過程中也可以轉(zhuǎn)變?yōu)榇a文本由下一級(jí)模塊執(zhí)行，實(shí)現(xiàn)更高自動(dòng)化。