(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210889310.8 (22)申请日 2022.07.27 (65)同一申请的已公布的文献号 申请公布号 CN 114970552 A (43)申请公布日 2022.08.30 (73)专利权人 成都乐超人 科技有限公司 地址 610000 四川省成 都市高新区梓州大 道6900号1栋622号 (72)发明人 王泽　甘道权　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 周俊 (51)Int.Cl. G06F 40/30(2020.01) G06F 16/35(2019.01) G06F 16/335(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 110502675 A,2019.1 1.26 CN 110930003 A,2020.0 3.27 CN 110765776 A,2020.02.07 CN 113849634 A,2021.12.28 US 2021019709 A1,2021.01.21 CN 114693435 A,2022.07.01 CN 104517191 A,2015.04.15 CN 112507212 A,2021.0 3.16 CN 105786849 A,2016.07.20 易思绍.基 于微服务架构的医疗回访系统的 设计与实现. 《中国优秀硕士学位 论文全文数据 库 医药卫 生科技辑》 .2022, 审查员 王悦 (54)发明名称 基于微服务的用户回访信息分析方法、 装 置、 设备及 介质 (57)摘要 本发明涉及数据处理技术， 揭露了一种基于 微服务的用户回访信息分析方法、 装置、 设备及 介质， 方法包括： 对待回访的用户数据进行归属 辨别、 限流 分配以及预处理， 得到目标数据； 识别 目标数据中的文本内容， 提取文本内容的特征文 本， 对特征文本进行汇总和状态标记， 得到标记 文本； 对标记文本进行回访， 并记录标记文本的 回访结果， 分析回访结果的类别属性， 根据类别 属性对标记文本进行分类， 得到分类文本， 对分 类文本进行数据筛选和排序， 得到排序文本， 根 据排序文本对用户数据进行更新， 得到更新数 据； 对更新数据进行重回访， 得到重回访结果， 根 据回访结果和重回访结果生成用户数据的最终 回访结果。 本发 明能够提高微服务架构的用户回 访效率。 权利要求书4页 说明书11页 附图2页 CN 114970552 B 2022.10.11 CN 114970552 B 1.一种基于微 服务的用户回访信息分析 方法， 其特 征在于， 所述方法包括： 获取微服务场景下待回访的用户数据， 对所述用户数据进行归属辨别， 得到辨别数据， 对所述辨别数据进行限流分配， 得到分配数据， 对分配数据进行 预处理， 得到目标 数据； 识别所述目标数据中的文本 内容， 利用训练好的信 息提取模型提取所述文本 内容的特 征文本， 对所述特征文本进行汇总， 得到汇总文本， 对所述汇总文本进行状态标记， 得到标 记文本； 对所述标记文本进行回访， 并记录所述标记文本的回访结果， 利用训练好的决策分析 模型分析所述回访结果的类别属性， 根据所述类别属 性对所述标记文本进行分类， 得到分 类文本， 对所述分类文本进行数据筛选， 得到筛选文本， 对所述筛选文本中的用户信息进 行 排序， 得到排序文本， 根据所述 排序文本对所述用户数据进行 更新， 得到更新数据； 对所述更新数据进行重回访， 得到重回访结果， 根据所述回访结果和所述重回访结果 生成所述用户数据的最终回访结果； 所述对所述用户数据进行归属辨别， 得到辨别数据， 包括： 利用预设的爬虫函数对所述用户数据添加标识字段； 对所述标识字段进行代码解析， 得到源代码； 利用下述公式提取 所述源代码中的存 储标签： 其中， WS(Ta)表示源代码对应的存储标签， T表示源代码中代码的序列位置， Ta表示源代 码， e表示代码转换系数， Wab表示源代码中与存储相关的标签数， Wac表示源代码中 的标签总 数， WA(Tab)表示源代码的数量； 通过所述存储标签对所述用户数据进行归属辨别， 得到辨别数据； 所述利用训练好的信息提取模型提取 所述文本内容的特 征文本， 包括： 利用所述训练好的信 息提取模型中的卷积层对所述文本 内容进行特征提取， 得到初始 特征； 利用所述训练好的信 息提取模型中的池化层对所述初始特征进行降维处理， 得到降维 特征； 利用所述训练好的信 息提取模型中的分析层对所述文本 内容进行语义分析， 得到文本 语义； 利用所述训练好的信息提取模型中的自注意力函数计算所述文本语义和所述初始特 征的匹配度； 将所述匹配度大于预设值的初始特 征进行融合， 得到所述文本内容的特 征文本； 所述自注意力函数包括： 其中， T(i)表示文本语义和初 始特征的匹配度， Ai表示文本语义向量， i表示文本语义向权　利　要　求　书 1/4 页 2 CN 114970552 B 2量和初始特征向量中向量的向量序号， j表示文本语义向量和初始特征向量中向量的向量 数量， Bi表示初始特征向量， IDF表示文 本语义和初始特征映射关系， TF(Ai)表示文本语义的 表征映射， TF(Bi)表示初始特 征的表征映射。 2.如权利要求1所述的基于微服务的用户回访信 息分析方法， 其特征在于， 所述对所述 辨别数据进行限流分配， 得到分配数据， 包括： 获取所述辨别数据的数据总数和所述 辨别数据对应的网关数量； 根据所述数据总数和所述网关数量设置网关的访问次数； 当所述访 问次数不小于预设阈值时， 对所述辨别数据进行限流分配处理， 得到分配数 据。 3.如权利要求1所述的基于微服务的用户回访信 息分析方法， 其特征在于， 所述利用训 练好的决策分析模型分析 所述回访结果的类别属性， 包括： 利用所述训练好的决策分析模型中的文本提取层提取 所述回访结果的关键 字； 利用所述训练好的决策分析模型中的属性分析层分析 所述关键 字的属性； 利用所述训练好的决策分析模型中的决策树算法对所述属性进行划分， 得到划分属 性； 利用所述训练好的决策分析模型中的全连接层输出所述划分属性的类别， 得到类别属 性。 4.如权利要求1所述的基于微服务的用户回访信 息分析方法， 其特征在于， 所述对所述 分类文本进行 数据筛选， 得到筛选文本， 包括： 利用下述公式对所述分类文本进行 数据筛选： 其中， Ti表示筛选文本， H表示滤波函数， 表示第i个文本数据到第j个文本数据的权 重系数， k表示权重函数， e表示文本数据的容错系数， xi表示第i个文本数据的权重值， gi表 示第i个文本数据的归属度， 表示第i个文本数据到第j个文本数据的隶属系数， n表示 隶属函数。 5.一种基于微 服务的用户回访信息分析装置， 其特 征在于， 所述装置包括： 数据限流模块， 用于获取微服务场景下待回访的用户数据， 对所述用户数据进行归属 辨别， 得到辨别数据， 对所述辨别数据进行限流分配， 得到分配数据， 对分配数据进行预处 理， 得到目标 数据； 文本标记模块， 用于识别所述目标数据中的文本内容， 利用训练好的信息提取模型提 取所述文本内容的特征文本， 对所述特征文本进 行汇总， 得到汇总文本， 对所述汇总文本进 行状态标记， 得到标记文本； 数据更新模块， 用于对所述标记文本进行回访， 并记录所述标记文本的回访结果， 利用 训练好的决策分析模型分析所述回访结果的类别属性， 根据所述类别属性对所述标记文本 进行分类， 得到分类文本， 对所述分类文本进行数据筛选， 得到筛选文本， 对所述筛选文本权　利　要　求　书 2/4 页 3 CN 114970552 B 3