一种核电经验反馈智能化推荐系统和方法与流程

1.本发明涉及核电数字化技术领域，特别是涉及一种核电经验反馈智能化推荐系统和方法。


背景技术：

2.随着我国经济建设的飞速发展，我国的核电事业也得到长足的发展，核电厂设备维修工作也逐年增多。由于核电设备维修的特殊性，其设备维修的历史数据对本次维修工作具有重要的借鉴意义，因此维修人员往往需要从维修历史数据中提取有益的经验反馈数据。尽管核电厂运行过程产生的海量非结构化维修数据，包括：文档、图片、视频、音频等，已部分或全部保存在传统的维修数据库中，但是对于传统管理系统来讲是非常困难的。


技术实现要素：

3.基于此，有必要针对核电厂运行过程产生的海量非结构化维修数据不便于工作人员使用的问题，提供一种核电经验反馈智能化推荐系统和方法，通过将用户输入的维修任务作为条件，对关联的历史维修经验进行检索，并以用户行为分析为基础对检索结果进行处理，通过服务的方式为其他系统提供最优维修经验推荐。
4.为了实现上述目的，本发明提供如下技术方案：
5.一种核电经验反馈智能化推荐系统，包括经验推荐应用端、经验推荐服务端、经验推荐算法和用户行为数据库；
6.所述经验推荐应用端用于用户在维修活动中需要使用历史维修经验时输入维修任务；用于接收并展示经验推荐服务端反馈的历史维修经验和历史维修任务推荐排序列表；用于用户对历史维修经验和历史维修任务推荐排序列表中的历史维修经验和历史维修任务进行用户交互行为；
7.所述经验推荐服务端与经验推荐应用端交互，所述经验推荐服务端用于通过接口获取经验推荐应用端的维修任务；用于通过接口获取经验推荐应用端的用户行为数据，并通过接口将用户行为数据存储在用户行为数据库中；以及用于通过接口将历史维修经验和历史维修任务推荐排序列表反馈至经验推荐应用端；
8.所述经验推荐服务端与经验推荐算法交互，所述经验推荐服务端通过经验推荐算法获取实时优化的历史维修经验和历史维修任务推荐排序列表。
9.进一步地，所述经验推荐服务端通过接口将历史维修经验和历史维修任务推荐排序列表以oe信息单形式反馈至经验推荐应用端。
10.进一步地，所述经验推荐服务端还用于对用户行为数据进行统计和展示。
11.进一步地，所述用户行为数据包括用户交互行为数据和用户日志数据。
12.进一步地，所述用户交互行为包括用户在经验推荐应用端对历史维修经验推荐排序列表中的历史维修经验和历史维修任务进行点击、收藏、关键词搜索、类别搜索，以及用户在经验推荐应用端填报历史维修经验。
13.进一步地，经验推荐服务端通过经验推荐算法获取实时优化的历史维修经验和历史维修任务推荐排序列表，包括如下步骤：
14.经验推荐服务端通过接口从经验推荐应用端获取用户输入的维修任务，通过接口从用户行为数据库获取用户行为数据；
15.经验推荐算法通过接口从经验推荐服务端获取用户输入的维修任务和用户行为数据，计算维修任务与历史维修经验之间的相似度；
16.经验推荐算法根据维修任务与历史维修经验之间的相似度，对历史维修经验进行推荐排序；
17.经验推荐算法将历史维修经验推荐排序结果通过接口反馈至经验推荐服务器。
18.进一步地，所述经验推荐算法根据用户与历史维修经验之间的关联程度因子，构建特征向量，计算维修任务与所有历史维修经验之间的相似度。
19.进一步地，所述用户与历史维修经验之间的关联程度因子包括用户行为相关因子、用户属性相关因子和推荐经验属性因子；
20.所述用户行为相关因子包括用户点击历史维修经验的频次，用户收藏历史维修经验的频次，用户搜索关键词和频次，用户操作时长，用户填写的历史维修经验内容；
21.所述用户属性相关因子包括用户隶属部门，以及用户操作时间和时长；
22.所述推荐经验属性因子包括历史维修经验创建时间，历史维修经验创建部门，历史维修经验创建用户，以及历史维修经验及历史维修任务内容。
23.进一步地，所述经验推荐算法通过手动选择用户行为因子作为特征构建特征向量，或者通过深度学习获得特征向量。
24.进一步地，所述经验推荐算法通过gbdt推荐模型计算维修任务与所有历史维修经验之间的相似度。
25.进一步地，所述经验推荐服务端通过接口对推荐模型进行管理和更新。
26.进一步地，所述经验推荐算法对历史维修经验进行推荐排序包括如下步骤：所述经验推荐算法得到特征向量之间的相似度后，对推荐经验结果进行排序等处理，并生成实时索引，继而推送至经验推荐服务端；经验推荐服务端通过接口将实时索引反馈至经验推荐应用端展示给用户。
27.进一步地，所述经验推荐算法还用于根据当前被推荐用户和针对相同问题的已填经验的用户的行为特征构建特征向量，计算相似度，得到相似用户之间的经验推荐，继而推送至经验推荐服务端；经验推荐服务端通过接口将个性化反馈至经验推荐应用端展示给用户。
28.从而获取更加准确和个性化的推荐经验结果。
29.本发明还提供一种核电经验反馈智能化推荐方法,包括如下步骤：
30.1、用户在维修活动中需要使用历史维修经验时，在经验推荐应用端输入维修任务；
31.2、经验推荐服务端通过接口获取经验推荐应用端的维修任务；
32.3、经验推荐服务端通过经验推荐算法获取实时优化的历史维修经验推荐排序列表；
33.4、经验推荐服务端通过接口将历史维修经验推荐排序列表反馈至经验推荐应用
端；
34.5、用户在经验推荐应用端对历史维修经验推荐排序列表中的历史维修经验进行用户交互行为；
35.6、经验推荐服务端通过接口获取经验推荐客户端的用户行为数据，并通过接口将用户行为数据存储在用户行为数据库中。
36.本发明的有益技术效果：
37.本发明的核电经验反馈智能化推荐系统和方法，通过用户输入的维修任务作为条件，对关联的维修经验进行检索，并以用户行为分析为基础对检索结果处理，通过服务的方式为其他系统提供最优维修经验推荐。
38.本发明的核电经验反馈智能化推荐系统和方法，通过对维修记录文档的解析，提取维修过程、维修知识及经验总结，为自主学习和经验反馈提供训练数据和可视化分析素材，维修人员可以进行在线设备维修知识学习、设备维修现场指导、维修记录上报、智能维修搜索、智能问答等，逐步成为维修人员的导师和助手。
附图说明
39.图1为本发明的核电经验反馈智能化推荐流程示意图。
具体实施方式
40.下面结合附图和实施例对本发明做进一步详细地描述。
41.实施例1
42.参见图1，本发明提供一种核电经验反馈智能化推荐系统，包括经验推荐应用端、经验推荐服务端、经验推荐算法和用户行为数据库；
43.所述经验推荐应用端用于用户在维修活动中需要使用历史维修经验时输入维修任务；用于接收并展示经验推荐服务端反馈的历史维修经验和历史维修任务推荐排序列表；用于用户对历史维修经验和历史维修任务推荐排序列表中的历史维修经验和历史维修任务进行用户交互行为；
44.所述经验推荐服务端与经验推荐应用端交互，所述经验推荐服务端用于通过接口获取经验推荐应用端的维修任务；用于通过接口获取经验推荐应用端的用户行为数据，并通过接口将用户行为数据存储在用户行为数据库中；以及用于通过接口将历史维修经验和历史维修任务推荐排序列表反馈至经验推荐应用端；
45.所述经验推荐服务端与经验推荐算法交互，所述经验推荐服务端通过经验推荐算法获取实时优化的历史维修经验和历史维修任务推荐排序列表。
46.进一步地，所述经验推荐服务端通过接口将历史维修经验和历史维修任务推荐排序列表以oe信息单形式反馈至经验推荐应用端。
47.进一步地，所述经验推荐服务端还用于对用户行为数据进行统计和展示。
48.进一步地，所述用户行为数据包括用户交互行为数据和用户日志数据。
49.进一步地，所述用户交互行为包括用户在经验推荐应用端对历史维修经验推荐排序列表中的历史维修经验和历史维修任务进行点击、收藏、关键词搜索、类别搜索，以及用户在经验推荐应用端填报历史维修经验。
50.经验推荐服务端负责业务和数据的管理，但是经验推荐算法模型的开发应是独立于经验推荐服务端的，从而保证系统的低耦合性。进一步地，经验推荐服务端通过经验推荐算法获取实时优化的历史维修经验和历史维修任务推荐排序列表，包括如下步骤：
51.经验推荐服务端通过接口从经验推荐应用端获取用户输入的维修任务，通过接口从用户行为数据库获取用户行为数据；
52.经验推荐算法通过接口从经验推荐服务端获取用户输入的维修任务和用户行为数据，计算维修任务与历史维修经验之间的相似度；
53.经验推荐算法根据维修任务与历史维修经验之间的相似度，对历史维修经验进行推荐排序，得到历史维修经验和历史维修任务推荐排序列表；
54.经验推荐算法将历史维修经验和历史维修任务推荐排序列表通过接口反馈至经验推荐服务器。
55.进一步地，所述经验推荐算法根据用户与历史维修经验之间的关联程度因子，构建特征向量，计算维修任务与所有历史维修经验之间的相似度。
56.进一步地，所述用户与历史维修经验之间的关联程度因子包括用户行为相关因子、用户属性相关因子和推荐经验属性因子；
57.所述用户行为相关因子包括用户点击历史维修经验的频次，用户收藏历史维修经验的频次，用户搜索关键词和频次，用户操作时长，用户填写的历史维修经验内容；
58.所述用户属性相关因子包括用户隶属部门，以及用户操作时间和时长；
59.所述推荐经验属性因子包括历史维修经验创建时间，历史维修经验创建部门，历史维修经验创建用户，以及历史维修经验及历史维修任务内容。
60.进一步地，所述经验推荐算法通过手动选择用户与历史维修经验之间的关联程度因子作为特征构建特征向量，例如，将用户属性和其搜索的经验填报人属性之间的关联度作为其中一个特征；或者通过深度学习获得特征向量。
61.进一步地，所述经验推荐算法通过gbdt推荐模型，计算维修任务与所有历史维修经验之间的相似度。
62.进一步地，所述经验推荐服务端通过接口对推荐模型进行管理和更新。
63.进一步地，所述经验推荐算法对历史维修经验进行推荐排序包括如下步骤：所述经验推荐算法得到特征向量之间的相似度后，对历史维修经验和历史维修任务进行排序处理，并生成实时索引，继而推送至经验推荐服务端；经验推荐服务端通过接口将历史维修经验和历史维修任务实时索引反馈至经验推荐应用端展示给用户。
64.进一步地，所述经验推荐算法根据当前被推荐用户和针对相同问题的已填经验的用户的行为特征构建特征向量，计算相似度，得到相似用户之间的经验推荐，从而获取更加准确和个性化的推荐经验结果。
65.本发明还提供一种核电经验反馈智能化推荐方法,包括如下步骤：
66.1、用户在维修活动中需要使用历史维修经验时，在经验推荐应用端输入维修任务；
67.2、经验推荐服务端通过接口获取经验推荐应用端的维修任务；
68.3、经验推荐服务端通过经验推荐算法获取实时优化的历史维修经验推荐排序列表；
69.4、经验推荐服务端通过接口将历史维修经验推荐排序列表反馈至经验推荐应用端；
70.5、用户在经验推荐应用端对历史维修经验推荐排序列表中的历史维修经验进行用户交互行为；
71.6、经验推荐服务端通过接口获取经验推荐客户端的用户行为数据，并通过接口将用户行为数据存储在用户行为数据库中。
72.用户行为数据库中包括从经验推荐应用端中获取到的原始的用户行为数据和用户日志数据。前期由于用户行为数据和用户日志数据较少或缺失，故查询历史维修经验和历史维修任务时无法根据用户偏好进行维修经验推荐。通过不断的获取用户行为对经验推荐进行修正，经验推荐结果更加准确。
73.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。