一种基于云平台的企业服务管理系统的制作方法

本发明属于企业服务，具体是一种基于云平台的企业服务管理系统。

背景技术：

1、公开号为cn110009232a的专利公开了在线企业服务管理平台，包括供销管理系统、专家咨询系统、模型共享系统和第三方软件管理系统，供销管理系统：用于获取需求方企业的订单信息、需求方企业信息和供应方企业信息，并根据订单信息和需求方企业信息，为需求方企业匹配供应方企业信息，并将订单信息推送给供应方企业，专家咨询系统：用于供用户与专家进行匿名电话沟通咨询，模型共享系统：为用户提供工业生产模型库，供用户在线查看和下载使用，第三方软件管理系统：供需求方企业在线试用和购买供应方企业提供的第三方软件，以此方式提供一种具有多功能的在线企业服务管理平台，解决企业线下办理业务，十分不便的问题。

2、针对企业服务管理系统来说，当前存在诸多的管理系统，使用起来各自方便程度和适应客户程度不一，但是，针对于企业的管理者来说，或者部分用户在权限范围内去调用数据时，通常都需要调用相关的数据来用于佐证或者采集其他的部分数据进行使用，这个缺乏一种很好的能够关联各类业务数据的方法，基于此，提供一种解决方案。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；

2、为此，本发明提出了一种基于云平台的企业服务管理系统，包括：

3、前处理端，用于对收集到的业务数据进行精炼处理，根据对业务数据进行分词处理后，根据每一个分词出现的次数进行排序，和通过管理员设定了重点标签的分词，从而确定用于评价分词重要性的数据，从而根据数据的大小顺序来确定重点分词；

4、同时根据任一业务数据的重点分词在其他业务数据中出现的总次数，以及重点分词在其他业务数据中出现的出现占比，根据总次数和出现占比从而确定其他的业务数据与选中的业务数据的关联度，根据关联度的数值与预设衡量值g1和g2的大小确定强关联对象、中关联对象和弱关联对象。

5、进一步地，还包括收集端，用于收集企业服务过程中涉及的业务数据，并将业务数据传输到前处理端。

6、进一步地，前处理端进行精炼处理的具体方式为：

7、任选一业务数据，获取到业务数据中所有的字符，首先进行分词处理，得到若干个业务分词；

8、获取到每一个业务分词出现的次数，并将其标记为出现次数；

9、对每一个业务分词的出现次进行加权处理也就是乘以对应的权值，得到值标记为加权次；

10、之后按照加权次对业务分词进行排序，将排序前x1的标记为重点分词，此处x1为预设数值，一般取值为百分之二十，当然也可以根据具体情况取其他数值；

11、对所有的业务数据进行相同处理，得到所有业务数据的重点分词。

12、进一步地，加权处理的方式为：

13、针对不同的业务分词会根据加权映射表赋予权重值，加权映射表为业务分词与权重值的对照表，由管理员预先设定。

14、进一步地，精炼处理得到重点分词的方式为：

15、任选一业务数据，获取到业务数据中所有的字符，首先进行分词处理，分词处理为现有技术，故此处不做多余解释，从而得到若干个业务分词；

16、之后获取到每一个业务分词出现的次数，并将其标记为出现次数；

17、按照出现次数业务分词进行排序，将排序前x1的标记为重点分词，此处x1为预设数值，一般取值为百分之二十，当然也可以根据具体情况取其他数值；同时将用户标记的重点标签的分词加入重点分词中，重点标签为用户打上的，一般会指代某些关键字，比如姓名或者其他重要内容；

18、对所有的业务数据进行相同处理，得到所有业务数据的重点分词。

19、进一步地，确定强关联对象、中关联对象和弱关联对象的具体方式为：

20、任选一业务数据，获取到其重点分词，然后任选其余的任一业务数据，将其暂时性标记为比较业务数据，比较业务数据的重点分词暂时性标记为比较重点分词；

21、获取到所有的重点分词出现在对应比较业务数据中的总次数；

22、同时获取到比较业务数据中出现重点分词的个数，然后将该个数除以重点分词的总个数得到的数值标记为出现占比；

23、根据总次数和出现占比来计算综合关联度，具体计算公式为：

24、关联度=0.48*总次数+0.52*出现占比；

25、得到该选中的业务数据和比较业务数据的关联度；

26、将剩余的业务数据依次标记为比较业务数据，计算所有的比较业务数据与对应选中的业务数据的关联度；

27、将关联度超过g1的标记为强关联对象，将关联度处于g2到g1之间的标记为中关联对象，剩余的标记为弱关联对象；

28、之后对所有的业务数据进行相同方式对处理，处理出所有业务数据的强关联对象、中关联对象和弱关联对象。

29、进一步地，获取到总次数所有的重点分词出现在对应比较业务数据中的总次数过程中：

30、若比较业务数据中出现的重点分词属于比较重点分词，则将该比较重点分词出现的次数乘以x2来计算实际出现的次数，x2为预设数值，然后将所有的次数相加才得到总次数。

31、进一步地，g1和g2为预设数值，且g2小于g1。

32、进一步地，g1和g2由下述方式确定：

33、任选一业务数据，获取到若干个用户在近t1时间内调用该业务数据时，在t2时间内调取的其他的业务数据，为了便于区分，将选中的业务数据标记为目标数据，将其他的业务数据修改为调用数据；此处t2为预先设定的时间值；

34、获取到调用数据在目标数据被调取之后的调取次，和被不同用户调取的调取人次，这里调取人次指代调取目标数据后又调用相同的调用数据的用户数量；

35、按照调取次和调取人次计算可靠关联值，具体为：

36、可靠关联值=0.42调取次+0.58*调取人次；

37、对调用数据按照可靠关联值进行从大到小排序，将排序前百分之三十的标记为头调用数据，百分之三十一到百分之七十标记为次调用数据，剩余标记为末调用数据；当然此处管理员也可以指定头调用数据、次调用数据和末调用数据；

38、然后计算得到头调用数据中按照实施例一中计算关联度的方法来计算所有头调用数据与目标数据的关联度，然后取最小值，将其标记为节点值一；

39、之后计算得到所有的次调用数据与目标数据的关联度，获取到最大值和最小值，依次标记为节点值二和节点值三；

40、同时计算得到所有的末调用数据与目标数据的关联度，将其最大值标记为节点值四；

41、取节点值一和节点值二中大的数值，将其标记为g1的取值；

42、取节点值三和节点值四中大的数值，将其标记为g2的取值。

43、与现有技术相比，本发明的有益效果是：

44、本发明通过对收集到的业务数据进行精炼处理，具体通过对业务数据进行分词处理后，然后根据各个分词的重要性，从而确定重点分词；然后根据重点分词在其他业务数据中出现的总次数，以及重点分词在其他业务数据中出现的出现占比，从而确定其他的业务数据与选中的业务数据的关联度，根据关联度的数值与预设衡量值g1和g2的大小确定强关联对象、中关联对象和弱关联对象；

45、从而使得本技术能够更精准的分析各个业务数据之间的关联性，实现精准提炼；本发明简单有效，且易于实用。