呼叫中心的猪病.PPT

基于呼叫中心的猪病 知识获取系统 张杰、李道亮 中国农业大学信息与电气工程学院 2006-10-13 汇报内容： 研究背景 研究目标 研究内容 系统实现 研究结论与建议 一、研究背景： 背景 一、研究背景： 问题 一、研究背景 二、研究目标 三、研究内容 总体结构设计 功能模块设计 知识获取模块设计 工作流程设计 三、研究内容 总体结构设计 三、研究内容 功能模块设计 三、研究内容 知识获取模块设计 1、获取方法的选择： 2、猪病知识获取过程设计： 3、猪病知识获取结构设计: 知识获取模块设计 知识获取方法的选择 知识获取模块设计 猪病知识获取过程设计 知识获取模块设计 知识获取结构设计 工 作 流 程 设 计 四、系统实现 IVR 工作流程实现 四、系统实现 人工坐席实现 四、系统实现 算法实现—— 一个简单的例子 猪病知识表示： 在表示猪病案例集的决策表中： C1- C9为条件属性，分别表示猪病的症状 属性值为1（有）和0（无） d1- d4是决策属性，分别表示猪病的病名 四、系统实现算法实现—— 一个简单的例子 决策表（DT） 四、系统实现 算法实现—— 一个简单的例子 获取过程： 先用粗糙集理论对决策表进行简约得到约简的决策表 将剩下条件属性C1 C2 C3 C4 C5 C7作为神经网络输入端的输入信号输入，决策属性作为输出端的输出信号输出，系统自动分配权值，最后经过多次训练和反馈，得到如下规则： C1(1), C3 (1), C4(1)→d4 /0.92（可信度cf）； C1(1), C2(1) →d2 /0.88 C1(1), C2(1) →d1 /0.85 ； C4(1)ⅤC1(1), C3 (1), C5 (1)→d3 /0.9 系统应用 基地（农村推动） 农技推广站 基地网站 五、结论与建议 粗糙集理论和神经网络的松耦合知识获取方法解决了专家系统的知识获取瓶颈问题，能够从初步获取的猪病诊断案例中挖掘出精确的潜在规则，从而为养猪用户提供了更好的服务 以呼叫中心作为养猪用户与猪病诊断系统进行信息交互的媒介，可以解决养猪用户不具备计算机和互联网的问题，使他们能够获得猪病诊断专家系统提供的服务 五、结论与建议 猪病诊断问题本身的复杂性以及新的猪病疾病症状的发生，本研究对猪病诊断领域知识的分析还比较粗浅，在应用中还满足不了农村基层养猪用户的实际需求，还需要在以后的研究中进一步改进和完善 * * 养殖技术人员相对不足 养殖规模小且分散 养猪用户的养殖技术知识少 经济损失 食品安全 生态环境 猪病 诊断专家系统 信 息 技 术 人 工 智 能 猪 病 现有 猪病诊断 专家系统 网络普及差 购买能力低 科技素质低 用户端 推广受到限制 知识畸变 启发式知识不精确 经验知识很难表达 知识获取 成为瓶颈问题 现状 2005年6月，农村电话的普及率已经达到16.4部/百人 呼叫中心 农业应用 建立基于呼叫中心的猪病知识获取系统 面向呼叫中心 的猪病 知识获取系统 鱼病诊断自动语音 应答系统 以呼叫中心为 信息交互平台 采用RS和 NN松耦合 的知识获方法 电话 呼 叫 中 心 案例库 养 猪 用 户 猪病 专家 人工 坐席 自动 应答 猪病 诊断 专家 系统 案例 获取 知识 获取 知识库 基于呼叫中心的猪病 知识获取系统 IVR 自动 语音 应答 模块 人工 坐席 模块 知识 获取 模块 存储 模块 维护 模块 粗糙集 理论RS 神经网络 ANN RS与ANN 松耦合 混合获取 两种方法的结合能进行优势互补 粗糙集理论：模拟人类的抽象逻辑思维有较强的数学分析能力 容错能力、推广能力差 神经网络：模拟形象直觉思维，鲁棒性、容错性、自学习能力强 主要是粗糙集(RS)预处理神经网络系统(ANN) 即用RS理论对ANN输入端的样本约简 寻找属性间关系从而简化ANN结构 Rule sets 条件属性 值离散化 原始 DT 决策表 属性约简 Rough Set 猪病诊断 案例集 Neural network 开始 电话接入 ACD 分配 进入呼叫中心 猪病防治新概念 自动播报按键2 简法治病 20 条 自动播报按键3 猪病症状 自动查询按键1 转人工坐席 按键4 精神 萎糜 昏睡 粪便 干燥 兴奋 不安 粪便 带血 卧地 闭目 嗜睡 食欲 不振