效能平台的信息处理方法、装置、电子设备及存储介质

技术领域

本申请涉及智慧交通技术领域，具体而言，本申请涉及一种效能平台的信息处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

背景技术

效能平台是一种集成了多种工具和技术的软件系统，能够自动化和优化企业的各种业务流程。

随着通讯工具的发展，工作人员在工作中可能同时用到多个效能平台，对于每个效能平台，工作人员都要在效能平台上关注和处理大量的信息，例如被其他工作人员提醒的信息、待办事项的通知等等。对于这些信息，工作人员需要花费时间反复阅读分析，并自己提取出每个信息的摘要，影响办公效率。

发明内容

本申请实施例提供了一种效能平台的信息处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品，可以解决现有技术的上述问题。所述技术方案如下：

根据本申请实施例的一个方面，提供了一种效能平台的信息处理方法，该方法包括：

从终端运行的至少两个效能平台的平台信息中提取上下文文本集；所述至少两个效能平台包括第一效能平台和与所述第一效能平台关联的至少一个第二效能平台；

基于预选训练的搜索相关性模型以及预先确定的关键词集合，对所述上下文文本集进行摘要提取，获得并展示摘要集；

基于预选训练的行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息；在所述第一效能平台展示所述反馈信息。

根据本申请实施例的另一个方面，提供了一种效能平台的信息处理装置，该装置包括：

文本提取模块，用于从终端运行的至少两个效能平台的平台信息中提取上下文文本集；所述至少两个效能平台包括第一效能平台和与所述第一效能平台关联的至少一个第二效能平台；

摘要集展示模块，用于基于预选训练的搜索相关性模型以及预先确定的关键词集合，对所述上下文文本集进行摘要提取，获得并展示摘要集；

反馈信息展示模块，用于基于预选训练的行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息；在所述第一效能平台展示所述反馈信息。

作为一种可选实施方式，信息处理装置还包括：

控件触发模块，用于将各摘要的语义信息与所述第一效能平台的功能控件进行匹配，触发匹配成功的功能控件。

作为一种可选实施方式，摘要集展示模块包括：

关键词相关性单元，用于基于所述搜索相关性模型以及所述关键词集合，确定每个关键词在各个上下文文本的搜索相关性；

集合相关性单元，用于对于每个上下文文本，将各个关键词在所述上下文文本中的搜索相关性进行汇总，获得所述上下文文本与关键词集合间的搜索相关性；

目标文本筛选单元，用于根据搜索相关性对各上下文文本进行降序排序，将排序靠前的预设数量的上下文文本作为目标上下文文本；

摘要提取单元，用于对于每个目标上下文文本，根据所述目标上下文文本中关键词的上下文信息，获得所述目标上下文文本的摘要。

作为一种可选实施方式，文本提取模块用于：

对于任意一个效能平台，通过应用程序编程接口API接口、脚本或者光学字符识别OCR识别的方式提取上下文文本，以获得上下文文本集；

其中，所述通过API接口的方式提取上下文文本包括：通过效能平台提供的预设API接口，从效能平台获取平台信息，提取平台信息的上下文文本；

所述通过脚本的方式提取上下文文本包括：通过预先创建的脚本，访问效能平台在所述终端本地的数据库，从上述数据库获取平台信息，提取平台信息的上下文文本；

所述通过OCR识别的方式提取上下文文本包括：通过对效能平台实时展示的界面进行截屏，对截屏进行光学字符识别OCR识别获得上下文文本。

作为一种可选实施方式，文本提取模块用于：

判断效能平台是否提供预设API接口；

若效能平台提供预设API接口，则通过API接口的方式提取上下文文本，若效能平台未提供预设API接口，则判断效能平台传输的数据是否加密；

若效能平台传输的数据未加密，则通过脚本的方式提取上下文文本；若效能平台传输的数据已加密，则通过OCR识别的方式提取上下文文本。

作为一种可选实施方式，文本提取模块对截屏进行光学字符识别OCR识别获得上下文文本，包括：

对截屏进行区域特征提取，获得至少一个区域的区域特征；

根据各个区域的区域特征，从截屏中确定上下文文本所在的参考区域；

根据参考区域在截屏中的相对位置以及颜色中的至少一者，确定用于展示终端接收的上下文文本的第一区域和用于展示终端发送的上下文文本的第二区域中的至少一者；

对所述第一区域和第二区域分别进行OCR识别，获得相应的上下文文本。

作为一种可选实施方式，搜索相关性模型以从至少两个效能平台的样本平台信息中提取的样本上下文文集和所述关键词集合为训练样本，以所述样本上下文文集中各样本上下文文本各自与所述关键词集合的搜索相关性为标签训练而成的。

作为一种可选实施方式，行为预测模型是以所述样本上下文文本集中的第一样本上下文文本的摘要为训练样本，以第二样本上下文样本的摘要为训练标签训练而成的；

所述第一样本上下文文本为所述终端接收的样本平台信息的样本上下文文本，所述第二样本上下文文本为所述终端发送的样本平台信息的样本上下文文本。

根据本申请实施例的另一个方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上的计算机程序，处理器执行所述计算机程序以实现上述效能平台的信息处理方法的步骤。

根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述效能平台的信息处理方法的步骤。

根据本申请实施例的一个方面，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述效能平台的信息处理方法的步骤。

本申请实施例提供的技术方案带来的有益效果是：

通过从终端运行的至少两个效能平台的平台信息中提取上下文文本集，至少两个效能平台除了第一效能平台，还包括和第一效能平台关联的至少一个第二效能平台，可以更广泛地获得工作人员当前获得的平台信息，为生成更准确的反馈信息奠定基础，通过搜索相关性模型以及关键词集合对上下文文本集进行摘要提取，获得与关键词集合相关性较高的上下文文本的摘要，进一步展示摘要集，方便工作人员快速获知目前各个重要的平台信息的语义，并且还基于行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息，进一步在第一效能平台展示反馈信息，省去了工作人员自己编辑反馈信息的工作，提升了工作处理效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1a为本申请实施例提供的信息处理方法的总体架构图；

图1b为本申请实施例提供的实现效能平台的信息处理方法的系统架构示意图；

图2a为本申请实施例提供的一种效能平台的信息处理方法的流程示意图；

图2b为本申请实施例提供的某效能平台展示的下工单场景中各工作人员发布的平台信息的界面示意图；

图2c为本申请实施例提供的以方式一展示摘要集的界面示意图；

图2d为本申请实施例提供的以方式二展示摘要集的界面示意图；

图3为本申请实施例提供的一种根据获得的摘要自动触发功能控件的示意图；

图4为本申请实施例提供的一种训练搜索相关性模型的流程示意图；

图5为本申请实施例提供的一种生成摘要的流程示意图；

图6为本申请实施例提供的一种提取上下文文本的优先级的流程示意图；

图7为本申请另一个实施例提供的一种效能平台的信息处理方法的流程示意图；

图8为本申请实施例提供的一种效能平台的信息处理方法的场景示意图；

图9为本申请实施例提供的一种效能平台的信息处理装置的结构示意图；

图10为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面结合本申请中的附图描述本申请的实施例。应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是，本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件，但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解，当我们称一个元件被“连接”或“耦接”到另一元件时，该一个元件可以直接连接或耦接到另一元件，也可以指该一个元件和另一元件通过中间元件建立连接关系。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个，例如“A和/或B”可以实现为“A”，或者实现为“B”，或者实现为“A和B”。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

首先对本申请涉及的几个名词进行介绍和解释：

智能交通系统(Intelligent Traffic System，ITS)又称智能运输系统(Intelligent Transportation System)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。

效能平台，是一种集成了多种工具和技术的软件系统，能够自动化和优化各种业务流程。

应用程序编程接口(Application Programming Interface，API)，就是软件系统不同组成部分衔接的约定，其主要目的是让应用程序开发人员得以调用一组例程功能，而无须考虑其底层的源代码为何、或理解其内部工作机制的细节。API本身是抽象的，它仅定义了一个接口，而不涉及应用程序在实际实现过程中的具体操作。

光学字符识别(Optical Character Recognition，OCR)，是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

上下文，即语境、语意。本申请实施例所称的上下文文本是针对目标文本元素而言的，是目标文本元素所在的文本窗口内的文本，粒度要大于目标文本元素，例如，当目标文本元素是字、词、短语的时候，上下文可以是目标文本元素所在的句子或段落，当目标文本元素是段落时，上下文可以是目标文本元素所在的若干段落等等。

随着通讯工具的发展，工作人员在工作中可能同时用到多个效能平台，对于每个效能平台，工作人员都要在效能平台上关注和处理大量的信息，例如被其他工作人员提醒的信息、待办事项的通知等等。对于这些信息，工作人员需要花费时间反复阅读分析，并自己提取出每个信息的摘要，影响办公效率。

本申请提供的效能平台的信息处理方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，旨在解决现有技术的如上技术问题。

下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是，下述实施方式之间可以相互参考、借鉴或结合，对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等，不再重复描述。

图1a为本申请一个实施例提供的信息处理方法的总体架构图，如图所示，整体架构主要分为信息捕获、消息容器以及关联平台三个部分：

信息捕获：本申请实施例提供了三种捕获信息的方式：API接口、脚本以及OCR识别。根据效能平台是否支持插件，确定文字内容获取的方式，若支持插件，则通过插件开发或者抓包工具直接获取文字信息，大部分软件都是通过提供平台API授权的方式，例如开放平台API、Slack API等，通过官方API可以获取平台信息，例如工作进度、处理进展等等。若官方未提供API接口，则尝试通过抓包工具如Wireshark、Fiddler、Charles等，配合脚本去捕获上下文的收发，一般来说会读取特定端口并捕获效能平台发送和接收的数据包，然后从数据包中提取上下文。由于某些效能平台对数据包进行了加密，需要特定的解码算法或文件验签，则只能通过OCR的方式获取消息。

消息容器：通过历史捕获的信息，通过筛选出接收的信息和发送的信息，根据工作人员基于接收的信息反馈的行为(发送的信息)，通过机器学习技术学习工作人员的行为习惯，建立行为预测模型，以提高生成的反馈内容的质量和个性化程度。同时，还基于历史捕获的信息训练搜索相关性模型，通过搜索相关性模型获得上下文文本的摘要。

关联平台：行为预测模型通过对实时捕获的信息进行预测，获得反馈信息，将反馈信息发送至相应的平台，还可以根据获得的摘要与改革效能平台的功能控件进行批评，触发匹配成功的控件。

图1b为本申请实施例提供的实现效能平台的信息处理方法的系统架构示意图，该系统可以包括终端100和服务器200，终端100和服务器200通过网络连接，终端中运行有效能平台的应用程序或者网页客户端，服务器200中集成有信息处理装置，终端100可以访问服务器200。

本申请实施例的服务器200主要用于获取终端反馈的效能平台的平台信息，通过从平台信息中提取上下文文本集，基于预选训练的搜索相关性模型以及预先确定的关键词集合，对所述上下文文本集进行摘要提取，获得摘要集，终端100展示摘要集，服务器200还用于基于预选训练的行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息，终端100在所述第一效能平台展示所述反馈信息.

本发明实施例中，该服务器200可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本发明实施例中所描述的服务器200，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(CloudComputing)的大量计算机或网络服务器构成。本发明的实施例中，服务器与终端之间可通过任何通信方式实现通信，包括但不限于，基于第三代合作伙伴计划(3rd Generation Partnership Project，3GPP)、长期演进(Long Term Evolution，LTE)、全球互通微波访问(Worldwide Interoperability for Microwave Access，WiMAX)的移动通信，或基于TCP/IP协议族(TCP/IP Protocol Suite，TCP/IP)、用户数据报协议(User Datagram Protocol，UDP)协议的计算机网络通信等。

可以理解的是，本发明实施例中所使用的终端100可以理解为客户端设备，终端100既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种终端可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端100具体可以是台式终端或移动终端，终端100具体可以手机、平板电脑、笔记本电脑、车载终端、飞行器等中的一种，终端100中预先安装有至少一种可访问网络的应用，例如通讯应用(如微信或QQ)等。

本领域技术人员可以理解，图1b中示出的应用环境，仅仅是与本申请方案一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1b中所示更多或更少的服务器，或者服务器网络连接关系，例如图1b中仅示出1个服务器和2个终端，可以理解的，该数据异常识别系统还可以包括一个或多个其他服务器，或/且一个或多个与服务器网络连接的终端，具体此处不作限定。

本申请实施例中提供了一种效能平台的信息处理方法，如图2a所示，该方法包括步骤S2101～S2103，具体地：

S2101、从终端运行的至少两个效能平台的平台信息中提取上下文文本集。

本申请实施例的终端可以运行至少两个效能平台，例如代码托管平台、代码版本控制平台、项目代码管理平台以及研发协作平台等等，本申请实施例对于效能平台的类型和数量不作具体限定。

当本申请实施例应用于智慧交通领域时，效能平台可以包括腾讯会议、教育、消息、旅游、听书等在车辆上的各种应用程序。

由上述举例也可以发现，不同的效能平台提供的核心功能往往是不同的，并且在一些情况下，一个工作人员往往会在不止一个效能平台上进行任务处理，通过研究实际场景发现，很多时候，不同效能平台上执行的任务具有关联性，比如当某个项目的代码报错时，工作人员需要在研发协作平台上确定bug的场景以及后续修改后的反馈，在修改bug后也对代码进行版本更新，并将更新后的代码上传至代码托管平台，所以本申请可以预先确定一个工作人员最常用的效能平台作为第一效能平台，将其他效能平台作为第二效能平台与第一效能平台进行关联，从而，当终端运行的第一小效能平台和第二效能平台上有新的平台信息时，从平台信息中提取上下文信息。

在一些实施例中，一个终端上运行的所有效能平台都登录同一个工作人员的账号，进一步地，在一些实施例中，终端的数量可以是一个，也可以是多个，也即可以是在多个终端上运行的、登录同一工作人员的账号的至少两个效能平台。

应当理解的是，一个团体——例如项目组或者企业的众多工作人员会通过效能平台进行任务协作，任务协作即是通过各流程节点的工作人员相互发送平台信息实现的，每个流程阶段的工作人员可以发表/发布对应的工作内容和分析内容，例如在下工单的应用场景中，需要经过1线、1.5线、2线、3线、产研等环节，到达产研后，工单的问题在每个流程的处理人已经过分析并在效能平台上发表平台信息。

请参见图2b，其示例性地示出了某效能平台展示的下工单场景中各工作人员发布的平台信息的界面示意图。如图所示，在该效能平台的网页客户端中，平台信息2201展示了工作人员1发现了需要改进的内容，并修改了问题和原因，平台信息2202展示工作人员2对工作人员1发出的平台信息的回复，可见该回复只是简单复制了工作人员1发布的信息，平台信息2203则展示了工作人员3发出的平台信息，该平台信息进一步指明了认领原因。平台信息2204展示工作人员4发出的平台信息，该平台信息针对bug提出了新的理解，并希望特定部门的工作人员进行核实。

通过图2b可以看出，在通过效能平台进行任务协作时，各个工作人员发布的平台信息之间具有上下文关系。因此，本申请通过获得多个效能平台的平台信息，通过对平台信息的发布时间进行排序获得上下文文本集。

在实际应用时，可以周期性获取效能平台的平台信息，从而将上下文文本集中的上下文文本控制在一个几条至几十条不等的数量，这个数量级的平台信息往往是比较实时的消息，也符合工作人员时不时浏览一次平台信息的实际行为。

在一些实施例中，上下文文本集中的上下文文本，可以是对平台信息进行清洗，去除多余的符号、空格、标点符号、图形符号等获得的文本。

在一些实施例中，本申请实施例的上下文文本集可以包括与每个效能平台各自对应的子集，每个子集中仅包括对应的效能平台的平台信息的上下文文本。每个子集以数组的形式存储上下文文本，应当理解的是，数组(Array)是有序的元素序列，是用于储存多个相同类型数据的集合，在本申请实施例中，相同类型即相同的效能平台，在存储时，可以基于平台信息的发布时间的先后顺序进行排序，在时间维度对各个文本建立上下文关系。

S2102、基于预选训练的搜索相关性模型以及预先确定的关键词集合，对所述上下文文本集进行摘要提取，获得并展示摘要集。

本申请实施例的搜索相关性模型是用于确定上下文文本和关键词集合的相关性的模型。

本申请实施例可以预先基于任务执行场景筛选多个关键词，获得关键词集合，例如，针对工单执行场景，关键词可以包括常用的时间名词，例如今天、明天、周一、周三、上午、下午等，还可以包括业务词汇，例如需求、评审、转化、迭代、测试、等等，本申请实施例不作具体的限制。

搜索相关性模型可以根据从至少两个效能平台的样本平台信息中提取的样本上下文文集中，各样本上下文文本与所述关键词集合的搜索相关性训练而成的。

在一些实施例中，搜索相关性模型的训练方法可以包括：

预先基于任务执行场景筛选多个关键词，获得关键词集合，然后获得样本上下文文本集，并根据每个样本上下文文本中包含的关键词的词频等特征，来确定样本上下文本和关键词集合的相关性，之后将样本上下文文本输入至初始模型，获得初始模型输出的样本上下文本和关键词集合的相关性的预测值，根据相关性的预测值和实际值的差异，对初始模型的模型参数进行调整，直至差异小于预设阈值或者收敛，获得搜索相关性模型。

本申请实施例通过预选训练的搜索相关性模型获得所述上下文文本集中各上下文文本与关键词集合的相关性，之后筛选预设数量的相关性较高的上下文文本，对相关性较高的上下文文本中出现的关键词的上下文进行语义分析获得摘要，从而获得摘要集。

本申请实施例可以以以下任意一种方式展示摘要集：

方式一，在终端的显示区域中设置展示摘要集的显示界面，也即，将摘要集集中地在一个显示界面上进行展示，对于每一条摘要，还可以展示该摘要对应的上下文文本出自的效能平台以及上下文文本的发布时间，从而方便工作人员更好地梳理摘要的逻辑关系。

在一些实施例中，当任意一个效能平台上累计发布了预设数量的、新的平台信息时，界面2303都会显示在所有效能平台的图层上方，并在界面2303中展示新的平台信息的摘要。这样既不会打扰工作人员的办公，也可以及时地将一段时间内工作人员没看的平台信息的摘要进行汇总展示。

为了能够准确判断工作人员是否有关注平台信息，本申请实施例可以基于效能平台在终端展示时所处的图层来确定，比如，如果一个效能平台的界面当前未处于最上方的图层，且接收到了新发布的平台信息，则会认为该平台信息是工作人员没有看到的，那么就会对该平台信息进行标记，当标记的平台信息达到预设数量，则会对标记的平台信息提取摘要，并创建一个位于最上方图层的显示界面，在该显示界面中汇总展示上述标记的平台信息的摘要，在展示预设时长后，清除这些平台信息的标记。

如图2c所示，其示例性地示出了本申请实施例以方式一展示摘要集的界面示意图，如图所示，终端的显示区域共展示了3个界面，分别为效能平台1的界面2301、效能平台2的界面2302以及展示摘要集的界面2303，界面2303位于最上层级，方便工作人员优先浏览摘要集，界面2303集中展示了效能平台1的一条平台信息的摘要和效能平台1的一条平台信息的摘要，工作人员可以在不浏览界面2301和界面2302的情况下，及时了解到之前没有关注的平台信息的摘要。

方式二，在每一条摘要对应的平台信息处展示摘要，由于平台信息是展示在相应效能平台的界面中的，因此这种方式可以帮助工作人员在浏览效能平台的界面时直观地看到摘要，并且也可以快速核对摘要是否准确表达了对应的平台信息的语义。

如图2d所示，其示例性地示出了本申请实施例以方式二展示摘要集的界面示意图，如图所示，终端此时共展示了两个界面，分别为效能平台A的界面2401和效能平台B的界面2402，两个界面各自展示了平台信息以及平台信息的摘要2403和摘要2404，由于方式2是在(完整的)平台信息附近展示的摘要，方便工作人员核对摘要是否准确。

S2103、基于预选训练的行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息；在第一效能平台展示所述反馈信息。

本申请实施例的行为预测模型能够对摘要集进行行为预测，获得在第一平效能平台上待展示的反馈信息。

本申请实施例的行为预测模型通过学习工作人员平时反馈的行为习惯，生成反馈信息，并拉取第一效能平台，在第一效能平台上展示反馈信息。

由于本申请的反馈信息是基于工作人员的历史行为通过机器学习的方式获得的，因此，每当第一效能平台登录的账号出现变更时，则会学习一段时间新账号对应工作人员的行为习惯，也即根据该工作人员在多个效能平台接收的和发送的平台信息的上下文文本训练得到该新账号对应的行为预测模型，在训练完成后，基于该新账号对应的行为预测模型生成反馈信息。

应当理解的是，本申请实施例步骤S2101提取的上下文文本集，往往仅涉及其他工作人员发送的平台信息，所以可以将摘要集全部输入到行为预测模型中，获得行为预测模型输出的反馈信息。

本申请实施例的反馈信息可以是工作人员需要发送给其他工作人员的平台信息，也可以是仅工作人员自己可见的信息，比如用于提醒工作人员自己的工作安排等等。

本申请实施例的行为预测模型是以所述样本上下文文本集中的第一样本上下文文本的摘要为训练样本，以第二样本上下文样本的摘要为训练标签训练而成的。

第一样本上下文文本为所述终端接收的样本平台信息(也即其他工作人员发送的样本平台信息)的样本上下文文本，所述第二样本上下文文本为所述终端发送的样本平台信息(也即由工作人员自身发送的样本平台信息)的样本上下文文本。

本申请实施例在收集样本上下文文本集时，可以根据平台是否由持有终端的工作人员发送，分别统计第一样本上下文文本和第二样本上下文文本。

本申请实施例在获得反馈信息后，即可在第一效能平台上进行展示，省去了工作人员自己编辑反馈信息的时间。

本申请实施例通过从终端运行的至少两个效能平台的平台信息中提取上下文文本集，至少两个效能平台除了第一效能平台，还包括和第一效能平台关联的至少一个第二效能平台，可以更广泛地获得工作人员当前获得的平台信息，为生成更准确的反馈信息奠定基础，通过搜索相关性模型以及关键词集合对上下文文本集进行摘要提取，获得与关键词集合相关性较高的上下文文本的摘要，进一步展示摘要集，方便工作人员快速获知目前各个重要的平台信息的语义，并且还基于行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息，进一步在第一效能平台展示反馈信息，省去了工作人员自己编辑反馈信息的工作，提升了工作处理效率。

在上述各实施例的基础上，作为一种可选实施例，获得上下文文本集中各上下文文本的摘要，之后还包括：

将各摘要的语义信息与所述第一效能平台的功能控件进行匹配，触发匹配成功的功能控件。

应当理解的是，为了方便工作人员方便地从效能平台取出并处理数据，一些效能平台提供了API接口，本申请实施例可以预选获取第一效能平台的API访问权限以及API秘钥。具体地，可以通过OAuth协议请工作人员授权，以获取相关数据——如研发、测试、涉及人员对某项需求的开始时间、预计时间、实际开发时间、会议时间等等。

效能平台会提供各种各样的功能控件，每个功能控件都有其对应的功能，本申请实施例在获得各个摘要的语义信息后，可以将每个摘要的语义信息与各个功能控件的功能信息进行匹配，如果匹配成功，则触发对应的功能控件。

请参见图3，其示例性地示出了本申请一个实施例根据获得的摘要自动触发功能控件的示意图，如图所示，针对平台消息3101生成的一条摘要3102包含了bug的修复率和项目当前的进度消息，通过将该摘要中的关键词：修复率和进度，在第一效能平台中进行匹配，关键词“修复率”和质量考核控件匹配，“进度”和项目进度展示控件匹配，则触发两个功能控件，第一效能平台展示触发两个功能控件后的结果——通过弹窗3103和弹窗3104分别展示工作人员目前的质量考核结果以及项目的整体进度。

在一些实施例中，可以利用文本匹配技术(如关键词匹配、模糊字符串匹配等)或自然语言处理技术(如文本相似性计算、语义分析等)关联摘要和功能控件。

在上述各实施例的基础上，作为一种可选实施例，基于预选训练的搜索相关性模型以及预先确定的关键词集合，对所述上下文文本集进行摘要提取，包括步骤S3101～S3104，具体地：

S3101、基于所述搜索相关性模型以及所述关键词集合，确定每个关键词在各个上下文文本的搜索相关性；

S3102、对于每个上下文文本，将各个关键词在所述上下文文本中的搜索相关性进行求和，获得所述上下文文本与关键词集合间的搜索相关性；

S3103、根据上下文文本与关键词集合间的搜索相关性，对各上下文文本进行降序排序，将排序靠前的预设数量的上下文文本作为目标上下文文本；

S3104、对于每个目标上下文文本，根据所述目标上下文文本中关键词的上下文信息，获得所述目标上下文文本的摘要。

本申请实施例的搜索相关性模型是一个通过输入关键词的词频、上下文文本的总数、长度以及出现关键词的上下文文本的数量，输出关键词在上下文文本的搜索相关性的函数。

在一些实施例中，本申请实施例的函数可以表示为：

其中，score表示关键词t在上下文文本d的搜索相关性，ft,d表示关键词t在上下文文本d中的词频，N是上下文文本的总数，n(t)表示出现关键词t的上下文文本的数量，Ld是上下文文本d的长度，avgL是所有上下文片段长度的平均值，k1和b是自由参数。

本申请对搜索相关性模型的训练，也即对k1和b两个参数的训练，目的是让函数输出的搜索相关性，与实际的搜索相关性相符。

在获得上下文文本集后，对于每个关键词，统计该关键词在每个上下文文本的词频以及出现该关键词的上下文文本的数量，同时确定上下文文本的总数和长度，将关键词在一个上下文文本的词频、上下文文本的总数、长度以及出现关键词的上下文文本的数量输入搜索相关性模型，获得搜索相关性模型输出的关键词在该上下文文本的搜索相关性，通过该方法，可以获得每个关键词在各个上下文文本的搜索相关性。

对于一个上下文文本，由于获得了各个关键词在该上下文本文本的搜索相关性，所以通过将各个关键词在该上下文文本的搜索相关性进行求和，即可获得上下文文本与整个关键词集合间的搜索相关性。

进一步根据上下文文本与关键词集合间的搜索相关性，对各上下文文本进行降序排序，即可从上下文文本集中获得与关键词集合相关性最高的一部分上下文文本，也即目标上下文文本，对目标上下文文本，进一步搜索该文本中的关键词，再对关键词的上下文信息进行整合，获得目标上下文文本的摘要。

例如，目标上下文文本中为“今天两点半至三点半云峰会议室有测试复盘会议”，其中关键词为时间名词“两点半”和“三点半”，进一步获取时间名词的上下文信息，生成的摘要信息可以是“两点半至三点半有会议”。

请参见图4，其示例性地示出了本申请实施例训练搜索相关性模型的流程示意图，如图所示，首先收集至少两个效能平台的样本平台信息，从样本平台信息中提取样本上下文文本集，并对样本上下文文本集中各样本上下文文本和预先确定的关键词集合的搜索相关性进行降序排序，作为第一排序结果；对于关键词集合中的每个关键词，统计该关键词在每个上下文文本的词频、出现该关键词的上下文文本的数量以及每个上下文文本的长度，将关键词的词频、上下文文本的总数、长度以及出现关键词的上下文文本的数量输入当前迭代的函数中，获得当前迭代的函数输出的该关键词在一个上下文文本的搜索相关性；对于每个上下文文本，统计关键词集合在该上下文文本的搜索相关性；根据上下文文本与关键词集合间的搜索相关性，对各上下文文本进行降序排序，获得第二排序结果，计算第一排序结果和第二排序结果的差异，根据差异调整函数的参数，直至差异收敛，得到训练好的函数。

在上述各实施例的基础上，作为一种可选实施例，本申请实施例生成摘要的流程示意图，如图5所示，包括：

接收至少两个效能平台的平台信息；

从平台信息中提取文本信息，作为上下文文本；

对上下文文本进行数据清理，去除多余的符号、空格和标点符号；

对上下文文本进行分词、词干提取或词形还原以及去除停用词，获得上下文文本对应的分词集合；

确定每个分词集合中各个关键词的词频；

根据关键词在一个上下文文本的词频、该上下文文本的长度(也即该上下文文本包含的分词的数量)、出现该关键词的上下文文本的数量、上下文文本的总数输入搜索相关性模型，获得搜索相关性模型输出的关键词在该上下文文本的搜索相关性；

对于每个上下文文本，将各个关键词在所述上下文文本中的搜索相关性进行汇总，获得所述上下文文本与关键词集合间的搜索相关性；

根据搜索相关性对各上下文文本进行降序排序，将排序靠前的预设数量的上下文文本作为目标上下文文本；

对于每个目标上下文文本，将所述目标上下文文本中关键词的上下文信息进行整合，获得所述目标上下文文本的摘要。

在上述各实施例的基础上，作为一种可选实施例，从第一效能平台和至少一个第二效能平台中提取上下文文本集，包括：

对于任意一个效能平台，通过应用程序编程接口API接口、脚本或者OCR识别的方式提取上下文文本，以获得上下文文本集。

也就是说，本申请实施例提供了3种可选方式来获得上下文文本集，可以大幅提高获得上下文文本集的成功率。

1)通过API接口的方式提取上下文文本

通过效能平台提供的预设API接口，从效能平台获取平台信息，提取平台信息的上下文文本。根据效能平台提供的预设API接口，对效能平台上发布的平台信息进行抓包，直接获取平台信息的文本内容，以提取上下文文本。

2)通过脚本的方式提取上下文文本

通过预先创建的脚本，访问效能平台在所述终端本地的数据库，从上述数据库获取平台信息，提取平台信息的上下文文本。本申请实施例还可以通过抓包工具，例如Wireshark、Fiddler、Charles等，配合预先编写的脚本，例如Python脚本、JavaScript脚本来访问终端本地的数据库或者云段存储平台信息的存储区域，实现获得每个平台信息。

3)通过OCR识别的方式提取上下文文本

通过对效能平台实时展示的界面进行截屏，对截屏进行光学字符识别OCR识别获得上下文文本。

为了进行OCR识别，本申请实施例对效能平台实施展示的界面进行截屏。

请参见图6，其示例性地示出了本申请实施例提取上下文文本的优先级的示意图，如图所示，由于通过效能平台自身提供的API接口获得平台信息是效率最高的方式，因此本申请实施例首先判断效能平台是否提供预设API接口；若效能平台提供预设API接口，则通过API接口的方式提取上下文文本，具体而言，根据预设API接口在效能平台上创建插件或者扩展应用，基于插件或者拓展应用来提取上下文文本；若效能平台未提供预设API接口，则判断效能平台传输的数据是否加密，若未加密，则通过脚本的方式提取上下文文本，具体而言，通过选择合适的抓包工具，结合创建的脚本，来提取上下文；若加密，则通过OCR识别的方式提取上下文文本。

在实际应用中，当工作人员一段时间没有关注效能平台时，再次浏览效能平台时会发现平台信息通常显示的距离当前时刻最新的信息——与日常显示聊天消息的逻辑一致，工作人员想要了解之前的信息，就会滑动显示界面中的滚动条，以使得显示界面展示之前的信息。

由于需要获得至少两个效能平台的平台信息，因此，本申请实施例开启异步线程，通过Python的Pillow图像处理库或者pyautogui获取消息窗口，利用脚本滑动窗口，滚动截取图像。

将截取的图像的尺寸调整至统一的尺寸，进一步转换为灰度或者二值化图像。

在一些实施例中，灰度可以根据当前品目截取的背景、色彩、字体、字号等决定。本申请实施例可以针对同一个效能平台的截图使用相同的阈值分割，不同效能平台的截图使用不同的阈值分割。

对于灰度图或者二值化图，进一步采用平滑滤波取出噪声，这里可以使用如高斯滤波器、中值滤波器，再通过锐化、对比度增强等操作对图像增强。

在一些实施例中，本申请实施例对图像增强后进行OCR识别获得上下文文本，包括：

S401、对截屏进行区域特征提取，获得至少一个区域的区域特征；

S402、根据各个区域的区域特征，从截屏中确定上下文文本所在的参考区域；

S403、根据参考区域在截屏中的相对位置以及颜色中的至少一者，确定用于展示终端接收的上下文文本的第一区域和用于展示终端发送的上下文文本的第二区域中的至少一者；

S404、对所述第一区域和第二区域分别进行OCR识别，获得上下文文本。

本申请实施例可以通过计算区域的灰度值变化情况，找出在不同图像层间的最大稳定极值区域(Maximally Stable Extremal Regions，MSER)，具体地，对灰度图像进行阈值处理，阈值从0到255依次递增，类似于分水岭算法中的水平面的上升。最低点首先被淹没，随着水面的上升逐渐淹没整个山谷，直到所有的点全部被淹没。在不同阈值下，如果某些连通区域不变或变化很小，则该区域称为最大稳定极值区域。本申请实施例将最大稳定机制区域作为上下文文本所在的参考区域。

在展示工单进度、聊天等应用场景中，接收到的信息和发送的信息在界面中有明显的位置差异，通常接收到的信息在界面的左侧显示，而发送的信息则在界面的右侧显示，还比如，接收到的信息在界面中的颜色为白色，而发送的信息在界面中的颜色则为绿色，也即颜色上也存在差异。所以本申请实施例可以在确定参考区域后，根据参考区域在截屏中的相对位置以及颜色中的至少一者，来确定参考区域属于接收的信息还是发送的信息。

请参见图7，其示例性地示出了本申请另一个实施例的效能平台的信息处理方法的流程示意图，如图所示，本申请实施例主要分为两个部分：第一部分为搜索相关性模型和行为预测模型的训练，第二部分为根据实时接收的平台信息，利用搜索相关性模型和行为预测模型获得摘要集以及反馈信息，具体地：

S501、对于终端运行的至少两个效能平台，通过应用程序编程接口API接口、脚本或者光学字符识别OCR识别的方式提取上下文文本，以获得样本上下文文本集，样本上下文文本集包括第一样本上下文文本和第二样本上下文文本；

S502、根据预先确定的关键词集合，标注样本上下文文本集和关键词集合间的搜索相关性的排序结果；

S503、将样本上下文文本和关键词集合输入第一初始模型，获得第一初始模型输出的样本上下文文本集和关键词集合间的搜索相关性的预测排序结果；

S504、根据排序结果和预测排序结果间的差异对第一初始模型的模型参数进行调整，直至差异收敛，获得搜索相关性模型；

S505、对于每个样本上下文文本，根据样本上下文文本中关键词的上下文信息，获得样本上下文文本的摘要；

S506、将第一样本上下文文本的摘要输入第二初始模型，获得第二初始模型输出的第二样本上下文的摘要的预测结果；

S507、根据第二样本上下文文本的摘要和第二样本上下文的摘要的预测结果间的差异对第二初始模型的模型参数进行调整，直至差异收敛，获得行为预测模型；

S508、从终端当前运行的至少两个效能平台的平台信息中提取上下文文本集；

S509、基于搜索相关性模型以及预先确定的关键词集合，对所述上下文文本集进行摘要提取，获得并展示摘要集；

S510、基于预选训练的行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息，在所述第一效能平台展示所述反馈信息。

请参见图8，其示例性地示出了本申请实施例一种效能平台的信息处理方法的场景示意图，该场景为智慧交通场景，如图所示，场景中包括部署车载终端801的车辆802、车载终端运行有出行平台和社交聊天平台等效能平台，其中出行平台用于提供快车、顺风车等出行业务，供司机接单，可以理解的是，出行平台也可以提供聊天服务，以实现司机和乘客803间的沟通，而社交聊天平台可用于司机和出行服务公司中其他同事804的沟通，服务器805为出行平台的服务器，服务器806为社交聊天平台的服务器，具体地，司机在行车过程中，服务器805和服务器806将与司机相关的平台信息发送至车载终端801，车载终端801从两个效能平台的平台信息中提取上下文文本集，并且基于预选训练的搜索相关性模型以及预先确定的关键词集合，对上下文文本集进行摘要提取，获得并展示摘要集，从而帮助司机可以在驾驶时快速了解到各个效能平台展示的平台信息，以便及时进行沟通，车载终端801还基于预选训练的行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息，并在出行平台展示所述反馈信息，例如，社交聊天平台上其他同事发消息说某路口拥堵，尽量避让，如果刚接单的乘客的路径恰好经过该路口，反馈信息可以是提醒乘客耐心等待片刻，本申请实施例应用于智慧交通领域，能够帮助司机更快递了解信息并且自动进行反馈，保证司机更长时间地专注于驾驶，提高驾驶安全和智慧驾驶的体验好感。

本申请实施例提供了一种效能平台的信息处理装置，如图9所示，该装置可以包括：文本提取模块901、摘要集展示模块902以及反馈信息展示模块903，其中，

文本提取模块901，用于从终端运行的至少两个效能平台的平台信息中提取上下文文本集；所述至少两个效能平台包括第一效能平台和与所述第一效能平台关联的至少一个第二效能平台；

摘要集展示模块902，用于基于预选训练的搜索相关性模型以及预先确定的关键词集合，对所述上下文文本集进行摘要提取，获得并展示摘要集；

反馈信息展示模块903，用于基于预选训练的行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息；在所述第一效能平台展示所述反馈信息。

作为一种可选实施方式，信息处理装置还包括：

控件触发模块，用于将各摘要的语义信息与所述第一效能平台的功能控件进行匹配，触发匹配成功的功能控件。

作为一种可选实施方式，摘要集展示模块包括：

关键词相关性单元，用于基于所述搜索相关性模型以及所述关键词集合，确定每个关键词在各个上下文文本的搜索相关性；

集合相关性单元，用于对于每个上下文文本，将各个关键词在所述上下文文本中的搜索相关性进行汇总，获得所述上下文文本与关键词集合间的搜索相关性；

目标文本筛选单元，用于根据搜索相关性对各上下文文本进行降序排序，将排序靠前的预设数量的上下文文本作为目标上下文文本；

摘要提取单元，用于对于每个目标上下文文本，根据所述目标上下文文本中关键词的上下文信息，获得所述目标上下文文本的摘要。

作为一种可选实施方式，文本提取模块用于：

对于任意一个效能平台，通过应用程序编程接口API接口、脚本或者光学字符识别OCR识别的方式提取上下文文本，以获得上下文文本集；

其中，所述通过API接口的方式提取上下文文本包括：通过效能平台提供的预设API接口，从效能平台获取平台信息，提取平台信息的上下文文本；

所述通过脚本的方式提取上下文文本包括：通过预先创建的脚本，访问效能平台在所述终端本地的数据库，从上述数据库获取平台信息，提取平台信息的上下文文本；

所述通过OCR识别的方式提取上下文文本包括：通过对效能平台实时展示的界面进行截屏，对截屏进行光学字符识别OCR识别获得上下文文本。

作为一种可选实施方式，文本提取模块用于：

判断效能平台是否提供预设API接口；

若效能平台提供预设API接口，则通过API接口的方式提取上下文文本，若效能平台未提供预设API接口，则判断效能平台传输的数据是否加密；

若效能平台传输的数据未加密，则通过脚本的方式提取上下文文本；若效能平台传输的数据已加密，则通过OCR识别的方式提取上下文文本。

作为一种可选实施方式，文本提取模块对截屏进行光学字符识别OCR识别获得上下文文本，包括：

对截屏进行区域特征提取，获得至少一个区域的区域特征；

根据各个区域的区域特征，从截屏中确定上下文文本所在的参考区域；

根据参考区域在截屏中的相对位置以及颜色中的至少一者，确定用于展示终端接收的上下文文本的第一区域和用于展示终端发送的上下文文本的第二区域中的至少一者；

对所述第一区域和第二区域分别进行OCR识别，获得相应的上下文文本。

作为一种可选实施方式，搜索相关性模型以从至少两个效能平台的样本平台信息中提取的样本上下文文集和所述关键词集合为训练样本，以所述样本上下文文集中各样本上下文文本各自与所述关键词集合的搜索相关性为标签训练而成的。

作为一种可选实施方式，行为预测模型是以所述样本上下文文本集中的第一样本上下文文本的摘要为训练样本，以第二样本上下文样本的摘要为训练标签训练而成的；

所述第一样本上下文文本为所述终端接收的样本平台信息的样本上下文文本，所述第二样本上下文文本为所述终端发送的样本平台信息的样本上下文文本。

本申请实施例的装置可执行本申请实施例所提供的方法，其实现原理相类似，本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的，对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。

本申请实施例中提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以实现效能平台的信息处理方法的步骤，与相关技术相比可实现：通过从终端运行的至少两个效能平台的平台信息中提取上下文文本集，至少两个效能平台除了第一效能平台，还包括和第一效能平台关联的至少一个第二效能平台，可以更广泛地获得工作人员当前获得的平台信息，为生成更准确的反馈信息奠定基础，通过搜索相关性模型以及关键词集合对上下文文本集进行摘要提取，获得与关键词集合相关性较高的上下文文本的摘要，进一步展示摘要集，方便工作人员快速获知目前各个重要的平台信息的语义，并且还基于行为预测模型，对摘要集进行行为预测，获得待展示的反馈信息，进一步在第一效能平台展示反馈信息，省去了工作人员自己编辑反馈信息的工作，提升了工作处理效率。

在一个可选实施例中提供了一种电子设备，如图10所示，图10所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本申请实施例的限定。

处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。

存储器4003用于存储执行本申请实施例的计算机程序，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的计算机程序，以实现前述方法实施例所示的步骤。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。

本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”、“1”、“2”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除图示或文字描述以外的顺序实施。

应该理解的是，虽然本申请实施例的流程图中通过箭头指示各个操作步骤，但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明，否则在本申请实施例的一些实施场景中，各流程图中的实施步骤可以按照需求以其他的顺序执行。此外，各流程图中的部分或全部步骤基于实际的实施场景，可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行，这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下，这些子步骤或者阶段的执行顺序可以根据需求灵活配置，本申请实施例对此不限制。

以上所述仅是本申请部分实施场景的可选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的方案技术构思的前提下，采用基于本申请技术思想的其他类似实施手段，同样属于本申请实施例的保护范畴。