[发明专利]维修案例信息查询方法、装置、电子设备及存储介质

权利要求书

1.一种维修案例信息查询方法，其特征在于，包括：

获取待查询故障信息；

对所述待查询故障信息进行特征提取，得到故障特征向量；

计算所述故障特征向量与各维修案例信息对应的案例故障特征向量之间的相似度；

基于各相似度，从所述各维修案例信息中选取目标维修案例信息作为所述待查询故障信息对应的查询结果。

2.根据权利要求1所述的维修案例信息查询方法，其特征在于，所述待查询故障信息包括形式不同的多项故障信息；

相应地，所述对所述待查询故障信息进行特征提取，得到故障特征向量，包括：

分别对所述多项故障信息进行特征提取，得到所述多项故障信息对应的特征向量；

将所述多项故障信息对应的特征向量进行融合，得到所述故障特征向量。

3.根据权利要求2所述的维修案例信息查询方法，其特征在于，所述多项故障信息包括故障文字信息、故障图像信息、故障视频信息以及故障音频信息中的至少两项。

4.根据权利要求2所述的维修案例信息查询方法，其特征在于，所述分别对所述多项故障信息进行特征提取，得到所述多项故障信息对应的特征向量，包括：

对于所述多项故障信息中的任一项故障信息，基于所述任一项故障信息对应的特征提取模型，对所述任一项故障信息进行特征提取，得到所述任一项故障信息对应的特征向量；

其中，所述任一项故障信息对应的特征提取模型基于携带有特征向量标签的所述任一项故障信息对应的样本故障信息训练得到。

5.根据权利要求2所述的维修案例信息查询方法，其特征在于，所述将所述多项故障信息对应的特征向量进行融合，得到所述故障特征向量，包括：

将所述多项故障信息对应的特征向量输入至多模态特征融合模型，由所述多模态特征融合模型对所述多项故障信息对应的特征向量进行融合，得到并输出所述故障特征向量；

其中，所述多模态特征融合模型基于携带有融合结果标签的多项故障信息对应的样本故障信息的特征向量样本训练得到。

6.根据权利要求1-5中任一项所述的维修案例信息查询方法，其特征在于，所述计算所述故障特征向量与各维修案例信息对应的案例故障特征向量之间的相似度，包括：

将所述故障特征向量以及所述各维修案例信息对应的案例故障特征向量输入至神经协同过滤模型，由所述神经协同过滤模型计算并输出所述故障特征向量与各维修案例信息对应的案例故障特征向量之间的相似度；

其中，所述神经协同过滤模型基于第一特征向量样本、多个第二特征向量样本以及所述第一特征向量样本与所述多个第二特征向量样本之间的相似度标签训练得到。

7.根据权利要求1-5中任一项所述的维修案例信息查询方法，其特征在于，所述基于各相似度，从所述各维修案例信息中选取目标维修案例信息作为所述待查询故障信息对应的查询结果，包括：

按所述各相似度，对所述各维修案例信息进行排序，得到排序结果；

基于所述排序结果，确定所述目标维修案例信息作为所述查询结果。

8.一种维修案例信息查询装置，其特征在于，包括：

信息获取模块，用于获取待查询故障信息；

特征提取模块，用于对所述待查询故障信息进行特征提取，得到故障特征向量；

相似度计算模块，用于计算所述故障特征向量与各维修案例信息对应的案例故障特征向量之间的相似度；

查询结果确定模块，用于基于各相似度，从所述各维修案例信息中选取目标维修案例信息作为所述待查询故障信息对应的查询结果。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述维修案例信息查询方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述维修案例信息查询方法的步骤。