申请/专利权人:国网浙江省电力有限公司;国网浙江省电力有限公司电力科学研究院;浙江华云信息科技有限公司
申请日:2019-12-12
公开(公告)日:2020-05-15
公开(公告)号:CN111161094A
主分类号:G06Q50/06(20120101)
分类号:G06Q50/06(20120101);G06Q30/02(20120101);G06F40/30(20200101);G06N3/08(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2024.04.12#发明专利申请公布后的驳回;2021.01.01#实质审查的生效;2020.05.15#公开
摘要:本发明公开了一种基于深度学习的电力工单诉求点识别方法,涉及电力工单诉求点识别方法领域。目前客户诉求挖掘效率低下,面对海量非结构化文本诉求,仍停留在依靠人工进行数据处理与分析的阶段,存在数据处理方式单一、投入人力成本高,实时性差等问题。本方法包括建立诉求点机器识别标签体系、工单诉求高维矩阵向量化、诉求点机器识别建模、样本学习训练、相似度模型识别分类等关键步骤。利用深度学习技术手段,有效实现以机器识别为主、人工复核为辅的诉求人机偶合识别分类功能,实时精准识别客户诉求点,提高诉求分析与问题管控的工作效率,减少一线人员诉求分析压力。
主权项:1.一种基于深度学习的电力工单诉求点识别方法,其特征在于包括以下步骤:1建立诉求点机器识别标签体系:通过组织业务专家根据经验进行诉求点手工梳理,并对诉求点标签进行精细化剖析与反复讨论,制定出投诉诉求点机器识别分类细则、服务申请诉求点机器识别分类细则和意见诉求点机器识别分类细则;2工单诉求高维矩阵向量化:对工单诉求的文本数值向量表征转化,同时对诉求向量进行多种算法加工处理;3诉求点机器识别建模:该过程实现诉求点机器识别分类建模,采用深度置信神经网络进行建模,设计深度置信神经网络模型结构与模型参数;4样本学习训练:根据神经网络和超参数设置对经过诉求高维矩阵向量处理的数据进行样本学习训练,固化输出诉求样本训练结果模型;5相似度模型识别分类:基于已学习训练固化的模型对诉求工单根据诉求点机器识别标签规则的进行逐一诉求点分类识别。
全文数据:
权利要求:
百度查询: 国网浙江省电力有限公司;国网浙江省电力有限公司电力科学研究院;浙江华云信息科技有限公司 一种基于深度学习的电力工单诉求点识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。