申请/专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司

申请日：2020-05-22

公开（公告）日：2020-07-28

公开（公告）号：CN111460164A

主分类号：G06F16/35(20190101)

分类号：G06F16/35(20190101);G06F16/33(20190101);G06K9/62(20060101);G06Q10/00(20120101)

优先权：

专利状态码：有效-授权

法律状态：2023.11.03#授权;2020.08.21#实质审查的生效;2020.07.28#公开

摘要：本发明公开了一种新的基于预训练语言模型的电信工单智能判障方法，属于计算机技术领域。其中，包括如下步骤：首先先对工单信息进行预处理，从描述信息中提取出告警信息和关键描述文本，以及系统中的定位信息；使用基于预训练语言模型BERT进行文本匹配，判断工单定位与工单描述是否对应；根据文本匹配模型的结果再进行文本分类任务，使用DPCNN模型预测出定位不准确的工单可能对应的故障类别，从而实现工单的自动智能判障。本发明能够有效地解决电信业务中传统人工判障方法存在的效率和精度问题，使用深度学习方法不仅能够大大减少业务人员工作量，实现自动化解析判断，同时判断精度也非常准确，整体准确率能够达到95%以上。

主权项：1.一种基于预训练语言模型的电信工单智能判障方法，其特征在于，包括如下步骤：步骤（1）：对已有的历史工单数据进行数据预处理，利用正则表达式进行文本替换、抽取，得到工单信息中的有效数据；步骤（2）：将清洗过的有效数据进行标签化和数据集划分，按照7:2:1的比例划分为训练集、验证集、测试集，以tsv文件的格式进行存储；步骤（3）：使用划分好的数据进行模型预训练，文本匹配模型选择对BERT-WWM模型进行fine-tune，文本分类模型则选择预训练DPCNN模型，将对应的模型参数保存；步骤（4）：对综调系统传输的工单数据，经过解析后，根据定位信息是否一致选择是否需要加载智能判障模型，如果三次定位信息一致，则认为定位准确，执行步骤（7）；如果不一致，则需要执行第五步加载文本匹配模型进行判断；步骤（5）：加载预训练好的BERT-WWM模型进行文本匹配，将工单故障定位字段和工单操作信息字段输入模型进行匹配判断，如果判断结果为准确，则认为工单定位准确，执行第七步；如果判断结果为不准确，则执行第六步加载文本分类模型预测故障类别；步骤（6）：加载DPCNN分类模型进行文本分类，对上一步匹配结果为不准确的工单，根据其工单操作信息字段，进行模型运算，预测其应该对应的故障类别，作为最终的工单故障类别输出；步骤（7）：将上述步骤的判断结果自动导出为Excel文件，供业务人员下载进行最终核对，并将对应的数据添加到历史数据集中，不断迭代优化模型效果。

全文数据：

权利要求：

百度查询： 南京大学;江苏万维艾斯网络智能产业创新中心有限公司 一种基于预训练语言模型的电信工单智能判障方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD