申请/专利权人:无锡容智技术有限公司
申请日:2023-10-31
公开(公告)日:2024-02-27
公开(公告)号:CN117172508B
主分类号:G06Q10/0631
分类号:G06Q10/0631;G06N3/0442;G06N3/045;G06N3/048;G06N3/08;G06F16/33;G06F16/35;G06F18/24
优先权:
专利状态码:有效-授权
法律状态:2024.02.27#授权;2023.12.22#实质审查的生效;2023.12.05#公开
摘要:本发明公开了一种基于城运投诉工单识别的自动派单方法及系统,属于工单分发技术领域,方法包括:接收城运投诉工单;对城运投诉工单进行删除式的脱敏处理;构建具有BERT层、注意力机制层和单维最大池化层的工单语义识别模型,并利用历史城运投诉工单数据对工单语义识别模型进行训练;对脱敏后的城运投诉工单进行包括权重分析的语义识别,判断城运投诉工单的工单类型;根据工单类型确定工单紧急程度,并结合工单投诉时长和工单地理距离计算城运投诉工单的派单优先级;结合派单优先级和工单类型,构建基于随机森林的决策模型;利用决策模型将城运投诉工单派发至相应的接收单位。提升工单自动派发能力和派发速度,避免工单长时间搁置的问题。
主权项:1.一种基于城运投诉工单识别的自动派单方法,其特征在于,包括:S101:接收城运投诉工单;S102:对所述城运投诉工单进行删除式的脱敏处理,去除投诉人信息;S103:构建具有BERT层、注意力机制层和单维最大池化层的工单语义识别模型,并利用历史城运投诉工单数据对所述工单语义识别模型进行训练,其中,所述注意力机制层分别与所述BERT层和所述单维最大池化层连接,所述注意力机制层用于接收所述BERT层的输出数据,并为接收到的数据分配重要性权重;S104:利用训练后的工单语义识别模型对脱敏后的城运投诉工单进行包括权重分析的语义识别,判断所述城运投诉工单的工单类型;S105:根据所述工单类型确定工单紧急程度,并结合工单投诉时长和工单地理距离计算所述城运投诉工单的派单优先级;S106:结合所述派单优先级和所述工单类型,构建基于随机森林的决策模型;S107:利用所述决策模型将所述城运投诉工单派发至相应的接收单位;其中,所述工单语义识别模型还包括输入层、全连接层和输出层,所述输入层与所述BERT层连接,所述全连接层分别与所述单维最大池化层和所述输出层连接,其中,所述输出层包括激活层;其中,所述S104具体包括:S1041:利用所述输入层接收所述脱敏后的城运投诉工单;S1042:利用所述BERT层将脱敏后的城运投诉工单对应的文本内容映射成词向量:et=ecxt其中,et表示所述词向量,ec表示训练得到的词向量对照表,xt表示文本内容中句子X的第t个词语;S1043:提取所述词向量的双向文本特征: 其中,表示t时刻所述词向量的前向传播隐藏状态,表示t时刻所述词向量的后向传播隐藏状态,符号表示拼接,ht表示所述双向文本特征;S1044:利用所述注意力机制层计算提取到的双向文本特征中各个元素的重要性权重,得到带有重要性权重的输出向量: 其中,aij表示元素i相对于元素j的所述重要性权重,hi表示所述双向文本特征中的第i个元素的特征向量,TX表示所述双向文本特征中的所有元素,k表示按所述双向文本特征排列得到的元素序号,eij表示元素j对当前位置i的影响程度,o表示所述带有重要性权重的输出向量;S1045:将所述双向文本特征对应的输出向量和所述带有重要性权重的输出向量输入分别输入至所述单维最大池化层进行池化操作,利用所述全连接层将输出的结果进行相加,得到多个工单类型向量;S1046:将多个所述工单类型向量输入至所述激活层,计算工单类型所属概率: 其中,Pi表示第i个工单类型对应的工单类型所属概率,zi表示所述工单类型向量,表示对所述工单类型向量归一化后得到的向量,n表示所述工单类型向量的数量;S1047:将所述工单类型所属概率最大的工单类型作为输出结果输出。
全文数据:
权利要求:
百度查询: 无锡容智技术有限公司 一种基于城运投诉工单识别的自动派单方法及系统
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。