申请/专利权人：国网湖北省电力有限公司黄石供电公司

申请日：2024-01-10

公开（公告）日：2024-03-26

公开（公告）号：CN117764365A

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06F16/9535;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种基于人工智能的电网抢单平台的个性化工单推荐方法，包括采集工单和班组成员的标签和语料信息，构建工单和班组成员的画像；使用Bert‑AutoEncoder算法模型对多种任务场景主体进行fine‑tuning，提取工单和班组成员画像转化为数值型embedding；使用改进的DSSM‑Attention算法模型对工单和班组成员embedding进行特征变换，计算工单和班组成员相似度，学习班组成员的工单领取偏好；针对每个班组成员生成个性化工单列表。本发明能够充分考虑用户的个性化需求和实时情况，针对复杂的电网系统和大量的工单数据进行处理时，因生成个性化的工单列表，可极大的提高处理效率。

主权项：1.一种基于人工智能的电网抢单平台的个性化工单推荐方法，其特征在于，所述个性化工单推荐方法包括以下步骤：S1、采集工单与班组成员的标签和语料信息，从工单标签信息库、工单语料信息库、班组成员标签信息库以及班组成员语料信息库中，分别采集所需的标签和语料信息；S2、针对所述工单与班组成员在各工作场景主体下的标签和语料信息，构建工单与班组成员的画像；S3、构建Bert-AutoEncoder工单和班组成员深层上下文语义信息嵌入算法提取模型，该模型包含输入组件、画像预处理组件、embedding提取组件Bert和embedding降维组件AutoEncoder四个组件；其中，所述输入组件用于接收所述工单与班组成员画像信息的输入；所述画像预处理组件用于针对工单和班组成员的语料信息进行数据清洗以及数据对齐；所述Embedding提取组件Bert，使用预训练自然语言处理模型Bert对经画像预处理组件处理后的工单和班组成员的语料信息进行fine-tuning；所述Embedding降维组件AutoEncoder用于将embedding提取组件Bert处理过后的高维工单和班组成员的数值型画像进行特征降维的工作；S4、对S3所述的Bert-AutoEncoder工单和班组成员深层上下文语义信息嵌入算法提取模型进行训练，训练出最优的Bert-AutoEncoder工单和班组成员个性化工单偏好深层上下文语义信息嵌入算法提取模型，即在测试集上对班组成员进行TOP-N工单推荐得到最优的NDCG和F1指标；S5、构建针对新增工单和班组成员的冷启动推荐算法模型，针对S3所述的工单低维数值型画像和班组成员的低维数值型画像在冷启动场景下，使用pandas的pivot_table构建工单和班组成员相似度共生矩阵，所述共生矩阵仅在系统数据的density0.001时进行维护，共生矩阵行和列分别为工单和班组成员在电网抢单平台内的ID；S6、构建针对班组成员的个性化工单推荐DSSM-Attention算法模型，所述DSSM-Attention算法模型包含输入组件、DSSM算法模型组件、Attention算法模型组件和召回组件四个组件；其中，所述输入组件包含对工单和班组成员ID在DSSM-Attention主体中进行数值型编码，对类别类型的不同特征进行one-hot编码以及归一化操作，对工单作业时长和班组成员年龄数据进行数据分桶；所述DSSM算法模型组件包含FeatureEmbedding层、DNN层和Cosine输出层；所述Attention算法模型针对班组成员历史工单池匹配待召回工单；S7、将S6得到的所述个性化工单列表呈现在班组成员所使用的抢单大厅，工单呈现顺序与所述DSSM算法模型组件和所述Attention算法模型组件得到的工单精排结果相同。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司黄石供电公司 基于人工智能的电网抢单平台的个性化工单推荐方法

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