【技术实现步骤摘要】
本专利技术涉及自然语言处理研究领域，具体涉及一种工单智能派发和推荐方法。
技术介绍
1、传统热线派单过程中，需要热线话务人员填写工单后进行人工审核，再派发给相关承办单位。随着社会发展，工单受理量越发庞大而派单人员紧缺，传统派单会耗费大量人力、物力、财力且准确率不高。因此，通过使用工单智能派发和推荐方法，一方面能够实现自动派发，并推荐相关法律、相关案例、处置策略给承办单位，提升承办单位工作人员工作效率，提高工单办理质效；另一方面通过识别无效工单，减轻承办单位工作人员的办理压力。
技术实现思路
1、为了克服现有技术的不足，本专利技术提供了一种工单智能派发和推荐方法，可以大幅度提高工单的派发速度和准确率，减轻人力负担，提高承办单位的办理效率。技术方案如下：
2、本专利技术提供了一种工单智能派发和推荐的方法，该方法包括如下步骤：
3、步骤1，获取所有历史工单数据，所述历史工单数据包括工单内容、内容分类、发生地区、承办单位的处理结果、登记时间、是否办结、办结时间。
4、步骤2，标注人员对历史已办结工单数据进行标注，标注争议焦点，并建立争议焦点、承办单位、相关法律、处置策略的关系表a。
5、步骤3，对所有历史工单数据进行数据预处理，对字段属性进行设计，并选择ik中文分词工具作为分词器插件，导入elastic search数据库中，索引命名为案例库。
6、步骤4，根据历史工单标注数据，训练bert争议焦点模型：
7、步骤5，
8、优选的，步骤3所述对字段属性进行设计，所述字段包括以下一种或多种：案例编码、争议焦点、分类、登记时间、工单内容、工单处理结果、发生地区、是否办结、办结时间。
9、优选的，步骤3所述选择ik中文分词工具作为分词器插件，分为ik_max_word和ik_smart分词器，ik_max_word将文本做最细粒度的拆分，ik_smart分词器进行最粗粒度的拆分，建索引时用ik_max_word分词器，而搜索时用ik_smart分词器进行最粗粒度的拆分。
10、优选的，步骤4将80％的历史工单数据的诉求内容作为训练集，进行模型训练；将20％的历史工单数据的诉求内容作为测试集，进行模型测试。
11、优选的，步骤5所述基于elastic search的案例库确定相关案例，具体为：进行争议焦点、已办结工单为必要条件的相关案例检索，设计搜索语句，设计匹配到的相关工单必须满足的条件即争议焦点和能够提高相关性得分的条件。
12、优选的，步骤5所述根据市民热线获取市民诉求内容具体为：根据市民热线获取到语音信息，通过语音识别方法将语音数据转为文本信息，得到工单内容和发生地区。
13、优选的，步骤5所述判断是否为无效工单，具体为：根据工单内容派发规则，若属于非地域范围、涉法涉诉、重复投诉中的一种或多种，若是则为无效工单，不予受理，不需要派单。
14、进一步的，还包括步骤6，若承办单位退回工单，则热线工作人员进行人工审核，确定争议焦点，重新根据该争议焦点，确定承办单位、相关法律、处置策略、承办单位；将该争议焦点、已办结工单作为elastic search案例库相关内容检索的必要条件进行检索，得到相关案例，将工单派发给相应的承办单位，并推荐相关法律、处置策略、相关案例。
15、优选的，步骤6还包括：同时将工单退回的诉求内容作为训练数据，重新训练bert争议焦点模型，对bert模型迭代优化。
16、优选的，步骤6还包括：自动将工单内容处理成为elastic search案例库格式，插入案例库，及时更新案例库数据。
17、优选的，若承办单位有办结结果，则及时更新elastic search案例库该工单的字段。
18、与现有技术相比，上述技术方案中的一个技术方案具有如下有益效果：通过使用搜索算法elastic search和分类算法bert，建立工单智能派发和推荐方法，实现识别无效工单、自动派单、推荐相关法律和案例功能，可以大幅度提高工单的派发速度和准确率，减轻人力负担，提高承办单位的办理效率。具有以下优点：
19、1.通过大数据分类算法bert模型，并结合elastic search检索方法，对工单进行自动派发，减少热线工作人员的人力消耗。
20、2.通过发送相关法律、相关案例、处置策略的推荐给承办单位，提高承办单位工单办理质效。
21、3.通过识别无效工单，减轻承办单位办理压力。
本文档来自技高网...【技术保护点】
1.一种工单智能派发和推荐的方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种工单智能派发和推荐的方法，其特征在于，步骤3所述对字段属性进行设计，所述字段包括以下一种或多种：案例编码、争议焦点、分类、登记时间、工单内容、工单处理结果、发生地区、是否办结、办结时间。
3.根据权利要求2所述的一种工单智能派发和推荐的方法，其特征在于，步骤3所述选择IK中文分词工具作为分词器插件，分为ik_max_word和ik_smart分词器，ik_max_word将文本做最细粒度的拆分，ik_smart分词器进行最粗粒度的拆分，建索引时用ik_max_word分词器，而搜索时用ik_smart分词器进行最粗粒度的拆分。
4.根据权利要求1-3任一项所述的一种工单智能派发和推荐的方法，其特征在于，步骤4将80％的历史工单数据的诉求内容作为训练集，进行模型训练；将20％的历史工单数据的诉求内容作为测试集，进行模型测试。
5.根据权利要求4所述的一种工单智能派发和推荐的方法，其特征在于，步骤5所述根据市民热线获取市民诉求内容具体为：根据
6.根据权利要求4所述的一种工单智能派发和推荐的方法，其特征在于，步骤5所述判断是否为无效工单，具体为：根据工单内容派发规则，若属于非地域范围、涉法涉诉、重复投诉中的一种或多种，若是则为无效工单，不予受理，不需要派单。
7.根据权利要求4所述的一种工单智能派发和推荐的方法，其特征在于，步骤5所述基于elastic search的案例库确定相关案例，具体为：进行争议焦点、已办结工单为必要条件的相关案例检索，设计搜索语句，设计匹配到的相关工单必须满足的条件即争议焦点和能够提高相关性得分的条件。
8.根据权利要求5-7任一项所述的一种工单智能派发和推荐的方法，其特征在于，还包括步骤6，若承办单位退回工单，则热线工作人员进行人工审核，确定争议焦点，重新根据该争议焦点，确定承办单位、相关法律、处置策略、承办单位；将该争议焦点、已办结工单作为elastic search案例库相关内容检索的必要条件进行检索，得到相关案例，将工单派发给相应的承办单位，并推荐相关法律、处置策略、相关案例。
9.根据权利要求8所述的一种工单智能派发和推荐的方法，其特征在于，步骤6还包括：同时将工单退回的诉求内容作为训练数据，重新训练BERT争议焦点模型，对BERT模型迭代优化。
10.根据权利要求8所述的一种工单智能派发和推荐的方法，其特征在于，步骤6还包括：自动将工单内容处理成为elastic search案例库格式，插入案例库，及时更新案例库数据；若承办单位有办结结果，则及时更新elastic search案例库该工单的字段。
...【技术特征摘要】
1.一种工单智能派发和推荐的方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种工单智能派发和推荐的方法，其特征在于，步骤3所述对字段属性进行设计，所述字段包括以下一种或多种：案例编码、争议焦点、分类、登记时间、工单内容、工单处理结果、发生地区、是否办结、办结时间。
3.根据权利要求2所述的一种工单智能派发和推荐的方法，其特征在于，步骤3所述选择ik中文分词工具作为分词器插件，分为ik_max_word和ik_smart分词器，ik_max_word将文本做最细粒度的拆分，ik_smart分词器进行最粗粒度的拆分，建索引时用ik_max_word分词器，而搜索时用ik_smart分词器进行最粗粒度的拆分。
4.根据权利要求1-3任一项所述的一种工单智能派发和推荐的方法，其特征在于，步骤4将80％的历史工单数据的诉求内容作为训练集，进行模型训练；将20％的历史工单数据的诉求内容作为测试集，进行模型测试。
5.根据权利要求4所述的一种工单智能派发和推荐的方法，其特征在于，步骤5所述根据市民热线获取市民诉求内容具体为：根据市民热线获取到语音信息，通过语音识别方法将语音数据转为文本信息，得到工单内容和发生地区。
6.根据权利要求4所述的一种工单智能派发和推荐的方法，其特征在于，步骤5所述判断是否为无效工单，具体为：根据工单内容派发规则，若属于非...
【专利技术属性】
技术研发人员：周洁琴，周金明，
申请(专利权)人：南京视察者智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。