【技術實現步驟摘要】
本專利技術涉及人工智能，尤其涉及一種基于向量嵌入和組合賦權的工單智能推薦方法和裝置。
技術介紹
1、對于政務工單的處理，首先要“接得快”，即工單高效接收和派發。其次要“分得準”，即保證工單派單準確率有保障。同時還要記得全，可追溯、可分析。
2、智能派單和智能填單技術在政務工單處理領域得到了越來越多的使用。智能派單和智能填單模型，主要的業務場景需要預測新增工單的來的目的、工單類型、處置部門、地址、電話、日期、姓名。但傳統的模型仍存在著以下問題：識別速度慢，需要調用多個模型獲取不同的識別結果。模型泛化能力差，本地數據依賴性過高，在新增項目和長周期項目中，會出現準確率退化的問題；同時，當本地數據需要調整或優化時，優化周期長；此外，模型與本地業務無法自適應調整，類似的數據一次預測錯誤后續一直會預測錯誤，無法通過業務操作自適應調整。
3、綜上，現有技術存在泛化能力差、效率低的問題。
技術實現思路
1、本專利技術提供一種基于向量嵌入和組合賦權的工單智能推薦方法和裝置，用以解決現有技術中泛化能力差、效率低的缺陷，實現泛化能力好、效率高的工單智能推薦。
2、本專利技術提供一種基于向量嵌入和組合賦權的工單智能推薦方法，包括如下步驟：
3、獲取新增工單的新增工單描述、新增工單地址和新增工單電話，利用向量嵌入技術將所述新增工單描述轉化為目標向量；
4、使用所述目標向量到預先構建的工單向量數據庫中進行相似度匹配并根據相似度進行排序，得到工單id列
5、根據所述工單id列表中的工單id，從預先構建的工單權重數據庫中提取工單信息，進而得到工單信息列表；
6、根據所述新增工單地址、所述新增工單電話、所述工單信息列表和所述工單相似度得分列表利用rnn權重矩陣和組合賦權算法進行相似度計算，得到最終得分；
7、根據所述最終得分進行排序，根據排序結果選擇所述新增工單的推薦結果；根據每個工單id在所述排序結果和所述相似度得分列表的排序序號更新所述工單id在所述工單權重數據庫中對應的工單權重；
8、其中，所述工單向量數據庫是根據預設時間范圍內的歷史政務工單的工單向量構建得到的，所述工單向量是所述歷史政務工單的工單描述利用向量嵌入技術轉化為向量得到的；所述工單權重數據庫包括所述工單向量數據庫中的所述工單向量對應歷史政務工單的工單信息；所述工單權重數據庫以工單id作為索引；所述工單信息至少包括工單權重、工單地址、工單電話、工單描述、工單類型、來電目的和處置部門。
9、根據本專利技術提供的一種基于向量嵌入和組合賦權的工單智能推薦方法，獲取新增工單的新增工單地址和新增工單電話，具體包括：
10、根據所述新增工單描述利用預先構建的ner實體抽取模型進行實體抽取，得到實體抽取結果；其中，所述實體抽取結果至少包括地址和電話；
11、使用所述實體抽取結果中的所述地址到預先構建的地址向量數據庫中進行相似度匹配，得到最相似補全地址信息作為所述新增工單地址；其中，所述地址向量數據庫是將本地全量地址信息轉換為地址向量后構建得到的；
12、利用運營商手機號段正則表達式進行所述新增工單電話的號碼有效性判斷，提取有效電話作為所述新增工單電話。
13、根據本專利技術提供的一種基于向量嵌入和組合賦權的工單智能推薦方法，根據所述新增工單地址、所述新增工單電話、所述工單信息列表和所述工單相似度得分列表利用rnn權重矩陣和組合賦權算法進行相似度計算，得到最終得分，具體包括：
14、根據所述工單相似度得分列表和所述工單信息列表中的權重計算第一得分；
15、根據所述新增工單地址以及所述工單信息列表中的歷史工單地址計算第二得分；
16、根據所述新增工單電話以及所述工單信息列表中的歷史工單電話計算第三得分；
17、根據所述第一得分、所述第二得分、所述第三得分以及預設得分權重計算得到最終得分。
18、根據本專利技術提供的一種基于向量嵌入和組合賦權的工單智能推薦方法，根據每個工單id在所述排序結果和所述相似度得分列表的排序序號更新所述工單id在所述工單權重數據庫中對應的工單權重，具體包括：
19、如果當前工單id在所述排序結果的序號大于在所述相似度得分列表的序號，則按照預設幅度增加所述當前工單id在所述工單權重數據庫中對應的權重；
20、如果當前工單id在排序結果的序號小于在所述相似度得分列表的序號，則按照所述預設幅度減少所述工單id在所述工單權重數據庫中對應的權重。
21、根據本專利技術提供的一種基于向量嵌入和組合賦權的工單智能推薦方法，根據每個工單id在所述排序結果和所述相似度得分列表的排序序號更新所述工單id在所述工單權重數據庫中對應的工單權重，具體包括：
22、在當前工單id在排序結果的序號為1的情況下，按照預設幅度額外增加所述當前工單id在所述工單權重數據庫中對應的權重。
23、根據本專利技術提供的一種基于向量嵌入和組合賦權的工單智能推薦方法，根據所述最終得分進行排序，根據排序結果選擇所述新增工單的推薦結果，之后還包括：
24、將所述目標向量添加至所述工單向量數據庫中；
25、對所述目標向量進行工單權重賦值，將所述目標向量及其賦值結果添加至所述工單權重數據庫。
26、本專利技術還提供一種基于向量嵌入和組合賦權的工單智能推薦裝置，包括如下模塊：
27、新增單元，用于獲取新增工單的新增工單描述、新增工單地址和新增工單電話，利用向量嵌入技術將所述新增工單描述轉化為目標向量；
28、第一列表單元，用于使用所述目標向量到預先構建的工單向量數據庫中進行相似度匹配并根據相似度進行排序，得到工單id列表以及工單相似度得分列表；
29、第二列表單元，用于根據所述工單id列表中的工單id，從預先構建的工單權重數據庫中提取工單信息，進而得到工單信息列表；
30、計算單元，用于根據所述新增工單地址、所述新增工單電話、所述工單信息列表和所述工單相似度得分列表利用rnn權重矩陣和組合賦權算法進行相似度計算，得到最終得分；
31、推薦單元，用于根據所述最終得分進行排序，根據排序結果選擇所述新增工單的推薦結果；根據每個工單id在所述排序結果和所述相似度得分列表的排序序號更新所述工單id在所述工單權重數據庫中對應的工單權重；
32、其中，所述工單向量數據庫是根據預設時間范圍內的歷史政務工單的工單向量構建得到的，所述工單向量是所述歷史政務工單的工單描述利用向量嵌入技術轉化為向量得到的；所述工單權重數據庫包括所述工單向量數據庫中的所述工單向量對應歷史政務工單的工單信息；所述工單權重數據庫以工單id作為索引；所述工單信息至少包括工單權重、工單地址、工單電話、工單描述、工單類型、來電目的和處置部門。
33、本專利技術還提供一種電子設備，包括存儲器本文檔來自技高網...
【技術保護點】
1.一種基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，包括：
2.根據權利要求1所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，獲取新增工單的新增工單地址和新增工單電話，具體包括：
3.根據權利要求1所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，根據所述新增工單地址、所述新增工單電話、所述工單信息列表和所述工單相似度得分列表利用RNN權重矩陣和組合賦權算法進行相似度計算，得到最終得分，具體包括：
4.根據權利要求1所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，根據每個工單ID在所述排序結果和所述相似度得分列表的排序序號更新所述工單ID在所述工單權重數據庫中對應的工單權重，具體包括：
5.根據權利要求4所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，根據每個工單ID在所述排序結果和所述相似度得分列表的排序序號更新所述工單ID在所述工單權重數據庫中對應的工單權重，具體包括：
6.根據權利要求1所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，根據所述最終得
7.一種基于向量嵌入和組合賦權的工單智能推薦裝置，其特征在于，包括：
8.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6任一項所述基于向量嵌入和組合賦權的工單智能推薦方法。
9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述基于向量嵌入和組合賦權的工單智能推薦方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述基于向量嵌入和組合賦權的工單智能推薦方法。
...【技術特征摘要】
1.一種基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，包括：
2.根據權利要求1所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，獲取新增工單的新增工單地址和新增工單電話，具體包括：
3.根據權利要求1所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，根據所述新增工單地址、所述新增工單電話、所述工單信息列表和所述工單相似度得分列表利用rnn權重矩陣和組合賦權算法進行相似度計算，得到最終得分，具體包括：
4.根據權利要求1所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，根據每個工單id在所述排序結果和所述相似度得分列表的排序序號更新所述工單id在所述工單權重數據庫中對應的工單權重，具體包括：
5.根據權利要求4所述的基于向量嵌入和組合賦權的工單智能推薦方法，其特征在于，根據每個工單id在所述排序結果和所述相似度得分列表的排序序號更新所述工單id在所述工單權重數...
【專利技術屬性】
技術研發人員：郝博，鄭揚勇，黃海鳳，
申請(專利權)人：云粒智慧科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。