【技術實現步驟摘要】
本申請涉及工單分類，尤其涉及一種電力客戶訴求工單分類方法、系統、設備及介質。
技術介紹
1、隨著電力行業的快速發展和電力客戶需求的日益多樣化，電力客戶服務系統作為供電企業與電力客戶交流的重要窗口，承擔著處理客戶訴求、解決用電問題的重要職責。電力客戶訴求工單數據作為反映客戶用電需求和服務質量的直接依據，其有效分析和處理對于提升客戶滿意度、優化服務流程、降低運營成本具有重要意義。
2、近年來，隨著深度學習技術，特別是自然語言處理領域的迅猛進展為電力客戶訴求工單分析開辟了全新的路徑。首先，對電力客戶投訴工單實施深度文本挖掘，借助先進的分詞技術精準劃分語句結構，隨后運用詞頻統計與tf-idf算法，科學計算各關鍵詞的重要性權重，篩選出高權重關鍵詞作為文本核心信息的代表。進而，利用詞云分析技術直觀展現這些關鍵信息，使分析結果一目了然。
3、然而，當前采用的分類方法尚顯簡單粗獷，面臨特征提取不全面、分類精度不高等瓶頸問題，導致電力工單在處理過程中難以精準歸類、分類效果差，影響了服務效率與客戶滿意度。因此，亟需一種電力客戶訴求工單分類方法、系統、設備及介質，解決電力工單分類過程中特征提取不充分、分類效果差的問題。
技術實現思路
1、針對現有技術的上述不足，本申請提供一種電力客戶訴求工單分類方法、系統、設備及介質，以解決電力工單分類過程中特征提取不充分、分類效果差的問題。
2、第一方面，本申請提供了一種電力客戶訴求工單分類方法，方法包括：對獲得的客戶訴求工單數據進
3、進一步地，對處理后的工單數據進行序列化操作，獲得序列化的工單文本向量，具體包括：
4、獲取處理后的工單數據，在起始位置添加預設開始標識符；將工單數據輸入預設分詞器，將工單數據切分為單字序列；將單字序列輸入預設模型中，獲得輸出數據，預設模型公式如下：
5、，
6、其中，d為輸入的單字序列，和分別為預設向量權重和偏置參數，gelu為激活函數，激活函數公式為，為的高斯正態分布的累積函數，累積函數公式為：
7、，
8、其中，指隨機變量的概率，是均值，是標準差，是自然對數的底數。
9、進一步地，將序列化的工單文本向量輸入特征關系提取模型中，以獲得工單數據中的特征關系，具體包括：
10、使用雙向lstm來捕捉文本中每個工單文本向量的前向和后向輸出隱藏狀態；
11、通過公式：
12、，獲得時間步t的輸出隱藏狀態；其中，表示前向輸出隱藏狀態，表示后向輸出隱藏狀態，表示上一前向輸出隱藏狀態，表示上一后向輸出隱藏狀態；
13、通過公式：
14、，獲取表示特征關系的輸出向量h；其中，n表示預設總時間步數。
15、進一步地，利用注意力機制從特征關系中獲得序列信息，具體包括：
16、通過公式：
17、、
18、、
19、、
20、，
21、計算獲得序列信息；其中，表示將向量映射到-1?~?1的激活函數，，表示特征關系的輸出向量，x表示預設平衡矩陣，表示預設注意力權重矩陣。
22、進一步地，將序列信息輸入softmax函數，獲得客戶訴求工單數據對應的分類標簽，具體包括：
23、通過公式：
24、，計算在各個分類標簽上的條件概率，進而確定條件概率大于預設閾值的分類標簽為客戶訴求工單數據對應的分類標簽；其中，為預設權重參數，為偏置參數。
25、第二方面，本申請提供了一種電力客戶訴求工單分類系統，系統包括：去除模塊，用于對獲得的客戶訴求工單數據進行預處理，去除異常數據；獲得模塊，用于對處理后的工單數據進行序列化操作，獲得序列化的工單文本向量；將序列化的工單文本向量輸入特征關系提取模型中，以獲得工單數據中的特征關系；利用注意力機制從特征關系中獲得序列信息；將序列信息輸入softmax函數，獲得客戶訴求工單數據對應的分類標簽。
26、進一步地，獲得模塊包括第一獲得單元，
27、用于獲取處理后的工單數據，在起始位置添加預設開始標識符；
28、將工單數據輸入預設分詞器，將工單數據切分為單字序列；
29、將單字序列輸入預設模型的隱藏層中，獲得輸出數據；
30、將輸出數據輸入transformer編碼器，獲得序列化的工單文本向量。
31、進一步地，獲得模塊包括第二獲得單元，
32、用于使用雙向lstm來捕捉文本中每個工單文本向量的前向和后向輸出隱藏狀態；
33、通過公式：
34、，獲得時間步t的輸出隱藏狀態；其中，表示前向輸出隱藏狀態，表示后向輸出隱藏狀態，表示上一前向輸出隱藏狀態，表示上一后向輸出隱藏狀態；
35、通過公式：
36、，獲取表示特征關系的輸出向量h；其中，n表示預設總時間步數。
37、第三方面，本申請提供了一種電力客戶訴求工單分類設備，設備包括：處理器；以及存儲器，其上存儲有可執行代碼，當可執行代碼被執行時，使得處理器執行如上述任一項的一種電力客戶訴求工單分類方法。
38、第四方面，本申請提供了一種非易失性計算機存儲介質，其上存儲有計算機指令，計算機指令在被執行時實現如上述任一項的一種電力客戶訴求工單分類方法。
39、本領域技術人員能夠理解的是，本申請至少具有如下有益效果：
40、本申請通過注意力機制與特征關系提取模型結合，能夠更好地捕捉電力客戶訴求工單中的關鍵信息和上下文依賴關系，從而提高分類的準確性。解決電力工單分類過程中特征提取不充分、分類效果差的問題。
本文檔來自技高網...【技術保護點】
1.一種電力客戶訴求工單分類方法，其特征在于，所述方法包括：
2.根據權利要求1所述的電力客戶訴求工單分類方法，其特征在于，對處理后的工單數據進行序列化操作，獲得序列化的工單文本向量，具體包括：
3.根據權利要求1所述的電力客戶訴求工單分類方法，其特征在于，將序列化的工單文本向量輸入特征關系提取模型中，以獲得工單數據中的特征關系，具體包括：
4.根據權利要求1所述的電力客戶訴求工單分類方法，其特征在于，利用注意力機制從特征關系中獲得序列信息，具體包括：
5.根據權利要求1所述的電力客戶訴求工單分類方法，其特征在于，將序列信息輸入softmax函數，獲得客戶訴求工單數據對應的分類標簽，具體包括：
6.一種電力客戶訴求工單分類系統，其特征在于，所述系統包括：
7.根據權利要求6所述的電力客戶訴求工單分類系統，其特征在于，獲得模塊包括第一獲得單元，
8.根據權利要求6所述的電力客戶訴求工單分類系統，其特征在于，獲得模塊包括第二獲得單元，
9.一種電力客戶訴求工單分類設備，其特征在于，所述設備
10.一種非易失性計算機存儲介質，其特征在于，其上存儲有計算機指令，所述計算機指令在被執行時實現如權利要求1-5任一項所述的一種電力客戶訴求工單分類方法。
...【技術特征摘要】
1.一種電力客戶訴求工單分類方法，其特征在于，所述方法包括：
2.根據權利要求1所述的電力客戶訴求工單分類方法，其特征在于，對處理后的工單數據進行序列化操作，獲得序列化的工單文本向量，具體包括：
3.根據權利要求1所述的電力客戶訴求工單分類方法，其特征在于，將序列化的工單文本向量輸入特征關系提取模型中，以獲得工單數據中的特征關系，具體包括：
4.根據權利要求1所述的電力客戶訴求工單分類方法，其特征在于，利用注意力機制從特征關系中獲得序列信息，具體包括：
5.根據權利要求1所述的電力客戶訴求工單分類方法，其特征在于，將序列信息輸入s...
【專利技術屬性】
技術研發人員：李婷，張卓，程祥釗，李雅文，李紅新，孫華杰，胡光磊，張琳，鄭悅，張同慶，李浩，高凡，王舒平，張忠臣，韓璐，吳翔宇，高英，
申請(專利權)人：國網山東省電力公司泰安供電公司，
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。