[發(fā)明專利]基于人工智能的訂單分級方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110219481.5
• 申請日: 2021-02-26
• 公開（公告）號: CN112948592A
• 公開（公告）日: 2021-06-11
• 發(fā)明（設(shè)計(jì)）人: 王勇
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F40/284;G06K9/62;G06N3/04;G06N3/08;G06Q30/06
• 代理公司: 深圳市精英專利事務(wù)所 44242
• 代理人: 蔣學(xué)超

本發(fā)明公開了一種基于人工智能的訂單分級方法、裝置、設(shè)備及存儲介質(zhì)，涉及人工智能領(lǐng)域。該方法包括：根據(jù)樣本數(shù)據(jù)集構(gòu)建知識圖譜；獲取知識圖譜的各節(jié)點(diǎn)的節(jié)點(diǎn)向量，并添加到訓(xùn)練樣本集中；通過訓(xùn)練樣本集對文本分類模型進(jìn)行訓(xùn)練；將待測訂單數(shù)據(jù)添加到知識圖譜中；獲取待測訂單數(shù)據(jù)的節(jié)點(diǎn)向量；將待測訂單數(shù)據(jù)的節(jié)點(diǎn)向量輸入到訓(xùn)練后的文本分類模型中，以由文本分類模型輸出待測訂單數(shù)據(jù)的標(biāo)簽；將待測訂單數(shù)據(jù)添加到待測訂單數(shù)據(jù)的標(biāo)簽對應(yīng)的數(shù)據(jù)隊(duì)列中，從而實(shí)現(xiàn)根據(jù)處理難度來對待測訂單數(shù)據(jù)進(jìn)行分類，對于標(biāo)簽為疑難訂單的數(shù)據(jù)隊(duì)列可設(shè)定其最高的優(yōu)先級等級，并向其分配更多處理資源，從而實(shí)現(xiàn)處理資源的合理配置，提高訂單的處理效率。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的訂單分級方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著電子商務(wù)的興起，企業(yè)的訂單正變得越來越多。企業(yè)每天都需要耗費(fèi)大量的人力物力去處理訂單。

現(xiàn)有技術(shù)中，企業(yè)對所有的訂單都是一視同仁的。然而訂單的個(gè)體差異性十分巨大，各訂單發(fā)生異常的概率各不相同，倘若對所有訂單均采用相同的處理方式，將會導(dǎo)致處理資源的浪費(fèi)，從而導(dǎo)致訂單的處理效率低下。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種基于人工智能的訂單分級方法、裝置、設(shè)備及存儲介質(zhì)，旨在解決訂單處理效率低下的問題。

第一方面，本發(fā)明實(shí)施例提供了一種基于人工智能的訂單分級方法，其包括：

獲取歷史訂單數(shù)據(jù)集，所述歷史訂單數(shù)據(jù)集包括多個(gè)標(biāo)注了標(biāo)簽的訂單數(shù)據(jù)；

對所述歷史訂單數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗處理以得到樣本數(shù)據(jù)集，所述樣本數(shù)據(jù)集包括多個(gè)樣本數(shù)據(jù)，所述樣本數(shù)據(jù)由訂單數(shù)據(jù)經(jīng)過數(shù)據(jù)清洗處理后得到；

根據(jù)所述樣本數(shù)據(jù)集構(gòu)建知識圖譜，所述知識圖譜的節(jié)點(diǎn)為所述樣本數(shù)據(jù)集中的樣本數(shù)據(jù)；

獲取所述知識圖譜的各節(jié)點(diǎn)的節(jié)點(diǎn)向量，并將各節(jié)點(diǎn)的節(jié)點(diǎn)向量添加到預(yù)設(shè)的訓(xùn)練樣本集中；

通過所述訓(xùn)練樣本集對預(yù)設(shè)的文本分類模型進(jìn)行訓(xùn)練；

若接收到業(yè)務(wù)服務(wù)器發(fā)送的初始訂單數(shù)據(jù)，對所述初始訂單數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗處理以得到待測訂單數(shù)據(jù)；

將所述待測訂單數(shù)據(jù)添加到所述知識圖譜中；

獲取所述待測訂單數(shù)據(jù)的節(jié)點(diǎn)向量；

將所述待測訂單數(shù)據(jù)的節(jié)點(diǎn)向量輸入到訓(xùn)練后的文本分類模型中，以由所述文本分類模型輸出所述待測訂單數(shù)據(jù)的標(biāo)簽；

將所述待測訂單數(shù)據(jù)添加到所述待測訂單數(shù)據(jù)的標(biāo)簽對應(yīng)的數(shù)據(jù)隊(duì)列中。第二方面，本發(fā)明實(shí)施例還提供了一種基于人工智能的訂單分級裝置，其包括：

第一獲取單元，用于獲取歷史訂單數(shù)據(jù)集，所述歷史訂單數(shù)據(jù)集包括多個(gè)標(biāo)注了標(biāo)簽的訂單數(shù)據(jù)；

第一清洗單元，用于對所述歷史訂單數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗處理以得到樣本數(shù)據(jù)集，所述樣本數(shù)據(jù)集包括多個(gè)樣本數(shù)據(jù)，所述樣本數(shù)據(jù)由訂單數(shù)據(jù)經(jīng)過數(shù)據(jù)清洗處理后得到；

構(gòu)建單元，用于根據(jù)所述樣本數(shù)據(jù)集構(gòu)建知識圖譜，所述知識圖譜的節(jié)點(diǎn)為所述樣本數(shù)據(jù)集中的樣本數(shù)據(jù)；

第二獲取單元，用于獲取所述知識圖譜的各節(jié)點(diǎn)的節(jié)點(diǎn)向量，并將各節(jié)點(diǎn)的節(jié)點(diǎn)向量添加到預(yù)設(shè)的訓(xùn)練樣本集中；

訓(xùn)練單元，用于通過所述訓(xùn)練樣本集對預(yù)設(shè)的文本分類模型進(jìn)行訓(xùn)練；

第二清洗單元，用于若接收到業(yè)務(wù)服務(wù)器發(fā)送的初始訂單數(shù)據(jù)，對所述初始訂單數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗處理以得到待測訂單數(shù)據(jù)；

第一添加單元，用于將所述待測訂單數(shù)據(jù)添加到所述知識圖譜中；