[發(fā)明專(zhuān)利]工單生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110727370.5
• 申請(qǐng)日: 2021-06-29
• 公開(kāi)（公告）號(hào): CN113343711A
• 公開(kāi)（公告）日: 2021-09-03
• 發(fā)明（設(shè)計(jì)）人: 李鵬;黃文琦;林全郴;衡星辰;林志達(dá);姚森敬;廖燦
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司
• 主分類(lèi)號(hào): G06F40/30
• 分類(lèi)號(hào): G06F40/30;G06F40/295;G06F16/35;G06K9/62;G06N3/04;G06N3/08;G06Q30/02;G06Q50/06
• 代理公司: 廣州華進(jìn)聯(lián)合專(zhuān)利商標(biāo)代理有限公司 44224
• 代理人: 繆成珠

本申請(qǐng)涉及一種工單生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，所述方法包括：獲取用戶(hù)與客服之間進(jìn)行通話的文本信息；將文本信息輸入至預(yù)設(shè)的語(yǔ)義識(shí)別模型中，計(jì)算得到文本信息對(duì)應(yīng)的語(yǔ)義信息；將語(yǔ)義信息輸入至預(yù)設(shè)的業(yè)務(wù)分類(lèi)模型中，確定文本信息對(duì)應(yīng)的業(yè)務(wù)類(lèi)別；根據(jù)語(yǔ)義信息及業(yè)務(wù)類(lèi)別，生成文本信息對(duì)應(yīng)的工單。本申請(qǐng)實(shí)施例提供的技術(shù)方案可以提高生成工單的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及電網(wǎng)技術(shù)領(lǐng)域，特別是涉及一種工單生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著智能電網(wǎng)的發(fā)展，用戶(hù)在使用電力資源的過(guò)程中遇到問(wèn)題時(shí)，可以通過(guò)撥打電網(wǎng)客服電話進(jìn)行多種業(yè)務(wù)咨詢(xún)。用戶(hù)在語(yǔ)音接入后與客服對(duì)話的過(guò)程中，客服不僅需要回復(fù)用戶(hù)咨詢(xún)的問(wèn)題，還需要將本次通話的信息填寫(xiě)進(jìn)工單(工作單據(jù))中，為了有效提升客服填寫(xiě)工單的效率與服務(wù)質(zhì)量，需要為客服提供一個(gè)智能填寫(xiě)工單的功能。

目前，在實(shí)現(xiàn)智能生成工單時(shí)，通常是采用基于條件隨機(jī)場(chǎng)的實(shí)體識(shí)別算法對(duì)本次通話的信息進(jìn)行實(shí)體識(shí)別，得到用戶(hù)信息；再采用基于機(jī)器學(xué)習(xí)的文本分類(lèi)算法對(duì)本次通話的信息進(jìn)行進(jìn)行文本分類(lèi)，從而將本次通話的信息歸類(lèi)到某一類(lèi)業(yè)務(wù)中，最后根據(jù)實(shí)體識(shí)別的結(jié)果與文本分類(lèi)的結(jié)果填寫(xiě)工單信息，從而生成工單。

然而，現(xiàn)有的方法在生成工單時(shí)，由于基于條件隨機(jī)場(chǎng)的實(shí)體識(shí)別算法以及基于機(jī)器學(xué)習(xí)的文本分類(lèi)算法均存在準(zhǔn)確率低的問(wèn)題，從而使得工單生成的準(zhǔn)確率低。

發(fā)明內(nèi)容

基于此，本申請(qǐng)實(shí)施例提供了一種工單生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，可以提高生成工單的準(zhǔn)確性。

第一方面，提供了一種工單生成方法，該方法包括：

獲取用戶(hù)與客服之間進(jìn)行通話的文本信息；將文本信息輸入至預(yù)設(shè)的語(yǔ)義識(shí)別模型中，計(jì)算得到文本信息對(duì)應(yīng)的語(yǔ)義信息；將語(yǔ)義信息輸入至預(yù)設(shè)的業(yè)務(wù)分類(lèi)模型中，確定文本信息對(duì)應(yīng)的業(yè)務(wù)類(lèi)別；根據(jù)語(yǔ)義信息及業(yè)務(wù)類(lèi)別，生成文本信息對(duì)應(yīng)的工單。

在其中一個(gè)實(shí)施例中，將語(yǔ)義信息輸入至預(yù)設(shè)的業(yè)務(wù)分類(lèi)模型中，確定文本信息對(duì)應(yīng)的業(yè)務(wù)類(lèi)別，包括：

確定語(yǔ)義信息所屬的第一類(lèi)別；基于第一類(lèi)別的數(shù)量，確定與第一類(lèi)別的數(shù)量對(duì)應(yīng)的第一目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；將語(yǔ)義信息輸入至與第一目標(biāo)神經(jīng)網(wǎng)絡(luò)模型中，得到文本信息所屬的業(yè)務(wù)類(lèi)別。

在其中一個(gè)實(shí)施例中，將語(yǔ)義信息輸入至與第一目標(biāo)神經(jīng)網(wǎng)絡(luò)模型中，得到文本信息所屬的業(yè)務(wù)類(lèi)別，包括：

若第一類(lèi)別的數(shù)量為一個(gè)，則將語(yǔ)義信息輸入至文本神經(jīng)網(wǎng)絡(luò)模型中，得到文本信息所屬的業(yè)務(wù)類(lèi)別；若第一類(lèi)別的數(shù)量為多個(gè)，則將語(yǔ)義信息輸入至深度神經(jīng)網(wǎng)絡(luò)模型中，得到文本信息所屬的業(yè)務(wù)類(lèi)別。

在其中一個(gè)實(shí)施例中，將文本信息輸入至預(yù)設(shè)的語(yǔ)義識(shí)別模型中，計(jì)算得到文本信息對(duì)應(yīng)的語(yǔ)義信息，包括：

將文本信息輸入至基于變換器的雙向編碼器中，得到文本信息對(duì)應(yīng)的詞向量；將詞向量輸入至雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)中，得到詞向量之間的語(yǔ)義關(guān)系對(duì)應(yīng)的特征向量；將詞向量及特征向量輸入至條件隨機(jī)場(chǎng)中，得到文本信息對(duì)應(yīng)的實(shí)體及實(shí)體的標(biāo)簽。

在其中一個(gè)實(shí)施例中，上述方法還包括：

將文本信息輸入至預(yù)設(shè)的業(yè)務(wù)分類(lèi)模型中，確定文本信息對(duì)應(yīng)的業(yè)務(wù)類(lèi)別。

在其中一個(gè)實(shí)施例中，上述方法還包括：

確定文本信息所屬的第二類(lèi)別；基于第二類(lèi)別的數(shù)量，確定與第二類(lèi)別的數(shù)量對(duì)應(yīng)的第二目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；將文本信息輸入至第二目標(biāo)神經(jīng)網(wǎng)絡(luò)模型中，生成文本信息所屬的業(yè)務(wù)類(lèi)別。

在其中一個(gè)實(shí)施例中，將文本信息輸入至第二目標(biāo)神經(jīng)網(wǎng)絡(luò)模型中，生成文本信息所屬的業(yè)務(wù)類(lèi)別，包括：