[發明專利]熱線工單的歸口確定方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210234031.8
• 申請日: 2022-03-10
• 公開（公告）號: CN114565365A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 姜恬靜
• 申請（專利權）人: 國泰新點軟件股份有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06F16/35;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 初春

1.一種熱線工單的歸口確定方法，其特征在于，包括：

獲取待確定歸口的目標熱線工單，確定所述目標熱線工單對應的文本特征向量；

將所述文本特征向量輸入至預先建立的文本分類模型中，得到所述目標熱線工單與各預設歸口之間的匹配信息；

基于所述匹配信息，確定出與所述目標熱線工單對應的目標歸口。

2.根據權利要求1所述的方法，其特征在于，所述文本分類模型包括支持向量機分類模型，所述匹配信息包括所述目標熱線工單對應于各所述預設歸口的預測投票數；其中，

所述將所述文本特征向量輸入至預先建立的文本分類模型中，得到所述目標熱線工單與各預設歸口之間的匹配信息，包括：

將所述文本特征向量輸入至所述支持向量機分類模型中，得到所述目標熱線工單對應于各所述預設歸口的預測投票數。

3.根據權利要求2所述的方法，其特征在于，在所述將所述文本特征向量輸入至預先建立的文本分類模型中之前，還包括：

將預先獲取的第一訓練工單樣本輸入至待訓練支持向量機分類模型中，得到所述第一訓練工單樣本對應于所述預設歸口的預測訓練票數；

基于所述預測訓練票數確定第一訓練歸口，基于所述第一訓練歸口與預先存儲的第一樣本實際歸口，對所述待訓練支持向量機分類模型中的模型參數進行修正；

基于預先建立的訓練目標，訓練得到所述支持向量機分類模型。

4.根據權利要求1所述的方法，其特征在于，所述文本分類模型包括基于轉換器的雙向編碼表征分類模型，所述匹配信息包括所述目標熱線工單對應于各所述預設歸口的預測概率；其中，

所述將所述文本特征向量輸入至預先建立的文本分類模型中，得到所述目標熱線工單與各預設歸口之間的匹配信息，包括：

將所述文本特征向量輸入至所述雙向編碼表征分類模型中，得到所述目標熱線工單對應于各所述預設歸口的歸口特征；

對所述目標熱線工單對應的各所述歸口特征進行歸一化處理，得到所述目標熱線工單對應于所述預設歸口的所述預測概率。

5.根據權利要求4所述的方法，其特征在于，在所述將所述文本特征向量輸入至預先建立的文本分類模型中之前，還包括：

將預先獲取的第二訓練工單樣本輸入至待訓練雙向編碼表征分類模型中，輸出所述第二訓練工單樣本對應于各預設歸口的訓練歸口特征；

對各所述訓練歸口特征進行歸一化處理，得到所述第二訓練工單樣本對應于各預設歸口的訓練概率；

基于所述訓練概率確定所述第二訓練工單樣本對應的第二訓練歸口，基于預先存儲的第二樣本實際歸口與所述第二訓練歸口，對所述待訓練雙向編碼表征分類模型中的模型參數進行修正；

將所述待訓練雙向編碼表征分類模型中的損失函數收斂作為訓練目標，訓練得到所述基于轉換器的雙向編碼表征分類模型。

6.根據權利要求4所述的方法，其特征在于，所述基于所述匹配信息，確定出與所述目標熱線工單對應的目標歸口，包括：

確定出各預測概率中的概率最大值，將所述概率最大值對應的預設歸口確定為所述目標歸口。

7.根據權利要求1所述的方法，其特征在于，所述確定所述目標熱線工單對應的文本特征向量，包括：

對所述目標熱線工單進行分詞處理，得到所述目標熱線工單對應的目標詞語；

基于預先建立的停用詞文件，對各所述目標詞語進行去除停用詞操作，基于去除操作后得到的各詞語更新所述目標詞語；

將更新后得到的目標詞語進行向量化處理，生成各所述目標詞語對應的目標詞向量；

對各所述目標詞向量進行組合處理，得到所述文本特征向量。

8.一種熱線工單的歸口確定裝置，其特征在于，包括：

目標熱線工單獲取模塊，用于獲取待確定歸口的目標熱線工單，確定所述目標熱線工單對應的文本特征向量；

文本特征向量輸入模塊，用于將所述文本特征向量輸入至預先建立的文本分類模型中，得到所述目標熱線工單與各預設歸口之間的匹配信息；

目標歸口確定模塊，用于基于所述匹配信息，確定出與所述目標熱線工單對應的目標歸口。