[發明專利]一種政務派單方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211707614.4
• 申請日: 2022-12-27
• 公開（公告）號: CN116187676A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 童海;孫禮紅
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06F16/35;G06N3/08;G06N3/0464
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

本發明實施例提供了一種政務派單方法、裝置、電子設備及存儲介質，包括：獲取歷史政務工單，構建組織層級結構樹，組織層級結構樹包括第一部門節點，第一部門節點為組織層級結構樹中的最底層節點，根據部門標簽確定第一部門節點與關鍵詞之間的權重，根據第一部門節點與關鍵詞之間的權重計算關鍵詞的表征向量，基于關鍵詞的表征向量對待訓練的工單分類模型進行訓練，得到訓練完成的工單分類模型，將新的政務工單輸入訓練完成的工單分類模型，識別得到新的政務工單對應的目標第一部門節點，并進行政務派單，使得罕見的關鍵詞也能夠借助其與組織部門之間的關聯知識得到有效學習，增強在訓練樣本不足的條件下派單模型的泛化能力，提高派單的準確度。

技術領域

本發明涉及數據處理技術領域，特別是涉及一種政務派單方法、一種政務派單裝置、一種電子設備以及一種計算機可讀存儲介質。

背景技術

當前，智能派單的主流方法是基于深度學習和自然語言處理的文本分類技術，即通過機器閱讀服務訴求工單中的文字描述，判斷該工單屬于哪一個部門，然后再自動進行流轉。現有基于深度學習的自然語言處理技術的核心是詞向量模型，即把每一個詞映射到一個語義向量，使得語義相似的詞在向量空間中的距離相近。

然而，由于政務服務工單中涉及大量的專業、低頻詞匯，在公共數據集上預訓練的詞向量難以對這些詞匯進行有效表征。

發明內容

本發明實施例是提供一種政務派單方法、裝置、電子設備以及計算機可讀存儲介質，以解決由于政務服務工單中涉及大量的專業、低頻詞匯，在公共數據集上預訓練的詞向量難以對這些詞匯進行有效表征的問題。

本發明實施例公開了一種政務派單方法，包括：

獲取歷史政務工單，其中，所述歷史政務工單具有對應的關鍵詞和部門標簽；

構建組織層級結構樹，其中，所述組織層級結構樹包括第一部門節點，所述第一部門節點為所述組織層級結構樹中的最底層節點；

根據所述部門標簽確定所述第一部門節點與所述關鍵詞之間的權重；

根據所述第一部門節點與所述關鍵詞之間的權重計算所述關鍵詞的表征向量；

基于所述關鍵詞的表征向量對待訓練的工單分類模型進行訓練，得到訓練完成的工單分類模型；

將新的政務工單輸入所述訓練完成的工單分類模型，識別得到所述新的政務工單對應的目標第一部門節點，并進行政務派單。

可選地，所述第一部門與所述關鍵詞之間的權重與所述第一部門節點對應的相同所述關鍵詞的數量成正比，或隨所述第一部門節點對應的相同所述關鍵詞的數量增加而增加。

可選地，在所述根據所述部門標簽確定所述第一部門節點與所述關鍵詞之間的權重之后，還包括：

對所述第一部門節點與所述關鍵詞之間的權重進行歸一化處理。

可選地，所述根據所述第一部門節點與所述關鍵詞之間的權重計算所述關鍵詞的表征向量，包括：

根據公開的預訓練詞向量庫獲取所述關鍵詞的初始表征向量；

根據所述關鍵詞的初始表征向量、和所述第一部門節點與所述關鍵詞之間的權重計算所述第一部門節點的初始表征向量；

根據所述關鍵詞的初始表征向量和所述第一部門節點的初始表征向量計算所述關鍵詞的表征向量。

可選地，所述待訓練的工單分類模型為TextCNN模型。

可選地，所述將新的政務工單輸入所述訓練完成的工單分類模型，識別得到所述新的政務工單對應的目標第一部門節點，包括：

將新的政務工單輸入所述訓練完成的工單分類模型，得到所述新的政務工單屬于各所述第一部門節點的概率分布；