[发明专利]工单分类方法及装置

权利要求书

1.一种工单分类方法，其特征在于，包括：

对工单进行分词，获得词语集合；

根据词性词典获取所述词语集合中积极词性词语和消极词性词语的比例，若所述积极词性词语和消极词性词语的比例满足预设阈值，则确定所述工单为与所述预设阈值对应的工单类别；

若所述比例不满足所述预设阈值，则采用经过训练的朴素贝叶斯分类器对所述词语集合进行判断，以获取所述工单所属的工单类别；

所述采用经过训练的朴素贝叶斯分类器对所述词语集合进行分类前，还包括：

查找所述词语集合中是否包含一级决策语料库中的判定词语，其中所述一级决策语料库包括类别代表词语和/或强烈感情色彩词语，若包含，则确定所述工单为与所述判定词语对应的工单类别。

2.根据权利要求1所述的方法，其特征在于，所述采用经过训练的朴素贝叶斯分类器对所述词语集合进行判断，以获取所述工单所属的工单类别，具体包括：

采用所述贝叶斯分类器获取所述工单属于各个工单类别的概率；

根据所述工单属于各个工单类别的概率及所述积极词性词语和消极词性词语的比例确定所述工单所属的工单类别。

3.根据权利要求1所述的方法，其特征在于，所述对工单进行分词，获得词语集合，具体包括：

对所述工单进行分词，并进行词性标注；

根据词性和/或停用词表进行过滤，从而获得所述词语集合。

4.根据权利要求1所述的方法，其特征在于，所述采用经过训练的朴素贝叶斯分类器对所述词语集合进行判断前，还包括：

获取训练样本集合，所述训练样本集合包括多个已知类别的工单；

获取每一所述已知类别的工单中的特征词语；

获取各个工单类别在所述训练样本集合中出现的频率、每一特征词语在各工单类别出现的条件概率、以及分类错误的代价因子，从而完成对所述朴素贝叶斯分类器的训练。

5.根据权利要求4所述的方法，其特征在于，还包括：

根据分类结果的正确率调整各个工单类别在所述训练样本集合中出现的频率、每一特征词语在各工单类别出现的条件概率、以及分类错误的代价因子。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述工单类别包括：投诉类、建议类、咨询类和表扬类。

7.一种工单分类装置，其特征在于，包括：

分词模块，用于对工单进行分词，获得词语集合；

第一分类模块，用于根据词性词典获取所述词语集合中积极词性词语和消极词性词语的比例，若所述积极词性词语和消极词性词语的比例满足预设阈值，则确定所述工单为与所述预设阈值对应的工单类别；

第二分类模块，用于若所述比例不满足所述预设阈值，则采用经过训练的朴素贝叶斯分类器对所述词语集合进行判断，以获取所述工单所属的工单类别；

还包括：

第三分类模块，用于查找所述词语集合中是否包含一级决策语料库中的判定词语，其中所述一级决策语料库包括类别代表词语和/或强烈感情色彩词语，若包含，则确定所述工单为与所述判定词语对应的工单类别。

8.根据权利要求7所述的装置，其特征在于，所述第二分类模块具体用于：

采用所述贝叶斯分类器获取所述工单属于各个工单类别的概率；

根据所述工单属于各个工单类别的概率及所述积极词性词语和消极词性词语的比例确定所述工单所属的工单类别。

9.根据权利要求7所述的装置，其特征在于，所述分词模块具体用于：

对所述工单进行分词，并进行词性标注；

根据词性和/或停用词表进行过滤，从而获得所述词语集合。