[发明专利]一种基于主题模型的诉求智能转办方法和装置

说明书

本发明实施例提供了一种基于主题模型的诉求智能转办方法和装置，本方法采用基于“TF‑IDF+LDA+历史相似诉求拟合”的主题模型方法快速准确发现新诉求数据所属办理部门。本方法主要首先通过对历史诉求数据进行数据预处理操作，主要包括数据分词、去停用词、空值数据清洗、数据规范化等。根据规范化数据的不同特征以及在实际情况下所属的不同办理部门对数据分组，其次将分组后的各办理部门数据采用TF‑IDF算法提取关键词，并对各部门数据进行关键词筛选，然后应用LDA算法训练各部门数据，构建对应的主题模型。获取一条新来诉求后，结合权重叠加、重叠主题词消除和历史相似诉求拟合对其进行匹配预测，从而快速准确预测该诉求所属办理部门。同时，此方法属于无监督训练，可更好实现诉求的智能化转办。

技术领域

本发明涉及到一种诉求智能转办方法，特别涉及一种基于主题模型的诉求智能转办方法和装置。

背景技术

随着社会服务的不断发展，社会服务中诉求受理问题愈发多样化，诉求转办的工作量也越来越大。如何快速对诉求所属部门进行预测，精确给出预测结果，最终实现诉求转办自动化处理，提升工作质量，提高分派准确率，减少人工的目的，成为当前诉求转办工作中一项急需解决的问题。

目前，诉求转办的方式大多以人工经验判断为主，诉求受理人员根据诉求的不同内容，将问题分配到不同部门。但这种方式随着诉求数据的不断变大，使业务人员逐渐呈现出工作效率低下等问题。

随着大数据挖掘技术的不断发展，相关人员研究出基于统计学、机器学习等与业务人员经验知识相融合的方法进行诉求数据的半智能化转办，统计学类方法主要基于已获取大量历史诉求数据，对数据进行数据预处理(如文本数据分词等)后，对历史数据中高频词进行统计，得到各办理部门办理工单的关键词。当得到一条新诉求数据后，首先通过关键词进行初步过滤，然后结合业务人员经验最终确定诉求所属办理部门。另一类方法主要结合自然语言处理TF-IDF算法，将大量历史诉求数据进行数据分词后，利用TF-IDF机器学习算法提取某一办理部门高频关键词，将该部门高频关键词作为转办参考模型。针对新诉求数据对模型关键词进行匹配，从而确定所属办理部门。但随着社会问题不断多样化，关键词不断增多，新词不断出现，数据愈发嘈杂，业务复杂性和各部门间职能存在交叉的状况，现有转办系统推荐的办理部门准确率不高，使业务人员在在转办时准确率降低，致使办理部门反复推诿，诉求转办效率不能满足诉求智能化转办需求。

综上所述，为满足诉求数据不断扩大，准确判断诉求所属办理部门并提高分派准确率的要求，本发明设计了一种基于主题模型的诉求智能转办方法和装置，采用基于“TF-IDF+LDA+历史相似诉求拟合”的主题模型方法快速准确发现新诉求数据所属办理部门，此方法属于无监督训练，可更好实现诉求数据的智能化转办。

发明内容

对历史诉求数据进行数据预处理操作，主要包括数据分词、去停用词、空值数据清洗、数据规范化。根据规范化数据的不同特征以及在实际情况下所属的不同办理部门对数据分组，将分组后的各办理部门数据采用TF-IDF算法提取关键词，并对各部门数据进行关键词筛选，然后应用LDA算法训练各部门数据，构建对应的主题模型。获取一条新来诉求数据后，结合权重叠加、重叠主题词消除和历史相似诉求拟合对其进行匹配预测，从而快速准确预测该诉求数据所属办理部门。

本发明所采用的技术方案如下：

一种基于主题模型的诉求智能转办方法和装置，包括以下步骤：

A.基于各不同办理部门诉求数据，采用TF-IDF算法进行特征词提取，提取出权重值大于0的关键词作为各部门核心特征词，并对各部门历史诉求数据进行关键词筛选，只保留其核心特征词。