[发明专利]基于自然语言的工单智能诊断方法、装置、设备及介质

说明书

本发明公开基于自然语言的工单智能诊断方法、装置、设备及介质。该方法包括如下步骤：获取工单样本数据；对工单样本数据进行预处理；构建工单多标签分类模型，利用工单多标签分类模型预测出输入的工单的工单类型和重要程度；根据工单的工单类型和重要程度从历史工单库中筛选出与工单的关键信息的相似度最高的历史工单，并从历史工单获取对应的工单处理信息；将工单处理信息反馈至相应工作人员。本发明建立工单多标签分类模型自动识别工单的业务类型与重要程度，且利用自然语言处理技术实现对电力工单智能诊断，能够完成自动识别电力系统故障及时进行故障定位的同时精准地从历史工单库中找到最相近的历史工单，为客服人员提供借鉴。

技术领域

本发明涉及电力运维技术领域，尤其涉及基于自然语言的工单智能诊断方法、装置、设备及介质。

背景技术

在激烈的市场竞争中，客户服务已经成为企业在市场上面临的重要问题之一，许多公司在近年迅速发展的趋势下，己意识到客户服务的重要性：让客户满意，把满足客户需求作为一切工作展开的目标和中心。结合企业各自不同的实际情况，因地制宜地建立适合本企业的客户服务中心是现阶段摆在所有企业面前的重要问题。良好的客户服务能够联系企业与客户之间的感情，维护并营造企业良好的社会形象，最终实现培养消费者对于企业和品牌忠诚度的长远目标。众所周知，电力是关系国计民生的重要基础产业，是国民经济的重要组成部分。电力企业具有规模经济特征，在一般公共服务类企业中具有显著的代表性。而客户服务工作作为电力企业的一项重要经营活动，不仅关系到电力客户的切身利益，也关系到电力企业的经营效益。电力企业的客户服务问题的解决方案对于解决全行业的客户服务问题有着广泛适用性。

目前，电力系统客服中心主要是依赖传统的人工服务方式，由电力服务工单为传导，其工单数据记录着电力客户对供电企业的诉求信息，根据工单信息描述，准确地定位用户所属类别，有利于提升客户满意度，目前对工单数据的处理方式，主要是由客服人员通过对用户诉求数据的分析，来判别用户需求信息所属的服务类型并结合工作经验来完成人员或设备的调度。这种方式缺乏有效的分析方法，严重影响信息分析和解决问题的效率，直接影响到电力系统的高效运行和发展，因此，找到一种高效的工单诊断方法来实现对工单数据进行自动、准确的处理，是电力客服系统亟待解决的主要问题。

发明内容

本发明针对传统电力客服服务数据挖掘不足、处理效率低等问题，利用自然语言处理技术实现对电力工单的智能诊断，建立工单分类模型自动识别工单的业务类型与重要程度，且充分挖掘电力工单数据的有效信息，基于工单历史库对当前问题进行智能诊断，为用户提供合适的解决方法，可以有效提升电力客服系统的故障识别性能，有助于自动识别电力系统故障，及时进行故障定位，有效弥补电力服务短板，解决电力服务痛点问题，提升地区客户的电力满意度。

为了达到上述目的，本发明的技术方案如下：

基于自然语言的工单智能诊断方法，包括如下步骤：

步骤1，获取工单样本数据；

步骤2，对工单样本数据进行预处理；

步骤3，构建工单多标签分类模型，利用工单多标签分类模型预测出输入的工单的工单类型和重要程度；

步骤4，根据工单的工单类型和重要程度从历史工单库中筛选出与工单的关键信息的相似度最高的历史工单，并从历史工单获取对应的工单处理信息；

步骤5，将所述工单处理信息反馈至相应工作人员。

优选地，所述步骤1，具体包括如下步骤：

步骤101，在时间跨度内，基于不同工区的用电量以及工单数量作为第一参考值，筛选第一工单数据；基于月份、时段和季节的用电量以及工单数量作为第二参考值，筛选第二工单数据，其中，所述时间跨度为N年，N≥3；

步骤102，将第一工单数据和第二工单数据打乱并合并，形成最终的工单样本数据。