[发明专利]一种基于相似度分析的供电工单快速回复方法和系统

权利要求书

1.一种基于相似度分析的供电工单快速回复方法，其特征在于：包括

步骤1：采集工单数据；

步骤2：识别工单数据的工单类型；

步骤3：根据工单类型调用用于回复的工单模板，并对工单数据进行相似度分析，找到相似历史工单的回复。

2.根据权利要求1所述的基于相似度分析的供电工单快速回复方法，其特征在于：所述步骤2包括：

步骤2.1：构建特征词库；

步骤2.2：通过特征词库识别当前工单数据的特征词。

3.根据权利要求2所述的基于相似度分析的供电工单快速回复方法，其特征在于：所述特征词库是根据历史的工单数据中常用的特征词进行整理而得到的，并根据每个特征词在各类型工单中出现的频率组合成一个标签组；所述步骤2.1具体为：

步骤2.11：从历史工单中整理出特征词A＝[A₀,A₁,…,A_i]，A_i表示第i个特征词，A表示整理的特征词组合；

步骤2.12：计算出每个特征词在各类型工单数据中出现的次数C＝[C₀,C₁,…,C₂₈]，其中，C表示特征词出现次数的组合，工单类型包括28类；

步骤2.13：给每个特征词打上标签组，形式如下：

其中，C_j表示特征词出现第j类工单类型的次数。

4.根据权利要求2所述的基于相似度分析的供电工单快速回复方法，其特征在于：所述步骤2.2通过已经训练好的深度神经网络对工单数据进行分类，步骤2.2具体为：

步骤2.21：利用中文分词工具对工单数据中的文本内容进行分词，并去除分词后的数字、标点、特殊符号和停用词；

步骤2.22：将得到的分词内容逐一与特征词库中的特征词进行匹配；

步骤2.23：如果在特征词库中匹配到相同的特征词，则获取当前特征词在特征词库的标签组，否则将当前特征词丢弃；

步骤2.24：将获得的标签组进行组合，组合成一个28×28的矩阵，不足的部分则用0补全，超出的部分则进行丢弃；

步骤2.25：将矩阵传入已经训练好的深度卷积神经网络中，进行工单类型识别。

5.根据权利要求4所述的基于相似度分析的供电工单快速回复方法，其特征在于：所述的训练好的深度卷积神经网络是利用迁移学习将LeNet-5网络最后的分类数改为28类而得到的。

6.根据权利要求1所述的基于相似度分析的供电工单快速回复方法，其特征在于：所述步骤3为根据所述的工单类型调用对应的回复模板和回复范例，并从用户、社区、台区、线路、时间、诉求内容方面进行工单的相似度分析，找到相似历史工单；所述步骤3具体包括：

步骤3.1：从历史工单中找到该工单类型的工单数据，根据用户，社区，台区，线路的优先级次序对这些工单数据给出对应的Ⅰ类相似度系数；

步骤3.2：如果是同一用户的工单数据，相似度系数为1；如果不是同一用户，是同一社区的工单数据，则相似度系数为0.9，以此类推，同一台区的相似度系数为0.8，同一线路的相似度系数为0.7；既不满足同一用户、社区、台区、线路的，相似度系数为0.6；

步骤3.3：给出Ⅰ类相似度系数后，再根据时间对历史工单数据给出相应的Ⅱ类相似度系数；如果历史工单数据时间与该工单数据时间前后相差不大于1小时，相似度系数为1；如果前后时间相差大于1小时，不大于2小时，相似度系数为0.9；以此类推，不大于3小时，相似度系数为0.8，不大于4小时，相似度系数为0.7，不大于5小时，相似度系数为0.6；大于5小时的相似度系数统一为0.5；

步骤3.4：根据诉求内容对历史工单数据给出相应的Ⅲ类相似度系数，利用中文分词工具对分别得到工单数据和历史工单数据中诉求内容的分词数据M和N，通过下列公式计算历史工单数据的Ⅲ类相似度系数：

步骤3.5：计算历史工单数据的总体相似度系数：

J＝0.3*Ⅰ+0.2*Ⅱ+0.5*Ⅲ

总体相似度系数最高的则是最相似的历史工单。