[发明专利]一种基于大数据算法的工单智能派发方法

权利要求书

1.一种基于大数据算法的工单智能派发方法，其特征在于，主要包括以下步骤：

步骤1，获取n个承办单位的所有处理完成的历史工单数据，所述历史工单数据包括市民的诉求内容和承办单位的处理结果，使用LAC分词工具对n个承办单位的历史工单内容进行分词和词性标注，选出重要词性的词，使用TF-IDF算法抽取关键词，构建n个承办单位的初始关键词库K＝{K₁,K₂,..,K_n}；

步骤2，根据初始关键词库K，生成关键短语，构建关键短语库K′＝{K′₁,K′₂,..,K′_n}；短语构建时采用两个关键词组合的二元短语结构和三个关键词组合的三元短语结构；

具体为：根据关键词库K构建二元短语结构和三元短语结构，计算两个或三个词的点互信息PMI，点互信息PMI能够反映两个或三个词之间是否具有相关性，若PMI较高，说明这两个或三个词经常一起出现，具有很强的相关性，PMI计算公式如下：

其中p(a₁,a₂)表示a₁和a₂两关键词作为二元短语在承办单位办理的所有工单中同时出现的概率，p(b₁,b₂,b₃)表示b₁、b₂和b₃三个关键词词作为三元短语在承办单位办理的所有工单中同时出现的概率，p(a₁)、p(a₂)、p(b₁)、p(b₁)、p(b₁)分别表示关键词a₁、a₂、b₁、b₂、b₃在承办单位办理工单中出现的概率，若PMI(a₁,a₂)大于阈值1，则作为二元关键短语；若PMI(b₁,b₂,b₃)大于阈值2，则作为三元关键短语，若三元关键短语包含二元关键短语，则删除该二元关键短语，构建关键短语库K′；

步骤3，根据历史工单，训练BERT分类模型：将70％-90％的历史工单的诉求内容和所有承办单位的处理结果分别作为训练集，进行模型训练；将剩余(30％-10％)的历史工单的诉求内容作为测试集，进行模型测试；

步骤4，热线接收市民诉求内容，根据派发规则将诉求内容派发给承办单位，具体步骤如下：

(1)市民拨打热线反映问题后，热线会记录语音信息，通过语音识别方法将语音数据转为文本信息，得到工单内容；

通过LAC分词工具进行分词，选出重要词性的词，并去停用词，通过TF-IDF抽取关键词，并构建二元短语结构和三元短语结构，根据所有承办单位的关键短语库K′，判断构建的二元短语或三元短语是否属于关键短语库K′，若属于，直接将二元短语或三元短语作为工单内容的关键短语，并将组成短语结构的关键词进行删除，避免给出重复信息，若工单内容中的三元关键短语包含工单内容中的二元关键短语，则删除二元关键短语，根据训练的BERT模型，输入工单内容，给出概率值排名前三的承办单位O₁,O₂,O₃；

(2)分别计算工单内容的关键词、关键短语与承办单位O₁,O₂,O₃的关键词库K₁,K₂,K₃和关键短语库K′₁,K′₂,K′₃的相似度，根据三个承办单位的概率值大小以及对应相似度值的大小，选择不同的方案，派发给承办单位；

工单x和承办单位O_i相似度方法如下：

其中表示第i个关键短语，表示第j个关键词；表示关键短语是否出现在关键短语库K′_i，若出现记为1，否则为0；表示关键词是否出现在关键词库K_i，若出现记为1，否则为0。