[发明专利]一种基于大数据算法的工单智能派发方法

说明书

本发明公开了一种基于大数据算法的工单智能派发方法，该方法包括步骤1，获取n个承办单位的所有处理完成的历史工单数据，构建n个承办单位的初始关键词库，步骤2，根据初始关键词库，生成关键短语，构建关键短语库；步骤3，根据历史工单，训练BERT分类模型：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。该方法基于大数据的工单智能派发过程，可以快速提高工单的派发速度和派单的准确性，而且通过给出关键词和关键短语，有利于承办单位和热线工作人员快速了解市民的诉求内容，提高工单处理速度。

技术领域

本发明涉及社会治理及自然语言处理研究领域，具体涉及一种基于大数据算法的工单智能派发方法。

背景技术

在传统的热线派单工作中，需要工作人员根据工单的描述内容以及过往的处理经验确定，把不同的诉求工单分派给相应的承办单位，通过承办单位的办理来解决人们反映的诉求。随着社会的发展，工单受理量也越来越庞大，传统的分派操作会消耗大量的人力、物力和财力且准确率并不会太高。根据工单处理流程，如果分派的承办单位不准确，将会执行回退并重新分派，这个过程会大幅增加工单的处理时间。

发明内容

为了克服现有技术的不足，本发明提供了一种基于大数据算法的工单智能派发方法，通过使用大数据分类算法BERT模型和文本相似度方法，建立工单派发模型，可以快速提高工单的派发速度和派单的准确性，而且通过给出关键词和关键短语，有利于承办单位和热线工作人员快速了解市民的诉求内容，提高工单处理速度。技术方案如下：

第一方面，提供了一种基于大数据算法的工单智能派发方法，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′。