CN106874134B - 工单类型的处理方法、装置及系统 - Google Patents
工单类型的处理方法、装置及系统 Download PDFInfo
- Publication number
- CN106874134B CN106874134B CN201710057617.0A CN201710057617A CN106874134B CN 106874134 B CN106874134 B CN 106874134B CN 201710057617 A CN201710057617 A CN 201710057617A CN 106874134 B CN106874134 B CN 106874134B
- Authority
- CN
- China
- Prior art keywords
- information
- voice
- error interface
- text information
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000012549 training Methods 0.000 claims description 36
- 238000012360 testing method Methods 0.000 claims description 30
- 238000012423 maintenance Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 16
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 10
- 238000013136 deep learning model Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000013439 planning Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Acoustics & Sound (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Telephonic Communication Services (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种工单类型的处理方法、装置及系统。其中，该方法包括：获取语音信息和出错界面图像信息，其中，语音信息至少包括：出错信息，出错界面图像信息至少包括：语音信息的标识信息和项目信息；分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息；将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配；如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。本发明解决了现有技术中通过人工方式对故障工单的工单类型进行判断，处理时间长，工作效率低的技术问题。
Description
技术领域
本发明涉及故障工单类型处理领域，具体而言，涉及一种工单类型的处理方法、装置及系统。
背景技术
随着国家电网信息化一级、二级部署的不断展开，国网公司与各网省公司、网省公司与各地州公司之间的协同办公和业务交流更加紧密。186服务台是网省信息通信公司为各地州提供技术支持的平台：各地州信息运维人员可以通过拨打服务台公开的服务电话反馈系统操作中遇到的问题；服务台工作人员根据地州运维人员(客户)提供的信息判断工单类型；根据工单类型向网省公司对应系统模块的技术人员派单；网省技术人员(技术顾问)与地州运维人员(客户)连线，沟通交流共同协作解决难题，提高运维人员的办公效率。
为了提升用户体验，国网公司会定期对使用的系统进行升级和完善，系统部分功能和操作随之发生改变。而运维人员由于不熟悉系统进行不当操作，系统报错业务流程无法继续，系统故障工单激增。面对工单数量的不断增加，传统的人工工单类型判断方式需要耗费大量人力和时间。
针对现有技术中通过人工方式对故障工单的工单类型进行判断，处理时间长，工作效率低的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种工单类型的处理方法、装置及系统，以至少解决现有技术中通过人工方式对故障工单的工单类型进行判断，处理时间长，工作效率低的技术问题。
根据本发明实施例的另一方面，还提供了一种工单类型的处理方法，包括：获取语音信息和出错界面图像信息，其中，语音信息至少包括：出错信息，出错界面图像信息至少包括：语音信息的标识信息和项目信息；分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息；将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配；如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。
进一步地，分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息包括：利用语音识别模型对语音信息进行识别，得到语音文本信息；利用图像识别模型对出错界面图像信息进行识别，得到出错界面文本信息。
进一步地，利用语音识别模型对语音信息进行识别，得到语音文本信息包括：对语音信息进行特征提取，得到语音特征；将语音特征进行拆分，得到第一测试集和第一训练集；基于第一训练集和对应的验证标签，生成语音识别模型；利用语音识别模型对第一测试集进行识别，得到语音文本信息。
进一步地，在对语音信息进行特征提取，得到语音特征之前，上述方法还包括：对语音信息进行时频分解，得到处理后的语音信息。
进一步地，利用图像识别模型对出错界面图像信息进行识别，得到出错界面文本信息包括：对出错界面图像信息进行特征提取，得到图像文字特征；将图像文字特征进行拆分，得到第二测试集和第二训练集；基于第二训练集和对应的验证标签，生成图像识别模型；利用图像识别模型对第二测试集进行识别，得到出错界面文本信息。
进一步地，在对出错界面图像信息进行特征提取，得到图像文字特征之前，上述方法还包括：对出错界面图像信息进行预处理，得到第一图像信息；对第一图像信息进行二值化处理，得到第二图像信息；对第二图像信息进行分割，得到处理后的出错界面图像信息。
进一步地，在得到与语音文本信息和出错界面文本信息对应的工单类型之后，上述方法还包括：根据语音文本信息和出错界面文本信息，生成故障工单；根据工单类型，将故障工单发送给对应的运维终端。
进一步地，获取语音信息和出错界面图像信息包括：对用户语音进行录制，得到语音信息；接收上传的出错界面图像信息。
进一步地，在根据工单类型，将故障工单发送给对应的运维终端之后，上述方法还包括：接收根据运维终端上传的服务评价信息；存储服务评价信息。
根据本发明实施例的另一方面，还提供了一种工单类型的处理装置，包括：获取模块，用于获取语音信息和出错界面图像信息，其中，语音信息至少包括：出错信息，出错界面图像信息至少包括：语音信息的标识信息和项目信息；识别模块，用于分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息；匹配模块，用于将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配；处理模块，用于如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。
根据本发明实施例的另一方面，还提供了一种工单类型的处理系统，包括：语音识别装置，用于获取语音信息，并对语音信息进行识别，得到语音文本信息，其中，语音信息至少包括：出错信息；图像识别装置，用于获取出错界面图像信息，并对出错界面图像信息进行识别，得到出错界面文本信息，其中，出错界面图像信息至少包括：语音信息的标识信息和项目信息；类型判断装置，分别于语音识别装置和图像识别装置连接，用于将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配，如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。
进一步地，上述系统还包括：工单派发装置，与类型判断装置连接，用于根据语音文本信息和出错界面文本信息，生成故障工单，并根据工单类型，将故障工单发送给对应的运维终端。
进一步地，上述系统还包括：工单反馈装置，与工单派发装置连接，用于接收根据运维终端上传的服务评价信息，并存储服务评价信息。
在本发明实施例中，获取语音信息和出错界面图像信息，分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息，将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配，如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。容易注意到的是，可以对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息，为工单类别预判提供数据支持，减少服务台工作量，节省人力和时间成本，缩短问题情况了解时间，解决了现有技术中通过人工方式对故障工单的工单类型进行判断，处理时间长，工作效率低的技术问题。因此，通过本发明上述实施例提供的方案，可以达到节省人力和时间成本，缩短工单类型的判断时间，提高工作效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种工单类型的处理方法的流程图；
图2是根据本发明实施例的一种可选的对语音信息进行识别的流程图；
图3是根据本发明实施例的一种可选的对出错界面图像信息进行识别的流程图；
图4是根据本发明实施例的一种可选的工单类型的处理方法的流程图；
图5是根据本发明实施例的一种工单类型的处理装置的示意图；
图6是根据本发明实施例的一种工单类型的处理系统的示意图；以及
图7是根据本发明实施例的一种可选的工单类型的处理系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种工单类型的处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种工单类型的处理方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取语音信息和出错界面图像信息，其中，语音信息至少包括：出错信息，出错界面图像信息至少包括：语音信息的标识信息和项目信息。
具体的，上述的语音信息可以是客户拨打客服电话，对系统问题进行描述，得到语音信息；上述的出错界面图像信息可以是客户发送的出错界面截图；上述的语音信息的标识信息可以是客户拨打客服电话获取到的处理编号；上述的项目信息可以为与项目相关的信息，例如，可以是WBS(工作分解结构，Work Breakdown Structure的简写)号，项目编号等。
在一种可选的方案中，可以通过在客户拨打客服电话过程中，通过智能语音方式与用户进行交流，录取客户问题描述的录音，客户可以通过Web前端界面发送出错界面截图并填写处理编号。
步骤S104，分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息。
在一种可选的方案中，可以利用深度学习模型的学习能力对客户问题描述的录音进行分析，将语音信息准确的转换成文字信息，得到语音文本信息，还可以借助深度学习模型通过特征学习识别出出错界面截图中的关键信息，将图像信息准确的转换成文字信息，得到出错界面文本信息。
步骤S106，将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配。
具体的，上述的数据库可以是预先创建的规则库，可以为每个模块构件对应的规则库，例如，ERP(企业资源计划，Enterprise Resource Planning的简写)的物资模块的关键字可以包括库存、盘点、协议库存、合同履约等。
步骤S108，如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。
在一种可选的方案中，可以将转换后的语音文本信息和出错界面文本信息，与预先创建的规则库中的关键字进行比对，若匹配，则可以得到工单类型，若不匹配，则可以由工作人员通过人工方式进行工单类型的判断。
根据本发明上述实施例，获取语音信息和出错界面图像信息，分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息，将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配，如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。容易注意到的是，可以对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息，为工单类别预判提供数据支持，减少服务台工作量，节省人力和时间成本，缩短问题情况了解时间，解决了现有技术中通过人工方式对故障工单的工单类型进行判断，处理时间长，工作效率低的技术问题。因此，通过本发明上述实施例提供的方案，可以达到节省人力和时间成本，缩短工单类型的判断时间，提高工作效率。
可选地，在本发明上述实施例中，步骤S104，分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息包括：
步骤S1042，利用语音识别模型对语音信息进行识别，得到语音文本信息。
在一种可选的方案中，可以利用语音识别技术提取语音信息中的有效信息，将语音信息准确的转换成文字信息，得到语音文本信息。
步骤S1044，利用图像识别模型对出错界面图像信息进行识别，得到出错界面文本信息。
在一种可选的方案中，可以利用图像识别技术提取出错界面截图中的关键信息，将图像信息准确的转换成文字信息，得到出错界面文本信息。
可选地，在本发明上述实施例中，步骤S1042，利用语音识别模型对语音信息进行识别，得到语音文本信息包括：
步骤S112，对语音信息进行特征提取，得到语音特征。
在一种可选的方案中，可以使用语音识别工具箱Kaldi中的特征提取工具提取语音信息生成12维MFCC(梅尔倒谱系数，Mel-scale Frequency Cepstral Coefficients的简写)特征，即得到语音特征。
步骤S114，将语音特征进行拆分，得到第一测试集和第一训练集。
在一种可选的方案中，可以采用五倍交叉法，以测试数据：训练数据＝1:4的方式拆分语音特征，构造第一测试集和第一训练集。
步骤S116，基于第一训练集和对应的验证标签，生成语音识别模型。
在一种可选的方案中，可以通过人工方式为第一训练集中每个语音特征生成对应的验证标签，可以使用第一训练集中的语音特征结合验证标签对语音识别模型进行训练，设定误差范围不断对语音识别模型进行调优，得到训练好的语音识别模型。
步骤S118，利用语音识别模型对第一测试集进行识别，得到语音文本信息。
在一种可选的方案中，可以使用训练好的语音识别模型对第一测试集中的语音特征进行语音识别，输出客户语音文本。
可选地，在本发明上述实施例中，在步骤S112，对语音信息进行特征提取，得到语音特征之前，该方法还包括：
步骤S110，对语音信息进行时频分解，得到处理后的语音信息。
在一种可选的方案中，可以借助相关技术对客户原始语音进行时频分解，常用的时频分解技术为傅里叶变换和听觉滤波器组，得到处理后的语音信息。
可选地，在本发明上述实施例中，步骤S1044，利用图像识别模型对出错界面图像信息进行识别，得到出错界面文本信息包括：
步骤S122，对出错界面图像信息进行特征提取，得到图像文字特征。
步骤S124，将图像文字特征进行拆分，得到第二测试集和第二训练集。
步骤S126，基于第二训练集和对应的验证标签，生成图像识别模型。
步骤S128，利用图像识别模型对第二测试集进行识别，得到出错界面文本信息。
在一种可选的方案中，可以提取出错界面截图中的图像文字特征，并按照一定比例构建第二训练集和第二测试集，可以通过人工方式为第二训练集中每个图像文字特征生成对应的验证标签，可以使用第二训练集中的图像文字特征结合验证标签对图像识别模型进行训练，设定误差范围不断对图像识别模型进行调优，得到训练好的图像识别模型，使用训练好的图像识别模型识别第二测试集中的图像文字特征，得到出错界面文本信息。
可选地，在本发明上述实施例中，在步骤S122，对出错界面图像信息进行特征提取，得到图像文字特征之前，该方法还包括：
步骤S132，对出错界面图像信息进行预处理，得到第一图像信息。
步骤S134，对第一图像信息进行二值化处理，得到第二图像信息。
步骤S136，对第二图像信息进行分割，得到处理后的出错界面图像信息。
在一种可选的方案中，可以对客户上传的出错界面截图进行预处理，包括去噪、图像增强等处理方式，将预处理后的第一图像信息进行图像二值化处理，并借助相关结束对二值化处理后的第二图像信息进行初步分割，并将分割后的文字进一步按照行、列进行切分，得到处理后的出错界面图像信息，并提取切分后的图像文字特征，以一定比例构建第二训练集和第二测试集。
可选地，在本发明上述实施例中，在步骤S108，得到与语音文本信息和出错界面文本信息对应的工单类型之后，该方法还包括：
步骤S142，根据语音文本信息和出错界面文本信息，生成故障工单。
步骤S144，根据工单类型，将故障工单发送给对应的运维终端。
具体的，上述的运维终端可以是技术顾问的终端设备，例如，可以是智能手机(包括Android手机和IOS手机)、平板电脑、IPAD、掌上电脑、笔记本电脑等设备。
在一种可选的方案中，186工作台的工作人员可以根据客户的语音文本信息和出错界面文本信息，生成相应的故障工单，并根据判断得到的工单类型，对故障工单进行工单派发，可以将故障工单派发给对应的技术顾问，技术顾问不需要通过电话向客户询问就能获取到客户出错详细信息，技术顾问可以与客户进行连线，指导客户解决故障。
通过上述步骤S142至步骤S144，可以根据工单类别预判结果向技术顾问派发工单，从而达到缩短问题处理时间的目的。
可选地，在本发明上述实施例中，在步骤S144，根据工单类型，将故障工单发送给对应的运维终端之后，该方法还包括：
步骤S146，接收根据运维终端上传的服务评价信息。
具体的，上述的服务评价信息可以是对技术顾问提供的服务进行评价得到的信息。
步骤S148，存储服务评价信息。
在一种可选的方案中，客户的问题得到解决后，可以登录系统对技术顾问的服务进行评价，上传服务评价信息，并将客户反馈存储到数据库中，从而可以随时查看客户工单反馈信息，即查看客户上传的服务评价信息。
通过上述步骤S146至步骤S148，客户问题得到解决后，可以自行对技术顾问的服务进行评价，代替原来的人工不定时、随机回放方式，并将客户反馈信息存储在数据库中，便于数据管理，为相关数据分析提供数据支持。
可选地，在本发明上述实施例中，步骤S102，获取语音信息和出错界面图像信息包括：
步骤S1022，对用户语音进行录制，得到语音信息。
在一种可选的方案中，客户可以拨打公开的服务电话，根据语音提示描述系统操作中遇到的问题，带语音卡的工控座机自动进行语音录制，将录制的wav格式的客户语音上传至网络服务器。
步骤S1024，接收上传的出错界面图像信息。
在一种可选的方案中，客户可以通过Web前端界面上传出错界面截图并填写问题处理编号。
图2是根据本发明实施例的一种可选的对语音信息进行识别的流程图，图3是根据本发明实施例的一种可选的对出错界面图像信息进行识别的流程图，图4是根据本发明实施例的一种可选的工单类型的处理方法的流程图，下面结合图2至图4对本发明一种优选的实施例进行详细说明。
如图2所示，对语音信息进行识别可以包括如下流程：客户拨打公开的服务电话，根据语音提示描述系统操作中遇到的问题，并得到故障处理编号，带语音卡的工控座机自动进行语音录制，将录制的wav格式的客户语音上传至网络服务器；借助相关技术对客户原始语音进行时频分解，常用的时频分解技术为傅里叶变换和听觉滤波器组；用Kaldi中的特征提取工具提取原始数据生成12维MFCC特征，并对数据做归一化处理；以测试数据：训练数据＝1:4的方式拆分处理后的数据，构造测试集和训练集；使用训练数据结合验证标签对语音识别模型进行训练，设定误差范围不断对模型进行调优；使用训练好的模型对测试语音集进行语音识别，输出客户语音文本。
如图3所示，对出错图像信息进行识别可以包括如下流程：对客户上传的出错界面截图进行预处理，包括去噪、图像增强等，将图像二值化。随后借助相关技术对图像进行初步分割，将分割后的文字进一步切分(按行、列)；提取切分后图像文字特征，以一定比例构建训练集和测试集；使用训练集和对应验证标签对图像信息提取模型进行训练，通过改变允许误差值将模型调到最优；使用训练好的模型识别训练集中的图像，得到出错界面文本信息。
如图4所示，工单类型预判可以包括如下流程：为每个模块构建对应的规则库，如ERP的项目模块的关键字有项目编号、WBS号等，物资模块的关键字有库存、盘点等，人资模块的关键字有人事、职位等，财务模块的关键字有过账、资产等，设备模块的关键字有资产联动、功能位置等；接收语音文本和出错界面文本信息，与规则库中的关键字进行比对，若匹配，则得到工单类型；若不匹配，则由工作人员人工进行工单类型判断。
实施例2
根据本发明实施例，提供了一种工单类型的处理装置的实施例。
图5是根据本发明实施例的一种工单类型的处理装置的示意图，如图5所示，该装置包括：
获取模块51，用于获取语音信息和出错界面图像信息，其中，语音信息至少包括：出错信息，出错界面图像信息至少包括：语音信息的标识信息和项目信息。
具体的，上述的语音信息可以是客户拨打客服电话，对系统问题进行描述，得到语音信息；上述的出错界面图像信息可以是客户发送的出错界面截图；上述的语音信息的标识信息可以是客户拨打客服电话获取到的处理编号；上述的项目信息可以为与项目相关的信息，例如，可以是WBS(工作分解结构，Work Breakdown Structure的简写)号，项目编号等。
在一种可选的方案中，可以通过在客户拨打客服电话过程中，通过智能语音方式与用户进行交流，录取客户问题描述的录音，客户可以通过Web前端界面发送出错界面截图并填写处理编号。
识别模块53，用于分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息。
在一种可选的方案中，可以利用深度学习模型的学习能力对客户问题描述的录音进行分析，将语音信息准确的转换成文字信息，得到语音文本信息，还可以借助深度学习模型通过特征学习识别出出错界面截图中的关键信息，将图像信息准确的转换成文字信息，得到出错界面文本信息。
匹配模块55，用于将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配。
具体的，上述的数据库可以是预先创建的规则库，可以为每个模块构件对应的规则库，例如，ERP(企业资源计划，Enterprise Resource Planning的简写)的物资模块的关键字可以包括库存、盘点、协议库存、合同履约等。
处理模块57，用于如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。
在一种可选的方案中，可以将转换后的语音文本信息和出错界面文本信息，与预先创建的规则库中的关键字进行比对，若匹配，则可以得到工单类型，若不匹配，则可以由工作人员通过人工方式进行工单类型的判断。
根据本发明上述实施例，获取语音信息和出错界面图像信息，分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息，将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配，如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。容易注意到的是，可以对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息，为工单类别预判提供数据支持，减少服务台工作量，节省人力和时间成本，缩短问题情况了解时间，解决了现有技术中通过人工方式对故障工单的工单类型进行判断，处理时间长，工作效率低的技术问题。因此，通过本发明上述实施例提供的方案，可以达到节省人力和时间成本，缩短工单类型的判断时间，提高工作效率。
实施例3
根据本发明实施例，提供了一种工单类型的处理系统的实施例。
图6是根据本发明实施例的一种工单类型的处理系统的示意图，如图6所示，该系统包括：
语音识别装置61，用于获取语音信息，并对语音信息进行识别，得到语音文本信息，其中，语音信息至少包括：出错信息。
具体的，上述的语音信息可以是客户拨打客服电话，对系统问题进行描述，得到语音信息；上述的语音信息的标识信息可以是客户拨打客服电话获取到的处理编号。
在一种可选的方案中，可以通过在客户拨打客服电话过程中，通过智能语音方式与用户进行交流，录取客户问题描述的录音，可以利用深度学习模型的学习能力对客户问题描述的录音进行分析，将语音信息准确的转换成文字信息，得到语音文本信息
图像识别装置63，用于获取出错界面图像信息，并对出错界面图像信息进行识别，得到出错界面文本信息，其中，出错界面图像信息至少包括：语音信息的标识信息和项目信息。
具体的，上述的出错界面图像信息可以是客户发送的出错界面截图；上述的项目信息可以为与项目相关的信息，例如，可以是WBS(工作分解结构，Work BreakdownStructure的简写)号，项目编号等。
在一种可选的方案中，客户可以通过Web前端界面发送出错界面截图并填写处理编号，可以利用深度学习模型的学习能力对客户问题描述的录音进行分析，将语音信息准确的转换成文字信息，得到语音文本信息
类型判断装置65，分别于语音识别装置和图像识别装置连接，用于将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配，如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。
具体的，上述的数据库可以是预先创建的规则库，可以为每个模块构件对应的规则库，例如，ERP(企业资源计划，Enterprise Resource Planning的简写)的物资模块的关键字可以包括库存、盘点、协议库存、合同履约等。
在一种可选的方案中，可以将转换后的语音文本信息和出错界面文本信息，与预先创建的规则库中的关键字进行比对，若匹配，则可以得到工单类型，若不匹配，则可以由工作人员通过人工方式进行工单类型的判断。
根据本发明上述实施例，获取语音信息和出错界面图像信息，分别对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息，将语音文本信息和出错界面文本信息与数据库中的关键字信息进行匹配，如果语音文本信息和出错界面文本信息与数据库中的关键字信息匹配成功，则得到与语音文本信息和出错界面文本信息对应的工单类型。容易注意到的是，可以对语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息，为工单类别预判提供数据支持，减少服务台工作量，节省人力和时间成本，缩短问题情况了解时间，解决了现有技术中通过人工方式对故障工单的工单类型进行判断，处理时间长，工作效率低的技术问题。因此，通过本发明上述实施例提供的方案，可以达到节省人力和时间成本，缩短工单类型的判断时间，提高工作效率。
可选地，在本发明上述实施例中，该系统还包括：
工单派发装置，与类型判断装置连接，用于根据语音文本信息和出错界面文本信息，生成故障工单，并根据工单类型，将故障工单发送给对应的运维终端。
具体的，上述的运维终端可以是技术顾问的终端设备，例如，可以是智能手机(包括Android手机和IOS手机)、平板电脑、IPAD、掌上电脑、笔记本电脑等设备。
在一种可选的放那种，186工作台的工作人员可以根据客户的语音文本信息和出错界面文本信息，生成相应的故障工单，并根据判断得到的工单类型，对故障工单进行工单派发，可以将故障工单派发给对应的技术顾问，技术顾问不需要通过电话向客户询问就能获取到客户出错详细信息，技术顾问可以与客户进行连线，指导客户解决故障。
通过上述方案，可以根据工单类别预判结果向技术顾问派发工单，从而达到缩短问题处理时间的目的。
可选地，在本发明上述实施例中，该系统还包括：
工单反馈装置，与工单派发装置连接，用于接收根据故障工单上传的服务评价信息，并存储服务评价信息。
具体的，上述的服务评价信息可以是对技术顾问提供的服务进行评价得到的信息。
在一种可选的方案中，客户的问题得到解决后，可以登录系统对技术顾问的服务进行评价，上传服务评价信息，并将客户反馈存储到数据库中，从而可以随时查看客户工单反馈信息，即查看客户上传的服务评价信息。
通过上述方案，客户问题得到解决后，可以自行对技术顾问的服务进行评价，代替原来的人工不定时、随机回放方式，并将客户反馈信息存储在数据库中，便于数据管理，为相关数据分析提供数据支持。
图7是根据本发明实施例的一种可选的工单类型的处理系统的示意图，下面结合图7对本发明一种优选的实施例进行详细说明，如图7所示，工单类型的处理系统可以包括语音分析模块(即上述的语音识别装置)、图像信息提取模块(即上述的图像识别装置)、工单类型预判模块(即上述的类型判断装置)、工单派发与反馈模块(包括上述的工单派发装置和工单反馈装置)、数据支持模块、客户与服务交互模块。语音分析模块利用深度学习模型的学习能力对客户问题描述的录音进行分析，将语音信息准确的转换成文字信息。图像信息提取模块中，客户通过Web前端界面发送出错界面截图并填写问题处理编号(通过拨打电话获取到的)，借助深度学习相关模型通过特征学习识别出图像中的关键信息，将图像信息准确的转换成文字信息。工单类型预判模块中，从语音分析模块和图像信息提取模块接收转换后的文字信息，与创建的规则库中的关键字进行比对，对系统运维工单类型进行预判。工单派发与反馈模块中，186工作台工作人员根据工单类型预判模块得到的工单类型进行工单派发；同时，查看用户对处理结果的反馈信息。数据支持模块通过数据库对整个模型中的数据进行存储和管理；客户与服务交互模块主要包括Web前端和后台管理系统，186工作台工作人员、客户、技术顾问根据不同身份登录系统：客户实现出错界面截图上传，获取处理编号；技术顾问不需要通过电话向用户询问就能获取客户出错详细信息；186工作台人员能够实现：登录后台管理系统管理用户，为用户分配权限，对系统进行设置并维护系统数据库；对无法自动判别类型的疑难单人工进行类别判断；根据工单类别预判结果向技术顾问派发工单；查看客户工单反馈信息。
通过本发明上述实施例，可以通过对客户的问题描述语音进行识别，结合从客户提交的出错界面截图中识别到的关键信息，可以具有如下优点：
1、改变传统的人工接机方式，通过智能语音方式与用户进行交流，借助语音识别技术提取录音中的有效信息，减少服务台工作量，节省人力和时间成本。
2、借助图像识别技术对客户发送的出错界面截图进行分析，不仅为工单类别预判提供数据支持，而且获取到客户目前操作相关关键信息(如项目相关：WBS号，项目编码等)，缩短问题情况了解时间，提高工作效率。
3、增加工单反馈模块，客户问题得到解决后，可以登录系统对技术顾问的服务进行评价，代替原来的人工不定时、随机回访方式。
4、对工单、客户问询语音、系统出错界面截图、客户反馈等信息统一存储在数据库中，便于数据管理，为相关数据分析提供数据支持。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种工单类型的处理方法，其特征在于，包括：
获取语音信息和出错界面图像信息，其中，所述语音信息至少包括：出错信息，所述出错界面图像信息至少包括：所述语音信息的标识信息和项目信息；
分别对所述语音信息和所述出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息；
将所述语音文本信息和所述出错界面文本信息与数据库中的关键字信息进行匹配；
如果所述语音文本信息和所述出错界面文本信息与所述数据库中的关键字信息匹配成功，则得到与所述语音文本信息和所述出错界面文本信息对应的工单类型；其中，分别对所述语音信息和所述出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息包括：
利用语音识别模型对所述语音信息进行识别，得到所述语音文本信息；
利用图像识别模型对所述出错界面图像信息进行识别，得到所述出错界面文本信息；
利用语音识别模型对所述语音信息进行识别，得到所述语音文本信息包括：对所述语音信息进行特征提取，得到语音特征；将所述语音特征进行拆分，得到第一测试集和第一训练集；基于所述第一训练集和对应的验证标签，生成所述语音识别模型；利用所述语音识别模型对所述第一测试集进行识别，得到所述语音文本信息；
利用图像识别模型对所述出错界面图像信息进行识别，得到所述出错界面文本信息包括：对所述出错界面图像信息进行特征提取，得到图像文字特征；将所述图像文字特征进行拆分，得到第二测试集和第二训练集；基于所述第二训练集和对应的验证标签，生成所述图像识别模型；利用所述图像识别模型对所述第二测试集进行识别，得到所述出错界面文本信息。
2.根据权利要求1所述的方法，其特征在于，在对所述语音信息进行特征提取，得到语音特征之前，所述方法还包括：
对所述语音信息进行时频分解，得到处理后的语音信息。
3.根据权利要求1所述的方法，其特征在于，在对所述出错界面图像信息进行特征提取，得到图像文字特征之前，所述方法还包括：
对所述出错界面图像信息进行预处理，得到第一图像信息；
对所述第一图像信息进行二值化处理，得到第二图像信息；
对所述第二图像信息进行分割，得到处理后的出错界面图像信息。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，在得到与所述语音文本信息和所述出错界面文本信息对应的工单类型之后，所述方法还包括：
根据所述语音文本信息和所述出错界面文本信息，生成故障工单；
根据所述工单类型，将所述故障工单发送给对应的运维终端。
5.根据权利要求4所述的方法，其特征在于，在根据所述工单类型，将所述故障工单发送给对应的运维终端之后，所述方法还包括：
接收根据所述故障工单上传的服务评价信息；
存储所述服务评价信息。
6.根据权利要求4所述的方法，其特征在于，获取语音信息和出错界面图像信息包括：
对用户语音进行录制，得到所述语音信息；
接收上传的所述出错界面图像信息。
7.一种工单类型的处理装置，其特征在于，包括：
获取模块，用于获取语音信息和出错界面图像信息，其中，所述语音信息至少包括：出错信息，所述出错界面图像信息至少包括：所述语音信息的标识信息和项目信息；
识别模块，用于分别对所述语音信息和出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息；
匹配模块，用于将所述语音文本信息和所述出错界面文本信息与数据库中的关键字信息进行匹配；
处理模块，用于如果所述语音文本信息和所述出错界面文本信息与所述数据库中的关键字信息匹配成功，则得到与所述语音文本信息和所述出错界面文本信息对应的工单类型；
其中，所述识别模块用于通过如下方式分别对所述语音信息和所述出错界面图像信息进行识别，得到语音文本信息和出错界面文本信息：
利用语音识别模型对所述语音信息进行识别，得到所述语音文本信息；
利用图像识别模型对所述出错界面图像信息进行识别，得到所述出错界面文本信息；
所述利用语音识别模型对所述语音信息进行识别，得到所述语音文本信息包括：对所述语音信息进行特征提取，得到语音特征；将所述语音特征进行拆分，得到第一测试集和第一训练集；基于所述第一训练集和对应的验证标签，生成所述语音识别模型；利用所述语音识别模型对所述第一测试集进行识别，得到所述语音文本信息；
所述利用图像识别模型对所述出错界面图像信息进行识别，得到所述出错界面文本信息包括：对所述出错界面图像信息进行特征提取，得到图像文字特征；将所述图像文字特征进行拆分，得到第二测试集和第二训练集；基于所述第二训练集和对应的验证标签，生成所述图像识别模型；利用所述图像识别模型对所述第二测试集进行识别，得到所述出错界面文本信息。
8.一种工单类型的处理系统，其特征在于，包括：
语音识别装置，用于获取语音信息，并对所述语音信息进行识别，得到语音文本信息，其中，所述语音信息至少包括：出错信息；
图像识别装置，用于获取出错界面图像信息，并对所述出错界面图像信息进行识别，得到出错界面文本信息，其中，所述出错界面图像信息至少包括：所述语音信息的标识信息和项目信息；
类型判断装置，分别于所述语音识别装置和所述图像识别装置连接，用于将所述语音文本信息和所述出错界面文本信息与数据库中的关键字信息进行匹配，如果所述语音文本信息和所述出错界面文本信息与所述数据库中的关键字信息匹配成功，则得到与所述语音文本信息和所述出错界面文本信息对应的工单类型；
所述语音识别装置用于通过如下方式对所述语音信息进行识别，得到所述语音文本信息包括：对所述语音信息进行特征提取，得到语音特征；将所述语音特征进行拆分，得到第一测试集和第一训练集；基于所述第一训练集和对应的验证标签，生成所述语音识别模型；利用所述语音识别模型对所述第一测试集进行识别，得到所述语音文本信息；
所述图像识别装置用于通过如下方式对所述出错界面图像信息进行识别，得到所述出错界面文本信息包括：对所述出错界面图像信息进行特征提取，得到图像文字特征；将所述图像文字特征进行拆分，得到第二测试集和第二训练集；基于所述第二训练集和对应的验证标签，生成所述图像识别模型；利用所述图像识别模型对所述第二测试集进行识别，得到所述出错界面文本信息。
9.根据权利要求8所述的系统，其特征在于，所述系统还包括：
工单派发装置，与所述类型判断装置连接，用于根据所述语音文本信息和所述出错界面文本信息，生成故障工单，并根据所述工单类型，将所述故障工单发送给对应的运维终端。
10.根据权利要求9所述的系统，其特征在于，所述系统还包括：
工单反馈装置，与所述工单派发装置连接，用于接收根据所述故障工单上传的服务评价信息，并存储所述服务评价信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710057617.0A CN106874134B (zh) | 2017-01-22 | 2017-01-22 | 工单类型的处理方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710057617.0A CN106874134B (zh) | 2017-01-22 | 2017-01-22 | 工单类型的处理方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106874134A CN106874134A (zh) | 2017-06-20 |
| CN106874134B true CN106874134B (zh) | 2020-10-27 |
Family
ID=59158958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710057617.0A Active CN106874134B (zh) | 2017-01-22 | 2017-01-22 | 工单类型的处理方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106874134B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109726372B (zh) * | 2017-10-31 | 2023-06-30 | 上海优扬新媒信息技术有限公司 | 基于通话记录的工单的生成方法、装置及计算机可读介质 |
| CN108765785A (zh) * | 2018-04-02 | 2018-11-06 | 广州供电局有限公司 | 一种远程视频柜员机vtm自助终端系统 |
| CN109658042B (zh) * | 2018-10-08 | 2023-08-25 | 平安科技（深圳）有限公司 | 基于人工智能的复审方法、装置、设备及存储介质 |
| CN109189765A (zh) * | 2018-10-18 | 2019-01-11 | 成都东谷利农农业科技有限公司 | 田间调查记录方法、装置及可读存储介质 |
| CN109214009A (zh) * | 2018-11-27 | 2019-01-15 | 国网山东省电力公司电力科学研究院 | 一种服务调度重复来电的工单文本语义向量分析方法 |
| CN109635968A (zh) * | 2019-01-21 | 2019-04-16 | 嘉兴恒创电力集团有限公司佳创综合服务分公司 | 一种基于智能客服的故障报修管理方法 |
| CN110225210A (zh) * | 2019-06-18 | 2019-09-10 | 北京智合大方科技有限公司 | 基于通话摘要自动填写工单方法及系统 |
| CN110738329A (zh) * | 2019-09-06 | 2020-01-31 | 国网浙江桐乡市供电有限公司 | 一种基于云平台的抢修告知方法 |
| CN111160806A (zh) * | 2019-12-31 | 2020-05-15 | 北京纷扬科技有限责任公司 | 一种基于图像识别算法的工单处理系统与方法 |
| WO2021142771A1 (zh) * | 2020-01-17 | 2021-07-22 | 赵玉振 | 服务工单生成方法、装置及系统 |
| CN112037763B (zh) * | 2020-08-27 | 2023-10-13 | 腾讯科技（深圳）有限公司 | 一种基于人工智能的服务测试方法及装置 |
| CN112801689A (zh) * | 2020-12-29 | 2021-05-14 | 北京电信发展有限公司 | 交互式工单智能处理系统 |
| CN114218962B (zh) * | 2021-12-16 | 2022-08-19 | 哈尔滨工业大学 | 一种固废管理信息人工智能应急语义识别系统及识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102111508A (zh) * | 2009-12-23 | 2011-06-29 | 中国移动通信集团设计院有限公司 | 一种故障处理方法、系统及故障调度设备 |
| CN102572134A (zh) * | 2010-12-30 | 2012-07-11 | 上海博泰悦臻电子设备制造有限公司 | 工单处理方法、工单建立系统以及工单处理系统 |
| CN104156833A (zh) * | 2014-08-29 | 2014-11-19 | 国家电网公司 | 加载于电力人工声讯系统的智能电力故障报修接单系统及其运行方法 |
| CN105373901A (zh) * | 2015-12-15 | 2016-03-02 | 国网北京市电力公司 | 电网故障工单的处理方法和装置及系统 |
-
2017
- 2017-01-22 CN CN201710057617.0A patent/CN106874134B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102111508A (zh) * | 2009-12-23 | 2011-06-29 | 中国移动通信集团设计院有限公司 | 一种故障处理方法、系统及故障调度设备 |
| CN102572134A (zh) * | 2010-12-30 | 2012-07-11 | 上海博泰悦臻电子设备制造有限公司 | 工单处理方法、工单建立系统以及工单处理系统 |
| CN104156833A (zh) * | 2014-08-29 | 2014-11-19 | 国家电网公司 | 加载于电力人工声讯系统的智能电力故障报修接单系统及其运行方法 |
| CN105373901A (zh) * | 2015-12-15 | 2016-03-02 | 国网北京市电力公司 | 电网故障工单的处理方法和装置及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106874134A (zh) | 2017-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106874134B (zh) | 工单类型的处理方法、装置及系统 | |
| CN108763499B (zh) | 基于智能语音的呼叫质检方法、装置、设备及存储介质 | |
| CN107784051B (zh) | 在线客服应答系统及方法 | |
| CN107872593B (zh) | 坐席分配的方法及装置 | |
| US20210224832A1 (en) | Method and apparatus for predicting customer purchase intention, electronic device and medium | |
| US10847136B2 (en) | System and method for mapping a customer journey to a category | |
| US20120330662A1 (en) | Input supporting system, method and program | |
| CN107807960B (zh) | 智能客服方法、电子装置及计算机可读存储介质 | |
| CN108764649A (zh) | 保险销售实时监控方法、装置、设备及存储介质 | |
| CN110659318A (zh) | 基于大数据的策略推送方法、系统及计算机设备 | |
| CN112235470B (zh) | 基于语音识别的来电客户跟进方法、装置及设备 | |
| CN111522947A (zh) | 一种处理投诉工单的方法和系统 | |
| CN110598008A (zh) | 录制数据的数据质检方法及装置、存储介质 | |
| CN111628896A (zh) | It运维管理方法、装置、设备及计算机存储介质 | |
| CN111126071A (zh) | 提问文本数据的确定方法、装置和客服群的数据处理方法 | |
| CN109146306B (zh) | 一种企业管理系统 | |
| CN104240107A (zh) | 社群数据筛选系统及其方法 | |
| CN113672497B (zh) | 无埋点事件的生成方法、装置、设备及存储介质 | |
| CN116303379A (zh) | 一种数据处理方法、系统及计算机储存介质 | |
| US20190213554A1 (en) | User support system with automatic message categorization | |
| CN113313615A (zh) | 一种对企业司法风险进行量化评分定级的方法及装置 | |
| CN115114073A (zh) | 告警信息的处理方法及装置、存储介质、电子设备 | |
| CN104484330A (zh) | 基于分档关键词阈值组合评估的垃圾评论预选方法及装置 | |
| CN111126503B (zh) | 一种训练样本的生成方法和装置 | |
| JP2018013819A (ja) | ビジネスマッチング支援システムおよびビジネスマッチング支援方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |