CN111738596A - 工单派发方法及装置 - Google Patents
工单派发方法及装置 Download PDFInfo
- Publication number
- CN111738596A CN111738596A CN202010573447.3A CN202010573447A CN111738596A CN 111738596 A CN111738596 A CN 111738596A CN 202010573447 A CN202010573447 A CN 202010573447A CN 111738596 A CN111738596 A CN 111738596A
- Authority
- CN
- China
- Prior art keywords
- work order
- dispatching
- dispatched
- historical
- word
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000013598 vector Substances 0.000 claims abstract description 108
- 238000013507 mapping Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 101150118300 cos gene Proteins 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 101100234408 Danio rerio kif7 gene Proteins 0.000 description 1
- 101100221620 Drosophila melanogaster cos gene Proteins 0.000 description 1
- 101100398237 Xenopus tropicalis kif11 gene Proteins 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种工单派发方法及装置,该方法包括:响应工单派发请求,获取单派发请求中包含的待派发工单,依据预先构建的向量空间模型和预设的词位置权重,计算待派发工单与向量空间模型中包含的每个历史工单的相似度,将相似度最高的历史工单作为目标历史工单,若待派发工单和目标历史工单的相似度大于预设的相似度阈值,则将待派发工单派发至目标历史工单对应的派发对象。可见,本发明提供的技术方案,响应工单派发请求,自动确定目标历史工单,并当派发工单和目标历史工单的相似度大于相似度阈值时,将待派发工单派发至目标历史工单对应的派发对象,提高工单派发效率,从而提高任务处理效率。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种工单派发方法及装置。
背景技术
在企业管理中,常常通过工单派发的方式进行任务的分配,将工单派发至相关的员工,由员工执行工单中的任务。
目前,一般是由相关企业员工进行工单派发。在特殊情况下,比如企业某一批已售卖产品出现问题,会出现工单量激增的情况,当工单量过大时,往往需要消耗大量的时间成本进行工单派发,导致工单派发不及时,任务处理效率较低。
发明内容
本申请提供了一种工单派发方法及装置,目的在于解决需要消耗大量的时间成本进行工单派发,导致工单派发不及时,任务处理效率较低的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种工单派发方法,包括:
响应工单派发请求,获取所述工单派发请求中包含的待派发工单;
依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与所述向量空间模型中包含的每个历史工单的相似度;
将相似度最高的历史工单作为目标历史工单;
若所述待派发工单和所述目标历史工单的相似度大于预设的相似度阈值,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
上述的方法,可选的,所述向量空间模型的构建过程,包括:
收集工单数据集;所述工单数据集中包括多个历史工单,以及每个历史工单各自对应的派发对象;每个所述历史工单包括标题部分和正文部分;
对每个所述历史工单进行分词,得到每个所述历史工单对应的多个标题词汇和正文词汇;
对各个标题词汇和各个正文词汇分别进行词频统计,得到每个标题词汇各自对应的词频、以及每个正文词汇各自对应的词频;
针对每个标题词汇,依据所述标题词汇的词频,将所述标题词汇映射为标题词向量;
针对每个正文词汇,依据所述正文词汇的词频,将所述正文词汇映射为正文词向量;
依据每个所述历史工单中包含的各个标题词汇对应的向量、每个所述历史工单中包含的各个正文词汇对应的词向量、以及所述历史工单对应得派发对象,构建向量空间模型。
上述的方法,可选的,所述词位置权重包括标题词汇的词位置权重和正文词汇的词位置权重,所述依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与向量空间模型中包含的每个历史工单的相似度,包括:
依据向量空间模型中存储的每个历史工单中包含的各个标题词汇的词向量、以及预设的每个所述标题词汇的词位置权重,计算所述待派发工单与每个所述历史工单的标题相似度;
依据所述向量空间模型中存储的每个历史工单中包含的各个正文词汇的词向量、以及预设的每个正文词汇的词位置权重,计算所述待派发工单与每个所述历史工单的正文相似度;
依据所述待派发工单与每个所述历史工单的标题相似度、以及所述待派发工单与每个所述历史工单的正文相似度,计算所述待派发工单与每个所述历史工单的相似度。
上述的方法,可选的,所述将所述待派发工单派发至所述目标历史工单对应的派发对象,包括:
判断所述目标历史工单对应的派发对象是否为多个;
若所述目标历史工单对应的派发对象为多个,则基于每个派发对象的各个关键词,从多个派发对象中选择一个派发对象确定为目标对象,并将所述待派发工单派发至所述目标对象;其中,每个派发对象的关键词为所述派发对象对应的历史工单包含的各个词汇中,词频大于预设数值的词汇,所述词汇包括标题词汇和正文词汇;
若所述目标历史工单对应的派发对象不为多个,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
上述的方法,可选的,所述基于每个派发对象的关键词,从多个派发对象中选择一个派发对象确定为目标对象,包括:
计算每个派发对象的各个关键词与所述待派发工单中包含的各个词汇的匹配度;
将最高的匹配度所对应的派发对象确定为目标对象。
一种工单派发装置,包括:
获取单元,用于响应工单派发请求,获取所述工单派发请求中包含的待派发工单;
计算单元,用于依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与所述向量空间模型中包含的每个历史工单的相似度;
确定单元,用于将相似度最高的历史工单作为目标历史工单;
派发单元,用于若所述待派发工单和所述目标历史工单的相似度大于预设的相似度阈值,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
上述的装置,可选的,还包括:
收集单元,用于收集工单数据集;所述工单数据集中包括多个历史工单,以及每个历史工单各自对应的派发对象;每个所述历史工单包括标题部分和正文部分;
分词单元,用于对每个所述历史工单进行分词,得到每个所述历史工单对应的多个标题词汇和正文词汇;
统计单元,用于对各个标题词汇和各个正文词汇分别进行词频统计,得到每个标题词汇各自对应的词频、以及每个正文词汇各自对应的词频;
第一映射单元,用于针对每个标题词汇,依据所述标题词汇的词频,将所述标题词汇映射为标题词向量;
第二映射单元,用于针对每个正文词汇,依据所述正文词汇的词频,将所述正文词汇映射为正文词向量;
构建单元,用于依据每个所述历史工单中包含的各个标题词汇对应的向量、每个所述历史工单中包含的各个正文词汇对应的词向量、以及所述历史工单对应得派发对象,构建向量空间模型。
上述的装置,可选的,所述词位置权重包括标题词汇的词位置权重和正文词汇的词位置权重,所述计算单元执行依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与向量空间模型中包含的每个历史工单的相似度,用于:
依据向量空间模型中存储的每个历史工单中包含的各个标题词汇的词向量、以及预设的每个所述标题词汇的词位置权重,计算所述待派发工单与每个所述历史工单的标题相似度;
依据所述向量空间模型中存储的每个历史工单中包含的各个正文词汇的词向量、以及预设的每个正文词汇的词位置权重,计算所述待派发工单与每个所述历史工单的正文相似度;
依据所述待派发工单与每个所述历史工单的标题相似度、以及所述待派发工单与每个所述历史工单的正文相似度,计算所述待派发工单与每个所述历史工单的相似度。
上述的装置,可选的,所述派发单元,包括:
判断子单元,用于判断所述目标历史工单对应的派发对象是否为多个;
第一派发子单元,用于若所述目标历史工单对应的派发对象为多个,则基于每个派发对象的各个关键词,从多个派发对象中选择一个派发对象确定为目标对象,并将所述待派发工单派发至所述目标对象;其中,每个派发对象的关键词为所述派发对象对应的历史工单包含的各个词汇中,词频大于预设数值的词汇,所述词汇包括标题词汇和正文词汇;
第二派发子单元,用于若所述目标历史工单对应的派发对象不为多个,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
上述的装置,可选的,所述第一派发子单元执行基于每个派发对象的关键词,从多个派发对象中选择一个派发对象确定为目标对象,用于:
计算每个派发对象的各个关键词与所述待派发工单中包含的各个词汇的匹配度;
将最高的匹配度所对应的派发对象确定为目标对象。
一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述的工单派发方法。
一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行上述的工单派发方法。
与现有技术相比,本发明包括以下优点:
本发明提供了一种工单派发方法及装置,该方法包括:响应工单派发请求,获取单派发请求中包含的待派发工单,依据预先构建的向量空间模型和预设的词位置权重,计算待派发工单与向量空间模型中包含的每个历史工单的相似度,将相似度最高的历史工单作为目标历史工单,若待派发工单和目标历史工单的相似度大于预设的相似度阈值,则将待派发工单派发至目标历史工单对应的派发对象。可见,本发明提供的技术方案,响应工单派发请求,自动确定目标历史工单,并当派发工单和目标历史工单的相似度大于相似度阈值时,将待派发工单派发至目标历史工单对应的派发对象,提高工单派发效率,从而提高任务处理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种工单派发方法的方法流程图;
图2为本发明提供的一种工单派发方法的又一方法流程图;
图3为本发明提供的一种工单派发方法的另一方法流程图;
图4为本发明提供的一种工单派发装置的结构示意图;
图5为本发明提供的一种电子设备的结构示意图。
具体实施方式
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,都属于本发明保护的范围。
本发明实施例提供了一种工单派发方法,该方法可以应用在多种系统平台,其执行主体可以为运行在计算机上的处理器,所述工单派发方法的流程图如图1所示,具体包括:
S101、响应工单派发请求,获取工单派发请求中包含的待派发工单。
响应工单派发请求,获取工单派发请求中包含的待派发工单,其中,用户可以通过多个渠道发送工单派发请求,可选的,渠道包括但不限于网页、APP、和API,当接收到用户发送的工单派发请求时,对该工单派发请求进行响应,获取工单派发请求中包含的待派发工单。
S102、依据预先构建的向量空间模型和预设的词位置权重,计算待派发工单与向量空间模型中包含的每个历史工单的相似度。
预先构建向量空间模型,其中,向量空间模型的构建过程,参与图2,具体包括:
S201、收集工单数据集。
收集工单数据集,工单数据集中包括多个历史工单、以及每个历史工单对应的派发对象,每个历史工单包括标题部分和正文部分。
可选的,历史工单可以是一年内的工单。
可选的,可以通过全文搜索引擎收集工单数据集。
S202、对每个历史工单进行分词,得到每个历史工单对应的多个标题词汇和正文词汇。
对每个历史工单中包含的标题部分和正文部分分别进行分词,得到每个历史工单对应的多个标题词汇、以及每个历史工单对应的多个正文词汇。
可选的,可以先分词结果进行数据预处理,去除标题词汇和正文词汇中的停用词、语气词和无意义词等,以提高数据质量。
需要说明的是,对每个历史工单进行分词所采用的分词方法为现技术,请参考现有的分词方法,此处不再赘述。
S203、对各个标题词汇和各个正文词汇分别进行词频统计,得到每个标题词汇各自对应的词频、以及每个正文词汇各自对应的词频。
对各个标题词汇进行词频统计,得到每个标题词汇各自对应的词频,以及对各个正文词汇进行词频统计,得到每个正文词汇各自对应的词频,可选的,可以采用反向文档频率统计每个正文词汇在各个历史工单对应的正文词汇中出现的频率,以及统计每个标题词汇在各个历史工单对应的标题词汇中出现的频率。
可选的,还可以针对每个派发对象对应的各个历史工单,统计每个派发对象对应的关键词,也就是针对派发对象对应的各个历史工单中包含的每个标题词汇的词频,若该标题词汇的词频大于预设数值,则将该标题词汇作为该派发对象对应的关键词,针对派发对象对应的各个历史工单中包含的每个正文词汇的词频,若该正文词汇的词频大于预设数值,则将正文词汇作为该派发对象定的关键词。
需要说明的是,每个派发对象对应的关键词用于指示该派发对象经常处理该关键词相关的工单。
S204、针对每个标题词汇,依据标题词汇的词频,将标题词汇映射为标题词向量。
S205、针对每个正文词汇,依据正文词汇的词频,将正文词汇映射为正文词向量。
S206、依据每个历史工单中包含的各个标题词汇对应的向量、每个历史工单中包含的各个正文词汇对应的词向量、以及历史工单对应得派发对象,构建向量空间模型。
依据每个历史工单中包含的各个标题词汇对应的向量和各个正文词汇对应的向量、以及历史工单对应的派发对象,构建向量空间模型。在向量空间模型中,每个标题词汇和各个正文词以向量的形式表示。
本发明实施例提供的方法中,对待派发工单进行分词处理,并依据向量空间模型和预设的词位置权重,以及结合余弦相似度,计算待派发工单与向量空间模型中包含的每个历史工单的相似度。
S103:将相似度最高的历史工单作为目标历史工单。
依据待派发工单与向量空间模型中包含的每个历史工单的相似度,按照相似度从高到低或者从低到高的顺序,对各个历史工单进行排序,并从已排序的历史工单中,选取第一个或最后一个历史工单作为目标历史工单,其中,若按照相似度从高到底的顺序进行排序,则选取第一个历史工单作为目标历史工单;若按照相似度从低到高的顺序进行排序,则选择最后一个历史工单作为目标历史工单。需要说明的是,目标历史工单为各个历史工单中,与待派发工单相似度最高的历史工单。
S104、若待派发工单和目标历史工单的相似度大于预设的相似度阈值,则将待派发工单派发至目标历史工单对应的派发对象。
判断待派发工单和目标历史工单的相似度是否大于预设的相似度阈值,若大于,则将待派发工单派发至目标历史工单对应的派发对象,若不大于,则触发人工派发该待派发工单。
将待派发工单派发至目标历史工单对应的派发对象的过程,包括:
判断目标历史工单对应的派发对象是否为多个;
若目标历史工单对应的派发对象为多个,则基于每个派发对象的各个关键词,从多个派发对象中选择一个派发对象确定为目标对象,并将待派发工单派发至目标对象;
若目标历史工单对应的派发对象不为多个,则将待派发工单派发至目标历史工单对应的派发对象。
本发明实施例提供的方法中,可能存在多个历史工单为相同的工单的情况,由此导致可能存在待派发工单和多个历史工单的相似度是相同,若待派发工单和多个历史工单的相似度是相同的,且该相似度为最高的,则所确定的目标历史工单为多个,在所确定的目标历史工单为多个的情况下,目标历史工单对应的派发对象也为多个。
判断目标历史工单对应的派发对象是否为多个,若目标历史工单对应的派发对象为多个,则需要从多个派发对象中确定出一个派发对象作为目标对象,可选的,可以依据每个派发对象对应的关键词,从多个派发对象中确定目标对象,每个派发对象对应的关键词为派发对象对应的历史工单包含的各个词汇中,词频大于预设数值的词汇,词汇包括标题词汇和正文词汇,也就是说,每个派发对象对应的关键词为该派发对象对应的历史工单包含的各个标题词汇和正文词汇中,词频大于预设数值的标题词汇和正文词汇;若目标历史工单对应的派发对象不为多个,也就是一个,则直接将待派发工单派发至该目标历史工单对应的派发对象。
其中,依据每个派发对象对应的关键词,从多个派发对象中确定目标对象的具体过程包括:
计算每个派发对象的各个关键词与待派发工单中包含的各个词汇的匹配度;
将最高的匹配度所对应的派发对象确定为目标对象。
本发明实施提供的方法中,将每个派发对象的各个关键词分别与待派发工单中包含的各个词汇进行匹配,计算匹配度,将最高的匹配度所对应的派发对象确定为目标对象。其中,匹配度用于指示派发对象的各个关键词与待派发工单中包含的各个词汇的匹配程度。
对上述提及的从多个派发对象中确定目标对象的具体过程进行举例说明如下:
派发对象A的关键词包括关键词a、关键词b和关键c,派发对象B的关键词包括关键词c、关键词e和关键f,待派发工单中包含的词汇为a、b、e、h,则待派发工单中包含的词汇与派发对象A的各个关键词的匹配度为50%,待派发工单中包含的词汇与派发对象A的各个关键词的匹配度为25%,则确定待派发对象A为目标对象。
本发明实施例提供的工单派发方法,响应工单派发请求,获取单派发请求中包含的待派发工单,依据预先构建的向量空间模型和预设的词位置权重,计算待派发工单与向量空间模型中包含的每个历史工单的相似度,将相似度最高的历史工单作为目标历史工单,若待派发工单和目标历史工单的相似度大于预设的相似度阈值,则将待派发工单派发至目标历史工单对应的派发对象。应用本发明实施例提供的工单派发方法,响应工单派发请求,自动确定目标历史工单,并当派发工单和目标历史工单的相似度大于相似度阈值时,将待派发工单派发至目标历史工单对应的派发对象,提高工单派发效率,从而提高任务处理效率。
上述本发明实施例图1提及的词权重包括标题词汇的词位置权重和正文词汇的词位置权重,步骤S102涉及到的依据预先构建的向量空间模型和预设的词位置权重,计算待派发工单与向量空间模型中包含的每个历史工单的相似度,流程图如图3所示,包括以下步骤:
S301、依据向量空间模型中存储的每个历史工单中包含的各个标题词汇的词向量、以及预设的每个标题词汇的词位置权重,计算待派发工单与每个历史工单的标题相似度。
在计算待派发工单与每个历史工单的标题相似度之前,还包括,对待派发工单进行分词,得到待派发工单对应的多个词汇,并将待派发工单对应的每个词汇映射为词向量,基于待派发工单对应的每个词汇的词向量、向量空间模型中存储的每个历史工单中包含的各个标题词汇的词向量、以及预设的每个标题词汇的词位置权重,计算待派发工单与每个历史工单的标题相似度。
其中,可以通过以下公式计算待派发工单与历史工单的单个标题词汇的相似度:
其中,mi表示待派发工单的第i个标题词汇的词向量,nj表示历史工单的第j个标题词汇的词向量,cos(mi,nj)表示mi和nj的相似度。
本发明实施例提供的方法中,待派发工单与历史工单的标题相似度与每个标题词汇的相似度和词位置权重相关,例如,待派发工单包括标题词汇A1、标题词汇B1、标题词汇C1,历史工单a包括标题词汇A2、标题词汇B2和标题词汇C2,若A2对应的词位置权重为w1、B2对应的词位置权重为w2、C2对应的词位置权重为w3,A1与A2的相似度为cos1,B1与B2的相似度度为cos2,C1与C2的相似度为cos3,则待派发工单与历史工单的标题相似度=cos1*w1+cos2*w2+cos3*w3。
S302、依据向量空间模型中存储的每个历史工单中包含的各个正文词汇的词向量、以及预设的每个正文词汇的词位置权重,计算待派发工单与每个历史工单的正文相似度。
本发明实施例提供的方法中,待派发工单与每个历史工单的正文相似度的计算过程同待派发工单与每个历史工单的标题相似度的计算过程类似,此处不再赘述。
S303、依据待派发工单与每个历史工单的标题相似度、以及待派发工单与每个历史工单的正文相似度,计算待派发工单与每个历史工单的相似度。
针对每个历史工单,计算该历史工单的标题相似度叠加上该历史工单的正文相似度,得到该历史工单与待派发工单的相似度,可选的,可以是直接将该历史工单的标题相似度叠加上该历史工单的正文相似度,也可以按照预设百分比,将该历史工单的标题相似度叠加上该历史工的正文相似度,例如可以预先设定标题百分比为40%和正文百分比为60%,在计算得到该历史工单与待派发工单的标题相似度和正文相似度之后,将标题相似度*40%加上正文相似度*60%,得到该历史工单与待派发工单的相似度。
本发明实施例提供的工单派发方法中,依据向量空间模型中存储的每个历史工单的中包含的各个标题词汇和正文词汇的词向量、以及标题词汇的词位置权重和正文词汇的词位置权重,计算待派发工单与每个历史工单的标题相似度和正文相似度,针对每个历史工单,将该历史工单的标题相似度叠加上该历史工单的正文相似度,得到该历史工单与待派发工单的相似度。发明人研究发现工单中的不同位置的标题词汇的重要程度不同、以及不同位置的正文词汇的重要程度也不同,因此基于词位置权重计算相似度,能够提高确定目标历史工单的准确度。
与图1所述的方法相对应,本发明实施例还提供了一种工单派发装置,用于对图1中方法的具体实现,其结构示意图如图4所示,具体包括:
获取单元401,用于响应工单派发请求,获取所述工单派发请求中包含的待派发工单;
计算单元402,用于依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与所述向量空间模型中包含的每个历史工单的相似度;
确定单元403,用于将相似度最高的历史工单作为目标历史工单;
派发单元404,用于若所述待派发工单和所述目标历史工单的相似度大于预设的相似度阈值,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
本发明实施例提供的工单派发装置,响应工单派发请求,获取单派发请求中包含的待派发工单,依据预先构建的向量空间模型和预设的词位置权重,计算待派发工单与向量空间模型中包含的每个历史工单的相似度,将相似度最高的历史工单作为目标历史工单,若待派发工单和目标历史工单的相似度大于预设的相似度阈值,则将待派发工单派发至目标历史工单对应的派发对象。应用本发明实施例提供的工单派发装置,响应工单派发请求,自动确定目标历史工单,并当派发工单和目标历史工单的相似度大于相似度阈值时,将待派发工单派发至目标历史工单对应的派发对象,提高工单派发效率,从而提高任务处理效率。
在本发明的一个实施例中,基于前述方案,还可以配置为:
收集单元,用于收集工单数据集;所述工单数据集中包括多个历史工单,以及每个历史工单各自对应的派发对象;每个所述历史工单包括标题部分和正文部分;
分词单元,用于对每个所述历史工单进行分词,得到每个所述历史工单对应的多个标题词汇和正文词汇;
统计单元,用于对各个标题词汇和各个正文词汇分别进行词频统计,得到每个标题词汇各自对应的词频、以及每个正文词汇各自对应的词频;
第一映射单元,用于针对每个标题词汇,依据所述标题词汇的词频,将所述标题词汇映射为标题词向量;
第二映射单元,用于针对每个正文词汇,依据所述正文词汇的词频,将所述正文词汇映射为正文词向量;
构建单元,用于依据每个所述历史工单中包含的各个标题词汇对应的向量、每个所述历史工单中包含的各个正文词汇对应的词向量、以及所述历史工单对应得派发对象,构建向量空间模型。
在本发明的一个实施例中,基于前述方案,所述词位置权重包括标题词汇的词位置权重和正文词汇的词位置权重,计算单元402执行依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与向量空间模型中包含的每个历史工单的相似度,用于:
依据向量空间模型中存储的每个历史工单中包含的各个标题词汇的词向量、以及预设的每个所述标题词汇的词位置权重,计算所述待派发工单与每个所述历史工单的标题相似度;
依据所述向量空间模型中存储的每个历史工单中包含的各个正文词汇的词向量、以及预设的每个正文词汇的词位置权重,计算所述待派发工单与每个所述历史工单的正文相似度;
依据所述待派发工单与每个所述历史工单的标题相似度、以及所述待派发工单与每个所述历史工单的正文相似度,计算所述待派发工单与每个所述历史工单的相似度。
在本发明的一个实施例中,基于前述方案,派发单元404配置为:
判断子单元,用于判断所述目标历史工单对应的派发对象是否为多个;
第一派发子单元,用于若所述目标历史工单对应的派发对象为多个,则基于每个派发对象的各个关键词,从多个派发对象中选择一个派发对象确定为目标对象,并将所述待派发工单派发至所述目标对象;其中,每个派发对象的关键词为所述派发对象对应的历史工单包含的各个词汇中,词频大于预设数值的词汇,所述词汇包括标题词汇和正文词汇;
第二派发子单元,用于若所述目标历史工单对应的派发对象不为多个,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
在本发明的一个实施例中,基于前述方案,第一派发子单元执行基于每个派发对象的关键词,从多个派发对象中选择一个派发对象确定为目标对象,用于:
计算每个派发对象的各个关键词与所述待派发工单中包含的各个词汇的匹配度;
将最高的匹配度所对应的派发对象确定为目标对象。
本发明实施例还提供了一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述工单派发方法。
本发明实施例还提供了一种电子设备,其结构示意图如图5所示,具体包括存储器501,以及一个或者一个以上的指令502,其中一个或者一个以上指令502存储于存储器501中,且经配置以由一个或者一个以上处理器503执行所述一个或者一个以上指令502进行以下操作:
响应工单派发请求,获取所述工单派发请求中包含的待派发工单;
依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与所述向量空间模型中包含的每个历史工单的相似度;
将相似度最高的历史工单作为目标历史工单;
若所述待派发工单和所述目标历史工单的相似度大于预设的相似度阈值,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种工单派发方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种工单派发方法,其特征在于,包括:
响应工单派发请求,获取所述工单派发请求中包含的待派发工单;
依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与所述向量空间模型中包含的每个历史工单的相似度;
将相似度最高的历史工单作为目标历史工单;
若所述待派发工单和所述目标历史工单的相似度大于预设的相似度阈值,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
2.根据权利要求1所述的方法,其特征在于,所述向量空间模型的构建过程,包括:
收集工单数据集;所述工单数据集中包括多个历史工单,以及每个历史工单各自对应的派发对象;每个所述历史工单包括标题部分和正文部分;
对每个所述历史工单进行分词,得到每个所述历史工单对应的多个标题词汇和正文词汇;
对各个标题词汇和各个正文词汇分别进行词频统计,得到每个标题词汇各自对应的词频、以及每个正文词汇各自对应的词频;
针对每个标题词汇,依据所述标题词汇的词频,将所述标题词汇映射为标题词向量;
针对每个正文词汇,依据所述正文词汇的词频,将所述正文词汇映射为正文词向量;
依据每个所述历史工单中包含的各个标题词汇对应的向量、每个所述历史工单中包含的各个正文词汇对应的词向量、以及所述历史工单对应得派发对象,构建向量空间模型。
3.根据权利要求2所述的方法,其特征在于,所述词位置权重包括标题词汇的词位置权重和正文词汇的词位置权重,所述依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与向量空间模型中包含的每个历史工单的相似度,包括:
依据向量空间模型中存储的每个历史工单中包含的各个标题词汇的词向量、以及预设的每个所述标题词汇的词位置权重,计算所述待派发工单与每个所述历史工单的标题相似度;
依据所述向量空间模型中存储的每个历史工单中包含的各个正文词汇的词向量、以及预设的每个正文词汇的词位置权重,计算所述待派发工单与每个所述历史工单的正文相似度;
依据所述待派发工单与每个所述历史工单的标题相似度、以及所述待派发工单与每个所述历史工单的正文相似度,计算所述待派发工单与每个所述历史工单的相似度。
4.根据权利要求2所述的方法,其特征在于,所述将所述待派发工单派发至所述目标历史工单对应的派发对象,包括:
判断所述目标历史工单对应的派发对象是否为多个;
若所述目标历史工单对应的派发对象为多个,则基于每个派发对象的各个关键词,从多个派发对象中选择一个派发对象确定为目标对象,并将所述待派发工单派发至所述目标对象;其中,每个派发对象的关键词为所述派发对象对应的历史工单包含的各个词汇中,词频大于预设数值的词汇,所述词汇包括标题词汇和正文词汇;
若所述目标历史工单对应的派发对象不为多个,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
5.根据权利要求4所述的方法,其特征在于,所述基于每个派发对象的关键词,从多个派发对象中选择一个派发对象确定为目标对象,包括:
计算每个派发对象的各个关键词与所述待派发工单中包含的各个词汇的匹配度;
将最高的匹配度所对应的派发对象确定为目标对象。
6.一种工单派发装置,其特征在于,包括:
获取单元,用于响应工单派发请求,获取所述工单派发请求中包含的待派发工单;
计算单元,用于依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与所述向量空间模型中包含的每个历史工单的相似度;
确定单元,用于将相似度最高的历史工单作为目标历史工单;
派发单元,用于若所述待派发工单和所述目标历史工单的相似度大于预设的相似度阈值,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
7.根据权利要求6所述的装置,其特征在于,还包括:
收集单元,用于收集工单数据集;所述工单数据集中包括多个历史工单,以及每个历史工单各自对应的派发对象;每个所述历史工单包括标题部分和正文部分;
分词单元,用于对每个所述历史工单进行分词,得到每个所述历史工单对应的多个标题词汇和正文词汇;
统计单元,用于对各个标题词汇和各个正文词汇分别进行词频统计,得到每个标题词汇各自对应的词频、以及每个正文词汇各自对应的词频;
第一映射单元,用于针对每个标题词汇,依据所述标题词汇的词频,将所述标题词汇映射为标题词向量;
第二映射单元,用于针对每个正文词汇,依据所述正文词汇的词频,将所述正文词汇映射为正文词向量;
构建单元,用于依据每个所述历史工单中包含的各个标题词汇对应的向量、每个所述历史工单中包含的各个正文词汇对应的词向量、以及所述历史工单对应得派发对象,构建向量空间模型。
8.根据权利要求7所述的装置,其特征在于,所述词位置权重包括标题词汇的词位置权重和正文词汇的词位置权重,所述计算单元执行依据预先构建的向量空间模型和预设的词位置权重,计算所述待派发工单与向量空间模型中包含的每个历史工单的相似度,用于:
依据向量空间模型中存储的每个历史工单中包含的各个标题词汇的词向量、以及预设的每个所述标题词汇的词位置权重,计算所述待派发工单与每个所述历史工单的标题相似度;
依据所述向量空间模型中存储的每个历史工单中包含的各个正文词汇的词向量、以及预设的每个正文词汇的词位置权重,计算所述待派发工单与每个所述历史工单的正文相似度;
依据所述待派发工单与每个所述历史工单的标题相似度、以及所述待派发工单与每个所述历史工单的正文相似度,计算所述待派发工单与每个所述历史工单的相似度。
9.根据权利要求7所述的装置,其特征在于,所述派发单元,包括:
判断子单元,用于判断所述目标历史工单对应的派发对象是否为多个;
第一派发子单元,用于若所述目标历史工单对应的派发对象为多个,则基于每个派发对象的各个关键词,从多个派发对象中选择一个派发对象确定为目标对象,并将所述待派发工单派发至所述目标对象;其中,每个派发对象的关键词为所述派发对象对应的历史工单包含的各个词汇中,词频大于预设数值的词汇,所述词汇包括标题词汇和正文词汇;
第二派发子单元,用于若所述目标历史工单对应的派发对象不为多个,则将所述待派发工单派发至所述目标历史工单对应的派发对象。
10.根据权利要求9所述的装置,其特征在于,所述第一派发子单元执行基于每个派发对象的关键词,从多个派发对象中选择一个派发对象确定为目标对象,用于:
计算每个派发对象的各个关键词与所述待派发工单中包含的各个词汇的匹配度;
将最高的匹配度所对应的派发对象确定为目标对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010573447.3A CN111738596B (zh) | 2020-06-22 | 2020-06-22 | 工单派发方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010573447.3A CN111738596B (zh) | 2020-06-22 | 2020-06-22 | 工单派发方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738596A true CN111738596A (zh) | 2020-10-02 |
CN111738596B CN111738596B (zh) | 2024-03-22 |
Family
ID=72650307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010573447.3A Active CN111738596B (zh) | 2020-06-22 | 2020-06-22 | 工单派发方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738596B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348345A (zh) * | 2020-10-30 | 2021-02-09 | 国网山东省电力公司临沂供电公司 | 智能自动派单方法及系统 |
CN113256108A (zh) * | 2021-05-24 | 2021-08-13 | 平安普惠企业管理有限公司 | 人力资源分配方法、装置、电子设备及存储介质 |
CN114066420A (zh) * | 2021-11-18 | 2022-02-18 | 建信金融科技有限责任公司 | 工单派发方法、系统、电子设备和计算机可读介质 |
CN114116182A (zh) * | 2022-01-28 | 2022-03-01 | 南昌协达科技发展有限公司 | 一种消杀任务分配方法、装置、存储介质及设备 |
CN114548647A (zh) * | 2021-12-22 | 2022-05-27 | 广州工程技术职业学院 | 一种智能工单处理方法、装置、设备及存储介质 |
CN115499331A (zh) * | 2022-09-20 | 2022-12-20 | 苏州智能交通信息科技股份有限公司 | 智能工单处理方法、装置、设备及存储介质 |
CN116738965A (zh) * | 2023-05-25 | 2023-09-12 | 重庆亚利贝德科技咨询有限公司 | 一种科技查新委托历史数据的复用方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170206897A1 (en) * | 2016-01-18 | 2017-07-20 | Alibaba Group Holding Limited | Analyzing textual data |
CN108304379A (zh) * | 2018-01-15 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种文章识别方法、装置及存储介质 |
CN108536677A (zh) * | 2018-04-09 | 2018-09-14 | 北京信息科技大学 | 一种专利文本相似度计算方法 |
CN109885768A (zh) * | 2019-02-18 | 2019-06-14 | 中国联合网络通信集团有限公司 | 工单处理方法、装置及系统 |
CN110442873A (zh) * | 2019-08-07 | 2019-11-12 | 云南电网有限责任公司信息中心 | 一种基于cbow模型的热点工单获取方法及装置 |
WO2019227710A1 (zh) * | 2018-05-31 | 2019-12-05 | 平安科技(深圳)有限公司 | 网络舆情的分析方法、装置及计算机可读存储介质 |
CN110705245A (zh) * | 2018-07-09 | 2020-01-17 | 中国移动通信集团有限公司 | 一种获取参考处理方案的方法及装置、存储介质 |
CN110969327A (zh) * | 2018-09-30 | 2020-04-07 | 阿里巴巴集团控股有限公司 | 工单的派送方法、装置、系统及数据的处理方法 |
-
2020
- 2020-06-22 CN CN202010573447.3A patent/CN111738596B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170206897A1 (en) * | 2016-01-18 | 2017-07-20 | Alibaba Group Holding Limited | Analyzing textual data |
CN108304379A (zh) * | 2018-01-15 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种文章识别方法、装置及存储介质 |
CN108536677A (zh) * | 2018-04-09 | 2018-09-14 | 北京信息科技大学 | 一种专利文本相似度计算方法 |
WO2019227710A1 (zh) * | 2018-05-31 | 2019-12-05 | 平安科技(深圳)有限公司 | 网络舆情的分析方法、装置及计算机可读存储介质 |
CN110705245A (zh) * | 2018-07-09 | 2020-01-17 | 中国移动通信集团有限公司 | 一种获取参考处理方案的方法及装置、存储介质 |
CN110969327A (zh) * | 2018-09-30 | 2020-04-07 | 阿里巴巴集团控股有限公司 | 工单的派送方法、装置、系统及数据的处理方法 |
CN109885768A (zh) * | 2019-02-18 | 2019-06-14 | 中国联合网络通信集团有限公司 | 工单处理方法、装置及系统 |
CN110442873A (zh) * | 2019-08-07 | 2019-11-12 | 云南电网有限责任公司信息中心 | 一种基于cbow模型的热点工单获取方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348345A (zh) * | 2020-10-30 | 2021-02-09 | 国网山东省电力公司临沂供电公司 | 智能自动派单方法及系统 |
CN113256108A (zh) * | 2021-05-24 | 2021-08-13 | 平安普惠企业管理有限公司 | 人力资源分配方法、装置、电子设备及存储介质 |
CN114066420A (zh) * | 2021-11-18 | 2022-02-18 | 建信金融科技有限责任公司 | 工单派发方法、系统、电子设备和计算机可读介质 |
CN114548647A (zh) * | 2021-12-22 | 2022-05-27 | 广州工程技术职业学院 | 一种智能工单处理方法、装置、设备及存储介质 |
CN114116182A (zh) * | 2022-01-28 | 2022-03-01 | 南昌协达科技发展有限公司 | 一种消杀任务分配方法、装置、存储介质及设备 |
CN115499331A (zh) * | 2022-09-20 | 2022-12-20 | 苏州智能交通信息科技股份有限公司 | 智能工单处理方法、装置、设备及存储介质 |
CN115499331B (zh) * | 2022-09-20 | 2024-06-04 | 苏州智能交通信息科技股份有限公司 | 智能工单处理方法、装置、设备及存储介质 |
CN116738965A (zh) * | 2023-05-25 | 2023-09-12 | 重庆亚利贝德科技咨询有限公司 | 一种科技查新委托历史数据的复用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111738596B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111738596A (zh) | 工单派发方法及装置 | |
CN111797210A (zh) | 基于用户画像的信息推荐方法、装置、设备及存储介质 | |
CN111552870A (zh) | 对象推荐方法、电子装置及存储介质 | |
CN110599200B (zh) | Ota酒店的虚假地址的检测方法、系统、介质及设备 | |
CN108921587B (zh) | 一种数据处理方法、装置及服务器 | |
CN113923529A (zh) | 直播连麦方法、装置、设备以及存储介质 | |
CN111639299A (zh) | 置业顾问客户跟进绩效评估方法、系统及存储介质 | |
CN112560480B (zh) | 任务社区发现方法、装置、设备和存储介质 | |
CN116340831B (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
US8918406B2 (en) | Intelligent analysis queue construction | |
CN111553826B (zh) | 智慧城市数据处理方法 | |
CN112464081A (zh) | 项目信息匹配方法、装置以及存储介质 | |
CN116468967B (zh) | 样本图像筛选方法、装置、电子设备及存储介质 | |
CN117252362A (zh) | 基于人工智能的调度方法、装置、计算机设备及存储介质 | |
CN115935076A (zh) | 基于人工智能的旅游服务信息推送方法及系统 | |
CN116187675A (zh) | 任务分配方法、装置、设备及存储介质 | |
CN109299353A (zh) | 一种网页信息搜索方法及装置 | |
CN111767712A (zh) | 基于语言模型的业务数据筛选方法和装置、介质、设备 | |
CN111553600B (zh) | 基于大数据的智慧城市业务分配系统 | |
CN110879752B (zh) | 资源分配方法、装置、可读存储介质和电子设备 | |
CN114581130A (zh) | 基于客户画像的银行网点派号方法及装置、存储介质 | |
CN111724788B (zh) | 业务处理方法、装置及设备 | |
CN111127179B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
US9600770B1 (en) | Method for determining expertise of users in a knowledge management system | |
CN113051472B (zh) | 点击通过率预估模型的建模方法、装置、设备以及存储介质 |
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 |