CN111915327B - 一种基于事件特征的智能分发方法和装置 - Google Patents
一种基于事件特征的智能分发方法和装置 Download PDFInfo
- Publication number
- CN111915327B CN111915327B CN202010683216.8A CN202010683216A CN111915327B CN 111915327 B CN111915327 B CN 111915327B CN 202010683216 A CN202010683216 A CN 202010683216A CN 111915327 B CN111915327 B CN 111915327B
- Authority
- CN
- China
- Prior art keywords
- grid
- complaint
- matching
- event
- field
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000013507 mapping Methods 0.000 claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims description 47
- 238000010276 construction Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种基于事件特征的智能分发方法和装置,属于人工智能技术领域,将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算;根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理,通过执法网格员的所属领域匹配,增强了执法网格员处理案件的专业性,降低了因为人员不专业导致的耗工耗时,而且通过网格匹配决定了执法网格员距离案发地点距离近,提高了网格员到达现场处理的及时性,通过投诉发生地智能分发到社区网格员进行快速核实处理反馈,解决分发不迅速、责任不明确、反馈不及时的问题,做到多点投诉、智能分发、迅速响应。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于事件特征的智能分发方法和装置。
背景技术
随着互联网的发展,社区居民生活中遇到问题,反馈的渠道越来越多,但通过不同渠道反馈处理效率参差不齐。由于信息孤岛等原因导致执法网格员信息获取滞后,无法及时处理社区居民反馈的问题。公众在社区生活中遇到问题进行投诉,由于各方连通率不高,无法快速确定专业的执法网格员进行投诉事件的现场核查处理。
一般情况下,投诉事件受理专席和执法网格员都需要登录多个不同机关的投诉事件处理平台根据案件实际情况进行分发,执法网格员同样需要使用不同的平台了解投诉案情,处理案件。
现有方案是执法网格员登录多个投诉事件处理平台根据实际情况手工进行分发,执法网格员同样需要使用不同的平台了解投诉案情,处理案件。通过不同渠道反馈处理效率参差不齐,投诉事件分发沟通不畅,效率低下,步骤繁琐,且不利于执法网格员工作统计,增加了科学研判的工作难度。由于信息孤岛等原因导致执法网格员信息获取滞后,无法及时处理社区居民反馈的问题。
发明内容
本发明提供一种基于事件特征的智能分发方法和装置,旨在解决投诉事件快速智能分发给附近的专业领域网格员的问题,通过投诉发生地智能分发到社区网格员进行快速核实处理反馈,解决分发不迅速、责任不明确、反馈不及时的问题,做到多点投诉、智能分发、迅速响应。
本发明提供的具体技术方案如下:
一方面,本发明提供的一种基于事件特征的智能分发方法包括:
构建网格地理信息库、网格空间特征库、领域库和领域特征库,并基于所述网格地理信息库,根据网格员所属网格、管理领域,建立网格员与网格空间、领域关系的网格员特征库;
梳理执法网格员所属网格和领域,形成执法网格员特征库,并接收投诉事件和从投诉事件中获取投诉内容;
根据投诉内容确定投诉事件的地理特征词和对应位置,并利用正向和逆向中文最大匹配算法得到地理特征中文分词;
对地理特征中文分词进行地理坐标点数据关联与匹配判断,直到所有地理特征中文分词都完成匹配判断;
基于地理数据库对完成匹配的事件地理坐标点与网格地理信息库进行拓扑运算,建立投诉事件到网格地理信息库映射关系;
根据投诉内容确定投诉事件的领域特征词及对应位置,利用正向和逆向中文最大匹配算法得到投诉事件领域中文分词;
对投诉事件领域中文分词与领域库进行关联与匹配判断,直到所有投诉事件领域中文分词都完成匹配判断,建立投诉事件到领域库映射关系;
将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算;
根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理。
可选的,所述笛卡尔积匹配计算采用如下公式进行计算:w1为同一网格中网格员处理事件的权重,w2为同一领域中网格员处理事件的权重,p1为网格匹配权重,p2为领域匹配权重,n为笛卡尔积中网格员出现的次数。
可选的,所述根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理包括:
若笛卡尔积匹配计算结果大于预设阈值,则将投诉事件分发给匹配率最高的网格员进行反馈处理;
若笛卡尔积匹配计算结果小于预设阈值,则将匹配不合理的允许接收事件的网格员手动更改处置网格员,并在处置完成后更新网格员所属网格、领域关系特征库。
另一方面,本发明提供一种基于事件特征的智能分发装置包括:
构建模块,用于构建网格地理信息库、网格空间特征库、领域库和领域特征库,并基于所述网格地理信息库,根据网格员所属网格、管理领域,建立网格员与网格空间、领域关系的网格员特征库;
第一处理模块,用于梳理执法网格员所属网格和领域,形成执法网格员特征库,并接收投诉事件和从投诉事件中获取投诉内容;
第一匹配模块,用于根据投诉内容确定投诉事件的地理特征词和对应位置,并利用正向和逆向中文最大匹配算法得到地理特征中文分词;
第二匹配模块,用于对地理特征中文分词进行地理坐标点数据关联与匹配判断,直到所有地理特征中文分词都完成匹配判断;
第二处理模块,用于基于地理数据库对完成匹配的事件地理坐标点与网格地理信息库进行拓扑运算,建立投诉事件到网格地理信息库映射关系;
第三匹配模块,用于根据投诉内容确定投诉事件的领域特征词及对应位置,利用正向和逆向中文最大匹配算法得到投诉事件领域中文分词;
第四匹配模块,用于对投诉事件领域中文分词与领域库进行关联与匹配判断,直到所有投诉事件领域中文分词都完成匹配判断,建立投诉事件到领域库映射关系;
计算模块,用于将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算;
第三处理模块,用于根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理。
可选的,所述计算模块采用如下公式进行计算:w1为同一网格中网格员处理事件的权重,w2为同一领域中网格员处理事件的权重,p1为网格匹配权重,p2为领域匹配权重,n为笛卡尔积中网格员出现的次数。
可选的,所述第三处理模块具体用于:
若笛卡尔积匹配计算结果大于预设阈值,则将投诉事件分发给匹配率最高的网格员进行反馈处理;
若笛卡尔积匹配计算结果小于预设阈值,则将匹配不合理的允许接收事件的网格员手动更改处置网格员,并在处置完成后更新网格员所属网格、领域关系特征库。
本发明的有益效果如下:
本发明实施例提供的一种基于事件特征的智能分发方法和装置,通过构建网格地理信息库、网格空间特征库、领域库和领域特征库,并基于所述网格地理信息库,根据网格员所属网格、管理领域,建立网格员与网格空间、领域关系的网格员特征库;梳理执法网格员所属网格和领域,形成执法网格员特征库,并接收投诉事件和从投诉事件中获取投诉内容;根据投诉内容确定投诉事件的地理特征词和对应位置,并利用正向和逆向中文最大匹配算法得到地理特征中文分词;对地理特征中文分词进行地理坐标点数据关联与匹配判断,直到所有地理特征中文分词都完成匹配判断;基于地理数据库对完成匹配的事件地理坐标点与网格地理信息库进行拓扑运算,建立投诉事件到网格地理信息库映射关系;根据投诉内容确定投诉事件的领域特征词及对应位置,利用正向和逆向中文最大匹配算法得到投诉事件领域中文分词;对投诉事件领域中文分词与领域库进行关联与匹配判断,直到所有投诉事件领域中文分词都完成匹配判断,建立投诉事件到领域库映射关系;将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算;根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理,通过执法网格员的所属领域匹配,增强了执法网格员处理案件的专业性,降低了人员不专业导致的耗工耗时,而且通过网格匹配决定了执法网格员距离案发地点距离近,提高了网格员到达现场处理的及时性,通过投诉发生地智能分发到社区网格员进行快速核实处理反馈,解决分发不迅速、责任不明确、反馈不及时的问题,做到多点投诉、智能分发、迅速响应。
附图说明
图1为本发明实施例的一种基于事件特征的智能分发方法的流程示意图;
图2为本发明实施例的一种基于事件特征的智能分发装置的框架结构示意图。
具体实施方式
下面将结合图1和图2对本发明实施例的一种基于事件特征的智能分发方法和装置进行详细的说明。
参考图1所示,本发明实施例提供的一种基于事件特征的智能分发方法,用于解决投诉事件快速智能分发给附近的专业领域网格员的问题,可以实现多点投诉、智能分发和迅速响应,从而实现智能加速投诉事件分发处理,提高投诉事件的处理效率。其中,该智能分发方法包括如下步骤:
步骤100:构建网格地理信息库、网格空间特征库、领域库和领域特征库,并基于所述网格地理信息库,根据网格员所属网格、管理领域,建立网格员与网格空间、领域关系的网格员特征库。
步骤110:梳理执法网格员所属网格和领域,形成执法网格员特征库,并接收投诉事件和从投诉事件中获取投诉内容。
步骤120:根据投诉内容确定投诉事件的地理特征词和对应位置,并利用正向和逆向中文最大匹配算法得到地理特征中文分词。
步骤130:对地理特征中文分词进行地理坐标点数据关联与匹配判断,直到所有地理特征中文分词都完成匹配判断。
步骤140:基于地理数据库对完成匹配的事件地理坐标点与网格地理信息库进行拓扑运算,建立投诉事件到网格地理信息库映射关系。
步骤150:根据投诉内容确定投诉事件的领域特征词及对应位置,利用正向和逆向中文最大匹配算法得到投诉事件领域中文分词。
步骤160:对投诉事件领域中文分词与领域库进行关联与匹配判断,直到所有投诉事件领域中文分词都完成匹配判断,建立投诉事件到领域库映射关系。
步骤170:将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算。
步骤180:根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理。
具体的,笛卡尔积匹配计算采用如下公式进行计算:w1为同一网格中网格员处理事件的权重,w2为同一领域中网格员处理事件的权重,p1为网格匹配权重,p2为领域匹配权重,n为笛卡尔积中网格员出现的次数。
若笛卡尔积匹配计算结果大于预设阈值,则将投诉事件分发给匹配率最高的网格员进行反馈处理;若笛卡尔积匹配计算结果小于预设阈值,则将匹配不合理的允许接收事件的网格员手动更改处置网格员,并在处置完成后更新网格员所属网格、领域关系特征库。
本发明实施例提供的一种基于事件特征的智能分发方法和装置,通过构建网格地理信息库、网格空间特征库、领域库和领域特征库,并基于所述网格地理信息库,根据网格员所属网格、管理领域,建立网格员与网格空间、领域关系的网格员特征库;梳理执法网格员所属网格和领域,形成执法网格员特征库,并接收投诉事件和从投诉事件中获取投诉内容;根据投诉内容确定投诉事件的地理特征词和对应位置,并利用正向和逆向中文最大匹配算法得到地理特征中文分词;对地理特征中文分词进行地理坐标点数据关联与匹配判断,直到所有地理特征中文分词都完成匹配判断;基于地理数据库对完成匹配的事件地理坐标点与网格地理信息库进行拓扑运算,建立投诉事件到网格地理信息库映射关系;根据投诉内容确定投诉事件的领域特征词及对应位置,利用正向和逆向中文最大匹配算法得到投诉事件领域中文分词;对投诉事件领域中文分词与领域库进行关联与匹配判断,直到所有投诉事件领域中文分词都完成匹配判断,建立投诉事件到领域库映射关系;将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算;根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理,通过执法网格员的所属领域匹配,增强了执法网格员处理案件的专业性,降低了人员不专业导致的耗工耗时,而且通过网格匹配决定了执法网格员距离案发地点距离近,提高了网格员到达现场处理的及时性,通过投诉发生地智能分发到社区网格员进行快速核实处理反馈,解决分发不迅速、责任不明确、反馈不及时的问题,做到多点投诉、智能分发、迅速响应。
另一方面,参考图2所示,基于相同的发明构思,本发明实施例还提供一种基于事件特征的智能分发装置,与上述的智能分发方法属于相同的发明构思,其中,该智能分发装置包括:
构建模块100,用于构建网格地理信息库、网格空间特征库、领域库和领域特征库,并基于所述网格地理信息库,根据网格员所属网格、管理领域,建立网格员与网格空间、领域关系的网格员特征库;
第一处理模块110,用于梳理执法网格员所属网格和领域,形成执法网格员特征库,并接收投诉事件和从投诉事件中获取投诉内容;
第一匹配模块120,用于根据投诉内容确定投诉事件的地理特征词和对应位置,并利用正向和逆向中文最大匹配算法得到地理特征中文分词;
第二匹配模块130,用于对地理特征中文分词进行地理坐标点数据关联与匹配判断,直到所有地理特征中文分词都完成匹配判断;
第二处理模块140,用于基于地理数据库对完成匹配的事件地理坐标点与网格地理信息库进行拓扑运算,建立投诉事件到网格地理信息库映射关系;
第三匹配模块150,用于根据投诉内容确定投诉事件的领域特征词及对应位置,利用正向和逆向中文最大匹配算法得到投诉事件领域中文分词;
第四匹配模块160,用于对投诉事件领域中文分词与领域库进行关联与匹配判断,直到所有投诉事件领域中文分词都完成匹配判断,建立投诉事件到领域库映射关系;
计算模块170,用于将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算;
第三处理模块180,用于根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理。
可选的,计算模块170采用如下公式进行计算:w1为同一网格中网格员处理事件的权重,w2为同一领域中网格员处理事件的权重,p1为网格匹配权重,p2为领域匹配权重,n为笛卡尔积中网格员出现的次数。
可选的,第三处理模块180具体用于:
若笛卡尔积匹配计算结果大于预设阈值,则将投诉事件分发给匹配率最高的网格员进行反馈处理;
若笛卡尔积匹配计算结果小于预设阈值,则将匹配不合理的允许接收事件的网格员手动更改处置网格员,并在处置完成后更新网格员所属网格、领域关系特征库。
本发明实施例的智能分发装置通过执法网格员的所属领域匹配,增强了执法网格员处理案件的专业性,降低了因为人员不专业导致的耗工耗时,而且通过网格匹配决定了执法网格员距离案发地点距离近,提高了网格员到达现场处理的及时性,通过投诉发生地智能分发到社区网格员进行快速核实处理反馈,解决分发不迅速、责任不明确、反馈不及时的问题,做到多点投诉、智能分发、迅速响应。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种基于事件特征的智能分发方法,其特征在于,所述智能分发方法包括:
构建网格地理信息库、网格空间特征库、领域库和领域特征库,并基于所述网格地理信息库,根据网格员所属网格、管理领域,建立网格员与网格空间、领域关系的网格员特征库;
梳理执法网格员所属网格和领域,形成执法网格员特征库,并接收投诉事件和从投诉事件中获取投诉内容;
根据投诉内容确定投诉事件的地理特征词和对应位置,并利用正向和逆向中文最大匹配算法得到地理特征中文分词;
对地理特征中文分词进行地理坐标点数据关联与匹配判断,直到所有地理特征中文分词都完成匹配判断;
基于地理数据库对完成匹配的事件地理坐标点与网格地理信息库进行拓扑运算,建立投诉事件到网格地理信息库映射关系;
根据投诉内容确定投诉事件的领域特征词及对应位置,利用正向和逆向中文最大匹配算法得到投诉事件领域中文分词;
对投诉事件领域中文分词与领域库进行关联与匹配判断,直到所有投诉事件领域中文分词都完成匹配判断,建立投诉事件到领域库映射关系;
将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算;
根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理。
2.根据权利要求1所述的智能分发方法,其特征在于,所述笛卡尔积匹配计算采用如下公式进行计算:w1为同一网格中网格员处理事件的权重,w2为同一领域中网格员处理事件的权重,p1为网格匹配权重,p2为领域匹配权重,n为笛卡尔积中网格员出现的次数。
3.根据权利要求1所述的智能分发方法,其特征在于,所述根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理包括:
若笛卡尔积匹配计算结果大于预设阈值,则将投诉事件分发给匹配率最高的网格员进行反馈处理;
若笛卡尔积匹配计算结果小于预设阈值,则将匹配不合理的允许接收事件的网格员手动更改处置网格员,并在处置完成后更新网格员所属网格、领域关系特征库。
4.一种基于事件特征的智能分发装置,其特征在于,所述智能分发装置包括:
构建模块,用于构建网格地理信息库、网格空间特征库、领域库和领域特征库,并基于所述网格地理信息库,根据网格员所属网格、管理领域,建立网格员与网格空间、领域关系的网格员特征库;
第一处理模块,用于梳理执法网格员所属网格和领域,形成执法网格员特征库,并接收投诉事件和从投诉事件中获取投诉内容;
第一匹配模块,用于根据投诉内容确定投诉事件的地理特征词和对应位置,并利用正向和逆向中文最大匹配算法得到地理特征中文分词;
第二匹配模块,用于对地理特征中文分词进行地理坐标点数据关联与匹配判断,直到所有地理特征中文分词都完成匹配判断;
第二处理模块,用于基于地理数据库对完成匹配的事件地理坐标点与网格地理信息库进行拓扑运算,建立投诉事件到网格地理信息库映射关系;
第三匹配模块,用于根据投诉内容确定投诉事件的领域特征词及对应位置,利用正向和逆向中文最大匹配算法得到投诉事件领域中文分词;
第四匹配模块,用于对投诉事件领域中文分词与领域库进行关联与匹配判断,直到所有投诉事件领域中文分词都完成匹配判断,建立投诉事件到领域库映射关系;
计算模块,用于将投诉事件到网格地理信息库映射关系、投诉事件到领域库映射关系和网格员特征库分别进行笛卡尔积匹配计算;
第三处理模块,用于根据笛卡尔积匹配计算结果将投诉事件分发给匹配率最高的网格员进行处理。
5.根据权利要求4所述的智能分发装置,其特征在于,所述计算模块采用如下公式进行计算:w1为同一网格中网格员处理事件的权重,w2为同一领域中网格员处理事件的权重,p1为网格匹配权重,p2为领域匹配权重,n为笛卡尔积中网格员出现的次数。
6.根据权利要求5所述的智能分发装置,其特征在于,所述第三处理模块具体用于:
若笛卡尔积匹配计算结果大于预设阈值,则将投诉事件分发给匹配率最高的网格员进行反馈处理;
若笛卡尔积匹配计算结果小于预设阈值,则将匹配不合理的允许接收事件的网格员手动更改处置网格员,并在处置完成后更新网格员所属网格、领域关系特征库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010683216.8A CN111915327B (zh) | 2020-07-15 | 2020-07-15 | 一种基于事件特征的智能分发方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010683216.8A CN111915327B (zh) | 2020-07-15 | 2020-07-15 | 一种基于事件特征的智能分发方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111915327A CN111915327A (zh) | 2020-11-10 |
CN111915327B true CN111915327B (zh) | 2023-12-29 |
Family
ID=73280344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010683216.8A Active CN111915327B (zh) | 2020-07-15 | 2020-07-15 | 一种基于事件特征的智能分发方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915327B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673839B (zh) * | 2021-07-30 | 2023-09-19 | 安徽商信政通信息技术股份有限公司 | 智能基层事件网格化自动派发方法和基层事件处理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600298A (zh) * | 2016-12-23 | 2017-04-26 | 国网山东省电力公司信息通信公司 | 基于工单数据分析的电力信息系统客服知识库构建方法 |
CN109241240A (zh) * | 2018-08-17 | 2019-01-18 | 国家电网有限公司客户服务中心 | 电力故障报修信息自动转发方法 |
-
2020
- 2020-07-15 CN CN202010683216.8A patent/CN111915327B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600298A (zh) * | 2016-12-23 | 2017-04-26 | 国网山东省电力公司信息通信公司 | 基于工单数据分析的电力信息系统客服知识库构建方法 |
CN109241240A (zh) * | 2018-08-17 | 2019-01-18 | 国家电网有限公司客户服务中心 | 电力故障报修信息自动转发方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111915327A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105847598B (zh) | 呼叫中心多因子话务预测方法 | |
CN106709001A (zh) | 一种面向流式大数据的基数估计方法 | |
CN106952159B (zh) | 一种不动产抵押品风险控制方法、系统及存储介质 | |
CN104778532A (zh) | 智能呼叫中心管理系统及智能排班控制方法 | |
CN103116696B (zh) | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 | |
CN109254901B (zh) | 一种指标监测方法及系统 | |
CN105188030B (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
CN109918459A (zh) | 一种基于手机信令的城市中观层面实有人口统计方法 | |
CN112291807A (zh) | 一种基于深度迁移学习和跨域数据融合的无线蜂窝网络流量预测方法 | |
CN111915327B (zh) | 一种基于事件特征的智能分发方法和装置 | |
CN113033110B (zh) | 一种基于交通流模型的重点区域人员应急疏散系统及方法 | |
CN104850939A (zh) | 一种基于个人信用数据的信息管理系统及方法 | |
CN107609707A (zh) | 一种洪水预报、防灾决策方法及系统 | |
CN114492233A (zh) | 一种基于webGIS平台及考虑综合利用要求的流域水模拟方法 | |
CN110750827A (zh) | 一种基于bim的进度管理方法 | |
CN107276854B (zh) | 一种大数据下molap统计分析的方法 | |
CN112700017A (zh) | 物业维修资源分配方法、装置、计算机设备及存储介质 | |
CN106991804B (zh) | 一种基于多线路耦合的城市公交工况构建方法 | |
CN103995886B (zh) | 一种多维度产品设计知识推送框架与构建方法 | |
CN103034733A (zh) | 一种用于呼叫中心的数据监控统计方法 | |
CN106952045A (zh) | 一种标准化信息管理系统及信息管理方法 | |
CN108898172A (zh) | 一种消防网格更新方法、装置及设备 | |
CN111861397A (zh) | 一种针对客户探访的智能排班平台 | |
CN113112177A (zh) | 一种基于混合指标的台区线损处理方法及系统 | |
CN106021355B (zh) | 多张表之间的统计方法、自定义规则建立方法、装置及系统 |
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 |