CN112541351A - 一种住建领域政务热线工单派发方法及系统 - Google Patents
一种住建领域政务热线工单派发方法及系统 Download PDFInfo
- Publication number
- CN112541351A CN112541351A CN202011422328.4A CN202011422328A CN112541351A CN 112541351 A CN112541351 A CN 112541351A CN 202011422328 A CN202011422328 A CN 202011422328A CN 112541351 A CN112541351 A CN 112541351A
- Authority
- CN
- China
- Prior art keywords
- work order
- responsibility
- hotline
- units
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本公开提供了一种住建领域政务热线工单派发方法,所述方案通过构建住建领域专业词库,对工单内容进行分词,构建文档词条矩阵;将词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;在选择列表中优先展示所述推荐集合中的责任单位。通过自动推荐出有限的可能责任单位,工作人员只需要在这些可能责任单位中进行选择,极大的节省了工作人员的选择时间,提升了工作人员的工作效率,节省了工单派时间。
Description
技术领域
本公开属于工单派发技术领域,具体涉及一种住建领域政务热线工单派发方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
发明人发现,当前住建部门需要承接大量的12345市民诉求,这些市民诉求对应了大量政务热线工单,在具体的工单处理过程中,工作人员面临着两大困难:首先,任务量大,工作人员每天需要处理大量工单;在处理过程中,工作人员需要确定工单所属的唯一一个责任单位,即要在系统“下拉选择框”中寻找拟派发的责任单位,而可选责任单位通常在几十个以上;工作人员想要在如此多的可选责任单位中确定一个责任单位,十分费时费力。因此,如何提升工作人员的工作效率,节省工单派发时所需时间是当前有待解决的技术问题。
发明内容
本公开为了解决上述问题,提出了一种住建领域政务热线工单派发方法及系统,所述方案通过自动推荐出有限的可能责任单位,工作人员只需要在这些可能责任单位中进行选择,极大的节省了工作人员的选择时间,提升了工作人员的工作效率,节省了工单派时间。
根据本公开实施例的第一个方面,提供了一种住建领域政务热线工单派发方法,包括以下步骤:
接听热线电话,记录语音信息,将语音数据转化为文本信息,形成工单;
构建住建领域专业词库,对工单内容进行分词,基于分词结果,构建文档词条矩阵;
将所述词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;
在选择列表中优先展示所述推荐集合中的责任单位。
进一步的,所述机器学习模型采用支持向量机算法,通过所述支持向量机算法推荐出所述工单可能的一个责任单位。
进一步的,所述关联分析方法的具体步骤包括:
将所有历史工单数据导入预训练的机器学习模型中进行预测,将结果中预测错误的工单提取出来,分析每个责任单位有可能被误预测的责任单位,接着统计出推荐责任单位的频率,依据频率大小选择出前k个责任单位,关联分析提取的k个责任单位与支持向量机预测的一个责任单位,共同组成推荐的责任单位集合,此处的k为大于零的整数。
进一步的,对工单数据进行预处理的具体过程包括:构建噪音数据库,剔除工单中属于噪音数据库中的数据。
进一步的,构建住建领域专业词库,对工单内容进行分词的具体过程包括:构建住建领域的专业词库,包括自定义专业词库与停用词词库;自定义专业词库是指作为整体出现的词语,停用词库是指无意义的语气助词。
进一步的,所述住建领域专业词库内的词语分行存储,每一个词语占一行。
进一步的,基于分词结果,构建文档词条矩阵的具体过程包括:以每一个分词作为单独的一列,每一行表示的是工单内容,以词语出现次数进行排列。
根据本公开实施例的第二个方面,提供了一种住建领域政务热线工单自动派发系统,包括:
工单转化模块,被配置为获取热线电话,记录语音信息,将语音数据转化为文本信息,形成工单;
主题分析模块,被配置为构建住建领域专业词库,对工单内容进行分词,基于分词结果,构建文档词条矩阵;
责任单位推荐模块,被配置为将所述词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;
展示模块,被配置为在责任单位选择列表中优先展示所述推荐集合中的责任单位。
根据本公开实施例的第三个方面,提供了一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种住建领域政务热线工单派发方法中的步骤。
根据本公开实施例的第四个方面,提供了一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种住建领域政务热线工单派发方法中的步骤。
与现有技术相比,本公开的有益效果为:
(1)本公开所述方案通过构建住建领域专业词库,对工单内容进行分词,构建文档词条矩阵;利用预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合,基于自动推荐出的有限可能责任单位,工作人员大多数情况下只需要在这些可能责任单位中进行选择,极大的节省了工作人员的选择时间,提升了工作人员的工作效率,节省了工单派时间。
(2)本公开所述方案考虑到存在推荐集合中责任单位不存在的情况,在工单责任单位选择下拉框中仍然显示全部的责任单位,但是将推荐的特定数量的责任单位优先排列在前方,有效节省了工作人员选择责任单位的时间。
本公开附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例一中所述的一种住建领域政务热线工单派发方法流程图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本公开应用于住建领域政务热线,因此首先需要对热线处理流程进行简要说明,即:基于本方案的应用场景(即住建领域政务热线),公民拨打12345表达诉求,市长热线将公民诉求转化为工单文本信息,并转至住建部门热线平台,基本热线处理流程如下所述:
a、工作人员提供人工服务,接听电话并记录用户需求信息。
b、现有的语音识别技术已经较为普及,可以通过智能客服与用户进行交流,记录用户的语音,并通过某种语音识别框架将语音数据转化为文本信息。
c、12345市民热线的工作人员会将记录好的公民诉求形成工单,并派发至相关的单位,其中包括住房与城乡建设数字化中心,负责处理住建领域的工单。
d、住建领域政务热线工作人员在接到12345市民热线的工单之后,会标注出工单的发生地址、所述城区、行业类型以及确定责任单位。
本公开的应用场域是在热线处理流程的d阶段,需要住建领域热线工作人员确定工单需要派发的责任单位。
实施例一:
本实施例的目的是提供一种住建领域政务热线工单派发方法。
一种住建领域政务热线工单派发方法,包括:
接听热线电话,记录语音信息,将语音数据转化为文本信息,形成工单;
构建住建领域专业词库,对工单内容进行分词,基于分词结果,构建文档词条矩阵;
将所述词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;
在选择列表中优先展示所述推荐集合中的责任单位。
具体的,本部分的技术方案如下:
(1)工单数据获取。市民拨打12345反映问题后,12345热线会及时将工单转至住建领域政务热线,其中,工单数据包含公民拨打电话反映的内容。
(2)工单内容处理。住建领域政务热线会将12345市民热线转来的所有公民诉求工单(每次数量通常是100—200不等)首先导入本单位工单处理系统,之后,工单经过分词、构建文档词条矩阵、机器学习模型预测而最终推荐出预设数量的责任单位,本实施例中设定推荐责任单位的数量为5个(即通过机器学习模型预测一个,通过关联分析选择4个)。
进一步的,工单内容处理阶段,主要包含以下几方面,现详细说明:
(a)工单内容说明。12345市民热线转至的公民诉求工单,有着固定的格式,其中部分内容对于确定责任单位归属并没有实际意义,试举以下两例进行说明。
例1:“12345韩青转办:来电人反映:槐荫区保利华府2区业主,整个小区近期陆续交房,陆续安装天然气报警器,但工作人员收取报警器费用270元(每户),咨询是否必须缴纳270元报警器费用,希望相关单位落实处理,请处理。(济华燃气,华通项目部的工作人员,安装电话15168813826)12345录入时间:2018-06-28 21:27:53转办时间:2018-07-01 09:17:07”
其中,一般情况下,工单内容中会出现“12345XX转办”、“来电人反映”、“希望相关单位落实处理,请处理”以及“12345录入时间,转办时间”等内容,此部分内容对于确定工单责任单位没有价值,属于数据噪音,因此,予以剔除。
除此之外,如例2所示,部分工单中还存在“XX反馈”、“XX回退”成内容,本部分同样没有实际意义。予以剔除。
例2:“12345贾宏伟转办:贾女士来电反映:历下区解放路77号元中建国熙台小区11号楼独单元2903室,主卧飘窗漏雨,要求尽快维修,希望相关单位落实处理,请处理。历下区政府热线办理反馈:历下区住房保障管理局回退:2015年2月1日实施的《济南市物业管理办法》第十五条物业在保修期之内出现质量缺陷,由房地产开发企业负责保修。12345录入时间:2018-06-25 19:14:55转办时间:2018-07-01 09:57:17”
(b)构建起住建领域专业词库
分词是十分关键的一步,而构建起有效的词库是实现合理分词首要前提。本专利构建住建领域的专业词库,包括自定义专业词库与停用词词库。自定义专业词库是指某些词作为整体出现,如小区名、道路名,反映具体问题的事项词语等,如暖气不热;停用词库是指去除无意义的词语,如“的”、“啊”等词。
词库的构建方法采用背靠背人工编码的方法。邀请住建领域专业人士分别阅读大量的12345工单,进行人为分词。分词以后,将每人的分词结果进行比对,经商议整理出大家一致认可的分词结果。
词库的具体形式是形成txt文档,在该文档中,每一个词语占一行。
拥有了住建领域的专业词库,便可以实现精准分词,这为以后的模型训练奠定了基础。
(c)工单内容分词、构建文档词条矩阵、形成语料库
基于构建的住建领域专业词库,本专利首先对工单内容进行分词。具体的分词情况如下:
原始工单:12345贾宏伟转办:贾女士来电反映:历下区解放路77号元中建国熙台小区11号楼独单元2903室,主卧飘窗漏雨,要求尽快维修,希望相关单位落实处理,请处理。历下区政府热线办理反馈:历下区住房保障管理局回退:2015年2月1日实施的《济南市物业管理办法》第十五条物业在保修期之内出现质量缺陷,由房地产开发企业负责保修。12345录入时间:2018-06-25 19:14:55转办时间:2018-07-01 09:57:17
分词后工单:历下区解放路77号元中建国熙台小区11号楼独单元2903室主卧飘窗漏雨要求尽快维修
工单内容分词以后,便以词语的形式体现,这时就可以构建起文档词条矩阵,该矩阵是以每一个词作为单独的一列,每一行表示的是工单内容,是以词语出现次数的形式出现。
文档词条矩阵可以与对应的责任单位整合起来形成语料库,如此,语料库中就包含着每一工单分词情况,以及所属的责任单位。
(d)构建工单责任单位的机器学习预测模型
经过工单内容的分词、构建文档词条矩阵步骤,形成语料库。接下来,可以构建工单责任单位的机器学习预测模型。
具体步骤为:借助住建领域往年工单数据,这些数据已经包含诉求内容与已经明确的责任归属单位,可以作为很好的训练集,进行机器学习模型的训练;在模型的选择上,本专利比较了时兴的九种有监督机器学习模型,多次比较模型效果,最终选择支持向量机(SVM)进行模型训练。如下表1所示。
表1多种预测模型的比较结果
支持向量机(SVM)算法:支持向量机适用于二分类变量与多分类变量,在分类过程中,支持向量机是将向量映射到一个更高维的空间里,在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面,分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大,分类器的总误差越小,分类效果越好。
SVM有监督机器学习模型,仅可以推荐出一个责任单位,因此本专利采用关联分析实现5个责任单位的推荐,具体做法是:
机器学习预测模型训练完成之后,将所有往年数据导入预测模型之中,进行预测,将结果中预测错误的工单提取出来,分析某一责任单位有可能被预测模型推荐为哪几个责任单位,接着统计出推荐责任单位的频率,依据频率大小选择出前4位,关联分析提取的4个责任单位与SVM预测的1个责任单位,共实现推荐出5个责任单位。
最后,将工单预测模型植入现有工单处理系统,新的公民诉求工单,经该模型预测,推荐出责任单位。
在工作人员实际工单处理过程中,新的公民诉求工单经过热线处理流程转至住建领域工单处理系统,该系统已嵌入训练好的预测模型。因此,经过该系统转到工单处理人员手中的新的诉求工单,不仅包含公民诉求内容,而且还有每一工单对应的、预测出的5个责任单位,故在责任单位下拉选择框中,机器学习推荐的5个责任单位会出现在最前方,如此,本专利会有效节省工作人员的选择责任单位的时间。
实施例二:
本实施例的目的是提供一种住建领域政务热线工单自动派发系统。
一种住建领域政务热线工单自动派发系统,包括:
工单转化模块,被配置为获取热线电话,记录语音信息,将语音数据转化为文本信息,形成工单;
主题分析模块,被配置为构建住建领域专业词库,对工单内容进行分词,基于分词结果,构建文档词条矩阵;
责任单位推荐模块,被配置为将所述词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;
展示模块,被配置为在责任单位选择列表中优先展示所述推荐集合中的责任单位。
实施例三:
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种住建领域政务热线工单派发方法中的步骤,包括:
接听热线电话,记录语音信息,将语音数据转化为文本信息,形成工单;
构建住建领域专业词库,对工单内容进行分词,基于分词结果,构建文档词条矩阵;
将所述词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;
在选择列表中优先展示所述推荐集合中的责任单位。
实施例四:
本实施例的目的是提供一种终端设备。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种住建领域政务热线工单派发方法中的步骤,包括:
接听热线电话,记录语音信息,将语音数据转化为文本信息,形成工单;
构建住建领域专业词库,对工单内容进行分词,基于分词结果,构建文档词条矩阵;
将所述词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;
在选择列表中优先展示所述推荐集合中的责任单位。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种住建领域政务热线工单派发方法,其特征在于,包括以下步骤:
接听热线电话,记录语音信息,将语音数据转化为文本信息,形成工单;
构建住建领域专业词库,对工单内容进行分词,基于分词结果,构建文档词条矩阵;
将所述词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;
在选择列表中优先展示所述推荐集合中的责任单位。
2.如权利要求1所述的一种住建领域政务热线工单派发方法,其特征在于,所述机器学习模型采用支持向量机算法,通过所述支持向量机算法推荐出所述工单可能的一个责任单位。
3.如权利要求1所述的一种住建领域政务热线工单派发方法,其特征在于,所述关联分析方法的具体步骤包括:
将所有历史工单数据导入预训练的机器学习模型中进行预测,将结果中预测错误的工单提取出来,分析每个责任单位有可能被误预测的责任单位,接着统计出推荐责任单位的频率,依据频率大小选择出前k个责任单位,关联分析提取的k个责任单位与支持向量机预测的一个责任单位,共同组成推荐的责任单位集合,此处的k为大于零的整数。
4.如权利要求1所述的一种住建领域政务热线工单派发方法,其特征在于,对工单数据进行预处理的具体过程包括:构建噪音数据库,剔除工单中属于噪音数据库中的数据。
5.如权利要求1所述的一种住建领域政务热线工单派发方法,其特征在于,构建住建领域专业词库,对工单内容进行分词的具体过程包括:构建住建领域的专业词库,包括自定义专业词库与停用词词库;自定义专业词库是指作为整体出现的词语,停用词库是指无意义的语气助词。
6.如权利要求1所述的一种住建领域政务热线工单派发方法,其特征在于,所述住建领域专业词库内的词语分行存储,每一个词语占一行。
7.如权利要求1所述的一种住建领域政务热线工单派发方法,其特征在于,基于分词结果,构建文档词条矩阵的具体过程包括:以每一个分词作为单独的一列,每一行表示的是工单内容,以词语出现次数进行排列。
8.一种住建领域政务热线工单自动派发系统,其特征在于,包括:
工单转化模块,被配置为获取热线电话,记录语音信息,将语音数据转化为文本信息,形成工单;
主题分析模块,被配置为构建住建领域专业词库,对工单内容进行分词,基于分词结果,构建文档词条矩阵;
责任单位推荐模块,被配置为将所述词条矩阵输入预训练的机器学习模型,预测出工单的责任单位,并采用关联分析的方法选择预设数量可能的责任单位,共同组成责任单位的推荐集合;
展示模块,被配置为在选择列表中优先展示所述推荐集合中的责任单位。
9.一种计算机可读存储介质,其特征是:其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的一种住建领域政务热线工单派发方法中的步骤。
10.一种终端设备,其特征是:包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行权利要求1-7中任一项所述的一种住建领域政务热线工单派发方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422328.4A CN112541351B (zh) | 2020-12-08 | 2020-12-08 | 一种住建领域政务热线工单派发方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422328.4A CN112541351B (zh) | 2020-12-08 | 2020-12-08 | 一种住建领域政务热线工单派发方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112541351A true CN112541351A (zh) | 2021-03-23 |
CN112541351B CN112541351B (zh) | 2023-09-05 |
Family
ID=75019234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011422328.4A Active CN112541351B (zh) | 2020-12-08 | 2020-12-08 | 一种住建领域政务热线工单派发方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541351B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919811A (zh) * | 2021-10-15 | 2022-01-11 | 长三角信息智能创新研究院 | 基于强化关联的热线事件分拨方法 |
CN114003686A (zh) * | 2021-09-03 | 2022-02-01 | 深圳市维度数据科技股份有限公司 | 一种责任单位匹配方法、装置及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908716A (zh) * | 2017-11-10 | 2018-04-13 | 国网山东省电力公司电力科学研究院 | 基于词向量模型的95598工单文本挖掘方法和装置 |
CN108197194A (zh) * | 2017-12-27 | 2018-06-22 | 贵州小爱机器人科技有限公司 | 一种报案信息的处理方法及系统 |
CN108573031A (zh) * | 2018-03-26 | 2018-09-25 | 上海万行信息科技有限公司 | 一种基于内容的投诉分类方法和系统 |
CN109325116A (zh) * | 2018-08-23 | 2019-02-12 | 武大吉奥信息技术有限公司 | 一种基于深度学习的城市事件自动分类派发方法及装置 |
CN110717843A (zh) * | 2019-10-21 | 2020-01-21 | 南京大学 | 一种可复用的法条推荐框架 |
CN111078994A (zh) * | 2019-11-06 | 2020-04-28 | 珠海健康云科技有限公司 | 基于画像的医学科普文章推荐方法及系统 |
CN111191020A (zh) * | 2019-12-27 | 2020-05-22 | 江苏省人民医院(南京医科大学第一附属医院) | 基于机器学习和知识图谱的处方推荐方法和系统 |
CN111340334A (zh) * | 2020-02-12 | 2020-06-26 | 国网湖南省电力有限公司 | 一种智能工单分派方法、系统及介质 |
CN111861201A (zh) * | 2020-07-17 | 2020-10-30 | 南京汇宁桀信息科技有限公司 | 一种基于大数据分类算法的政务智能派单的方法 |
-
2020
- 2020-12-08 CN CN202011422328.4A patent/CN112541351B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908716A (zh) * | 2017-11-10 | 2018-04-13 | 国网山东省电力公司电力科学研究院 | 基于词向量模型的95598工单文本挖掘方法和装置 |
CN108197194A (zh) * | 2017-12-27 | 2018-06-22 | 贵州小爱机器人科技有限公司 | 一种报案信息的处理方法及系统 |
CN108573031A (zh) * | 2018-03-26 | 2018-09-25 | 上海万行信息科技有限公司 | 一种基于内容的投诉分类方法和系统 |
CN109325116A (zh) * | 2018-08-23 | 2019-02-12 | 武大吉奥信息技术有限公司 | 一种基于深度学习的城市事件自动分类派发方法及装置 |
CN110717843A (zh) * | 2019-10-21 | 2020-01-21 | 南京大学 | 一种可复用的法条推荐框架 |
CN111078994A (zh) * | 2019-11-06 | 2020-04-28 | 珠海健康云科技有限公司 | 基于画像的医学科普文章推荐方法及系统 |
CN111191020A (zh) * | 2019-12-27 | 2020-05-22 | 江苏省人民医院(南京医科大学第一附属医院) | 基于机器学习和知识图谱的处方推荐方法和系统 |
CN111340334A (zh) * | 2020-02-12 | 2020-06-26 | 国网湖南省电力有限公司 | 一种智能工单分派方法、系统及介质 |
CN111861201A (zh) * | 2020-07-17 | 2020-10-30 | 南京汇宁桀信息科技有限公司 | 一种基于大数据分类算法的政务智能派单的方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114003686A (zh) * | 2021-09-03 | 2022-02-01 | 深圳市维度数据科技股份有限公司 | 一种责任单位匹配方法、装置及计算机可读存储介质 |
CN113919811A (zh) * | 2021-10-15 | 2022-01-11 | 长三角信息智能创新研究院 | 基于强化关联的热线事件分拨方法 |
CN113919811B (zh) * | 2021-10-15 | 2023-01-06 | 长三角信息智能创新研究院 | 基于强化关联的热线事件分拨方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112541351B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bristow et al. | Call centre growth and location: corporate strategy and the spatial division of labour | |
CN112507116A (zh) | 基于客户应答语料的客户画像方法及其相关设备 | |
CN112001572B (zh) | 一种工单智能分派方法 | |
CN112541351A (zh) | 一种住建领域政务热线工单派发方法及系统 | |
CN108924371B (zh) | 电力客服过程中通过来电号码识别户号的方法 | |
CN112989825B (zh) | 社区事务汇聚和任务派发方法、装置、设备及存储介质 | |
CN112395404B (zh) | 一种应用于电力调度的语音关键信息提取方法 | |
CN113627566A (zh) | 一种网络诈骗的预警方法、装置和计算机设备 | |
CN115497272A (zh) | 一种基于数字化建造的工期智能化预警系统及方法 | |
CN112419096A (zh) | 基于nlp信息萃取与少样本自学习的用户用电诉求工单自动流转方法 | |
CN114780746A (zh) | 基于知识图谱的文档检索方法及其相关设备 | |
CN115935245B (zh) | 一种政务热线案件自动分类分拨方法 | |
CN112819263A (zh) | 一种调度客服的方法和装置 | |
CN108304990B (zh) | 一种停电敏感预判方法和系统 | |
CN112667777A (zh) | 一种用于客户来电诉求的分类方法 | |
CN112488736A (zh) | 一种住建领域政务热线工单数据分析方法及系统 | |
CN112862172A (zh) | 国网95598停电投诉预测方法、装置、计算机设备和存储介质 | |
CN113836898A (zh) | 一种电力系统自动派单方法 | |
CN114528395A (zh) | 一种文本字词特征双线注意力融合的风险预测方法 | |
CN114330366A (zh) | 事件抽取方法及相关装置、电子设备和存储介质 | |
CN109919675A (zh) | 基于神经网络的通讯用户升档预测概率识别方法及系统 | |
CN111797145A (zh) | 一种电力客户容忍度评价分类方法 | |
CN115936538A (zh) | 一种电网智能客服管理系统 | |
CN113538011B (zh) | 一种电力系统中非在册联系信息与在册用户的关联方法 | |
CN118035871A (zh) | 一种基于机器学习的催记数据归档存储管理方法及系统 |
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 |