CN113268568B - 一种基于分词技术的电力工单重复诉求分析方法 - Google Patents
一种基于分词技术的电力工单重复诉求分析方法 Download PDFInfo
- Publication number
- CN113268568B CN113268568B CN202110710087.1A CN202110710087A CN113268568B CN 113268568 B CN113268568 B CN 113268568B CN 202110710087 A CN202110710087 A CN 202110710087A CN 113268568 B CN113268568 B CN 113268568B
- Authority
- CN
- China
- Prior art keywords
- work order
- address
- word segmentation
- repair work
- grade
- 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
- 230000011218 segmentation Effects 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 title claims description 17
- 238000005516 engineering process Methods 0.000 title claims description 8
- 230000008439 repair process Effects 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims abstract description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 241000490229 Eucephalus Species 0.000 claims 4
- 238000013461 design Methods 0.000 claims 1
- 241000132092 Aster Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 241000612118 Samolus valerandi Species 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06F40/295—Named entity recognition
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于分词技术的电力工单重复诉求分析方法,1)电力工单数据获取,电力工单包括非抢修工单和抢修工单,具体为从非抢修工单中获取工单编号,从抢修工单表中获取工单编号等,其中非抢修工单中的联系地址和抢修工单中的故障地址为需要拆分的地址信息,电力工单包括省所有地级市的非抢修工单和抢修工单;2)对电力工单地址信息进行预处理,具体为对于地址信息缺失而有客户编号的工单,通过客户编号关联客户信息表获取地址信息;将地址信息处理成连续无空格的文本形式,去掉地址信息中的特殊字符;3)地址分词知识库构建,过程是通过训练样本输出一个基于条件随机场的地理实体名词识别模型,4)对工单中的故障地址和联系地址进行切分。
Description
技术领域
本发明属于人工智能自然语言处理与工单重复诉求分析领域,具体涉及一种基于分词技术的电力工单重复诉求分析方法。
背景技术
随着电力市场改革纵深推进和客户期望持续提升,优质服务工作的系统性、局域性特点愈加凸显,而一定区域内的非抢修工单和抢修工单重复诉求问题作为不可忽视的隐患问题,需格外重视。本发明以设定时间范围内小区或者村等区域范围为分析对象,以重复诉求问题为切入点,挖掘客户服务热点难点,提升服务意识、强化问题管控,实现客户诉求的真正落地。
现有工单重复诉求分析多是分析一个月内同一客户、同一电话号码对同一事件重复致电两次及以上的事件数,而忽略了电力问题的周期性和区域性,本发明利用分词技术从客户提供的联系地址或者故障地址中提取小区或者村庄等最小区域单位的地址信息,然后以小区或者村庄为分析对象,分析小范围区域内重复诉求事件,但是客户提供的地址描述字段过于随意,存在信息缺失、记录错误等问题,此外歧义现象和未登录词识别也是中文地址分词中的难点,解决这两大难点对分词结果的准确性至关重要,本发明根据中文地址组成特点设计了标准地址模型,并在标准地址模型的基础上构建了行政区划等级库和特征词库,利用条件随机场模型设计识别中文地址分词中未登录词的模型,将以上的行政区划等级库、特征词库以及实体识别模型作为中文地址分词的数据支撑,从而实现工单地址的准确分词,进而对工单进行重复诉求分析。
发明内容
为解决现有技术存在的问题,本发明的目的是能够正确对客户提供的联系地址和故障地址进行分词,提取小区或者村庄等区域性地址信息,从而能够分析基于小区或者村庄的重复诉求问题,利于电力业务推行网格化服务,便于对薄弱区域的重点监视,及时发现潜在隐患。
本发明技术方案具体如下:一种基于分词技术的电力工单重复诉求分析方法,
步骤1:电力工单数据获取,电力工单包括非抢修工单和抢修工单,具体为从非抢修工单中获取工单编号、联系地址、所属地市编码、接单时间、客户编号、业务类型和业务子类型等,从抢修工单表中获取工单编号、故障报修时间、客户编号、所属地市编码、故障地址和故障原因等,其中非抢修工单中的联系地址和抢修工单中的故障地址为本发明中需要拆分的地址信息,本发明中电力工单包括江苏省13个地市的非抢修工单和抢修工单;
步骤2:对地址信息进行预处理,具体为对于地址信息缺失而有客户编号的工单,通过客户编号关联客户信息表获取地址信息,剔除客户编号和地址信息都缺失的工单;将地址信息处理成连续无空格的文本形式,去掉地址信息中的特殊字符,包括“、”、“-”、“()”等;
步骤3:地址分词知识库构建
步骤3.1:标准地址模型的设计,通过对历史工单中地址数据组成规律的分析,将地址划分为13个等级,每个等级设置对应的关键字,分别是A-省,B-市,C-区、县,D-乡、镇、街道、街道办,E-村、新村、社区,F-道、路、街、巷、弄、大街、大道、公路、国道,G-号,H-小区、大厦、广场、大楼、公司、饭店、公寓、酒店、工业园,工业区、科技园、创业园、产业园、园、苑、坊、阁,I-栋、幢、舍,J-单元,K-楼、层,L-室、舍、房,UN表示不能识别的部分,
步骤3.2:获取行政区划等级库,从国家统计局爬取2020年江苏省行政区划分数据,具体到村级,数据示例:
1)江苏省-省-A
2)无锡市-市-B
3)锡山区-县-C
4)东亭街道-乡-D
5)门楼社区居委会-村-E
6)柏庄社区居委会-村-E
7)春星社区居委会-村-E
8)春合社区居委会-村-E
9)庄桥社区居委会-村-E
10)新屯社区居委会-村-E
11)北街社区居委会-村-E
12)东亭社区居委会-村-E
13)东街社区居委会-村-E
14)……
步骤3.3:采用基于条件随机场的统计学模型来训练样本数据识别出每条地址中的地理实体名词,通过训练样本输出一个识别模型,然后用一部分测试数据对模型的识别结果做评估,如果识别结果高于一定的阈值,即可将待分词的地址数据交付给建好的模型进行处理,然后将某条地址中的实体名词识别结果作为该地址分词的知识库,为该地址后面分词流程做准备;否则就要修改特征模板,直到输出识别率符合要求的识别模型为止;
步骤3.4:特征选取,在利用条件随机场建立模型时,需要针对特定的问题选择有效的特征,通过对历史工单中地址组成规律的分析,选取主要特征有后缀词、左界词、全文信息,主要的后缀词有:园、寓、厂、站、所、校、队、局、房、城、苑、店、队等,主要的双字后缀词有:公司、家园、嘉园、花园、花苑、人家、新城、名苑、华府、雅苑、雅居、酒店、宾馆、学校、大学、社区、校区等;
步骤4:对工单中的故障地址和联系地址进行切分,根据中文地址的特点并结合对中文地址组成规律的研究,中文地址比较适合采用基于字符串匹配的分词方法。考虑到中文地址分词的词典是一轻量级的知识库,因此采用正向最大匹配法(FMM)对中文地址进行分词处理,并将经过FMM分词后的地址单元挂载到对应的等级上去,对于等级是UN的单元作处理:如果当前地址单元不为UN,则将该地址单元挂载到他自身对应的等级上去;如果当前地址单元为UN,下一个地址单元不为UN,则将当前地址单元和它的下一个地址一起挂载到对应的等级,如果当前地址单元为UN,下一个地址单元已经不存在,将当前UN的地址单元作为独立的单元;
步骤5:利用地址信息分词结果结合抢修工单故障原因和非抢修工单业务子类型,分析电力工单重复诉求情况。由于不同市辖区的小区名称可能相同,所以在分析时加上市辖区,具体为对于地址分词结果中存在等级E而没有等级H的情况,分析等级E+等级C+等级B+抢修工单故障原因或非抢修工单业务子类型两种情况,对于地址分词结果中存在等级H的情况,分析地址分词结果中等级H+等级C+等级B+抢修工单故障原因或非抢修工单业务子类型两种情况,统计设定时间段内所选范围中同种抢修工单故障原因或非抢修工单业务子类型的重复次数,以此来反应所选区域内被频繁反应的问题。
步骤S4中:采用正向最大匹配法对中文地址进行分词处理,并将经过FMM分词后的地址单元挂载到对应的等级上去;确认待分词地址;将步骤S3识别结果、行政区划等级库和特征词库结合后,存在地址分词知识库;然后利用FMM对待分词地址进行分词处理:
从地址分词知识库的内容[1]开始至内容[n],先切分出前面最大的词——"江苏省";采用正向最大匹配法配出的词将保证下一个扫描不是词表中的词或词的前缀才结束。
有益效果:与现有技术相比,其显著优点以及形成的效果,1)本发明建立基于条件随机场的统计学模型识别出每条地址中的地理实体名称,构建地理实体名词知识库,用于后续地址的分词,条件随机场不存在强独立性假设,还克服了等条件概率行的标记偏置的缺点,在序列标注的问题上取得较好的性能;电力工单重复诉求分析能够地理实体名词知识库,用于后续的工单的地址的分词准确定位;2)本发明通过基于地址信息中最小区域单位的地址信息+所属市辖区+地级市+抢修工单故障原因/非抢修工单业务子类型,分析设定时段段内所选区域下同种抢修工单故障原因或非抢修工单业务子类型被重复反应的次数,以此来反应所选区域内被频繁反应的问题,帮助建立和健全问题发现及时、监督有效、服务到位的管理服务机制。
附图说明
图1为本发明实施例中一种基于分词技术的电力工单重复诉求分析方法实现的流程图;
图2所示为实施例的低压计量设备故障次数图示;
图3所示为实施例的非抢修工单分析结果示例图。
具体实施方式
图1为本发明实施例中一种基于分词技术的电力工单重复诉求分析方法实现的流程图,具体步骤有:
步骤S1:从非抢修工单中获取工单编号、联系地址、所属地市编码、接单时间、客户编号、业务类型和业务子类型等,从抢修工单表中获取工单编号、故障报修时间、客户编号、所属地市编码、故障地址和故障原因等,其中非抢修工单中的联系地址和抢修工单中的故障地址为本发明中需要拆分的地址信息,本发明中电力工单包括江苏省13个地市的非抢修工单和抢修工单
步骤S2:对地址信息进行预处理,具体为对于地址信息缺失而有客户编号的工单,通过客户编号关联客户信息表获取地址信息,剔除客户编号和地址信息都缺失的工单;将地址信息处理成连续无空格的文本形式,去掉地址信息中的特殊字符,包括“、”、“-”、“()”等;
步骤S3:构建地址分词知识库,包括根据地址组成特点设计标准地址模型,并在标准地址模型的基础上构建了行政区划等级库和特征词库,还利用条件随机场模型设计出了识别中文地址分词中未登录词的模型,并将以上的行政区划等级库、特征词库以及实体识别模型作为中文地址分词的数据支撑。
待分词地址:江苏省苏州市吴中区碧堤雅苑59幢403室,利用条件随机场模型识别出地址中未登录地理实体名词“碧提雅苑”,并加入到地址分词知识库中。
步骤S4:采用正向最大匹配法(FMM)对中文地址进行分词处理,并将经过FMM分词后的地址单元挂载到对应的等级上去;
待分词地址:content=“江苏省苏州市吴中区碧堤雅苑59幢403室”
将步骤S3识别结果、行政区划等级库和特征词库结合后,存在地址分词知识库:dict=[‘江苏’,’江苏省’,’苏州’,’苏州市’,’吴中区’,’碧提雅苑’,‘号’,‘栋’,‘室’,‘幢’……],然后利用FMM对待分词地址进行分词处理:
(1)从content[1]开始,当扫描到content[2]的时候,发现"江苏"已经在词表dict中了,但还不能切分出来,因为我们不知道后面的词语能不能组成更长的词(最大匹配);
(2)继续扫描content[3],发现"江苏省"是dict中的词,继续扫描下去;
(3)扫描content[4],发现"江苏省苏"不是dict中的词,也不是词的前缀,因此可以切分出前面最大的词——"江苏省";
(4)按照上述步骤的逻辑对剩下的地址部分继续进行分词处理。
采用正向最大匹配法配出的词将保证下一个扫描不是词表中的词或词的前缀才可以结束:最终分词结果为:江苏省/苏州市/吴中区/碧堤雅苑/59/幢/403/室
按照标准地址模型(A-省,B-市,C-区、县,D-乡、镇、街道、街道办,E-村、新村、社区,F-道、路、街、巷、弄、大街、大道、公路、国道,G-号,H-小区、大厦、广场、大楼、公司、饭店、公寓、酒店、工业园,工业区、科技园、创业园、产业园、园、苑、坊、阁,I-栋、幢、舍,J-单元,K-楼、层,L-室、舍、房,UN表示不能识别的部分)将经过FMM分词后的地址单元挂载到对应的等级上去,结果为:江苏省/A,苏州市/B,吴中区/C,碧堤雅苑/H,59/UN,幢/I,403/UN,室/L;
步骤S5:根据地址信息分词结果,结合抢修工单故障原因和非抢修工单业务子类型,分析电力工单重复诉求情况,具体为基于地址信息中最小区域单位的地址信息等级E或者等级H+等级C+等级B+抢修工单故障原因或者非抢修工单业务子类型,分析所选时间段和设定区域内同种抢修工单故障原因或者非抢修工单业务子类型的重复次数。
抢修单分析结果示例:从2019年5月1日到2021年5月1日,无锡市北塘区/沁园新村反应的低压计量设备故障次数有11次,结果如图2所示:
非抢修工单分析结果示例:从2019年5月1日到2021年5月1日,无锡市北塘区/新惠家园,工单业务子类型为欠费复电登记重复诉求次数达97次,结果如图3所示。
Claims (2)
1.一种基于分词技术的电力工单重复诉求分析方法,其特征是,步骤如下,
步骤1:电力工单数据获取,电力工单包括非抢修工单和抢修工单,具体为从非抢修工单中获取工单编号、联系地址、所属地市编码、接单时间、客户编号、业务类型和业务子类型,从抢修工单表中获取工单编号、故障报修时间、客户编号、所属地市编码、故障地址和故障原因,其中非抢修工单中的联系地址和抢修工单中的故障地址为需要拆分的地址信息,电力工单包括省所有地级市的非抢修工单和抢修工单;
步骤2:对电力工单地址信息进行预处理,具体为对于地址信息缺失而有客户编号的工单,通过客户编号关联客户信息表获取地址信息,剔除客户编号和地址信息都缺失的工单;将地址信息处理成连续无空格的文本形式,去掉地址信息中的特殊字符,包括“、”、“-”、“()”;
步骤3:地址分词知识库构建
步骤3.1:标准地址模型的设计,通过对历史工单中地址数据组成规律的分析,将地址划分为13个等级,每个等级设置对应的关键字,分别是A-省,B-市,C-区、县,D-乡、镇、街道、街道办,E-村、新村、社区,F-道、路、街、巷、弄、大街、大道、公路、国道,G-号,H-小区、大厦、广场、大楼、公司、饭店、公寓、酒店、工业园,工业区、科技园、创业园、产业园、园、苑、坊、阁,I-栋、幢、舍,J-单元,K-楼、层,L-室、舍、房,UN表示不能识别的部分;
步骤3.2:获取行政区划等级库,从国家统计局省行政区划分数据,具体到E等级村级名称的数据库;
步骤3.3:采用基于条件随机场的统计学模型来训练样本数据识别出每条电力工单地址信息中的地理实体名词;
过程是通过训练样本输出一个基于条件随机场的地理实体名词识别模型,然后用一部分测试数据对模型的识别结果做评估,如果识别结果高于一定的阈值,即可将待分词的地址数据交付给建好的模型进行处理,然后将某条地址中的地理实体名词识别结果作为该地址的知识库,为该电力工单地址后面分词流程做准备;否则就要修改识别模型的特征模板,直到输出识别率符合要求的识别模型为止;
步骤3.4:识别模型的特征模板特征选取,在利用条件随机场建立模型时,需要针对特定的问题选择有效的特征,通过对历史工单中地址组成规律的分析,选取主要特征有后缀词、左界词、全文信息,后缀词有:园、寓、厂、站、所、校、队、局、房、城、苑、店、队;双字后缀词有:公司、家园、嘉园、花园、花苑、人家、新城、名苑、华府、雅苑、雅居、酒店、宾馆、学校、大学、社区、校区;
步骤4:对工单中的故障地址和联系地址进行切分,根据中文地址的特点并结合对中文地址组成规律的研究,中文地址比较适合采用基于字符串匹配的分词方法;考虑到中文地址分词的词典是一轻量级的知识库,因此采用正向最大匹配法FMM对中文地址进行分词处理,并将经过FMM分词后的地址单元挂载到对应的等级上去,对于等级是UN的单元作处理:如果当前地址单元不为UN,则将该地址单元挂载到他自身对应的等级上去;如果当前地址单元为UN,下一个地址单元不为UN,则将当前地址单元和它的下一个地址一起挂载到对应的等级,如果当前地址单元为UN,下一个地址单元已经不存在,将当前UN的地址单元作为独立的单元;
步骤5:利用地址信息分词结果结合抢修工单故障原因和非抢修工单业务子类型,分析电力工单重复诉求情况;由于不同市辖区的小区名称可能相同,所以在分析时加上市辖区,具体为对于地址分词结果中存在等级E而没有等级H的情况,分析等级E+等级C+等级B+抢修工单故障原因或非抢修工单业务子类型两种情况,对于地址分词结果中存在等级H的情况,分析地址分词结果中等级H+等级C+等级B+抢修工单故障原因或非抢修工单业务子类型两种情况,统计设定时间段内所选范围中同种抢修工单故障原因或非抢修工单业务子类型的重复次数,以此来反应所选区域内被频繁反应的问题。
2.根据权利要求1所述的基于分词技术的电力工单重复诉求分析方法,其特征是,步骤S4中:采用正向最大匹配法对中文地址进行分词处理,并将经过FMM分词后的地址单元挂载到对应的等级上去;确认待分词地址;将步骤S3识别结果、行政区划等级库和特征词库结合后,存在地址分词知识库;然后利用FMM对待分词地址进行分词处理:从地址分词知识库的内容[1]开始至内容[n],先切分出前面最大的词——"江苏省";采用正向最大匹配法配出的词将保证下一个扫描不是词表中的词或词的前缀才结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110710087.1A CN113268568B (zh) | 2021-06-25 | 2021-06-25 | 一种基于分词技术的电力工单重复诉求分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110710087.1A CN113268568B (zh) | 2021-06-25 | 2021-06-25 | 一种基于分词技术的电力工单重复诉求分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113268568A CN113268568A (zh) | 2021-08-17 |
CN113268568B true CN113268568B (zh) | 2023-11-14 |
Family
ID=77235872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110710087.1A Active CN113268568B (zh) | 2021-06-25 | 2021-06-25 | 一种基于分词技术的电力工单重复诉求分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268568B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115618100B (zh) * | 2022-09-15 | 2024-02-06 | 中航信移动科技有限公司 | 用于关联事件推荐的数据处理方法、存储介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016179988A1 (zh) * | 2015-05-12 | 2016-11-17 | 深圳市华傲数据技术有限公司 | 中文地址分词标注方法 |
CN111178382A (zh) * | 2019-11-26 | 2020-05-19 | 国网浙江省电力有限公司湖州供电公司 | 一种基于工单数据挖掘的抢修服务预测分析方法 |
CN111598417A (zh) * | 2020-04-29 | 2020-08-28 | 国网江苏省电力有限公司南京供电分公司 | 一种基于自然语言处理的电力非抢修单派发方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI608367B (zh) * | 2012-01-11 | 2017-12-11 | 國立臺灣師範大學 | 中文文本可讀性計量系統及其方法 |
-
2021
- 2021-06-25 CN CN202110710087.1A patent/CN113268568B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016179988A1 (zh) * | 2015-05-12 | 2016-11-17 | 深圳市华傲数据技术有限公司 | 中文地址分词标注方法 |
CN111178382A (zh) * | 2019-11-26 | 2020-05-19 | 国网浙江省电力有限公司湖州供电公司 | 一种基于工单数据挖掘的抢修服务预测分析方法 |
CN111598417A (zh) * | 2020-04-29 | 2020-08-28 | 国网江苏省电力有限公司南京供电分公司 | 一种基于自然语言处理的电力非抢修单派发方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113268568A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vasi et al. | Online activities, spatial proximity, and the diffusion of the Occupy Wall Street movement in the United States | |
Moyle et al. | Entrepreneurial strategies and tourism industry growth | |
CN111797182B (zh) | 一种地址编码解析方法及系统 | |
CN104933023B (zh) | 中文地址分词标注方法 | |
CN103440311A (zh) | 一种地名实体识别的方法及系统 | |
CN109933797A (zh) | 基于Jieba分词及地址词库的地理编码方法和系统 | |
CN110019617B (zh) | 地址标识的确定方法和装置、存储介质、电子装置 | |
CN111159973B (zh) | 一种中文地址的行政区划补齐及标准化方法 | |
CN104933024A (zh) | 中文地址分词标注方法 | |
CN112527933A (zh) | 一种基于空间位置和文本训练的中文地址关联方法 | |
CN113268568B (zh) | 一种基于分词技术的电力工单重复诉求分析方法 | |
CN114492438A (zh) | 一种基于知识图谱与自然语言处理技术的地址标准化方法 | |
CN108062365B (zh) | 一种提高地址解析准确度的方法 | |
CN101794304B (zh) | 行业信息服务系统及方法 | |
CN114780680A (zh) | 基于地名地址数据库的检索与补全方法及系统 | |
CN115146635B (zh) | 一种基于领域知识增强的地址分节方法 | |
CN102323950B (zh) | 基于投诉信息的地点识别的方法和装置 | |
CN115907012A (zh) | 一种基于供电服务信息的数据挖掘方法 | |
WO2023123929A1 (zh) | 异常申请识别方法及设备 | |
CN112417149B (zh) | 一种基于多任务学习的标题生成方法 | |
Meysman et al. | Citizen science reveals the population exposure to air pollution | |
Hosseini et al. | Analysis of the effects of informal settlement on the sustainability of urban neighborhoods: The case study of Airport neighborhood in Yazd | |
CN114491051B (zh) | 一种建筑用地项目审批系统 | |
Barragán-Landy et al. | A Proposed Representative Sampling Methodology | |
KR102329398B1 (ko) | 토지발굴 및 가치분석 서비스 제공 서버 |
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 |