CN113743802A - 工单智能匹配方法、装置、电子设备及可读存储介质 - Google Patents
工单智能匹配方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113743802A CN113743802A CN202111050776.0A CN202111050776A CN113743802A CN 113743802 A CN113743802 A CN 113743802A CN 202111050776 A CN202111050776 A CN 202111050776A CN 113743802 A CN113743802 A CN 113743802A
- Authority
- CN
- China
- Prior art keywords
- work order
- matched
- order information
- word
- text
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008439 repair process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000009849 deactivation Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/42—Data-driven translation
- G06F40/44—Statistical methods, e.g. probability models
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能领域,揭露一种工单智能匹配方法,包括:从一个或多个工单系统内提取参考工单信息表,将参考工单信息表以及待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本,对参考工单信息文本以及待匹配工单信息文本提取关键词,得到参考关键词集以及待匹配关键词集;利用参考关键词集以及待匹配关键词集构建参考词频向量及待匹配词频向量;计算参考词频向量以及待匹配词频向量的相似度;利用相似度判断待匹配工单对应的工单系统。本发明还涉及区块链技术,所述参考工单信息表可以存储在区块链节点中。本发明还提出工单智能匹配装置、设备以及存储介质。本发明可以实现工单的自动匹配上传。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种工单智能匹配方法、装置、电子设备及可读存储介质。
背景技术
传统的工单匹配不支持自动化将工单进行上报,因为无法得知工单所应上报到的系统是哪一个,因此更多的采取让用户分析工单内容以及确定工单待上传的系统,并在界面上选择相应的工单系统进行上报的方式来实现工单与工单系统的关联。这种传统的方式要求用户根据工单内容,并在众多的工单系统中寻找待上传的工单系统,会浪费大量的时间,且工单与选择上传的工单系统之间存在偏差,会产生上传到错误的、不匹配的工单系统的问题,对用户来讲不够便捷,用户体验差。
发明内容
本发明提供一种工单智能匹配方法、装置、电子设备及计算机可读存储介质,其主要目的在于解决工单与工单系统的智能匹配及工单的自动化上报的问题。
为实现上述目的,本发明提供的一种工单智能匹配方法,包括:
获取待匹配工单信息表,从一个或多个工单系统内提取参考工单信息表,将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本;
对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,分别得到参考工单信息词语集以及待匹配工单信息词语集;
分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集;
利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量;
根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,并判断所述相似度是否小于预设相似度阈值;
若所述相似度小于所述相似度阈值,提示用户手动选择需上传的工单系统;
若所述相似度大于或等于所述相似度阈值,将所述待匹配工单信息表上传至所述工单系统。
可选地,所述分别从所述参考工单信息词语集以及所述待匹配工单信息词语集中提取预设数量的关键词,得到参考关键词集以及待匹配关键词集,包括:
计算所述参考工单信息词语集中的每个词语的词频及逆文档频率,并利用所述词频及所述逆文档频率计算所述参考工单信息词语集中的每个词语对应的TF-IDF值;
计算所述待匹配工单词语集中的每个词语的词频及逆文档频率,并利用所述词频及所述逆文档频率计算所述待匹配工单词语集中的每个词语对应的TF-IDF值;
根据所述参考工单信息词语集中的每个词语对应的TF-IDF值从所述参考工单词语集中选择预设数量的词语作为参考关键词集;
根据所述待匹配工单信息词语集中的每个词语对应的TF-IDF值从所述待匹配工单词语集中选择预设数量的词语作为待匹配关键词集。
可选地,所述对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,得到参考工单信息词语集以及待匹配工单信息词语集,包括:
分别将所述参考工单信息文本及所述待匹配工单信息文本与预构建的机器词典进行词语匹配;
根据参考工单信息文本的匹配结果,从所述参考工单信息文本中分割出成功匹配的词语,并去除停用词,得到所述参考工单信息词语集;
根据待匹配工单信息文本的匹配结果,从所述待匹配工单信息文本中分割出成功匹配的词语,并去除停用词,得到所述待匹配工单信息词语集。
可选地,所述利用所述参考关键词词频构建所述参考词频向量以及利用所述待匹配关键词词频构建所述待匹配词频向量,包括:
利用所述参考关键词词频及所述待匹配关键词词频构建Huffman编码树;
从所述Huffman编码树的根节点开始遍历,获取所述参考关键词集以及所述待匹配关键词集中的每个关键词的Huffman编码组成;
组合所述参考关键词集中每个关键词的Huffman编码组成,得到所述参考词频向量,以及组合所述待匹配关键词集中每个关键词的所述Huffman编码组成,得到所述待匹配词频向量。
可选地,所述将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本,包括:
分别对所述参考工单信息表以及待匹配工单信息表执行表格线消除操作,得到纯文本参考工单信息表以及纯文本待匹配工单信息表;
分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表执行文本文字位置规范化以及文本文字大小规范化处理,得到规范化参考工单信息文本以及规范化待匹配工单信息文本;
将所述规范化参考工单信息文本以及所述规范化待匹配工单信息文本内的各文本根据从左至右的规则进行文字规范化排列,得到所述参考工单信息文本以及所述待匹配工单信息文本。
可选地,所述分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表执行文本文字位置规范化以及文本文字大小规范化处理,得到规范化参考工单信息文本以及规范化待匹配工单信息文本,包括:
分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表中的文本文字做大小变换,将所述文本文字统一成同一尺寸;
分别消除所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表中的文本文字的位置偏差,并将所述文本文字拓扑到规定位置,得到所述规范化参考工单信息文本以及所述规范化待匹配工单信息文本。
可选地,所述根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,包括:
利用下述相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度:
其中,x为所述参考词频向量,y为所述待匹配词频向量,θ为所述参考向量与待检测向量的夹角,Sim(x,y)为所述参考词频向量以及所述待匹配词频向量的相似度。
为了解决上述问题,本发明还提供一种工单智能匹配装置,所述装置包括:
文本处理模块,用于获取待匹配工单信息表,从一个或多个工单系统内提取参考工单信息表,将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本,对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,分别得到参考工单信息词语集以及待匹配工单信息词语集;
向量转化模块,用于分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集,利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量;
工单智能匹配模块,用于根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,并判断所述相似度是否小于预设相似度阈值,若所述相似度小于所述相似度阈值,判断所述待匹配工单信息表与所述工单系统不匹配;若所述相似度大于或等于所述相似度阈值,判断所述待匹配工单信息表与所述工单系统匹配,则将所述待匹配工单信息表上传至所述匹配的工单系统。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的工单智能匹配方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的工单智能匹配方法。
本发明实施例提出的一种工单智能匹配方法、装置、设备及介质通过对待匹配工单信息表以及对工单系统内的参考工单信息表执行文本切片、关键词提取、词频向量的构建以及进行向量相似度计算的一系列操作,通过计算待匹配工单信息表与参考工单信息表的相似度与预设的相似度阈值的大小比较,其中,若所述相似度小于预设的相似度阈值,则判断所述待匹配工单信息表与所述参考工单信息表所在的系统不匹配,提示用户手动选择需要上传的工单系统,若所述相似度大于或等于预设的相似度阈值,则判断所述待匹配工单信息表与所述参考工单信息表所在的系统相匹配,自动上传待匹配工单信息表至所述工单系统中,解决工单与工单系统的智能匹配及自动化上报的问题。
附图说明
图1为本发明一实施例提供的工单智能匹配方法的流程示意图;
图2为本发明一实施例提供的工单智能匹配装置的模块示意图;
图3为本发明一实施例提供的实现工单智能匹配方法的设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种工单智能匹配方法。所述工单智能匹配方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于录入信息的可回溯性检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的工单智能匹配方法的流程示意图,在本发明实施例中,所述工单智能匹配方法包括:
S1、获取待匹配工单信息表,从一个或多个工单系统内提取参考工单信息表,将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本;
本发明实施例中,所述工单系统可以是企业中各部门存放各自的工单信息表的系统。比如,在家电交易领域内,将维修工单存储在维修部工单系统内,将售前咨询工单存储在客服部工单系统内等。
本发明实施例中,所述参考工单信息表可以是各部门下发的工作信息表的参考模板。所述待匹配工单信息表可以是待录入进其中一个所述工单系统的工单信息表。
本发明其中一个实施例中,所述将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本,包括:
对所述参考工单信息表以及所述待匹配工单信息表分别执行表格线消除操作,得到纯文本参考工单信息表以及纯文本待匹配工单信息表;
分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表执行文本文字位置规范化以及文本文字大小规范化处理,得到规范化参考工单信息文本以及规范化待匹配工单信息文本;
将所述规范化参考工单信息文本以及所述规范化待匹配工单信息文本内的各文本根据从左至右的规则进行文字规范化排列,得到所述参考工单信息文本以及所述待匹配工单信息文本。
进一步地,所述分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表执行文本文字位置规范化以及文本文字大小规范化处理,得到规范化参考工单信息文本以及规范化待匹配工单信息文本,包括:
分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表中的文本文字做大小变换,将所述文本文字统一成同一尺寸;
分别消除所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表中的文本文字的位置偏差,并将所述文本文字拓扑到规定位置,得到所述规范化参考工单信息文本以及所述规范化待匹配工单信息文本。
S2、对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,分别得到参考工单信息词语集以及待匹配工单信息词语集;
详细地,本发明实施例分别将所述参考工单信息文本及所述待匹配工单信息文本根据预构建的机器词典进行词语匹配;根据参考工单信息文本的匹配结果,从所述参考工单信息文本中分割出成功匹配的词语,并去除停用词,得到所述参考工单信息词语集;根据待匹配工单信息文本的匹配结果,从所述待匹配工单信息文本中分割出成功匹配的词语,并去除停用词,得到所述待匹配工单信息词语集。
本发明实施例中,所述预构建的机器词典是利用大量的工单信息表文本词语,根据严格要求的语法,构建成的词典。
本发明其中一个应用实例中,当所述文本句子为“随着页游兴起到现在的页游繁盛,依赖于存档进行逻辑判断的设计减少了,但这块也不能完全忽略掉。”,将所述文本句子执行切片后,可得到“随着/页游/兴起/到现在/的/页/游/繁盛/,/依赖于/存档/进行/逻辑/判断/的/设计/减/少了/,/但/这块/也/不能/完全/忽略/掉/。/”
本发明实施例中,所述停用词可以是自然语言中包含的没有实际意义的功能词,如“的”、“其中”以及“包括”等。
详细地,本发明实施例利用各标点符号以及自然语言中没有实际意义的词语构建停用词表;根据所述停用词表分别去除所述参考工单信息文本以及所述待匹配工单信息文本中的已经切片完成的词语中的停用词。
S3、分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集;
本发明实施例中,所述TF-IDF(Term Frequency-inverse document frequency)是基于词频以及逆文档频率提取关键词的规则。
详细地,所述分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集,包括:
计算所述参考工单信息词语集中的每个词语的词频及逆文档频率,并利用所述词频及所述逆文档频率计算所述参考工单信息词语集中的每个词语对应的TF-IDF值;
计算所述待匹配工单词语集中的每个词语的词频及逆文档频率,并利用所述词频及所述逆文档频率计算所述待匹配工单词语集中的每个词语对应的TF-IDF值;
根据所述参考工单信息词语集中的每个词语对应的TF-IDF值从所述参考工单词语集中选择预设数量的词语作为参考关键词集;
根据所述待匹配工单信息词语集中的每个词语对应的TF-IDF值从所述待匹配工单词语集中选择预设数量的词语作为待匹配关键词集。
本发明实施例中,采用下述公式计算所述参考工单信息词语集以及所述待匹配工单信息词语集中每个词语的词频:
进一步地,本发明实施例中,采用下述公式计算所述参考工单信息词语集以及所述待匹配工单信息词语集中每个词语的逆文档频率:
其中,所述文档总数可以是所述工单系统中所有工单信息表的总数;所述“包含该词的文档数+1”中的+1操作是为了防止所有的文档中都不包含进行词频计算的某个词。
进一步地,本发明实施例中,利用下述计算公式计算TF-IDF值:
TF-IDF=TF*IDF。
进一步地,本发明实施例中,所述预设数量的关键词可以根据文本的组成大小进行选取,比如,某篇文章文本的复杂程度较高,可选取文本中多个词语中的20个,组成关键词集。
S4、利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量;
详细地,所述S4,包括:
汇总所述参考关键词集以及所述待匹配关键词集,得到总关键词集;
统计所述总关键词集中每个词语分别在所述参考关键词集及所述待匹配关键词集中的词频,得到参考关键词集词频及待匹配关键词集词频;
分别利用所述参考关键词集词频及所述待匹配关键词集词频构建所述参考词频向量及所述待匹配词频向量。
其中,所述词频是指某个词在词语集中出现的次数。例如,关键词集A为“客服、处理、工单、联系”,关键词B为“工单、维修、上门、联系”,汇总关键词集A及关键词B得到总关键词C为“客服、处理、工单、联系、维修、上门”,利用总关键词集C以及关键词集C中每个关键词在所述关键词集A及关键词B中的词频,可构建关键词集A的词频向量为[1,1,1,1,0,0],构建关键词B的词频向量为[0,0,1,1,1,1,]。
本发明另一个实施例中,可利用Huffman编码树构建所述参考词频向量及所述待匹配词频向量,包括:
利用所述参考关键词词频及所述待匹配关键词词频构建Huffman编码树;
从所述Huffman编码树的根节点开始遍历,获取所述参考关键词集以及所述待匹配关键词集中的每个关键词的Huffman编码组成;
组合所述参考关键词集中每个关键词的Huffman编码组成,得到所述参考词频向量,以及组合所述待匹配关键词集中每个关键词的所述Huffman编码组成,得到所述待匹配词频向量。
S5、根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,并判断所述相似度是否小于预设相似度阈值;
本发明实施例中,可以使用下述相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度:
其中,x为所述参考词频向量,y为所述待匹配词频向量,θ为所述参考向量与待检测向量的夹角,Sim(x,y)为所述参考词频向量以及所述待匹配词频向量的相似度。
本发明实施例中,所述预设相似度阈值可以是用来判断工单与工单系统的匹配程度的指数,比如,所述预设相似度阈值为0.95,若上述计算得出的相似度大于或等于0.95,则判断待匹配工单信息表与所述工单系统匹配,将所述待匹配工单信息表上传至所述匹配的工单系统。
S6、若所述相似度小于所述相似度阈值,提示用户手动选择需上传的工单系统;
详细地,本发明实施例若所述相似度小于所述相似度阈值,则判断所述待匹配工单信息表与所述工单系统不匹配;提示用户手动选择需上传的工单系统。
本发明实施例中,所述工单系统可以是企业中各部门存放各自的工单信息表的系统。比如,在家电交易领域内,将维修工单存储在维修部工单系统内,将售前咨询工单存储在客服部工单系统内等。
S7、若所述相似度大于或等于所述相似度阈值,将所述待匹配工单信息表上传至所述工单系统。
如图2所示,是本发明工单智能匹配装置的功能模块图。
本发明所述工单智能匹配装置100可以安装于设备中。根据实现的功能,所述工单智能匹配装置可以包括文本处理模块101、向量转化模块102、工单智能匹配103,本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述文本处理模块101用于获取待匹配工单信息表,从一个或多个工单系统内提取参考工单信息表,将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本,对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,分别得到参考工单信息词语集以及待匹配工单信息词语集;
本发明实施例中,所述工单系统可以是企业中各部门存放各自的工单信息表的系统。比如,在家电交易领域内,将维修工单存储在维修部工单系统内,将售前咨询工单存储在客服部工单系统内等。
本发明实施例中,所述参考工单信息表可以是各部门下发的工作信息表的参考模板。所述待匹配工单信息表可以是待录入进其中一个所述工单系统的工单信息表。
本发明其中一个实施例中,所述将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本,包括:
对所述参考工单信息表以及所述待匹配工单信息表分别执行表格线消除操作,得到纯文本参考工单信息表以及纯文本待匹配工单信息表;
分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表执行文本文字位置规范化以及文本文字大小规范化处理,得到规范化参考工单信息文本以及规范化待匹配工单信息文本;
将所述规范化参考工单信息文本以及所述规范化待匹配工单信息文本内的各文本根据从左至右的规则进行文字规范化排列,得到所述参考工单信息文本以及所述待匹配工单信息文本。
进一步地,所述分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表执行文本文字位置规范化以及文本文字大小规范化处理,得到规范化参考工单信息文本以及规范化待匹配工单信息文本,包括:
分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表中的文本文字做大小变换,将所述文本文字统一成同一尺寸;
分别消除所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表中的文本文字的位置偏差,并将所述文本文字拓扑到规定位置,得到所述规范化参考工单信息文本以及所述规范化待匹配工单信息文本。
详细地,本发明实施例分别将所述参考工单信息文本及所述待匹配工单信息文本根据预构建的机器词典进行词语匹配;根据参考工单信息文本的匹配结果,从所述参考工单信息文本中分割出成功匹配的词语,并去除停用词,得到所述参考工单信息词语集;根据待匹配工单信息文本的匹配结果,从所述待匹配工单信息文本中分割出成功匹配的词语,并去除停用词,得到所述待匹配工单信息词语集。
本发明实施例中,所述预构建的机器词典是利用大量的工单信息表文本词语,根据严格要求的语法,构建成的词典。
本发明其中一个应用实例中,当所述文本句子为“随着页游兴起到现在的页游繁盛,依赖于存档进行逻辑判断的设计减少了,但这块也不能完全忽略掉。”,将所述文本句子执行切片后,可得到“随着/页游/兴起/到现在/的/页/游/繁盛/,/依赖于/存档/进行/逻辑/判断/的/设计/减/少了/,/但/这块/也/不能/完全/忽略/掉/。/”
本发明实施例中,所述停用词可以是自然语言中包含的没有实际意义的功能词,如“的”、“其中”以及“包括”等。
详细地,本发明实施例利用各标点符号以及自然语言中没有实际意义的词语构建停用词表;根据所述停用词表分别去除所述参考工单信息文本以及所述待匹配工单信息文本中的已经切片完成的词语中的停用词。
所述向量转化模块102用于分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集;利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量;
本发明实施例中,所述TF-IDF(Term Frequency-inverse document frequency)是基于词频以及逆文档频率提取关键词的规则。
详细地,所述分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集,包括:
计算所述参考工单信息词语集中的每个词语的词频及逆文档频率,并利用所述词频及所述逆文档频率计算所述参考工单信息词语集中的每个词语对应的TF-IDF值;
计算所述待匹配工单词语集中的每个词语的词频及逆文档频率,并利用所述词频及所述逆文档频率计算所述待匹配工单词语集中的每个词语对应的TF-IDF值;
根据所述参考工单信息词语集中的每个词语对应的TF-IDF值从所述参考工单词语集中选择预设数量的词语作为参考关键词集;
根据所述待匹配工单信息词语集中的每个词语对应的TF-IDF值从所述待匹配工单词语集中选择预设数量的词语作为待匹配关键词集。本发明实施例中,采用下述公式计算所述参考工单信息词语集以及所述待匹配工单信息词语集中每个词语的词频:
进一步地,本发明实施例中,采用下述公式计算所述参考工单信息词语集以及所述待匹配工单信息词语集中每个词语的逆文档频率:
其中,所述文档总数可以是所述工单系统中所有工单信息表的总数;所述“包含该词的文档数+1”中的+1操作是为了防止所有的文档中都不包含进行词频计算的某个词。
进一步地,本发明实施例中,利用下述计算公式计算TF-IDF值:
TF-IDF=TF*IDF。
进一步地,本发明实施例中,所述预设数量的关键词可以根据文本的组成大小进行选取,比如,某篇文章文本的复杂程度较高,可选取文本中多个词语中的20个,组成关键词集。
详细地,所述利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量,包括:
汇总所述参考关键词集以及所述待匹配关键词集,得到总关键词集;
统计所述总关键词集中每个词语分别在所述参考关键词集及所述待匹配关键词集中的词频,得到参考关键词集词频及待匹配关键词集词频;
分别利用所述参考关键词集词频及所述待匹配关键词集词频构建所述参考词频向量及所述待匹配词频向量。
其中,所述词频是指某个词在词语集中出现的次数。例如,关键词集A为“客服、处理、工单、联系”,关键词B为“工单、维修、上门、联系”,汇总关键词集A及关键词B得到总关键词C为“客服、处理、工单、联系、维修、上门”,利用总关键词集C以及关键词集C中每个关键词在所述关键词集A及关键词B中的词频,可构建关键词集A的词频向量为[1,1,1,1,0,0],构建关键词B的词频向量为[0,0,1,1,1,1,]。
本发明另一个实施例中,可利用Huffman编码树构建所述参考词频向量及所述待匹配词频向量,包括:
利用所述参考关键词词频及所述待匹配关键词词频构建Huffman编码树;
从所述Huffman编码树的根节点开始遍历,获取所述参考关键词集以及所述待匹配关键词集中的每个关键词的Huffman编码组成;
组合所述参考关键词集中每个关键词的Huffman编码组成,得到所述参考词频向量,以及组合所述待匹配关键词集中每个关键词的所述Huffman编码组成,得到所述待匹配词频向量。
所述工单智能匹配模块103用于根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,并判断所述相似度是否小于预设相似度阈值,若所述相似度小于所述相似度阈值,判断所述待匹配工单信息表与所述工单系统不匹配;若所述相似度大于或等于所述相似度阈值,判断所述待匹配工单信息表与所述工单系统匹配,则将所述待匹配工单信息表上传至所述匹配的工单系统内。
本发明实施例中,可以使用下述相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度:
其中,x为所述参考词频向量,y为所述待匹配词频向量,θ为所述参考向量与待检测向量的夹角,Sim(x,y)为所述参考词频向量以及所述待匹配词频向量的相似度。
本发明实施例中,所述预设相似度阈值可以是用来判断工单与工单系统的匹配程度的指数,比如,所述预设相似度阈值为0.95,若上述计算得出的相似度大于或等于0.95,则判断待匹配工单信息表与所述工单系统匹配,将所述待匹配工单信息表上传至所述匹配的工单系统。
若所述相似度小于所述相似度阈值,提示用户手动选择需上传的工单系统;本发明实施例中,所述工单系统可以是企业中各部门存放各自的工单信息表的系统。比如,在家电交易领域内,将维修工单存储在维修部工单系统内,将售前咨询工单存储在客服部工单系统内等。
若所述相似度大于或等于所述相似度阈值,将所述待匹配工单信息表上传至所述工单系统。
如图3所示,是本发明实现工单智能匹配方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如工单智能匹配程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如工单智能匹配程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如工单智能匹配程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,所述通信接口13还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的工单智能匹配程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取待匹配工单信息表,从一个或多个工单系统内提取参考工单信息表,将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本;
对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,分别得到参考工单信息词语集以及待匹配工单信息词语集;
分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集;
利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量;
根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,并判断所述相似度是否小于预设相似度阈值;
若所述相似度小于所述相似度阈值,提示用户手动选择需上传的工单系统;
若所述相似度大于或等于所述相似度阈值,将所述待匹配工单信息表上传至所述工单系统。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/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。所述计算机可读介质可以是非易失性的,也可以是易失性的。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明实施例还可以提供一种计算机存储介质,所述存储介质存储有计算机程序,所述计算机程序在被设备的处理器所执行时,可以实现:
获取待匹配工单信息表,从一个或多个工单系统内提取参考工单信息表,将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本;
对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,分别得到参考工单信息词语集以及待匹配工单信息词语集;
分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集;
利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量;
根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,并判断所述相似度是否小于预设相似度阈值;
若所述相似度小于所述相似度阈值,提示用户手动选择需上传的工单系统;
若所述相似度大于或等于所述相似度阈值,将所述待匹配工单信息表上传至所述工单系统。
进一步地,所述计算机存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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网络单元上。可以根据实际的需要选择其中的部分或者全部模块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模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种工单智能匹配的方法,其特征在于,所述方法包括:
获取待匹配工单信息表,从一个或多个工单系统内提取参考工单信息表,将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本;
对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,分别得到参考工单信息词语集以及待匹配工单信息词语集;
分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集;
利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量;
根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,并判断所述相似度是否小于预设相似度阈值;
若所述相似度小于所述相似度阈值,提示用户手动选择需上传的工单系统;
若所述相似度大于或等于所述相似度阈值,将所述待匹配工单信息表上传至所述工单系统。
2.如权利要求1所述的工单智能匹配方法,其特征在于,所述分别从所述参考工单信息词语集以及所述待匹配工单信息词语集中提取预设数量的关键词,得到参考关键词集以及待匹配关键词集,包括:
计算所述参考工单信息词语集中的每个词语的词频及逆文档频率,并利用所述词频及所述逆文档频率计算所述参考工单信息词语集中的每个词语对应的TF-IDF值;
计算所述待匹配工单词语集中的每个词语的词频及逆文档频率,并利用所述词频及所述逆文档频率计算所述待匹配工单词语集中的每个词语对应的TF-IDF值;根据所述参考工单信息词语集中的每个词语对应的TF-IDF值从所述参考工单词语集中选择预设数量的词语作为参考关键词集;
根据所述待匹配工单信息词语集中的每个词语对应的TF-IDF值从所述待匹配工单词语集中选择预设数量的词语作为待匹配关键词集。
3.如权利要求1所述的工单智能匹配方法,其特征在于,所述对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,得到参考工单信息词语集以及待匹配工单信息词语集,包括:
分别将所述参考工单信息文本及所述待匹配工单信息文本与预构建的机器词典进行词语匹配;
根据参考工单信息文本的匹配结果,从所述参考工单信息文本中分割出成功匹配的词语,并去除停用词,得到所述参考工单信息词语集;
根据待匹配工单信息文本的匹配结果,从所述待匹配工单信息文本中分割出成功匹配的词语,并去除停用词,得到所述待匹配工单信息词语集。
4.如权利要求1所述的工单智能匹配方法,其特征在于,所述利用所述参考关键词词频构建所述参考词频向量以及利用所述待匹配关键词词频构建所述待匹配词频向量,包括:
利用所述参考关键词词频及所述待匹配关键词词频构建Huffman编码树;
从所述Huffman编码树的根节点开始遍历,获取所述参考关键词集以及所述待匹配关键词集中的每个关键词的Huffman编码组成;
组合所述参考关键词集中每个关键词的Huffman编码组成,得到所述参考词频向量,以及组合所述待匹配关键词集中每个关键词的所述Huffman编码组成,得到所述待匹配词频向量。
5.如权利要求1所述的工单智能匹配方法,其特征在于,所述将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本,包括:
分别对所述参考工单信息表以及待匹配工单信息表执行表格线消除操作,得到纯文本参考工单信息表以及纯文本待匹配工单信息表;
分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表执行文本文字位置规范化以及文本文字大小规范化处理,得到规范化参考工单信息文本以及规范化待匹配工单信息文本;
将所述规范化参考工单信息文本以及所述规范化待匹配工单信息文本内的各文本根据从左至右的规则进行文字规范化排列,得到所述参考工单信息文本以及所述待匹配工单信息文本。
6.如权利要求5所述的工单智能匹配方法,其特征在于,所述分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表执行文本文字位置规范化以及文本文字大小规范化处理,得到规范化参考工单信息文本以及规范化待匹配工单信息文本,包括:
分别对所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表中的文本文字做大小变换,将所述文本文字统一成同一尺寸;
分别消除所述纯文本参考工单信息表以及所述纯文本待匹配工单信息表中的文本文字的位置偏差,并将所述文本文字拓扑到规定位置,得到所述规范化参考工单信息文本以及所述规范化待匹配工单信息文本。
8.一种工单智能匹配装置,其特征在于,所述装置包括:
文本处理模块,用于获取待匹配工单信息表,从一个或多个工单系统内提取参考工单信息表,将所述参考工单信息表以及所述待匹配工单信息表分别转化为参考工单信息文本以及待匹配工单信息文本,对所述参考工单信息文本以及所述待匹配工单信息文本分别执行切片操作,分别得到参考工单信息词语集以及待匹配工单信息词语集;
向量转化模块,用于分别从所述参考工单信息词语集及所述待匹配工单信息词语集中提取预设数量的关键词,分别得到参考关键词集以及待匹配关键词集,利用所述参考关键词集以及所述待匹配关键词集构建总关键词集,利用所述总关键词集中的每个关键词在所述参考关键词集中的词频构建参考词频向量,以及利用所述总关键词集中的每个关键词在所述待匹配关键词集中的词频构建待匹配词频向量;
工单智能匹配模块,用于根据预构建的相似度公式计算所述参考词频向量以及所述待匹配词频向量的相似度,并判断所述相似度是否小于预设相似度阈值,若所述相似度小于所述相似度阈值,提示用户手动选择需上传的工单系统;若所述相似度大于或等于所述相似度阈值,将所述待匹配工单信息表上传至所述工单系统。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令,所述计算机程序指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的工单智能匹配方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的工单智能匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050776.0A CN113743802A (zh) | 2021-09-08 | 2021-09-08 | 工单智能匹配方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050776.0A CN113743802A (zh) | 2021-09-08 | 2021-09-08 | 工单智能匹配方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743802A true CN113743802A (zh) | 2021-12-03 |
Family
ID=78737234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111050776.0A Pending CN113743802A (zh) | 2021-09-08 | 2021-09-08 | 工单智能匹配方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743802A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433197A (zh) * | 2023-06-13 | 2023-07-14 | 建信金融科技有限责任公司 | 一种信息上报方法、装置、上报端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017101342A1 (zh) * | 2015-12-15 | 2017-06-22 | 乐视控股(北京)有限公司 | 情感分类方法及装置 |
US20180373787A1 (en) * | 2017-06-21 | 2018-12-27 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method for recommending text content based on concern, and computer device |
CN109887586A (zh) * | 2018-12-29 | 2019-06-14 | 杭州好育信息科技有限公司 | 一种订单匹配方法、电子设备及计算机可读存储介质 |
CN111782772A (zh) * | 2020-07-24 | 2020-10-16 | 平安银行股份有限公司 | 基于ocr技术的文本自动生成方法、装置、设备及介质 |
WO2021051934A1 (zh) * | 2019-09-16 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于人工智能的合同关键条款提取方法、装置及存储介质 |
-
2021
- 2021-09-08 CN CN202111050776.0A patent/CN113743802A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017101342A1 (zh) * | 2015-12-15 | 2017-06-22 | 乐视控股(北京)有限公司 | 情感分类方法及装置 |
US20180373787A1 (en) * | 2017-06-21 | 2018-12-27 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method for recommending text content based on concern, and computer device |
CN109887586A (zh) * | 2018-12-29 | 2019-06-14 | 杭州好育信息科技有限公司 | 一种订单匹配方法、电子设备及计算机可读存储介质 |
WO2021051934A1 (zh) * | 2019-09-16 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于人工智能的合同关键条款提取方法、装置及存储介质 |
CN111782772A (zh) * | 2020-07-24 | 2020-10-16 | 平安银行股份有限公司 | 基于ocr技术的文本自动生成方法、装置、设备及介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433197A (zh) * | 2023-06-13 | 2023-07-14 | 建信金融科技有限责任公司 | 一种信息上报方法、装置、上报端及存储介质 |
CN116433197B (zh) * | 2023-06-13 | 2023-09-12 | 建信金融科技有限责任公司 | 一种信息上报方法、装置、上报端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112541338A (zh) | 相似文本匹配方法、装置、电子设备及计算机存储介质 | |
CN113836131B (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
CN114979120B (zh) | 数据上传方法、装置、设备及存储介质 | |
CN112231417A (zh) | 数据分类方法、装置、电子设备及存储介质 | |
CN112528013A (zh) | 文本摘要提取方法、装置、电子设备及存储介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN113887941A (zh) | 业务流程生成方法、装置、电子设备及介质 | |
CN112560465A (zh) | 批量异常事件的监控方法、装置、电子设备及存储介质 | |
CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
CN114398346A (zh) | 数据迁移方法、装置、设备及存储介质 | |
CN114003704A (zh) | 指定标签客群的创建方法、装置、电子设备及存储介质 | |
CN113743802A (zh) | 工单智能匹配方法、装置、电子设备及可读存储介质 | |
CN113505273A (zh) | 基于重复数据筛选的数据排序方法、装置、设备及介质 | |
CN113434542A (zh) | 数据关系识别方法、装置、电子设备及存储介质 | |
CN112214602A (zh) | 基于幽默度的文本分类方法、装置、电子设备及存储介质 | |
CN115409041B (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
CN111429085A (zh) | 合同数据生成方法、装置、电子设备及存储介质 | |
CN115146064A (zh) | 意图识别模型优化方法、装置、设备及存储介质 | |
CN114490667A (zh) | 多维度的数据分析方法、装置、电子设备及介质 | |
CN114547696A (zh) | 文件脱敏方法、装置、电子设备及存储介质 | |
CN111553133B (zh) | 报表生成方法、装置、电子设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
CN114610854A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN112733537A (zh) | 文本去重方法、装置、电子设备及计算机可读存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211203 |