CN117436713A - 工单处理方法及装置 - Google Patents
工单处理方法及装置 Download PDFInfo
- Publication number
- CN117436713A CN117436713A CN202210789452.7A CN202210789452A CN117436713A CN 117436713 A CN117436713 A CN 117436713A CN 202210789452 A CN202210789452 A CN 202210789452A CN 117436713 A CN117436713 A CN 117436713A
- Authority
- CN
- China
- Prior art keywords
- work order
- node
- determining
- child
- child node
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 24
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 76
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06F16/332—Query formulation
-
- 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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种工单处理方法及装置,属于工单处理领域,能够解决相关技术中无法对工单所反映出的问题及时提供较优解决方案的问题。所述方法包括:获取目标工单,其中所述目标工单的预设字段用于指示所述目标工单的工单意图;基于方案推荐模型,确定所述工单意图对应的目标解决方案;其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略。
Description
技术领域
本申请属于工单处理领域,具体涉及一种工单处理方法及装置。
背景技术
随着移动通信逐步迈入第五代移动通讯技术(简称5G)时代,互联网规模不断增大,网络管理和运维变得极其复杂,当前的电信网络运行管理模式已经不足以支撑不断增长的网络演进、业务发展和用户体验的要求。5G网络所具备的高体系性、高复杂性、超大规模、高可靠性、高动态性的特点,运维成本居高不下。网络的功能维度和节点数目的显著增加,使得人脑几乎不可能理解现有网络架构,并迅速找到各种工单所反映出的网络问题的较优解决方案。
发明内容
本申请实施例提供一种工单处理方法及装置,能够解决相关技术中无法对工单所反映出的问题及时提供较优解决方案的问题。
第一方面,本申请实施例提供了一种工单处理方法,该方法包括:获取目标工单,其中所述目标工单的预设字段用于指示所述目标工单的工单意图;基于方案推荐模型,确定所述工单意图对应的目标解决方案;其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略。
第二方面,本申请实施例提供了一种工单处理装置,该装置包括:获取模块,用于获取目标工单,其中所述目标工单的预设字段用于指示所述目标工单的工单意图;确定模块,用于基于方案推荐模型,确定所述工单意图对应的目标解决方案;其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
在本申请实施例中,通过获取目标工单,其中所述目标工单的预设字段用于指示所述目标工单的工单意图;基于方案推荐模型,确定所述工单意图对应的目标解决方案;其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略,可以对工单所反映出的问题及时提供较优解决方案,这解决了相关技术中无法对工单所反映出的问题及时提供较优解决方案的问题。
附图说明
图1是本申请实施例提供的一种工单处理方法的流程示意图;
图2是本申请实施例提供的又一种工单处理方法的流程示意图;
图3是根据本申请的一个实施例的一种工单处理装置的结构示意图;
图4是根据本申请的另一个实施例的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的一种工单处理方法及装置进行详细地说明。
图1示出本发明的一个实施例提供的一种工单处理方法,该方法可以由电子设备执行,该电子设备可以包括:服务器和/或终端设备,其中终端设备可以例如手机终端等。换言之,该方法可以由安装在电子设备的软件或硬件来执行,该方法包括如下步骤:
步骤101:获取目标工单。
其中所述目标工单的预设字段用于指示所述目标工单的工单意图。
具体的,预设字段可以为目标工单中与工单意图相关的字段。
具体的,工单可以为针对各种问题的各种解决方案,也即工单中可以包括问题及解决问题的各类方案。
具体的,工单意图表征的是工单中对应的问题。
步骤102:基于方案推荐模型,确定所述工单意图对应的目标解决方案。
其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略。
可以理解的是,样本工单对应的历史解决策略是针对样本工单的工单意图识别结果的。
这样,通过获取目标工单,其中所述目标工单的预设字段用于指示所述目标工单的工单意图;基于方案推荐模型,确定所述工单意图对应的目标解决方案;其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略,可以对工单所反映出的问题及时提供较优解决方案,这解决了相关技术中无法对工单所反映出的问题及时提供较优解决方案的问题。
在一种可选的实现方式中,在所述基于方案推荐模型,确定所述工单意图对应的目标解决方案之前,还包括:
确定样本工单的工单意图识别结果所对应的历史解决策略,将所述历史解决策略确定为根节点;
将所述根节点作为当前节点,确定至少一个历史子节点是否为所述当前节点的所有子节点,其中,每个所述子节点对应一个子解决策略;
在所述至少一个历史子节点不是所述当前节点的所有子节点的情况下,尝试对所述当前节点添加N次扩展子节点;
每添加一次所述扩展子节点,则将所述扩展子节点与所述至少一个历史子节点确定为所述当前节点的所有子节点,并将所述当前节点更新为奖励值最高的所述子节点;其中,对所述当前节点添加N次扩展子节点后,更新后的当前节点为叶节点;
将确定的所有当前节点中满足预设条件的所述当前节点作为最优子节点;
将所述最优子节点对应的所述子解决策略作为所述样本工单对应的解决方案。
可以理解的是,样本工单的工单意图识别结果所对应的历史解决策略可以是针对样本工单的工单意图识别结果曾经确定和/或使用过的解决策略。
需要说明的是,扩展子节点为扩展的新的子解决策略,该新的子解决策略在解决历史工单的工单意图时并未被发现过或者被应用过。
这样,所得到的工单的解决方案可以根据工单的工单意图增加历史所没有的解决策略,进而使得得到的解决策略准确率更高。
在一种可选的实现方式中,在所述更新后的当前节点为叶节点之后,还包括:
针对每个所述扩展子节点,遍历所述扩展子节点的子节点,直至所述子节点为叶节点;
确定每个所述扩展子节点的访问量,其中,所述访问量为所述扩展子节点被遍历的次数。
可选的,在本实现方式中,还可以确定除去扩展子节点之外的其他子节点的访问量,例如,可以确定历史子节点的访问量,历史子节点的访问量可以为历史子节点在解决各样本工单的工单意图识别结果的历史过程中被访问的次数以及历史子节点在本实现方式中被遍历的次数的总和。
可以理解的是,本实现方式中扩展子节点的子节点可以为扩展子节点的历史子节点和/或扩展子节点的扩展子节点。
这样可以确定历史子节点的新增访问量及扩展子节点的访问量。
在一种可选的实现方式中,通过下述公式,确定所述子节点的奖励值;
其中,所述为所述子节点对应的预设效益指标值的提升率的平均值,所述n为所述子节点的父节点的访问量,所述ni为所述子节点的访问量,所述Cp为预系数,所述UCT为所述子节点的奖励值,所述子节点为历史子节点和/或扩展子节点;
其中,所述子节点对应的预设效益指标值的提升率的平均值为所述子节点对应的预设效益指标值的提升率与所述子节点的访问量的比值;
其中,在所述子节点为历史子节点的情况下,所述历史子节点的访问量为所述历史子节点在解决各样本工单的工单意图识别结果的历史过程中被访问的次数与所述历史子节点被遍历的次数的总和。
具体的,预设系数的值为大于0的实数,该实数可以由相关技术人员根据具体需要进行设置,此处并不进行具体限定。
可选的,预设效益指标值可以为网络评估指标(例如网络的覆盖及网络的干扰等),还可以为子节点对应的子解决策略花费的费用等,也即该预设效益指标值可以为相关技术人员设置的与效益相关的任何指标值,此处并不进行具体限定。
这样,可以确定节点的奖励值,并且可以通过增加预设系数的权重,防止根据奖励值所得到的解决策略局部最优。
在一种可选的实现方式中,所述预设条件包括下述中的至少一者:所述当前节点对应的所述奖励值的平均值最高、所述当前节点对应的最高所述奖励值的最高及所述当前节点的访问量最大。
可选的,还可以确定各节点的预设效益指标值,在此基础上,预设条件还可以包括预设效益指标值最高的当前节点,需要说明的是,此时的预设效益指标值不能为负值。
这样,可以通过确定不同的预设条件根据具体需要确定所需的解决策略。
在一种可选的实现方式中,所述将所述最优子节点对应的所述子解决策略作为所述样本工单对应的解决方案,包括:
在所述最优子节点为叶节点的情况下,将所述最优子节点对应的所述子解决策略确定为所述样本工单对应的解决方案;
在所述最优子节点不是叶节点的情况下,将所述当前节点更新为所述最优子节点;
在至少一个历史子节点不是所述当前节点的所有子节点的情况下,尝试对所述当前节点添加N次扩展子节点;
每添加一次所述扩展子节点,则将所述扩展子节点与所述至少一个历史子节点确定为所述当前节点的所有子节点,并将所述当前节点更新为奖励值最高的所述子节点;其中,对所述当前节点添加N次扩展子节点后,更新后的当前节点为叶节点;
将确定的所有当前节点中满足预设条件的所述当前节点作为最优子节点;
将所述最优子节点对应的所述子解决策略作为所述样本工单对应的解决方案。
具体的,可以理解的是,在本实现方式中,在最优子节点为叶节点的情况下,最优子节点对应的子节点策略作为样本工单对应的解决方案,在最优子节点不为叶节点的情况下,需要将最优子节点更新为当前节点,进而添加当前节点的扩展子节点并更新当前节点,进而确定新的最优子节点。
这样,可以确定最终所得到的解决策略足够具体,从而能够更精确的针对样本工单的工单意图识别结果提供解决策略。
在一种可选的实现方式中,在所述获取目标工单之前,还包括:
针对至少一个历史工单中的每个工单,提取所述工单中与工单意图相关的目标字段;
对所述目标字段进行分词,得到所述目标字段对应的至少一个词汇;
针对每个所述词汇,确定所述词汇的出现频率;
基于所述词汇的出现频率,确定所述词汇的权重;
根据所述至少一个所述词汇的权重,确定所述工单的关键词;
根据所述工单的关键词,确定所述工单与所述至少一个历史工单中其他工单的相似度;
将与所述工单的相似度低于第一预设阈值的所述其他工单确定为所述工单的相似工单;
在所述相似工单的数量大于第二预设阈值时,将所述工单与所有所述相似工单确定为一个簇;
针对所述簇中的每个所述相似工单,确定所述相似工单的簇;
将所述工单的簇及所述相似工单的簇中的每个工单对应的工单意图确定为所述工单对应的工单意图。
具体的,可以通过分词工具对目标字段进行分词,例如通过结巴分词。
可选的,在本实现方式中,可以预先建立停用词库,筛除目标字段对应的至少一个词汇中的停用词汇;可选的,还可以预先建立近义词和/或同义词词库,对上述至少一个词汇中的近义词和/或同义词进行转换。
具体的,可以将至少一个词汇根据他们权重值的大小对他们按序排列,并可以根据具体需要将前K位的词汇确定为目标字段对应的工单的关键词,其中,K的值可由相关技术人员根据具体需要进行设置,此处并不进行具体限定。
这样,通过将工单的簇及相似工单的簇中的每个工单的工单意图确定为工单对应的工单意图,可以将至少一个历史工单中的工单意图进行聚类,进而可以减少工单意图的种类,从而使得针对各工单意图确定工单意图的解决策略时效率更高。
在一种可选的实现方式中,所述确定所述词汇的出现频率,包括:
将所述词汇在所述至少一个词汇中的数量占比确定为所述词汇的第一出现频率;
通过下述公式,确定所述词汇的第二出现频率:
其中,所述id fi为所述第二出现频率,所述|D|为所述至少一个历史工单的总数目,|{j:ti∈dj}|为所述至少一个历史工单中包含所述词汇ti的工单的总数目;
所述基于所述词汇的出现频率,确定所述词汇的权重,包括:
将所述第一出现频率与所述第二出现频率的乘积确定为所述词汇的权重。
这样,可以使得所确定的词汇的权重与词汇的出现频率息息相关,使得权重的值的可靠性更强。
在一种可选的实现方式中,所述根据所述工单的关键词,确定所述工单与所述至少一个历史工单中其他工单的相似度,包括:
根据所述工单的关键词,建立所述工单的关键词向量,其中,所述至少一个历史工单所包含的所有关键词中的每个关键词对应所述关键词向量中的一个分量,所述工单的关键词在所述关键词向量中对应的分量的值为所述关键词的权重,所述工单未包含的关键词在所述关键词向量中对应的分量的值为0;
将所述工单对应的关键词向量与所述其他工单对应的关键词向量的夹角的余弦值确定为所述工单与所述至少一个历史工单中其他工单的相似度。
这样,可以确定工单与工单的相似度,并且可以使得所确定工单的关键词向量的值与工单的关键词的权重相关,进而使得所确定工单与工单之间的相似度与他们关键词的权重相关,使得所确定的工单与工单之间的相似度足够可靠。
下面基于图2对本申请的一个具体实施例进行说明。
步骤201:工单意图识别。
具体的,针对至少一个历史工单中的每个工单,可以获取工单中与“工单意图”相关的目标字段;进一步的,针对该字段,可以利用分词工具对该字段进行分词,得到与目标字段对应的至少一个词汇。
进一步的,可选的,可以将与目标字段对应的至少一个词汇输入预设的停用词库,筛除上述至少一个词汇中的停用词,上述停用词库中所包含的停用词可由相关技术人员根据具体需要进行设置。
可选的,还可以将与目标字段对应的至少一个词汇输入预设的近义词和/或同义词库,将上述至少一个词汇进行转换,使得转换后的各词汇的意义不相近和/或不相同。
进一步的,对经过以上步骤处理得到的目标字段对应的各词汇的词频进行计算;具体的,各词汇的词频可以包括第一词频(第一出现频率)与第二词频(第二出现频率),其中,第一词频可以为某一词汇在目标字段对应的词汇中的数量与上述至少一个词汇的总数量的比值,第二词频可以通过以下公式确定;
其中,id fi为第二出现频率,所述|D|为所述至少一个历史工单的总数目,|{j:ti∈dj}|为所述至少一个历史工单中包含词汇ti的工单的总数目;
进一步的,可以将各词汇的第一词频与第二词频的乘积确定为各词汇的权重;更进一步,可以对目标字段对应的各词汇按照权重大小依次排序,根据具体需要选择前K位的词汇作为目标字段的关键词,也即工单的关键词,其中,K的值可以根据相关技术人员的具体需要进行设置;
进一步的,可以根据工单对应的关键词的权重构建工单对应的关键词向量,其中,至少一个历史工单所包含的所有关键词中的每个关键词对应关键词向量中的一个分量,所述工单的关键词在关键词向量中对应的分量的值为所述关键词的权重,工单未包含的关键词在所述关键词向量中对应的分量的值为0;进一步的,两个工单的相似度可以为他们分别对应的关键词向量的夹角的余弦值;
进一步的,可以确定与工单的相似度小于第一预设阈值的所有工单,在上述所有工单的数量大于第二预设阈值时,将所述工单与其相似工单确定为一个簇;进一步的,不断寻找上述相似工单的簇,直至该簇内所有工单的簇都被充分找到。
需要说明的是,针对该簇内不存在簇的工单,可以对这些工单进行人工分析,确定其所属的簇。
将一个簇中所有工单的工单意图归类为同一类工单意图。
步骤202:对工单意图进行方案推荐。
具体的,针对目标工单的工单意图识别结果,确定该目标工单意图的历史解决策略,将该解决策略作为根节点,并将该根节点作为当前节点;进一步的,确定该当前节点的至少一个历史子节点,其中,一个子节点对应一个子解决策略;进一步的,在至少一个历史子节点不是当前节点的所有子节点的情况下,尝试对当前节点添加N次扩展子节点;每添加一次所述扩展子节点,则将扩展子节点与至少一个历史子节点确定为当前节点的所有子节点,并将当前节点更新为奖励值最高的所述子节点;其中,对当前节点添加N次扩展子节点后,更新后的当前节点为叶节点;
进一步的,每确定一个扩展子节点,可以进一步遍历该扩展子节点的子节点,直至遍历的子节点为叶节点,进而可以确定扩展子节点的访问量与历史子节点的新增访问量,其中,每个扩展子节点的访问量为扩展子节点被遍历的次数,历史子节点的新增访问量为其被遍历的次数;
需要说明的是,每个节点的奖励值可以通过以下公式确定:
其中,所述为所述子节点对应的预设效益指标值的提升率的平均值,所述n为所述子节点的父节点的访问量,所述ni为所述子节点的访问量,所述Cp为所述预设系数,所述UCT为所述子节点的奖励值;
进一步的,可以将上述确定扩展子节点并更新当前节点及确定每个子节点的访问量的过程循环预设次数,和/或循环预设时间;
进一步的,可以在所有的当前节点中下述至少一者时,将其确定为最优子节点:
满足平均奖励值最高的当前节点、最高奖励值最高的当前节点及访问量最高的当前节点;
进一步的,可以判断该最优子节点是否为叶节点,若该最优子节点为叶节点,则可以将该最优子节点对应的子策略作为工单意图对应的推荐方案;若该最优子节点不是叶节点,则可以将该最优子节点作为当前节点,重复上述寻找当前节点的扩展子节点并更新当前节点的过程,直至当前节点为叶节点,进一步重复以上确定所有当前节点中的最优子节点,并确定最优子节点是否为叶节点的过程。
这样,可以对所有的工单的工单进行聚类,有效减少工单意图的种类,进而可以对聚类后的工单意图进行训练,得到各工单意图的较优推荐方案。
需要说明的是,本申请实施例提供的一种工单处理方法,执行主体可以为一种工单处理装置,或者该一种工单处理装置中的用于执行一种工单处理方法的控制模块。本申请实施例中以一种工单处理装置执行一种工单处理方法为例,说明本申请实施例提供的一种工单处理装置。
图3是根据本发明实施例的一种工单处理装置的结构示意图。如图3所示,一种工单处理装置300包括:获取模块310、确定模块320。
获取模块310,用于获取目标工单,其中所述目标工单的预设字段用于指示所述目标工单的工单意图;
确定模块320,用于基于方案推荐模型,确定所述工单意图对应的目标解决方案;
其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略。
在一种实现方式中,所述确定模块320还用于:确定样本工单的工单意图识别结果所对应的历史解决策略,将所述历史解决策略确定为根节点;
将所述根节点作为当前节点,确定至少一个历史子节点是否为所述当前节点的所有子节点,其中,每个所述子节点对应一个子解决策略;
在所述至少一个历史子节点不是所述当前节点的所有子节点的情况下,尝试对所述当前节点添加N次扩展子节点;
每添加一次所述扩展子节点,则将所述扩展子节点与所述至少一个历史子节点确定为所述当前节点的所有子节点,并将所述当前节点更新为奖励值最高的所述子节点;其中,对所述当前节点添加N次扩展子节点后,更新后的当前节点为叶节点;
将确定的所有当前节点中满足预设条件的所述当前节点作为最优子节点;
将所述最优子节点对应的所述子解决策略作为所述样本工单对应的解决方案。
在一种实现方式中,所述确定模块320还用于:针对每个所述扩展子节点,遍历所述扩展子节点的子节点,直至所述子节点为叶节点;
确定每个所述扩展子节点的访问量,其中,所述访问量为所述扩展子节点被遍历的次数。
在一种实现方式中,通过下述公式,确定所述子节点的奖励值;
其中,所述为所述子节点对应的预设效益指标值的提升率的平均值,所述n为所述子节点的父节点的访问量,所述ni为所述子节点的访问量,所述Cp为预设系数,所述UCT为所述子节点的奖励值,所述子节点为历史子节点和/或扩展子节点;
其中,所述子节点对应的预设效益指标值的提升率的平均值为所述子节点对应的预设效益指标值的提升率与所述子节点的访问量的比值;
其中,在所述子节点为历史子节点的情况下,所述历史子节点的访问量为所述历史子节点在解决各样本工单的工单意图识别结果的历史过程中被访问的次数与所述历史子节点被遍历的次数的总和。
在一种实现方式中,所述预设条件包括下述中的至少一者:所述当前节点对应的所述奖励值的平均值最高、所述当前节点对应的最高所述奖励值最高及所述当前节点的访问量最大。
在一种实现方式中,确定模块320还用于:在所述最优子节点为叶节点的情况下,将所述最优子节点对应的所述子解决策略确定为所述样本工单对应的解决方案;
在所述最优子节点不是叶节点的情况下,将所述当前节点更新为所述最优子节点;
在至少一个历史子节点不是所述当前节点的所有子节点的情况下,尝试对所述当前节点添加N次扩展子节点;
每添加一次所述扩展子节点,则将所述扩展子节点与所述至少一个历史子节点确定为所述当前节点的所有子节点,并将所述当前节点更新为奖励值最高的所述子节点;其中,对所述当前节点添加N次扩展子节点后,更新后的当前节点为叶节点;
将确定的所有当前节点中满足预设条件的所述当前节点作为最优子节点;
将所述最优子节点对应的所述子解决策略作为所述样本工单对应的解决方案。
在一种实现方式中,获取模块310还用于:针对至少一个历史工单中的每个工单,提取所述工单中与工单意图相关的目标字段;
对所述目标字段进行分词,得到所述目标字段对应的至少一个词汇;
针对每个所述词汇,确定所述词汇的出现频率;
基于所述词汇的出现频率,确定所述词汇的权重;
根据所述至少一个所述词汇的权重,确定所述工单的关键词;
根据所述工单的关键词,确定所述工单与所述至少一个历史工单中其他工单的相似度;
将与所述工单的相似度低于第一预设阈值的所述其他工单确定为所述工单的相似工单;
在所述相似工单的数量大于第二预设阈值时,将所述工单与所有所述相似工单确定为一个簇;
针对所述簇中的每个所述相似工单,确定所述相似工单的簇;
将所述工单的簇及所述相似工单的簇中的每个工单对应的工单意图确定为所述工单对应的工单意图。
在一种实现方式中,获取模块310还用于:将所述词汇在所述至少一个词汇中的数量占比确定为所述词汇的第一出现频率;
通过下述公式,确定所述词汇的第二出现频率:
其中,所述id fi为所述第二出现频率,所述|D|为所述至少一个历史工单的总数目,|{j:ti∈dj}|为所述至少一个历史工单中包含所述词汇ti的工单的总数目;
将所述第一出现频率与所述第二出现频率的乘积确定为所述词汇的权重。
在一种实现方式中,所述获取模块310还用于:根据所述工单的关键词,建立所述工单的关键词向量,其中,所述至少一个历史工单所包含的所有关键词中的每个关键词对应所述关键词向量中的一个分量,所述工单的关键词在所述关键词向量中对应的分量的值为所述关键词的权重,所述工单未包含的关键词在所述关键词向量中对应的分量的值为0;
将所述工单对应的关键词向量与所述其他工单对应的关键词向量的夹角的余弦值确定为所述工单与所述至少一个历史工单中其他工单的相似度。
本申请实施例中的一种工单处理装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的一种工单处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的一种工单处理装置能够实现图1和图2的方法实施例中实现的各个过程,为避免重复,这里不再赘述。
可选的,如图4所示,本申请实施例还提供一种电子设备400,包括处理器401,存储器402,存储在存储器402上并可在所述处理器401上运行的程序或指令,该程序或指令被处理器401执行时实现上述方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述一种工单处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述一种工单处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种工单处理方法,其特征在于,包括:
获取目标工单,其中所述目标工单的预设字段用于指示所述目标工单的工单意图;
基于方案推荐模型,确定所述工单意图对应的目标解决方案;
其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略。
2.根据权利要求1所述的工单处理方法,其特征在于,在所述基于方案推荐模型,确定所述工单意图对应的目标解决方案之前,还包括:
确定样本工单的工单意图识别结果所对应的历史解决策略,将所述历史解决策略确定为根节点;
将所述根节点作为当前节点,确定至少一个历史子节点是否为所述当前节点的所有子节点,其中,每个所述子节点对应一个子解决策略;
在所述至少一个历史子节点不是所述当前节点的所有子节点的情况下,尝试对所述当前节点添加N次扩展子节点;
每添加一次所述扩展子节点,则将所述扩展子节点与所述至少一个历史子节点确定为所述当前节点的所有子节点,并将所述当前节点更新为奖励值最高的所述子节点,其中,对所述当前节点添加N次扩展子节点后,更新后的当前节点为叶节点;
将确定的所有当前节点中满足预设条件的所述当前节点作为最优子节点;
将所述最优子节点对应的所述子解决策略作为所述样本工单对应的解决方案。
3.根据权利要求2所述的工单处理方法,其特征在于,在所述更新后的当前节点为叶节点之后,还包括:
针对每个所述扩展子节点,遍历所述扩展子节点的子节点,直至所述子节点为叶节点;
确定每个所述扩展子节点的访问量,其中,所述访问量为所述扩展子节点被遍历的次数。
4.根据权利要求3所述的工单处理方法,其特征在于,
通过下述公式,确定所述子节点的奖励值;
其中,所述为所述子节点对应的预设效益指标值的提升率的平均值,所述n为所述子节点的父节点的访问量,所述ni为所述子节点的访问量,所述Cp为预设系数,所述UCT为所述子节点的奖励值,所述子节点为历史子节点和/或扩展子节点;
其中,所述子节点对应的预设效益指标值的提升率的平均值为所述子节点对应的预设效益指标值的提升率与所述子节点的访问量的比值;
其中,在所述子节点为历史子节点的情况下,所述历史子节点的访问量为所述历史子节点在解决各样本工单的工单意图识别结果的历史过程中被访问的次数与所述历史子节点被遍历的次数的总和。
5.根据权利要求2所述的工单处理方法,其特征在于,所述预设条件包括下述中的至少一者:所述当前节点对应的所述奖励值的平均值最高、所述当前节点对应的最高所述奖励值最高及所述当前节点的访问量最大。
6.根据权利要求2所述的工单处理方法,其特征在于,所述将所述最优子节点对应的所述子解决策略作为所述样本工单对应的解决方案,包括:
在所述最优子节点为叶节点的情况下,将所述最优子节点对应的所述子解决策略确定为所述样本工单对应的解决方案;
在所述最优子节点不是叶节点的情况下,将所述当前节点更新为所述最优子节点;
在至少一个历史子节点不是所述当前节点的所有子节点的情况下,尝试对所述当前节点添加N次扩展子节点;
每添加一次所述扩展子节点,则将所述扩展子节点与所述至少一个历史子节点确定为所述当前节点的所有子节点,并将所述当前节点更新为奖励值最高的所述子节点;其中,对所述当前节点添加N次扩展子节点后,更新后的当前节点为叶节点;
将确定的所有当前节点中满足预设条件的所述当前节点作为最优子节点;
将所述最优子节点对应的所述子解决策略作为所述样本工单对应的解决方案。
7.根据权利要求1所述的工单处理方法,其特征在于,在所述获取目标工单之前,还包括:
针对至少一个历史工单中的每个工单,提取所述工单中与工单意图相关的目标字段;
对所述目标字段进行分词,得到所述目标字段对应的至少一个词汇;
针对每个所述词汇,确定所述词汇的出现频率;
基于所述词汇的出现频率,确定所述词汇的权重;
根据所述至少一个所述词汇的权重,确定所述工单的关键词;
根据所述工单的关键词,确定所述工单与所述至少一个历史工单中其他工单的相似度;
将与所述工单的相似度低于第一预设阈值的所述其他工单确定为所述工单的相似工单;
在所述相似工单的数量大于第二预设阈值时,将所述工单与所有所述相似工单确定为一个簇;
针对所述簇中的每个所述相似工单,确定所述相似工单的簇;
将所述工单的簇及所述相似工单的簇中的每个工单对应的工单意图确定为所述工单对应的工单意图。
8.根据权利要求7所述的工单处理方法,其特征在于,所述确定所述词汇的出现频率,包括:
将所述词汇在所述至少一个词汇中的数量占比确定为所述词汇的第一出现频率;
通过下述公式,确定所述词汇的第二出现频率:
其中,所述idfi为所述第二出现频率,所述|D|为所述至少一个历史工单的总数目,|{j:ti∈dj}|为所述至少一个历史工单中包含所述词汇ti的工单的总数目;
所述基于所述词汇的出现频率,确定所述词汇的权重,包括:
将所述第一出现频率与所述第二出现频率的乘积确定为所述词汇的权重。
9.根据权利要求7所述的工单处理方法,其特征在于,所述根据所述工单的关键词,确定所述工单与所述至少一个历史工单中其他工单的相似度,包括:
根据所述工单的关键词,建立所述工单的关键词向量,其中,所述至少一个历史工单所包含的所有关键词中的每个关键词对应所述关键词向量中的一个分量,所述工单的关键词在所述关键词向量中对应的分量的值为所述关键词的权重,所述工单未包含的关键词在所述关键词向量中对应的分量的值为0;
将所述工单对应的关键词向量与所述其他工单对应的关键词向量的夹角的余弦值确定为所述工单与所述至少一个历史工单中其他工单的相似度。
10.一种工单处理装置,其特征在于,包括:
获取模块,用于获取目标工单,其中所述目标工单的预设字段用于指示所述目标工单的工单意图;
确定模块,用于基于方案推荐模型,确定所述工单意图对应的目标解决方案;
其中,所述方案推荐模型由样本数据训练得到,所述样本数据包括样本工单的工单意图识别结果和所述样本工单对应的历史解决策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210789452.7A CN117436713A (zh) | 2022-07-06 | 2022-07-06 | 工单处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210789452.7A CN117436713A (zh) | 2022-07-06 | 2022-07-06 | 工单处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117436713A true CN117436713A (zh) | 2024-01-23 |
Family
ID=89555813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210789452.7A Pending CN117436713A (zh) | 2022-07-06 | 2022-07-06 | 工单处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117436713A (zh) |
-
2022
- 2022-07-06 CN CN202210789452.7A patent/CN117436713A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108804641B (zh) | 一种文本相似度的计算方法、装置、设备和存储介质 | |
CN108073568B (zh) | 关键词提取方法和装置 | |
CN109815487B (zh) | 文本质检方法、电子装置、计算机设备及存储介质 | |
CN109086265B (zh) | 一种语义训练方法、短文本中多语义词消歧方法 | |
CN107102993B (zh) | 一种用户诉求分析方法和装置 | |
CN110609952B (zh) | 数据采集方法、系统和计算机设备 | |
CN111984792A (zh) | 网站分类方法、装置、计算机设备及存储介质 | |
CN110032650B (zh) | 一种训练样本数据的生成方法、装置及电子设备 | |
CN113255370A (zh) | 基于语义相似度的行业类型推荐方法、装置、设备及介质 | |
WO2023010427A1 (en) | Systems and methods generating internet-of-things-specific knowledge graphs, and search systems and methods using such graphs | |
CN112100470B (zh) | 基于论文数据分析的专家推荐方法、装置、设备及存储介质 | |
CN113297355A (zh) | 基于对抗插值序列标注数据增强方法、装置、设备及介质 | |
CN112800226A (zh) | 用于获取文本分类模型的方法、用于文本分类的方法、装置及设备 | |
US10705810B2 (en) | Automatic code generation | |
CN111639161A (zh) | 制度信息处理方法、装置、计算机系统和介质 | |
CN116150376A (zh) | 一种样本数据分布优化方法、装置和存储介质 | |
CN113095073B (zh) | 语料标签生成方法、装置、计算机设备和存储介质 | |
CN117436713A (zh) | 工单处理方法及装置 | |
CN111858899B (zh) | 语句处理方法、装置、系统和介质 | |
CN109787784B (zh) | 群组推荐方法、装置、存储介质和计算机设备 | |
CN112579769A (zh) | 关键词的聚类方法、装置、存储介质和电子设备 | |
CN110866406A (zh) | 用于翻译集成服务优化方法、电子装置及储存介质 | |
CN116226297B (zh) | 数据模型的可视化搜索方法、系统、设备及存储介质 | |
CN116010728B (zh) | 数控系统的工艺流程呈现形式确定方法及相关设备 | |
CN116501841B (zh) | 数据模型模糊查询方法、系统及存储介质 |
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 |