申请/专利权人：上海德拓信息技术股份有限公司

申请日：2020-12-25

公开（公告）日：2024-05-03

公开（公告）号：CN112632965B

主分类号：G06F40/216

分类号：G06F40/216;G06F40/242;G06F40/284;G06F16/35;G06N20/00;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2021.04.27#实质审查的生效;2021.04.09#公开

摘要：本发明公开了一种针对政府服务热线领域的工单自动分类方法，包括以下步骤：步骤1：数据清洗和预处理；步骤2：计算历史全量工单；步骤3：训练词向量模型；步骤4：对热频词进行聚类；步骤5：干预聚类结果；步骤6：工单打标签分类；步骤7：模型增量训练。利用本发明提出的工单自动分类方法，会根据工单的内容，对每条工单打上多个标签。同时，还可以根据所打上的标签，对工单进行分类。一方面，可以帮助政府工作人员，了解某段时间或某个地区的市民关注热点。另一方面，在得到每条工单的分类标签后，还可以在此基础上进行更深入的数据挖掘。

主权项：1.一种针对政府服务热线领域的工单自动分类方法，其特征在于：具体分类方法包括以下步骤：步骤1：数据清洗和预处理，对政府服务热线领域的工单反映的内容，进行数据清洗和预处理；步骤2：计算历史全量工单热频词；使用TFIDF计算热频词；步骤3：训练词向量模型，使用Word2vec对全量工单进行训练，得到词向量模型；步骤4：对热频词进行聚类，根据热频词和其相应的词向量进行聚类；步骤5：干预聚类结果，工作人员对算法得到的聚类结果进行调整，得到用来给工单进行打标签和分类的近似词分类字典表；步骤6：工单打标签和分类，利用所述步骤5得到的近似词分类字典表，根据工单反映的内容进行映射，给工单打标签和分类；步骤7：模型增量训练，对增量数据，增量训练模型，并以增量的方式将新增的热频词添加到近似词分类字典表中；所述步骤6是利用步骤5得到的近似词分类字典表，对工单进行打标签分类，其详细步骤如下：步骤6.1：设置每条工单最多打标签个数labelnum；步骤6.2：对待打标签的工单，对工单反映内容利用结巴分词进行分词；步骤6.3：初始化每条工单在近似词分类字典表中各个类的得分为0；将每条工单分词后的每个词，与近似词分类字典表中各个类的热频词进行匹配；匹配成功因此加上匹配上的热频词的得分；匹配结束计算出每条工单在近似词分类字典表各个类中的得分；对每条工单，取得分较高的前labelnum个类的类别名称做为该工单的标签；并按照类的得分，将标签名称从高到低排序给出；工单中没有匹配到任一个类，则标为“其他”；步骤6.4：根据每条工单打上的标签，对工单进行分类，根据工单打标签的结果，设定前TopN个标签对工单进行分类。

全文数据：

权利要求：

百度查询： 上海德拓信息技术股份有限公司 一种针对政府服务热线领域的工单自动分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD