[发明专利]一种基于人工智能的政务办公系统预置批示与分工方法

权利要求书

1.一种基于人工智能的政务办公系统预置批示与分工方法，其特征在于，包括步骤一模型的初始化训练和步骤二实时的推演和持续训练；

所述步骤一初始化训练由三部分组成，第一部分是预处理，第二部分是生成批示的模型训练，第三部分是生成分工的模型训练；

所述预处理的工作需要将从政务办公系统中获取的“业务”数据转化成一般的机器学习模型可处理的“矢量”数据，“矢量”转换需要对原始文本分离编码，根据汉语的特点，要使用分词工具，以“词”而不是以“字”为单位对文本进行分离，而且根据政务的特点，将单位部门以及个人的全名和简称都作为分词工具的预置词典，可让分词更加准确，样本所有的词归纳成了“词典表”，每个词与一个数字一一对应，通过这个词典表的词与数字的映射，就可以将文本的词序列转变为数字序列；

所述生成批示的模型训练为使用一个序列到序列seq2seq模型，它的输入输出都是文本序列，是通过深度神经网络模型将一个作为输入的序列映射为一个作为输出的序列，这一过程由编码输入与解码输出两个环节组成；

所述生成分工的模型训练位使用一个文本分类模型，在技术方案中，需要的是多种分类的映射，即一个文本可以在若干个分类中对应多个，类似多选题，而每一个分类对应一个分工的目标，因此，技术方案使用了词向量和双向LSTM层来实现文本分类模型；

所述步骤二实时推演和持续训练，是利用在步骤一初始化训练得到的节点的模型，当有新的未处理的来文，将来文信息输入到模型中，就可以推演出批示和分工信息，并预置到政务办公系统中。

2.根据权利要求1所述的一种基于人工智能的政务办公系统预置批示与分工方法，其特征在于，所述预处理是对样本数据的预处理。

3.根据权利要求1所述的一种基于人工智能的政务办公系统预置批示与分工方法，其特征在于，所述预置批示与分工方法还包括处理人办理时，看着预置的信息去工作，可直接提交或修改后提交，形成新的“历史数据”，技术方案累积一定数量的新的“历史数据”后，将其作为训练的样本持续训练模型。

4.根据权利要求1所述的一种基于人工智能的政务办公系统预置批示与分工方法，其特征在于，所述政务办公系统中节点的历史数据，分开为来文的信息和处理人的工作结果，用上述的流程进行初始化训练，就得到一个适合这个节点的模型。

5.根据权利要求1所述的一种基于人工智能的政务办公系统预置批示与分工方法，其特征在于，所述深度神经网络模型是多个LSTM——长短记忆网络。

6.根据权利要求1所述的一种基于人工智能的政务办公系统预置批示与分工方法，其特征在于，所述编码输入为若干层LSTM或RNN。

7.根据权利要求1所述的一种基于人工智能的政务办公系统预置批示与分工方法，其特征在于，所述解码输出为若干层LSTM或RNN。