[发明专利]一种基于机器学习的能力模型与工单匹配方法及系统

说明书

本发明公开了一种基于机器学习的能力模型与工单匹配方法及系统，属于运维服务领域。针对现有技术中存在的运维工单与运维工程师的匹配准确度不高的问题，本发明提供了一种基于机器学习的能力模型与工单匹配方法及系统，系统包括特征项生成单元、隐性语义索引生成单元、模型训练单元以及能力匹配单元，通过特征项生成单元生成特征项，隐性语义索引生成单元根据特征项生成隐性语义索引数据库，通过模型训练单元建立能力模型，最后通过能力匹配单元进行运维人员的能力与工单的匹配，它可以实现针对不同需求的运维工单进行合理的运维人员分派。

技术领域

本发明涉及运维服务领域，更具体地说，涉及一种基于机器学习的能力模型与工单匹配方法及系统。

背景技术

在运维活动中，如何选择合适的运维工程师或运维专家将直接影响到运维工作的质量，正确的选择运维工程师对于保证运维服务质量、效率、成本是至关重要的。现阶段选择运维工程师一般都是采用服务台人员根据其经验选择的方式，或者借助计算机简单给运维工程师打数字标签发的方式方便筛选，计算机辅助程度比较低，仅仅针对数据库查询，没有采用比较合理的智能辅助。目前的匹配方法更是大多采用基于关键字的方法，从数据库中查询相关关键字进行工单和运维工程师的匹配，但这种方法匹配的准确程度不高，并且随着工单量的不断提升对服务台资源的管理及要求也越来越高。因此需要一种针对高频率大体量运维活动的工程师分派方法，能够采用多指标综合评估运维工程师并合理的匹配运维工单，适应不同需求的运维活动。

隐性语义索引，也可译为隐含语义索引，是近年来逐渐兴起的不同于关键词检索的搜索引擎解决方案，其检索结果的实际效果更接近于人的自然语言，在一定程度上提高检索结果的相关性，目前已被逐渐的应用到图书馆、数据库和搜索引擎的算法当中。

发明内容

1.要解决的技术问题

针对现有技术中存在的运维工单与运维工程师的匹配准确度不高的问题，本发明提供了一种基于机器学习的能力模型与工单匹配方法及系统，它可以实现针对不同需求的运维工单进行合理的运维人员分派。

2.技术方案

本发明的目的通过以下技术方案实现。

一种基于机器学习的能力模型与工单匹配方法，包括以下步骤：

S100、对工单进行分词处理得到准分词结果，根据准分词结果生成特征项，根据特征项建立特征项数据库，特征项数据库可在工单过程中不断更新并补充数据，主要用于工单数据的处理；

S200、根据特征项数据库生成特征项-需求文档矩阵，对矩阵进行奇异值分解，建立隐性语义索引数据库；

S300、对专业词典中的特征项进行技术领域属性划分，将特征项打上技术领域标签，对特征项赋予权值，生成技术能力模型，将现有工单进行准分词和相似度匹配处理，得到特征项，通过特征项计算出技术领域能力值，将能力值带入技术能力模型进行训练完善；

S400、当系统获得新工单时，对该工单进行准分词和相似度匹配处理，生成工单的特征项，将特征项与技术能力模型进行匹配。

进一步的，步骤S100中对需求文档进行分词处理得到准分词结果，根据准分词结果生成特征项包括以下步骤：

S101、遍历工单中的需求文档和技术文档，对文档进行准分词处理得到准分词结果；

S102、建立包括运维行业专业词汇的专业词典；

S103、将专业词典中的专业词汇与准分词结果进行相似度匹配，如果相似度匹配得到的相似度超过设定阈值的分词结果，则生成特征项，否则进行下一个准分词结果的匹配。

更进一步的，步骤S200根据特征项数据库生成特征项-需求文档矩阵，建立隐性语义索引数据库包括以下步骤：