[发明专利]工单自动分类方法及装置

权利要求书

1.一种工单自动分类方法，其特征在于，包括：

根据目标工单对应的各个词向量获取该目标工单的句向量；

将所述目标工单的句向量输入预设的神经网络模型，并基于该神经网络模型的输出确定所述目标工单的分类结果。

2.根据权利要求1所述的工单自动分类方法，其特征在于，所述根据目标工单对应的各个词向量获取该目标工单的句向量，包括：

获取目标工单数据；

对所述目标工单数据进行数据清洗，得到该目标工单数据对应的分词数据；

获取所述分词数据中的各个词汇各自对应的词向量；

对各个所述词向量的和进行求平均数处理，得到所述目标工单数据对应的句向量。

3.根据权利要求1所述的工单自动分类方法，其特征在于，所述基于该神经网络模型的输出确定所述目标工单的分类结果，包括：

在所述神经网络模型的输出的至少一个所述目标工单的初始分类结果中，判断是否包含有占比大于概率阈值的初始分类结果，若是，则将该占比大于概率阈值的初始分类结果确定为所述目标工单的分类结果。

4.根据权利要求3所述的工单自动分类方法，其特征在于，还包括：

若经判断获知所述神经网络模型的输出的至少一个所述目标工单的初始分类结果中，未包含有占比大于概率阈值的初始分类结果，则对所述目标工单的句向量进行聚类处理。

5.根据权利要求1所述的工单自动分类方法，其特征在于，在所述将所述目标工单的句向量输入预设的神经网络模型之前，还包括：

获取多个历史工单的原始数据；

对各个所述历史工单的原始数据分别进行数据清洗，得到各个所述历史工单各自对应的分词数据；

获取所述分词数据中的各个词汇各自对应的词向量；

分别对每个所述历史工单对应的词向量进行和进行求平均数处理，得到各个所述历史工单各自对应的句向量；

对各个所述句向量进行聚类处理，得到对应的聚类数据集；

基于预设的fastText文本分类算法，应用所述聚类数据集训练得到用于进行工单分类的神经网络模型。

6.根据权利要求5所述的工单自动分类方法，其特征在于，所述对各个所述句向量进行聚类处理，得到对应的聚类数据集，包括：

根据预设的多个工单类型确定用于数据聚类的质点数量；

基于各个所述工单类型和对应的所述质点，对各个所述历史工单各自对应的句向量进行聚类处理，得到对应的聚类数据集。

7.根据权利要求2或5所述的工单自动分类方法，其特征在于，所数据清洗包括：分词及去停用词处理。

8.一种工单自动分类装置，其特征在于，包括：

句向量获取模块，用于根据目标工单对应的各个词向量获取该目标工单的句向量；

工单分类模块，用于将所述目标工单的句向量输入预设的神经网络模型，并基于该神经网络模型的输出确定所述目标工单的分类结果。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的工单自动分类方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的工单自动分类方法。