[发明专利]基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法

权利要求书

1.基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法，其特征在于：其步骤包括：

步骤1：利用RPA提取用户用电诉求工单的受理内容及用户信息；构建工单派发模型；所述RPA为机器人流程自动化；

步骤2：采用NLP信息抽取方法，将不规则的受理内容文本结构化，提取用户用电诉求工单的关键信息；

步骤3：将关键信息输入工单派发模型，工单派发模型对能提取到关键信息的工单自动下派；针对在输入关键信息至工单派发模型后无法找到下派路径的工单流转给人工进行处理后执行步骤4；

步骤4：采用自然语言处理的少样本学习方法，记录并训练人工派单的工单处置结果，形成新的自派发路径，对人工派单方式进行少样本学习，更新工单派发模型；

利用少样本学习方法对工单进行训练的方法为：

工单派发模型使用 CBoW模型将词表示词向量；

工单派发模型采用TextCNN来对词向量进行特征提取输出文本的特征向量；

工单派发模型将所有文本的特征向量输入基于多项式分布建模的softmax分类器进行分类判定，输出每一个文本对应的类别并与已有的标签进行对比；迭代训练得到分类更新后的工单派发模型；

步骤5：将步骤2的获得的关键信息输入经过更新的工单派发模型，实现用户用电诉求工单的自动下派。

2.根据权利要求1所述的基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法，其特征在于：步骤1中，用户用电诉求工单的数据源为：客服系统中投诉受理工单、回访不满意工单信息；营销系统和配网抢修平台提供的工单受理时间、故障区域、故障所在线路的基本信息；反映客户诉求信息的投诉受理记录内容和投诉处理过程记录。

3.根据权利要求1所述的基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法，其特征在于：所述步骤2具体为：

基于NLP技术实现用户用电诉求工单中的句子分割，通过对工单中形成的句子进行编码，拆分句子；

对工单中出现的词汇进行标记；

对被标记的词汇的词性进行预测；

判断每个词汇在工单中的作用，获取到用户用电诉求工单上出现的结构化数据，得到关键信息。

4.根据权利要求3所述的基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法，其特征在于：对被标记的词汇的词性进行预测时，具体使用循环神经网络来处理后面的输入依赖前面的输入的序列关系。

5.根据权利要求3所述的基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法，其特征在于：结构化数据包括诉求时间、用电信息和用户情感。

6.根据权利要求1所述的基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法，其特征在于：所述步骤3还包括训练工单派发模型的步骤：基于关键信息，构建工单文本分类的特征词库矩阵，完成特征提取；以特征词库矩阵作为工单派发模型输入对工单派发模型进行分类训练。

7.根据权利要求1所述的基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法，其特征在于：所述步骤4中，对人工派单方式进行少样本学习包括因素处置行为的学习，因素处置行为包括：用户所在台区、用户所在社区和工单处理部门。

8.根据权利要求1所述的基于NLP信息萃取与少样本自学习的用户用电诉求工单自动流转方法，其特征在于：所述步骤4中，利用随机森林算法来实现新旧模型之间的更新。