[发明专利]一种住建领域政务热线工单派发方法及系统

说明书

本公开提供了一种住建领域政务热线工单派发方法，所述方案通过构建住建领域专业词库，对工单内容进行分词，构建文档词条矩阵；将词条矩阵输入预训练的机器学习模型，预测出工单的责任单位，并采用关联分析的方法选择预设数量可能的责任单位，共同组成责任单位的推荐集合；在选择列表中优先展示所述推荐集合中的责任单位。通过自动推荐出有限的可能责任单位，工作人员只需要在这些可能责任单位中进行选择，极大的节省了工作人员的选择时间，提升了工作人员的工作效率，节省了工单派时间。

技术领域

本公开属于工单派发技术领域，具体涉及一种住建领域政务热线工单派发方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

发明人发现，当前住建部门需要承接大量的12345市民诉求，这些市民诉求对应了大量政务热线工单，在具体的工单处理过程中，工作人员面临着两大困难：首先，任务量大，工作人员每天需要处理大量工单；在处理过程中，工作人员需要确定工单所属的唯一一个责任单位，即要在系统“下拉选择框”中寻找拟派发的责任单位，而可选责任单位通常在几十个以上；工作人员想要在如此多的可选责任单位中确定一个责任单位，十分费时费力。因此，如何提升工作人员的工作效率，节省工单派发时所需时间是当前有待解决的技术问题。

发明内容

本公开为了解决上述问题，提出了一种住建领域政务热线工单派发方法及系统，所述方案通过自动推荐出有限的可能责任单位，工作人员只需要在这些可能责任单位中进行选择，极大的节省了工作人员的选择时间，提升了工作人员的工作效率，节省了工单派时间。

根据本公开实施例的第一个方面，提供了一种住建领域政务热线工单派发方法，包括以下步骤：

接听热线电话，记录语音信息，将语音数据转化为文本信息，形成工单；

构建住建领域专业词库，对工单内容进行分词，基于分词结果，构建文档词条矩阵；

将所述词条矩阵输入预训练的机器学习模型，预测出工单的责任单位，并采用关联分析的方法选择预设数量可能的责任单位，共同组成责任单位的推荐集合；

在选择列表中优先展示所述推荐集合中的责任单位。

进一步的，所述机器学习模型采用支持向量机算法，通过所述支持向量机算法推荐出所述工单可能的一个责任单位。

进一步的，所述关联分析方法的具体步骤包括：

将所有历史工单数据导入预训练的机器学习模型中进行预测，将结果中预测错误的工单提取出来，分析每个责任单位有可能被误预测的责任单位，接着统计出推荐责任单位的频率，依据频率大小选择出前k个责任单位，关联分析提取的k个责任单位与支持向量机预测的一个责任单位，共同组成推荐的责任单位集合，此处的k为大于零的整数。

进一步的，对工单数据进行预处理的具体过程包括：构建噪音数据库，剔除工单中属于噪音数据库中的数据。

进一步的，构建住建领域专业词库，对工单内容进行分词的具体过程包括：构建住建领域的专业词库，包括自定义专业词库与停用词词库；自定义专业词库是指作为整体出现的词语，停用词库是指无意义的语气助词。

进一步的，所述住建领域专业词库内的词语分行存储，每一个词语占一行。

进一步的，基于分词结果，构建文档词条矩阵的具体过程包括：以每一个分词作为单独的一列，每一行表示的是工单内容，以词语出现次数进行排列。

根据本公开实施例的第二个方面，提供了一种住建领域政务热线工单自动派发系统，包括：

工单转化模块，被配置为获取热线电话，记录语音信息，将语音数据转化为文本信息，形成工单；