[发明专利]一种基于二次排序的工单检索方法

权利要求书

1.一种基于二次排序的工单检索方法，其特征在于：包括：

S101:根据工单信息表对工单ID所对应的工单内容进行分词；

S102:根据关键词和工单ID的对应关系建立字典信息表；

S103:根据字典信息表所对应的ID列表进行检索匹配对应的工单ID；

S104:采用Word2Vec模型算法对工单数据进行二次排序；

S105:采用Word2Vec算法对所有工单数据进行训练；

S106:利用word2vec算法将词编码成词向量；

S107:对WMD进行计算。

2.根据权利要求1所述的一种基于二次排序的工单检索方法，其特征在于：所述S101:根据工单信息表对工单ID所对应的工单内容进行分词，具体包括：对一个自然语言处理工单进行分词并采用TD-IDF算法对工单的关键语素信息进行提取，所述工单信息表包括工单ID和工单内容。

3.根据权利要求1所述的一种基于二次排序的工单检索方法，其特征在于：所述字典信息表用于记录所有出现所述关键词的工单ID。

4.根据权利要求3所述的一种基于二次排序的工单检索方法，其特征在于：所述S103:根据字典信息表所对应的ID列表进行检索匹配对应的工单ID，具体包括：对采用TD-IDF算法提取的所述关键词在字典信息表中查询，对所取出的ID列表取交集运算，其ID对应的工单为一次检索匹配结果。

5.根据权利要求1所述的一种基于二次排序的工单检索方法，其特征在于：所述S106:利用word2vec算法将词编码成词向量，具体包括：对于一个长度为n的词汇表，每一个词都有一个word2vec的embedding表示，构成一个X∈R^d·n矩阵，其中每一列X_i∈R^d代表一个第i个单词的d维embedding向量。

6.根据权利要求1所述的一种基于二次排序的工单检索方法，其特征在于：所述S107:对WMD进行计算，具体步骤包括：

S1:计算每个关键词的nBOW权重；

S2:计算pair-wise的单词距离；

S3:综合S1和S2计算文档之间的距离；

S4:计算出最终两个文本的相似度值。

7.根据权利要求6所述的一种基于二次排序的工单检索方法，其特征在于：所述S1:计算每个关键词的nBOW权重，具体计算公式为：其中c_i表示第i个词在文中出现的次数。d表示的是单个关键词的一个权重分布。

8.根据权利要求6所述的一种基于二次排序的工单检索方法，其特征在于：所述S2:计算pair-wise的单词距离，具体计算公式为：c(i,j)＝||x_i-x_j||₂。

9.根据权利要求6所述的一种基于二次排序的工单检索方法，其特征在于：所述S3:综合S1和S2计算文档之间的距离，具体包括：用d和d'表示两个文档的nBOW向量，我们允许d中的任何一个词i转移到d'中的任何一个词j，转移的代价就是c(i,j)；定义一个转移矩阵T∈R^n×n，其中T_ij表示单词i有多少的权重要转移到单词j；为了保证将d全部转移到d’，必须满足d中从某单词i流出的权重之和等于该单词在d中的nBOW的权重，即同理d’中流入某单词j的权重之和等于该单词在d'中的nBOW的权重，即

10.根据权利要求6和9所述的一种基于二次排序的工单检索方法，其特征在于：所述S4:计算出最终两个文本的相似度值，具体包括：需要找到一个单词匹配方式，使得累加带权重求和距离最小，这个最小距离就是最终俩个文本的相似度，具体计算公式如下：

其中：

最终的相似度值为：