[发明专利]一种咨询任务分解方法、系统及平台

权利要求书

1.一种咨询任务分解方法，其特征在于，包括以下步骤：

S1，获取所述咨询任务的内容，检索与所述咨询任务类似的历史任务及历史任务对应的服务商；

S2，基于所述咨询任务的任务内容特点，依据预设任务分解原则将所述咨询任务分解为子任务集；所述子任务集包括多个子任务；

S3，将所述子任务、所述历史任务的文本信息向量化，采用预设特征提取方法对向量化后的文本信息进行特征提取，并根据特征提取结果计算所述子任务与所述历史任务的相似度，得到服务商候选集；

S4，以任务包数量最少和任务包的平均任务内容相关性最大为目标构建任务包模型；并基于所述任务包模型，将对应的服务商相同的子任务进行合并，得到若干个任务包。

2.根据权利要求1所述的一种咨询任务分解方法，其特征在于，所述步骤S2还包括：构建树状图表征所述子任务集。

3.根据权利要求1所述的一种咨询任务分解方法，其特征在于，所述步骤S3具体包括：

S31，将所述子任务、所述历史任务的文本信息分别输入Bert模型，通过对所述子任务、所述历史任务的文本信息进行编码，获得文本信息对应的向量，所述文本信息对应的向量包括文本向量和词向量；

S32，通过CNN模型提取所述词向量的特征向量；

S33，基于所述子任务的文本向量、词向量的特征向量和所述历史任务的文本向量、词向量的特征向量，计算所述子任务与所述历史任务的余弦相似度，得到所述服务商候选集。

4.根据权利要求3所述的一种咨询任务分解方法，其特征在于，所述步骤S32具体包括：

步骤S321，通过对词向量进行卷积运算生成特征图和特征矩阵；

步骤S322，对所述特征矩阵做最大池化运算，保留特征矩阵中的最大值，得到新的特征矩阵；

步骤S323，对新的特征矩阵进行综合，输出具有固定大小的特征向量即所述词向量的特征向量。

5.根据权利要求1所述的一种咨询任务分解方法，其特征在于，采用改进NSGA-Ⅱ算法对所述预设任务包模型进行求解，包括：

步骤1：生成种群数量为NIND的初始种群Chrom，并将所述初始种群Chrom作为父代种群进行进化迭代；

步骤2：对父代种群Chrom执行交叉、变异操作，生成子代种群Chrom_off；

步骤3：对子代种群Chrom_off执行邻域搜索操作，即采用Reverse算子和Swap算子对NSGA-II算法的解进行局部搜索，并采用Metropolis准则接受劣解，生成子代种群Chrom_off’；

步骤4：合并父代种群Chrom和子代种群Chrom_off’，依据约束条件将染色体划分为多个片段，即每一片段表示一个任务包；计算其目标函数值ObjV，并对目标函数值标准化；

步骤5：基于标准化的目标函数值ObjV_Nor进行非支配排序并计算拥挤度，采用精英保留策略选择前NIND个个体作为下一次进化迭代的父代种群Chrom；

步骤6：判断NSGA-II算法的进化代数gen是否超过最大进化代数MAXGEN，若超过，则转入步骤7，否则跳转至步骤2；

步骤7：通过TOPSIS方法从Pareto解集中选择出最优解。

6.根据权利要求1所述的一种咨询任务分解方法，其特征在于，所述步骤S4还包括：构建BOS表征所述任务包。