[发明专利]一种咨询任务分解方法、系统及平台

说明书

本发明公开了一种咨询任务分解方法、系统及平台，方法包括：S1，获取咨询任务的内容，检索与咨询任务类似的历史任务及历史任务对应的服务商；S2，基于咨询任务的任务内容特点，依据预设任务分解原则将咨询任务分解为子任务集；S3，将子任务、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子任务与历史任务的相似度，得到服务商候选集；S4，基于任务包模型，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。本发明从任务结构和服务资源可用性视角出发，对复杂科技咨询任务进行分解，有效解决雇主需求与服务商能力无法一一对应的问题，有效降低服务商组合优选的难度。

技术领域

本发明涉及咨询技术领域，尤其是一种咨询任务分解方法、系统及平台。

背景技术

复杂科技咨询任务由于复杂度高、规模大、个性化程度高等特征，难以由一家服务商单独完成的难题，因此，对于复杂科技咨询任务分解方法的研究具有重要的意义。

发明内容

针对现有技术中的缺陷，本发明提供了一种咨询任务分解方法、系统及平台，对复杂科技咨询任务进行分解，有效解决雇主需求与服务商能力无法一一对应的问题，有效降低服务商组合优选的难度。

第一方面

本发明提供了一种咨询任务分解方法，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。

优选地，所述步骤S2还包括：构建树状图表征所述子任务集。

优选地，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。

优选地，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。

优选地，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；