一种用户问题分发方法及装置制造方法及图纸

本发明专利技术公开了一种用户问题分发方法及装置，涉及自然语言处理及人工智能技术领域，该方法包括：接收用户问题，将用户问题分为多个字段；将问题所属产品字段输入词向量输出模型得到对应词向量，将问题报错信息字段输入词向量输出模型得到对应词向量；将问题描述字段输入句向量输出模型，得到对应句向量；查询产品负责人信息表，从问题所属产品、问题报错信息、及问题描述三个维度进行相似度计算，得到第一相似度、第二相似度、第三相似度；将每一产品负责人对应的第一相似度、第二相似度、及第三相似度进行加权聚合，确定每一产品负责人与用户问题的相似度，将用户问题推送给相应的产品负责人。本发明专利技术可以提高问题定位的准确率，提高问题处理效率。问题处理效率。问题处理效率。

【技术实现步骤摘要】
一种用户问题分发方法及装置


[0001]本专利技术涉及自然语言处理及人工智能
，尤其涉及一种用户问题分发方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]近年来银行业务不断创新发展，覆盖的领域越来越多，业务逻辑错综复杂，交易渠道和交易类型也繁复众多。业务人员对复杂的业务、概念、交易中出现的问题无法解决时，往往会在维护群或工单系统中向开发人员咨询。
[0004]现有技术的一种工单系统问题分发方案是，由维护人员转发至负责人，但是增加人工成本，处理效率较低，客户体验较差；现有技术的另一种工单系统问题分发方案是，对问题分词后直接计算相似度，定位到该问题的负责人并转发，但是问题定位的准确率较低。

技术实现思路

[0005]本专利技术实施例提供一种用户问题分发方法，用以减少人工成本，提高问题处理效率，提高问题定位的准确率，该方法包括：
[0006]接收用户问题，按照预设表格结构，将用户问题分为多个字段；其中，用户问题的多个字段包括：问题所属产品字段、问题报错信息字段、问题描述字段；
[0007]将问题所属产品字段输入词向量输出模型，得到问题所属产品字段的词向量，将问题报错信息字段输入词向量输出模型，得到问题报错信息字段的词向量；所述词向量输出模型根据历史问题所属产品和对应的历史问题所属产品词向量、历史问题报错信息和对应的历史问题报错信息词向量，对C
‑/>BOW模型进行训练得到；
[0008]将问题描述字段输入句向量输出模型，得到问题描述字段的句向量；所述句向量输出模型根据历史问题描述和对应的历史问题描述句向量，对C
‑
BOW模型进行训练得到；
[0009]查询产品负责人信息表，所述产品负责人信息表包括多个产品负责人信息，其中每一产品负责人信息包括产品负责人标识、所负责产品、所负责产品报错信息、所负责产品已处理问题描述；
[0010]将问题所属产品字段的词向量与每一产品负责人所负责产品的词向量，进行相似度计算，得到每一产品负责人对应的第一相似度；
[0011]将问题报错信息字段的词向量与每一产品负责人所负责产品报错信息的词向量，进行相似度计算，得到每一产品负责人对应的第二相似度；
[0012]将问题描述字段的句向量与每一产品负责人所负责产品已处理问题描述的句向量，进行相似度计算，得到每一产品负责人对应的第三相似度；
[0013]将每一产品负责人对应的第一相似度、第二相似度、及第三相似度进行加权聚合，确定每一产品负责人与用户问题的相似度；
[0014]根据每一产品负责人与用户问题的相似度，将用户问题推送给相应的产品负责人。
[0015]本专利技术实施例还提供一种用户问题分发装置，用以减少人工成本，提高问题处理效率，提高问题定位的准确率，该装置包括：
[0016]接收模块，用于接收用户问题，按照预设表格结构，将用户问题分为多个字段；其中，用户问题的多个字段包括：问题所属产品字段、问题报错信息字段、问题描述字段；
[0017]第一输入模块，用于将问题所属产品字段输入词向量输出模型，得到问题所属产品字段的词向量，将问题报错信息字段输入词向量输出模型，得到问题报错信息字段的词向量；所述词向量输出模型根据历史问题所属产品和对应的历史问题所属产品词向量、历史问题报错信息和对应的历史问题报错信息词向量，对C
‑
BOW模型进行训练得到；
[0018]第二输入模块，用于将问题描述字段输入句向量输出模型，得到问题描述字段的句向量；所述句向量输出模型根据历史问题描述和对应的历史问题描述句向量，对C
‑
BOW模型进行训练得到；
[0019]查询模块，用于查询产品负责人信息表，所述产品负责人信息表包括多个产品负责人信息，其中每一产品负责人信息包括产品负责人标识、所负责产品、所负责产品报错信息、所负责产品已处理问题描述；
[0020]计算模块，用于将问题所属产品字段的词向量与每一产品负责人所负责产品的词向量，进行相似度计算，得到每一产品负责人对应的第一相似度；将问题报错信息字段的词向量与每一产品负责人所负责产品报错信息的词向量，进行相似度计算，得到每一产品负责人对应的第二相似度；将问题描述字段的句向量与每一产品负责人所负责产品已处理问题描述的句向量，进行相似度计算，得到每一产品负责人对应的第三相似度；
[0021]确定模块，用于将每一产品负责人对应的第一相似度、第二相似度、及第三相似度进行加权聚合，确定每一产品负责人与用户问题的相似度；
[0022]推送模块，用于根据每一产品负责人与用户问题的相似度，将用户问题推送给相应的产品负责人。
[0023]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述用户问题分发方法。
[0024]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述用户问题分发方法。
[0025]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述用户问题分发方法。
[0026]本专利技术实施例中，接收用户问题，按照预设表格结构，将用户问题分为多个字段；其中，用户问题的多个字段包括：问题所属产品字段、问题报错信息字段、问题描述字段；将问题所属产品字段输入词向量输出模型，得到问题所属产品字段的词向量，将问题报错信息字段输入词向量输出模型，得到问题报错信息字段的词向量；所述词向量输出模型根据历史问题所属产品和对应的历史问题所属产品词向量、历史问题报错信息和对应的历史问题报错信息词向量，对C
‑
BOW模型进行训练得到；将问题描述字段输入句向量输出模型，得到问题描述字段的句向量；所述句向量输出模型根据历史问题描述和对应的历史问题描述
句向量，对C
‑
BOW模型进行训练得到；查询产品负责人信息表，所述产品负责人信息表包括多个产品负责人信息，其中每一产品负责人信息包括产品负责人标识、所负责产品、所负责产品报错信息、所负责产品已处理问题描述；将问题所属产品字段的词向量与每一产品负责人所负责产品的词向量，进行相似度计算，得到每一产品负责人对应的第一相似度；将问题报错信息字段的词向量与每一产品负责人所负责产品报错信息的词向量，进行相似度计算，得到每一产品负责人对应的第二相似度；将问题描述字段的句向量与每一产品负责人所负责产品已处理问题描述的句向量，进行相似度计算，得到每一产品负责人对应的第三相似度；将每一产品负责人对应的第一相似度、第二相似度、及第三相似度进行加权聚合，确定每一产品负责人与用户问题的相似度；根据每一产品负责人与用户问题的相似度，将用户问题推送给相应的产品负责人。与现有技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户问题分发方法，其特征在于，包括：接收用户问题，按照预设表格结构，将用户问题分为多个字段；其中，用户问题的多个字段包括：问题所属产品字段、问题报错信息字段、问题描述字段；将问题所属产品字段输入词向量输出模型，得到问题所属产品字段的词向量，将问题报错信息字段输入词向量输出模型，得到问题报错信息字段的词向量；所述词向量输出模型根据历史问题所属产品和对应的历史问题所属产品词向量、历史问题报错信息和对应的历史问题报错信息词向量，对C
‑
BOW模型进行训练得到；将问题描述字段输入句向量输出模型，得到问题描述字段的句向量；所述句向量输出模型根据历史问题描述和对应的历史问题描述句向量，对C
‑
BOW模型进行训练得到；查询产品负责人信息表，所述产品负责人信息表包括多个产品负责人信息，其中每一产品负责人信息包括产品负责人标识、所负责产品、所负责产品报错信息、所负责产品已处理问题描述；将问题所属产品字段的词向量与每一产品负责人所负责产品的词向量，进行相似度计算，得到每一产品负责人对应的第一相似度；将问题报错信息字段的词向量与每一产品负责人所负责产品报错信息的词向量，进行相似度计算，得到每一产品负责人对应的第二相似度；将问题描述字段的句向量与每一产品负责人所负责产品已处理问题描述的句向量，进行相似度计算，得到每一产品负责人对应的第三相似度；将每一产品负责人对应的第一相似度、第二相似度、及第三相似度进行加权聚合，确定每一产品负责人与用户问题的相似度；根据每一产品负责人与用户问题的相似度，将用户问题推送给相应的产品负责人。2.如权利要求1所述的用户问题分发方法，其特征在于，将问题所属产品字段输入词向量输出模型之前，还包括：将历史问题所属产品和对应的历史问题所属产品词向量、历史问题报错信息和对应的历史问题报错信息词向量作为样本数据，形成第一训练数据集；利用C
‑
BOW模型构建词向量输出模型；根据第一训练数据集对词向量输出模型进行训练，对词向量输出模型参数进行优化，得到训练好的词向量输出模型。3.如权利要求2所述的用户问题分发方法，其特征在于，根据第一训练数据集对词向量输出模型进行训练，对词向量输出模型参数进行优化，得到训练好的词向量输出模型，包括：利用词向量输出模型，预测样本数据中历史问题所属产品的词向量，预测样本数据中历史问题报错信息的词向量；利用随机梯度下降算法，对词向量输出模型参数进行优化，直至预测的历史问题所属产品的词向量与样本数据中对应的历史问题所属产品的词向量的差异值小于第一设定值，且预测的历史问题报错信息的词向量与样本数据中对应的历史问题报错信息的词向量的差异值小于第二设定值，得到训练好的词向量输出模型。4.如权利要求1所述的用户问题分发方法，其特征在于，词向量输出模型参数包括如下参数其中之一或任意组合：
降维后的词向量维数、输入权重矩阵、输出权重矩阵、Softmax函数的参数。5.如权利要求1所述的用户问题分发方法，其特征在于，将问题描述字段输入句向量输出模型之前，还包括：获取历史问题描述和对应的历史问题描述句向量作为样本数据，形成第二训练数据集；利用C
‑
BOW模型构建句向量输出模型；根据第二训练数据集对句向量输出模型进行训练，对句向量输出模型参数进行优化，得到训练好的句向量输出模型。6.如权利要求5所述的用户问题分发方法，其特征在于，获取历史问题描述和对应的历史问题描述句向量作为样本数据，形成第二训练数据集，包括：将历史问题描述进行分词，得到分词后的历史问题描述和历史问题描述的唯一标识；将分词后的历史问题描述、历史问题描述的唯一标识、对应的历史问题描述句向量作为样本数据，形成第二训练数据集。7.如权利要求5所述的用户问题分发方法，其特征在于，根据第二训练数据集对句向量输出模型进行训练，对句向量输出模型参数进行优化，得到训练好的句向量输出模型，包括：利用句向量输出模型，预测样本数据中历史问题描述的句向量；利用随机梯度下降算法，对句向量输出模型参数进行优化，直至预测的历史问题描述的句向量与样本数据中对应的历史问题描述句向量的差异值小于第三设定值，得到训练好的句向量输出模型。8.如权利要求1所述的用户问题分发方法，其特征在于，根据每一产品负责人与用户问题的相似度，将用户问题推送给相应的产品负责人，包括：按照每一产品负责人与用户问题的相似度由高到底的顺序，对产品负责人进行排序，将用户问题推送给排序最高的产品负责人，若该产品负责人退回用户问题，将用户问题推送给排序次之的产品负责人，以此类推，直至有产品负责人响应用户问题，或退回次数大于设定次数。9.一种用户问题分发装置，其特征在于，包括：接收模块，用于接收用户问题，按照预设表格结构，将用户问题分为多个字段；其中，用户问题的多个字段包括：问题所属产品字段、问题报错信息字段、问题描述字段；第一输入模块，用...

【专利技术属性】
技术研发人员：李丽，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：