本申请提供了一种工单分拨修正方法、设备以及系统。所述系统包括：分拨模块，用于根据获取到的工单数据确定所述工单数据对应的委办部门；委办模块，用于根据所述工单数据和所述工单数据对应的委办部门而选择性地调用专家修正模块；所述专家修正模块，配置为当被调用时，对所述工单数据与所述委办部门之间的对应关系进行修正，得到修正种子样本；错误数据挖掘模块，用于根据所述修正种子样本从已标注样本中挖掘错误样本；所述专家修正模块，用于对所述错误样本进行修正。上述系统能够在大规模的历史样本中找到错误样本并进行修正，进而提高算法模型的精度。高算法模型的精度。高算法模型的精度。
【技术实现步骤摘要】
一种工单分拨修正方法、设备以及系统
[0001]本申请涉及人工智能领域，尤其涉及一种工单分拨修正方法、设备以及系统。
技术介绍
[0002]工作订单(简称工单)，通常是客户或企业内部员工遇到产品或服务上的问题向服务商、企业或部门提交的一项任务、工作或请求，服务商、企业或部门收到工单后可以安排到委办部门的相应的员工或部门组织进行解决。历史上，在收到工单之后，由有经验的派单员将收到的工单分配给对应的委办部门进行处置。但是，随着工单的数量急剧上升，这种人工处理方法不仅仅效率低下，还容易出错。随着机器学习和自然语言处理技术的发展，越来越多的工单是通过算法模型来进行派单。但是，算法模型需要使用历史数据进行训练，如果训练数据中存在错误数据，其训练结果将是对错误数据的强化，这样会导致原来错误会被延续。具体地，如图1所示，现有技术提供了一种标注方法，该标注方法包括：
[0003]S101：用户通过人工对第一工单数据进行标注，得到第一工单数据对应的委办部门。其中，第一工单数据为从工单数据集合中抽取的一部分数据。
[0004]S102：用户将第一工单数据和第一委办部门作为已标注样本。
[0005]S103：用户使用已标注样本对于算法模型进行训练，得到训练好的算法模型。
[0006]S104：用户将第二工单数据作为未标注数据。其中，第二工单数据为从工单数据集合中剩余的数据中抽取的另一部分或者全部数据。
[0007]S105：用户将第二工单数据输入训练好的算法模型，得到所述第二工单数据对应的委办部门，并将第二工单数据对应的委办部门作为未标注数据对应的标签结果。
[0008]S106：用户将未标注数据和未标注数据对应的标签结果作为已标注样本，返回步骤S103，直到工单数据集合中所有的数据均已标注完毕。
[0009]通过上述方案，如图2所示，可以仅仅对小部分工单数据进行标注，从而得到已标注样本，使用少量的已标注样本对算法模型进行训练后，得到训练好的算法模型。然后，使用训练好的算法模型对未标注数据进行标注，得到未标注数据对应的标签结果。将未标注数据和未标注数据对应的标签结果作为新的已标注样本，进过几轮的之后，算法模型就有较高的精度，能够较好地对工单数据进行标注。但是，上述方案对于已标注样本中的错误样本没法纠正，算法模型会对错误样本进行拟合，使得错误不断积累，导致算法模型的准确性不断下降。
技术实现思路
[0010]为了解决上述问题，本申请提供了一种工单分拨修正方法、设备以及系统，能够对错误样本进行纠正，从而提高算法模型的准确性。
[0011]第一方面，提供了一种工单分拨修正系统，包括：
[0012]分拨模块，用于根据获取到的第一工单数据确定所述第一工单数据对应的委办部门；
[0013]委办模块，用于根据所述第一工单数据和所述第一工单数据对应的委办部门而选择性地调用专家修正模块；
[0014]所述专家修正模块，配置为当被调用时，对所述第一工单数据与所述委办部门之间的对应关系进行修正，得到修正种子样本；
[0015]错误数据挖掘模块，用于根据所述修正种子样本从已标注样本中挖掘错误样本；
[0016]所述专家修正模块，用于对所述错误样本进行修正得到修正样本。
[0017]在一些可能的设计中，所述分拨模块具体用于通过算法模型，根据所述第一工单数据确定所述第一工单数据对应的委办部门。
[0018]在一些可能的设计中，所述修正样本用于对所述算法模型进行迭代训练。
[0019]在一些可能的设计中，所述修正种子样本用于对所述算法模型进行迭代训练。
[0020]在一些可能的设计中，所述错误数据挖掘模块用于根据所述修正种子样本以及匹配规则从所述已标注样本中挖掘错误样本。
[0021]在一些可能的设计中，所述匹配规则包括以下中的一种或者多种：
[0022]在所述修正种子样本的工单数据和所述已标注样本中的第一已标注样本的工单数据的相似度大于阈值，并且，所述修正种子样本对应的预测的委办部门和第一已标注样本对应的预测的委办部门并不相同的情况下，则确定所述第一已标注样本为错误样本；
[0023]在所述修正种子样本对应的预测的委办部门和所述已标注样本中的第一已标注样本对应的预测的委办部门相同，并且，修正种子样本的工单数据和已标注样本中的第一已标注样本的工单数据的相似度小于阈值，则确定该第一已标注样本为错误样本；
[0024]在所述修正种子样本的工单数据和所述已标注样本中的第一已标注样本的工单数据的关键词匹配成功，并且，所述修正种子样本对应的预测的委办部门和第一已标注样本对应的预测的委办部门并不相同，则确定所述第一已标注样本为错误样本。
[0025]在一些可能的设计中，所述匹配规则是用户设置的。
[0026]第二方面，提供了一种工单分拨修正方法，所述方法包括：
[0027]根据获取到的第一工单数据确定所述第一工单数据对应的委办部门；
[0028]在所述第一工单数据和所述第一工单数据对应的委办部门之间关系不正确的情况下，对所述第一工单数据与所述委办部门之间的对应关系进行修正，得到修正种子样本；
[0029]根据所述修正种子样本从已标注样本中挖掘错误样本；
[0030]对所述错误样本进行修正得到修正样本。
[0031]在一些可能的设计中，根据获取到的第一工单数据确定所述第一工单数据对应的委办部门，包括：
[0032]通过算法模型，根据所述获取到的第一工单数据确定所述第一工单数据对应的委办部门。
[0033]在一些可能的设计中，所述修正样本用于对所述算法模型进行迭代训练。
[0034]在一些可能的设计中，所述修正种子样本用于对所述算法模型进行迭代训练。
[0035]在一些可能的设计中，根据所述修正种子样本从已标注样本中挖掘错误样本，包括：根据所述修正种子样本以及匹配规则从所述已标注样本中挖掘错误样本。
[0036]在一些可能的设计中，所述匹配规则包括以下中的一种或者多种：
[0037]在所述修正种子样本的工单数据和所述已标注样本中的第一已标注样本的工单
数据的相似度大于阈值，并且，所述修正种子样本对应的预测的委办部门和第一已标注样本对应的预测的委办部门并不相同的情况下，则确定所述第一已标注样本为错误样本；
[0038]在所述修正种子样本对应的预测的委办部门和所述已标注样本中的第一已标注样本对应的预测的委办部门相同，并且，修正种子样本的工单数据和已标注样本中的第一已标注样本的工单数据的相似度小于阈值，则确定该第一已标注样本为错误样本；
[0039]在所述修正种子样本的工单数据和所述已标注样本中的第一已标注样本的工单数据的关键词匹配成功，并且，所述修正种子样本对应的预测的委办部门和第一已标注样本对应的预测的委办部门并不相同，则确定所述第一已标注样本为错误样本。
[0040]在一些可能的设计中，所述匹配规则是本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工单分拨修正系统，其特征在于，包括：分拨模块，用于根据获取到的第一工单数据确定所述第一工单数据对应的委办部门；委办模块，用于根据所述第一工单数据和所述第一工单数据对应的委办部门而选择性地调用专家修正模块；所述专家修正模块，配置为当被调用时，对所述第一工单数据与所述委办部门之间的对应关系进行修正，得到修正种子样本；错误数据挖掘模块，用于根据所述修正种子样本从已标注样本中挖掘错误样本；所述专家修正模块，用于对所述错误样本进行修正得到修正样本。2.根据权利要求1所述的系统，其特征在于，所述分拨模块具体用于通过算法模型，根据所述第一工单数据确定所述第一工单数据对应的委办部门。3.根据权利要求2所述的系统，其特征在于，所述修正样本用于对所述算法模型进行迭代训练。4.根据权利要求2所述的系统，其特征在于，所述修正种子样本用于对所述算法模型进行迭代训练。5.根据权利要求1至4任一权利要求所述的系统，其特征在于，所述错误数据挖掘模块用于根据所述修正种子样本以及匹配规则从所述已标注样本中挖掘错误样本。6.根据权利要求5所述的系统，其特征在于，所述匹配规则包括以下中的一种或者多种：在所述修正种子样本的工单数据和所述已标注样本中的第一已标注样本的工单数据的相似度大于阈值，并且，所述修正种子样本对应的预测的委办部门和第一已标注样本对应的预测的委办部门并不相同的情况下，则确定所述第一已标注样本为错误样本；在所述修正种子样本对应的预测的委办部门和所述已标注样本中的第一已标注样本对应的预测的委办部门相同，并且，修正种子样本的工单数据和已标注样本中的第一已标注样本的工单数据的相似度小于阈值，则确定该第一已标注样本为错误样本；在所述修正种子样本的工单数据和所述已标注样本中的第一已标注样本的工单数据的关键词匹配成功，并且，所述修正种子样本对应的预测的委办部门和第一已标注样本对应的预测的委办部门并不相同，则确定所述第一已标注样本为错误样本。7.根据权利要求5所述的系统，其特征在于，所述匹配规则是用户设置的。8.一种工单分拨修正方法，其特征在于，所述方法包括：根据获取到的第一工单数据确定所述第一工单数据对应的委办部门；在所述第一工单数据和所述第一工单数据对应的委办部门之间关系不正确的情况下，对所述第一工单数据与所述委办部门之间的对应关系进...
【专利技术属性】
技术研发人员：周逸凡，谢奕，曹高雄，李萍，蔡蔓菁，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。