工单分类方法及装置制造方法及图纸

本发明专利技术公开了工单分类方法及装置，可用于人工智能技术领域，方法包括：获取工单信息；根据用户意见描述信息确定工单信息对应的业务类型；将所述工单信息输入至业务类型对应的训练好的工单分类模型，得到所述工单信息对应的工单分类结果；其中，所述训练好的工单分类模型为利用历史工单数据集对文本分类模型TextCNN进行训练后得到，本发明专利技术根据用户意见描述信息确定工单信息对应的业务类型，确定用户意见描述信息所属大类，利用训练好的工单分类模型在进行工单具体的分类，提高了工单分类的效率及准确性，提升了用户体验。提升了用户体验。提升了用户体验。

【技术实现步骤摘要】
工单分类方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及工单分类方法及装置。

技术介绍

[0002]银行用户意见反馈渠道主要有远程银行、网点现场、手机银行、网点电话、信访、公众号、短信等。用户意见的反馈形式可以分为评价类、问卷类、工单类等。其中，工单类作为用户意见的主要反馈形式，由坐席人员对用户提出的意见进行记录，再根据工单的类别，反馈给对应部门进行处理。
[0003]工单类别的划分主要依赖人工分析设置标签的形式，存在效率低、分类过程受主观判断干扰等问题。此类问题会导致工单流转缓慢，无法快速准确的解决用户反馈的问题。
[0004]因此亟需一种工单分类方法，用以解决上述问题。

技术实现思路

[0005]本专利技术实施例提供一种工单分类方法，用以提高工单分类的效率及准确性，该方法包括：
[0006]获取工单信息；所述工单信息包括用户意见描述信息；
[0007]根据用户意见描述信息确定工单信息对应的业务类型；
[0008]将所述工单信息输入至业务类型对应的训练好的工单分类模型，得到所述工单信息对应的工单分类结果；
[0009]其中，所述训练好的工单分类模型为利用历史工单数据集对文本分类模型TextCNN进行训练后得到。
[0010]本专利技术实施例还提供一种工单分类装置，用以提高工单分类的效率及准确性，该装置包括：
[0011]业务类型确定模块，用于获取工单信息；所述工单信息包括用户意见描述信息；根据用户意见描述信息确定工单信息对应的业务类型；
[0012]分类模块，用于将所述工单信息输入至业务类型对应的训练好的工单分类模型，得到所述工单信息对应的工单分类结果；其中，所述训练好的工单分类模型为利用历史工单数据集对文本分类模型TextCNN进行训练后得到。
[0013]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工单分类方法。
[0014]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工单分类方法。
[0015]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工单分类方法。
[0016]本专利技术实施例中，获取工单信息；根据用户意见描述信息确定工单信息对应的业
务类型；将所述工单信息输入至业务类型对应的训练好的工单分类模型，得到所述工单信息对应的工单分类结果；其中，所述训练好的工单分类模型为利用历史工单数据集对文本分类模型TextCNN进行训练后得到，与现有技术相比，根据用户意见描述信息确定工单信息对应的业务类型，确定用户意见描述信息所属大类，利用训练好的工单分类模型在进行工单具体的分类，提高了工单分类的效率及准确性，提升了用户体验。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0018]图1为本专利技术提供的工单分类方法的流程示意图；
[0019]图2为本专利技术提供的工单分类方法的流程示意图；
[0020]图3为本专利技术提供的工单分类方法的流程示意图；
[0021]图4为本专利技术提供的工单分类方法的流程示意图；
[0022]图5为本专利技术提供的工单分类装置的结构示意图。
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0024]图1为本专利技术实施例提供的一种工单分类方法所对应的流程示意图，如图1所示，该方法包括：
[0025]步骤101，获取工单信息。
[0026]需要说明的是，工单信息包括用户意见描述信息。
[0027]在一种可能的实施方式中，工单信息包括：工单号、用户名称、用户类型、所属机构、用户意见标识、用户意见描述信息及紧急等级。
[0028]在一种可能的实施方式中，业务类型包括：个人非信用卡业务、对公业务及个人信用卡业务。
[0029]用户意见描述信息是指坐席对用户的意见进行记录并整理形成的文本数据，是工单分类的主要识别主体。
[0030]举例来说，工单信息如表1所示。
[0031]表1
[0032][0033]步骤102，根据用户意见描述信息确定工单信息对应的业务类型。
[0034]步骤103，将工单信息输入至业务类型对应的训练好的工单分类模型，得到工单信息对应的工单分类结果。
[0035]在一种可能的实施方式中，工单分类结果包括：账户余额及明细查询、开户行及网点信息查询、账户及借记卡使用、转账汇款、个人信贷、个人手机银行、个人网上银行、支付认证方式、自助机具、短信及外拨电话、投资理财、ETC、外汇业务、对公账户、票据业务、付款业务等。
[0036]其中，训练好的工单分类模型为利用历史工单数据集对文本分类模型TextCNN进行训练后得到。
[0037]上述方案，根据用户意见描述信息确定工单信息对应的业务类型，确定用户意见描述信息所属大类，利用训练好的工单分类模型在进行工单具体的分类，提高了工单分类的效率及准确性，提升了用户体验。
[0038]本专利技术实施例在根据用户意见描述信息确定工单信息对应的业务类型之前，步骤流程如图2所示，具体如下：
[0039]步骤201，滤除用户意见描述信息中的停用词。
[0040]为节省存储空间和提高搜索效率，在处理文本之前自动过滤掉停用词。停用词分为两类，一类是没有实际含义的功能词。另一类词应用十分广泛，但对搜索引擎无法保证能够给出真正相关的搜索结果，难以帮助缩小搜索范围，同时还会降低搜索效率。
[0041]步骤202，对用户意见描述信息进行分词。
[0042]在一种可能的实施方式中，采用基于规则的中文分词：通过人工建立词库，通过词典匹配的方式对句子进行划分。当对一个句子进行分词时，首先将句子拆分成多个部分，将
每一个部分与字典一一对应，如果该词语在词典中，分词成功，否则继续拆分匹配直到成功为止。
[0043]在另一种可能的实施方式中，采用基于统计的中文分词：拆分句子，基于语料库统计相邻的字组成的词语出现的概率，相邻的词出现的次数多，即出现的概率大，按照概率值进行分词。
[0044]如表2所示，展示了对用户意见描述信息去除停用词和分词后的结果。
[0045]表2
[0046][0047]此外，工单在记录过程中，存在大量模板类信息，比如“本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工单分类方法，其特征在于，包括：获取工单信息；所述工单信息包括用户意见描述信息；根据用户意见描述信息确定工单信息对应的业务类型；将所述工单信息输入至业务类型对应的训练好的工单分类模型，得到所述工单信息对应的工单分类结果；其中，所述训练好的工单分类模型为利用历史工单数据集对文本分类模型TextCNN进行训练后得到。2.如权利要求1所述的工单分类方法，其特征在于，在所述根据用户意见描述信息确定工单信息对应的业务类型之前，还包括：滤除用户意见描述信息中的停用词；对用户意见描述信息进行分词。3.如权利要求1所述的工单分类方法，其特征在于，在所述将所述工单信息输入至业务类型对应的训练好的工单分类模型之前，还包括：获取业务类型对应的历史工单数据集；所述历史工单数据集包括分类标签；确定历史工单数据集对应的第一训练集以及第一测试集；根据所述第一训练集对文本分类模型TextCNN进行训练，得到多个候选工单分类模型；根据所述第一测试集确定所述多个候选工单分类模型分别对应的评估结果；根据所述评估结果对所述多个候选工单分类模型进行筛选，得到业务类型对应的训练好的工单分类模型。4.如权利要求1所述的工单分类方法，其特征在于，所述根据用户意见描述信息确定工单信息对应的业务类型，包括：将用户意见描述信息与预设...

【专利技术属性】
技术研发人员：张珂欣，支一飞，孟靖祥，刘涛，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：