一种基于深度学习的政务数据平台制造技术

本发明专利技术涉及一种基于深度学习的政务数据平台，属于在线服务技术领域。该基于深度学习的政务数据平台包括一种政务服务方法，所述方法包括以下步骤，获得历史政务服务数据；基于历史政务服务数据训练获得第一神经网络模型；获得用户的新的政务服务数据；基于新的政务服务数据于所述第一神经网络模型内输出新的政务服务数据所对应的政务服务的难度；其中，基于用户的新的政务服务数据获得预测的政务服务序列，基于预测的政务服务序列，获得新的政务服务所对应的政务服务的难度；评估服务人员的能力，获得服务人员的能力值；该基于深度学习的政务数据平台，提供优化的政务人员服务的模型，提升用户体验。提升用户体验。提升用户体验。

【技术实现步骤摘要】
一种基于深度学习的政务数据平台


[0001]本专利技术属于在线服务
，具体涉及一种基于深度学习的政务数据平台。

技术介绍

[0002]随着互联网+技术的浪潮，在线政务服务技术得到了越来越广泛的应用，相比于传统的窗口服务和电话客服，基于互联网的在线政务服务系统拥有实时接入，自动分配客服，服务效率高，会话数据实时监控等优点。
[0003]目前，在线政务服务系统在服务方式上依然采用一个服务人员服务多个用户的方式，随着业务的复杂化和分工的精细化，一个服务人员无法回答所有类型的咨询。现有在线政务服务系统中通常采用服务转接的方式，将会话转接至另一个服务人员进行服务，又会带来新的问题，影响用户体验。同时，由于用户可能不清楚自己需要办理什么业务，而在选择业务类型之初就耗费了大量时间，影响用户体验。
[0004]在现有技术中，也有可以提供用户与服务人员对接的数据平台，但一般都是将政务服务随机分配给空闲的服务人员，但一般不会考虑被分配的服务人员的能力高低，以及用户问题的难度，若被分配的服务人员能力低于政务服务内容的处理难度，很容易导致服务质量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的政务数据平台，其特征在于，该平台包括政务数据服务方法，该方法包括以下步骤，步骤S102，获得历史政务服务数据；步骤S104，基于历史政务服务数据训练获得第一神经网络模型；步骤S106，获得用户的新的政务服务数据；步骤S108，基于新的政务服务数据于所述第一神经网络模型内输出新的政务服务数据所对应的政务服务的难度；其中，基于用户的新的政务服务数据获得预测的政务服务序列，基于预测的政务服务序列，获得新的政务服务所对应的政务服务的难度；步骤S110，评估服务人员的能力，获得服务人员的能力值；步骤S112，匹配能力值大于用户的政务服务的难度的服务人员为当前的用户进行服务。2.根据权利要求1所述的一种基于深度学习的政务数据平台，其特征在于：提取历史政务服务数据，进行实体识别与提取，获得问题相关的实体；基于政务服务的知识图谱训练图神经网络。3.根据权利要求2所述的一种基于深度学习的政务数据平台，其特征在于：所述政务服务的知识图谱包括问题实体、用户信息实体，问题实体与问题实体之间存在联系表示两个问题实体在同一个政务服务中出现，问题实体与用户信息实体之间存在联系表示用户信息实体与问题实体在同一个政务服务中出现。4.根据权利要求3所述的一种基于深度学习的政务数据平台，其特征在于：在步骤S108中，包括：步骤S1081,从当前的政务服务数据中提取问题实体和用户信息实体，以用户信息实体和问题实体为中心在知识图谱上进行随机游走生成多个子图，将生成的子图拼接构成输入图。5.根据权利要求4所述的一种基于深度学习的政务数据平台，其特征在于：将输入图输入至图神经网络，图神经网络的分类标签为问题实体的下一个邻近的问题实体的ID；输入图的一个实体对应于一个节点，节点之间的边对应于输入图的实体的联系；通过词向量编码用户信息实体和问题实体获得对应的节点特征；图神经网络包括K层隐藏层和一个全连接层。6.根据权利要求5所述的一种基于深度学习的政务数据平台，其特征在于：图神经网络第u层的计算公式如下：；其中，表示第u层的第i个节点的...

【专利技术属性】
技术研发人员：宋瑞凤，李燕云，
申请(专利权)人：菏泽市牡丹区大数据中心，
类型：发明
国别省市：