本发明专利技术公开了一种基于人工智能的电网抢单平台的个性化工单推荐方法，包括采集工单和班组成员的标签和语料信息，构建工单和班组成员的画像；使用Bert‑AutoEncoder算法模型对多种任务场景主体进行fine‑tuning，提取工单和班组成员画像转化为数值型embedding；使用改进的DSSM‑Attention算法模型对工单和班组成员embedding进行特征变换，计算工单和班组成员相似度，学习班组成员的工单领取偏好；针对每个班组成员生成个性化工单列表。本发明专利技术能够充分考虑用户的个性化需求和实时情况，针对复杂的电网系统和大量的工单数据进行处理时，因生成个性化的工单列表，可极大的提高处理效率。
【技术实现步骤摘要】
本专利技术涉及一种工单推荐方法，具体为一种基于人工智能的电网抢单平台的个性化工单推荐方法，属于电网工单平台的抢单。
技术介绍
1、随着电力系统的不断发展和电网的规模扩大，对于电网运维和抢单平台的需求日益增加。传统的电网工单处理方法存在一些问题，如工单推荐的准确性不高、缺乏个性化定制等。为了解决这些问题，基于人工智能的电网抢单平台及其个性化工单推荐方法逐渐受到关注。
2、人工智能技术的发展为解决这些问题提供了新的机会。基于人工智能的电网抢单平台利用机器学习、数据挖掘和自然语言处理等技术，能够对电网工单数据进行深入分析和理解。通过对历史工单数据的学习，可以发现工单之间的关联性和规律，从而实现对工单的个性化推荐。个性化工单推荐方法利用用户的历史工单记录和用户个人偏好进行模型训练和推荐。通过分析用户的行为模式、工单类型和地理位置等因素，可以为每个用户提供符合其个性化需求的工单推荐。这种方法能够提高工单处理的效率和准确性，减少用户的时间和精力消耗。
3、现有技术中的电网抢单平台通常使用规则引擎和简单的过滤算法来进行工单推荐。然而，这些方法并无法充分考虑用户的个性化需求和实时情况。此外，传统方法对于复杂的电网系统和大量的工单数据处理效率有限。因此，如何利用前沿人工智能技术实验一种更高效、准确且个性化的工单推荐方法是当前亟待解决的问题。
技术实现思路
1、本专利技术的目的就在于为了解决上述至少一个技术问题而提供一种基于人工智能的电网抢单平台的个性化工单推荐方法。
<
p>2、本专利技术通过以下技术方案来实现上述目的：一种基于人工智能的电网抢单平台的个性化工单推荐方法，包括以下步骤：3、s1、采集工单与班组成员的标签和语料信息，从工单标签信息库、工单语料信息库、班组成员标签信息库以及班组成员语料信息库中，分别采集所需的标签和语料信息；
4、s2、针对所述工单与班组成员在各工作场景主体下的标签和语料信息，构建工单与班组成员的画像；
5、s3、构建bert-autoencoder工单和班组成员深层上下文语义信息嵌入算法提取模型，该模型包含输入组件、画像预处理组件、embedding提取组件bert和embedding降维组件autoencoder四个组件，所述输入组件用于接收所述工单与班组成员画像信息的输入，所述画像预处理组件用于针对工单和班组成员的语料信息进行数据清洗以及数据对齐，所述embedding提取组件bert，使用预训练自然语言处理模型bert对经画像预处理组件处理后的工单和班组成员的语料信息进行fine-tuning，所述embedding降维组件autoencoder用于将embedding提取组件bert处理过后的高维工单和班组成员的数值型画像进行特征降维的工作；
6、s4、对s3所述的bert-autoencoder工单和班组成员深层上下文语义信息嵌入算法提取模型进行训练，训练出最优的bert-autoencoder工单和班组成员个性化工单偏好深层上下文语义信息嵌入算法提取模型，即在测试集上对班组成员进行top-n工单推荐得到最优的ndcg和f1指标；
7、s5、构建针对新增工单和班组成员的冷启动推荐算法模型，针对s3所述的工单低维数值型画像和班组成员的低维数值型画像在冷启动场景下，使用pandas的pivot_table构建工单和班组成员相似度共生矩阵，所述共生矩阵仅在系统数据的density<0.001时进行维护，共生矩阵行和列分别为工单和班组成员在电网抢单平台内的id；
8、s6、构建针对班组成员的个性化工单推荐dssm-attention算法模型，dssm-attention算法模型包含输入组件、dssm算法模型组件、attention算法模型组件和召回组件四个组件，所述输入组件包含对工单和班组成员id在dssm-attention主体中进行数值型编码，对类别类型的不同特征进行one-hot编码以及归一化操作，对工单作业时长和班组成员年龄数据进行数据分桶，所述dssm算法模型组件包含featureembedding层、dnn层和cosine输出层，所述attention算法模型针对班组成员历史工单池匹配待召回工单；
9、s7、将s6得到的个性化工单列表呈现在班组成员所使用的抢单大厅，工单呈现顺序与所述dssm算法模型组件和所述attention算法模型组件得到的工单精排结果相同。
10、作为本专利技术再进一步的方案：步骤s1中，工单标签信息库包括但不限于工单类型、作业地理位置信息、相关电网部件、线路类型、作业时长和处理状态；工单语料信息库包括但不限于工单详情描述文本信息以及工单结束时班组长的评论文本信息；班组成员标签信息库包括但不限于班组成员的性别、年龄、职位、星级等级、工作类型、工作能力、历史工单完成情况；班组成员语料信息库包括但不限于班组成员的个人评价和班组长针对历史工单给予的评价。
11、作为本专利技术再进一步的方案：步骤s2中，工作场景主体包括但不限于巡检类型任务、检修类型任务、故障维修类型任务、文职类工作任务、材料文件整理类型任务；工单与班组成员的画像含义包括但不限于通过标签数据字段表明工单的特征以及班组成员的特征。
12、作为本专利技术再进一步的方案：步骤s3中，具体包括：
13、s31、输入组件接收的画像信息传入画像预处理组件进行数据清洗和数据对齐；画像预处理组件的数据清洗包括但不限于过工单和班组成员语料信息中的空值、异常值和乱码值；画像预处理组件的数据对齐包括但不限于校对班组成员与工单的关联，过滤冗余语料信息；
14、s32、embedding提取组件bert进行fine-tuning得到符合电网工单语义下的语义embedding，针对工单和班组成员的标签信息进行one-hot编码得到标签embedding，得到高维工单和班组成员的数值型画像表示；
15、s33、embedding降维组件autoencoder将高维数值型画像经encoder编码后得到低维的数值型画像，再经decoder解码后得到新的数值型画像，在若干次反向传播后得到性能最优的encoder，最后将高维数值型画像输入最优encoder，得到低维的工单和班组成员数值型画像。
16、作为本专利技术再进一步的方案：步骤s5中，pivot_table共生矩阵的值计算方式为：
17、s51、pivot_table的值为工单和班组成员的embedding经余弦相似度计算得到；
18、s52、计算每个工单在共生矩阵内非空数值的数量代表工单暴露在平台的热度；在计算pivot_table的值时除了余弦相似度的值之外加入工单热度正则化项，避免longtail(长尾效应)。
19、作为本专利技术再进一步的方案：步骤s6中，类别类型的特征包括但不限于工单类型、作业地理位置信息、相关电网部件、线路类型、处理状态、班组成员性别、职位、星级等级本文档来自技高网
...
【技术保护点】
1.一种基于人工智能的电网抢单平台的个性化工单推荐方法，其特征在于，所述个性化工单推荐方法包括以下步骤：
2.根据权利要求1所述的个性化工单推荐方法，其特征在于，所述步骤S1中：
3.根据权利要求1所述的个性化工单推荐方法，其特征在于，所述步骤S2中：
4.根据权利要求1所述的个性化工单推荐方法，其特征在于：所述步骤S3中，具体包括：
5.根据权利要求4所述的个性化工单推荐方法，其特征在于：所述步骤S5中，pivot_table共生矩阵的值计算方式为：
6.根据权利要求1所述的个性化工单推荐方法，其特征在于，所述步骤S6中：
7.根据权利要求1所述的个性化工单推荐方法，其特征在于：所述步骤S6中，DSSM算法模型的架构包含如下结构：
8.根据权利要求7所述的个性化工单推荐方法，其特征在于：所述DSSM算法模型组件不是SemanticFeatures的DSSM算法模型，舍弃WordHashing和TermVctor层，使用数值型特征直接输入DNN深度网络进行特征变化。
9.根据权利要求1所述的个性化工单推荐方法，其特征在于：所述步骤S4中，工单推荐结果的快速检索方式定义为：
10.根据权利要求1所述的个性化工单推荐方法，其特征在于，所述步骤S7中：针对基于人工智能的电网抢单平台的个性化工单，推荐方法的效果回收为：通过抢单平台后台日志，回收推荐结果，包含：真实准确率和召回率，依据所述回收得到的真实准确率和召回率；
...
【技术特征摘要】
1.一种基于人工智能的电网抢单平台的个性化工单推荐方法，其特征在于，所述个性化工单推荐方法包括以下步骤：
2.根据权利要求1所述的个性化工单推荐方法，其特征在于，所述步骤s1中：
3.根据权利要求1所述的个性化工单推荐方法，其特征在于，所述步骤s2中：
4.根据权利要求1所述的个性化工单推荐方法，其特征在于：所述步骤s3中，具体包括：
5.根据权利要求4所述的个性化工单推荐方法，其特征在于：所述步骤s5中，pivot_table共生矩阵的值计算方式为：
6.根据权利要求1所述的个性化工单推荐方法，其特征在于，所述步骤s6中：
7.根据权利要求1所述的个性化工单推荐方法，其特征在于：所述步骤...
【专利技术属性】
技术研发人员：杨厚祥，樊昌，李可竞，柴莅，陈冲，周亦珂，成林轩，谢子馨，柯镱，扶坤荣，王航，
申请(专利权)人：国网湖北省电力有限公司黄石供电公司，
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。