System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理领域,具体涉及一种基于企业管理软件saas的工单处理方法和系统。
技术介绍
1、在企业管理过程中,每天由用户提交的工单类型繁多,每天所产生的用户工单数量庞大。由人工审核工单,由于不同类型的工单中各填写项的要求不同,导致了需要专业审核人员进行审核,并且会导致不准确且效率不高,不能及时给出解决方案的问题。并且,随着企业业务规模的扩大,工单类型的增加,需要不断地对工单审核人员进行培训,从而造成了企业管理成本的增加。
2、因此,如何基于信息化系统解决工单的审核问题,为目前企业急需解决的技术问题。
技术实现思路
1、本专利技术的主要目的是提供一种基于企业管理软件saas的工单处理方法和系统,通过大模型的训练和应用,提高了工单问题对应的答案以及相关信息的获取的准确度。
2、为了实现上述目的,本申请实施例提供如下技术方案:
3、根据本申请实施例的第一方面,提供了一种基于企业管理软件saas的工单处理方法,所述方法包括:
4、响应于工单处理请求,获取saas历史数据库中对应的工单样本数据集;所述工单处理请求携带待处理工单信息;
5、根据所述工单样本数据集对初始模型进行训练,得到工单处理模型;
6、调用所述工单处理模型根据所述待处理工单信息确定目标问题词语;
7、调用所述工单处理模型根据所述目标问题词语确定对应的答案信息。
8、可选地,所述调用所述工单处理模型根据所述待处理工单信息确
9、对所述待处理工单信息依次进行分段处理、分句处理和分词处理,得到段-句-词信息;
10、对所述段-句-词信息进行语义特征提取,得到类型特征向量;
11、对所述类型特征向量进行分类处理,得到目标分类标签;所述目标分类标签包括问题类型、功能类型和操作类型;
12、对所述类型特征向量进行特征处理,得到局部语义特征;
13、对所述局部语义特征进行属性判别,得到每个词语和对应的属性标签;所述属性标签包括问题词语和非问题词语;
14、将所述属性标签为问题词语的词语确定为目标问题词语。
15、可选地,所述调用所述工单处理模型根据所述目标问题词语确定对应的答案信息,包括:
16、对所述目标问题词语进行特征提取,得到目标问题特征;
17、在所述saas历史数据库中的目标分类标签下匹配所述目标问题特征对应的答案信息,作为所述目标问题词语对应的答案信息。
18、可选地,在所述saas历史数据库中的目标分类标签下匹配所述目标问题特征对应的答案信息,作为所述目标问题词语对应的答案信息,包括:
19、调用所述工单处理模型对所述saas历史数据库中存储的所述目标分类标签下所有问题信息进行特征提取,得到候选问题特征;
20、分别计算所述目标问题特征与所有候选问题特征的语义相似度;
21、将语义相似度大于预设阈值的候选问题对应的答案信息确定为所述目标问题词语对应的答案信息。
22、可选地,所述saas历史数据库中存储的目标分类标签的候选问题和答案信息按照如下步骤生成:
23、针对每个目标分类标签下的候选问题,将所述候选问题和对应的所有候选答案分别进行特征提取,得到候选问题特征向量和对应的候选答案特征向量;
24、分别计算所述候选问题特征向量与每个候选答案特征向量之间的相关度;
25、对所有候选答案特征向量的相关度进行排序,将所述相关度最高的候选答案作为所述候选问题的答案信息。
26、可选地,所述根据所述工单样本数据集对初始模型进行训练,得到工单处理模型,包括:
27、调用所述初始模型提取所述saas历史数据库中的工单样本数据集的全局语义特征;
28、对所述工单样本数据集的全局语义特征进行分类处理,得到分类训练结果;其中分类的类型包括问题类型、功能类型和操作类型;
29、对所述工单样本数据集的全局语义特征进行特征提取,得到局部语义特征;
30、对所述局部语义特征进行属性判别,得到属性训练结果;其中属性包括问题词语和非问题词语;
31、根据所述分类训练结果和所述工单样本数据集的分类标识,确定第一损失;
32、根据所述属性训练结果和所述工单样本数据集的属性标识,确定第二损失;
33、根据所述第一损失和第二损失训练所述初始模型,得到所述工单处理模型。
34、可选地,在所述调用所述工单处理模型根据所述目标问题词语确定对应的答案信息之后,所述方法还包括:
35、若用户反馈的所述答案信息不准确,调整所述工单处理模型的分类标识和属性标识参数,以更新所述工单处理模型。
36、根据本申请实施例的第二方面,提供了一种基于企业管理软件saas的工单处理系统,所述系统包括:
37、样本集获取模块,用于响应于工单处理请求,获取saas历史数据库中对应的工单样本数据集;所述工单处理请求携带待处理工单信息;
38、模型训练模块,用于根据所述工单样本数据集对初始模型进行训练,得到工单处理模型;
39、目标问题词语确定模块,用于调用所述工单处理模型根据所述待处理工单信息确定目标问题词语;
40、答案获取模块,用于调用所述工单处理模型根据所述目标问题词语确定对应的答案信息。
41、根据本申请实施例的第三方面,提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行以实现上述第一方面所述的方法。
42、根据本申请实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现上述第一方面所述的方法。
43、综上所述,本申请实施例提供了一种基于企业管理软件saas的工单处理方法和系统,通过响应于工单处理请求,获取saas历史数据库中对应的工单样本数据集;所述工单处理请求携带待处理工单信息;根据所述工单样本数据集对初始模型进行训练,得到工单处理模型;调用所述工单处理模型根据所述待处理工单信息确定目标问题词语;调用所述工单处理模型根据所述目标问题词语确定对应的答案信息。通过大模型的训练和应用,提高了工单问题对应的答案以及相关信息的获取的准确度。
本文档来自技高网...【技术保护点】
1.一种基于企业管理软件SAAS的工单处理方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述调用所述工单处理模型根据所述待处理工单信息确定目标问题词语,包括:
3.如权利要求2所述的方法,其特征在于,所述调用所述工单处理模型根据所述目标问题词语确定对应的答案信息,包括:
4.如权利要求3所述的方法,其特征在于,在所述SAAS历史数据库中的目标分类标签下匹配所述目标问题特征对应的答案信息,作为所述目标问题词语对应的答案信息,包括:
5.如权利要求4所述的方法,其特征在于,所述SAAS历史数据库中存储的目标分类标签的候选问题和答案信息按照如下步骤生成:
6.如权利要求1所述的方法,其特征在于,所述根据所述工单样本数据集对初始模型进行训练,得到工单处理模型,包括:
7.如权利要求6所述的方法,其特征在于,在所述调用所述工单处理模型根据所述目标问题词语确定对应的答案信息之后,所述方法还包括:
8.一种基于企业管理软件SAAS的工单处理系统,其特征在于,所述系统包括:
10.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种基于企业管理软件saas的工单处理方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述调用所述工单处理模型根据所述待处理工单信息确定目标问题词语,包括:
3.如权利要求2所述的方法,其特征在于,所述调用所述工单处理模型根据所述目标问题词语确定对应的答案信息,包括:
4.如权利要求3所述的方法,其特征在于,在所述saas历史数据库中的目标分类标签下匹配所述目标问题特征对应的答案信息,作为所述目标问题词语对应的答案信息,包括:
5.如权利要求4所述的方法,其特征在于,所述saas历史数据库中存储的目标分类标签的候选问题和答案信息按照如下步骤生成:
6.如权利要求1所述的...
【专利技术属性】
技术研发人员:王克飞,徐超,应春红,
申请(专利权)人:蒲惠智造科技股份有限公司,
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。