Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种电力系统自动派单方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:国网江苏省电力有限公司淮安供电分公司

摘要:本发明涉及配电网调度运行技术领域,尤其涉及一种电力系统自动派单方法,其特征在于:步骤1:获取工单来电信息并进行关键字提取,得到工单信息,构建派单模型;步骤2:将得到的工单信息与数据库内历史派单信息进行对比,若历史派单信息中存在与当前工单信息对应的派发路径,则执行步骤3A后执行步骤4,若不存在,则流转至人工处理后执行步骤3B,然后执行步骤4;步骤3A:进行派单行为;步骤3B:记录并训练人工处理结果,形成新的派发路径并更新派单模型同时保存至数据库中;步骤4:通知服务信息:派单完成后向服务对象发送对应的通知信息。本发明快速响应,提升派单率,减少人工的重复操作。

主权项:1.一种电力系统自动派单方法,其特征在于,步骤包括:步骤1:获取工单来电信息并进行关键字提取,得到工单信息,构建派单模型;使用TF-IDF算法对获取到的来电信息进行关键字提取,其中,具有来电信息的工单包括:客服系统中投诉受理工单、回访不满意工单、营销系统和配网抢修平台提供的工单;对这些工单所需要提取的关键字包括服务类型、服务对象电话号码、户号、配变名称和用电地址;第一步:计算词频TF,表示词条即关键词在文本中出现的频率;词频TF为词条的频次和所在文件中所有词汇总数的比值;归一化所述词频TF,以防止所述词频TF偏向长的文件; 即其中,ni,j是该词在文件dj中出现的次数,分母则是文件dj中所有词汇出现的次数总和;第二步:计算逆文档频率IDF,一词语的IDF,由总文件数目和包含所述词语的文件数目的比值取对数;如果包含词条t的文档越少,IDF越大,则说明词条具有类别区分能力; 其中,|D|是语料库中的文件总数;|{j:ti∈dj}|表示包含词语ti的文件数目,即ni,j≠0的文件数目;如果所述词语不在语料库中,就会导致分母为零,则使用1+|{j:ti∈dj}|,即 分母之所以要加1,是为了避免分母为0的情况;第三步:计算TF-IDF:词频TF与逆文档频率IDF相乘得到TF-IDF;一文件内的高词语频率,以及该词语在整个文件集合中的低文件频率,产生出高权重的TF-IDF,所述TF-IDF倾向于过滤掉常见的词语,保留重要的词语,即:TF-IDF=TF*IDF步骤2:将得到的工单信息与数据库内历史派单信息进行对比,若历史派单信息中存在与当前工单信息对应的派发路径,则执行步骤3A后执行步骤4,若不存在,则流转至人工处理后执行步骤3B,然后执行步骤4;步骤3A:进行派单行为;采用C4.5决策树算法进行派单,具体为:以服务对象需要的服务类型出发,确认服务类型;对能提供当前服务类型的服务网点进行距离排列,选择距离最近且处于空闲状态的工作人员对服务对象进行服务;选择距离最近的工作人员时使用floyd算法求解服务对象和服务网点两者间的最短距离;若存在信息不全或网点异常则流转至人工处理;步骤3B:记录并训练人工处理结果,形成新的派发路径并更新派单模型同时保存至数据库中;步骤3B.1:对人工处理结果的语句进行特征提取;步骤3B.1.1:读取人工处理结果的语句数据,按比例划分训练集和验证集,这里每个句子都生成了相应的mask向量,用以标记每个输入文本的实际长度;步骤3B.1.2:对人工处理结果的语句进行分词并采用WordEmbedding将每个词表示成一个数值型的词向量,这个过程中对于不同长度的问题文本,pad和截断成一样长度的,短的就补空格,长的就截断,从而构建维数一致的模型句向量输入将词向量构建与分类器模型维数一致的句向量,用于作为分类器模型的输入;步骤3B.2:将提取的特征通过构建的基于RNN的分类器模型进行预测得到预测结果,得到新的派发路径;基于RNN的分类器模型通过LSTM算法训练得到;步骤3B.3:采用随机森林算法对派单模型进行更新并保存至数据库中;步骤4:通知服务信息:派单完成后向服务对象发送对应的通知信息。

全文数据:

权利要求:

百度查询: 国网江苏省电力有限公司淮安供电分公司 一种电力系统自动派单方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。