[发明专利]一种公文智能分发办理方法、装置及计算机设备

说明书

本发明提供一种公文智能分发办理方法、装置及计算机设备，其中方法包括以下步骤：对已发公文和待发公文进行文本数据预处理，分别获得已发公文和待发公文的文本词向量；建立多层神经网络模型；通过已发公文的文本词向量对多层神经网络模型进行训练，并获得已发公文的多标签二分类向量；将已发公文的多标签二分类向量与公文接收人员信息进行对应建立索引，获得人员索引标签；将待发公文的文本词向量输入训练好的多层神经网络模型进行学习，在输出中选取概率最大的标签作为待发公文标签；通过待发公文标签从人员索引标签中获取公文接收人员信息；将待发公文自动分发至公文接收人员；本申请采用自动发送公文，提高了公文派发速度和派发准确性。

技术领域

本发明属于数据处理技术领域，特别涉及一种公文智能分发办理方法、装置及计算机设备。

背景技术

基于目前大数据的背景下，每天政务人员需要移交的公文数不胜数。但是，目前政务人员在移交过程中，需要手动选择派发对象，派发的公文类型，主要过程是政务人员根据以往的经验或者特定政务人员要求等去派发公文。这种手动派发的过程，资源耗费成本比较大，且派发时间也较长，当政务人员需派发公文较多时，会以一定概率出现派发错误等现象，这样不仅浪费政务人员的时间，而且很大程度会造成正确派发的延误。

传统的业务场景是用直接文本相似匹配、关联规则和聚类的单一算法方式进行派发公文，或者人为手动选择派发的方式去派发公文。

根据传统相似匹配算法进行派送，其中会涉及到相似属性的判断以及人为事先定义公文类别标签。有些公文之间会涉及到相关关系，若是采用关联规则算法，会涉及到政务人员收到不属于自己的公文。

聚类算法聚类相似公文时，其中聚类的数目不好确定，以及每次输入数据都得重新聚类比较耗时费力，这种形式对单个工作人员可能会处理多个标签的文件时，会发生聚类标签不准，进而派发的文件会有遗漏。

现有的处理长文本数据，存在以下问题：

1.传统的处理长文本数据，概念是基于本次业务场景，通过人的过往发送公文经验去派送待处理的公文。人的过往发送公文经验，在一定程度上，可以基于文本之间出现很大的相似度方式去派送，但是，对于很长的文本来说，查看它的内容以及标题等后在派送，会浪费很多的时间，甚至这种派发文件的人员可能会出现更换，可替代性太弱。

2.基于传统相似匹配去度量派送的公文，一般来说，常用的算法是计算文本之间的距离的理念的欧式距离或者余弦定理等。一方面，算法端这类算法比较成熟，处理也不复杂，但是相似度的阈值(-1，1)不是很好界定，还会出现文本可长可短等情景，直接比较相似度，会一定程度增加相似性匹配的困难。另一方面，从数据出发，以往的公文之间会存在一定的联系，当新的公文出现时，会出现多个相关性等，会一定程度上，造成相关性混乱，进而导致公文派送错误。

3.基于聚类的层面去派送需派送的公文，聚类算法模块实现也较容易。但是，聚类的数目，也就是本文涉及的多分类标签的标签，很不好确定，其次，以往公文之间会出现一定的相似性当新文本数据进行聚类时，会不会出现一定程度的聚类重合进而影响聚类的效果，若是进行每个类一次聚时，会避免聚类重合，但是聚类的数目很难界定。

发明内容

针对上述问题，本发明提供一种公文智能分发办理方法、装置及计算机设备，采用自动分发公文。

一种公文智能分发办理方法，包括以下步骤：

对已发公文和待发公文进行文本数据预处理，分别获得已发公文和待发公文的文本词向量；

建立多层神经网络模型；

通过已发公文的文本词向量对多层神经网络模型进行训练，并获得已发公文的多标签二分类向量；

将已发公文的多标签二分类向量与公文接收人员信息进行对应建立索引，获得人员索引标签；