[发明专利]工单处理方法、装置，以及，电子设备

权利要求书

1.一种工单处理方法，其特征在于，包括：

获取工单的各处理岗的岗位描述信息和反馈内容文本；

根据每个所述处理岗的所述反馈内容文本中的词语和所述岗位描述信息中的词语，分别获取相应所述处理岗对应的词语列表；

对每个所述词语列表中各词语进行词向量化，并根据对所述各词语进行所述词向量化的结果，得到相应所述处理岗对应的文本向量；

分别以每个所述处理岗对应的所述文本向量作为预设的工单定责模型的输入，获取所述工单定责模型输出的相应文本向量匹配目标责任岗的概率，作为相应所述处理岗匹配目标责任岗的概率；

根据各所述处理岗匹配目标责任岗的所述概率，确定所述工单的目标责任岗。

2.根据权利要求1所述的方法，其特征在于，所述根据各所述处理岗匹配目标责任岗的所述概率，确定所述工单的目标责任岗，包括：

获取不属于预设管控岗，且所述概率满足预设概率条件的所述处理岗；

在获取的所述处理岗中，确定对所述工单的反馈时间最早的所述处理岗，作为所述工单的目标责任岗。

3.根据权利要求1所述的方法，其特征在于，所述工单定责模型通过以下方法训练得到：

获取若干条训练样本，其中，每条所述训练样本分别对应一张历史工单中一个处理岗的工单数据，所述训练样本的样本数据包括：相应历史工单中相应处理岗的反馈内容文本中的词语，以及，所述相应处理岗的岗位描述信息中的词语；所述训练样本的样本标签为：相应样本数据是否匹配目标责任岗的真实值；

对于每条所述训练样本，对相应样本数据中各词语进行词向量化，并根据对所述各词语进行所述词向量化的结果，得到所述训练样本对应的文本向量；

基于各条所述训练样本对应的所述文本向量和所述样本标签，训练工单定责模型，包括：通过所述工单定责模型获取每条所述训练样本对应的所述文本向量匹配目标责任岗的预测概率，以所述预测概率和相应所述训练样本的样本标签之间误差最小为目标，迭代优化所述工单定责模型的参数。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述对每个所述词语列表中各词语进行词向量化，并根据对所述各词语进行所述词向量化的结果，得到相应所述处理岗对应的文本向量，包括：

分别获取所述词语列表中各词语基于预设工单样本集合的词频-逆向文档词频，作为各所述词语对应的词向量；

将各词语对应的所述词向量，拼接为相应所述处理岗对应的文本向量。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述根据每个所述处理岗的所述反馈内容文本中的词语和所述岗位描述信息中的词语，分别获取相应所述处理岗对应的词语列表，包括：

对于每个所述处理岗，分别执行以下文本处理操作，得到每个所述处理岗对应的词语列表：

对所述处理岗的所述反馈内容文本进行分词处理，得到分词结果；

获取所述处理岗的所述岗位描述信息中的词语；

将所述岗位描述信息中的词语与所述分词结果进行合并，获取相应处理岗对应的词语列表；

对于每个所述词语列表，分别进行词语去噪处理，其中，所述去噪处理包括以下一项或多项操作：删除高频常用词、删除停用词、删除无意义词、删除符号。

6.根据权利要求5所述的方法，其特征在于，所述对所述处理岗的所述反馈内容文本进行分词处理，包括：

基于预设分词词库对所述处理岗的所述反馈内容文本进行分词处理；其中，所述预设分词词库通过以下方法获取：

对预设语料进行知识梳理，获取通信领域专业词库；

基于历史工单数据获取登录词；

结合所述登录词和所述通信领域专业词库，得到预设分词词库。

7.根据权利要求1至3任一项所述的方法，其特征在于，所述工单定责模型采用LightGBM架构。