本發(fā)明屬于線上服務平臺，涉及一種熱線接訴即辦協(xié)同應用方法和系統(tǒng)。

背景技術：

1、當前，通常采用熱線工作人員進行工單分類，由于每天接收的工單數(shù)量龐大，熱線工作人員在分類時可能會遇到諸多困難。一方面，工單的內(nèi)容五花八門，涉及領域廣泛，從城市管理、環(huán)境保護到社會保障、醫(yī)療衛(wèi)生等，無所不包，人工分類存在主觀因素影響，導致工單分類不精準的情況存在。另一方面，由于工作量巨大，工作人員在高壓環(huán)境下可能會出現(xiàn)疲勞和疏忽，導致工單分類出現(xiàn)偏差，進而出現(xiàn)工單分類不精準的問題，導致一些訴求沒有被正確地分配到相應的處理部門，增加了處理難度和時間。

2、本發(fā)明的目的在于提供一種熱線接訴即辦協(xié)同應用方法和系統(tǒng)，以解決工單分類不精準的技術問題，本發(fā)明能夠?qū)崿F(xiàn)群眾訴求工單的精準分類和自動派發(fā)，提升了群眾訴求的解決效率。

3、

技術實現(xiàn)思路

1、

2、為了達到上述目的，本發(fā)明采用以下技術方案予以實現(xiàn)：

3、第一方面，本發(fā)明提供一種熱線接訴即辦協(xié)同應用方法，其特征在于，包括以下步驟：

4、多渠道獲取群眾訴求工單，提取眾訴求工單中的關鍵信息，利用關鍵信息形成錄入工單；

5、根據(jù)tf-idf算法對錄入工單進行初步分類；

6、根據(jù)訴求分類模型對初步分類的錄入工單進行二次分類；

7、對二次分類后的錄入工單進行自動派單。

8、進一步的，所述多渠道獲取群眾訴求工單，提取眾訴求工單中的關鍵信息，利用關鍵信息形成錄入工單，具體如下：

9、對于通過電話渠道獲取的群眾訴求工單，通過智能問答模塊回復用戶訴求，若能問答模塊未解決群眾訴求，則從訴求工單中提取關鍵信息，利用關鍵信息形成錄入工單；

10、對于通過線上網(wǎng)絡渠道和媒體渠道獲取的訴求信息，通過系統(tǒng)維護的關鍵詞、正則以及url安全校驗規(guī)則進行數(shù)據(jù)校驗，若校驗后滿足要求，則形成錄入工單，若校驗后不滿足要求，則提取訴求信息中的關鍵信息，利用關鍵信息形成錄入工單；

11、所述關鍵信息包括服務渠道、訴求類型、群眾情緒、問題屬地、事發(fā)時間、事發(fā)地點、訴求主體和訴求期望。

12、進一步的，所述對于通過電話渠道獲取的群眾訴求工單，通過智能問答模塊回復用戶訴求，具體如下：

13、對于通過電話渠道獲取的群眾訴求工單，通過智能語音進入智能問答模塊，了解群眾意圖并自動回復用戶問題；

14、若智能問答模塊無法解決群眾訴求，則進入人工接聽，通過ivr導航判定來電時是否人工占線；

15、若人工非占線，則減少智能語音或ivr導航時間；

16、若人工占線時，增加導航時間，引導通過智能導航線上渠道受理工單。

17、進一步的，所述根據(jù)tf-idf算法對錄入工單進行初步分類，具體如下：

18、對錄入工單進行預處理操作，去除噪聲信息和干擾數(shù)據(jù)，得到數(shù)據(jù)文檔；

19、通過jieba分詞將數(shù)據(jù)文檔拆分為詞語單元；

20、采用tf-idf算法提取數(shù)據(jù)文檔中詞語單元的特征，得到詞語特征；

21、根據(jù)詞語特征判斷錄入工單的性質(zhì)和錄入工單的領域；

22、根據(jù)工單的性質(zhì)、領域和緊急程度對錄入工單進行初步分類；

23、所述工單的性質(zhì)包括：咨詢、投訴、求助、舉報、建議；

24、所述工單的領域包括：房產(chǎn)、供暖、供水、供氣、環(huán)保、交通、教育、民政、城管、拆遷和市場。

25、進一步的，所述采用tf-idf算法對詞語單元進行特征提取，得到詞語特征，具體如下：

26、根據(jù)詞語單元在數(shù)據(jù)文檔中出現(xiàn)的次數(shù)、數(shù)據(jù)文檔的總詞語單元數(shù)獲取詞語單元在數(shù)據(jù)文檔中的出現(xiàn)的頻率；

27、根據(jù)數(shù)據(jù)文檔、詞語單元和數(shù)據(jù)文檔的總數(shù)獲取逆文檔頻率；

28、根據(jù)詞語單元在數(shù)據(jù)文檔中的出現(xiàn)的頻率和逆文檔頻率提取文檔中詞語單元的特征，得到詞語特征。

29、進一步的，所述根據(jù)詞語單元在數(shù)據(jù)文檔中出現(xiàn)的次數(shù)、數(shù)據(jù)文檔的總詞語單元數(shù)獲取詞語單元在數(shù)據(jù)文檔中的出現(xiàn)的頻率，具體如下：

30、

31、其中表示詞語單元在數(shù)據(jù)文檔中的出現(xiàn)的頻率；表示詞語單元在數(shù)據(jù)文檔中出現(xiàn)的次數(shù)；表示數(shù)據(jù)文檔的總詞語單元數(shù)；

32、所述根據(jù)數(shù)據(jù)文檔、詞語單元和數(shù)據(jù)文檔的總數(shù)獲取逆文檔頻率，具體如下：

33、

34、其中表示數(shù)據(jù)文檔是否包含詞語單元，若包含為1，不包含為0；表示數(shù)據(jù)文檔的總數(shù)；表示逆文檔頻率。

35、進一步的，所述訴求分類模型，具體如下：

36、獲取已完成的歷史眾訴求工單數(shù)據(jù)，將已完成的歷史眾訴求工單數(shù)據(jù)推送至訴求分類模型，根據(jù)訴求分類模型預測的結果生成相應的鏈表；

37、根據(jù)鏈表獲取與鏈表索引相關的分類信息；

38、將分類信息與已完成的歷史眾訴求工單數(shù)據(jù)融合，生成增強類別的信息；

39、利用增強類別的信息訓練訴求分類模型，增強訴求分類模型的分類能力。

40、進一步的，所述根據(jù)映射公式和條件概率提取公式對二次分類后的錄入工單進行自動派單，具體如下：

41、利用映射公式將二次分類后的錄入工單中的每個詞映射到一個高維向量空間，得到詞向量；

42、利用詞向量間的幾何關系和條件概率提取公式來提取并推薦相應的分派單位信息，根據(jù)分派單位信息將對應的錄入工單分派至對應單位。

43、進一步的，所述映射公式如下：

44、

45、其中，為一個詞向量，為第個詞的詞向量分量，為向量空間的維度，取正整數(shù)，為轉(zhuǎn)置操作，為將二次分類后的錄入工單中的每個詞映射到向量空間中的技術；

46、所述條件概率提取公式如下：

47、

48、其中，為概率；為事件特征；為偏好設置；為分派單位，為分派單位；為已知的事件特征；為分派單位的特征。

49、第二方面，本發(fā)明提供一種熱線接訴即辦協(xié)同應用系統(tǒng)，其特征在于，包括：

50、訴求工單獲取模塊：用于多渠道獲取群眾訴求工單，提取眾訴求工單中的關鍵信息，利用關鍵信息形成錄入工單；

51、初步分類模塊：用于根據(jù)tf-idf算法對錄入工單進行初步分類；

52、二次分類模塊：用于根據(jù)訴求分類模型對初步分類的錄入工單進行二次分類；

53、分類派單模塊：用于根據(jù)映射公式和條件概率提取公式對二次分類后的錄入工單進行自動派單。

54、與現(xiàn)有技術相比，本發(fā)明具有以下有益效果：

55、1、本發(fā)明通過多渠道獲取群眾訴求工單，便于能夠覆蓋更多群眾的需求，提取眾訴求工單中的關鍵信息，有助于快速了解訴求的核心內(nèi)容，利用關鍵信息形成錄入工單，確保了信息的完整性和準確性，為訴求分類和處理提供基礎；根據(jù)tf-idf算法對錄入工單進行初步分類，通過結合tf-idf算法，有利于錄入工單的精準分類；根據(jù)訴求分類模型對初步分類的錄入工單進行二次分類，訴求分類模型能夠基于歷史數(shù)據(jù)更新學習，能夠?qū)︿浫牍芜M行更為精確和細致的分類；根據(jù)映射公式和條件概率提取公式對二次分類后的錄入工單進行自動派單，映射公式和條件概率提取公式能夠自動匹配到最合適的處理部門或人員，提高派單的效率和準確性。本發(fā)明能夠?qū)崿F(xiàn)群眾訴求工單的精準分類和自動派發(fā)，提升了群眾訴求的解決效率。

56、2、本發(fā)明對錄入工單進行預處理操作，去除噪聲信息和干擾數(shù)據(jù)，得到數(shù)據(jù)文檔，有利于工單分類的準確性。通過jieba分詞將數(shù)據(jù)文檔拆分為詞語單元，有利于細化到詞語級別，使特征提取更加精確；采用tf-idf算法提取數(shù)據(jù)文檔中詞語單元的特征，得到詞語特征；根據(jù)詞語特征判斷錄入工單的性質(zhì)和錄入工單的領域，有利于適應不同領域的工單分類需求。

57、3、本發(fā)明通過獲取已完成的歷史眾訴求工單數(shù)據(jù)，將已完成的歷史眾訴求工單數(shù)據(jù)推送至訴求分類模型，進而訓練更新訴求分類模型，有利于提升訴求分類的準確性和效率。

58、4、本發(fā)明系統(tǒng)包括訴求工單獲取模塊、初步分類模塊、二次分類模塊和分類派單模塊。訴求工單獲取模塊用于多渠道獲取群眾訴求工單，提取眾訴求工單中的關鍵信息，利用關鍵信息形成錄入工單；初步分類模塊用于根據(jù)tf-idf算法對錄入工單進行初步分類；二次分類模塊用于根據(jù)訴求分類模型對初步分類的錄入工單進行二次分類；分類派單模塊用于根據(jù)映射公式和條件概率提取公式對二次分類后的錄入工單進行自動派單。各個模塊相互配合，能夠?qū)崿F(xiàn)群眾訴求工單的精準分類和派發(fā)，避免工單處理過程中推諉權責不明確的問題，提升了群眾訴求的解決效率。