一种交通热线诉求评价结果一致性智能判定方法与流程
本发明涉及数据处理,具体为一种交通热线诉求评价结果一致性智能判定方法。
背景技术:
1、交通热线平台接收用户诉求后会为工单标注诉求标签,诉求标签与工单实际处置事实是否一致,直接影响后续诉求评价结果的准确性。当前工单一致性校验大多依靠人工抽查审核或者关键词匹配识别,审核效率低下,且关键词比对仅能单独分析工单文本内容,无法结合工单多部门流转的处置过程开展联合校验。
2、工单在多部门来回转办、重复流转时,工单处置复杂度随之上升,工单处置过程对应的文本特征与处置复杂度之间存在相应的变化关联规律。然而,现有自动判定方法未挖掘处置流转特征与工单文本特征之间的关联联系,缺少二者对照分析的判定逻辑,无法识别处置流程与文本特征相互背离的反常工单。当工单诉求标签与实际处置事实不匹配时,易出现处置流程曲折但工单文本叙事过于平稳、或处置流程简单但工单文本叙事波动剧烈的异常现象,现有校验方案难以检出此类偏离,导致工单诉求评价结果一致性判定的漏判率偏高。
技术实现思路
1、本发明的目的在于提供一种交通热线诉求评价结果一致性智能判定方法,以解决上述背景技术中提出的问题。
2、为了解决上述技术问题,本发明提供如下技术方案:
3、一种交通热线诉求评价结果一致性智能判定方法,包括以下步骤:
4、s1.读取当前工单在工单数据库中的数据记录,提取当前工单的诉求标签、工单流水号及工单全文文本;以提取的工单流水号为索引,查询工单系统的审计日志数据库,获取当前工单在业务处置流程中的全部处置节点记录,每条处置节点记录包含部门标识及操作时间戳;
5、s2.将全部处置节点记录按照操作时间戳的先后顺序排列,生成当前工单的实际处置路径序列;基于实际处置路径序列,计算当前工单的处置复杂度;
6、s3.对工单全文文本进行分句,计算每个句子的信息熵;将全部句子的信息熵按句子顺序排列,计算相邻句子信息熵之间的差值,取全部差值的绝对值的平均值作为信息熵波动值,并根据信息熵波动值计算对应工单的实测文本叙事平稳度;
7、s4.筛选与当前工单诉求标签一致且历史判定结果为正确的历史工单样本,构成目标工单集合;提取目标工单集合内每一条工单对应的处置复杂度与实测文本叙事平稳度,生成特征样本对;基于全部特征样本对,分析实测文本叙事平稳度随处置复杂度变化的基准关联趋势;
8、s5.将当前工单的处置复杂度代入基准关联趋势,得到对应预期文本叙事平稳度,基于实测文本叙事平稳度与预期文本叙事平稳度计算当前工单的工单匹配偏离度;若工单匹配偏离度小于预设偏离阈值,则判定当前工单的诉求标签与业务处置事实一致;否则判定不一致。
9、进一步的,s1包括以下内容:
10、在工单数据库中定位当前工单对应的数据记录,从数据记录内分别读取诉求标签、工单流水号、工单全文文本三个字段的内容,得到诉求标签f、工单流水号id以及工单全文文本text
11、使用工单流水号id作为检索条件,检索审计日志数据库,选出所有工单流水号与id保持一致的日志记录,每一条日志记录保存有对应的办理部门标识以及操作时间戳;
12、对筛选出来的日志记录开展检查,如果某一条日志记录缺少办理部门标识或者缺少操作时间戳,则舍弃这条无效记录;经过检查之后剩下的所有日志记录构成当前工单的处置节点记录集合r,且r={r1,r2,...,rn},其中,r1表示当前工单的第1个处置节点,r2表示当前工单的第2个处置节点,以此类推,rn表示当前工单的第n个处置节点,n表示处置节点记录集合r中处置节点的总数。
13、进一步的,s2中将全部处置节点记录按照操作时间戳的先后顺序排列,生成当前工单的实际处置路径序列,包括以下内容:
14、获取处置节点记录集合r,分别提取每一条处置节点记录ri中的操作时间戳,其中i取1到n,构建与处置节点记录一一对应的时间戳集合t;以操作时间戳的数值大小作为排序键,按照数值从小到大的升序规则,对全部处置节点记录进行排序,得到排序后的处置节点记录序列r’;
15、依次读取排序后的处置节点记录序列r'中每一条处置节点记录r’i的办理部门标识,记为di,按照排序后的先后顺序依次排列,形成当前工单的实际处置路径序列p,且p=(d1,d2,...,dn)。
16、进一步的,s2中基于实际处置路径序列,计算当前工单的处置复杂度,包括以下内容:
17、统计实际处置路径序列p中包含的处置节点总数量,得到处置节点记录总数n;遍历实际处置路径序列p内各个部门标识di,针对当前位置i,从实际处置路径序列p中i之前的位置检索办理部门标识di,得到办理部门标识距离当前位置最近的一次出现位置p(i);若检索得到位置p(i),并且当前处置节点对应的操作时间戳与位置p(i)处处置节点对应的操作时间戳之间的差值大于预设时长阈值t0,则判定产生一次有效重复流转;累加所有有效重复流转的发生次数,得到重复流转节点对数m;
18、预先为每一个部门标识配置行政层级编码值,遍历实际处置路径序列p中全部办理部门标识对应的层级编码,依次计算相邻处置节点对应的行政层级编码差值的绝对值,求取所有差值绝对值的算术平均值作为行政层级跨度值l;
19、计算当前工单的处置复杂度c,且c=n×[1+a×ln(1+m)+b×l],其中,a为第一权重系数,用于表征重复流转对工单处置复杂程度的影响权重;b为第二权重系数,用于表征行政层级跨度对工单处置复杂程度的影响权重。
20、进一步的,s3中的对工单全文文本进行分句,计算每个句子的信息熵,具体包括:
21、获取提取的工单全文文本text,根据预设的分句标识符对工单全文文本text进行分句处理,得到句子序列s,其中句子序列s的句子总数为x;其中,预设的分句标识符为用于切分出独立句子的文本标记符号,选取句号、问号、感叹号、分号等符号作为切分标记;文本遍历过程中,每当读取到上述任意一种符号,即判定当前位置为句子分割点;
22、对句子序列s中的每一个句子sj,其中j取1到x;调取预先构建完成的交通业务词语库,按照预设词语库对句子进行分词匹配处理,得到句子sj的词语序列wj,其中词语序列wj的词语总数为g;其中,预先构建完成的交通业务词语库为面向交通热线工单业务场景收集整理得到的词汇集合;词语库内部包含交通领域业务名词、诉求动词、地点词汇、责任部门名称以及通用常用词汇;分词匹配时采用最长正向匹配策略,优先匹配长度更大的词语,文本内无法在词语库中检索命中的字符,单独拆分为独立词语单元;
23、对每一个句子sj,统计句子中各词语wjt的出现频次,计算词语wjt在句子sj中出现的概率p(wjt)=fjt/g,其中,t为词语编号,取1到g;fjt为词语wjt在句子sj中出现的次数;计算句子的信息熵h(sj),且h(sj)=-∑t∈[1,g]p(wjt)×log2p(wjt),其中,若某词语的出现概率p(wjt)=0,则该项不参与求和,句子信息熵用于表征单句文本内部词语分布的复杂均匀程度。
24、进一步的,s3中的将全部句子的信息熵按句子顺序排列,计算相邻句子信息熵之间的差值,取全部差值的绝对值的平均值作为信息熵波动值,并根据信息熵波动值计算对应工单的实测文本叙事平稳度,具体包括:
25、将各个句子对应的信息熵按照句子先后顺序进行排列,得到信息熵序h,依次计算每一组相邻句子信息熵差值的绝对值,得到差值绝对值δh,对所有差值绝对值求取算术平均值,得到信息熵波动值e;当句子总数x=1时,不存在相邻句子,设置信息熵波动值e=0;
26、根据信息熵波动值e计算当前工单的实测文本叙事平稳度z,当x≥2且e>0时,z=1/max(e,u);当x=1或e=0时,z=1;其中,u为预先设置的极小波动下限值,用于避免e过小时z值过大导致的数值不稳定,具体取值根据历史工单样本中信息熵波动值的分布确定,例如取全部历史工单e值的第5百分位数。
27、进一步的,s4中筛选与当前工单诉求标签一致且历史判定结果为正确的历史工单样本,构成目标工单集合;提取目标工单集合内每一条工单对应的处置复杂度与实测文本叙事平稳度,生成特征样本对;具体包括:
28、以提取的诉求标签f作为筛选条件,在历史工单数据库中检索历史判定结果为正确的全部历史工单,历史判定结果为正确是指历史工单的诉求标签与业务处置事实一致;提取其中诉求标签与f相同的所有历史工单,构成候选工单集合h;
29、分别对候选工单集合h中的每一份历史工单he,调取历史工单已经存储完成的审计日志处置节点记录,按照s2相同的计算方式生成实际处置路径序列,计算历史工单的处置复杂度ce;调取历史工单保存的工单全文文本,按照与s3相同的方式,对工单全文文本进行分句、词语切分、信息熵计算及信息熵波动值计算,得到历史工单的实测文本叙事平稳度z;将每一份历史工单的处置复杂度ce与实测文本叙事平稳度ze组成工单的特征样本对(ce,ze)。
30、进一步的,s4中基于全部特征样本对,分析实测文本叙事平稳度随处置复杂度变化的基准关联趋势;具体包括:
31、将特征样本对集合g中的每一对(ce,ze)映射到以处置复杂度c为横轴、以实测文本叙事平稳度z为纵轴的二维坐标系中,得到q个二维坐标点;依次计算相邻坐标点之间纵轴坐标的变化率vk,且vk=(z(k+1)-zk)/(c(k+1)-ck),其中,k为坐标点编号,取1到q-1;vk表示第k个相邻坐标点对之间的变化率,(c(k+1),z(k+1))表示第k+1个坐标点对应的坐标值;若c(k+1)-ck=0,将对应的相邻点对标记为分段断点,不计算变化率;
32、以变化率vk的符号作为分段依据,遍历全部已经计算得到的变化率;遍历范围取1至q-2;对比相邻两个变化率vk与v(k+1)的符号,当vk与v(k+1)符号相同时,对应坐标点划入同一数据片段;当vk与v(k+1)符号不相同时,以第(k+2)个坐标点作为新数据片段的起始点;对于标记的分段断点,以分段断点后一个坐标点作为新数据片段的起始点;重复执行直至所有坐标点划分完毕,得到若干连续的数据片段,每一个数据片段内部相邻变化率符号保持一致;
33、对每一个数据片段,提取对应片段内全部坐标点横轴、纵轴数值,采用最小二乘法直线拟合,得到片段拟合直线方程z=αp×c+βp,其中,αp为第p个数据片段对应的拟合斜率,βp为第p个数据片段对应的拟合截距;将所有数据片段对应的拟合直线,按照横轴坐标区间顺序依次连接,生成基准关联趋势折线。
34、进一步的,s5包括以下内容:
35、获取当前工单的处置复杂度cnow以及实测文本叙事平稳度znow,若cnow小于全部历史样本的最小横轴坐标,或者cnow大于全部历史样本的最大横轴坐标,则判定当前工单缺少有效的历史参照基准,输出人工复核提示信息,终止当前自动偏离度判定流程;若cnow处于历史样本横轴区间范围内,定位对应横轴坐标值所属的数据片段,将所属数据片段的拟合直线方程在c=cnow处的计算值作为预期文本叙事平稳度,记为zexp=αp×cnow+βp;
36、计算当前工单实测文本叙事平稳度与预期文本叙事平稳度之间的绝对偏差δz=|znow-zexp|,读取所属数据片段内全部历史工单实测文本叙事平稳度的标准差σp,若某一数据片段内样本数量小于2,或者片段标准差等于零,则判定当前工单一致性风险较高,转入人工复核流程,不再自动计算工单匹配偏离度;其余情况下,计算工单匹配偏离度d,且d=δz/σp;
37、若工单匹配偏离度d小于预设偏离阈值d0,则判定当前工单的诉求标签与业务处置事实一致;否则判定不一致。
38、与现有技术相比,本发明的有益效果是:本发明通过结合工单实际处置流转特征构建处置复杂度指标,同时基于工单文本信息熵波动计算实测文本叙事平稳度,挖掘出处置复杂度与文本叙事平稳度之间的关联关系,构建基准关联趋势,替代传统单一固定阈值判定模式。本发明使判定标准能够随工单处置状态动态调整,根据不同工单的实际处置流程和流转难度生成对应的文本合格参考标准,适配同一诉求标签下工单处置流程存在差异化的业务场景。通过将处置复杂度与文本叙事平稳度纳入统一的偏离度判定框架,有效降低了传统固定阈值方式对处置流程完备但文本表述简略的合规工单产生误判的概率;基于信息熵波动计算的文本叙事平稳度刻画方法对口语化、冗余化表述具有较高的适应性,避免了因表述方式差异导致的误判,从而提升了交通热线工单诉求标签与业务处置事实一致性判定的精准度与适配性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com