工单分配方法及其装置、电子设备及存储介质与流程

摘要: 本发明涉及人工智能或其他相关,具体而言,涉及一种工单分配方法及其装置、电子设备及存储介质。背景技术:1、工单是一种用于记录、跟踪和管理服务请求或业务任务的标准化...
工单分配方法及其装置、电子设备及存储介质与流程

本发明涉及人工智能或其他相关,具体而言,涉及一种工单分配方法及其装置、电子设备及存储介质。

背景技术:

1、工单是一种用于记录、跟踪和管理服务请求或业务任务的标准化电子单据,通常在客户提出问题、申请服务或反馈异常后由系统或人工创建,用以明确事项内容、责任归属、处理流程与完成时限。工单本质上是一种流程驱动的工作载体,确保每一个客户诉求或内部任务都能被完整记录、有序流转、限时闭环,在金融行业、电信行业等服务行业应用范围较广。

2、相关技术中,工单的分配依赖于人工分派或基于静态规则的自动化引擎,例如通过提取工单中的关键词,依据预先设定的规则对工单进行分配,但这种方式只能简单识别工单中的内容,以此进行分配,精确度较低,难以将工单准确地分配到对应的业务人员终端。

3、针对上述的问题,目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种工单分配方法及其装置、电子设备及存储介质,以至少解决相关技术中,基于人工或静态规则对工单进行分配的方式,准确性较低的技术问题。

2、根据本发明实施例的一个方面,提供了一种工单分配方法,包括:接收业务工单,并对所述业务工单进行解析,得到工单文本和工单音频;分别对所述工单文本和所述工单音频进行预处理,得到文本特征和音频特征;将所述文本特征和所述音频特征输入至特征融合模型,通过所述特征融合模型对所述文本特征和所述音频特征进行特征融合,得到融合特征,其中,所述特征融合模型是预先构建的用于对多模态特征进行融合的神经网络模型;将所述融合特征输入至工单分配模型,通过所述工单分配模型为所述业务工单配置业务标签和情绪标签,并基于所述业务标签和所述情绪标签生成工单分配策略,其中,所述工单分配模型是预先构建的用于对所述业务工单进行分配的神经网络模型。

3、进一步地,对所述工单文本进行预处理的步骤包括:对所述工单文本进行脱敏处理;调用业务库中的业务术语对脱敏后的所述工单文本进行修正;通过大语言模型对修正后的所述工单文本进行语义校验;对通过校验的所述工单文本进行特征提取。

4、进一步地,对所述工单音频进行预处理的步骤包括:通过音频活性检测算法对所述工单音频进行活性检测,基于检测结果提取有效音频;从所述有效音频中提取声学特征;将所述有效音频输入至语音识别模型,通过所述语音识别模型将音频内容转化为文本序列,并对所述文本序列进行特征提取,得到文本序列特征,其中,所述声学特征和所述文本序列特征组成音频特征。

5、进一步地,通过所述特征融合模型对所述文本特征和所述音频特征进行特征融合,得到融合特征的步骤包括:通过所述特征融合模型将所述文本特征作为查询向量,音频特征作为键值对,构建跨模态注意力权重;由所述特征融合模型基于所述跨模态注意力权重对所述音频特征进行加权聚合,生成与工单文本语义对齐的增强音频表示;由所述特征融合模型将所述增强音频表示与所述文本特征拼接,形成所述融合特征。

6、进一步地,通过所述工单分配模型为所述业务工单配置业务标签和情绪标签的步骤包括:通过所述工单分配模型识别所述业务工单所属第一业务类型,其中,所述第一业务类型包括下述至少之一:账户管理、贷款服务、服务反馈;在所述第一业务类型的基础上,通过所述工单分配模型识别所述业务工单所属第二业务类型,其中,所述第二业务类型为所述第一业务类型的子类型;基于所述第一业务类型和所述第二业务类型为所述业务工单配置所述业务标签;通过所述工单分配模型对所述工单音频中的情绪强度进行划分,得到情绪强度等级,并基于所述情绪强度等级为所述业务工单配置所述情绪标签。

7、进一步地,基于所述业务标签和所述情绪标签生成工单分配策略的步骤包括:根据所述业务标签匹配预设的处理终端列表,确定具备业务权限的处理终端;依据所述情绪标签确定处理时限;基于所述业务标签和所述情绪标签从知识库检索处理策略;基于所述处理终端、所述处理时限和所述处理策略生成所述工单分配策略。

8、进一步地,所述工单分配模型是预先构建的,构建所述工单分配模型的步骤包括:获取历史业务工单和所述历史业务工单对应的历史工单分配策略;对所述历史业务工单进行特征处理,得到融合特征,并基于所述历史工单分配策略对所述历史业务工单进行标签配置,其中,所述特征处理至少包括特征提取和特征对齐,所述标签配置至少包括业务标签配置、情绪标签配置和分配策略配置;基于所述融合特征以及配置的标签构建指令响应对,其中,所述指令响应对由所述融合特征作为输入指令,由业务标签、情绪标签和分配策略作为输出响应;将所述指令响应对输入至初始的工单分配模型,采用批次训练机制,对所述初始的工单分配模型进行迭代训练,直至完成训练批次,得到训练完成的所述工单分配模型,其中,在每批次迭代训练过程中,通过反向传播计算所述工单分配模型的预测输出与所述输出响应之间的似然损失,并基于所述似然损失对所述工单分配模型进行参数调整。

9、根据本发明实施例的另一方面,还提供了一种工单分配装置,包括:接收单元,用于接收业务工单,并对所述业务工单进行解析,得到工单文本和工单音频;处理单元,用于分别对所述工单文本和所述工单音频进行预处理,得到文本特征和音频特征;融合单元,用于将所述文本特征和所述音频特征输入至特征融合模型,通过所述特征融合模型对所述文本特征和所述音频特征进行特征融合,得到融合特征,其中,所述特征融合模型是预先构建的用于对多模态特征进行融合的神经网络模型;分配单元,用于将所述融合特征输入至工单分配模型,通过所述工单分配模型为所述业务工单配置业务标签和情绪标签,并基于所述业务标签和所述情绪标签生成工单分配策略,其中,所述工单分配模型是预先构建的用于对所述业务工单进行分配的神经网络模型。

10、进一步地,所述处理单元包括:第一脱敏模块,用于对所述工单文本进行脱敏处理;第一修正模块,用于调用业务库中的业务术语对脱敏后的所述工单文本进行修正;第一校验模块,用于通过大语言模型对修正后的所述工单文本进行语义校验;第一提取模块,用于对通过校验的所述工单文本进行特征提取。

11、进一步地,所述处理单元还包括:第一检测模块,用于通过音频活性检测算法对所述工单音频进行活性检测,基于检测结果提取有效音频;第二提取模块,用于从所述有效音频中提取声学特征;第三提取模块,用于将所述有效音频输入至语音识别模型,通过所述语音识别模型将音频内容转化为文本序列,并对所述文本序列进行特征提取,得到文本序列特征,其中,所述声学特征和所述文本序列特征组成音频特征。

12、进一步地,所述融合单元包括:第一构建模块,用于通过所述特征融合模型将所述文本特征作为查询向量,音频特征作为键值对,构建跨模态注意力权重;第一聚合模块,用于由所述特征融合模型基于所述跨模态注意力权重对所述音频特征进行加权聚合,生成与工单文本语义对齐的增强音频表示;第一拼接模块,用于由所述特征融合模型将所述增强音频表示与所述文本特征拼接,形成所述融合特征。

13、进一步地,所述分配单元包括:第一识别模块,用于通过所述工单分配模型识别所述业务工单所属第一业务类型,其中,所述第一业务类型包括下述至少之一:账户管理、贷款服务、服务反馈;第二识别模块,用于在所述第一业务类型的基础上,通过所述工单分配模型识别所述业务工单所属第二业务类型,其中,所述第二业务类型为所述第一业务类型的子类型;第一配置模块,用于基于所述第一业务类型和所述第二业务类型为所述业务工单配置所述业务标签;第二配置模块,用于通过所述工单分配模型对所述工单音频中的情绪强度进行划分,得到情绪强度等级,并基于所述情绪强度等级为所述业务工单配置所述情绪标签。

14、进一步地,所述分配单元还包括:第一确定模块,用于根据所述业务标签匹配预设的处理终端列表,确定具备业务权限的处理终端;第二确定模块,用于依据所述情绪标签确定处理时限;第一检索模块,用于基于所述业务标签和所述情绪标签从知识库检索处理策略;第一生成模块,用于基于所述处理终端、所述处理时限和所述处理策略生成所述工单分配策略。

15、进一步地,所述工单分配装置还包括:第一获取模块,用于获取历史业务工单和所述历史业务工单对应的历史工单分配策略;第一处理模块,用于对所述历史业务工单进行特征处理,得到融合特征,并基于所述历史工单分配策略对所述历史业务工单进行标签配置,其中,所述特征处理至少包括特征提取和特征对齐,所述标签配置至少包括业务标签配置、情绪标签配置和分配策略配置;第二构建模块,用于基于所述融合特征以及配置的标签构建指令响应对,其中,所述指令响应对由所述融合特征作为输入指令,由业务标签、情绪标签和分配策略作为输出响应;第一训练模块,用于将所述指令响应对输入至初始的工单分配模型,采用批次训练机制,对所述初始的工单分配模型进行迭代训练,直至完成训练批次,得到训练完成的所述工单分配模型,其中,在每批次迭代训练过程中,通过反向传播计算所述工单分配模型的预测输出与所述输出响应之间的似然损失,并基于所述似然损失对所述工单分配模型进行参数调整。

16、根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项工单分配方法。

17、根据本发明实施例的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述任意一项工单分配方法。

18、根据本发明实施例的另一方面,还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,其中,所述计算机程序被处理器执行时实现上述任意一项工单分配方法。

19、在本技术中,通过以下步骤:接收业务工单,并对业务工单进行解析,得到工单文本和工单音频;分别对工单文本和工单音频进行预处理,得到文本特征和音频特征;将文本特征和音频特征输入至特征融合模型,通过特征融合模型对文本特征和音频特征进行特征融合,得到融合特征,其中,特征融合模型是预先构建的用于对多模态特征进行融合的神经网络模型;将融合特征输入至工单分配模型,通过工单分配模型为业务工单配置业务标签和情绪标签,并基于业务标签和情绪标签生成工单分配策略,其中,工单分配模型是预先构建的用于对业务工单进行分配的神经网络模型。

20、在本技术中,通过系统性地融合文本与音频两种异构信息,实现了对业务工单语义意图与情绪状态的联合理解,形成文本特征和音频特征,并采用经过指令微调的网络模型,基于海量历史工单与专家标注数据学习业务语义与情绪响应的内在关联,识别工单所属的一级与二级业务类别,并同步判断客户情绪等级,进而综合生成精准的工单分配策略,突破传统工单系统对文本信息的单一依赖,突破情绪感知缺失导致的优先级误判,实现对客户诉求的双维度智能识别与自动化响应,提升分类准确度,进而提升工单分配准确性和分配效率,进而解决了相关技术中,基于人工或静态规则对工单进行分配的方式,准确性较低的技术问题。