一種用于智慧工單話務的人員識別與發送系統的制作方法

本發明涉及話務工單處理，具體是指一種用于智慧工單話務的人員識別與發送系統。

背景技術：

1、智慧工單話務系統是客戶服務、維修服務和支持中心等需要高效處理大量客戶請求的場景，一般的話務工單處理依賴于人工錄入，容易導致錄入錯誤、延遲和增加管理負擔，且使用簡單的分配規則存在優先級分配不合理，缺乏調整和效率低的問題；一般的任務匹配和資源優化方法難以全面整合任務和人員信息，數據更新較慢，導致信息滯后和資源匹配不準確，存在適應性差、資源浪費的問題。

技術實現思路

1、針對上述情況，為克服現有技術的缺陷，本發明提供了一種用于智慧工單話務的人員識別與發送系統，針對一般的話務工單處理依賴于人工錄入，容易導致錄入錯誤、延遲和增加管理負擔，且使用簡單的分配規則存在優先級分配不合理，缺乏調整和效率低的問題，本方案通過識別話務語音，自動生成工單并設置優先級，減少人工錄入和管理的工作量，智能地識別工單中的任務類型并提取相關信息，將相關性最高的維修類型作為工單的任務實體，減少誤判風險，全面捕捉工單的各項需求，為后續的人員匹配和任務分配提供詳細依據；針對一般的匹配方法難以全面整合動態資源，信息存在滯后，且資源匹配不準確，導致人員識別準確度差的問題，本方案通過映射任務實體和人員實體及實體間的關系，構建智能化、動態更新的知識圖譜，提高任務匹配的精準度，根據實際情況動態調整人員候選集合，具有較強的適應性和靈活性，確保資源的最優利用和任務的高效完成。

2、本發明提供的一種用于智慧工單話務的人員識別與發送系統，包括語音收集模塊、語音轉換模塊、信息處理模塊、人員識別模塊、任務調度模塊、工單分配模塊；

3、所述語音收集模塊實時收集話務語音，為話務語音設置情感狀態類別，將話務語音和情感狀態類別發送至語音轉換模塊；

4、所述語音轉換模塊將話務語音轉換為話務文本，對話務文本進行預處理并自動生成工單，根據情感狀態類別設置工單的優先級，將工單及其優先級發送至信息處理模塊和工單分配模塊；

5、所述信息處理模塊對工單進行分解，構建任務實體及其屬性，將任務實體及其屬性發送至人員識別模塊；

6、所述人員識別模塊讀取包含所有維修人員信息的人員數據庫，提取人員實體及其屬性，篩選維修人員候選集合，將維修人員候選集合發送至任務調度模塊；

7、所述任務調度模塊設置功能單元，結合實時更新的維修人員信息篩選最佳匹配人員，將最佳匹配人員信息發送至工單分配模塊；

8、所述工單分配模塊將工單發送給最佳匹配人員，最佳匹配人員接收到工單后進行確認，系統持續跟蹤工單的處理進度。

9、進一步地，所述信息處理模塊對工單進行分解，構建任務實體及其屬性，包括以下步驟：

10、步驟s1：預定義維修類型集合；

11、步驟s2：將工單內容分解為單獨的詞匯，識別并歸一化同義詞和近義詞；

12、步驟s3：計算每份工單中所有詞匯的重要性指數，設置相似度閾值，重要性指數高于相似度閾值的詞匯為該工單的關鍵詞，所述關鍵詞不少于一個；

13、步驟s4：相關性分析，計算工單中關鍵詞與各種維修類型的相關性，為工單匹配相關性最高的維修類型，所用公式如下：

14、；

15、式中，表示關鍵詞，表示維修類型集合中的任意一種維修類型，表示權重，表示關鍵詞與維修類型的相關性，表示關鍵詞在維修類型中的概率分布，表示關鍵詞在所有維修類型中的總體概率；

16、步驟s5：構建任務實體，將相關性最高的維修類型作為該工單的任務實體，從工單的詞匯中匹配該任務實體的屬性。

17、進一步地，所述人員識別模塊通過構建知識圖譜篩選維修人員候選集合，包括以下步驟：

18、步驟a1：初始化知識圖譜，將任務實體和人員實體作為節點，使用標簽區分節點類型；根據任務實體和人員實體的屬性計算實體間的匹配關系，將匹配關系作為連接節點的邊；

19、步驟a2：將實體和匹配關系初始化為向量形式，分別表示為實體嵌入和關系嵌入；

20、步驟a3：編碼器構建，使用編碼器架構從輸入的實體和匹配關系中學習語義聚合嵌入、結構聚合嵌入、關系聚合嵌入；

21、步驟a4：解碼器構建，使用解碼器架構根據語義聚合嵌入、結構聚合嵌入、關系聚合嵌入構建知識圖譜；

22、步驟a5：候選集合篩選，計算任務實體和人員實體間的相似度，將相似度最高的前k位維修人員的信息存儲在維修人員候選集合中。

23、進一步地，在步驟a3中，所述編碼器構建，包括以下步驟：

24、步驟a31：構建實體語義聚合模型，包括rnn網絡、節點聚合層和嵌入合并層，rnn網絡捕獲任務實體和人員實體間的語義相似性，節點聚合層根據邊的類型進行節點聚合，嵌入合并層將人員實體的語義信息傳遞到任務實體，輸入初始實體嵌入，輸出最終的語義聚合嵌入，所用公式如下：

25、；

26、式中，表示第層的語義聚合嵌入，表示激活函數，表示對匹配關系求和，表示人員實體嵌入，表示關系嵌入，表示對與任務實體連接的所有人員實體及匹配關系進行求和，表示編碼器的層數，表示歸一化常數，表示實體語義聚合模型中第層的權重矩陣，表示人員實體嵌入在rnn網絡處理后第層的輸出；

27、步驟a32：構建實體結構聚合模型，包括gnn網絡、多頭注意力機制層和節點聚合層，gnn網絡學習實體和匹配關系的聯合嵌入，多頭注意力機制層增強結構表示關系，節點聚合層聚合從人員實體和匹配關系獲得的結構信息，輸入初始實體嵌入和關系嵌入，輸出最終的結構聚合嵌入，所用公式如下：

28、；

29、式中，表示第層的結構聚合嵌入，表示第層的注意力權重，表示實體結構聚合模型中第層的權重矩陣，表示人員實體嵌入和與人員實體相連的關系嵌入的組合操作；

30、步驟a33：構建顯式關系聚合模型，使用gru網絡增強匹配關系的表示，輸入關系嵌入，通過激活函數得到最終的關系聚合嵌入，所用公式如下：

31、；

32、式中，表示第層的關系聚合嵌入，表示顯式關系聚合模型中第層的權重矩陣，表示關系嵌入在gru網絡處理后第層的輸出。

33、采用上述方案本發明取得的有益效果如下：

34、（1）針對一般的話務工單處理依賴于人工錄入，容易導致錄入錯誤、延遲和增加管理負擔，且使用簡單的分配規則存在優先級分配不合理，缺乏調整和效率低的問題，本方案通過識別話務語音，自動生成工單并設置優先級，減少人工錄入和管理的工作量，智能地識別工單中的任務類型并提取相關信息，將相關性最高的維修類型作為工單的任務實體，減少誤判風險，全面捕捉工單的各項需求，為后續的人員匹配和任務分配提供詳細依據。

35、（2）針對一般的匹配方法難以全面整合動態資源，信息存在滯后，且資源匹配不準確，導致人員識別準確度差的問題，本方案通過映射任務實體和人員實體及實體間的關系，構建智能化、動態更新的知識圖譜，提高任務匹配的精準度，根據實際情況動態調整人員候選集合，具有較強的適應性和靈活性，確保資源的最優利用和任務的高效完成。