BiLSTM_DPCNN模型在电力客服工单数据分类中的应用①
2021-02-23田秀霞
计算机系统应用 2021年2期
李 灿,田秀霞,赵 波
(上海电力大学 计算机科学与技术学院,上海 200090)
电力客服系统作为供电企业与电力客户交流的窗口,不仅为电力客户提供了便捷的服务,还直接客观地反映客户用电诉求[1,2],其工单数据记录着电力客户对供电企业的诉求信息,根据工单信息描述,准确地定位用户所属类别,有利于提升客户满意度.目前对工单数据的分析方式,主要是由调查人员通过对用户诉求数据的分析,来判别用户需求信息所属的服务类型[3,4].这种方式缺乏有效的分析方法,严重影响信息分析和解决问题的效率,直接影响到电力系统的高效运行和发展[5].因此,找到一种高效的工单分类方法来实现对工单数据进行自动、准确的分类,是电力客服系统亟待解决的主要问题[1].
传统的工单分类,主要是采用特征工程和机器学习方法相结合的方式[6].林溪桥等[7]分析各种类型工单的出现规律,结合主成分分析方法,实现客服工单分类模型的优化.Sun 等[8]利用中文数据挖掘的方法,对停电工单进行分析,并结合支持向量机(Support Vector Machine,SVM)构建了故障案例句子分类模型.上述分类模型虽然有着结构简单,训练速度快的优点,但在分类过程中,依赖于特征工程的选择,模型分类效果表现不突出.
近年来,神经网络技术被广泛应用到文本分类任务中[9].谢季川等[10]使用Word2Vec 语言模型训练电力工单数据,得到电力文本词向量,最后构建多分类文本模型,实现95 598 电力工单分类任务.刘……
登录APP查看全文
