浅谈基于层次语义理解的电力系统客服工单分类

浅谈基于层次语义理解的电力系统客服工单分类

赵泰龙、黄蔚、杨倩、王圣竹、王缉芬、 王利超

广西电网有限责任公司 广西 南宁 530023

摘要：在社会经济与科技不断进步的影响之下，电力系统的服务也在不断扩张，更好地和一些现代化计算机技术等相互结合，确保了客服在对用户不同的售后问题进行分类解决时的高效性。根据客服交流过程当中产生的层次语义理解，通过大量的词语采集和类型分析，能够更加智能化的进行故障判定和需求分析，促进客服工作的进一步完善。因此，本文将系统性地介绍电力系统客服工单分类的概念和所运用的层次语义理解模型，并在实际应用过程当中展开详细的评价分析。

关键词：层次语义；电力系统；工单分类

引言：

随着电力事业的现代化发展，不仅在电力资源生产的稳定性和产量上得到了有效提升，在售后服务和电力营销等方面的功能上也更加完善，可以通过智能化的判定更好地了解客户的不同需求，减少了在这方面服务供给过程当中的人工成本，更好的保证了运用层次语义理解模型服务时对用户分派工单的类型判断合理性和高效性。在进行工单分类的模型应用时，必须要重视其构建的基础语义素材来源广泛，能通过带有记忆化的网络设定和语义判别清晰的了解客户需求。

1. 电力系统客服工单分类的概述

在电力系统服务功能日趋多样化的大背景之下，客服的工作也更加庞杂，在和用户进行售后交流过程当中，必须要快速精准的把握用户的主要需求，并结合工作的规范和程序将相应的内容转派给对应部门，以工单流转和办结的方式对客户的需求进行有效处理^[1]。由于目前的电力系统内工单大部分是以文字和录音的方式进行记录的，客服必须要在短暂的通话时间内掌握更多的有效信息，在充分熟悉系统内业务分派类型要求的基础之上进行合理分类和转派，确保用户的需求能够在一次流转的过程当中予以快速解决，也能够更好的避免不同部门之间相互推诿而造成的流转周期延误问题。再进行客服工单的分类过程当中主要是根据文字或录音所记录的语义信息进行内容判定，技术人员通过研究发现，可以利用一些层次语义理解的方式更好地促进客服工单分类处理工作的效率和质量。

2. 电力系统客服工单分类运用的模型

1. 语义模型构建

由于用户在与客服交流过程当中大量使用了生活语言，这对于快速提取一句当中的重点内容会造成一定的影响，必须要通过广泛的语义数据库建立和科学的模型处理才能够快速有效的抓取文字当中的关键点，并对其进行分析处理判断工单的主要类型和相关业务部门^[2]。在进行语义模型构建时主要是通过逐步拆解的方式进行分析和抓取，即将一个复杂的句子按照断句的方式进行拆分处理，在逐级细化的过程当中可以更好的掌握该语句的词语级别分类，并对每一个词义进行编码处理，通过逐个组合编码的方式将一句复杂的工单投诉内容转化为一个具有向量深度的组合代码，快速与语义数据库当中的内容进行对比，以代码的方式完成筛选匹配，获取语句当中的主要投诉点和关键内容，并以此进行靠拢性的分类。

2. 记忆网络设定

在上述模型的应用过程当中，需要通过记忆网络的设定来保证整个编码与对比过程的有效实现，不仅需要利用到LSTM的记忆网络编码方式，还需要通过函数位乘的方式对需要进行输入输出的内容合理筛选判别，并将需要输出的部分转化为在特定数据区间范围内的编码对象，和输出门数据进行相乘后得到的最终结果转变为具有神经网络处理特性的编码输出内容^[3]。由于这部分的处理方式较为复杂，需要通过计算机的快速运转完成，可提前将工作流程编制在软件系统内，确保处理过程的完整与精确。在记忆网络设定过程内，会对原有的文本信息进行一定的遗忘，但在处理过程当中对这部分冗余信息进行了特殊留存，使其以一种新的状态C_i保存在系统内，便于随时调取和复查。

3. 语义级别表示

由于不同客户和不同客服在进行表达和文字转换的过程当中会存在着一定的个人习惯，造成运用层次语义理解模型进行分类筛选时对语句保留的颗粒度和向量深度均存在差异，为确保该智能化处理过程的精确与高效，必须要对其语义级别进行区分，更好的理清文本信息当中的重点内容，并将其作为分类的参考依据。在级别划分过程当中，需要根据语句本身的长短进行差异化处理，此时可以先引入一个初始的向量来代表语句，对其进行双向编码处理后则可以得到一个关于关键词的矢量，再利用权重矩阵和矢量处理的方式对其进行归一化和抓取，更好的为不同的语义语句进行级别划分，快速筛选语句当中的关键信息，并将其作为代表整个矢量的信息标签，以此作为语义分析和工单分类的参考标识^[4]。

3. 层次语义理解的工单分类应用

在客服工单的语义分类模型建立完成后，技术人员采用了8:1:1的比例录入了语义数据库的训练、验证和测试系统，在充分调试并保证系统模型能够完成文本语义关键词提取和工单分类分派的功能基础之上投入实践应用，并对其效果展开了详细分析。在实验当中共计对500条电力系统工单进行了分类测验，系统中所使用到的权重矩阵和矢量处理的自由度的初始值均为零，并引入了防拟合的数学函数减少了过拟合对应用结果造成的影响。该语义模型的分类处理效率与人工分析相比提升了14.8%，测试处理的分类精度偏差控制在0.01内，可识别的语句向量深度可从10扩展为100，基本可以满足日常工单处理的需求，应用效果较好。

4. 工单分类模型的评价与分析

在实际应用中发现，这种依靠模型建立和语义库对比分析的方式在进行较为工种的工单分类处理时更具精确性和高效性，这也在一定程度上提醒了电力系统的客服人员在进行工单文本转化过程当中必须要关注对客户描述内容的加工处理，在清晰了解用户需求的基础之上，以更加规范工整的文本进行工单记录，多采用语义库当中的语句表达方式和关键性词语，不断优化层次语义理解模型的科学性。在长时间的工单分类模型应用当中，还可以将更多的实际内容作为语义库的补充，不断进行模型优化处理，使其能够更好的成为电力系统客服工单分类的主要工具，尽量减少客服的人工工作量，使工单能够在一次流转过程当中快速解决用户的不同需求，更好地促进电力系统的现代化与智能化发展。

5. 结束语

总之，在电力系统当中的客服工单分类工作能够更好的理清用户的不同需求，使客服人员在完成工作时能够更具针对性，也减少了因为工单错派而浪费的周转时间，有效提升了电力企业的客服服务质量。层次语义理解模型是基于庞大的语义数据库和网络计算机技术而形成的一种分派模型，可以更好的根据用户诉求进行智能化的判断分析，快速搜索语义库当中的对应信息，实现高效的工单转派分类，在实际应用当中准确率表现较好，是一种能够有效促进发展的工作模式。

参考文献：

1. 许秀霓,钱永兵,王建永.电力系统档案信息数字化再现方法研究[J].自动化与仪器仪表,2020(11):235-238.

2. 李伟伟,张涛等.电力业务系统海量SQL访问日志预处理方法[J].电信科学,2015(S01):120-124.

3. 邵冠宇,王慧芳等.基于依存句法分析的电力设备缺陷文本信息精确辨识方法[J].电力系统自动化,2020(12):178-185.

4. 武光华,李洪宇.基于LDA主题的改进TFIDF95598工单智能分类研究[J].微型电脑应用,2020(03):87-90.