(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210332435.0 (22)申请日 2022.03.30 (71)申请人 科大国创云网科技有限公司 地址 230000 安徽省合肥市高新区文曲路 355号办公楼4层 (72)发明人 王檬　范文斌　王颜颜　周源　 (74)专利代理 机构 合肥昊晟德专利代理事务所 (普通合伙) 3415 3 专利代理师 何梓秋 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/00(2012.01) G06F 16/35(2019.01) G06F 40/30(2020.01) (54)发明名称 基于多轮对话的综调工单服务感知智能质 检方法及系统 (57)摘要 本发明公开了基于多轮对话的综调工单服 务感知智能质检方法及系统， 属于自然语言处理 技术领域， 包括： S1： 工 单信息的数据处理； S2： 基 于RoBERTa的工单文本语义表征； S3： Fasttext分 类模型构建； S4： 模型训练。 本发明根据工单中客 服与用户会话记录文本信息， 通过基于上下文依 存的RoBERTa预训练模型进行文本语义表征， 结 合沟通方式是否合规、 是否出现禁忌用语、 服务 是否周到、 是否热情等服务感知质检要求标签， 将RoBERTa文本语义表征输入到快速分类 Fasttext模型中， 实现工单文本语义知识增强， 从而训练工单信息感知评估模型， 同时分类判断 支撑服务是否规范和业务能力是否达标两项任 务， 实现对综调服务感知质量的自动检测， 解决 人工抽检覆盖面低问题， 提升客户服务感知质 量。 权利要求书2页 说明书4页 附图1页 CN 114841512 A 2022.08.02 CN 114841512 A 1.基于多轮对话的综调工单服 务感知智能质检方法， 其 流程在于， 包括： S1： 工单信息的数据处 理 提取出工单信 息表中的对话内容和工单号， 以及综调工单信 息内容表中的支撑服务是 否规范标签、 业务能力是否达标标签和工单号， 将两张表信息根据工单号进行关联匹配构 建工单信息数据集； 并对工单信息数据集进行数据清洗； 再对工单信息对话文本进行去除 停用词、 分词、 文本平衡与去重操作； S2： 基于RoBERTa的工单文本语义表征 基于RoBERTa预训练模型对经过步骤S1处理后的工单信息对话文本内容中的词 汇进行 关联上下文语境的语义表征， 获取工单信息对话文本中的每 个词汇的语义表征向量； S3： Fasttext分类模型构建 使用Fast text算法进行模型构建， 得到Fast text分类模型； S4： 模型训练 基于支撑服务是否规范标签和业务能力是否达标标签工单信息数据， 通过使用 RoBERTa预训练模型对工单信息进行语义表征后接入到Fasttext分类模型中进行模型训 练， 分别计算支撑服务是否规范和 业务能力是否达标的准确 率， 实现对综调服务感知质量 的自动检测。 2.根据权利要求1所述的基于多轮对话的综调工单服务感知智能质检方法， 其特征在 于： 在所述步骤S1 中， 工单信息数据集中每个工单信息的工单号与工单信息对话文本， 工单 信息标签数据集中的工单号与支撑服务是否规范标签、 业务能力是否达标标签， 二者通过 工单号进行匹配关联。 3.根据权利要求2所述的基于多轮对话的综调工单服务感知智能质检方法， 其特征在 于： 在所述步骤S1中， 使用正则表达式对工单信息数据集进行数据清洗， 按照3： 7的比例将 工单信息数据集划分为测试集和训练集。 4.根据权利要求3所述的基于多轮对话的综调工单服务感知智能质检方法， 其特征在 于： 在所述步骤S1中， 根据工单信息对话文本构造工单质检停用词表、 使用jieba分词工具 进行分词和去除停用词、 然后进行 数据平衡和去重操作。 5.根据权利要求4所述的基于多轮对话的综调工单服务感知智能质检方法， 其特征在 于： 在所述步骤S3中， 所述Fasttext分类模型包括依次连接的一个隐层、 输出层与softmax 层； 其中， 工单信息对话文本中的每个词汇基于RoBERTa的语义表征向量输入所述隐层中， 经过隐层 进行一次非线性变换得到输出层的标签， softmax层用于利用softmax函数计算工 单信息属于质检是/ 否规范、 业 务能力是/ 否达标类别的概 率。 6.基于多轮对话的综调工单服务感知智能质检系统， 其特征在于， 采用如权利要求1 ‑5 任一项所述的质检方法对综调工单服 务感知质量进行检测， 包括： 数据处理模块， 用于提取出工单信息表中的对话内容和工单号， 以及综调工单信息内 容表中的支撑服务是否规范标签、 业务能力是否达标标签和工单号， 将两张表信息根据工 单号进行关联匹配构建工单信息数据集； 并对工单信息数据集进行数据清洗； 再对工单信 息对话文本进行去除停用词、 分词、 文本平衡与去重操作； 语义表征模块， 用于基于RoBERTa预训练模型对经过步骤S1处理后的工单信息对话文 本内容中的词汇进行关联上下文语境的语义表征， 获取工单信息对话文本中的每个词汇的权　利　要　求　书 1/2 页 2 CN 114841512 A 2语义表征向量； 模型构建模块， 用于使用Fast text算法进行模型构建， 得到Fast text分类模型； 模型训练模块， 用于通过使用RoBERTa预训练模型对工单信息进行语义表征后接入到 Fasttext分类模 型中进行模型训练,训练 时基于支撑服务是否规范标签和业务能力是否达 标标签训练工单信息数据， 计算支撑服务是否规范和 业务能力是否达标概率， 实现对综调 服务感知质量的自动检测； 控制处理模块， 用于向其 他模块发出指令， 完成相关动作； 所述数据处理模块、 语义表征模块、 模型训练模块、 模型构建模块均与控制处理模块通 信连接。权　利　要　求　书 2/2 页 3 CN 114841512 A 3