(19)中华 人民共和国 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 202111609177.8 (22)申请日 2021.12.23 (71)申请人 佳源科技股份有限公司 地址 210000 江苏省南京市雨 花台区宁双 路19号云密城14-17层 (72)发明人 马培龙　孙坚　 (74)专利代理 机构 苏州中合知识产权代理事务 所(普通合伙) 32266 代理人 阮梅 (51)Int.Cl. G06F 40/30(2020.01) G06F 16/33(2019.01) G06F 16/35(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06Q 30/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于自然语言的工单智能诊断方法、 装置、 设备及介质 (57)摘要 本发明公开基于自然语言的工单智能诊断 方法、 装置、 设备及介质。 该方法包括如下步骤： 获取工单样本数据； 对工单样本数据进行预处 理； 构建工单多标签分类模型， 利用工单多标签 分类模型预测出输入的工单的工单类型和重要 程度； 根据工单的工单类型和重要程度从历史工 单库中筛选出与工单的关键信息的相似度最高 的历史工 单， 并从历史工单获取对应的工单处理 信息； 将工单处理信息反馈至相应工作人员。 本 发明建立工单多标签分类模型自动识别工单的 业务类型与重要程度， 且利用自然语 言处理技术 实现对电力工单智能诊断， 能够完成自动识别电 力系统故障及时进行故障定位的同时精准地从 历史工单库中找到最相近的历史工单， 为客服人 员提供借鉴。 权利要求书2页 说明书11页 附图1页 CN 114358014 A 2022.04.15 CN 114358014 A 1.基于自然语言的工单智能诊断方法， 其特 征在于， 包括如下步骤： 步骤1， 获取工单样本数据； 步骤2， 对工单样本数据进行 预处理； 步骤3， 构建工单多标签分类模型， 利用工单多标签分类模型预测出输入的工单的工单 类型和重要程度； 步骤4， 根据工单的工单类型和重要程度从历史工单库中筛选出与工单的关键信息的 相似度最高的历史工单， 并从历史工单获取对应的工单处 理信息； 步骤5， 将所述工单处 理信息反馈 至相应工作人员。 2.根据权利要求1所述的基于自然语言的工单智能诊断方法， 其特征在于， 所述步骤1， 具体包括如下步骤： 步骤101， 在时间跨度内， 基于不同工区的用电量以及工单数量作为第一参考值， 筛选 第一工单数据； 基于月份、 时段和季节的用电量以及工单数量作为第二参考值， 筛选第二工 单数据， 其中， 所述时间跨度为 N年， N≥3； 步骤102， 将第一工单 数据和第二工单 数据打乱并合并， 形成最终的工单样本数据。 3.根据权利要求1所述的基于自然语言的工单智能诊断方法， 其特征在于， 所述预处理 包括剔除噪声信息、 删除重复数据和敏感词过 滤。 4.根据权利要求1所述的基于自然语言的工单智能诊断方法， 其特征在于， 所述步骤3， 具体包括如下步骤： 步骤301， 利用BERT预训练模型提取工单文本中动态词向量， 生成词向量矩阵； 步骤302， 通过工单多标签分类模型对词向量矩阵进行处理， 提取工单的局部语义特征 和全局语义特 征； 步骤303， 将局部语义特征和全局语义特征进行融合处理后预测出工单的工单类型和 重要程度。 5.根据权利要求1或4所述的基于自然语言的工单智能诊断方法， 其特征在于， 所述工 单多标签分类模型的分类性能通过精确率、 召回率和F1值 三个评价指标进行衡量。 6.根据权利要求1所述的基于自然语言的工单智能诊断方法， 其特征在于， 所述步骤4， 具体包括如下步骤： 步骤401， 利用BERT预训练模型对工单的关键信息进行特征提取生成词向量， 再进行拼 接生成工单的关键信息句向量； 步骤402， 基于工单的工单类型和重要程度从历史工单库中筛选出与工单关键信息句 向量的相似度最高的历史工单； 步骤403， 获取历史工单中对应的工单处 理信息。 7.根据权利要求1或6所述的基于自然语言的工单智能诊断方法， 其特征在于， 所述工 单的关键信息的获取 方法， 具体包括如下步骤： 步骤411， 提取工单的候选关键词； 步骤412， 根据影响因素对候选关键词的评分进行调整， 排序后选取评分靠前的候选关 键词为最终关键词， 所述影响因素包括词性特 征、 词长度特 征和主题词特 征； 步骤413， 通过Word2Vec词向量获取最终关键词的近似词， 依照 近似词的近似度进行排 序， 选取近似度靠前 的相近词作为文本的扩展关键词， 将所述扩展关键词作为工单 的关键权　利　要　求　书 1/2 页 2 CN 114358014 A 2信息。 8.基于自然语言的工单智能诊断装置， 其特征在于， 包括： 获取模块、 预处理模块、 构建 模块、 智能匹配模块和反馈模块， 其中， 所述获取模块， 用于获取工单样本数据； 所述预处 理模块， 用于对工单样本数据进行 预处理； 所述构建模块， 用于基于预处理后的样本构建工单多标签分类模型， 通过工单多标签 分类模型 预测出待测工单的工单类型和重要程度； 所述智能匹配模块， 用于根据工单的工单类型和重要程度从历史工单库中筛选出与工 单的关键信息的相似度最高的历史工单， 并从历史工单获取对应的工单处 理信息； 所述反馈模块， 用于将所述工单处 理信息反馈 至相应工作人员。 9.计算机设备， 其特征在于， 包括： 存储器， 用于存储计算机程序； 处理器， 用于执行所 述计算机程序时实现如权利要求1至7任一项所述的基于自然语言的工单智能诊断方法。 10.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有计算机程序， 所述计 算机程序被处理器执行时实现如权利要求1至7任一项所述的基于自然语言的工单智能诊 断方法。权　利　要　求　书 2/2 页 3 CN 114358014 A 3