基于规则库匹配承办单位并自动派单方法

技术领域

本发明涉及政务热线工单技术领域，具体涉及基于规则库匹配承办单位并自动派单方法。

背景技术

政务热线工单交办业务在话务员人员收集工单基本信息后，由人工主观判别承办部门并将工单实际交予办理。在人工判别过程中，话务人员业务水平参差不齐，容易致使产生误判漏判，案件被退回重新判别。交办业务流程依据政务单位组织架构设计，逐级交予下一级单位，至末端部门处理来电人诉求，逐级交办致使业务流程冗长，权责不明确情况下，案件流转时间长，诉求得不到及时有效处理。

发明内容

本发明的目的在于：针对目前依靠人工查找工单处置部门，无法保证准确性，查询步骤繁琐的问题，提供了基于规则库匹配承办单位并自动派单方法，提高承办部门选择的准确性，将工单自动交予末端处置单位，提高工单办理的时效性。

本发明的技术方案如下：

基于规则库匹配承办单位并自动派单方法，包括以下步骤：

对提交的诉求工单进行整理，获取诉求工单内的信息；

对诉求工单基本要素、决策派单要素、诉求工单流程进行分析，建立基于诉求内容基本要素与承办单位的内在逻辑规则模型；

规则模型提取工单的诉求内容基本要素和承办单位信息，通过深度学习算法分析承办单位与诉求内容基本要素的关联关系，生成承办单位匹配规则，并将匹配规则存入预发布规则库，由热线主管单位对预发布规则库进行人工审核，审核通过以后纳入；

话务人员在记录工单时将利用生产规则库进行承办单位匹配，最终根据规则匹配情况推荐工单的承办单位，推荐的承办单位经由人工审核后，提交给相应的承办单位进行处理，处理完成后办结归档。

进一步的，所述规则模型的建立包括以下步骤：

程序分析：基于历史诉求工单建立规则模型，规则模型将历史交办至承办单位办结归档的工单数据作为原始数据，提取诉求内容基本要素和承办单位字段信息；通过词频统计算法提取反映内容中的关键字，利用朴素贝叶斯算法分析原始数据，朴素贝叶斯算法通过分析原始数据中承办单位和诉求内容基本要素的关联关系，分析出承办单位内在对应逻辑，提取承办单位匹配规则；提取出来的承办单位匹配规则结果保存到预发布规则库，由业务主管单位审核预发布规则，审核通过后进入生产规则库。

进一步的，所述朴素贝叶斯算法分析具体包括以下步骤：

将原始数据作为样本集D＝{d

根据承办单位的先验概率、特征概率、类条件概率计算出Y的后验概率P(Y|X)为：

由于特征属性集相互独立且随机所以P(X)保持不变，在指定承办单位的y

使用原始数据对承办单位数据进行计算时可以得到诉求内容基本要素关键字特征对应承办单位的匹配概率；

将匹配概率大于50％的承办单位和特征数据纳入预发布规则，由业务主管单位审核预发布规则，审核通过后进入生产规则库。

进一步的，所述规则模型的建立还包括以下步骤：

人工干预：通过业务人员日常业务规范梳理承办单位匹配规则，将日常工作中常见的承办单位录入预发布规则库，录入信息包括承办单位和诉求内容基本要素，预发布规则录入完成后由业务主管部门审核，通过后纳入生产规则库。

进一步的，其特征在于，所述规则模型的建立还包括：

规则优化：使用规则匹配推荐承办单位时，将记录推荐单位和实际转派单位，针对匹配度较低的数据，通过程序分析，进一步优化规则。

进一步的，所述预发布规则库为待业务主管部门审核的规则库，生产规则库为实际投入使用的规则库。

进一步的，所述诉求内容基本要素包括：诉求关键字、诉求位置信息、诉求归口、诉求行业、诉求类型和诉求反映方式。

进一步的，还包括对生产规则库中的规则进行增加、删除、修改管理和对规则审核、权重的调整。

与现有的技术相比本发明的有益效果是：

1、基于规则库匹配承办单位并自动派单方法，建立新的派单业务模式，为诉求派单提供了决策支撑；

2、基于规则库匹配承办单位并自动派单方法，利用规则模型提升了政务热线派单的准确性和时效性；

3、基于规则库匹配承办单位并自动派单方法，使用规则量化关系，降低人为习经验业务占比，提高整体使用效率。

附图说明

图1为基于规则库匹配承办单位并自动派单方法的流程图。

具体实施方式

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

下面结合实施例对本发明的特征和性能作进一步的详细描述。

请参阅图1，基于规则库匹配承办单位并自动派单方法，包括以下步骤：

对提交的诉求工单进行整理，获取诉求工单内的信息；

对诉求工单基本要素、决策派单要素、诉求工单流程进行分析，建立基于诉求内容基本要素与承办单位的内在逻辑规则模型；

规则模型提取工单的诉求内容基本要素和承办单位信息，通过深度学习算法分析承办单位与诉求内容基本要素的关联关系，生成承办单位匹配规则，并将匹配规则存入预发布规则库，由热线主管单位对预发布规则库进行人工审核，审核通过以后纳入；

话务人员在记录工单时将利用生产规则库进行承办单位匹配，最终根据规则匹配情况推荐工单的承办单位，推荐的承办单位经由人工审核后，提交给相应的承办单位进行处理，处理完成后办结归档。

所述规则模型的建立包括以下步骤：

程序分析：基于历史诉求工单建立规则模型，规则模型将历史交办至承办单位办结归档的工单数据作为原始数据，提取诉求内容基本要素和承办单位字段信息；通过词频统计算法提取反映内容中的关键字，利用朴素贝叶斯算法分析原始数据，朴素贝叶斯算法通过分析原始数据中承办单位和诉求内容基本要素的关联关系，分析出承办单位内在对应逻辑，提取承办单位匹配规则；提取出来的承办单位匹配规则结果保存到预发布规则库，由业务主管单位审核预发布规则，审核通过后进入生产规则库。

所述朴素贝叶斯算法分析具体包括以下步骤：

将原始数据作为样本集D＝{d

根据承办单位的先验概率、特征概率、类条件概率计算出Y的后验概率P(Y|X)为：

由于特征属性集相互独立且随机所以P(X)保持不变，在指定承办单位的y

使用原始数据对承办单位数据进行计算时可以得到诉求内容基本要素关键字特征对应承办单位的匹配概率；

将匹配概率大于50％的承办单位和特征数据纳入预发布规则，由业务主管单位审核预发布规则，审核通过后进入生产规则库。

所述规则模型的建立还包括以下步骤：

人工干预：通过业务人员日常业务规范梳理承办单位匹配规则，将日常工作中常见的承办单位录入预发布规则库，录入信息包括承办单位和诉求内容基本要素，预发布规则录入完成后由业务主管部门审核，通过后纳入生产规则库。

所述规则模型的建立还包括：

规则优化：使用规则匹配推荐承办单位时，将记录推荐单位和实际转派单位，针对匹配度较低的数据，通过程序分析，进一步优化规则。

所述预发布规则库为待业务主管部门审核的规则库，生产规则库为实际投入使用的规则库。

所述诉求内容基本要素包括：诉求关键字、诉求位置信息、诉求归口、诉求行业、诉求类型和诉求反映方式。

还包括对生产规则库中的规则进行增加、删除、修改管理和对规则审核、权重的调整。

以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。