公开(公告)号：CN111161094A

公开(公告)日：2020-05-15

申请号：CN201911272970.6

申请日：2019-12-12

Applicant: 国网浙江省电力有限公司 ,  国网浙江省电力有限公司电力科学研究院 ,  浙江华云信息科技有限公司

Inventor： 林少娃 ,  洪健山 ,  胡若云 ,  罗欣 ,  朱蕊倩 ,  张爽 ,  魏骁雄 ,  沈皓 ,  朱斌 ,  陈博 ,  麻吕斌 ,  葛岳军 ,  陈奕汝 ,  钟震远 ,  杨建军 ,  叶红豆 ,  丁嘉涵

IPC: G06Q50/06 ,  G06Q30/02 ,  G06F40/30 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的电力工单诉求点识别方法，涉及电力工单诉求点识别方法领域。目前客户诉求挖掘效率低下，面对海量非结构化文本诉求，仍停留在依靠人工进行数据处理与分析的阶段，存在数据处理方式单一、投入人力成本高，实时性差等问题。本方法包括建立诉求点机器识别标签体系、工单诉求高维矩阵向量化、诉求点机器识别建模、样本学习训练、相似度模型识别分类等关键步骤。利用深度学习技术手段，有效实现以机器识别为主、人工复核为辅的诉求人机偶合识别分类功能，实时精准识别客户诉求点，提高诉求分析与问题管控的工作效率，减少一线人员诉求分析压力。

公开(公告)号：CN111047094A

公开(公告)日：2020-04-21

申请号：CN201911272670.8

申请日：2019-12-12

Applicant: 国网浙江省电力有限公司 ,  国网浙江省电力有限公司电力科学研究院 ,  浙江华云信息科技有限公司

Inventor： 魏骁雄 ,  王正国 ,  罗欣 ,  陈奕汝 ,  沈皓 ,  张爽 ,  林少娃 ,  朱蕊倩 ,  朱斌 ,  陈博 ,  麻吕斌 ,  葛岳军 ,  钟震远 ,  杨建军 ,  叶红豆 ,  丁嘉涵

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习算法的抄表数据异常分析方法，涉及电力用户抄表异常判定方法领域。历来对于抄表数据异常类意见投诉的处理多采用现场检测的方法，耗费物力、人力资源，效率低，对于确定的抄表数据异常用户差错电量的判定也存在方法单一、准确率低下等问题。本方法采用经深度学习训练的BP神经网络建立用户抄表数据异常属实判定算法模型及优化配置策略，实现工单用户抄表数据异常属实的快速准确判断，通过建立抄表数据异常用户日用电量预测模型和优化配置策略，实现差错时间和差错电量的准确估算。从而提高95598指标分析与质量管控的工作效率，发挥辅助决策作用。

公开(公告)号：CN111061837A

公开(公告)日：2020-04-24

申请号：CN201911311140.X

申请日：2019-12-18

Applicant: 国网浙江省电力有限公司电力科学研究院

Inventor： 罗欣 ,  张爽 ,  林少娃 ,  朱蕊倩 ,  陈博 ,  魏骁雄 ,  陈奕汝 ,  叶红豆 ,  丁嘉涵 ,  杨建军 ,  钟震远 ,  李元 ,  张琪 ,  雍旭龙 ,  陈小红

IPC: G06F16/33 ,  G06F16/332 ,  G06F16/35 ,  G06N3/08

Abstract: 本发明公开了一种话题识别方法，涉及自然语言处理领域，用于解决现有缺少对客服服务内容统计的方法，该方法包括以下步骤：获取未标注的文本数据和已标注的文本数据；将所述已标注的文本数据作为训练样本，训练得到主题识别模型；利用所述主题识别模型对所述未标注的文本数据进行识别，得到主题识别结果；将所述主题识别结果输入话题生成模型，得到各个主题对应的话题。本发明还公开了一种话题识别装置、电子设备和计算机存储介质。本发明通过对文本进行主题的识别，并通过话题模型得到每个主题对应的话题，进而完成客服服务内容的统计。

公开(公告)号：CN109685240A

公开(公告)日：2019-04-26

申请号：CN201811247204.X

申请日：2018-10-24

Applicant: 国网浙江省电力有限公司 ,  国网浙江省电力有限公司电力科学研究院 ,  浙江华云信息科技有限公司

Inventor： 罗欣 ,  张爽 ,  沈皓 ,  景伟强 ,  朱蕊倩 ,  魏骁雄 ,  陈博 ,  麻吕斌 ,  葛岳军 ,  陈奕汝 ,  钟震远 ,  叶红豆

IPC: G06Q10/04 ,  G06N3/04

Abstract: 本发明公开了一种基于LSTM深度学习的95598话务工单预测与异动预警方法，涉及一种电力话务工单分析方法。目前人为通过同比、环比数值、增幅数值来确定异动阀值，不能实时、准确、科学地设定阀值，导致监控预警、问题定位、趋势预测能力不足。本发明基于LSTM神经网络深度学习技术，通过建立科学的指标异动预测模型，研究各项指标的数理关系，实现短期话务工单置信异动预测与智能预警应用。本技术方案更高效、更精益、更智能地从大量指标中取得指标分析预警，提高客服指标分析与质量管控的工作效率。弥补传统曲线拟合建模需要定期模型修正的不足，支持在线实时动态学习预测与预警分析，提升日常指标的监控预警、问题定位、趋势预测能力。

公开(公告)号：CN109670167A

公开(公告)日：2019-04-23

申请号：CN201811247198.8

申请日：2018-10-24

Applicant: 国网浙江省电力有限公司 ,  国网浙江省电力有限公司电力科学研究院 ,  浙江华云信息科技有限公司

Inventor： 景伟强 ,  张爽 ,  沈皓 ,  罗欣 ,  朱蕊倩 ,  魏骁雄 ,  陈博 ,  麻吕斌 ,  葛岳军 ,  陈奕汝 ,  钟震远 ,  叶红豆

IPC: G06F17/27 ,  G06K9/62 ,  G06Q30/00 ,  G06Q50/06

Abstract: 本发明公开了一种基于Word2Vec的电力客服工单情感量化分析方法，涉及一种电力客服工单分析方法。传统的情感分析方法不能有效甄别情感强度。本发明结合电力客服工单文本特征，对历史电力客服工单和不满意工单进行分类梳理、数据清洗，再基于百度词库梳理形成初始化多元情感词库，采用逆向最大匹配算法进行工单文本分词，基于Word2Vec神经网络构建融合客户诉求语义的积极词、消极词、否定词、程度副词、以及词序的词向量，通过历史客服工单进行机器学习训练生成融合诉求情感的学习模型，基于模型中的词性亲疏关系来拓展词性语料库，采用相似度词序矩阵量化算法进行情感量化计算，完成客服工单情感量化分析，有效区分情感强弱差异，确定紧急程度。