-
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
申请人： 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
摘要： 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：CN109558484A
公开(公告)日：2019-04-02
申请号：CN201811247199.2
申请日：2018-10-24
申请人： 浙江华云信息科技有限公司
IPC分类号： G06F16/35 , G06F16/9535 , G06F16/332
摘要： 本发明公开了基于相似度词序矩阵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。本发明包括基于Word2Vec相似度情感词拓展联想步骤、多元情感语料库构建步骤、相似度词序矩阵情感量化算法步骤；对工单进行分类梳理、数据清洗，基于百度词库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，通过机器学习训练生成融合诉求情感的学习模型，基于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。
-
公开(公告)号：CN109670167B
公开(公告)日：2023-07-25
申请号：CN201811247198.8
申请日：2018-10-24
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司营销服务中心 , 浙江华云信息科技有限公司
IPC分类号： G06F40/30 , G06F40/289 , G06F16/35 , G06N3/048 , G06N3/084 , G06Q30/015 , G06Q50/06
摘要： 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。
-
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
申请人： 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
摘要： 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：CN109685240B
公开(公告)日：2023-10-13
申请号：CN201811247204.X
申请日：2018-10-24
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司营销服务中心 , 浙江华云信息科技有限公司
IPC分类号： G06Q10/063 , G06Q10/04 , G06N3/0442
摘要： 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：CN109685240A
公开(公告)日：2019-04-26
申请号：CN201811247204.X
申请日：2018-10-24
申请人： 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
摘要： 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：CN109784471A
公开(公告)日：2019-05-21
申请号：CN201811247200.1
申请日：2018-10-24
申请人： 浙江华云信息科技有限公司
摘要： 本发明公开了一种基于多预测模型的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
申请人： 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
摘要： 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。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.033 秒)
