(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 202111675809.0 (22)申请日 2021.12.31 (71)申请人 广东电网有限责任公司 地址 510600 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司佛山供电局 (72)发明人 潘庆锋　陈玉娴　招婉姗　杜耀权　 陈泽基　莫洁萍　王婷　郑爱武　 严杰峰　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 彭祯奇 (51)Int.Cl. G06Q 30/00(2012.01) G06Q 50/06(2012.01)G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 16/35(2019.01) (54)发明名称 一种业务分类的预测方法及装置 (57)摘要 本发明公开了一种业务分类的预测方法及 装置， 其方法包括： 获取电力客户的历史诉求工 单数据， 计算历史诉求工单数据中带有预设的关 键字信息的词组的特征值， 并列出特征值与业务 分类的对应关系矩阵， 得到存量矩阵数据， 划分 存量矩阵数据为训练数据和验证数据， 将训练数 据输入预设的多层神经网络模型进行训练， 得到 训练后的多层神经网络模型， 基于验证数据， 对 训练后的多层神经网络模型进行验证， 得到目标 多层神经网络模 型， 将新增的客户诉求数据输入 目标多层神经网络模型， 得到预测的诉求数据对 应的业务类型。 本发明通过一种业务分类的预测 方法， 提高客户诉求业务分类标注的效率， 减少 服务调度人员的工作量。 权利要求书2页 说明书8页 附图3页 CN 114298726 A 2022.04.08 CN 114298726 A 1.一种业 务分类的预测方法， 其特 征在于， 包括： 获取电力客户的历史诉求工单 数据； 计算所述历史诉求工单数据中带有预设的关键字信 息的词组的特征值， 并列 出所述特 征值与业 务分类的对应关系矩阵， 得到存量矩阵数据； 划分所述存量矩阵数据为训练数据和验证数据； 将所述训练数据输入预设的多层神经网络模型进行训练， 得到训练后的多层神经网络 模型； 基于所述验证数据， 对所述训练后的多层神经网络模型进行验证， 得到目标多层神经 网络模型； 将新增的客户诉求数据输入所述目标多层神经网络模型， 得到预测的所述诉求数据对 应的业务类型； 所述 新增的客户诉求数据为 客户输入的新的诉求。 2.根据权利要求1所述的业务分类的预测方法， 其特征在于， 计算所述历史诉求工单数 据中带有 预设的关键字信息的词组的特征值， 并列出所述特征值与业务分类的对应关系矩 阵， 得到存量矩阵数据， 包括： 对所述历史诉求工单数据中带有所述预设的关键字信 息的词组进行标注， 得到标注后 的关键字词组数据； 计算所述标注后的关键字词组数据的特征值， 并列出所述特征值与业务分类的对应关 系矩阵， 生成诉求特 征库数据； 将所述诉求特 征库数据转 化为所述存量矩阵数据。 3.根据权利要求1或2所述的业务分类的预测方法， 其特征在于， 将所述训练数据输入 预设的多层神经网络模型进行训练， 得到训练后的多层神经网络模型， 包括： 根据电力客户诉求业务分类的特点， 结合所述标注后的关键字词组数据的数量， 建立 所述多层神经网络模型； 将所述训练数据输入所述多层神经网络模型进行训练， 得到所述训练后的多层神经网 络模型。 4.根据权利要求3所述的业务分类的预测方法， 其特征在于， 将所述训练数据输入所述 多层神经网络模型进行训练， 得到所述训练后的多层神经网络模型， 包括： 设置所述多层神经网络模型的相关参数； 将所述训练数据输入所述多层神经网络模型进行训练， 得到训练结果数据； 基于所述训练数据对应的数据标签及所述训练结果数据， 对所述多层神经网络模型进 行优化， 得到所述训练后的多层神经网络模型。 5.根据权利要求4所述的业务分类的预测方法， 其特征在于， 基于所述训练数据对应的 数据标签及所述训练结果数据， 对所述多层神经网络模型进行优化， 得到所述训练后的多 层神经网络模型， 包括： 根据所述训练数据对应的数据标签与所述训练结果数据的误差， 调整所述参数， 得到 最优参数； 利用所述最优参数， 优化所述多层神经网络模型， 得到所述训练后的多层神经网络模 型。 6.一种业 务分类的预测装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114298726 A 2获取模块， 用于获取电力客户的历史诉求工单 数据； 计算模块， 用于计算所述历史诉求工单数据中带有预设的关键字信息的词组的特征 值， 并列出 所述特征值与业 务分类的对应关系矩阵， 得到存量矩阵数据； 划分模块， 用于划分所述存量矩阵数据为训练数据和验证数据； 训练模块， 用于将所述训练数据输入预设的多层神经网络模型进行训练， 得到训练后 的多层神经网络模型； 验证模块， 用于基于所述验证数据， 对所述训练后的多层神经网络模型进行验证， 得到 目标多层神经网络模型； 预测模块， 用于将新增的客户诉求数据输入所述目标多层神经网络模型， 得到预测的 所述诉求数据对应的业 务类型； 所述 新增的客户诉求数据为 客户输入的新的诉求。 7.根据权利要求6所述的业 务分类的预测装置， 其特 征在于， 所述计算模块包括： 标注子模块， 用于对所述历史诉求工单数据中带有所述预设的关键字信 息的词组进行 标注， 得到标注后的关键 字词组数据； 计算子模块， 用于计算所述标注后的关键字词组数据的特征值， 并列出所述特征值与 业务分类的对应关系矩阵， 生成诉求特 征库数据； 转化子模块， 用于将所述诉求特 征库数据转 化为所述存量矩阵数据。 8.根据权利要求6或7 所述的业 务分类的预测装置， 其特 征在于， 所述训练模块包括： 建立子模块， 用于根据电力客户诉求业务分类的特点， 结合所述标注后的关键字词组 数据的数量， 建立所述多层神经网络模型； 训练子模块， 用于将所述训练数据输入所述多层神经网络模型进行训练， 得到所述训 练后的多层神经网络模型。 9.根据权利要求8所述的业 务分类的预测装置， 其特 征在于， 所述训练子模块包括： 设置单元， 用于设置所述多层神经网络模型的相关参数； 训练单元， 用于将所述训练数据输入所述多层神经网络模型进行训练， 得到训练结果 数据； 优化单元， 用于基于所述训练数据对应的数据标签及所述训练结果数据， 对所述多层 神经网络模型进行优化， 得到所述训练后的多层神经网络模型。 10.根据权利要求9所述的业 务分类的预测装置， 其特 征在于， 所述优化单 元包括： 调整子单元， 用于根据所述训练数据对应的数据标签与所述训练结果数据的误差， 调 整所述参数， 得到最优参数； 优化子单元， 用于利用所述最优参数， 优化所述多层神经网络模型， 得到所述训练后的 多层神经网络模型。权　利　要　求　书 2/2 页 3 CN 114298726 A 3