收藏本站
收藏 | 投稿 | 论文排版

基于矩阵分解和注意力多任务学习的客服投诉工单分类

宋勇  严志伟  秦玉坤  赵东明  叶晓舟  柴园园  欧阳晔  
【摘要】:投诉工单自动分类是通信运营商客服数字化、智能化发展的要求。客服投诉工单的类别有多层,每一层有多个标签,层级之间有所关联,属于典型的层次多标签文本分类问题,现有解决方法大多数基于分类器同时处理所有的分类标签,或者对每一层级分别使用多个分类器进行处理,忽略了层次结构之间的依赖。提出了一种基于矩阵分解和注意力的多任务学习的方法(MF-AMLA),处理层次多标签文本分类任务。在通信运营商客服场景真实投诉工单分类数据下,与该场景常用的机器学习算法和深度学习算法的Top1F1值相比分别最大提高了21.1%和5.7%。已在某移动运营商客服系统上线,模型输出的正确率97%以上,对客服坐席单位时间的处理效率提升22.1%。

知网文化
【相似文献】
中国期刊全文数据库 前13条
1 郭磊;余文森;吴清寿;;融合信任关系的联合矩阵分解推荐算法仿真[J];计算机仿真;2021年02期
2 袁晓峰;钱苏斌;周彩根;;基于填充先验约束的矩阵分解算法[J];南京大学学报(自然科学);2021年02期
3 田震;潘腊梅;尹朴;王睿;;深度矩阵分解推荐算法[J];软件学报;2021年12期
4 周双;宾晟;孙更新;;融合多关系的矩阵分解社会化推荐算法[J];复杂系统与复杂性科学;2020年01期
5 杨金劳;刘虹明;;群组信息优化矩阵分解的群组推荐方法[J];机械设计与制造;2020年04期
6 宋玉龙;马文明;刘彤彤;;基于概率矩阵分解的组推荐系统研究[J];电子技术与软件工程;2020年11期
7 尹青山;;基于群组信息改进矩阵分解的群组推荐方法[J];计算机应用与软件;2020年09期
8 王建芳;张朋飞;谷振鹏;刘冉东;;一种优化的带偏置概率矩阵分解算法[J];小型微型计算机系统;2017年05期
9 蔡国永;夏彬彬;;基于联合矩阵分解的图像情感分析研究[J];小型微型计算机系统;2017年05期
10 田贤忠;沈杰;;大数据环境下基于概率矩阵分解的个性化推荐[J];计算机科学;2017年S1期
11 彭鹏;米传民;肖琳;;基于用户信任和兴趣的概率矩阵分解推荐方法[J];计算机系统应用;2017年09期
12 张维玉;吴斌;耿玉水;朱江;;基于协同矩阵分解的评分与信任联合预测[J];电子学报;2016年07期
13 许霜梅;;基于矩阵分解模型的图片数据库构建[J];电子设计工程;2020年15期
中国重要会议论文全文数据库 前1条
1 胡岸勇;柳重堪;苗俊刚;万国龙;;基于降晰矩阵分解与POCS的高斯降晰图像复原[A];全国第二届信号处理与应用学术会议专刊[C];2008年
中国博士学位论文全文数据库 前20条
1 房毅宪;基于矩阵分解的跨模态检索研究[D];山东师范大学;2019年
2 宋凯嵩;基于矩阵分解的社会媒体文本个性化情感分析技术研究[D];东北大学;2017年
3 赵谦;具有稀疏与稳健特性的低秩矩阵分析方法研究[D];西安交通大学;2018年
4 徐振兴;基于地理标注照片的景点推荐方法研究[D];浙江大学;2017年
5 胡祥;融合社会辅助信息的社会化推荐研究[D];北京邮电大学;2017年
6 闫文;社交与信息网络中的数据挖掘研究[D];东南大学;2020年
7 傅慧妮;前景检测前沿技术研究[D];国防科技大学;2020年
8 吴宾;多样化数据的推荐方法研究[D];郑州大学;2020年
9 肖延辉;基于矩阵分解的图像表示理论及其应用研究[D];北京交通大学;2014年
10 张伟娜;基于深度学习与矩阵分解的推荐算法研究[D];华南理工大学;2020年
11 周望;基于机器学习的推荐系统关键技术及其应用研究[D];电子科技大学;2020年
12 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年
13 沈筱譞;深度学习推荐方法及应用研究[D];华中师范大学;2020年
14 朱小龙;矩阵分解理论与算法在图像处理中的应用研究[D];西安电子科技大学;2020年
15 王啸;基于生成模型和矩阵分解的社区发现算法研究[D];天津大学;2016年
16 王科强;基于矩阵分解的个性化推荐系统[D];华东师范大学;2017年
17 徐偲;基于深度学习的多视角表达学习技术研究[D];西安电子科技大学;2020年
18 冯晨娇;面向用户数据特性的协同过滤推荐方法研究[D];山西大学;2020年
19 李玉省;个性化推荐系统关键技术研究[D];北京邮电大学;2016年
20 程殿虎;基于协同过滤的社会网络推荐系统关键技术研究[D];中国海洋大学;2015年
中国硕士学位论文全文数据库 前20条
1 董芮冰;基于融合深度学习和矩阵分解的推荐系统研究[D];厦门大学;2019年
2 张晓婷;基于稀疏梯度与结构化矩阵分解的显著性目标检测[D];深圳大学;2019年
3 李幸幸;基于集成学习的推荐模型研究[D];北京交通大学;2019年
4 张洪磊;结合图嵌入与矩阵分解的社会化推荐系统研究[D];北京交通大学;2019年
5 卢雁青;基于遗忘函数和多属性特征提取的矩阵分解推荐算法研究[D];内蒙古工业大学;2019年
6 何李杰;融合文档上下文感知的社会化推荐研究[D];重庆邮电大学;2018年
7 毛欧阳;基于矩阵分解的推荐算法优化及实现[D];重庆邮电大学;2019年
8 欧辉思;基于张量分解的跨领域推荐方法及其应用[D];上海交通大学;2016年
9 陈思乾;基于有监督集体矩阵分解的跨模态情感分析[D];上海交通大学;2018年
10 高崇铭;轨迹语义表征与地点推荐研究[D];电子科技大学;2019年
11 李同欢;基于深度学习的推荐模型研究[D];西南大学;2019年
12 罗健键;基于低秩矩阵分解的协同过滤推荐算法的研究[D];成都理工大学;2019年
13 郭辰;基于概率矩阵分解的协同过滤推荐[D];大连理工大学;2019年
14 蔡念;基于改进矩阵分解与跨通道CNN结合的推荐模型研究[D];广东工业大学;2019年
15 王蕾;基于矩阵分解的在线哈希最近邻搜索方法研究[D];西安电子科技大学;2019年
16 巫锦铭;基于贝叶斯局部概率矩阵分解推荐方法研究[D];国防科技大学;2017年
17 张晨;基于生成对抗网络的音乐推荐算法的设计与实现[D];华中科技大学;2019年
18 叶慧娟;基于深度学习的智能化资源推荐方法研究[D];福州大学;2018年
19 张泽利;属性信息在矩阵分解个性化推荐算法中的研究与优化[D];山东科技大学;2018年
20 马昌胜;一种带偏置的深度矩阵分解推荐模型[D];华中科技大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978