公开(公告)号：CN117217362A

公开(公告)日：2023-12-12

申请号：CN202311048365.7

申请日：2023-08-18

Applicant: 华北电力大学

Inventor： 程龙 ,  杜丽

IPC: G06Q10/04 ,  G06Q10/0633 ,  G06N3/044 ,  G06N3/0464

Abstract: 本发明涉及机器学习领域，本发明提供一种业务流程预测方法、装置、设备及可读存储介质，该方法包括：将事件日志中的各业务流程构建为事件轨迹；对所述事件轨迹进行转化得到高维稀疏特征向量，通过预设嵌入层将所述高维稀疏特征向量转变为低维稠密特征向量；将所述低维稠密特征向量输入业务流程预测模型，得到业务流程预测结果，所述业务流程预测模型是基于异构神经网络构建的。本发明实现同时通过不同的方式获取任务的特征表示，以减少信息的丢失，并将多任务学习模型优化部分的加权算法改进为自适应动态加权，提升训练效率和多个任务的并行预测精度。

公开(公告)号：CN116307176A

公开(公告)日：2023-06-23

申请号：CN202310258877.X

申请日：2023-03-17

Applicant: 华北电力大学

Inventor： 程龙 ,  杜丽

IPC: G06Q10/04 ,  G06Q30/015 ,  G06F18/241 ,  G06F18/25 ,  G06N3/04 ,  G06N3/08 ,  G06F40/205

Abstract: 本发明涉及一种客服中心场景下融合情感分析的业务流程预测方法，尤指一种在客服中心场景下，考虑通话时长属性，并且在使用深度学习技术执行预测的过程中进一步融合了通话中的情感信息的业务流程预测方法。本发明在事件基本属性的基础上引入客服与客户的通话时长属性，并根据预测模型的需要编码为一维序列或二维矩阵；采用情感分析技术对客服中心场景下提取的客服与客户的通话内容进行处理，转化为情感特征向量；构建深度学习预测模型，输入增加了客服与客户的通话时长维度的轨迹特征向量，并进一步融合通话转化的情感特征向量，对分类和回归业务流程预测任务进行预测，输出预测结果。该方法提升了客服中心场景下业务流程预测任务的预测效果。