智能语音识别技术在信息通信客服系统中的应用

随着社会进入信息化时代,各项信息的传播与处理不断深化,智能识别技术是新型信息传递方式。智能语音识别技术作为智能识别技术的重要组成部分,因其独有的优势和特点逐渐被应用于社会各领域。从信息通信客服系统入手,在分析智能识别技术的基础上,探讨智能语音识别技术在信息通信客服系统中的应用。

信息通信客服突发事件应急处置预案研究

为提高国家电网公司应对信息通信客户服务突发事件的组织指挥和应急处置能力,确保信息通信客户服务质量,笔者总结了信息通信客服各类典型突发事件及对应的应急处置方法,主要研究了信息通信客服应急指挥机构、突发事件分级、事件预警、应急响应、信息报告等内容,并重点讨论了话务量异常增长典型突发事件的应急响应启动条件、应急处置流程及要求。这些应急处置方法经过河北信通公司实践证明,可以在不降低服务质量的前提下,有效应对各类突发事件,从而保证信息通信系统用户业务的正常开展,提升用户满意度。

基于BR和GBDT的电力信息通信客服系统多标签文本分类

现有电力信息通信(ICT)客服系统主要依靠客服坐席员经验,根据电力ICT系统用户报修信息进行故障类型分类判别,存在在线处理及时性较差、准确性不足的问题。针对上述问题,提出了一种基于集成学习的电力ICT客服系统文本数据的多标签文本分类方法,实现对电力ICT系统的复杂故障类型进行自动化、高准确率分类识别。首先,针对电力ICT系统故障类型识别准确率偏低且低效的问题,提出了基于二元相关性(BR)和梯度提升决策树(GBDT)集成学习的多标签分类方法,将BR和GBDT有机结合实现自动化、高准确率的故障多标签分类。其次,针对电力ICT客服文本数据的多标签分类训练集难以获取的问题,提出一种面向电力ICT客服文本数据的多标签训练集自动化构建方法,实现了高效的电力ICT客服文本多标签分类。实验表明,BR-GBDT方法可以高效处理电力ICT系统复杂故障类型的多标签分类任务,分类性能也优于BR+逻辑回归(LR)和多标签k最近邻(ML-kNN)等典型的集成学习多标签分类方法。

基于层次化类别嵌入的电力ICT系统故障分类

为解决电力信息通信客服系统在故障研判时存在故障分类准确率低甚至误分的问题,提出基于层次化类别嵌入的文本分类方法,进行电力信息通信系统故障识别。首先,基于电力信息通信系统故障的用户保修工单文本数据构建电力信息通信系统层次化电力故障标签;其次,提出了基于层次化深层金字塔卷积神经网络和基于层次化中断循环神经网络2种层次化文本分类方法,采用层次化类别嵌入方法逐层进行故障类型分类。实验结果表明,基于层次化深层金字塔卷积神经网络的方法效果最优,可以提供高效、准确的故障识别服务。