典型文献
基于矩阵分解和注意力多任务学习的客服投诉工单分类
文献摘要：
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Top1 F1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％.
文献关键词：
层次多标签分类;注意力机制;多任务学习;客服工单分类
中图分类号：
作者姓名：
宋勇;严志伟;秦玉坤;赵东明;叶晓舟;柴园园;欧阳晔
作者机构：
亚信科技(中国)有限公司,北京 100193;亚信科技(南京)有限公司,江苏 南京 210013;中国移动通信集团天津有限公司,天津 300020
文献出处：
引用格式：
[1]宋勇;严志伟;秦玉坤;赵东明;叶晓舟;柴园园;欧阳晔-.基于矩阵分解和注意力多任务学习的客服投诉工单分类)[J].电信科学,2022(02):103-110
A类：
层次多标签,AMLA,层次多标签分类
B类：
矩阵分解,多任务学习,投诉,自动分类,通信运营商,商客,智能化发展,多标签文本分类,分类问题,分类器,层次结构,MF,分类任务,分类数据,机器学习算法,深度学习算法,Top1,移动运营商,客服系统,模型输出,坐席,单位时间,处理效率,注意力机制,客服工单分类
AB值：
0.23971
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
