(19)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 202210904573.1 (22)申请日 2022.07.29 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 李丽　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 杨丹　沈珍珠 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 40/02(2012.01) G06F 40/284(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种用户问题分发方法及装置 (57)摘要 本发明公开了一种用户问题分发方法及装 置， 涉及自然语言处理及人工智 能技术领域， 该 方法包括： 接收用户问题， 将用户问题分为多个 字段； 将问题所属产品字段输入词向量输出模型 得到对应词向量， 将问题报错信息字段输入词向 量输出模型得到对应词向量； 将问题描述字段输 入句向量输出模型， 得到对应句向量； 查询产品 负责人信息表， 从问题所属产品、 问题报错信息、 及问题描述三个维度进行相似度计算， 得到第一 相似度、 第二相似度、 第三相似度； 将每一产品负 责人对应的第一相似度、 第二相似度、 及第三相 似度进行加权聚合， 确定每一产品负责人与用户 问题的相似度， 将用户问题推送给相应的产品负 责人。 本发明可以提高问题定位的准确率， 提高 问题处理效率。 权利要求书4页 说明书14页 附图7页 CN 115239164 A 2022.10.25 CN 115239164 A 1.一种用户问题分发方法， 其特 征在于， 包括： 接收用户问题， 按照预设表格结构， 将用户问题分为多个字段； 其中， 用户问题的多个 字段包括： 问题所属产品字段、 问题报错信息 字段、 问题描述字段； 将问题所属产品字段输入词向量输出模型， 得到问题所属产品字段的词向量， 将问题 报错信息字段输入词向量输出模型， 得到 问题报错信息字段的词向量； 所述词向量输出模 型根据历史问题所属产品和对应的历史问题所属产品词向量、 历史问题报错信息和对应的 历史问题报错信息词向量， 对C ‑BOW模型进行训练得到； 将问题描述字段输入句向量输出模型， 得到问题描述字段的句向量； 所述句向量输出 模型根据历史问题描述和对应的历史问题描述句向量， 对C ‑BOW模型进行训练得到； 查询产品负责人信息表， 所述产品负责人信息表包括多个产品负责人信息， 其中每一 产品负责人信息包括产品负责人标识、 所负责产品、 所负责产品报错信息、 所负责产品已处 理问题描述； 将问题所属产品字段的词向量与每一产品负责人所负责产品的词向量， 进行相似度计 算， 得到每一产品负责人对应的第一相似度； 将问题报错信 息字段的词向量与每一产品负责人所负责产品报错信 息的词向量， 进行 相似度计算， 得到每一产品负责人对应的第二相似度； 将问题描述字段的句向量与每一产品负责人所负责产品已处理问题描述的句向量， 进 行相似度计算， 得到每一产品负责人对应的第三相似度； 将每一产品负责人对应的第 一相似度、 第二相似度、 及第 三相似度进行加权聚合， 确定 每一产品负责人与用户问题的相似度； 根据每一产品负责人与用户问题的相似度， 将用户问题推送给相应的产品负责人。 2.如权利要求1所述的用户问题分发方法， 其特征在于， 将问题所属产品字段输入词向 量输出模型之前， 还 包括： 将历史问题所属产品和对应的历史问题所属产品词向量、 历史问题报错信 息和对应的 历史问题报错信息词向量作为样本数据， 形成第一训练数据集； 利用C‑BOW模型构建词向量输出模型； 根据第一训练数据集对词向量输出模型进行训练， 对词向量输出模型参数进行优化， 得到训练好的词向量输出模型。 3.如权利要求2所述的用户问题分发方法， 其特征在于， 根据第 一训练数据集对词向量 输出模型进行训练， 对词向量输出模型参数进行优化， 得到训练好的词向量输出模型， 包 括： 利用词向量输出模型， 预测样本数据中历史问题所属产品的词向量， 预测样本数据中 历史问题报错信息的词向量； 利用随机梯度下降算法， 对词向量输出模型参数进行优化， 直至预测的历史问题所属 产品的词向量与样本数据中对应的历史问题所属产品的词向量的差异值小于第一设定值， 且预测的历史问题报错信息的词向量与样本数据中对应的历史问题报错信息的词向量的 差异值小于第二设定值， 得到训练好的词向量输出模型。 4.如权利要求1所述的用户问题分发方法， 其特征在于， 词向量输出模型参数包括如下 参数其中之一或任意组合：权　利　要　求　书 1/4 页 2 CN 115239164 A 2降维后的词向量维数、 输入权 重矩阵、 输出权 重矩阵、 Softmax函数的参数。 5.如权利要求1所述的用户问题分发方法， 其特征在于， 将问题描述字段输入句向量输 出模型之前， 还 包括： 获取历史问题描述和对应的历史问题描述句向量作为样本数据， 形成第二训练数据 集； 利用C‑BOW模型构建句向量输出模型； 根据第二训练数据集对句向量输出模型进行训练， 对句向量输出模型参数进行优化， 得到训练好的句向量输出模型。 6.如权利要求5所述的用户问题分发方法， 其特征在于， 获取历史问题描述和对应的历 史问题描述句向量作为样本数据， 形成第二训练数据集， 包括： 将历史问题描述进行分词， 得到分词后的历史问题描述和历史问题描述的唯一标识； 将分词后的历史问题描述、 历史问题描述的唯一标识、 对应的历史问题描述句向量作 为样本数据， 形成第二训练数据集。 7.如权利要求5所述的用户问题分发方法， 其特征在于， 根据第 二训练数据集对句向量 输出模型进行训练， 对句向量输出模型参数进行优化， 得到训练好的句向量输出模型， 包 括： 利用句向量输出模型， 预测样本数据中历史问题描述的句向量； 利用随机梯度下降算法， 对句向量输出模型参数进行优化， 直至预测的历史问题描述 的句向量与样本数据中对应的历史问题描述句向量的差异值小于第三设定值， 得到训练好 的句向量输出模型。 8.如权利要求1所述的用户问题分发方法， 其特征在于， 根据每一产品负责人与用户问 题的相似度， 将用户问题推送给相应的产品负责人， 包括： 按照每一产品负责人与用户问题的相似度由高到底的顺序， 对产品负责人进行排序， 将用户问题推送给排序最高的产品负责人， 若该产品负责人退回用户问题， 将用户问题推 送给排序次之的产品负责人， 以此类推， 直至有产品负责人响应用户问题， 或退回次数大于 设定次数。 9.一种用户问题分发装置， 其特 征在于， 包括： 接收模块， 用于接收用户问题， 按照预设表格结构， 将用户问题分为多个字段； 其中， 用 户问题的多个字段包括： 问题所属产品字段、 问题报错信息 字段、 问题描述字段； 第一输入模块， 用于将问题所属产品字段输入词向量输出模型， 得到问题所属产品字 段的词向量， 将问题报错信息字段输入词向量输出模型， 得到问题报错信息字段的词向量； 所述词向量输出模型根据历史问题所属产品和对应的历史问题所属产品词向量、 历史问题 报错信息和对应的历史问题报错信息词向量， 对C ‑BOW模型进行训练得到； 第二输入模块， 用于将问题描述字段输入句向量输出模型， 得到问题描述字段的句向 量； 所述句向量输出模 型根据历史问题描述和对应的历史问题描述句向量， 对C ‑BOW模型进 行训练得到； 查询模块， 用于查询产品负责人信息表， 所述产品负责人信息表包括多个产品负责人 信息， 其中每一产品负责人信息包括产品负责人标识、 所负责产品、 所负责产品报错信息、 所负责产品已处 理问题描述；权　利　要　求　书 2/4 页 3 CN 115239164 A 3