信息智能分拣系统产品系统

**一、建设目标**

​ 目标需求是为了完成某热线区级信息机器自动部门分派任务，分派率达到60%。

**二、实现原理**

​ 利用AI机器学习技术，通过大量的历史数据训练，达到机器自动派发投诉案件，减轻工作人员的派件压力，避免一定量的人工派发失误，提升信息处理团队整体运作效率。

1. 机器派发

为了减轻人工派单压力使用AI机器学习技术训练模型，对新产生的投诉案件的投诉内容通过中文文本分类算法，预测所属的对应的案件类型和所属部门为90以上，以达到热线派发精准分类，便将任务自动直接派发。

2. 辅助派发

在机器预测值不足90时，还是由人员进行手工派发，派单员手工派单时，系统也会给出三个派发预测值，还可以通过查询类似案件信息，来辅助主观派发。

3. 分析统计

采用赛思BI制作分析统计报表，满足日常统计任务，支持一键导出功能

4. 数据训练

后台每天定时训练模型，然后将整个智能分拣模块待机在等待新数据进入预测的阶段。通过和业务系统对接的方式，在业务系统中出现新的派单任务时，通过模型预测对应的部门和类型，将可能性达到90%的部门和类型自动派发，剩下的转给派发人员进行手工派单。

5. 精准度调整

然后通过对预测精准度的评估，可迭代调参，使得模型更加符合数据和现实，达到精准度的不断提升。

​ 独立完成项目开发。

​ 这是早期的机器学习项目，在十几个预选算法中，最终选择多层感知机神经网络。预测模块的前端采用Python+Flask+uwsgi+浏览器搜索插件开发，后端采用Python+Tensorflow+sklearn+pandas+numpy等开发；统计模块使用赛思BI商业智能平台。