【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％
【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
论文部分内容阅读
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％.
其他文献
随着5G通信技术的发展和应用,为适应5G通信的三大应用场景,各大运营商都在大力推进,密集组网.蝶形引入光缆在光纤到户、移动室内分布系统建设中被大量采用.然而,在蝶形引入光缆生产过程中经常出现断纤,也影响产品的质量,造成经济损失.本工作以蝶形引入光缆生产为研究对象,运用精益6σ工具对蝶形引入光缆生产工艺、装备技术等各环节进行分析,找到断纤的原因,采取措施,通过生产及验证,行之有效.
研究了接地故障引起电力电缆轰燃的机理:接地故障电流长时间流过电缆相屏蔽层,因电流密度过高,使之发热熔融了电缆的绝缘材料,并热分解出可燃性气体,进而被单相接地故障点的电弧点燃所致.分析了电力电缆在接地故障状态下的发热过程,建立了热积累模型,并结合电力电缆安全运行规范,以保证电力电缆的使用寿命为目标确定轻预警值,确保不发生因接地故障发生电力电缆轰燃事故为目标确定重预警值,并建立了1个由300余个监测点组成的10 kV配电网的电力电缆轰燃监测预警系统.
随着无线通信应用边界的不断扩展,无线通信应用环境也日趋复杂多样,面临射频损伤、信道衰落、干扰和噪声等负面影响,给接收端恢复原始信息带来挑战.借鉴深度学习方法在计算机视觉、模式识别、自然语言处理等领域取得的研究成果,基于深度学习的无线通信接收技术受到学术界和产业界的广泛关注.首先阐述了国内外基于深度学习无线通信接收技术的研究现状;接着概述了信号大数据背景下无线通信接收所面临的技术挑战,并提出基于深度神经网络的无线通信智能接收参考架构;最后探讨了信号大数据背景下无线通信智能接收方法的发展趋势.为基于深度学习无
丰富的脉冲噪声干扰对基于MIMO-OFDM技术的电力线通信系统接收机设计带来了巨大挑战.针对这个问题,提出了一种联合估计电力线信道和脉冲噪声的接收机设计方案.该方案主要利用电力信道多径模型参数在频域上的稀疏性和脉冲噪声在时域上的稀疏性特征,将待估计信道模型参数和脉冲噪声联合视作一个稀疏向量,同时利用MIMO系统的空间相关性,构建了一个基于多测量向量的压缩感知模型,并引入多测量向量稀疏贝叶斯学习理论,设计了一种联合估计MIMO信道模型参数和脉冲噪声的方法.仿真结果表明,与传统的MIMO信道估计与脉冲噪声抑制
针对单载体的信息隐藏算法的嵌入容量、不可见性和鲁棒性受载体数量限制无法进一步提升的问题,将载体体素化和秘密信息的嵌入结合三维模型凹凸结构特征,提出了一种基于三维模型凹凸结构特征的多载体信息隐藏算法.首先,对三维模型进行体素化,并根据体素化后获得的数据集提取三维模型的凹凸结构特征对载体库进行分类,转换得到凹凸度区间后对其编码;其次,根据载体分类数对秘密信息分段并进行置乱和优化,使载体和秘密信息的嵌入通过其分类及分段数有效地联系起来,分别通过凹凸度区间和体素化坐标点的编码数据双重嵌入秘密信息,进一步提升算法性
量子互联网将量子计算、量子测量与通信相融合,可谓是量子信息技术演进的未来目标.然而,量子力学规律的限制,例如量子不可克隆、量子纠缠与测量坍塌等,对网络的网络功能、协议设计以及传输与中继等方面提出了新的挑战.首先介绍了量子互联网的基本概念与发展路径,考虑量子通信特性与经典通信的不同之处,从量子物理设备、网络协议、量子退相干与量子中继等方面对实现量子互联网的关键技术进行总结,并对量子互联网的发展进行了展望与建议.
为满足无线通信中高吞吐、低功耗的要求,并行译码器的结构设计得到了广泛的关注.基于并行Turbo码译码算法,研究了前后向度量计算中的对称性,提出了一种基于前后向合并计算的高效并行Turbo码译码器结构设计方案,并进行现场可编程门阵列(field-programmable gate array,FPGA)实现.结果表明,与已有的并行Turbo码译码器结构相比,本文提出的设计结构使状态度量计算模块的逻辑资源降低50％左右,动态功耗在125 MHz频率下降低5.26％,同时译码性能与并行算法的译码性能接近.
为了提高移动边缘计算(mobile edge computing,MEC)网络的频谱效率,满足大量用户的服务需求,建立了基于非正交多址接入(non-orthogonal multiple access,NOMA)的超密集MEC系统模型.为了解决多个用户同时卸载带来的严重通信干扰等问题,以高效利用边缘服务器资源,提出了一种联合任务卸载和资源分配的优化方案,在满足用户服务质量的前提下最小化系统总能耗.该方案联合考虑了卸载决策、功率控制、计算资源和子信道资源分配.仿真结果表明,与其他卸载方案相比,所提方案可以在
个性化推荐已成为解决信息过载的最有效手段之一,也是海量数据挖掘研究领域的热点技术.然而传统推荐算法往往只使用用户对物品的评分信息,而缺少对用户与物品潜在特征的综合考虑.基于因子分解机、宽神经网络、交叉网络和深度神经网络的融合,提出一种新的考虑多层次潜在特征的模型,可以提取用户与物品的浅层潜在特征、低阶非线性潜在特征、线性交叉潜在特征以及高阶非线性潜在特征.在4个常用的数据集上的实验结果表明,考虑用户与物品多层次潜在特征可以有效提高个性化推荐的预测精度.最后,研究了嵌入层维度以及神经元数量等因素对新模型预测
针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法.该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector