(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 202210221454.6 (22)申请日 2022.03.07 (71)申请人 中国石油大 学 （华东） 地址 266580 山东省青岛市黄岛区长江西 路66号 (72)发明人 解征　李弟诚　黄伟　张宇翔　 范辰睿　田钰茹　杨大伟　刘昕　 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/289(2020.01) G06F 40/295(2020.01) (54)发明名称 一种基于知识图谱的诉求智能转办方法和 装置 (57)摘要 本发明设计了一种基于知识图谱的诉求智 能转办方法和装置， 通过梳理部门之间的关系， 融合部门的历史诉求办理数据、 部门明文规定的 职责数据构建知识图谱。 采用 “根据属地缩小范 围， 根据职责推荐单位 ”的原则快速从众多的办 理部门中精 准推荐办理单位。 本方法基于各个办 理部门的诉求数据， 利用TF ‑IDF算法提取特征 词， 并对特征词进行筛选， 只保留其关键特征词。 将关键词作为上述知识 图谱中的特征关键词实 体并与相应部门实体产生办理关系。 针对新来诉 求， 首先通过命名实体识别， 知识库检索， 判断出 诉求事发地， 在知识图谱中缩小范围。 然后使用 新来诉求的关键词， 在知识图谱中匹配相应的部 门得到候选 部门。 权利要求书1页 说明书3页 附图2页 CN 114817555 A 2022.07.29 CN 114817555 A 1.一种基于知识图谱的诉求智能转办方法和装置， 包括以下步骤： A.梳理某市的所有行政机构， 地域标志， 办理部门以及他们之间的关系， 在知识图谱中 表示出来； B.基于各个办理部门的诉求数据， 利用TF ‑IDF算法提取特征词， 提取出权重值大于0的 关键词作为该部门的关键特征词， 并对各部门历史诉求数据进行关键词筛选， 只保留其核 心关键特 征词； C.将关键词作为上述知识图谱中的特 征关键词实体并与相应部门实体产生办理关系； D.针对新来诉求， 若诉求中包含明确的行政机构名， 例如某市某区某街道， 则可直接判 断诉求地点； 若诉求中未包含明确的行政机构名， 则提取出地名、 机构名、 马路名等地域标 志实体， 根据提取 出来的地 域标志实体， 在 知识图谱中查询检索， 从而判断诉求 地点； E.利用步骤D判断出的诉求地点， 在知识图谱中缩小范围； 然后使用新来诉求的关键 词， 在知识图谱中匹配相应的部门得到候选部门； 最后将候选部门的职责和 新来诉求做相 似度计算， 得到最终推荐部门。 2.根据权利要求1所述的一种基于主题模型的诉求智能转办方法和装置， 其特征在于， 所述的步骤A中， 先在知识图谱中先构建市 ‑区、 县、 县级市 ‑镇、 街道三级行政机构实体以及 他们之间的隶属关系； 然后将地域标志实体添加进知识图谱， 并与行政机构实体创建从属 关系； 然后在知识图谱中构建办理部门实体， 添加职责属性， 创建办理部门实体与三级行政 机构之间的直接隶属关系。 3.根据权利要求1所述的一种基于主题模型的诉求智能转办方法和装置， 其特征在于， 所述的步骤B中， 在对已获取数据进 行TF‑IDF训练时， 针对每个 关键词在其办理部门数据中 出现的次数进行TF值计算； 将全部部门诉求数据作为总语料库， 对每个关键词在不同部门 中的出现情况进 行IDF值计算， 并用TF*IDF最 终确定每个 关键词的权重值， 然后取出权重值 大于0的关键词对历史诉求数据进一 步筛选。 4.根据权利要求1所述的一种基于主题模型的诉求智能转办方法和装置， 其特征在于， 所述的步骤C中， 将部门办理特征关键词实体加入知识图谱后， 不同的部门可能会跟相同的 几个特征关键词实体产生办理关系， 这 也反映了 了现实生活中的部门职责交叉情况。 5.根据权利要求1所述的一种基于主题模型的诉求智能转办方法和装置， 其特征在于， 所述的步骤D中， 需要提前构 造命名实体词典， 以便使用命名实体识别技术判断诉求中是否 包含行政机构名或地 域标志实体， 从而判断诉求发生 地。 6.根据权利要求1所述的一种基于主题模型的诉求智能转办方法和装置， 其特征在于， 所述的步骤E中， 利用步骤D判断出的诉求地点， 找到隶属于诉求地点的办理部门， 形成备选 部门集合1； 然后使用新来诉求的关键词， 通过实体链指技术， 链指到知识图谱中的特征关 键词实体， 将和这些特征关键词实体有办理关系的办理部门， 形成备选部门集合2； 将备选 部门集合1和备选部门集合2的交集作为部门候选集； 将这些部门提取出来， 用新来诉求数 据和这些部门明文规定的职责做相似度计算， 相似度最高的前三个部门作为最终推荐部 门， 并将这 三个部门的知识图谱可视化呈现。权　利　要　求　书 1/1 页 2 CN 114817555 A 2一种基于知识图谱的诉求智能转办方 法和装置 技术领域 [0001]本发明涉及到一种诉求智能转办方法， 特别涉及 一种基于知识图谱的诉求智能转 办方法和装置 。 背景技术 [0002]随着社会服务的不断发展， 社会服务中诉求受理问题逐渐多样化和复杂化。 如何 在众多的政务部门中快速对诉求所对应的承办部门进 行精准预测， 实现诉求转办的自动化 处理， 提升工作质量， 提高分派准确 率， 减少人工， 是当前诉求转办工作中一项急需解决的 问题。 [0003]目前， 诉求转办还是以业务员的经验判断为主。 随着大数据挖掘技术的不断发展， 研究人员提出基于统计学、 机器学习等与业务人员经验知识相融合的方法进 行诉求数据的 半智能化转办。 统计学类方法主要通过获取部门办理诉求的历史数据， 提取关键词， 统计出 部门办理诉求的高频词， 当获取到一条新的诉求数据后， 通过关键词进 行部门比对筛选， 得 到备选部门， 再通过人工筛查， 确定转办部门。 另一类方法主要结合自然语言处理中的TF ‑ IDF算法， 将历史诉求数据进 行数据分词后， 利用T F‑IDF算法提取出某个 办理部门的高频关 键词， 将该部门的高频关键词 作为转办参考模型。 当收到一条新的诉求数据后， 将新诉求数 据和转办参考模型进行匹配， 从而确定所属办理部门。 但随着市民反应的诉求案件愈发复 杂， 新的问题不断增加， 数据愈发嘈杂， 同时部分办理部门之间的职责有交叉， 基于上述方 法的转办系统转办正确 率不高， 办理部门之间反复推诿的情况时有发生， 不能满足智能转 办的需求。 [0004]综上所述， 为解决由于诉求案件的数量越来越大、 种类日益增多、 难度日趋复杂， 部门数量多且存在职责交叉等问题带来的转办 效率低下问题， 本发明设计了一种基于知识 图谱的诉求智能转办方法和装置， 通过梳理部门之间的关系， 融合部门的历史诉求办理数 据、 部门明文规定的职责构建知识图谱。 采用 “根据属地缩小 范围， 根据职责推荐 单位”的原 则快速从众多的办理部门中精准推荐办理单位。 发明内容 [0005]收集整理某地级市的所有行政机构， 地域标志， 办理部门等信息， 梳理他们之间的 关系， 构建地级市的知识图谱。 对历史诉求数据分词， 去停用词， 清洗空值数据， 然后对数据 进行规范化。 根据诉求数据的不同办理部门对数据进行分组， 将分组后的各办理部门数据 采用TF‑IDF算法提取关键词， 并对 各部门数据进 行关键词筛选， 形成特征关键词， 将这些特 征关键词作为实体加入到知识图谱中， 并和相 应的处理部门创建办理关系。 当获取一条新 的诉求时， 通过识别诉求 发生地缩小 范围， 通过特征关键词匹配、 诉求数据和部门职责数据 做相似度计算快速准确预测该诉求数据所属办理部门。 [0006]本发明所采用的技 术方案如下： [0007]一种基于知识图谱的诉求智能转办方法和装置， 包括以下步骤：说　明　书 1/3 页 3 CN 114817555 A 3