SSR-TA:基于序列到序列的专家循环推荐用于工单自动化
机器学习
2023-01-31 v1 信息检索
摘要
工单自动化为 IT 软件系统的正常运行提供关键支撑。工单自动化的一个重要任务是分派专家解决到来的工单。然而,面对成千上万工单,不恰当的分配会使工单在专家间频繁流转,造成时间延误与资源浪费。以更少步骤有效且高效地找到合适专家对工单自动化至关重要。本文中,我们提出一种基于序列到序列的翻译模型结合循环推荐网络,为工单推荐合适专家。序列到序列模型将工单描述转化为相应解决方案,以捕获表征工单的潜在有用特征。循环推荐网络基于推荐序列中前一位专家无法解决该工单的假设来推荐合适专家。为评估性能,我们在两个真实数据集上将若干基线方法与 SSR-TA 进行比较实验,实验结果表明所提模型优于基线。对比实验还显示 SSR-TA 对用户生成工单的专家推荐具有更优性能。
引用
@article{arxiv.2301.12612,
title = {SSR-TA: Sequence to Sequence based expert recurrent recommendation for ticket automation},
author = {Chenhan Cao and Xiaoyu Fang and Bingqing Luo and Bin Xia},
journal= {arXiv preprint arXiv:2301.12612},
year = {2023}
}