融合改进SSA算法的在线客服工单信息快速识别研究

摘要

随着互联网行业的发展和用户需求的增加，在线客服工单数量变得愈发庞大且复杂，因此，开发一种能够自动提取和分类在线客服工单信息的模型成为亟待解决的需求。为提高在线客服工单信息识别方法的准确度及效率，提出基于莱维（Lévy）飞行策略对麻雀搜索算法（sparrow search algorithm, SSA）进行改进，并将其应用于极限学习机中，构建在线客服工单信息快速识别模型。在改进SSA算法的有效性验证实验中，算法较其他算法更快，且寻优精度更优。在客服工单信息快速识别模型性能验证中，模型识别准确度为92.3%,查全率为0.9,F₁值为0.92,较对比模型更高。同时，其运行速度较对比模型更快。综上可知，研究构建的基于改进SSA算法的客服工单信息快速识别模型，在识别和分类工单信息方面表现优异，可为提高互联网行业在线客服工单信息识别和分类提供辅助支持。

关键词

在线客服 / 工单信息 / 麻雀搜索算法 / 极限学习机 / 飞行策略