买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海速擎软件有限公司申请的专利一种事件优先级排序分配方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121073228B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511621156.6，技术领域涉及：G06Q10/0635；该发明授权一种事件优先级排序分配方法及系统是由梁育刚设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本一种事件优先级排序分配方法及系统在说明书摘要公布了：本发明属于客户服务工单处理技术领域，公开了一种事件优先级排序分配方法及系统，方法包括：将历史多轮对话数据转化为数值化的历史工单的情绪评分序列集合；利用鲍姆‑韦尔奇算法对隐马尔可夫模型进行训练，学习到客户情绪演化的核心动态参数；校准出最优的校准后的风险评分阈值；对于每一个进行中的工单，实时推断当前各隐状态的概率分布，并计算出前瞻性的负向升级风险分；当负向升级风险分超过校准后的风险评分阈值时，自动触发优先级调整，生成更新后的工单记录。本发明提供了可量化的、基于概率预测的框架，将客户支持从被动的、事后响应式的工单处理，转变为主动的、事前预警式的风险管理范式。

本发明授权一种事件优先级排序分配方法及系统在权利要求书中公布了：1.一种事件优先级排序分配方法，其特征在于，包括： 步骤S1，增量式采集并预处理采集的原始多轮对话流，得到结构化对话序列集合； 步骤S2，基于结构化对话序列集合和预训练的上下文感知情绪分析模型，进行上下文感知的逐轮情绪评分，得到历史工单的情绪评分序列集合； 步骤S3，基于历史工单的情绪评分序列集合、预定义的隐状态集合、配置的隐马尔可夫模型训练收敛阈值和配置的隐马尔可夫模型最大迭代次数，采用鲍姆-韦尔奇算法对隐马尔可夫模型进行无监督训练，得到初始状态概率分布、状态转移概率矩阵和发射概率分布； 步骤S4，基于历史工单的情绪评分序列集合、采集的历史工单结果标签、预定义的高风险状态定义集以及训练得到的初始状态概率分布、状态转移概率矩阵和发射概率分布，执行接收者操作特征曲线分析，得到校准后的风险评分阈值； 步骤S4的实现方法包括：步骤S4S1，对于历史工单的情绪评分序列集合中的每一个情绪评分序列，执行可复用步骤隐状态概率分布推断，基于所述情绪评分序列以及初始状态概率分布、状态转移概率矩阵和发射概率分布，推断当前各隐状态的概率分布，并将每一个当前各隐状态的概率分布进行汇总，得到历史工单的隐状态概率分布集合；步骤S4S2，对于历史工单的隐状态概率分布集合中的每一个当前各隐状态的概率分布，执行可复用步骤负向升级风险分计算，基于所述当前各隐状态的概率分布、状态转移概率矩阵和预定义的高风险状态定义集，计算负向升级风险分，并将每一个负向升级风险分进行汇总，得到历史风险分序列；步骤S4S3，提取历史风险分序列中的每一个负向升级风险分与其对应的工单ID，构建扁平化的风险分列表；步骤S4S4，将扁平化的风险分列表与采集的历史工单结果标签基于工单ID进行对齐，得到带标签的风险分数据集；步骤S4S5，基于带标签的风险分数据集，生成接收者操作特征曲线，并确定接收者操作特征曲线上距离左上角0,1点最近的坐标点所对应的负向升级风险分，得到校准后的风险评分阈值； 可复用步骤负向升级风险分计算的实现方法包括：步骤R2S0，接收当前各隐状态的概率分布、状态转移概率矩阵和高风险状态定义集；步骤R2S1，对于预定义的隐状态集合中的每一个当前状态，将所述状态转移概率矩阵中从状态转移到所述高风险状态定义集中每一个状态的概率求和，得到状态的升级风险；步骤R2S2，将每一个状态的升级风险与在所述当前各隐状态的概率分布中状态对应的概率相乘，为时刻的隐状态，得到状态的加权升级风险；步骤R2S3，将所有状态的加权升级风险求和，得到负向升级风险分； 步骤S5，对于采集的进行中工单流中的每一个工单，基于预训练的上下文感知情绪分析模型、配置的上下文窗口大小、初始状态概率分布、状态转移概率矩阵、发射概率分布、预定义的高风险状态定义集和校准后的风险评分阈值，执行实时情绪追踪与风险预测，并将所有结果汇总，得到工单处理结果集合； 步骤S6，基于工单处理结果集合，更新采集的原始工单记录中相应工单的优先级，得到更新后的工单记录。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海速擎软件有限公司，其通讯地址为：200031 上海市徐汇区乌鲁木齐南路378-386号(全幢)1层1197号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。