摘要：為了更準(zhǔn)確地將工作票推薦給具備解決問題能力的系統(tǒng)運(yùn)維專家,對歷史工作票數(shù)據(jù)進(jìn)行研究提出基于深度學(xué)習(xí)的工作票專家推薦算法。首先根據(jù)專業(yè)熟練度水平和領(lǐng)域知識構(gòu)建專家能力模型,然后設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)框架,在輸入層中引入注意力來提高模型對工作票文本特征提取能力,并度量與專家模型的匹配度,實(shí)現(xiàn)以推薦質(zhì)量為依據(jù)的專家推薦。在真實(shí)的數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),結(jié)果表明與傳統(tǒng)的基于機(jī)器學(xué)習(xí)的推薦方法相比,該方法的準(zhǔn)確率提升了6%,引入注意力可以有效學(xué)習(xí)特征權(quán)重。