《表3 对比试验结果：基于DBM的电力投诉工单分类的应用研究》
提示：宽带有限、当前游客访问压缩模式
据不完全统计，正常情况下仅依靠人工处理2万张投诉工单至少需要花费4人连续工作1周时间。若将此项技术运用到实际生产应用中，仅需花费1人1-2小时即可完成处理。
| 图表编号 | XD00222644600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.28 |
| 作者 | 杨恒、颜宏文 |
| 绘制单位 | 长沙理工大学计算机与通信工程学院、长沙理工大学计算机与通信工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 MLP相关参数：基于DBM的电力投诉工单分类的应用研究》2020.09.28
- 《表4 投诉工单样本：基于DBM的电力投诉工单分类的应用研究》2020.09.28
- 《表1 数据分类仿真对比：基于改进FC-IRKM的电力用户负荷分类研究》2018.09.25
- 《表1 热线工单分类情况：市政项目施工投诉案例分析及处理对策》2021.03.09
- 《表2 站点分类的结果：基于改进K-means算法的电力大数据系统研究》2021.01.20
- 《表4 电力客户服务工单文本分类数据集分布》2020.05.01
- 《表2 不同方法对比结果：基于改进的Random Subspace的客户投诉分类方法》2020.07.01
- 《表1 试验对比结果：基于雅可比矩阵的UPFC电力系统抗差状态研究》2020.04.10
- 《表2 分类结果：基于改进深度置信网络的电力系统暂态稳定评估研究》2020.03.20
- 《表2 分类结果：基于数据驱动理念的电力日负荷曲线预测方法研究》2020.01.01
- 《表1 按3级业务分类投诉工单分布情况》2019.12.10
- 《表1 工单分词示例：泛在电力物联网下配网台区状态综合评估研究》2019.12.25
- 《表2 停电投诉条件概率：基于贝叶斯网络的电力客户停电敏感度预测》2019.09.28
- 《表5 试验结果对比：基于XGBoost模型的心律失常分类算法研究》2019.07.10
- 《表1 分类结果说明：基于并行的F-LSTM模型及其在电力通信设备故障预测中的应用》2019.06.24
- 《表2 2017年上半年某三甲医院医务处“12345”信访投诉工单的统计》2019.01.28
- 《表8 指标统计结果：基于递归二分类法的电力机车四象限输入过流故障诊断研究》2019.03.10
- 《表1 信息资源分类：基于大数据的电力信息网络智能风险预警策略研究及应用》2019.01.01
- 《表1 广东移动客户投诉工单量》2018.07.15
- 《表分类框架示意：基于word2vec和XGBoost相结合的国网95598客服投诉工单分类》2019.12.21