信息智能分拣系统

2026-03-01 09:52:42

行业：政务服务

载体：框架或代码包

技术：Java、JavaScript、Python

业务和功能介绍

一、建设目标
目标需求是为了完成某热线区级信息机器自动部门分派任务，分派率达到60%。

二、实现原理
利用AI机器学习技术，通过大量的历史数据训练，达到机器自动派发投诉案件，减轻工作人员的派件压力，避免一定量的人工派发失误，提升信息处理团队整体运作效率。

三、主要功能
1. 机器派发
为了减轻人工派单压力使用AI机器学习技术训练模型，对新产生的投诉案件的投诉内容通过中文文本分类算法，预测所属的对应的案件类型和所属部门为90以上，以达到热线派发精准分类，便将任务自动直接派发。
2. 辅助派发
在机器预测值不足90时，还是由人员进行手工派发，派单员手工派单时，系统也会给出三个派发预测值，还可以通过查询类似案件信息，来辅助主观派发。
3. 分析统计
采用赛思BI制作分析统计报表，满足日常统计任务，支持一键导出功能
4. 数据训练
后台每天定时训练模型，然后将整个智能分拣模块待机在等待新数据进入预测的阶段。通过和业务系统对接的方式，在业务系统中出现新的派单任务时，通过模型预测对应的部门和类型，将可能性达到90%的部门和类型自动派发，剩下的转给派发人员进行手工派单。
5. 精准度调整
然后通过对预测精准度的评估，可迭代调参，使得模型更加符合数据和现实，达到精准度的不断提升。

项目实现

技术介绍：
这是早期的机器学习项目，在十几个预选算法中，最终选择多层感知机神经网络。
预测模块的前端采用Python+Flask+uwsgi+浏览器搜索插件开发，后端采用Python+Tensorflow+sklearn+pandas+numpy等开发；
统计模块使用赛思BI商业智能平台。

成员：2人，另有数据整理员一名
角色：全栈开发
业绩：100w

示例图片视频

王老吉

30天前活跃

方向：后端-Java、后端-C#、

交付率：100.00%

查看主页

相似推荐

需求中转站

对接海促项目需要进行维护，于是开发需求中转站项目，这个项目主要是客户可以直接上传需求，图片用七牛云存储，然后我们领导通过登录管理员进行分派任务和指定时间，我们分配的需求可以进行多次更新，最后如果完成稿上传apifox审核即可

视频基础能力平台

为公司业务平台提供视频基础能力，包括设备接入，媒体接入，视频录制回放，视频直播分发，视频剪辑，视频处理等基础功能。在项目中负责整体流媒体技术，包括流媒体服务架构，媒体推流，视频录制，视频回放，直播分发，视频处理等功能。

基于深度学习的轴承故障诊断与预测系统

面向制造业的智能运维解决方案，实现旋转机械轴承的故障自动识别与早期预警。核心功能包括：1.多源振动信号采集与预处理（CWRU/SEU/HUST等公开数据集验证）；2.基于ResNet1D的深度学习故障分类，准确率达99.22%；3.跨域泛化能力，支持不同设备间的模型迁移（CWRU→SEU 100%、CWRU→HUST 65.03%）；4.PI-TTA测试时自适应，仅需33K参数即可实现实时域适应；5.FastAPI提供实时诊断API，支持单条/批量预测；6.可视化报表生成，包含故障类型分布、置信度分析、维护建议。

基于stm32的可视化物联网平台检测系统

本系统基于 STM32 主控，集成多类环境传感器采集温湿度、空气质量等数据，通过物联网模块上传至可视化平台，实现数据实时监测、异常告警与远程控制，界面直观易用，适用于智能家居、工业监测等场景，兼具高可靠性与低功耗特性。

宇数B2机器狗开发

基于定制的宇数B2机器狗上的云台设别开发实时识别的功能 1.实时识别云台回传的rtsp流，并将识别后的画面推传出去，使其在客户端可以实时看到识别框的画面。 2.录制识别到的短视频并回传到平台，用于数据分析。