摘要
事件或问题工单的解决是各行业服务领域的常见主题，包括电信领域的计费系统。机器学习能够基于历史工单数据模式识别规律并推荐解决方案，但该过程可能受数据漂移、数据缺失、历史解决方案数据不足以及自由文本导致的相似解决方案过多等问题影响。
技术方案
提出采用聚类、监督学习和先进NLP模型的鲁棒机器学习解决方案，具体包含：
- 基于聚类的解决方案识别
- 结合LDA的监督分类
- 孪生网络和一次性学习
- 索引嵌入技术
系统部署
构建实时监控仪表盘，采用基于Kubernetes的高可用生产环境部署方案。在开源Bitext客户支持数据集和专有电信数据集上的实验表明，该方案具有较高的预测准确率。
实验数据
论文包含9页正文内容，配备7个技术示意图，涉及机器学习（cs.LG）和信息检索（cs.IR）领域，采用ACM分类标准I.2.7、I.2.6、H.3.3和H.4.1。