基于矩阵分解和注意力多任务学习的客服投诉工单分类

投诉工单自动分类是通信运营商客服数字化、智能化发展的要求。客服投诉工单的类别有多层,每一层有多个标签,层级之间有所关联,属于典型的层次多标签文本分类问题,现有解决方法大多数基于分类器同时处理所有的分类标签,或者对每一层级分别使用多个分类器进行处理,忽略了层次结构之间的依赖。提出了一种基于矩阵分解和注意力的多任务学习的方法(MF-AMLA),处理层次多标签文本分类任务。在通信运营商客服场景真实投诉工单分类数据下,与该场景常用的机器学习算法和深度学习算法的Top1F1值相比分别最大提高了21.1%和5.7%。已在某移动运营商客服系统上线,模型输出的正确率97%以上,对客服坐席单位时间的处理效率提升22.1%。     

拓扑光学体系中合成维度方法的进展

光子学中的合成维度是近年来微纳光学和拓扑光子学的研究热点。通常意义上,一个光学系统的物理维度受限于其空间几何维度,因此极大地制约了光学系统所支持研究的物理现象。而研究者通过引入合成维度,可以突破几何维度对物理系统维度的制约,研究高维空间的物理问题。同时,合成维度的高度可控性和选择的丰富多样性,为简化系统设计、观察高维物理现象提供了很大的便利。本文介绍了光子学中合成维度的基本概念,回顾了近年来实现合成维度的各种设计方案,并初步探讨了其在基础物理研究和应用上的未来前景。