摘要：為了更準確地將工作票推薦給具備解決問題能力的系統(tǒng)運維專家,對歷史工作票數(shù)據(jù)進行研究提出基于深度學習的工作票專家推薦算法。首先根據(jù)專業(yè)熟練度水平和領域知識構(gòu)建專家能力模型,然后設計卷積神經(jīng)網(wǎng)絡框架,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,實現(xiàn)以推薦質(zhì)量為依據(jù)的專家推薦。在真實的數(shù)據(jù)集上進行了實驗,結(jié)果表明與傳統(tǒng)的基于機器學習的推薦方法相比,該方法的準確率提升了6%,引入注意力可以有效學習特征權(quán)重。