Abstract Staff assignment is the decision-making to determine appropriate workforce with required skills to perform a specific task. Staff assignment is critical to success of construction projects, especially when responding to routine requests such as the change order and building service. However, the effectiveness is low due to manual processing by the management personnel. To improve the productivity of staff assignment, this paper creates a machine learning model that reads service request texts and automatically assigns workforce and priority through the technique of natural language processing (NLP). The dataset used for modeling in this study contains 82,106 building maintenance records for a 3-year period from over 60 buildings on a university campus. The results show a 77% accuracy for predicting workforce and an 88% accuracy for predicting priority, indicating a considerably high performance for multiclass and binary classifications. Different from existing studies, the NLP model highlights the value of stop-words and punctuation in learning service request texts. The NLP model presented in this study provides a solution for staff assignment and offers a piece of the puzzle to the information system automation in the construction industry. This study has an immediate implication for building maintenance; and, in the long term, contributes to human-building interactions in smart buildings by connecting human feedback to building control systems.

中文翻译：

---

使用自然语言处理自动分配建筑物维护人员

摘要 人员分配是确定具有执行特定任务所需技能的合适劳动力的决策。员工分配对于建筑项目的成功至关重要，尤其是在响应变更单和建筑服务等常规请求时。但由于管理人员人工处理，效率低下。为了提高人员分配的效率，本文创建了一个机器学习模型，该模型读取服务请求文本并通过自然语言处理 (NLP) 技术自动分配劳动力和优先级。本研究中用于建模的数据集包含来自大学校园 60 多座建筑物的 3 年期间的 82,106 条建筑物维护记录。结果显示预测劳动力的准确率为 77%，预测优先级的准确率为 88%，表明多类和二元分类的性能相当高。与现有研究不同，NLP 模型突出了停用词和标点符号在学习服务请求文本中的价值。本研究中提出的 NLP 模型为人员分配提供了解决方案，并为建筑行业的信息系统自动化提供了一块拼图。这项研究对建筑维护有直接的影响；并且，从长远来看，通过将人类反馈与建筑控制系统联系起来，促进智能建筑中的人类建筑互动。NLP 模型突出了停用词和标点符号在学习服务请求文本中的价值。本研究中提出的 NLP 模型为人员分配提供了解决方案，并为建筑行业的信息系统自动化提供了一块拼图。这项研究对建筑维护有直接的影响；并且，从长远来看，通过将人类反馈与建筑控制系统联系起来，促进智能建筑中的人类建筑互动。NLP 模型突出了停用词和标点符号在学习服务请求文本中的价值。本研究中提出的 NLP 模型为人员分配提供了解决方案，并为建筑行业的信息系统自动化提供了一块拼图。这项研究对建筑维护有直接的影响；并且，从长远来看，通过将人类反馈与建筑控制系统联系起来，促进智能建筑中的人类建筑互动。