【技术实现步骤摘要】
基于类别分析的投诉量分析方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种基于类别分析的投诉量分析方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着时长竞争的日益激烈，越来越多的公司和企业开始重视对用户的服务水平，而投诉量成为了衡量一个业务好快的重要指标，当某一业务的投诉量过高，则说明该业务存在着大量的缺陷，导致用户体验较差。因此，对投诉量进行合理的分析预测，有利于帮助企业实现业务的改善。
[0003]现有的投诉量预测方法多为基于历史投诉量的回归分析，即根据历史中某一时间段的投诉量对未来时间段中的投诉量进行预测。但该方法中，忽略了与业务相关的其他因素，且无法得知大量的用户投诉中，各种类型的投诉占比，导致仅利用历史投诉量进行回归分析得出的投诉量的精确度较低。
技术实现思路
[0004]本专利技术提供一种基于类别分析的投诉量分析方法、装置及计算机可读存储介质，其主要目的在于解决进行投诉量分析时的精确度较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于类别分析的投诉量分析方法，包括：
[0006]获取预设业务的投诉量数据，根据所述投诉量数据统计多个预设的时间区间内每一个时间区间的投诉量；
[0007]获取所述预设业务在每一个时间区间的多个经营指标，分别计算每一个经营指标与所述投诉量之间的相关系数，汇集所述相关系数大于预设阈值的经营指标为特征指标；
[0008]获取所述预设业务每一次被投诉时的投诉文本...
【技术保护点】
【技术特征摘要】
1.一种基于类别分析的投诉量分析方法，其特征在于，所述方法包括：获取预设业务的投诉量数据，根据所述投诉量数据统计多个预设的时间区间内每一个时间区间的投诉量；获取所述预设业务在每一个时间区间的多个经营指标，分别计算每一个经营指标与所述投诉量之间的相关系数，汇集所述相关系数大于预设阈值的经营指标为特征指标；获取所述预设业务每一次被投诉时的投诉文本，对所述投诉文本进行数值矩阵转换，得到每一个投诉文本的文本矩阵；分别计算每一个所述文本矩阵与预设投诉类别之间的相对概率，根据所述相对概率确定每一个文本矩阵对应的投诉文本的投诉类别，并根据所述投诉类别计算所述投诉文本中每一种投诉类别的占比权重；利用预先构建的时序预测模型，根据所述每一个时间区间的投诉量和所述特征指标进行投诉量分析，得到未来预设时间段的投诉量，并根据所述占比权重和所述未来预设时间段的投诉量计算所述未来预设时间段内每一种投诉类别的投诉量。2.如权利要求1所述的基于类别分析的投诉量分析方法，其特征在于，所述根据所述投诉量数据统计多个预设的时间区间内每一个时间区间的投诉量，包括：提取所述投诉量数据中的时间数据表达格式；将预设的字符按照所述时间数据表达格式编译为规则表达式；利用所述规则表达式从所述投诉量数据中提取出每一次被投诉时的投诉时间；根据所述投诉时间将所述投诉量数据分类至多个预设的时间区间内；统计每一个时间区间内的投诉量数据的个数，得到每一个时间区间的投诉量。3.如权利要求1所述的基于类别分析的投诉量分析方法，其特征在于，所述分别计算每一个经营指标与所述投诉量之间的相关系数，包括：分别将所述预设业务在每一个时间区间内的所述多个经营指标转换为指标向量；从所述多个预设的时间区间内逐个选取其中一个时间区间，从被选取的时间区间的指标向量中逐个选取其中一个向量为目标向量，计算所述目标向量与所述被选取的时间区间的投诉量之间的关联度；将所述目标向量与每一个时间区间的投诉量之间的关联度进行求和，得到所述目标向量对应的经营指标与投诉量之间的相关系数。4.如权利要求3所述的基于类别分析的投诉量分析方法，其特征在于，所述计算所述目标向量与所述被选取的时间区间的投诉量之间的关联度，包括：利用如下关联度算法计算所述目标向量与所述被选取的时间区间的投诉量之间的关联度：其中，P
x,y
为所述目标向量与所述被选取的时间区间的投诉量之间的关联度，x为目标向量的模长，为所有指标向量的模长的均值，y为被选取的时间区间内的投诉量，为所有时间区间内投诉量的均值。5.如权利要求1所述的基于类别分析的投诉量分析方法，其特征在于，所述对所述投诉
文本进行数值矩阵转换，得到每一个投诉文本的文本矩阵，包括：从所述投诉文本中逐个选取其中一个文本为目标文本；对所述目标文本进行分词处理，得到文本分词；统计每一个所述文本分词在所述目标文本中的位置信息，...
【专利技术属性】
技术研发人员：李骁，赖众程，王亮，高洪喜，许海金，张宇川，张舒婷，陈杭，邱文涛，吴鹏召，海洋，李会璟，李兴辉，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。