投诉工单处理方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术提供投诉工单处理方法、装置、电子设备和存储介质，包括：获取待预测投诉工单；将所述待预测投诉工单输入至预先训练好的投诉工单分类模型，得到投诉工单预测类别结果；其中所述投诉工单分类模型，是基于自然语言算法处理得到的投诉工单样本集，以及按照历史投诉工单文本数据的类别标签训练得到的。本发明专利技术通过采用基于自然语言处理技术的投诉工单自动化处理，完成对投诉工单的分类、实体提取和语义理解，准确识别工单的核心诉求，进而能够快速、准确地自动化处理工单，大幅提高了海量数据场景下的业务投诉工单的自动化预测效率。据场景下的业务投诉工单的自动化预测效率。据场景下的业务投诉工单的自动化预测效率。

【技术实现步骤摘要】
投诉工单处理方法、装置、电子设备和存储介质


[0001]本专利技术涉及自然语言
，尤其涉及投诉工单处理方法、装置、电子设备和存储介质。

技术介绍

[0002]随着通信技术的快速发展，客户服务系统的不断优化升级，以及大数据存储、分析技术的飞速发展，企业产生了大量的业务支撑系统的投诉工单。
[0003]目前针对支撑系统每日所产生的大量支撑投诉工单，都是通过投入较多的人力资源进行手动处理，这种较为简单粗暴的处理方式导致了处理效率低时限长、处理结果不准确等诸多问题，影响内外部客户满意度。
[0004]当前使用人工方式进行投诉工单处理在实际场景中主要有下列几项缺点：
[0005]1、人工处理周期长、成本高：
[0006]首先人工处理投诉工单过程中存在着大量重复性的操作且有一定的规则性，这为工单智能化处理提供了可能；其次人工操作需要一定的时间成本，无法达到自动化处理的便捷性；而且人工处理的经济成本与自动化处理相比也更高。
[0007]2、处理过程缺乏记录，无法提供后续分析：
[0008]处理投诉工单过程中需要融合多种操作才能最终完成对结论的挖掘，但是在人工处理过程中掺杂着较多无法记录的个人操作和行为意识，仅仅对最终的处理结果进行了记录，而缺少了对更为关键的中间过程的记录，造成了后期无法对历史工单的处理流程统计分析，无法为简化处理流程提供参考。
[0009]3、无法提供全天候服务：
[0010]使用人工方式时，无法24小时全天候不间断对业务侧生成的投诉工单进行处理，时效性较差。对于一些对时效性要求比较高的投诉无法做到及时响应，容易造成不必要的经济损失。而且即便是很简单的投诉工单也需要在人工干预的情况下才能够完成，严重影响了处理速度。
[0011]4、严重依赖业务人员的熟练程度，业务人员的培训周期长：
[0012]由于投诉工单的处理需要依赖于对业务内容一定程度的理解，而且投诉工单涉及的业务内容往往错综复杂，这对处理人员的素质提出了较高的需要求。工单处理的质量严重依赖于业务人员对业务内容的熟悉程度，造成了对业务人员的培养成本较高。
[0013]因此，需要提出一种新的处理投诉工单的智能化方法，克服上述不足。

技术实现思路

[0014]本专利技术提供投诉工单处理方法、装置、电子设备和存储介质，用以解决现有技术中通过人工处理投诉工单带来的效率低和准确性低的缺陷。
[0015]第一方面，本专利技术提供投诉工单处理方法，包括：
[0016]获取待预测投诉工单；
[0017]将所述待预测投诉工单输入至预先训练好的投诉工单分类模型，得到投诉工单预测类别结果；其中所述投诉工单分类模型，是基于自然语言算法处理得到的投诉工单样本集，以及按照历史投诉工单文本数据的类别标签训练得到的。
[0018]在一个实施例中，所述投诉工单分类模型，通过以下步骤获得：
[0019]获取带有所述类别标签的历史投诉工单文本数据，基于所述历史投诉工单文本数据构建工单文本数据集；
[0020]建立工单处理业务领域范围专用词表，结合中文常用停用词库，对所述工单文本数据集进行分词和非关键单词进行清洗，得到分词预处理数据集；
[0021]结合预设范围高频关键单词进行再次无用词清洗，并生成专业领域词向量库；
[0022]由所述专业领域词向量库中的词向量对所述工单文本数据集中的工单数据进行逐条处理，得到每条工单数据的词向量矩阵；
[0023]对所述工单文本数据集进行有监督的文本分类算法训练，得到预训练模型；
[0024]基于核心要素信息对所述预训练模型进行处理，得到所述投诉工单分类模型。
[0025]在一个实施例中，所述建立工单处理业务领域范围专用词表，结合中文常用停用词库，对所述工单文本数据集进行分词和非关键单词进行清洗，得到分词预处理数据集，之前还包括：
[0026]采用通用词性分词工具，去除所述工单文本数据集中的非核心信息单词。
[0027]在一个实施例中，所述结合预设范围高频关键单词进行再次无用词清洗，并生成专业领域词向量库，还包括：
[0028]将所述专业领域词向量库中的特征词以one
‑
hot向量进行表示，并对比多个预设词向量训练模型对所述专业领域词向量库的处理结果。
[0029]在一个实施例中，所述对所述工单文本数据集进行有监督的文本分类算法训练，得到预训练模型，具体包括：
[0030]将所述工单文本数据集按照预设比例分成训练集和验证集；
[0031]采用预设神经网络模型对所述训练集进行训练，利用所述验证集进行效果验证，并选择分类算法，得到所述预训练模型。
[0032]在一个实施例中，所述基于核心要素信息对所述预训练模型进行处理，得到所述投诉工单分类模型，具体包括：
[0033]获取人工整理的核心要素信息先验知识，汇总关键核心要素信息种类，基于预设小批量文本标注数据进行中文文本关键信息抽取，得到所述投诉工单分类模型。
[0034]在一个实施例中，还包括：
[0035]基于所述投诉工单预测类别结果，完成对应投诉工单的自动化处理。
[0036]第二方面，本专利技术还提供投诉工单处理装置，包括：
[0037]获取模块，用于获取待预测投诉工单；
[0038]处理模块，用于将所述待预测投诉工单输入至预先训练好的投诉工单分类模型，得到投诉工单预测类别结果；其中所述投诉工单分类模型，是基于自然语言算法处理得到的投诉工单样本集，以及按照历史投诉工单文本数据的类别标签训练得到的。
[0039]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述投诉
工单处理方法的步骤。
[0040]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述投诉工单处理方法的步骤。
[0041]本专利技术提供的投诉工单处理方法、装置、电子设备和存储介质，通过采用基于自然语言处理技术的投诉工单自动化处理，完成对投诉工单的分类、实体提取和语义理解，准确识别工单的核心诉求，进而能够快速、准确地自动化处理工单，大幅提高了海量数据场景下的业务投诉工单的自动化预测效率。
附图说明
[0042]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1是本专利技术提供的投诉工单处理方法的流程示意图；
[0044]图2是本专利技术提供的投诉工单处理装置的结构示意图；
[0045]图3是本专利技术提供的电子设备的结构示意图。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.投诉工单处理方法，其特征在于，包括：获取待预测投诉工单；将所述待预测投诉工单输入至预先训练好的投诉工单分类模型，得到投诉工单预测类别结果；其中所述投诉工单分类模型，是基于自然语言算法处理得到的投诉工单样本集，以及按照历史投诉工单文本数据的类别标签训练得到的。2.根据权利要求1所述的投诉工单处理方法，其特征在于，所述投诉工单分类模型，通过以下步骤获得：获取带有所述类别标签的历史投诉工单文本数据，基于所述历史投诉工单文本数据构建工单文本数据集；建立工单处理业务领域范围专用词表，结合中文常用停用词库，对所述工单文本数据集进行分词和非关键单词进行清洗，得到分词预处理数据集；结合预设范围高频关键单词进行再次无用词清洗，并生成专业领域词向量库；由所述专业领域词向量库中的词向量对所述工单文本数据集中的工单数据进行逐条处理，得到每条工单数据的词向量矩阵；对所述工单文本数据集进行有监督的文本分类算法训练，得到预训练模型；基于核心要素信息对所述预训练模型进行处理，得到所述投诉工单分类模型。3.根据权利要求2所述的投诉工单处理方法，其特征在于，所述建立工单处理业务领域范围专用词表，结合中文常用停用词库，对所述工单文本数据集进行分词和非关键单词进行清洗，得到分词预处理数据集，之前还包括：采用通用词性分词工具，去除所述工单文本数据集中的非核心信息单词。4.根据权利要求2所述的投诉工单处理方法，其特征在于，所述结合预设范围高频关键单词进行再次无用词清洗，并生成专业领域词向量库，还包括：将所述专业领域词向量库中的特征词以one
‑
hot向量进行表示，并对比多个预设词向...

【专利技术属性】
技术研发人员：王娟，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：