本发明专利技术公开了一种投诉工单的处理方法及其装置、电子设备及存储介质，涉及人工智能领域，其中，该处理方法包括：接收目标客户终端发起的目标投诉工单，将文本信息输入至预设工单种类识别模型，输出目标投诉工单的目标工单种类，获取与机构信息携带的机构层级相对应的目标映射矩阵，基于目标映射矩阵，匹配与目标工单种类相关的目标处理终端，得到匹配结果，在匹配结果指示匹配到与目标工单种类相关的目标处理终端的情况下，将目标投诉工单发送至目标处理终端。本发明专利技术解决了相关技术中无法为客户投诉工单快速匹配到对应的处理人员，导致投诉工单的处理效率较低的技术问题。诉工单的处理效率较低的技术问题。诉工单的处理效率较低的技术问题。
【技术实现步骤摘要】
投诉工单的处理方法及其装置、电子设备及存储介质
[0001]本专利技术涉及人工智能领域，具体而言，涉及一种投诉工单的处理方法及其装置、电子设备及存储介质。
技术介绍
[0002]为了提高金融机构的服务水平、提升客户满意度，需要金融机构能够高效地处理客户投诉、解决客户诉求，提高投诉工单处理质量和效率。对于大型金融机构，业务量和客户量巨大，每日受理的客户投诉及问题咨询量多达上千笔。如何快速定位问题、找出客户投诉单处理人员和提升投诉单响应效率是金融机构当前最迫切的需求。
[0003]当前，客户投诉单的处理，大部分需要多个业务部门、技术人员等协同处理，由投诉工单管理部门根据投诉工单内容进行人工初审，再分派至下一层级工单管理部门或是相关业务部门处理。工单处理分派流程中需要对客户投诉工单进行人工分析和定位问题，在通过层层流转分派，最后才到工单目标处理人员手上处理，该工单流转流程过程繁琐，处理效率低，而且人工分析的方式效率低下，人力成本高，同时也会给客户带来不好的体验。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种投诉工单的处理方法及其装置、电子设备及存储介质，以至少解决相关技术中无法为客户投诉工单快速匹配到对应的处理人员，导致投诉工单的处理效率较低的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种投诉工单的处理方法，包括：接收目标客户终端发起的目标投诉工单，其中，所述目标投诉工单至少包括：文本信息、机构信息；将所述文本信息输入至预设工单种类识别模型，输出所述目标投诉工单的目标工单种类；获取与所述机构信息携带的机构层级相对应的目标映射矩阵，其中，所述目标映射矩阵用于表示处理终端与工单种类的相关性；基于所述目标映射矩阵，匹配与所述目标工单种类相关的目标处理终端，得到匹配结果；在所述匹配结果指示匹配到与所述目标工单种类相关的所述目标处理终端的情况下，将所述目标投诉工单发送至所述目标处理终端，其中，所述目标处理终端处理所述目标投诉工单。
[0007]可选地，在接收目标客户终端发起的目标投诉工单之前，还包括：确定工单种类集合；获取第一历史时间段内的历史投诉工单集合，并基于所述历史投诉工单集合中每个历史投诉工单的工单内容，从所述工单种类集合中确定所述历史投诉工单对应的工单种类；获取处理终端集合，其中，所述处理终端集合包括：N个处理终端，N为大于等于1的正整数，每个所述处理终端对应有机构层级以及处理种类；基于所有所述处理终端的所述机构层级以及所述处理种类、所有所述工单种类，构建与所述机构层级相对应的映射矩阵。
[0008]可选地，在接收目标客户终端发起的目标投诉工单之前，还包括：构建初始工单种类识别模型，其中，所述初始工单种类识别模型的模型结构包括：预处理模块、特征提取模
块、种类识别模块，所述预处理模块用于对输入至所述初始工单种类识别模型的投诉工单的文本信息进行向量化处理，得到所述文本信息中每个子句的子句表示；所述特征提取模块用于对所述子句表示进行处理，得到所述文本信息的文本向量表示；所述种类识别模块用于对所述文本向量表示进行处理，得到所述投诉工单的预测工单种类；采用训练数据训练所述初始工单种类识别模型，直到通过目标损失函数得到的损失值在计算预设次数后都为相同数值，得到训练完成的所述预设工单种类识别模型，其中，所述训练数据是第二历史时间段内的历史投诉工单集合，所述历史投诉工单集合中每个历史投诉工单对应有真实工单种类。
[0009]可选地，在采用训练数据训练所述初始工单种类识别模型之前，还包括：基于所述预测工单种类以及所述真实工单种类，构建初始损失函数；基于所述初始损失函数、预设范数、与所述初始损失函数对应的第一权重以及与所述预设范数对应的第二权重，构建所述目标损失函数。
[0010]可选地，将所述文本信息输入至预设工单种类识别模型，输出所述目标投诉工单的目标工单种类的步骤，包括：对所述文本信息进行向量化处理，得到所述文本信息中每个子句的子句表示；对所有所述子句表示进行特征提取，得到所述文本信息的文本向量表示；基于第一参数以及第二参数，采用预设归一化函数对所述文本向量表示进行识别，得到所述目标投诉工单的所述目标工单种类。
[0011]可选地，所述文本信息包括：M个子句，所述子句包括：K个词语，M和K都为大于等于1的正整数，对所述文本信息进行向量化处理，得到所述文本信息中每个子句的子句表示的步骤，包括：基于所述文本信息包含的所有所述词语，生成预设词向量文件；将所述预设词向量文件映射为词向量矩阵；将每个所述词语映射到所述词向量矩阵中，得到与所述词语对应的词语向量表示；基于每个所述子句所包括的所有所述词语的所述词语向量表示，生成与所述子句对应的所述子句表示。
[0012]可选地，对所有所述子句表示进行特征提取，得到所述文本信息的文本向量表示的步骤，包括：采用预设记忆网络对所述子句表示进行处理，得到所述子句表示中每个词语向量表示的预设语义表示；确定每个所述预设语义表示的预设权重；基于所有所述预设权重，得到所述子句的子句向量表示；基于所有所述子句向量表示，生成所述文本向量表示。
[0013]可选地，在基于所述目标映射矩阵，匹配与所述目标工单种类相关的目标处理终端，得到匹配结果之后，还包括：在所述匹配结果指示未匹配到与所述目标工单种类相关的所述目标处理终端的情况下，确定与所述目标投诉工单对应的所述机构层级的上一机构层级；获取与所述上一机构层级相对应的映射矩阵；基于所述映射矩阵，确定与所述目标工单种类相关的处理终端。
[0014]根据本专利技术实施例的另一方面，还提供了一种投诉工单的处理装置，包括：接收单元，用于接收目标客户终端发起的目标投诉工单，其中，所述目标投诉工单至少包括：文本信息、机构信息；输入单元，用于将所述文本信息输入至预设工单种类识别模型，输出所述目标投诉工单的目标工单种类；获取单元，用于获取与所述机构信息携带的机构层级相对应的目标映射矩阵，其中，所述目标映射矩阵用于表示处理终端与工单种类的相关性；匹配单元，用于基于所述目标映射矩阵，匹配与所述目标工单种类相关的目标处理终端，得到匹配结果；发送单元，用于在所述匹配结果指示匹配到与所述目标工单种类相关的所述目标
处理终端的情况下，将所述目标投诉工单发送至所述目标处理终端，其中，所述目标处理终端处理所述目标投诉工单。
[0015]可选地，所述处理装置还包括：第一确定模块，用于在接收目标客户终端发起的目标投诉工单之前，确定工单种类集合；第二确定模块，用于获取第一历史时间段内的历史投诉工单集合，并基于所述历史投诉工单集合中每个历史投诉工单的工单内容，从所述工单种类集合中确定所述历史投诉工单对应的工单种类；第一获取模块，用于获取处理终端集合，其中，所述处理终端集合包括：N个处理终端，N为大于等于1的正整数，每个所述处理终端对应有机构层级以及处理种类；第一构建模块，用于基于所有所述处理终端的所述机构层级以及所述处理种类、所有所述工单种类，构建与本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种投诉工单的处理方法，其特征在于，包括：接收目标客户终端发起的目标投诉工单，其中，所述目标投诉工单至少包括：文本信息、机构信息；将所述文本信息输入至预设工单种类识别模型，输出所述目标投诉工单的目标工单种类；获取与所述机构信息携带的机构层级相对应的目标映射矩阵，其中，所述目标映射矩阵用于表示处理终端与工单种类的相关性；基于所述目标映射矩阵，匹配与所述目标工单种类相关的目标处理终端，得到匹配结果；在所述匹配结果指示匹配到与所述目标工单种类相关的所述目标处理终端的情况下，将所述目标投诉工单发送至所述目标处理终端，其中，所述目标处理终端处理所述目标投诉工单。2.根据权利要求1所述的处理方法，其特征在于，在接收目标客户终端发起的目标投诉工单之前，还包括：确定工单种类集合；获取第一历史时间段内的历史投诉工单集合，并基于所述历史投诉工单集合中每个历史投诉工单的工单内容，从所述工单种类集合中确定所述历史投诉工单对应的工单种类；获取处理终端集合，其中，所述处理终端集合包括：N个处理终端，N为大于等于1的正整数，每个所述处理终端对应有机构层级以及处理种类；基于所有所述处理终端的所述机构层级以及所述处理种类、所有所述工单种类，构建与所述机构层级相对应的映射矩阵。3.根据权利要求1所述的处理方法，其特征在于，在接收目标客户终端发起的目标投诉工单之前，还包括：构建初始工单种类识别模型，其中，所述初始工单种类识别模型的模型结构包括：预处理模块、特征提取模块、种类识别模块，所述预处理模块用于对输入至所述初始工单种类识别模型的投诉工单的文本信息进行向量化处理，得到所述文本信息中每个子句的子句表示；所述特征提取模块用于对所述子句表示进行处理，得到所述文本信息的文本向量表示；所述种类识别模块用于对所述文本向量表示进行处理，得到所述投诉工单的预测工单种类；采用训练数据训练所述初始工单种类识别模型，直到通过目标损失函数得到的损失值在计算预设次数后都为相同数值，得到训练完成的所述预设工单种类识别模型，其中，所述训练数据是第二历史时间段内的历史投诉工单集合，所述历史投诉工单集合中每个历史投诉工单对应有真实工单种类。4.根据权利要求3所述的处理方法，其特征在于，在采用训练数据训练所述初始工单种类识别模型之前，还包括：基于所述预测工单种类以及所述真实工单种类，构建初始损失函数；基于所述初始损失函数、预设范数、与所述初始损失函数对应的第一权重以及与所述预设范数对应的第二权重，构建所述目标损失函数。5.根据权利要求1所述的处理方法，其特征在于，将所述文本信息输入至预设工单种类
识别模型，输出所述目标投诉工单的目标工单种类的步骤，包括：对所述文本信息进行向量化处理，得到所述文本信息中每个子句的子句表示；对所有所述子句表示进行特征提取，得到所述文本信息的文本向量表示；基于...
【专利技术属性】
技术研发人员：李泽南，林隽轩，陈军，许海光，王炜，
申请(专利权)人：中国工商银行股份有限公司，
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。