【技术实现步骤摘要】
本专利技术涉及网约车，具体涉及一种网约车行业重大客诉识别方法、装置及存储介质。
技术介绍
1、在网约车行业中，公司每天会接收到大量的客户投诉，这些投诉来自于不同的第三方渠道，如高德、百度、腾讯、滴滴、花小猪等打车平台，以及公司自有的打车app、客服电话进线等渠道，这些投诉的内容结构和严重程度各不相同。
2、传统上，客诉处理系统通常包括基本的文本接收和人工分类机制，这些系统可能具备简单的关键词搜索功能，用以辅助人工在海量文本中识别相关投诉；然而，这种方法在处理效率和准确性上都存在明显不足，首先，人工处理大量投诉耗时且易出错；其次，关键词搜索无法准确把握投诉的具体情境和严重性，容易忽略或误判重要信息；此外，由于客诉的描述文本来自于不同的渠道，数据格式和结构各不相同，进一步增加了重大风险客诉识别的困难。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种网约车行业重大客诉识别方法、装置及存储介质，以解决现有技术中，通过人工识别重大风险客诉耗时且易出错，以及客诉的描述文本来自于不同的渠道，数据格式和结构各不相同，进一步增加了重大风险客诉识别的困难的问题。
2、根据本专利技术实施例的第一方面，提供一种网约车行业重大客诉识别方法，所述方法包括：
3、获取各渠道的客诉工单；
4、对所述各渠道的客诉工单进行关键词过滤，去除关联类以及追加类客诉工单；
5、依次判断过滤后的客诉工单是否为结构清晰的工单，若是结构清晰的工单，则通过预设的正
6、若不是结构清晰的工单，则依次判断客诉工单是否为预设的不同类型的工单，若满足任意一种工单类型，则通过预设的正则表达式提取用户反馈问题以及其他关键字段，得到结构化工单数据；
7、若客诉工单既不是结构清晰的工单，也不满足预设的不同类型的工单，则提取客诉工单中所有的描述文本，得到结构化工单数据；
8、依次通过结构化工单数据中预设的风险标签相关字段、预设的风险关键词以及预训练好的重大客诉语义标签分类模型判断各个结构化工单数据是否为重大客诉工单。
9、优选地，
10、所述对所述各渠道的客诉工单进行关键词过滤，去除关联类以及追加类客诉工单包括：
11、判断各个客诉工单中是否包含预设的关联工单关键词，若包含，则将该客诉工单过滤掉；判断各个客诉工单是否以预设的追加描述关键词开头，若是，则将该客诉工单过滤掉。
12、优选地，
13、所述依次判断客诉工单是否为预设的不同类型的工单，若满足任意一种工单类型，则通过预设的正则表达式提取用户反馈问题以及其他关键字段，得到结构化工单数据包括：
14、判断客诉工单是否含有web标签，若含有web标签，则通过预设的正则表达式提取用户问题描述、用户诉求以及客服解决方案；
15、若不含有web标签，则判断客诉工单是否含有服务商订单号，若含有服务商订单号，则通过预设的正则表达式提取订单号后用户问题描述以及其他关键字段；
16、若不含有服务商订单号，则判断客诉工单是否为用户问题加解决方案数据结构，若是，则通过预设的正则表达式提取用户问题描述、用户诉求以及客服解决方案；
17、若不是，则判断客诉工单是否为仅解决方案无用户问题结构数据，若是，则通过预设的正则表达式提取客服解决方案；
18、若不是，则判断客诉工单是否为仅诉求无用户问题结构数据，若是，则通过预设的正则表达式提取用户诉求；
19、若不是，则判断客诉工单是否为问题描述加诉求结构数据，若是，则通过预设的正则表达式提取用户问题描述以及用户诉求。
20、优选地，
21、所述依次通过结构化工单数据中预设的风险标签相关字段、预设的风险关键词以及预训练好的重大客诉语义标签分类模型判断各个结构化工单数据是否为重大客诉工单包括：
22、判断所述结构化工单数据中预设的风险标签相关字段中，是否存在任一值为非否定语义，若存在，则将该客诉工单作为重大客诉工单；若不存在，则判断结构化工单数据中是否含有预设的风险关键词，若存在，则将该客诉工单作为重大客诉工单；若不存在，则将所述结构化工单数据输入到预训练好的重大客诉语义标签分类模型中，所述预训练好的重大客诉语义标签分类模型输出所述结构化工单数据的一个或多个语义标签，判断一个或多个语义标签是否满足预设的重大客诉语义标签组合，若满足，则将该客诉工单作为重大客诉工单。
23、优选地，
24、所述预训练好的重大客诉语义标签分类模型的训练包括：
25、获取各渠道的客诉工单，对获取的客诉工单进行过滤筛选以及数据结构化，得到结构化工单数据；
26、提取所述结构化工单数据中的用户问题描述文本；
27、设置各个风险标签对应的一个或多个关键词，通过各个风险标签对应的一个或多个关键词对用户问题描述文本进行匹配；
28、通过各个风险标签对应的一个或多个关键词对用户问题描述文本标注风险标签，所述客诉工单包括一个或多个风险标签；
29、将含有一个或多个风险标签的用户问题描述文本作为训练集数据对预搭建好的语义分类模型架构进行训练，得到预训练好的重大客诉语义标签分类模型。
30、优选地，
31、所述判断过滤后的客诉工单是否为结构清晰的工单包括：
32、判断客诉工单描述文本中是否包含预设的中文中括号，若包含，则该客诉工单为结构清晰的工单。
33、根据本专利技术实施例的第二方面，提供一种网约车行业重大客诉识别装置，所述装置包括：
34、工单获取模块：用于获取各渠道的客诉工单；
35、清洗模块：用于对所述各渠道的客诉工单进行关键词过滤，去除关联类以及追加类客诉工单；
36、清晰工单数据化模块：用于依次判断过滤后的客诉工单是否为结构清晰的工单，若是结构清晰的工单，则通过预设的正则表达式提取结构清晰的工单的用户反馈问题以及其他关键字段，得到结构化工单数据；
37、类型工单数据化模块：用于若不是结构清晰的工单，则依次判断客诉工单是否为预设的不同类型的工单，若满足任意一种工单类型，则通过预设的正则表达式提取用户反馈问题以及其他关键字段，得到结构化工单数据；
38、无结构工单数据化模块：用于若客诉工单既不是结构清晰的工单，也不满足预设的不同类型的工单，则提取客诉工单中所有的描述文本，得到结构化工单数据；
39、重大客诉识别模块：用于依次通过结构化工单数据中预设的风险标签相关字段、预设的风险关键词以及预训练好的重大客诉语义标签分类模型判断各个结构化工单数据是否为重大客诉工单。
40、根据本专利技术实施例的第三方面，提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现上述方法中的各个步骤。...
【技术保护点】
1.一种网约车行业重大客诉识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.一种网约车行业重大客诉识别装置，其特征在于，所述装置包括：
8.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现如权利要求1-6任一项所述的一种网约车行业重大客诉识别方法中的各个步骤。
【技术特征摘要】
1.一种网约车行业重大客诉识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
...
【专利技术属性】
技术研发人员：席丽娜，田鹏飞，张征宇，孙洪静，
申请(专利权)人：北京云行在线软件开发有限责任公司，
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。