招商引资投诉协调智能办理系统及方法与流程

本发明涉及一种招商引资投诉协调智能办理系统及方法。

背景技术：

投诉即在实践中一方对产品质量或服务上的不满意，而向产品或服务提供方提出的书面或口头上的异议、抗议、索赔和要求解决问题等行为。在招商引资过程中，由于主客观原因，投资方在项目合作落地的过程中，经常会遇到各种问题。一般情况下投资方会选择通过投诉协调的方式向有关部门进行申诉。

但在实践中，由于招商引资过程中程序复杂，涉及的人员、部门、流程众多，一方面投诉方不知道投诉问题应涉及哪些部门，应向谁投诉，另一方面被投诉方可能会受理的投诉较多，或投诉受理的部门有偏差，从而导致增加了处理投诉的工作量，对投诉的合理快速处理产生阻碍。

技术实现要素：

有鉴于此，本发明旨在提出一种招商引资投诉协调智能办理方法，以解决上述背景技术中提到的问题。

为达到上述目的，本发明的技术方案是这样实现的：

招商引资投诉协调智能办理方法，具体包括如下步骤

s1：建立招商引资投诉问题库，问题库包括投诉问题、问题类别、解决方案及对应的处理部门；

s2：收库投诉方提出的投诉问题进行文本处理；

s3：通过相似度语义分析的方式，对投诉文本与投诉问题库进行比对，如找到对应问题则系统进行投诉问题初步处理；

s4：如步骤s3中未找到对应问题，则将该问题纳入投诉问题库，并将该问题进行人工问题分发；

s5：如步骤s3中投诉方认为问题并未处理或处理不满意，则系统将该问题自动推送到问题库中对应的处理部门，进行线下处理；

s6：投诉处理过程中进行全过程信息追踪及推送，处理完成后投诉方对问题处理进行反馈。

进一步的，所述步骤s1中，通过线下问题收库的方式，将招商引资实践中处理的投诉进行流程规范解答，对应分类及处理投诉的具体部门。

进一步的，所述步骤s2中，当投诉方提出投诉时，收库投诉问题进行文本处理；如果投诉问题为语音问题，则通过现有技术将语音数据转化为文本数据；对收库的投诉文本进行分词分割，建立投诉分词库。

进一步的，所述步骤s3中，具体包括

s301：用条件随机场算法对问题库下的数据进行词性标注、命名实体识别、分词，得到不同标签数据分词的频次概率，通过高频词汇建立不同问题的专用分词库；

s302：分别将问题分词库和投诉分词库中的文字分词转化为数学形式，即分词向量化，使用word2vec算法，通过该分词的前后n个词来推断该词出现的概率，利用最大似然估计法确定参数；

s303：运用doc2vec相似度算法对问题分词库和投诉分词库的数据进行文本对比，投诉分词库与问题分词库中某个问题相似度百分比达到预设的比例时，即判定该投诉与该问题对应，之后将问题库中对应的处理措施和所属部门推送给投诉，即初步处理。

进一步的，所述步骤s6中，投诉处理完成后，投诉方通过系统对投诉处理情况做出评级，包括满意、基本满意、一般、不满意等，以实现对投诉完成情况的反馈。

本发明的另一方面，还提供了招商引资投诉协调智能办理系统，采用四层架构模式：

用户层

包括投诉用户、处理用户、领导用户和用户管理员，处理用户即为处理投诉的各部门，领导用户可全过程查看投诉处理情况；

数据层

包括问题库和投诉库；

功能层

完成投诉库与问题库进行相似度对比的过程，从而判定投诉属于具体哪个问题；

应用层

投诉提出、投诉处理、投诉查看、投诉反馈、投诉统计、投诉分发和投诉提醒，涵盖了投诉的全部流程。

相对于现有技术，本发明所述的招商引资投诉协调智能办理系统及方法具有以下优势：

本发明通过预设招商引资过程中投诉问题库及处理方式，通过相似度语义分析的方式，对投诉方的投诉进行类别划分、内容判定及初步投诉处理；投诉处理过程中进行全过程信息追踪及推送，处理完成后投诉方对问题处理进行反馈；本发明通过系统筛选，不仅有效的降低了人工处理招商引资投诉的工作量，同时有利于投诉问题的分文别类，从而提高投诉解决效率。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的招商引资投诉协调智能办理方法的示意图；

图2为本发明实施例所述的招商引资投诉协调智能办理系统的软件架构示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，本发明提供一种招商引资投诉协调智能办理方法，具体实施过程如下

1.首先应建立投诉问题库，主要通过线下问题收库的方式，将招商引资实践中处理的投诉进行流程规范解答，对应分类及处理投诉的具体部门。如：

2.当投诉方提出投诉时，收库投诉问题进行文本处理。如果投诉问题为语音问题，则通过现有技术将语音数据转化为文本数据。

对收库的投诉文本进行分词分割，建立投诉分词库。

3.针对步骤1的问题库，用条件随机场算法对问题库下的数据进行词性标注、命名实体识别、分词，得到不同标签数据分词的频次概率，通过高频词汇建立不同问题的专用分词库；

分别将问题分词库和投诉分词库中的文字分词转化为数学形式，即分词向量化，使用word2vec算法，通过该分词的前后n个词来推断该词出现的概率，利用最大似然估计法确定参数。

运用doc2vec相似度算法对问题分词库和投诉分词库的数据进行文本对比，投诉分词库与问题分词库中某个问题相似度百分比达到预设的比例时，即判定该投诉与该问题对应。之后将问题库中对应的处理措施和所属部门推送给投诉，即初步处理

4.如步骤3中匹配过程中未达到预期比例，则判定未找到对应问题。此时将投诉库与分词库合并，补充问题库，重复步骤1的过程。

5.如步骤3中的初步处理，投诉方认为仍不满意或问题仍未解决，则系统将该投诉自动分发到问题所对应的相应部门，进行线下人工处理。

6.投诉处理完成后，投诉方通过系统对投诉处理情况做出评级，包括满意、基本满意、一般、不满意等，以实现对投诉完成情况的反馈。

如图2所示，招商引资投诉协调智能办理系统架构由四层构成，

用户层包括投诉用户、处理用户、领导用户和用户管理员，处理用户即为处理投诉的各部门，领导用户可全过程查看投诉处理情况。

数据层主要包括问题库和投诉库。

功能层完成投诉库与问题库进行相似度对比的过程，从而判定投诉属于具体哪个问题。

应用层包括：投诉提出、投诉处理、投诉查看、投诉反馈、投诉统计、投诉分发和投诉提醒，涵盖了投诉的全部流程。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。