投诉的处理方法、装置、设备以及存储介质与流程

本发明实施例涉及汽车领域，尤其涉及一种投诉的处理方法、装置、设备以及存储介质。

背景技术：

随着时代的发展，互联网和智能设备已经融入我们生活的方方面面，用户对于产品的投诉覆盖范围越来越大，投诉的渠道也越来越多。而随着智能机车功能的投入使用，针对该功能的客户投诉也会大量涌现，并且用户通过智能机车终端进行投诉也更加方便。

现有技术中，对客户的投诉进行分类主要依赖于人工处理，或者简单的朴素贝叶斯分类居多。

然而，现有技术的方案分类效率低，且分类的准确性也不高，对于客户投诉不能及时有效的定位和解决。

技术实现要素：

本发明实施例提供一种投诉的处理方法、装置、设备以及存储介质，相较于现有技术中对于客户投诉不能准确分类，以及分类效率低的问题，本方案实现了对客户投诉的准确分类，进而能够及时有效的解决投诉问题。

第一方面，本发明实施例提供一种投诉的处理方法，包括：

获取用户上报的第一投诉文本；

将所述第一投诉文本输入预先获取的投诉文本分类模型，获取所述第一投诉文本的第一投诉类别；

根据所述第一投诉类别以及答复语料库，向所述用户推送对所述第一投诉文本的答复内容。

其中，所述投诉文本分类模型为基于循环神经网络训练的获取投诉文本的类别的模型，所述答复语料库中包括每个投诉类别对应的答复内容。

在一种具体的实现方式中，所述获取用户上报的第一投诉文本之前，所述方法还包括：

采集投诉样本集合，所述投诉样本集合中包括多个投诉文本样本，以及每个投诉文本样本对应的的投诉类别；

根据所述投诉样本集合，采用循环神经网络训练得到所述投诉文本分类模型。

进一步地，所述方法还包括：

根据预先获取的测试集对所述投诉文本分类模型进行可行性验证；其中，所述测试集中包括多个投诉文本和标定的每个投诉文本的投诉类别；

若所述投诉文本分类模型对所述多个投诉文本的分类结果的准确度高于预设值，则确定所述投诉文本分类模型可行。

在一种具体的实现方式中，所述将所述第一投诉文本输入预先获取的投诉文本分类模型，获取所述第一投诉文本的第一投诉类别，包括：

将所述第一投诉文本输入所述投诉文本分类模型，得到第一指示信息；所述第一指示信息指示对无法对所述第一投诉文本进行分类；

建立新的投诉类别，将所述第一投诉文本加入所述新的投诉类别，所述第一投诉类别为所述新的投诉类别。

在一种具体的实现方式中，所述方法还包括：

针对所述新的投诉类别，对所述投诉文本分类模型进行更新。

第二方面，本发明实施例提供一种投诉的处理装置，包括：

获取模块，用于获取用户上报的第一投诉文本；

分类处理模块，用于将所述第一投诉文本输入预先获取的投诉文本分类模型，获取所述第一投诉文本的第一投诉类别；

答复处理模块，用于根据所述第一投诉类别以及答复语料库，向所述用户推送对所述第一投诉文本的答复内容。

其中，所述投诉文本分类模型为基于循环神经网络训练的获取投诉文本的类别的模型，所述答复语料库中包括每个投诉类别对应的答复内容。

在一种具体的实现方式中，所述装置还包括：

采集模块，用于采集投诉样本集合，所述投诉样本集合中包括多个投诉文本样本，以及每个投诉文本样本对应的的投诉类别；

训练处理模块，用于根据所述投诉样本集合，采用循环神经网络训练得到所述投诉文本分类模型。

进一步地，所述装置还包括：

验证处理模块，用于根据预先获取的测试集对所述投诉文本分类模型进行可行性验证；其中，所述测试集中包括多个投诉文本和标定的每个投诉文本的投诉类别；

判断模块，用于若所述投诉文本分类模型对所述多个投诉文本的分类结果的准确度高于预设值，则确定所述投诉文本分类模型可行。

在一种具体的实现方式中，所述分类处理模块具体用于将所述第一投诉文本输入所述投诉文本分类模型，得到第一指示信息；所述第一指示信息指示对无法对所述第一投诉文本进行分类；

建立新的投诉类别，将所述第一投诉文本加入所述新的投诉类别，所述第一投诉类别为所述新的投诉类别。

在一种具体的实现方式中，所述装置还包括：

更新模块，用于针对所述新的投诉类别，对所述投诉文本分类模型进行更新。

第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器以及计算机程序；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的投诉的处理方法。

第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的投诉的处理方法。

本发明实施例提供的一种投诉的处理方法、装置、设备以及存储介质，通过获取用户上报的第一投诉文本，并将第一投诉文本输入预先获取的投诉文本分类模型，获取第一投诉文本的第一投诉类别，再根据第一投诉类别以及答复语料库，向用户推送对第一投诉文本的答复内容，实现了对用户投诉内容的快速分类，并且能够及时有效的对投诉内容进行定位和解决。

附图说明

为了更清楚地说明本发明实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种投诉的处理方法实施例一的流程示意图；

图2为本实施例提供的一种投诉文本分类模型示意图；

图3为本发明实施例提供的一种投诉的处理方法实施例二的流程示意图；

图4为本发明实施例提供的一种投诉的处理方法实施例三的流程示意图；

图5为本发明实施例提供的一种投诉的处理方法实施例四的流程示意图；

图6为本发明实施例提供的一种投诉的处理方法实施例五的流程示意图；

图7为本发明实施例提供的一种投诉的处理装置实施例一的结构示意图；

图8为本发明实施例提供的一种投诉的处理装置实施例二的结构示意图；

图9为本发明实施例提供的一种投诉的处理装置实施例三的结构示意图；

图10为本发明实施例提供的一种电子设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

现有技术中，对客户的投诉进行分类主要依赖于人工处理，或者简单的朴素贝叶斯分类居多。从而导致方案分类效率低，且分类的准确性也不高，对于客户投诉不能及时有效的定位和解决。

针对上述存在的问题，本发明提出一种投诉的处理方法、装置、设备以及存储介质。通过投诉文本分类模型对用户的投诉文本进行分类，并根据答复语料库自动匹配生成答复内容，提高了分类的准确性，从而更及时有效的定位和解决用户的投诉问题。下面通过几个具体实施例对该方案进行详细说明。

图1为本发明实施例提供的一种投诉的处理方法实施例一的流程示意图，如图1所示，该投诉的处理方法，包括：

s101：获取用户上报的第一投诉文本。

在本步骤中，首先获取用户上报的第一投诉文本，该投诉文本用于是对用户传递的投诉信息进行分类的基础，其中包括了用户输入的投诉信息，例如文字，语音等。

可选的，可以接收用户通过语音上报的投诉信息，通过语音识别将投诉信息转化为第一投诉文本；或者，直接接收用户文字输入的第一投诉文本；或者，根据用户通过电话、微信、邮件、或者是客户端中评论，或者投诉接口等方式传递的投诉信息通过客服人员记录生成第一投诉文本。

s102：将第一投诉文本输入预先获取的投诉文本分类模型，获取第一投诉文本的第一投诉类别。

在本步骤中，将获取的第一投诉文本输入投诉文本分类模型中，投诉文本分类模型将输出该第一投诉文本对应的第一投诉类别。该投诉文本分类模型为预先获取的基于循环神经网络训练的用于获取投诉文本的类别的模型。

在一种具体的实现方式中，投诉文本分类模型如图2所示，图2为本实施例提供的一种投诉文本分类模型示意图，该模型实现对投诉文本的分类包括以下几个步骤：

step1：读取第一投诉文本的数据。

step2：对输入到模型中的句子进行数值化处理，将句子中的每个词表示成一个数值型的词向量。

step3：每个词经过数值化之后，数值x0～xn进入长短期记忆网络(longshort-termmemory，lstm)层，经过一个时间序列得到的n个隐藏lstm神经单元的向量h0～hn，这些向量经过meanpooling层，对邻域内特征点求平均之后，可以得到一个向量h，然后紧接着是一个分布概率函数softmax层，得到一个类别分布概率向量，取概率值最大的类别作为最终预测的投诉文本的分类结果，即第一投诉类别。

s103：根据第一投诉类别以及答复语料库，向用户推送对第一投诉文本的答复内容。

在本步骤中，根据第一投诉类别在答复语料库中查找对应的答复内容，并将该第一投诉文本对应的的答复内容推送给该用户，以使用户的问题及时得到解决，若该第一投诉文本无法得到分类或者无法匹配答复内容，则向用户推送的答复中应包含说明性提示信息以及解决时间等信息，例如，提示用户“您的意见我们正在为您处理，请您耐心等待，最迟将于xx月xx日与您联系”。

或者，根据第一投诉类别在答复语料库中查找多个相关的答复内容，并生成答复选项，将答复选项列表推向给该用户，让用户根据答复选项列表选择最接近的答复选项，并根据用户选择的答复选项，向该用户提供对应的答复内容。

其中，所述答复语料库中包括每个投诉类别对应的答复内容，可选的，答复语料库包括用户使用手册，或者常见问题答复表，或者维修保养手册等能够为客户使用提供帮助的任何资料，本方案对此不做要求。

本实施例提供的一种投诉的处理方法，通过获取用户上报的第一投诉文本，并将第一投诉文本输入预先获取的投诉文本分类模型，获取第一投诉文本的第一投诉类别，再根据第一投诉类别以及答复语料库，向用户推送对第一投诉文本的答复内容，实现了对用户投诉内容的快速分类，并且能够及时有效的对投诉内容进行定位和解决。

图3为本发明实施例提供的一种投诉的处理方法实施例二的流程示意图，如图3所示，在图1所示实施例的基础上，在s101步骤之前，该投诉的处理方法还包括：

s201：采集投诉样本集合，投诉样本集合中包括多个投诉文本样本，以及每个投诉文本样本对应的的投诉类别。

在本步骤中，采集多个投诉文本的样本，该投诉文本的样本为已标注了正确投诉类别的投诉文本，这些投诉文本的样本组成了投诉样本集合。

s202：根据投诉样本集合，采用循环神经网络训练得到投诉文本分类模型。

在本步骤中，对循环神经网络进行初始化后，将投诉样本集合中的多个投诉文本的样本分别投入循环神经网络，获取每个投诉文本的样本的投诉类别，经过多次重复训练得到投诉文本分类模型。进一步地，将获取的投诉类别与预先标注的投诉类别进行对比，获取该投诉文本分类模型的准确度，并不断训练以使其准确度达到预设的标准。

可选的，投诉文本分类模型的准确度包括召回率和精度。其中，召回率为正确获取类别的样本数占测试集中该类别所有样本数的比例，其代表了正确判断正例的比重；精度为正确获取类别的样本数占集合中所有样本数的比例，其代表了正确判断的比重。其中，测试集为用于验证投诉文本分类模型准确度的测试样本的集合。

可选的，可以采用python3.0完成模型的快速训练和快速迭代。

图4为本发明实施例提供的一种投诉的处理方法实施例三的流程示意图，如图4所示，在图1和图3所示实施例的基础上，该投诉的处理方法还包括对投诉文本分类模型的验证方法，包括以下具体步骤：

s301：根据预先获取的测试集对投诉文本分类模型进行可行性验证。

在本步骤中，预先采集多个投诉文本的样本，该投诉文本的样本为已标注了正确投诉类别的投诉文本，这些投诉文本的样本组成了投诉样本的测试集。将测试集中的多个投诉文本的样本投入投诉文本分类模型，获取每个投诉文本的样本的投诉类别，将获取的投诉类别与标定的投诉类别对比，得到该投诉文本分类模型的准确度，通过准确度确定该投诉文本分类模型是否具备可行性。

具体的，投诉文本分类模型的准确度包括召回率和精度。

s302：若投诉文本分类模型对多个投诉文本的分类结果的准确度高于预设值，则确定投诉文本分类模型可行。

在本步骤中，若通过投诉文本分类模型得到的投诉类别与标定的投诉类别对比后，其准确度高于预设的准确度，则可确定该投诉文本分类模型可行。

其中，召回率为正确获取类别的样本数占测试集中该类别所有样本数的比例，其代表了正确判断正例的比重；精度为正确获取类别的样本数占集合中所有样本数的比例，其代表了正确判断的比重。其中，测试集为用于验证投诉文本分类模型准确度的测试样本的集合。通过对召回率和精度进行加权平均后得到准确度。

在一种具体的实现方式中，准确度的预设置为80％，即准确度高于80％时，认为该投诉文本分类模型可行。

图5为本发明实施例提供的一种投诉的处理方法实施例四的流程示意图，如图5所示，在上述实施例的基础上，该投诉的处理方法还包括：

s401：将第一投诉文本输入投诉文本分类模型，得到第一指示信息。

将获取到的用户的第一投诉文本输入投诉文本分类模型后，若该第一投诉文本不属于投诉文本分类模型中的任何一种类别，则无法获取该第一投诉文本对应的投诉类别，将得到第一指示信息，指示无法对第一投诉文本进行分类。

s402：建立新的投诉类别，将第一投诉文本加入新的投诉类别，第一投诉类别为新的投诉类别。

若投诉文本分类模型中不存在与第一投诉文本对应的投诉类别，则在投诉文本分类模型中根据第一投诉文本中包含的问题或者语义建立新的投诉类别，并将第一投诉文本加入该新的投诉类别，相应的，第一投诉类别即为该新的投诉类别。

图6为本发明实施例提供的一种投诉的处理方法实施例五的流程示意图，如图6所示，在图5所示实施例的基础上，该投诉的处理方法还包括：

s403：针对新的投诉类别，对投诉文本分类模型进行更新。

在本步骤中，可通过投诉样本集合，针对投诉文本分类模型的新的投诉类别进行训练，并反复训练提高投诉文本分类模型的准确度；可通过预先获取的测试集，针对投诉文本分类模型的新的投诉类别进行可行性验证。以上训练及验证过程与前述的训练及验证方法类似，此处不再赘述。

图7为本发明实施例提供的一种投诉的处理装置实施例一的结构示意图，如图7所示，该投诉的处理装置10包括：

获取模块101：用于获取用户上报的第一投诉文本；

分类处理模块102：用于将所述第一投诉文本输入预先获取的投诉文本分类模型，获取所述第一投诉文本的第一投诉类别；

答复处理模块103：用于根据所述第一投诉类别以及答复语料库，向所述用户推送对所述第一投诉文本的答复内容。

其中，所述投诉文本分类模型为基于循环神经网络训练的获取投诉文本的类别的模型，所述答复语料库中包括每个投诉类别对应的答复内容。

本实施例提供的投诉的处理装置，包括获取模块、分类处理模块以及答复处理模块，其中获取模块用于获取用户上报的第一投诉文本；分类处理模块用于将所述第一投诉文本输入预先获取的投诉文本分类模型，获取所述第一投诉文本的第一投诉类别；答复处理模块用于根据所述第一投诉类别以及答复语料库，向所述用户推送对所述第一投诉文本的答复内容，实现了对用户投诉内容的快速分类，并且能够及时有效的对投诉内容进行定位和解决。

在一种具体的实现方式中，分类处理模块102具体用于将所述第一投诉文本输入所述投诉文本分类模型，得到第一指示信息；所述第一指示信息指示对无法对所述第一投诉文本进行分类；建立新的投诉类别，将所述第一投诉文本加入所述新的投诉类别，所述第一投诉类别为所述新的投诉类别。

在上述实施例的基础上，图8为本发明实施例提供的一种投诉的处理装置实施例二的结构示意图，如图8所示，该投诉的处理装置10还包括：

验证处理模块104：用于根据预先获取的测试集对所述投诉文本分类模型进行可行性验证；其中，所述测试集中包括多个投诉文本和标定的每个投诉文本的投诉类别；

判断模块105：用于若所述投诉文本分类模型对所述多个投诉文本的分类结果的准确度高于预设值，则确定所述投诉文本分类模型可行。

在上述实施例的基础上，图9为本发明实施例提供的一种投诉的处理装置实施例三的结构示意图，如图9所示，该投诉的处理装置10还包括：

更新模块106，用于针对所述新的投诉类别，对所述投诉文本分类模型进行更新。

本实施例提供的投诉的处理装置可用于执行上述任一方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

图10为本发明实施例提供的一种电子设备的硬件结构示意图。如图10所示，该电子设备20包括：处理器201以及存储器202；其中

存储器202，用于存储计算机执行指令；

处理器201，用于执行存储器存储的计算机执行指令，以实现上述实施例中终端设备所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。

可选地，存储器202既可以是独立的，也可以跟处理器201集成在一起。

当存储器202独立设置时，该终端设备还包括总线203，用于连接所述存储器202和处理器201。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的投诉的处理方法。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请各个实施例所述方法的部分步骤。

应理解，上述处理器可以是中央处理单元(英文：centralprocessingunit，简称：cpu)，还可以是其他通用处理器、数字信号处理器(英文：digitalsignalprocessor，简称：dsp)、专用集成电路(英文：applicationspecificintegratedcircuit，简称：asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器，还可以为u盘、移动硬盘、只读存储器、磁盘或光盘等。

总线可以是工业标准体系结构(industrystandardarchitecture，isa)总线、外部设备互连(peripheralcomponent，pci)总线或扩展工业标准体系结构(extendedindustrystandardarchitecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(applicationspecificintegratedcircuits，简称：asic)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。