业务投诉处理方法、装置、计算机设备和存储介质与流程

本技术涉及人工智能，特别是涉及一种业务投诉处理方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、对于企业来说，能够高效的处理客户投诉、响应客户诉求，对提升企业服务水平、客户满意度以及企业品牌形象，起着至关重要的作用。

2、相关技术中，针对客户投诉的处理，主要由人工对客户投诉内容进行识别，并根据识别结果将客户投诉内容流转到对应部门进行分析。实际处理过程中，可能存在客户投诉内容层层流转后，排查发现客户未进行相关操作或客户投诉内容与实际情况不符的问题，导致需要回访客户，并对客户投诉信息重新进行流转和排查，使得业务投诉处理效率较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高业务投诉的处理效率的业务投诉处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种业务投诉处理方法。所述方法包括：

3、采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；

4、采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；

5、在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；

6、在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。

7、在其中一个实施例中，已训练的情感分类模型的获取方式，包括：

8、获取历史业务投诉文本；

9、基于预设的极性词典，获取历史业务投诉文本的情感极性标签；

10、将历史业务投诉文本输入至情感分类模型的初始模型，以历史业务投诉文本的情感极性标签作为目标输出，训练初始模型，得到情感分类模型。

11、在其中一个实施例中，已训练的业务分类模型的获取方式，包括：

12、获取历史业务投诉文本；

13、基于历史业务投诉文本对应的历史流转信息，获取历史业务投诉文本的业务类型标签；

14、将历史业务投诉文本输入至业务分类模型的初始模型，以历史业务投诉文本的业务类型标签作为目标输出，训练初始模型，得到业务分类模型。

15、在其中一个实施例中，根据第二分类结果生成查询语句，包括：

16、对业务投诉文本进行分词处理，得到分词结果；分词结果中包括多个词条；

17、对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；

18、根据预设规则对词性标注结果为目标词性的词条进行拼接，得到业务投诉文本对应的业务属性；业务属性用于表征业务办理的相关信息；

19、获取预设查询语句模板；预设查询语句模板包括查询参数格式；

20、根据查询参数格式，对业务属性和第二分类结果进行预处理；

21、根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句。

22、在其中一个实施例中，所述方法还包括：

23、在第一分类结果为正面的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；

24、根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。

25、在其中一个实施例中，所述方法还包括：

26、在查询结果包括业务处理记录的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；

27、根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。

28、第二方面，本技术还提供了一种业务投诉处理装置。所述装置包括：

29、第一分类模块，用于采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；

30、第二分类模块，用于采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；

31、查询模块，用于在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；

32、标记模块，用于在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。

33、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

34、采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；

35、采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；

36、在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；

37、在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。

38、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

39、采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；

40、采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；

41、在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；

42、在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。

43、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

44、采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；

45、采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；

46、在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；

47、在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。

48、上述业务投诉处理方法、装置、计算机设备、存储介质和计算机程序产品，首先采用已训练的情感分类模型对业务投诉文本进行文本分类，得到关于业务投诉文本的情感极性的分类结果，这样，就能根据文本情感色彩初步判定投诉内容是否有可能是恶意的，并采用已训练的业务分类模型对业务投诉文本进行文本分类，得到关于业务投诉文本的业务类型的分类结果，这样，就能知道投诉内容针对的业务领域。进而，在情感极性为非正面的情况下，根据投诉内容的业务类型生成查询语句，在业务数据库中查询与业务投诉文本相关的业务处理记录，这样，就能进一步判定投诉内容是否属实。最后，在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本，这样，就能避免对恶意投诉文本进行流转，从而提高业务投诉的处理效率。