一种投诉预警方法及相关设备与流程

本技术涉及信息，特别是涉及一种投诉预警方法及相关设备。

背景技术：

1、客服系统是一种用来管理和处理客户问题和需求的媒介，客服人员可以基于客服系统与用户进行沟通，从而了解用户在使用产品过程中遇到的问题。客服系统广泛应用于各类服务类行业中，例如保险行业、电商行业等等。

2、随着机动车数量的飞速增加，相应的车险业务也处于快速发展的阶段中，客服系统在车险业务的推广以及完善用户使用体验上发挥着重要的作用。当用户通过基于自身所购买的车险通过客服系统与客服人员进行咨询时，有时会因为客服人员的服务态度或车险业务本身的完善程度而产生投诉的意图，过多的投诉会影响用户自身的使用体验以及企业的品牌声誉。因此，对用户进行投诉预警，提前感知用户对服务及业务的不满以防止问题的进一步发展，对于提升用户的使用体验以及保护企业的品牌声誉尤为重要。在目前的投诉预警方法中，主要基于人工预设的经验规则来进行投诉预警，其投诉预警的准确率较低。

3、因此，如何解决现有技术中投诉预警准确率较低的问题，成为本领域技术人员急需解决的技术问题。

技术实现思路

1、基于上述问题，为了解决在现有技术中投诉预警准确率较低的问题，本技术提供了一种投诉预警方法及相关设备。

2、本技术实施例公开了如下技术方案：

3、第一方面，本技术公开了一种投诉预警方法，包括：

4、基于目标对象的语音交流数据，获取与所述语音交流数据对应的涉案信息；所述语音交流数据包括业务标识符；所述涉案信息基于所述业务标识符确定得到，且为结构化数据；所述语音交流数据为所述目标对象与客服工作人员的语音交流数据；

5、根据预设投诉倾向分析模型和所述涉案信息进行投诉倾向分析，得到投诉倾向初始得分；所述预设投诉倾向分析模型基于集成树算法训练得到；

6、基于预设情绪分析模型和所述语音交流数据对所述目标对象进行情绪分析，得到所述目标对象的情绪分析数据；所述情绪分析数据用于表示所述目标对象所处情绪的情绪类别以及在所述情绪类别下的情绪强度值；所述预设情绪分析模型基于卷积神经网络训练得到；

7、基于所述情绪分析数据和所述投诉倾向初始得分进行加权计算，确定投诉倾向最终得分；

8、根据所述投诉倾向最终得分对所述目标对象进行投诉预警，若所述投诉倾向最终得分大于预设第一阈值，则确定所述目标对象存在投诉风险。

9、可选的，所述涉案信息包括多个涉案特征信息；所述根据预设投诉倾向分析模型和所述涉案信息进行投诉倾向分析，得到投诉倾向初始得分，具体包括：

10、对所述多个涉案特征信息进行重要度打分，将所述多个涉案特征信息中重要度分数高于预设第二阈值的涉案特征信息确定为第一涉案特征信息；

11、将所述第一涉案特征信息输入至所述预设投诉倾向分析模型中，得到所述投诉倾向初始得分。

12、可选的，所述基于预设情绪分析模型和所述语音交流数据对所述目标对象进行情绪分析，得到所述目标对象的情绪分析数据，具体包括：

13、对所述语音交流数据进行特征提取，得到多个所述语音交流数据的频谱特征；

14、基于所述多个所述语音交流数据的频谱特征，构建所述语音交流数据的语谱图；

15、将所述语音交流数据的语谱图输入至所述预设情绪分析模型中，得到所述目标对象的情绪分析数据。

16、可选的，所述对所述语音交流数据进行特征提取，得到多个所述语音交流数据的频谱特征，具体包括：

17、基于预设帧频对所述语音交流数据进行语音划分，得到多个语音帧；

18、对所述多个语音帧进行傅里叶变换，得到所述多个所述语音交流数据的频谱特征。

19、可选的，所述根据预设投诉倾向分析模型和所述涉案信息进行投诉倾向分析，得到投诉倾向初始得分之前，还包括：

20、对所述涉案信息进行数据预处理，得到经过预处理后的涉案信息；所述数据预处理至少包括：特征值编码、无效值处理、归一化处理以及样本不平衡处理。

21、第二方面，本技术公开了一种投诉预警系统，包括：

22、获取模块，用于基于目标对象的语音交流数据，获取与所述语音交流数据对应的涉案信息；所述语音交流数据包括业务标识符；所述涉案信息基于所述业务标识符确定得到，且为结构化数据；所述语音交流数据为所述目标对象与客服工作人员的语音交流数据；

23、第一分析模块，用于根据预设投诉倾向分析模型和所述涉案信息进行投诉倾向分析，得到投诉倾向初始得分；所述预设投诉倾向分析模型基于集成树算法训练得到；

24、第二分析模块，用于基于预设情绪分析模型和所述语音交流数据对所述目标对象进行情绪分析，得到所述目标对象的情绪分析数据；所述情绪分析数据用于表示所述目标对象所处情绪的情绪类别以及在所述情绪类别下的情绪强度值；所述预设情绪分析模型基于卷积神经网络训练得到；

25、确定模块，用于基于所述情绪分析数据和所述投诉倾向初始得分进行加权计算，确定投诉倾向最终得分；

26、预警模块，用于根据所述投诉倾向最终得分对所述目标对象进行投诉预警，若所述投诉倾向最终得分大于预设第一阈值，则确定所述目标对象存在投诉风险。

27、可选的，所述第一分析模块，具体用于：

28、对所述多个涉案特征信息进行重要度打分，将所述多个涉案特征信息中重要度分数高于预设第二阈值的涉案特征信息确定为第一涉案特征信息；

29、将所述第一涉案特征信息输入至所述预设投诉倾向分析模型中，得到所述投诉倾向初始得分。

30、可选的，所述第二分析模块，具体用于：

31、对所述语音交流数据进行特征提取，得到多个所述语音交流数据的频谱特征；

32、基于所述多个所述语音交流数据的频谱特征，构建所述语音交流数据的语谱图；

33、将所述语音交流数据的语谱图输入至所述预设情绪分析模型中，得到所述目标对象的情绪分析数据。

34、第三方面，本技术公开了一种电子设备，所述设备包括：处理器、存储器、系统总线；

35、所述处理器以及所述存储器通过所述系统总线相连；

36、所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行所述的投诉预警方法。

37、第四方面，本技术公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述投诉预警方法。

38、相较于现有技术，本技术具有以下有益效果：本技术提供了一种投诉预警方法及相关设备，在本技术提供的投诉预警方法中，首先会基于目标对象的语音交流数据，获取与所述语音交流数据对应的涉案信息；所述语音交流数据包括业务标识符；所述涉案信息基于所述业务标识符确定得到，且以结构化数据的形式存储；所述语音交流数据为所述目标对象与客服工作人员的语音交流数据。并根据预设投诉倾向分析模型和所述涉案信息进行投诉倾向分析，得到投诉倾向初始得分；所述预设投诉倾向分析模型基于集成树算法训练得到。然后基于预设情绪分析模型和所述语音交流数据进行情绪分析，得到所述目标对象的情绪分析数据；所述情绪分析数据用于表示所述目标对象的情绪类别以及在所述情绪类别下的情绪强度值；所述预设情绪分析模型基于卷积神经网络训练得到。最后基于所述情绪分析数据和所述投诉倾向初始得分，确定投诉倾向最终得分，基于得到额投诉倾向最终得分即可针对于目标对象的投诉预警，若所述投诉倾向最终得分大于预设第一阈值，则确定所述目标对象存在投诉风险。在上述方法中，通过目标对象的语音交流以及结构化的涉案信息来作为投诉预警的评估因素，相较与单模态的输入数据，模型能够基于更全面的输入信息来分析用户的投诉倾向初始得分以及用户在与客服人员交流时具体的情绪分析数据，同时基于投诉倾向初始得分以及情绪分析数据作为投诉预警的关键因素，以确定用于进行投诉预警判断的投诉倾向最终得分。结合了与用户相关的结构化的涉案信息以及用户的具体情绪来进行投诉预警，不再以主观的人工预设的经验规则来作为投诉预警的主要参考因素，提升了对于投诉预警的准确率。