一种对具有投诉倾向的用电客户判断方法与流程

本发明涉及数据处理，特别涉及一种对具有投诉倾向的用电客户判断方法。

背景技术：

1、在电网客服人员接听客户电话时，会针对客户的问题进行记录，并将其转述为客服工单，然后工单转发到具体的供电局进行处理。而工单的种类分为：用电业务、故障报修、咨询查询、意见建议、投诉等几个大类。

2、客服人员在接听完客户电话后，记录并转发的工单要么是投诉类型工单、要么不是投诉类型的工单。而实际上存在一些存在投诉倾向的用户，这些用户也应该被特别关注。

3、业内比较多采用对客服工单中记录的文本进行分词、建模的技术，通过判断情绪词的方式，判断具有投诉倾向的用户，但是这种方法会依赖客服人员记录的完整，描述的足够详细、不遗漏。

技术实现思路

1、针对现有技术中存在的问题，本发明提供了一种对具有投诉倾向的用电客户判断方法，能够识别用户的投诉倾向，高效的解决用户诉求、降低用户投诉，提高客户满意率。具体技术方案如下：

2、一种对具有投诉倾向的用电客户判断方法，包括以下步骤：

3、数据采集，通过采集用电客户的历史投诉数据、用电数据、客户服务记录相关数据；

4、数据处理，将上述采集的数据进行清洗、去重以及标签化预处理；

5、模型训练，利用上述预处理后的数据，引入对语音情绪识别的模型，通过训练模块识别出声学特征，学习用电客户投诉倾向的规律和特征；

6、模型优化，利用过去三年的用户投诉工单，去查找投诉用户在投诉前最近一次非投诉工单，并做分词、识别关键词与词频，并与未发生过投诉事件的用户的客诉工单分词结果进行对比分析，通过构建模块形成具有投诉倾向的关键词词库；

7、投诉倾向判断，将可判断用电客户的情绪特征与具有投诉倾向的关键词词库结合的方式，构建一个判断算法模型，将用户来电语音表现出的情绪特征、用户来电工单文本分词结果与具有投诉倾向的关键词词库的对比结果共同判断来电用户是否是具有投诉倾向的用户以及其投诉概率的高低。

8、优选的，所述历史投诉数据包括投诉内容、投诉时间和投诉人信息。

9、优选的，所述用电数据包括用电量、用电负荷和电费信息。

10、优选的，所述客户服务记录包括包括客户服务内容、服务时间和服务人员信息。

11、优选的，所述数据清洗具体包括纠正数据中的错误，删除重复的信息，以及处理缺失值，通过均值、中位数或众数来填充缺失值，对于异常值，可将自动删除。

12、优选的，所述数据去重具体为通过结合多个字段特定的规则来删除重复的数据。

13、优选的，所述数据标签化具体为将数据转化为易于理解和使用的格式，形成关键词词库的标签。

14、优选的，所述语音情绪识别的模型采用支持向量机的方法对情感信号进行建模与识别，并且结合数据平衡和注意力机制的卷积神经网络和长短时记忆单元的语音情感识别方法，通过识别模块识别高兴、愤怒、平静和悲伤这四种情感，并对愤怒类情感进行分级，包括非常愤怒、愤怒、强烈不满和不满。

15、优选的，所述语音情感识别方法包括以下步骤：

16、首先对语音情感数据集中的语音样本提取对数梅尔频谱图，并根据样本分布特点对进行分段处理，以便实现数据平衡处理。

17、通过在分段的梅尔频谱数据集中微调预训练好的卷积神经网络模型,用于学习高层次的片段语音特征。

18、考虑到语音中不同片段区域在情感识别作用的差异性，将学习到的分段卷积神经网络特征输入到带有注意力机制的长短时记忆单元中，用于学习判别性特征，并结合长短时记忆单元和神经网络激活函数层从而实现语音情感的分类。

19、与现有技术相比，本发明的有益效果为：

20、1.本发明通过将用户来电语音表现出的情绪特征、用户来电工单文本分词结果与具有投诉倾向的关键词词库的对比结果共同判断来电用户是否是具有投诉倾向的用户以及其投诉概率的高低，相比利用文本分词方式识别用户的投诉倾向更加准确。

21、2.本发明通过构建一个判断算法模型，提前预知具有高度投诉倾向概率的用户以及其诉求，以提醒各基层供电服务人员有针对性的开展相关工作，从而达到高效的解决用户诉求、降低用户投诉，提高客户满意率的目标。

22、3.本发明通过在将判断算法模型嵌入到话务系统中后，可实时对用户的语音通话进行分析，实时的向客服人员反馈用户的情绪状态以及投诉倾向的概率，提醒客服人员即时调整应对话术。

技术特征：

1.一种对具有投诉倾向的用电客户判断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的对具有投诉倾向的用电客户判断方法，其特征在于，所述历史投诉数据包括投诉内容、投诉时间和投诉人信息。

3.根据权利要求1所述的对具有投诉倾向的用电客户判断方法，其特征在于，所述用电数据包括用电量、用电负荷和电费信息。

4.根据权利要求1所述的对具有投诉倾向的用电客户判断方法，其特征在于，所述客户服务记录包括包括客户服务内容、服务时间和服务人员信息。

5.根据权利要求1所述的对具有投诉倾向的用电客户判断方法，其特征在于，所述数据清洗具体包括纠正数据中的错误，删除重复的信息，以及处理缺失值，通过均值、中位数或众数来填充缺失值，对于异常值，可将自动删除。

6.根据权利要求1所述的对具有投诉倾向的用电客户判断方法，其特征在于，所述数据去重具体为通过结合多个字段特定的规则来删除重复的数据。

7.根据权利要求1所述的对具有投诉倾向的用电客户判断方法，其特征在于，所述数据标签化具体为将数据转化为易于理解和使用的格式，形成关键词词库的标签。

8.根据权利要求1所述的对具有投诉倾向的用电客户判断方法，其特征在于，所述语音情绪识别的模型采用支持向量机的方法对情感信号进行建模与识别，并且结合数据平衡和注意力机制的卷积神经网络和长短时记忆单元的语音情感识别方法，通过识别模块识别高兴、愤怒、平静和悲伤这四种情感，并对愤怒类情感进行分级，包括非常愤怒、愤怒、强烈不满和不满。

9.根据权利要求8所述的对具有投诉倾向的用电客户判断方法，其特征在于，所述语音情感识别方法包括以下步骤：

技术总结
本发明公开了一种对具有投诉倾向的用电客户判断方法，涉及数据处理技术领域，包括以下步骤：利用数据采集、数据预处理、模型训练和模型优化，将可判断用电客户的情绪特征与具有投诉倾向的关键词词库结合的方式，构建一个判断算法模型，将用户来电语音表现出的情绪特征、用户来电工单文本分词结果与具有投诉倾向的关键词词库的对比结果共同判断来电用户是否是具有投诉倾向的用户以及其投诉概率的高低。本发明通过构建一个判断算法模型，提前预知具有高度投诉倾向概率的用户以及其诉求，以提醒各基层供电服务人员有针对性的开展相关工作，从而达到高效的解决用户诉求，提高客户满意率的目标，相比利用文本分词方式识别用户的投诉倾向更加准确。

技术研发人员：王圣竹,韦国惠,洪莹,王利超,江洁,王缉芬,杨倩,李晓明,罗佳佳,郑毅,李晶,钟世文,吕姗珊,陈巧,李娟娟
受保护的技术使用者：广西电网有限责任公司
技术研发日：
技术公布日：2024/3/11