一种基于大数据分析的电网客服智能会话系统的制作方法

本发明涉及电网客服智能会话，具体而言，涉及一种基于大数据分析的电网客服智能会话系统。

背景技术：

1、随着电力行业的快速发展，用户服务需求日益增长，传统的用户服务方式已无法满足用户需求，同时，电网客服在处理用户问题时面临着效率低下、资源浪费等问题，因此，为了提高电力用户的满意度，急需一种基于大数据分析的电网客服智能会话系统来解决这些问题。

2、现有的电网客服智能会话方式中还存在以下几个方面的问题：1、当前向电力用户推荐答案时未同时结合推荐答案的推荐频繁度和满意度进行综合推荐，仅根据推荐频繁度来推荐答案，可能会推荐大量的重复内容，这样的推荐质量可能无法满足用户的需求，导致用户的满意度降低，如果没有结合答案满意度进行综合推荐，推荐算法可能无法得到有效的优化和改进，这可能会导致推荐的答案与用户的真实需求越来越不匹配，进一步降低用户的满意度。

3、2、当前电网客服会话结束后未结合电力用户的历史访问信息对电力用户的整体满意度进行深度分析，使得客服团队将无法准确了解服务的实际效果，这可能导致一些潜在的问题被忽视，或者一些有效的服务策略未被充分认识和利用，如果用户对推荐的答案不满意，他们可能会选择不再使用该服务，长期来看，这会导致用户流失，从而影响平台的可持续发展。

技术实现思路

1、鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于大数据分析的电网客服智能会话系统。

2、本发明的目的可以通过以下技术方案实现：本发明提供一种基于大数据分析的电网客服智能会话系统，包括：问题收集整理模块，用于收集当前电力用户咨询的相关电力问题，并对当前电力用户咨询的相关电力问题进行整理，得到当前电力用户咨询的目标问题，并执行目标问题确认模块。

3、目标问题确认模块，用于将当前电力用户咨询的目标问题发送至当前电力用户的客户端，若当前电力用户点击确认按钮，则执行答案推荐分析模块，若当前电力用户点击取消按钮，则提示当前电力用户再次发送咨询的相关电力问题，并执行问题收集整理模块。

4、答案推荐分析模块，用于提取当前电力用户咨询的目标问题对应的各推荐答案，并提取当前电力用户咨询的目标问题对应的各推荐答案的历史推荐信息，分析当前电力用户咨询的目标问题对应的各推荐答案的推荐指数，并将推荐指数最大的推荐答案发送至当前电力用户的客户端。

5、用户整体满意度分析模块，用于提取当前电力用户的历史访问次数以及各次访问对应的目标问题和满意度打分，分析当前电力用户的整体满意度，当当前电力用户的整体满意度小于设定值时，表明当前电力用户整体不满意，需要进行电话回访。

6、云数据库，用于存储各电力故障类型对应的关键词集合，存储电网咨询问题对应的基础关键词库，并存储各满意等级对应的分数区间。

7、具体地，所述对当前电力用户咨询的相关电力问题进行整理，具体整理过程为：a1、提取当前电力用户咨询的相关电力问题中的文字，并对文字进行分词处理，得到当前电力用户咨询的相关电力问题对应的各关键词。

8、a2、将当前电力用户咨询的相关电力问题对应的各关键词与云数据库中存储的各电力故障类型对应的关键词集合进行匹配对比，若仅存在某个关键词位于某电力故障类型对应的关键词集合内，则将该电力故障类型作为当前电力用户咨询的相关电力问题对应的电力故障类型，若存在多个关键词分别位于对应的多个电力故障类型对应的关键词集合内，则表明当前电力用户咨询的相关电力问题对应多个电力故障类型，将对应的多个电力故障类型发送至当前电力用户的客户端，提示当前电力用户确认需要咨询的某个电力故障类型，并将当前电力用户确认的电力故障类型作为当前电力用户咨询的相关电力问题对应的电力故障类型。

9、a3、将当前电力用户咨询的相关电力问题对应的各关键词与云数据库中存储的电网咨询问题对应的基础关键词库进行匹配对比，将位于电网咨询问题对应的基础关键词库中的各关键词作为当前电力用户咨询的相关电力问题对应的各基础关键词。

10、a4、将当前电力用户咨询的相关电力问题对应的电力故障类型和各基础关键词整合得到当前电力用户咨询的目标问题。

11、具体地，所述历史推荐信息包括历史推荐次数、各次推荐对应的间隔时长和各次推荐对应电力用户的满意度打分。

12、具体地，所述分析当前电力用户咨询的目标问题对应的各推荐答案的推荐指数，具体分析过程为：b1、从当前电力用户咨询的目标问题对应的各推荐答案的历史推荐信息中提取历史推荐次数、各次推荐对应的间隔时长和各次推荐对应电力用户的满意度打分。

13、b2、基于当前电力用户咨询的目标问题对应的各推荐答案的历史推荐次数和各次推荐对应的间隔时长，计算当前电力用户咨询的目标问题对应的各推荐答案的推荐频繁度χi，其中，i表示推荐答案的编号，i＝1,2,...,n。

14、b3、基于当前电力用户咨询的目标问题对应的各推荐答案的各次推荐对应电力用户的满意度打分，计算当前电力用户咨询的目标问题对应的各推荐答案的满意度βi。

15、b4、计算当前电力用户咨询的目标问题对应的各推荐答案的推荐指数δi，其中，χ′和β′分别表示设定参照的推荐频繁度和满意度，a1和a2分别表示设定的推荐频繁度和满意度对应推荐指数评估占比权重。

16、具体地，所述计算当前电力用户咨询的目标问题对应的各推荐答案的推荐频繁度，具体计算过程为：c1、将当前电力用户咨询的目标问题对应的各推荐答案的历史推荐次数和各次推荐对应的间隔时长分别记为εi和tij，其中，j表示各次推荐的编号，j＝1,2,...,m。

17、c2、计算当前电力用户咨询的目标问题对应的各推荐答案的推荐频繁度χi，其中，ε′和t′分别表示设定参照的历史推荐次数和间隔时长，a3和a4分别表示设定的历史推荐次数和间隔时长对应推荐频繁度评估占比权重，m表示推荐次数。

18、具体地，所述计算当前电力用户咨询的目标问题对应的各推荐答案的满意度，具体计算过程为：d1、将当前电力用户咨询的目标问题对应的各推荐答案的各次推荐对应电力用户的满意度打分与云数据库中存储的各满意等级对应的分数区间进行对比，得到目标问题对应的各推荐答案的各次推荐对应电力用户的满意等级，统计目标问题对应的各推荐答案中低满意等级的推荐次数，并记为μi。

19、d2、从目标问题对应的各推荐答案中各低满意等级对应电力用户的满意度打分中提取最小值，记为

20、d3、计算当前电力用户咨询的目标问题对应的各推荐答案的满意度βi，其中，k1和分别表示设定参照的低满意等级的推荐次数占比和满意度打分，a5和a6分别表示设定的低满意等级的推荐次数占比和满意度打分对应满意度占比权重，e表示自然常数。

21、具体地，所述分析当前电力用户的整体满意度，具体分析过程为：e1、将当前电力用户的历史访问次数记为τ。

22、e2、将当前电力用户的各次访问对应的满意度打分与云数据库中存储的各满意等级对应的分数区间进行对比，得到当前电力用户的各次访问对应的满意等级。

23、e3、分别统计当前电力用户对应的低满意等级的访问次数和高满意等级的访问次数，并分别记为σ低和σ高。

24、e4、设定当前电力用户的整体满意度影响因子λ。

25、e5、计算当前电力用户的整体满意度其中，k2和k3分别表示设定参照的低满意等级的访问次数占比和高满意等级的访问次数占比，a7和a8分别表示设定的低满意等级的访问次数占比和高满意等级的访问次数占比对应整体满意度评估占比权重。

26、具体地，所述设定当前电力用户的整体满意度影响因子，具体设定过程为:f1、将当前电力用户的各次访问对应的目标问题进行相互对比，将相同的目标问题记为综合问题，得到当前电力用户对应的各综合问题，进而得到各综合问题对应的咨询次数θr，并统计各综合问题对应的高满意等级的咨询次数ρr，其中，r表示综合问题的编号，r＝1,2,...,g。

27、f2、计算当前电力用户对应的各综合问题的答案有效性评估指数ξr，其中，θ′和k4分别表示设定参照的咨询次数和高满意等级的咨询次数占比，b1和b2分别表示设定的咨询次数和高满意等级的咨询次数占比对应答案有效性评估占比权重。

28、f3、将当前电力用户对应的各综合问题的答案有效性评估指数与设定参照的答案有效性评估指数进行对比，若某综合问题的答案有效性评估指数小于设定参照的答案有效性评估指数，则将该综合问题记为答案无效问题，统计答案无效问题数目，并记为ζ。

29、f4、设定当前电力用户的整体满意度影响因子λ,其中，ζ′表示设定参照的答案无效问题数目。

30、相较于现有技术，本发明的实施例至少具有如下优点或有益效果：(1)本发明通过对当前电力用户咨询的相关电力问题进行整理，得到当前电力用户咨询的目标问题，分析目标问题对应的各推荐答案的推荐指数，并分析当前电力用户的整体满意度，对整体不满意的用户进行电话回访，通过回访，可以对不满意用户的反馈进行深入了解，明确他们对当前服务存在的问题和不满，进而更好地理解他们的需求和期望，有助于优化服务流程，提高服务质量，同时提高整体服务水平和服务效率。

31、(2)本发明通过结合历史推荐次数、各次推荐对应的间隔时长和各次推荐对应电力用户的满意度打分，计算当前电力用户咨询的目标问题对应的各推荐答案的推荐频繁度和满意度，进而分析各推荐答案的推荐指数，避免了仅根据推荐频繁度来推荐答案，而导致推荐大量的重复内容，保障了推荐质量可以满足用户的需求，提高了用户的满意度，同时可以促进推荐算法得到有效的优化和改进，保障了推荐的答案与用户的真实需求越来越匹配，进一步提高了用户的满意度。

32、(3)本发明通过结合当前电力用户的历史访问次数以及各次访问对应的目标问题和满意度打分，分析当前电力用户的整体满意度，使得客服团队可以准确了解服务的实际效果，避免一些潜在的问题被忽视和一些有效的服务策略未被充分认识和利用，同时避免了用户对推荐的答案不满意，而导致他们选择不再使用该服务，避免了用户流失，保障了平台的可持续发展。