基于DBN的95598工单提级投诉风险预测方法技术

本发明专利技术公开了一种基于DBN的95598工单提级投诉风险预测方法，所述方法包括采集95598历史工单数据，并对历史工单数据进行风险类别划分；对风险类别划分后的历史工单数据进行分析，甄别出工单后期转换为提级和投诉风险影响权重最高的四类信息数据，并进行数据预处理；根据处理后的四类信息数据搭建线性拟合模型，甄选出训练数据；搭建深度置信网络模型，利用训练数据对模型进行训练，并进行测试，得到预测效果满足预设准确率的95598工单提级投诉风险预测模型；通过95598工单提级投诉风险预测模型准确预测当前工单存在的风险点。本发明专利技术实现对95598工单风险的可靠预警，且不依赖于客户文本的，预测精度高，适用范围广。适用范围广。适用范围广。

【技术实现步骤摘要】
基于DBN的95598工单提级投诉风险预测方法


[0001]本专利技术涉及人工智能大数据
，具体涉及一种基于DBN的95598工单提级投诉风险预测方法。

技术介绍

[0002]95598投诉风险管控亦是电网企业风险管控的重要内容，而目前对于正在处理的(已存在的)95595服务工单，缺乏可靠的工单投诉提级风险分析及预测助手，易导致因缺乏针对性处理而导致一般服务工单提级为客户投诉工单。针对上述问题，本专利技术通过对95598历史工单、工单诉求时间、天气、电力负荷、电网故障信息等数据的进行挖掘与深度学习，建立基于深度置信网络的95598客户服务工单投诉提级预测模型，实现对95598客户服务工单风险的可靠预警，有效协助提升95598供电服务质量、降低客户投诉提级数量、保证了供电服务执行力、提升客户满意度及减少客户的诉求等待时间。
[0003]现有技术在当前电力呼叫中心投诉工单判定不全面的背景下，利用文本挖掘的技术，以供电服务过程中客户产生投诉行为为例对呼叫中心95598进行挖掘分析，以机器学习预测的方式实现对工单潜在投诉风险的预测。模型训练样本为投诉工单和非投诉工单为训练集，皆为已经产生，其预测输入是文本依赖的，在进行文本预处理的过程中将耗费较大的算力，且受用户口音、语种、语句规范程度的影响较大，而对于非文本依赖的95598工单风险预测与预警的技术手段仍存在缺失，目前存在方法未能完全解决95598工单风险预测与预警这一难点。且现有模型牺牲了一定的准确性，在无法判断时大概率都会判断为投诉工单，精确度有待改进。r/>
技术实现思路

[0004]本专利技术的目的在于提供一种基于DBN(深度置信网络)的95598工单提级投诉风险预测方法，可以解决现有技术中未能完全解决95598工单风险预测与预警的问题。
[0005]本专利技术的目的是通过以下技术方案实现的：
[0006]本专利技术提供一种基于DBN的95598工单提级投诉风险预测方法，包括以下步骤：
[0007]步骤S1、采集95598历史工单数据，并对历史工单数据进行风险类别划分；
[0008]步骤S2、对风险类别划分后的历史工单数据进行分析，甄别出工单后期转换为提级和投诉风险影响权重最高的四类信息数据，并进行数据预处理；
[0009]步骤S3、根据处理后的四类信息数据搭建线性拟合模型，甄选出训练数据；
[0010]步骤S4、搭建深度置信网络模型，利用训练数据对模型进行训练，并进行测试，得到预测效果满足预设准确率的95598工单提级投诉风险预测模型；
[0011]步骤S5、通过95598工单提级投诉风险预测模型准确预测当前工单存在的风险点。
[0012]进一步的，所述对历史工单数据进行风险类别划分具体为对历史工单数据按风险类别划分为五类：一般工单无提级风险类、一般工单提级类、意见无提级风险类、意见提级类和投诉工单类。
[0013]进一步的，所述四类信息数据包括95598客服服务工单本身信息、工单诉求前期客户所在线路故障状况、诉求期间天气情况和工单诉求前期电网负荷状况。
[0014]进一步的，所述利用训练数据对模型进行训练具体包括采用对比散度算法进行无监督预训练，采用随机梯度下降算法进行有监督训练。
[0015]进一步的，所述搭建深度置信网络模型具体包括：
[0016]确定并搭建深度置信网络架构；
[0017]选出最佳的深度置信网络训练算法。
[0018]进一步的，所述数据预处理包括对四类信息数据进行标签化、onehot编码及归一化。
[0019]本专利技术的有益效果：
[0020]本专利技术的基于DBN的95598工单提级投诉风险预测方法通过对95598历史工单的工单诉求时间、天气情况、电力负荷状态、电网故障信息等数据的进行数据挖掘与深度学习，建立基于DBN的95598工单提级投诉风险预测模型，可实现对95598客户服务工单风险的可靠预警。此方法相较于基于文本挖掘潜在投诉工单预测方法中模型，其更能从多元输入、模型训练等收敛目标，并且是不依赖于客户文本的，预测精度更高，适用范围更广。有效协助提升95598供电服务质量、降低客户投诉提级数量、保证了供电服务执行力、提升客户满意度，减少客户的诉求等待时间。
附图说明
[0021]为了更清楚地说明本专利技术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简单地介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0022]图1为基于DBN的95598工单提级投诉风险预测方法的步骤示意图；
[0023]图2为基于深度置信网络的95598工单风险类别预测模型示意图；
[0024]图3为深度置信网络分类预测模型训练过程示意图；
[0025]图4为95598工单风险类别预测测试效果示意图。
具体实施方式
[0026]下面结合附图对本公开实施例进行详细描述。
[0027]以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0028]请参阅图1，本申请的基于DBN的95598工单提级投诉风险预测方法的一个实施例包括：
[0029]步骤S1、采集95598历史工单数据，并对历史工单数据进行风险类别划分；
[0030]对历史工单数据根据风险划分为以下五类：
[0031]1、一般工单(非意见、投诉类)无提级风险类；
[0032]2、一般工单提级类；
[0033]3、意见无提级风险类；
[0034]4、意见提级类；
[0035]5、投诉工单类；
[0036]并且工单风险等级按1
‑
5次序上升。
[0037]步骤S2、对风险类别划分后的历史工单数据进行分析，甄别出工单后期转换为提级和投诉风险影响权重最高的四类信息数据，并进行数据预处理；
[0038]通过对历史工单进行调研总结分析，在各类的95598客户服务工单后期转换为提级、投诉(潜在)的风险与概率的主要受四类信息的影响：
[0039]1、95598客服服务工单本身信息(如诉求业务类型、通话时长等)；
[0040]2、工单诉求前期客户所在线路故障状况；
[0041]3、诉求期间天气情况；
[0042]4、工单诉求前期电网负荷状况；...

【技术保护点】

【技术特征摘要】
1.基于DBN的95598工单提级投诉风险预测方法，其特征在于，包括以下步骤：步骤S1、采集95598历史工单数据，并对历史工单数据进行风险类别划分；步骤S2、对风险类别划分后的历史工单数据进行分析，甄别出工单后期转换为提级和投诉风险影响权重最高的四类信息数据，并进行数据预处理；步骤S3、根据处理后的四类信息数据搭建线性拟合模型，甄选出训练数据；步骤S4、搭建深度置信网络模型，利用训练数据对模型进行训练，并进行测试，得到预测效果满足预设准确率的95598工单提级投诉风险预测模型；步骤S5、通过95598工单提级投诉风险预测模型准确预测当前工单存在的风险点。2.根据权利要求1所述的基于DBN的95598工单提级投诉风险预测方法，其特征在于，所述对历史工单数据进行风险类别划分具体为对历史工单数据按风险类别划分为五类：一般工单无提级风险类、一般工单提级类、意见无提级风险类、...

【专利技术属性】
技术研发人员：戚焕兴，唐家淳，万俊，陈刚，罗佳佳，张仙仙，张森，覃静竹，刘珩，
申请(专利权)人：广西电网有限责任公司北海供电局，
类型：发明
国别省市：