回访名单智能生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种回访名单智能生成方法，包括：对调查问卷进行敏感词分析、情绪分析和文本分析，得到对应的敏感词分值、情绪分值和用户打分分值；将调查问卷集中的调查问卷分为多个类目，对每个类目的调查问卷进行语义分析和统计得到语义排名，根据语义排名得到每个调查问卷的归因分值；根据业务类型提取调查问卷的用户标签，并通过用户标签得到用户分值；对调查问卷的上述分值进行权重计算，得到回访分值；将回访分值大于阈值的调查问卷作为回访问卷。此外，本发明专利技术还涉及区块链技术，调查问卷可存储于区块链的节点。本发明专利技术还提出一种回访名单智能生成装置、设备以及介质。本发明专利技术可以提高生成的回访名单准确性。性。性。

【技术实现步骤摘要】
回访名单智能生成方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种回访名单智能生成方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]为了提升企业服务效果，通常会针对企业所涉及的各个业务类型、服务类型进行问卷调研，调研结果数据量是海量的，调研结果也是种类繁多，调研数据回收后需要人工识别问卷的有效性以及人工判定是否需要回访，并得到一系列需要进行客户回访的问卷单，这个过程由于调研形式多样，问卷内容种类繁多，问卷量数量巨大，人工判定是否需要回访具有主观性，导致获取调研回访名单的效率极低且准确性较低的问题。
[0003]现有技术存在几种公知方案及其弊端：
[0004]1、识别评价信息中的文字内容进行评价审核，过滤存在不当言论的文字评价信息，这种方法的分析维度单一，不适合应用于服务场景多样性，问卷内容多样化的模式；
[0005]2、针对某一类别属性人工判定是否需要回访，这种方法的人工分析主观性较强，效率极低，且不够准确；
[0006]3、随机选择回访名单这种方法的回访数据太随机性，可能漏掉比较重要的需要回访的数据。
[0007]综上所述，现有回访名单生成方法存在分析维度维度单一、主观性强、准确性低的问题。

技术实现思路

[0008]本专利技术提供一种回访名单智能生成方法、装置及计算机可读存储介质，其主要目的在于解决生成的回访名单准确性低的问题。
[0009]为实现上述目的，本专利技术提供的一种回访名单智能生成方法，包括：
[0010]获取调查问卷集，并根据预设的敏感词库逐一对所述调查问卷集中的调查问卷进行敏感词分析，得到所述调查问卷集中每一个调查问卷对应的敏感词分值；
[0011]逐一对所述调查问卷集中的调查问卷进行情绪分析，得到所述调查问卷集中每一个调查问卷对应的情绪分值；
[0012]对所述调查问卷集中的调查问卷进行文本分析，得到所述调查问卷集中每一个调查问卷对应的用户打分分值；
[0013]根据预设的类目标签将所述调查问卷集中的调查问卷分类为多个类目，对每个类目的调查问卷进行语义分析和统计，得到语义排名，并根据所述语义排名得到每个类目中每个调查问卷对应的归因分值；
[0014]根据预设的业务类型提取所述调查问卷集中每一个调查问卷对应的用户标签，并通过所述对应的用户标签得到所述调查问卷集中每一个调查问卷对应的用户分值；
[0015]根据预设的权重系数表中提取目标业务类型对应的权重系数，并根据所述系数对
所述每一个调查问卷的所述敏感词分值、所述情绪分值、所述用户打分分值、所述归因分值和所述用户分值进行计算，得到每一个调查问卷对应的回访分值；
[0016]提取回访分值大于预设阈值的调查问卷作为回访问卷。
[0017]可选地，所述根据预设的敏感词库逐一对所述调查问卷集中的调查问卷进行敏感词分析，得到所述调查问卷集中每一个调查问卷对应的敏感词分值，包括：
[0018]获取所述调查问卷的文本内容；
[0019]利用所述敏感词库通过相同词检测的方法对所述文本内容进行敏感词检测；
[0020]根据所述敏感词库的敏感词类别将检测到相同词的敏感词分为强敏感词和弱敏感词；
[0021]根据预设的计算规则对所述强敏感词和弱敏感词计算，得到所述调查问卷的敏感词分值。
[0022]可选地，所述逐一对所述调查问卷集中的调查问卷进行情绪分析，得到所述调查问卷集中每一个调查问卷对应的情绪分值，包括：
[0023]提取所述调查问卷中用户的回答文本，对所述回答文本进行分句，得到分句集合；
[0024]并对所述分句集合中的句子进行分词，得到句子分词；
[0025]根据所述分句集合中的句子进句法分析得到句法树，并根据所述句法树建立树结构神经网络；
[0026]利用预训练的概率分布模型计算得到所述回答文本和所述句子分词的概率分布；
[0027]根据所述回答文本和所述句子分词的概率分布得到所述问答文本的文本向量；
[0028]根据所述文本向量映射所得的情绪概率分布和预设的情绪类别计算得到所述回答文本在每一个情绪类别的概率；
[0029]按照预设的计算规则对所述每一个情绪类别的概率进行计算，得到所述调查问卷的情绪分值。
[0030]可选地，所述根据所述回答文本和所述句子分词的概率分布得到所述问答文本的文本向量，包括：
[0031]根据所述回答文本和所述句子分词的概率分布计算余弦相似度；
[0032]对所述余弦相似度的计算结果进行归一化处理，得到所述句子分词的权重；
[0033]根据所述句子分词的权重和所述句子分词的词向量进行加权计算，得到所述问答文本的文本向量。
[0034]可选地，所述对所述调查问卷集中的调查问卷进行文本分析，得到所述调查问卷集中每一个调查问卷对应的用户打分分值，包括：
[0035]提取所述调查问卷中用户的回答文本；
[0036]对所述回答文本进行语义分析，得到所述问答文本的关键词；
[0037]根据所述关键词在预设的打分映射表中检索；
[0038]根据检索到的结果生成所述调查问卷的用户打分分值。
[0039]可选地，所述对每个类目的调查问卷进行语义分析和统计，得到语义排名，包括：
[0040]逐一从所述多个类目的调查问卷中选取一个类目的调查问卷为目标类目的调查问卷；
[0041]逐一提取所述目标类目中每一个调查问卷中的回答文本，并将所述每一个调查问
卷中的回答文本汇总为目标文本库；
[0042]对所述目标文本库中的回答文本进行语义分析；
[0043]将语义分析结果属于同一文本语义的回答文本作为相同文本，并对所述相同文本进行数量统计；
[0044]根据统计得到数量由高到低对文本语义进行排列，得到语义排名。
[0045]可选地，所述根据所述语义排名得到每个类目中每个调查问卷对应的归因分值，包括：
[0046]从所述每个调查问卷中选取一个作为目标调查问卷；
[0047]对所述目标调查问卷的回答文本进行语义分析；
[0048]根据语义分析的结果确定所述目标调查问卷的文本语义，根据所述文本语义确定在语义排名的排名；
[0049]根据所述在语义排名的排名计算得到所述目标调查问卷的归因分值。
[0050]为了解决上述问题，本专利技术还提供一种回访名单智能生成装置，所述装置包括：
[0051]敏感词分值生成模块，用于获取调查问卷集，并根据预设的敏感词库逐一对所述调查问卷集中的调查问卷进行敏感词分析，得到所述调查问卷集中每一个调查问卷对应的敏感词分值；
[0052]情绪分值生成模块，用于逐一对所述调查问卷集中的调查问卷进行情绪分析，得到所述调查问卷集中每一个调查问卷对应的情绪分值；
[0053]用户打分分值生成模块，用于对所述调查问卷集中的调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种回访名单智能生成方法，其特征在于，所述方法包括：获取调查问卷集，并根据预设的敏感词库逐一对所述调查问卷集中的调查问卷进行敏感词分析，得到所述调查问卷集中每一个调查问卷对应的敏感词分值；逐一对所述调查问卷集中的调查问卷进行情绪分析，得到所述调查问卷集中每一个调查问卷对应的情绪分值；对所述调查问卷集中的调查问卷进行文本分析，得到所述调查问卷集中每一个调查问卷对应的用户打分分值；根据预设的类目标签将所述调查问卷集中的调查问卷分类为多个类目，对每个类目的调查问卷进行语义分析和统计，得到语义排名，并根据所述语义排名得到每个类目中每个调查问卷对应的归因分值；根据预设的业务类型提取所述调查问卷集中每一个调查问卷对应的用户标签，并根据所述对应的用户标签，计算得到所述调查问卷集中每一个调查问卷对应的用户分值；根据预设的权重系数表中提取目标业务类型对应的权重系数，并根据所述系数对所述每一个调查问卷的所述敏感词分值、所述情绪分值、所述用户打分分值、所述归因分值和所述用户分值进行计算，得到每一个调查问卷对应的回访分值；提取回访分值大于预设阈值的调查问卷作为回访问卷。2.如权利要求1所述的回访名单智能生成方法，其特征在于，所述根据预设的敏感词库逐一对所述调查问卷集中的调查问卷进行敏感词分析，得到所述调查问卷集中每一个调查问卷对应的敏感词分值，包括：获取所述调查问卷的文本内容；利用所述敏感词库通过相同词检测的方法对所述文本内容进行敏感词检测；根据所述敏感词库的敏感词类别将检测到相同词的敏感词分为强敏感词和弱敏感词；根据预设的计算规则对所述强敏感词和弱敏感词计算，得到所述调查问卷的敏感词分值。3.如权利要求1所述的回访名单智能生成方法，其特征在于，所述逐一对所述调查问卷集中的调查问卷进行情绪分析，得到所述调查问卷集中每一个调查问卷对应的情绪分值，包括：提取所述调查问卷中用户的回答文本，对所述回答文本进行分句，得到分句集合；并对所述分句集合中的句子进行分词，得到句子分词；根据所述分句集合中的句子进句法分析得到句法树，并根据所述句法树建立树结构神经网络；利用预训练的概率分布模型计算得到所述回答文本和所述句子分词的概率分布；根据所述回答文本和所述句子分词的概率分布得到所述问答文本的文本向量；根据所述文本向量映射所得的情绪概率分布和预设的情绪类别计算得到所述回答文本在每一个情绪类别的概率；按照预设的计算规则对所述每一个情绪类别的概率进行计算，得到所述调查问卷的情绪分值。4.如权利要求3所述的回访名单智能生成方法，其特征在于，所述根据所述回答文本和所述句子分词的概率分布得到所述问答文本的文本向量，包括：
根据所述回答文本和所述句子分词的概率分布计算余弦相似度；对所述余弦相似度的计算结果进行归一化处理，得到所述句子分词的权重；根据所述句子分词的权重和所述句子分词的词向量进行加权计算，得到所述问答文本的文本向量。5.如权利要求1所述的回访名单智能生成方法，其特征在于，所述对所述调查问卷集中的调查问卷进行文本分析，得到所述调查问卷集中每一个调查问卷对应的用户打分分值，包括：提取所述调...

【专利技术属性】
技术研发人员：陈俊福，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：