一种电力客服工单投诉预警方法及系统技术方案

本发明专利技术公开了投诉预警领域的一种电力客服工单投诉预警方法及系统，包括：采集新增电力客服工单数据，将实时电力客服工单数据分别输入至预训练的标签分类模型和文本分类模型；使用标签分类模型预测新增电力客服工单的是否存在投诉风险；使用文本分类模型预测新增电力客服工单的是否存在投诉风险；结合所述标签分类模型的预测结果和文本分类模型的预测结果判断新增电力客服工单数据的投诉风险；根据新增电力客服工单数据的投诉风险进行预警；本发明专利技术选择结构化的用户信息标签以及非结构化的诉求内容信息进行预测模型训练，标签分类模型和文本分类模型分别进行预测后再综合预测结果进行投诉风险判断，提高了预警的准确性。提高了预警的准确性。提高了预警的准确性。

【技术实现步骤摘要】
一种电力客服工单投诉预警方法及系统


[0001]本专利技术属于工单投诉预警
，具体涉及电力客服工单投诉预警方法及系统。

技术介绍

[0002]随着电网规模的不断扩大和运行条件的日益复杂，用电客户的投诉数量也随之增长，需要一种预测精度高、适用范围广的客户投诉预警方法，对投诉风险高的工单进行提前预警提示，在办理环节及时督促相关经办人员及时解决客户问题，避免投诉行为的发生。
[0003]在工单风险预警方面，现有的技术有的是对使用单一来源的数据进行无监督聚类模型训练，如“云南电网有限责任公司电力科学研究院”申请的专利技术专利《一种工单数据的投诉倾向分析预警方法及装置》；或者是使用单一来源的数据进行有监督的分类模型训练，这些使用单个训练模型的算法，无法有效的将结构化和非结构化的数据同时作为训练数据进行预测模型的训练，导致预测模型的准确性较低。

技术实现思路

[0004]本专利技术的目的在于提供一种电力客服工单投诉预警方法及系统，选择结构化的用户信息标签以及非结构化的诉求内容信息进行预测模型训练，标签分类模型和文本分类模型分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力客服工单投诉预警方法，其特征在于，包括：采集新增电力客服工单数据，将实时电力客服工单数据分别输入至预训练的标签分类模型和文本分类模型；使用标签分类模型预测新增电力客服工单的是否存在投诉风险；使用文本分类模型预测新增电力客服工单的是否存在投诉风险；结合所述标签分类模型的预测结果和文本分类模型的预测结果判断新增电力客服工单数据的投诉风险；根据新增电力客服工单数据的投诉风险进行预警；所述标签分类模型和文本分类模型的训练过程包括：采集历史电力客服工单数据，包含用户信息和诉求内容信息，选择历史电力客服工单数据中的用户信息进行预处理，构建第一数据集合；选择逻辑回归算法并设置参数构建标签分类模型；使用第一数据集合对搭建的标签分类模型进行训练，获得准确率大于或等于设定阈值A的标签分类模型；选择历史电力客服工单数据中的诉求内容信息进行预处理，构建第二数据集合；选择变形器双向编码算法并设置参数构建文本分类模型；使用第二数据集合对搭建的文本分类模型进行训练，获得准确率大于或等于设定阈值B的文本分类模型。2.根据权利要求1所述的一种电力客服工单投诉预警方法，其特征在于，历史电力客服工单数据分为投诉电力客服工单数据和未电力客服工单数据。3.根据权利要求1所述的一种电力客服工单投诉预警方法，其特征在于，所述用户信息包括用户画像、用户名称和用户年龄。4.根据权利要求1所述的一种电力客服工单投诉预警方法，其特征在于，所述诉求内容信息包括工单编号、工单发起时间、用户用电类别、用户所在用电区域、用电电压等级、用电协议容量、用电可靠性要求、近期投诉诉求类别、诉求内容和工单进度。5.根据权利要求1所述的一种电力客服工单投诉预警方法，其特征在于，使用第一数据集合对搭建的标签分类模型进行训练，获得准确率大于或等于设定阈值A的标签分类模型的方法包括：随机选择60％第一数据集合的数据作为第一训练数据集、20％第一数据集合的数据作为第一验证数据集、20％第一数据集合的数据作为第一测试数据集；使用第一训练数据集对搭建的标签分类模型进行训练，使用第一验证数据集和第一测试数据集验证训练后的标签分类模型准确率是否大于或等于阈值A，若训练后的标签分类模型准确率小于阈值A，调整标签分类模型的参数重复训练过程直至获得准确率大于或等于设定阈值A的标签分类模型。6.根据权利要求1所述的一种电力客服工单投诉预警方法，其特征在于，使用第二数据集合对搭建的文本分类模型进行训练，获得准确率大于或...

【专利技术属性】
技术研发人员：汤雷，邵俊，刘凯，顾颖程，宋玉，程环宇，祝永晋，李昆明，龙玲莉，
申请(专利权)人：国网江苏省电力有限公司信息通信分公司国网江苏省电力有限公司双创中心江苏方天电力技术有限公司，
类型：发明
国别省市：