一种投诉信息处理方法、装置、电子设备及介质制造方法及图纸

本申请提供了一种投诉信息处理方法、装置、电子设备及介质，方法包括：获取客户投诉语料；提取出客户投诉语料中的投诉原因信息；所述投诉原因信息包括表征客户投诉原因的关键句；对所述投诉原因信息进行聚类分析，根据聚类分析结果将客户投诉语料分成多个语料组；将所述语料组、语料组对应的投诉原因标签作为训练数据集，训练投诉分类模型，得到训练好的投诉分类模型；通过所述训练好的投诉分类模型处理投诉信息，确定投诉信息的投诉原因类别，从而根据客户投诉信息得到客户投诉原因，把握客户投诉原因变化，实时调整服务导向。实时调整服务导向。实时调整服务导向。

【技术实现步骤摘要】
一种投诉信息处理方法、装置、电子设备及介质


[0001]本申请涉及计算机
，具体而言，涉及一种投诉信息处理方法、装置、电子设备及介质。

技术介绍

[0002]随着生活水平以及全民素质的提高，人们对银行业、金融业服务水平的要求也越来越高，维护自身合法权益的意识日益增强，监管部门的监管力度也不断加强。投诉，对于每个银行人员来讲，都是高敏感，高警觉。
[0003]同时伴随中小银行在当地的不断扩容，银行业竞争的日益激烈，客户在办理金融业务时更加注重享受服务，对银行营业环境、网点秩序、理财产品、渠道服务要素的要求越来越高。特别是随着金融消费权益保护工作的不断推进，客户自我保护意识越来越强，不少商业银行常常深陷客户投诉的困扰。基于此，当客户投诉时，亟需及时、准确的分析客户投诉原因，给出针对性的答复，以及对客户投诉原因进行统计分析，追溯其原因分布，以优化服务流程和服务策略。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种投诉信息处理方法、装置、电子设备及介质，能够根据客户投诉信息得到客户投诉原因，把握客户投诉原因变化，实时调整服务导向。
[0005]本申请实施例提供的一种投诉信息处理方法，所述方法包括以下步骤：
[0006]获取客户投诉语料；
[0007]提取出客户投诉语料中的投诉原因信息；所述投诉原因信息包括表征客户投诉原因的关键句；
[0008]对所述投诉原因信息进行聚类分析，根据聚类分析结果将客户投诉语料分成多个语料组；其中，每个语料组对应一投诉原因标签；
[0009]将所述语料组、语料组对应的投诉原因标签作为训练数据集，训练投诉分类模型，得到训练好的投诉分类模型；
[0010]通过所述训练好的投诉分类模型处理投诉信息，确定投诉信息的投诉原因类别。
[0011]在一些实施例中，所述的投诉信息处理方法中，对所述投诉原因信息进行聚类分析，根据聚类分析结果将客户投诉语料分成多个语料组，包括：
[0012]根据聚类分析算法的预设参数，确定出核心投诉原因信息；
[0013]重复以下步骤，直至满足预设结束条件：
[0014]选择一条未处理过的核心投诉原因信息，找到该核心投诉原因信息密度可达的投诉原因信息，生成簇；
[0015]根据簇中每条核心投诉原因对应的客户投诉语料，确定出语料组。
[0016]在一些实施例中，所述的投诉信息处理方法中，根据簇中每条投诉原因对应的客
户投诉语料，确定出语料组，包括：
[0017]对簇中的核心投诉原因信息进行人工核检后，接收人工输入的投诉原因标签，以确定每个语料组对应的投诉原因标签。
[0018]在一些实施例中，所述的投诉信息处理方法中，所述提取出客户投诉语料中的投诉原因信息，包括：
[0019]将所述客户投诉语料输入至textrank模型，通过textrank模型提取出客户投诉语料中的关键句；
[0020]将提取出的关键句作为投诉原因信息。
[0021]在一些实施例中，所述的投诉信息处理方法中，获取客户投诉语料，包括：
[0022]获取客户投诉语料；
[0023]对客户投诉语料进行预处理，得到预处理之后的客户投诉语料；
[0024]其中，所述预处理至少包括以下之一：
[0025]分词处理、词性标注处理和去除停用词处理。
[0026]在一些实施例中，所述的投诉信息处理方法中，将所述语料组、语料组对应的投诉原因标签作为训练数据集，训练投诉分类模型，得到训练好的投诉分类模型，包括：
[0027]将所述语料组、语料组对应的投诉原因标签作为训练数据集，将所述训练数据集输入至投诉分类模型；
[0028]针对语料组中的一条语料，通过所述投诉分类模型，提取该语料的字节片段序列，生成字节片段序列的序列特征向量；
[0029]处理该语料中的词语，生成至少部分词语的词向量；
[0030]将该语料中至少部分词语的词向量和生成的序列特征向量叠加，确定语料的文档向量；
[0031]处理语料的文档向量，预测出该条语料的投诉原因标签，并基于该条语料所属语料组的投诉原因标签调整投诉分类模型的参数，直至投诉分类模型符合训练结束条件，得到训练好的投诉分类模型。
[0032]在一些实施例中，所述的投诉信息处理方法中，在得到训练好的投诉分类模型之后，所述方法还包括：
[0033]将训练好的投诉分类模型进行独立封装，并将封装好的投诉分类模型上传至宿主机；
[0034]所述宿主机响应接收到目标终端的访问指令，在所述目标终端上部署投诉分类模型的本地镜像和运行程序。
[0035]在一些实施例中，还提供一种投诉信息处理装置，所述装置包括：
[0036]获取模块，用于获取客户投诉语料；
[0037]提取模块，用于提取出客户投诉语料中的投诉原因信息；所述投诉原因信息包括表征客户投诉原因的关键句；
[0038]聚类模块，用于对所述投诉原因信息进行聚类分析，根据聚类分析结果将客户投诉语料分成多个语料组；其中，每个语料组对应一投诉原因标签；
[0039]训练模块，用于将所述语料组、语料组对应的投诉原因标签作为训练数据集，训练投诉分类模型，得到训练好的投诉分类模型；
[0040]确定模块，用于通过所述训练好的投诉分类模型处理投诉信息，确定投诉信息的投诉原因类别。
[0041]在一些实施例中，还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行所述的投诉信息处理方法的步骤。
[0042]在一些实施例中，还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行所述的投诉信息处理方法的步骤。
[0043]本申请实施例提出一种投诉信息处理方法、装置、电子设备及介质，所述投诉信息处理方法获取客户投诉语料；提取出客户投诉语料中的投诉原因信息；所述投诉原因信息包括表征客户投诉原因的关键词和/或关键句；对所述投诉原因信息进行聚类分析，根据聚类分析结果将客户投诉语料分成多个语料组；其中，每个语料组对应一投诉原因标签；将所述语料组、语料组对应的投诉原因标签作为训练数据集，训练投诉分类模型，得到训练好的投诉分类模型；通过所述训练好的投诉分类模型处理投诉信息，确定投诉信息的投诉原因类别；这样，在客户进行投诉时，基于客户投诉文本的自动化识别出客户投诉原因，准确、及时的把握客户投诉意图变化，实时调整服务导向，提高服务质量和效率。
附图说明
[0044]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种投诉信息处理方法，其特征在于，所述方法包括以下步骤：获取客户投诉语料；提取出客户投诉语料中的投诉原因信息；所述投诉原因信息包括表征客户投诉原因的关键句；对所述投诉原因信息进行聚类分析，根据聚类分析结果将客户投诉语料分成多个语料组；其中，每个语料组对应一投诉原因标签；将所述语料组、语料组对应的投诉原因标签作为训练数据集，训练投诉分类模型，得到训练好的投诉分类模型；通过所述训练好的投诉分类模型处理投诉信息，确定投诉信息的投诉原因类别。2.根据权利要求1所述的投诉信息处理方法，其特征在于，对所述投诉原因信息进行聚类分析，根据聚类分析结果将客户投诉语料分成多个语料组，包括：根据聚类分析算法的预设参数，确定出核心投诉原因信息；重复以下步骤，直至满足预设结束条件：选择一条未处理过的核心投诉原因信息，找到该核心投诉原因信息密度可达的投诉原因信息，生成簇；根据簇中每条核心投诉原因对应的客户投诉语料，确定出语料组。3.根据权利要求1所述的投诉信息处理方法，其特征在于，根据簇中每条投诉原因对应的客户投诉语料，确定出语料组，包括：对簇中的核心投诉原因信息进行人工核检后，接收人工输入的投诉原因标签，以确定每个语料组对应的投诉原因标签。4.根据权利要求1所述的投诉信息处理方法，其特征在于，所述提取出客户投诉语料中的投诉原因信息，包括：将所述客户投诉语料输入至textrank模型，通过textrank模型提取出客户投诉语料中的关键句；将提取出的关键句作为投诉原因信息。5.根据权利要求1所述的投诉信息处理方法，其特征在于，获取客户投诉语料，包括：获取客户投诉语料；对客户投诉语料进行预处理，得到预处理之后的客户投诉语料；其中，所述预处理至少包括以下之一：分词处理、词性标注处理和去除停用词处理。6.根据权利要求5所述的投诉信息处理方法，其特征在于，将所述语料组、语料组对应的投诉原因标签作为训练数据集，训练投诉分类模型，得到训练好的投诉分类模型，包括：将所述语料组、语料组对应的投...

【专利技术属性】
技术研发人员：彭莉，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：