【技术实现步骤摘要】
本专利技术涉及数据处理，特别指一种业务办理系统内部用户满意度预测方法及系统。
技术介绍
1、随着信息技术的快速发展，运营商在提供通信服务的同时，需要关注业务办理系统的运行有效性，员工对业务办理系统的使用满意度直接关系到服务质量、客户体验以及公司运营效率。因此，准确预测员工对内部的业务办理系统的使用满意度具有重要意义。传统上，满意度预测的方法有如下几种：
2、方法一：基于问卷调查，在用户使用业务办理系统之后，向用户提出有关系统流畅性、稳定性、易用性等问题，从而了解用户对业务办理系统的使用满意度；但该方法依赖于用户提供准确的反馈信息，存在反应不完全、参与度不高、答案不准确等问题，且调查问卷无法实现对员工每笔业务操作的满意度预测，直接影响预测精度。
3、方法二：基于结构化数据分析方法，从业务办理系统的内部数据中提取与用户使用体验相关的信息，例如办理业务时，业务办理系统卡顿情况、业务办理耗时、办理业务时出错情况等，然后将这些数据通过统计学方法进行分析，以便评估对业务办理系统的满意度；但该方法缺乏灵活性和实时性，且数据的分析需要花费大量时间和人力，经常出现人为失误，进而影响预测精度。
4、方法三：基于机器学习的方法，在员工使用业务办理系统的相关数据和问卷调查相关数据的基础上，使用相关特征变量，构建回归或分类模型进行训练和测试，最终获得员工对业务办理系统的使用满意度的预测结果；但该方法在模型构建和数据训练方面还存在一些挑战和限制，如数据量、数据质量、数据分布不平衡等问题，这些问题都会造成模型预测效果较差。
5、因此，如何提供一种业务办理系统内部用户满意度预测方法及系统，实现提升业务办理系统的用户满意度预测精度，成为一个亟待解决的技术问题。
技术实现思路
1、本专利技术要解决的技术问题，在于提供一种业务办理系统内部用户满意度预测方法及系统，实现提升业务办理系统的用户满意度预测精度。
2、第一方面，本专利技术提供了一种业务办理系统内部用户满意度预测方法，包括如下步骤：
3、步骤s10、获取业务办理系统使用的日志数据以及调查问卷，从各所述日志数据中提取环节特征，基于所述环节特征以及调查问卷构建训练数据集；
4、步骤s20、划分所述训练数据集中各样本的分类标签；
5、步骤s30、对所述训练数据集中的异常样本进行过滤；
6、步骤s40、对所述训练数据集中的样本执行数据增强操作；
7、步骤s50、构建用于预测业务办理系统内部用户满意度的分类模型，利用所述训练数据集对分类模型进行训练；
8、步骤s60、利用训练后的所述分类模型对业务办理系统内部用户满意度进行预测。
9、进一步的，所述步骤s10具体为：
10、获取业务办理系统使用的日志数据以及调查问卷，从各所述日志数据中提取环节特征，基于各所述日志数据携带的调用链数据对各环节特征进行整合得到特征集合；
11、基于所述调查问卷携带的员工工号以及调查时间，将所述调查问卷与特征集合进行关联以构建训练数据集。
12、进一步的，所述步骤s20具体为：
13、基于改进互信息法寻找所述训练数据集中各样本的标签列，并转换最优统计值以及最优分割点，基于所述最优统计值以及最优分割点划分训练数据集中各样本的分类标签；所述分类标签为满意或者不满意。
14、进一步的，所述步骤s30具体为：
15、基于聚类法对所述训练数据集中的各样本进行圆环等距划分，基于所述圆环对样本中的假性正样本以及假性负样本进行标记，基于各所述假性正样本以及假性负样本的距离分布，初步筛选异常正样本以及异常负样本；
16、结合所述调查问卷携带的多维打分数据对异常正样本以及异常负样本进行二次筛选，作为最终的异常样本，最后对所述训练数据集中的异常样本进行过滤。
17、进一步的，所述步骤s40具体为：
18、对所述训练数据集中的正样本进行过采样，以执行数据增强操作。
19、第二方面，本专利技术提供了一种业务办理系统内部用户满意度预测系统，包括如下模块：
20、训练数据集构建模块，用于获取业务办理系统使用的日志数据以及调查问卷，从各所述日志数据中提取环节特征，基于所述环节特征以及调查问卷构建训练数据集；
21、分类标签划分模块，用于划分所述训练数据集中各样本的分类标签；
22、异常样本过滤模块，用于对所述训练数据集中的异常样本进行过滤；
23、数据增强模块，用于对所述训练数据集中的样本执行数据增强操作；
24、分类模型训练模块，用于构建用于预测业务办理系统内部用户满意度的分类模型，利用所述训练数据集对分类模型进行训练；
25、满意度预测模块，用于利用训练后的所述分类模型对业务办理系统内部用户满意度进行预测。
26、进一步的，所述训练数据集构建模块具体用于：
27、获取业务办理系统使用的日志数据以及调查问卷，从各所述日志数据中提取环节特征，基于各所述日志数据携带的调用链数据对各环节特征进行整合得到特征集合；
28、基于所述调查问卷携带的员工工号以及调查时间，将所述调查问卷与特征集合进行关联以构建训练数据集。
29、进一步的，所述分类标签划分模块具体用于：
30、基于改进互信息法寻找所述训练数据集中各样本的标签列，并转换最优统计值以及最优分割点，基于所述最优统计值以及最优分割点划分训练数据集中各样本的分类标签；所述分类标签为满意或者不满意。
31、进一步的，所述异常样本过滤模块具体用于：
32、基于聚类法对所述训练数据集中的各样本进行圆环等距划分，基于所述圆环对样本中的假性正样本以及假性负样本进行标记，基于各所述假性正样本以及假性负样本的距离分布，初步筛选异常正样本以及异常负样本；
33、结合所述调查问卷携带的多维打分数据对异常正样本以及异常负样本进行二次筛选，作为最终的异常样本，最后对所述训练数据集中的异常样本进行过滤。
34、进一步的，所述数据增强模块具体用于：
35、对所述训练数据集中的正样本进行过采样，以执行数据增强操作。
36、本专利技术的优点在于：
37、通过获取业务办理系统使用的日志数据以及调查问卷，从各日志数据中提取环节特征，基于环节特征以及调查问卷构建训练数据集，接着依次划分训练数据集中各样本的分类标签，对训练数据集中的异常样本进行过滤，对训练数据集中的样本执行数据增强操作，然后利用训练数据集对构建的分类模型进行训练，最后利用训练后的分类模型对业务办理系统内部用户满意度进行预测；由于分类标签划分过程中，基于改进互信息法寻找各样本的标签列并转换最优统计值以及最优分割点，再基于最优统计值以及最优分割点划分各样本的分类标签，保障分类标签划分的合理性；异常样本过滤过程中，基于聚类法对各样本进行本文档来自技高网...
【技术保护点】
1.一种业务办理系统内部用户满意度预测方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种业务办理系统内部用户满意度预测方法，其特征在于：所述步骤S10具体为：
3.如权利要求1所述的一种业务办理系统内部用户满意度预测方法，其特征在于：所述步骤S20具体为：
4.如权利要求1所述的一种业务办理系统内部用户满意度预测方法，其特征在于：所述步骤S30具体为：
5.如权利要求1所述的一种业务办理系统内部用户满意度预测方法，其特征在于：所述步骤S40具体为：
6.一种业务办理系统内部用户满意度预测系统，其特征在于：包括如下模块：
7.如权利要求6所述的一种业务办理系统内部用户满意度预测系统，其特征在于：所述训练数据集构建模块具体用于：
8.如权利要求6所述的一种业务办理系统内部用户满意度预测系统，其特征在于：所述分类标签划分模块具体用于：
9.如权利要求6所述的一种业务办理系统内部用户满意度预测系统，其特征在于：所述异常样本过滤模块具体用于：
10.如权利要求6所述的一种业
...【技术特征摘要】
1.一种业务办理系统内部用户满意度预测方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种业务办理系统内部用户满意度预测方法，其特征在于：所述步骤s10具体为：
3.如权利要求1所述的一种业务办理系统内部用户满意度预测方法，其特征在于：所述步骤s20具体为：
4.如权利要求1所述的一种业务办理系统内部用户满意度预测方法，其特征在于：所述步骤s30具体为：
5.如权利要求1所述的一种业务办理系统内部用户满意度预测方法，其特征在于：所述步骤s40具体为：
6.一种业...
【专利技术属性】
技术研发人员：徐珊珊，赵庆勇，朱坚，
申请(专利权)人：福建新大陆软件工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。