【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种投诉工单的处理方法、装置、设备及存储介质。
技术介绍
1、客户电话投诉和业务咨询是银行各类业务问题以及潜在客户需求集中反馈的一线渠道，其高效、快速、精准的处理方式直接关系到银行的口碑和持续发展。根据投诉分类标准的有关要求，银行需要详细记录客服投诉工单内容，并按照业务办理渠道、投诉业务类别、投诉原因等多维度标签化准确分类，定期报送。客户投诉工单类别具有层级结构，分类粒度由粗到细，且各层之间具有一定的标签约束关系，是典型的层级多标签文本分类问题。
2、近年来，随着深度学习的空前成功，文本分类算法也获得了巨大的进步，然而，层级多标签文本分类任务在如何利用层级标签结构及标签约束关系方面仍面临着极大的挑战，目前，在学术研究中主流的处理方法大致分为“自顶向下”的局部模型、“扁平化”的全局模型两类。其中，“自顶向下”的局部模型将层级多标签文本分类任务转化为层次结构上的多个预测任务，在分类形式上利用标签的层次关系，该方式预测较慢，且容易造成错误累积；“扁平化”的全局模型将具有层级结构的标签进行“扁平化”处理，无论是几层标签结构，都统一映射到一维空间，从而转化为一个普通的多标签文本分类任务，建立一个全局的分类模型完成分类，该方式往往无法深入到子层级粒度的信息，针对不同层级独特的分类方式进行个性化学习，并且，不同层级标签数据量差距悬殊，该方式引入了数据不均衡的问题，导致模型对于尾部/下层标签的学习效果不佳。
技术实现思路
1、本专利技术实施例提供了一种投
2、第一方面，本实施例提供了一种投诉工单的处理方法，该方法包括：
3、对采集到的投诉工单音频信息进行预处理，获得处理后的目标文本信息；
4、针对预训练的基于层级关联学习的多标签文本分类模型中的每个分类器，将预设标签信息和所述目标文本信息进行标签嵌入处理，获得嵌入后的文本特征向量；
5、根据所述文本特征向量和预设的层级向量确定公式，确定各所述分类器所处层的层文本特征向量；
6、基于自顶向下为主、自底向上为辅的注意力机制对各所述层文本特征向量进行层级关联处理，获得处理后的各层级的目标文本特征向量，以生成分类预测结果。
7、第二方面，本实施例提供了一种投诉工单的处理装置，该装置包括：
8、音频转换模块，用于对采集到的投诉工单音频信息进行预处理，获得处理后的目标文本信息；
9、嵌入处理模块，用于针对预训练的基于层级关联学习的多标签文本分类模型中的每个分类器，将预设标签信息和所述目标文本信息进行标签嵌入处理，获得嵌入后的文本特征向量；
10、向量确定模块，用于根据所述文本特征向量和预设的层级向量确定公式，确定各所述分类器所处层的层文本特征向量；
11、结果确定模块，用于基于自顶向下为主、自底向上为辅的注意力机制对各所述层文本特征向量进行层级关联处理，获得处理后的各层级的目标文本特征向量作为分类预测结果。
12、第三方面，本实施例提供了一种电子设备，包括：
13、至少一个处理器；以及
14、与所述至少一个处理器通信连接的存储器；其中，
15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的投诉工单的处理方法。
16、第四方面，本实施例提供了一种计算机可读存储介质，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的投诉工单的处理方法。
17、本专利技术实施例提供一种投诉工单的处理方法、装置、设备及存储介质，该方法包括：首先对采集到的投诉工单音频信息进行预处理，获得处理后的目标文本信息；其次针对预训练的基于层级关联学习的多标签文本分类模型中的每个分类器，将预设标签信息和目标文本信息进行标签嵌入处理，获得嵌入后的文本特征向量；然后根据文本特征向量和预设的层级向量确定公式，确定各分类器所处层的层文本特征向量；最后基于自顶向下为主、自底向上为辅的注意力机制对各层文本特征向量进行层级关联处理，获得处理后的各层级的目标文本特征向量，以生成分类预测结果。上述技术方案，将投诉工单分类任务抽象为层级多标签文本分类任务，分析投诉工单分类任务的特点，将其划分为各个层级的分类任务，分别学习各个层级的细粒度层级特色信息，提出分类器多尺度关联，通过注意力机制建立上下级信息的双向关联，利用自顶向下为主、自底向上为辅的策略，实现层次化标签语义与文本语义以及上下层级之间的交互，提高了对投诉工单进行标签分类处理预测的准确性，能够更加快速、准确的分类预测，大大降低人工复核的时间成本和难度。
18、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种投诉工单的处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对采集到的投诉工单音频信息进行预处理，获得处理后的目标文本信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述将预设标签信息和所述目标文本信息进行标签嵌入处理，获得嵌入后的文本特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，标签嵌入处理公式表示为：
5.根据权利要求1所述的方法，其特征在于，所述基于自顶向下为主、自底向上为辅的注意力机制对各所述层文本特征向量进行层级关联处理，获得处理后的各层级的目标文本特征向量，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于层级关联学习的多标签文本分类模型的训练步骤，包括：
7.根据权利要求1所述的方法，其特征在于，还包括：
8.一种投诉工单的处理装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器
...【技术特征摘要】
1.一种投诉工单的处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对采集到的投诉工单音频信息进行预处理，获得处理后的目标文本信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述将预设标签信息和所述目标文本信息进行标签嵌入处理，获得嵌入后的文本特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，标签嵌入处理公式表示为：
5.根据权利要求1所述的方法，其特征在于，所述基于自顶向下为主、自底向上为辅的注意力机制对各所述层文本特征向量进行...
【专利技术属性】
技术研发人员：徐梦，冯捷，丁佩璇，刘玉雪，李泽森，
申请(专利权)人：中国农业银行股份有限公司，
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。