[发明专利]一种投诉处理方法及系统

权利要求书

1.一种投诉处理方法，其特征在于，包括：

将获取的投诉语音转换为具有索引标签的文本记录信息，所述索引标签至少包括投诉类别；

基于投诉类别一一对应的决策树，确定所述决策树中得票数最高的投诉原因，其中，决策树的每一个树节点代表一个投诉原因的特征属性；

基于所述投诉原因，输出相应的投诉解决措施。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于分类与回归树CART算法和CNN深度学习算法，构建投诉预测模型，并利用所述具有索引标签的文本记录信息对所述投诉预测模型进行训练；

基于训练后的投诉预测模型，输出潜在投诉用户，以进行投诉预防。

3.根据权利要求2所述的方法，其特征在于，所述基于分类与回归树CART算法和CNN深度学习算法，构建投诉预测模型，并利用所述具有索引标签的文本记录信息对所述投诉预测模型进行训练，包括：

以信令数据和经分数据作为所述CART算法和CNN深度学习算法的特征因子，构建所述投诉预测模型；

将获取的历史文本记录信息、历史信令数据以及历史经分数据作为训练样本集对所述投诉预测模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述将获取的投诉语音转换为具有索引标签的文本记录信息，所述索引标签至少包括投诉类别，包括：

基于语音识别技术，将获取的投诉语音转换为文本记录信息；

提取所述文本记录信息中的关键字并按照所述关键字对应的索引标签进行存储，以得到带有索引标签的文本记录信息。

5.根据权利要求4所述的方法，其特征在于，所述基于语音识别技术，将获取的投诉语音转换为带有关键字的文本记录信息，包括：

将所述投诉语音输入训练后的语音识别模型中，提取所述投诉语音对应的语音特征；

对所述语音特征进行解码搜索，以将所述投诉语音转换为文本记录信息。

6.根据权利要求1所述的方法，其特征在于，所述基于投诉类别一一对应的决策树，确定所述决策树中得票数最高的投诉原因，其中，决策树的每一个树节点代表一个投诉原因的特征属性，包括：

基于所述投诉类别与所述决策树之间的对应关系，确定目标决策树；

将所述具有索引标签的文本记录信息和外部数据表示XDR信令数据输入所述目标决策树中，确定所述目标决策树中得票数最高的投诉原因。

7.根据权利要求1所述的方法，其特征在于，所述索引标签包括投诉地点，所述方法还包括：

统计预设时间段内转换的所有所述具有索引标签的文本记录信息；

基于所述索引标签中的投诉地点，在地理信息系统GIS中实时显示投诉热点区域。

8.一种投诉处理系统，其特征在于，包括：

语音转换模块，用于将获取的投诉语音转换为具有索引标签的文本记录信息，所述索引标签至少包括投诉类别；

投诉原因定位模块，用于基于投诉类别一一对应的决策树，确定所述决策树中得票数最高的投诉原因，其中，决策树的每一个树节点代表一个投诉原因的特征属性；

投诉解决模块，用于基于所述投诉原因，输出相应的投诉解决措施。

9.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行如权利要求1至7任一所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。