[发明专利]一种移动通信客户投诉的诊断方法及系统

权利要求书

1.一种移动通信客户投诉的诊断方法，其特征在于，所述诊断方法包括：

获取移动通信客户投诉工单；

判断所述移动通信客户投诉工单是否同时包含客户信息和投诉文本描述，获得第一判断结果；如果第一判断结果表示为不同时包含客户信息和投诉文本描述，则删除所述移动通信客户投诉工单；如果第一判断结果表示为同时包含客户信息和投诉文本描述，则从各所述移动通信客户投诉工单中提取客户信息和投诉文本描述；所述客户信息包括：手机号、投诉时间和投诉地点；

根据所述投诉文本描述提取文本特征，获得投诉文本特征；

根据所述客户信息，通过云端数据库访问接口访问所述客户信息对应的云端数据库资源，获取相对应的关键要素特征；

构建投诉智能诊断模型；

将所述投诉文本特征和所述关键要素特征输入所述投诉智能诊断模型对所述移动通信客户投诉工单进行诊断，获得投诉结果；所述投诉结果为弱覆盖、故障、干扰、热点、客户原因中的任一种；

所述构建投诉智能诊断模型，具体包括：

根据多个历史通信客户投诉工单构建数据集；所述数据集包括从各所述历史通信客户投诉工单中获得的历史关键要素特征、历史投诉文本特征、历史真实的分类结果；

根据所述数据集构建S个数据子集；其中，S为大于等于1的整数；

根据各所述数据子集构建与各所述数据子集对应的支持向量机基分类器；

将S个数据子集分别输入各所述支持向量机基分类器中，获得S个预测的分类结果；

根据各所述预测的分类结果，利用证据推理规则进行结果合成，确定投诉智能诊断模型；

根据所述数据集构建S个数据子集，具体包括：

根据所述数据集确定各历史关键要素特征的信息增益值和各历史投诉文本特征的信息增益值，具体公式为：

其中，IG(Y,X)为各历史关键要素特征的信息增益值或各历史投诉文本特征的信息增益值，Y为历史真实的分类结果，所述历史真实的分类结果包括弱覆盖、故障、干扰、热点、客户原因，y∈Y为历史真实的分类结果中的任一种，X为特征要素，所述特征要素包括关键要素特征和文本特征，x∈X为特征要素中的任一种，H(Y)为历史真实的分类结果Y的熵值，H(Y|X)为加入特征要素X之后历史真实的分类结果Y的熵值，p(y)为结果y的边际密度函数，p(x)特征x的边际密度函数，p(y|x)为加入特征x后，y的边际密度函数；

将各历史关键要素特征的信息增益值和各历史投诉文本特征的信息增益值进行归一化处理，获得特征权重；

根据所述特征权重，对所述数据集中的特征进行随机采样，抽取出S个数据子集。

2.根据权利要求1所述的诊断方法，其特征在于，所述根据所述投诉文本描述提取文本特征，获得投诉文本特征，具体包括：

对所述投诉文本描述进行分词，去除停用词，获得关键词；

采用TF-IDF算法，根据所述关键词进行文本特征提取，获得投诉文本特征。

3.根据权利要求1所述的诊断方法，其特征在于，所述根据各所述预测的分类结果，利用证据推理规则进行结果合成，确定投诉智能诊断模型，具体包括：

将各所述预测的分类结果转换为证据；

根据各所述预测的分类结果与各所述预测的分类结果对应的历史真实的分类结果确定各所述支持向量机基分类器预测的准确率；

将各所述支持向量机基分类器预测的准确率作为证据的初始权重；

将各所述支持向量机基分类器预测的准确率作为证据的初始可靠性值；

根据所述证据的初始权重和各所述证据确定各证据的加权信度；

根据各证据的初始可靠性值和加权信度进行多条证据合成，获得最终预测的各分类结果对应的概率；

从最终预测的各分类结果对应的概率中选取概率最大的类别作为最终预测的分类结果；

根据最终预测的分类结果和所述历史真实的分类结果确定误差值；

采用非线性优化计算方法缩小所述误差值、优化权重，根据相邻的两个误差值确定误差变化值；

判断所述误差变化值是否小于设定阈值，获得第二判断结果；如果所述第二判断结果为小于设定阈值，则输出投诉智能诊断模型；如果所述第二判断结果为大于或等于设定阈值，则将优化后的权重作为证据的初始权重，并返回步骤“将各所述支持向量机基分类器预测的准确率作为证据的初始可靠性值”。