[发明专利]一种投诉预警处理方法及装置

权利要求书

1.一种投诉预警处理方法，其特征在于，包括：

获取第一预设时间段内的投诉量数据；

对于获取的投诉量数据中的每个时间点的数据，基于统计与规则方法筛选出异常时间点并打上标签，根据正常时间点的投诉量数据和已打上标签的异常时间点的投诉量数据构建样本数据，按照不同的投诉业务和地市对样本数据进行标准化；

对于获取的投诉量数据中的每个时间点的数据，按照累计投诉量构建特征，并对构建好的特征按照重要性排序进行筛选；

对标准化后的样本数据和筛选后的特征进行训练，获得训练好的融合模型，以利用所述融合模型进行投诉预警；其中，所述融合模型结合了逻辑回归模型和随机森林模型；

所述对标准化后的样本数据和筛选后的特征进行训练，获得训练好的融合模型，包括：

将标准化后的样本数据送入逻辑回归模型，获得输出结果为1的概率；

将逻辑回归模型输出结果为1的结果作为新的特征，与筛选后的特征结合作为新的样本数据输入随机森林模型，获得训练好的融合模型；

其中，1表示输出数据的时间点为异常时间点，所述融合模型的输出为0或1，0表示输出数据的时间点为正常时间点；

所述利用所述融合模型进行投诉预警，包括：

利用所述融合模型进行提前预警，通过概率的方式给出预设第二时间段后发生预警的概率；

利用所述融合模型判断出当天出现的异常时间点，根据当天出现的异常时间点的总数和连续数量进行实时预警。

2.根据权利要求1所述的方法，其特征在于，所述对于获取的投诉量数据中的每个时间点的数据，基于统计与规则方法筛选出异常时间点，包括：

对于获取的投诉量数据中的每个时间点的数据，利用置信区间统计算法、分位点统计算法和/或自回归积分滑动平均模型ARIMA统计算法确定上限阈值并筛选出超过上限阈值的异常时间点。

3.根据权利要求1所述的方法，其特征在于，根据正常时间点的投诉量数据和已打上标签的异常时间点的投诉量数据构建的样本数据为正负样本1:1的样本集。

4.根据权利要求1所述的方法，其特征在于，构建好的特征，包括：时间、地市名称、投诉类型、投诉累计量、相对于前14天的1分钟投诉量的增长数、相对于前14天的5分钟投诉量的增长数、相对于前14天的10分钟投诉量的增长数、相对于前14天的15分钟投诉量的增长数、相对于前14天的30分钟投诉量的增长数、相对于前14天的45分钟投诉量的增长数、相对于前14天的60分钟投诉量的增长数、1分钟投诉量的增长数、5分钟投诉量的增长数、10分钟投诉量的增长数、15分钟投诉量的增长数、30分钟投诉量的增长数、45分钟投诉量的增长数、60分钟投诉量的增长数、前14天到目标时段的累计投诉量的平均值、前14天到目标时段的累计投诉量的标准差、当天到目标时段的累计投诉量的平均值和当天到目标时段的累计投诉量的标准差。

5.根据权利要求1所述的方法，其特征在于，所述对构建好的特征按照重要性排序进行筛选，包括：

利用皮尔森pearson系数、卡方chi2和/或梯度提升决策树GBDT，对构建好的特征按照重要性排序进行筛选。