[发明专利]工单分类方法及装置

说明书

本发明提供了一种工单分类方法及装置，所述工单分类方法包括：根据预先生成自定义词库以及停用词库，对所述工单数据进行中文分词以对所述工单数据进行清洗；利用清洗后的工单数据以及预先生成的SVM工单分类模型对所述工单数据进行分类。发明所提供的工单分类方法可以对新工单自动进行业务分类，减少手工操作避免误判，提高处理效率。

技术领域

本发明涉及机器学习技术领域，具体涉及金融行业的客服服务数据分析技术领域，特别是涉及一种工单分类方法及装置。

背景技术

银行呼叫中心工单是受理客户投诉、了解客户需求、分析决策的数据重要来源。银行业务产品种类繁多、用户体验要求不断提升，银行客服人员在处理客户投诉问题时，需人工根据客户投诉原因、问题描述、业务办理渠道等分析判断工单所属分类，填写工单基本信息，受理一份工单效率不高，客户等待时间长体验差，容易造成投诉升级。同时，银行繁杂的业务分类，客户投诉原因的五花八门，经常出现客服人员分析判断不准确、类型对应不符等问题。

发明内容

针对现有技术中的问题，本发明所提供的工单分类方法及装置，通过机器学习中的多分类的方法，对工单数据的历史数据进行分析，并创建一个问题自动分类的模型，该模型可以对新工单自动进行业务分类，减少手工操作避免误判，提高处理效率。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种工单分类方法，包括：

根据预先生成自定义词库以及停用词库，对所述工单数据进行中文分词以对所述工单数据进行清洗；

利用清洗后的工单数据以及预先生成的SVM工单分类模型对所述工单数据进行分类。

优选地，生成所述SVM工单分类模型的步骤，包括：

利用分词工具，对清洗后的工单数据进行文本属性转换，以生成所述工单数据对应的特征向量；

利用线性判断分析方法对所述特征向量进行降维；

利用SVM方法，根据降维后的特征向量训练初始SVM工单分类模型，以生成所述SVM工单分类模型。

优选地，生成自定义词库以及停用词库的步骤，包括：

根据所述工单数据使用场景生成所述自定义词库以及所述停用词库；

所述停用词库用于屏蔽常用词汇的歧义。

优选地，生成所述SVM工单分类模型还包括：

对所述工单数据的类型进行划分，以生成分类结果；所述分类结果用于训练所述初始SVM工单分类模型；

所述分类结果包括：服务投诉、信用问题、状态异常、审批、疑义交易、身份验证、营销相关、对账服务以及表扬建议。

第二方面，本发明提供一种工单分类装置，该装置包括：

工单清洗单元，用于根据预先生成自定义词库以及停用词库，对所述工单数据进行中文分词以对所述工单数据进行清洗；

工单分类单元，用于利用清洗后的工单数据以及预先生成的SVM工单分类模型对所述工单数据进行分类。

优选地，工单分类装置还包括：模型生成单元，用于生成所述SVM工单分类模型，包括：

向量生成模块，用于利用分词工具，对清洗后的工单数据进行文本属性转换，以生成所述工单数据对应的特征向量；

向量降维模块，用于利用线性判断分析方法对所述特征向量进行降维；

模型生成模块，用于利用SVM方法，根据降维后的特征向量训练初始SVM工单分类模型，以生成所述SVM工单分类模型。