[发明专利]基于工单轨迹信息的电力客户投诉预测方法及装置

权利要求书

1.一种基于工单轨迹信息的电力客户投诉预测方法，其特征在于，包括：

采集各个电力客户历史呼叫客服的工单信息；

从采集的工单信息中，提取各个预设特征字段在预设工单轨迹长度内的字段信息，其中，所述工单轨迹长度为预先配置的位于电力客户投诉预测时刻之前的一个历史时间段，所述预设特征字段为预先配置的能够反映电力客户是否投诉工单的数据字段；

根据各个预设特征字段在预设工单轨迹长度内的字段信息，构建样本数据集，其中，所述样本数据集包括：训练数据集和测试数据集；

根据样本数据集，通过机器学习训练一个客户投诉预警模型；

基于训练好的客户投诉预警模型，预测各个电力客户未来呼叫客服的投诉概率。

2.如权利要求1所述的方法，其特征在于，根据样本数据集，通过机器学习训练一个客户投诉预警模型，包括：

根据训练数据集，对随机森林模型进行机器学习训练，得到客户投诉预警模型；

根据测试数据集，对训练得到的客户投诉预警模型进行验证。

3.如权利要求1所述的方法，其特征在于，在从采集的工单信息中，提取各个预设特征字段在预设工单轨迹长度内的字段信息之前，所述方法还包括：

从采集的工单信息中，提取出多个数据字段；

使用作图的方式，将每个数据字段划分到正样本数据集或负样本数据集中；

计算第一数据字段和第二数据字段的相关系数，其中，所述第一数据字段和所述第二数据字段为所述多个数据字段中的任意两个数据字段；

根据第一数据字段和第二数据字段的相关系数，确定第一数据字段和第二数据字段的互相关量；

根据所述多个数据字段中任意两个数据字段的互相关量，从所述多个数据字段中筛选出互相关量大于预设阈值的一个或多个数据字段，作为预设特征字段。

4.如权利要求3所述的方法，其特征在于，根据各个预设特征字段在预设工单轨迹长度内的字段信息，构建样本数据集，包括：

对各个预设特征字段的字段信息进行标准化处理；

对标准化处理后的字段信息进行独热编码，生成对应的独热编码向量；

根据生成的编码向量，生成正样本数据集和负样本数据集。

5.如权利要求4所述的方法，其特征在于，使用z-score方法，对各个预设特征字段的字段信息进行标准化处理。

6.如权利要求4所述的方法，其特征在于，在根据生成的编码向量，生成正样本数据集和负样本数据集之后，所述方法还包括：

采用Borderline SMOTE过采样方法对正样本数据集进行处理。

7.如权利要求4所述的方法，其特征在于，在根据生成的编码向量，生成正样本数据集和负样本数据集之后，所述方法还包括：

获取正样本数据集和负样本数据集中均存在的一个或多个目标特征字段；

统计各个目标特征字段分别在正样本数据集和负样本数据集中的数据个数比；

将数据个数比小于预设阈值的目标特征字段在正样本数据集和负样本数据集中的数据剔除。

8.一种基于工单轨迹信息的电力客户投诉预测装置，其特征在于，包括：

工单信息采集模块，用于获取各个电力客户历史呼叫客服的工单信息；

字段信息提取模块，用于从采集的工单信息中，提取各个预设特征字段在预设工单轨迹长度内的字段信息，其中，所述工单轨迹长度为预先配置的位于电力客户投诉预测时刻之前的一个历史时间段，所述预设特征字段为预先配置的能够反映电力客户是否投诉工单的数据字段；

样本数据集构建模块，用于根据各个预设特征字段在预设工单轨迹长度内的字段信息，构建样本数据集，其中，所述样本数据集包括：训练数据集和测试数据集；

机器学习模块，用于根据样本数据集，通过机器学习训练一个客户投诉预警模型；

电力客户投诉预测模块，用于基于训练好的客户投诉预警模型，预测各个电力客户未来呼叫客服的投诉概率。