[发明专利]投诉类型的预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种投诉类型的预测方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取目标用户的投诉信息；对投诉信息进行分词处理，得到分词后的投诉文本；将分词后的投诉文本输入到预先训练好的投诉率预测模型，得到投诉信息的特征向量，根据投诉信息的特征向量得到投诉信息的投诉率；基于投诉信息的投诉率，对分词后的投诉文本加权，得到加权后的投诉文本；将加权后的投诉文本输入到预先训练好的投诉类型预测模型，得到投诉类型的特征向量；根据投诉类型的特征向量得到目标用户的投诉类型。该方法，基于对投诉文本进行加权，可以提高用户的投诉类型预测的准确度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种投诉类型的预测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着互联网技术的发展，需要对用户的语音文本进行实时转换，以获取用户的情绪信息，并结合用户历史的情绪信息等，得到用户的类型预测。

现有的方式中，基于业务经验，对用户的语音文本，人工提炼关键词，该方式，只能对用户的语音文本进行关键词提取，为业务人员提供简单参考，无法对用户的类型的进行预测。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高用户投诉类型的预测准确率的投诉类型的预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种投诉类型的预测方法，所述方法包括：

获取目标用户的投诉信息；

对所述投诉信息进行分词处理，得到分词后的投诉文本；

将所述分词后的投诉文本输入到预先训练好的投诉率预测模型，得到所述投诉信息的特征向量，根据所述投诉信息的特征向量得到所述投诉信息的投诉率；

基于所述投诉信息的投诉率，对所述分词后的投诉文本加权，得到加权后的投诉文本；

将所述加权后的投诉文本输入到预先训练好的投诉类型预测模型，得到投诉类型的特征向量；

根据所述投诉类型的特征向量得到所述目标用户的投诉类型。

在其中一个实施例中，所述训练投诉率预测模型的方法，包括：

获取投诉样本训练集；所述投诉样本训练集包括多个投诉样本以及标注的投诉频率；

从所述投诉样本训练集获取投诉样本；

对投诉样本进行分词处理，得到分词后的投诉样本；

将所述分词后的投诉样本输入到待训练的投诉率预测模型，得到所述投诉样本的特征向量，根据所述投诉样本的特征向量，得到所述投诉样本的预测的投诉频率；

根据所述投诉样本的预测的投诉频率和所述标注的投诉频率的差异，调整所述投诉率预测模型的参数，得到训练好的投诉率预测模型。

在其中一个实施例中，所述获取投诉样本训练集，包括：

获取由历史投诉信息构成的初始样本训练集；所述初始投诉样本训练集包括多个投诉样本以及标注的投诉频率；

获取与所述投诉样本语义相近的关联文本；

将与所述关联文本语义相近的投诉样本的标注的投诉频率，作为所述关联文本的标注的投诉频率；

根据所述关联文本及标注的投诉频率，扩充所述投诉样本训练集，得到投诉样本训练集。

在其中一个实施例中，所述基于所述投诉信息的投诉率，对所述分词后的投诉文本加权，得到加权后的投诉文本，包括：

根据所述投诉信息的投诉率，确定投诉权重；所述投诉率的值与所述投诉权重呈正相关；