[发明专利]一种基于文本分类技术和决策树的投诉倾向判断方法

摘要

本发明公开了一种基于文本分类技术和决策树的投诉倾向判断方法，包括下述步骤：从数据库管理系统获取用户信息，包括用户档案信息和客服工单信息，并据此建立用户历史来电情况表；确定获取用户信息的时间窗；确定预判周期及用于预判的特征数据集；确定预判群体范围；本发明可以在用户来电时，准确地判别用户的投诉倾向程度，为设计策略库和采取不同的安抚和引导策略提供参考，充分利用从结构化数据提取的客户诉求信息，同时对工单中来电内容的非结构化文本数据经过系统的分析，根据客户的历史来电信息对客户的未来投诉实现事前预测，可以减少客户投诉风险，树立电力公司的良好社会形象。

主权项

一种基于文本分类技术和决策树的投诉倾向判断方法，其特征在于，包括下述步骤：步骤1，从数据库管理系统获取用户信息，包括用户档案信息和客服工单信息，并据此建立用户历史来电情况表；步骤1.1，确定获取用户信息的时间窗；步骤1.2，确定预判周期及用于预判的特征数据集；步骤1.3，确定预判群体范围；步骤1.4，确定所需的原数据字段，所述原数据字段包括用户编号、业务类别代码、工单来源代码、来电内容、接通时间和挂机时间；步骤2，将用户历史来电情况表输入分析计算平台并进行数据预处理，得到模型数据集；步骤2.1，根据原数据字段构造所需变量；步骤2.2，数据质量检查；步骤2.3，数据清洗，所述数据清洗包括异常值处理和缺失值处理，并输出数据质量良好的历史来电情况表；步骤2.4，训练集计算；步骤2.5，数据变换，将连续型变量转换为离散型数据；步骤3，制定越级分类规则对全量训练集的用户进行投诉倾向判断；所述越级分类规则为：TYPE=1if12398or12345TYPE=0ifnot12398andnot12345,]]>其中TYPE为用户类别，为1时表示越级投诉群体，为0时表示非越级投诉群体；步骤4，基于历史来电数据，根据越级分类规则对用户进行类别区分，将用户分为越级投诉倾向群体和非越级投诉倾向群体两大类，其中，越级投诉倾向群体为12398、12345历史来电行为客户群体；非越级投诉群体为历史来电行为特征未通过12398和12345来电的群体；步骤5，针对所述越级投诉倾向群体，在下一个预判周期内的类别标记为“投诉高倾向”，同时得到非越级投诉数据集；步骤5.1，根据客服工单信息表中工单来源代码，判断用户来电历史途径是否为12398或12345；SUM(CASE WHEN GDLYDM＝'06'THEN 1 ELSE 0 END)SUM(CASE WHEN GDLYDM IN('07','08','13')THEN 1 ELSE 0 END)其中“GDLYDM”表示“工单来源代码”，“06”表示12398来电；“07”、“08”、“13”均表示12345来电；步骤6，制定文本分类规则对所述步骤5中获得的非越级投诉数据集进行投诉倾向判断；步骤7，运用文本分类进行识别、匹配，识别来电内容包含特殊字眼的用户群体；步骤7.1，剔除非文字信息；步骤7.2，剔除停用词；步骤7.3，文本切分词；步骤7.4，构建情感词典；步骤7.5，词匹配，根据构建的情感词典，使用词语文本匹配的方法找出来电内容包含特殊字眼的客户群体；步骤8，针对来电内容包含特殊字眼群体，则该类群体在下一个预判周期内的类别标记为“投诉高倾向”，同时得到非越级投诉、历史工单无特殊字眼的数据集；步骤9，根据所述步骤8中获得的非越级投诉、历史工单无特殊字眼的数据集，制定决策树分类规则，对非越级投诉、历史工单无特殊字眼的用户进行投诉倾向判断；步骤10，进行特征选择，在特征选择后的训练集上执行决策树算法，确定投诉倾向预测模型，输出投诉风险标签；步骤10.1，所述特征选择可分为业务类别特征、电话拨打行为特征、回访特征和回复特征四大维度；所述业务类别特征，是指用户历史不同业务办理类型的来电情况，包括故障报修次数、咨询次数、举报次数、建议次数、意见次数和投诉次数六个类型；所述电话拨打行为特征，是指用户历史来电的拨打行为，主要为来电拨打时长；所述回访特征，是指用户来电后工单处理情况回访结果，包括回访不满意次数和是否存在回访投诉两个类型；所述回复特征，是指用户对于工单处理的回复结果，主要为客户回复满意度；客户回复满意度能够反应客户本次电话事件的问题解决程度，直接关系到客户投诉倾向的程度，客户回复满意度主要包括回复不满意次数、回复满意次数和回复非常满意次数；步骤10.2，构造决策树，对各特征值的取值范围作定义；利用ID3算法构造决策树，选择公式进行给定样本所需的期望信息计算；I(S1,S2,...Sm)=-Σi=1mpilog2pi,]]>其中，I为给定样本的期望值，S是s个数据样本的集合，即S指的是一个数据集合，其中包含s个数据样本，假定类标号属性具有m个不同值，定义m个不同类Ci(i＝1,2,3,…,m)，设Si是类Ci的样本数，Pi是任意样本属于Ci的概率，一般可用Si，s来估计；根据以下公式计算熵值：E(A)=-Σj=1vS1j+S2j+...+SmjSI(S1,S2,...,Sm),]]>其中，E(A)为各个特征的熵值，Sij是子集Sj中类Ci的样本数；最后计算各个特征的信息增益，由期望信息和熵值可以得到相应的信息增益值；对于在分支上将获得的信息增益可以由以下公式得到：Gain(A)＝I(S1,S2,…,Sm)‑E(A)，其中，Gain(A)为各个特征的信息增益；步骤10.3，基于上述计算得出各个特征的信息增益，最终确定特征包括拨打时长、回访不满意次数、投诉次数和是否存在回访投诉，进而得出决策树；步骤10.4，提取分类规则，得出投诉风险标签。