[發(fā)明專利]一種智能投訴分類與處理系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710645143.1
• 申請日: 2017-08-01
• 公開（公告）號(hào): CN109345262A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設(shè)計(jì)）人: 周慶國;武強(qiáng);雍賓賓;申澤邦;王金強(qiáng);胡軼凜
• 申請（專利權(quán)）人: 蘭州大學(xué)
• 主分類號(hào): G06Q30/00
• 分類號(hào): G06Q30/00;G06F17/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學(xué)習(xí)的智能投訴分類與處理系統(tǒng)，它包括對(duì)投訴語音、文本進(jìn)行向量化處理，BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)實(shí)現(xiàn)投訴分類，BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)，實(shí)現(xiàn)投訴處理。

2.文本向量化處理，文本的表示主要采用向量空間模型(VSM)。向量空間模型的基本思想是以向量來表示文本:(W1,W2,W3,W4,W5)其中Wi為第i個(gè)特征項(xiàng)的權(quán)重。通常詞匯作為向量的維數(shù)來表示文本。最初的向量表示完全是0,1形式，即:如果文本中出現(xiàn)了該詞，那么文本向量的該維度為1，否則為0。采用文本的空間向量模型，首先建立投訴常用詞匯庫WordDic。如詞匯庫中包含詞匯：1、退訂業(yè)務(wù)(取消業(yè)務(wù))；2、業(yè)務(wù)費(fèi)用；3、退費(fèi)；4、不能使用；5、退貨；6、質(zhì)量低；7、快遞；8、包裝等。

投訴文本轉(zhuǎn)換為空間向量算法：

(1)文本分詞

(2)建立分詞向量

當(dāng)輸入用戶投訴文本后，首先進(jìn)行分詞操作，將投訴文本中的關(guān)鍵詞取出，然后通過檢索詞庫中的關(guān)鍵字(包含關(guān)鍵字同義詞)，如果存在該關(guān)鍵字，該詞匯按照所在詞庫的序列位置在空間向量相應(yīng)的維數(shù)中填寫1，反之則填寫0。假設(shè)WordDic詞庫只包含如下9個(gè)詞匯，用戶投訴內(nèi)容為“用戶反映不能正常使用XX產(chǎn)品訂購業(yè)務(wù)，請?zhí)幚怼蓖ㄟ^輪詢檢索關(guān)鍵字：第一位0，第二位0，第三位1，第四位1，第五到第九位都是0，算法最后得到文本向量(0,0,1,1,0,0,0,0,0)。

3.BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)實(shí)現(xiàn)投訴分類，采用BP神經(jīng)網(wǎng)絡(luò)，建立一個(gè)有五層網(wǎng)絡(luò)模型，輸入層，隱藏層layer1，隱藏層layer2，隱藏層layer3、輸出層。選擇的激勵(lì)函數(shù)是sigmoid函數(shù):

首先在對(duì)輸入層輸入我們投訴文本進(jìn)行線性組合。經(jīng)過隱含層的函數(shù)的作用，在輸出端口輸出值,每一層經(jīng)過線性組合進(jìn)行輸入,通過激勵(lì)函數(shù)進(jìn)行輸出。我們的目標(biāo)是代價(jià)函數(shù)讓代價(jià)函數(shù)越小，神經(jīng)網(wǎng)絡(luò)分類越準(zhǔn)確)。具體讓代價(jià)函數(shù)變小的過程是，梯度下降算法，并且使用反向傳播算法縮小誤差。

系統(tǒng)實(shí)現(xiàn)該神經(jīng)網(wǎng)絡(luò)集成結(jié)構(gòu)包括三個(gè)重要步驟：

(1)通過多層神經(jīng)網(wǎng)絡(luò)，利用文本向量進(jìn)行深度訓(xùn)練，每一層輸出是下一層能輸入。

(2)持續(xù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)(分類器)對(duì)用戶投訴(單特征值的識(shí)別)的識(shí)別分類。(投訴分類的數(shù)量不大，種類在25-30類左右)。

(3)系統(tǒng)機(jī)器分類結(jié)果與實(shí)際結(jié)果進(jìn)行誤差分析并修改相應(yīng)的權(quán)值。

(4)機(jī)器生成分類結(jié)果同時(shí)反饋到客戶服務(wù)系統(tǒng)和下一步智能投訴處理流程。

以上結(jié)構(gòu)采用的深度多層神經(jīng)網(wǎng)絡(luò)算法，輸入與輸出可以快速建立明確的對(duì)應(yīng)關(guān)系，計(jì)算復(fù)雜度不高，由于服務(wù)類投訴的局限性(詞庫容量大概500個(gè)，無需考慮多特征值輸入)，系統(tǒng)訓(xùn)練的樣本不大，實(shí)現(xiàn)過程中可操作性強(qiáng)。

4.BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)實(shí)現(xiàn)投訴處理，利用投訴分類結(jié)果和文本向量，繼續(xù)進(jìn)行深度學(xué)習(xí)訓(xùn)練，目的是機(jī)器實(shí)現(xiàn)投訴處理輸出。首先我們將每一種類型的投訴的標(biāo)準(zhǔn)輸出(用戶滿意結(jié)果)進(jìn)行順尋排列將用戶滿意投訴回復(fù)進(jìn)文本向量轉(zhuǎn)換，形成一個(gè)分類的投訴回復(fù)結(jié)果序列池RESLUTPOOL。(每一種分類都有一個(gè)RESLUTPOOL)。

采用神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)，進(jìn)行特定投訴類型的輸出匹配，實(shí)現(xiàn)機(jī)器智能回復(fù)。(通過分類結(jié)果確認(rèn)回復(fù)序列池RESLUTPOOL，降低系統(tǒng)學(xué)習(xí)復(fù)雜度)，與步驟(2)的方法步驟類似，采用BP神經(jīng)網(wǎng)絡(luò)，建立一個(gè)有五層層網(wǎng)絡(luò)模型，輸入層，隱藏層layer1，隱藏層layer2，隱藏層layer3、輸出層。選擇的激勵(lì)函數(shù)是sigmoid函數(shù)，首先在輸入層輸入我們投訴向量和投訴分類向量進(jìn)行輸入(相對(duì)步驟2，增加分類結(jié)果向量輸入)，輸出為該類投訴的經(jīng)過隱含層的函數(shù)的作用，在輸出端口的RESTPOOL序列池中選擇應(yīng)該回復(fù)內(nèi)容，從而實(shí)現(xiàn)機(jī)器智能回復(fù)。

系統(tǒng)處理的向量結(jié)果是RESLUT，將RESLUT的文本向量處理結(jié)果向量R進(jìn)行誤差分析比對(duì)，將輸出值進(jìn)行誤差計(jì)算，如果沒有達(dá)到誤差要求，根據(jù)正確結(jié)果，輸出反饋信息到輸入層和隱藏層，調(diào)節(jié)權(quán)值和相關(guān)函數(shù)，來達(dá)到優(yōu)化輸出值的作用。