[發(fā)明專利]基于多模型融合的客訴率預(yù)測方法、裝置和計算機(jī)設(shè)備

在審

• 申請?zhí)枺?/td>: 202011268366.9
• 申請日: 2020-11-13
• 公開（公告）號: CN114492905A
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計）人: 陳曉晶;董珊;吳鴻藝;陳才;陳志文;孫宏宇
• 申請（專利權(quán)）人: 順豐科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08;G06Q30/00
• 代理公司: 華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 熊文杰

本申請涉及一種基于多模型融合的客訴率預(yù)測方法、裝置、計算機(jī)設(shè)備和存儲介質(zhì)。所述方法包括：獲取待預(yù)測業(yè)務(wù)特征；將待預(yù)測業(yè)務(wù)特征分別輸入至少兩個訓(xùn)練好的不同客訴率預(yù)測模型中，得到各客訴率預(yù)測模型輸出的預(yù)測時段的日度客訴率預(yù)測值；根據(jù)各客訴率預(yù)測模型融合時的權(quán)重占比值確定對應(yīng)的預(yù)測值權(quán)重；根據(jù)各預(yù)測權(quán)重和對應(yīng)的日度客訴率預(yù)測值進(jìn)行加權(quán)計算融合，得到預(yù)測時段的目標(biāo)日度客訴率預(yù)測值。采用本方法能夠提高客訴率預(yù)測準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請涉及大數(shù)據(jù)技術(shù)領(lǐng)域，特別是涉及一種基于多模型融合的客訴率預(yù)測方法、裝置和計算機(jī)設(shè)備。

背景技術(shù)

隨著人工智能技術(shù)的發(fā)展，人工智能技術(shù)被應(yīng)用在各個領(lǐng)域，如物流領(lǐng)域。隨著物流領(lǐng)域中各中物流業(yè)務(wù)的發(fā)展，存在客戶投訴的場景。解決客戶投訴和降低客戶投訴率是物流領(lǐng)域場景中亟待解決的問題，即通過客訴率預(yù)測，根據(jù)預(yù)測結(jié)果結(jié)合資源配置、相關(guān)指標(biāo)等干預(yù)措施可以降低客訴率。

然而，目前人工智能技術(shù)領(lǐng)域的客訴率預(yù)測模型大多是先經(jīng)過離線訓(xùn)練的，將訓(xùn)練好的模型打包應(yīng)用于實際生產(chǎn)中，無法保證預(yù)測結(jié)果的及時性；當(dāng)前應(yīng)用于線上的客訴率預(yù)測模型都比較簡單，導(dǎo)致客訴率預(yù)測的準(zhǔn)確性低。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠提高客訴率預(yù)測準(zhǔn)確性的基于多模型融合的客訴率預(yù)測方法、裝置、計算機(jī)設(shè)備和存儲介質(zhì)。

一種基于多模型融合的客訴率預(yù)測方法，方法包括：

獲取待預(yù)測業(yè)務(wù)特征；

將待預(yù)測業(yè)務(wù)特征分別輸入至少兩個訓(xùn)練好的不同客訴率預(yù)測模型中，得到各客訴率預(yù)測模型輸出的預(yù)測時段的日度客訴率預(yù)測值；

根據(jù)各客訴率預(yù)測模型融合時的權(quán)重占比值和誤差權(quán)重值確定對應(yīng)的預(yù)測值權(quán)重；

根據(jù)各預(yù)測權(quán)重和對應(yīng)的日度客訴率預(yù)測值進(jìn)行加權(quán)計算融合，得到預(yù)測時段的目標(biāo)日度客訴率預(yù)測值。

在其中一個實施例中，客訴率預(yù)測模型的訓(xùn)練方法，包括：

確定用于訓(xùn)練客訴率預(yù)測模型的數(shù)據(jù)集；

基于數(shù)據(jù)集，確定各客訴率預(yù)測模型的最佳訓(xùn)練窗口長度、最重要業(yè)務(wù)特征個數(shù)和超參數(shù)組合；

構(gòu)建模型訓(xùn)練的訓(xùn)練數(shù)據(jù)集；

基于最佳訓(xùn)練窗口長度、最重要業(yè)務(wù)特征個數(shù)和超參數(shù)組合，通過訓(xùn)練數(shù)據(jù)集對各客訴率預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的客訴率預(yù)測模型。

在其中一個實施例中，確定用于訓(xùn)練客訴率預(yù)測模型的數(shù)據(jù)集，包括：

獲取與客訴率預(yù)測值相關(guān)的業(yè)務(wù)特征集和對應(yīng)的客訴率的整合表；

根據(jù)各業(yè)務(wù)特征的歷史值和客訴率的歷史值，確定業(yè)務(wù)特征之間第一相關(guān)系數(shù)值以及各業(yè)務(wù)特征與客訴率之間的第二相關(guān)系數(shù)值；

根據(jù)各第一相關(guān)系數(shù)值和各第二相關(guān)系數(shù)值，從整合表中確定與客訴率相關(guān)的目標(biāo)業(yè)務(wù)特征，得到更新整合表；以及

根據(jù)復(fù)制次數(shù)對更新整合表進(jìn)行復(fù)制并合并，得到數(shù)據(jù)集。

在其中一個實施例中，方法還包括：

獲取更新整合表中各目標(biāo)業(yè)務(wù)特征的重要度；

按照重要度從高到低的順序?qū)Ω髂繕?biāo)業(yè)務(wù)特征進(jìn)行排序，得到對應(yīng)的重要排序表。

在其中一個實施例中，確定各客訴率預(yù)測模型的最佳訓(xùn)練窗口長度，包括：

獲取預(yù)設(shè)訓(xùn)練窗口長度集；

通過時間序列模型預(yù)測各目標(biāo)業(yè)務(wù)特征在第一時期的預(yù)測值，得到第一回測集；第一時期