[發明專利]基于工單軌跡信息的電力客戶投訴預測方法及裝置

在審

• 申請號: 202110583788.3
• 申請日: 2021-05-27
• 公開（公告）號: CN113435627A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 王莉;謝楓;許鑫;劉曉偉;鐘侃;鞏冬梅;焦蕊;岳虎;董文略;王玉君;介志毅;程杰
• 申請（專利權）人: 國網冀北電力有限公司計量中心;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N20/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 侯天印;薛平

1.一種基于工單軌跡信息的電力客戶投訴預測方法，其特征在于，包括：

采集各個電力客戶歷史呼叫客服的工單信息；

從采集的工單信息中，提取各個預設特征字段在預設工單軌跡長度內的字段信息，其中，所述工單軌跡長度為預先配置的位于電力客戶投訴預測時刻之前的一個歷史時間段，所述預設特征字段為預先配置的能夠反映電力客戶是否投訴工單的數據字段；

根據各個預設特征字段在預設工單軌跡長度內的字段信息，構建樣本數據集，其中，所述樣本數據集包括：訓練數據集和測試數據集；

根據樣本數據集，通過機器學習訓練一個客戶投訴預警模型；

基于訓練好的客戶投訴預警模型，預測各個電力客戶未來呼叫客服的投訴概率。

2.如權利要求1所述的方法，其特征在于，根據樣本數據集，通過機器學習訓練一個客戶投訴預警模型，包括：

根據訓練數據集，對隨機森林模型進行機器學習訓練，得到客戶投訴預警模型；

根據測試數據集，對訓練得到的客戶投訴預警模型進行驗證。

3.如權利要求1所述的方法，其特征在于，在從采集的工單信息中，提取各個預設特征字段在預設工單軌跡長度內的字段信息之前，所述方法還包括：

從采集的工單信息中，提取出多個數據字段；

使用作圖的方式，將每個數據字段劃分到正樣本數據集或負樣本數據集中；

計算第一數據字段和第二數據字段的相關系數，其中，所述第一數據字段和所述第二數據字段為所述多個數據字段中的任意兩個數據字段；

根據第一數據字段和第二數據字段的相關系數，確定第一數據字段和第二數據字段的互相關量；

根據所述多個數據字段中任意兩個數據字段的互相關量，從所述多個數據字段中篩選出互相關量大于預設閾值的一個或多個數據字段，作為預設特征字段。

4.如權利要求3所述的方法，其特征在于，根據各個預設特征字段在預設工單軌跡長度內的字段信息，構建樣本數據集，包括：

對各個預設特征字段的字段信息進行標準化處理；

對標準化處理后的字段信息進行獨熱編碼，生成對應的獨熱編碼向量；

根據生成的編碼向量，生成正樣本數據集和負樣本數據集。

5.如權利要求4所述的方法，其特征在于，使用z-score方法，對各個預設特征字段的字段信息進行標準化處理。

6.如權利要求4所述的方法，其特征在于，在根據生成的編碼向量，生成正樣本數據集和負樣本數據集之后，所述方法還包括：

采用Borderline SMOTE過采樣方法對正樣本數據集進行處理。

7.如權利要求4所述的方法，其特征在于，在根據生成的編碼向量，生成正樣本數據集和負樣本數據集之后，所述方法還包括：

獲取正樣本數據集和負樣本數據集中均存在的一個或多個目標特征字段；

統計各個目標特征字段分別在正樣本數據集和負樣本數據集中的數據個數比；

將數據個數比小于預設閾值的目標特征字段在正樣本數據集和負樣本數據集中的數據剔除。

8.一種基于工單軌跡信息的電力客戶投訴預測裝置，其特征在于，包括：

工單信息采集模塊，用于獲取各個電力客戶歷史呼叫客服的工單信息；

字段信息提取模塊，用于從采集的工單信息中，提取各個預設特征字段在預設工單軌跡長度內的字段信息，其中，所述工單軌跡長度為預先配置的位于電力客戶投訴預測時刻之前的一個歷史時間段，所述預設特征字段為預先配置的能夠反映電力客戶是否投訴工單的數據字段；

樣本數據集構建模塊，用于根據各個預設特征字段在預設工單軌跡長度內的字段信息，構建樣本數據集，其中，所述樣本數據集包括：訓練數據集和測試數據集；

機器學習模塊，用于根據樣本數據集，通過機器學習訓練一個客戶投訴預警模型；

電力客戶投訴預測模塊，用于基于訓練好的客戶投訴預警模型，預測各個電力客戶未來呼叫客服的投訴概率。