[發(fā)明專利]投訴行為預(yù)測(cè)方法和裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310673178.1
• 申請(qǐng)日: 2023-06-07
• 公開(kāi)（公告）號(hào): CN116645220A
• 公開(kāi)（公告）日: 2023-08-25
• 發(fā)明（設(shè)計(jì)）人: 歐陽(yáng)升;王健宗;程寧
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06Q40/06
• 分類號(hào): G06Q40/06;G06Q10/04;G06F40/30;G06F18/214;G06F18/241;G06F18/213;G06N3/0464;G06N3/08
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 廖慧賢

1.一種投訴行為預(yù)測(cè)方法，其特征在于，所述方法包括：

獲取目標(biāo)案件數(shù)據(jù)，其中，所述目標(biāo)案件數(shù)據(jù)包括目標(biāo)溝通數(shù)據(jù)和目標(biāo)溝通信息；所述目標(biāo)案件數(shù)據(jù)通過(guò)記錄目標(biāo)對(duì)象關(guān)于目標(biāo)案件的意見(jiàn)溝通過(guò)程得到；

對(duì)所述目標(biāo)溝通數(shù)據(jù)進(jìn)行內(nèi)容轉(zhuǎn)換，得到溝通內(nèi)容信息；

根據(jù)預(yù)設(shè)的情緒類別對(duì)所述溝通內(nèi)容信息進(jìn)行情緒識(shí)別處理，得到所述情緒類別的情緒特征；

對(duì)所述目標(biāo)溝通信息進(jìn)行特征提取，得到目標(biāo)溝通特征；

根據(jù)所述情緒特征和所述目標(biāo)溝通特征構(gòu)建關(guān)聯(lián)特征對(duì)；

對(duì)所述關(guān)聯(lián)特征對(duì)進(jìn)行向量化處理，得到特征對(duì)向量；

將所述特征對(duì)向量輸入至預(yù)設(shè)的行為預(yù)測(cè)模型進(jìn)行投訴行為預(yù)測(cè)，得到目標(biāo)行為數(shù)據(jù)；其中，所述目標(biāo)行為數(shù)據(jù)用于表征所述目標(biāo)對(duì)象對(duì)所述目標(biāo)案件產(chǎn)生投訴升級(jí)行為的投訴概率參考值。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)的情緒類別對(duì)所述溝通內(nèi)容信息進(jìn)行情緒識(shí)別處理，得到所述情緒類別的情緒特征的步驟包括：

對(duì)所述溝通內(nèi)容信息進(jìn)行關(guān)鍵詞提取，得到關(guān)鍵詞特征；

對(duì)所述關(guān)鍵詞特征進(jìn)行向量化處理，得到關(guān)鍵詞向量；

對(duì)所述關(guān)鍵詞向量進(jìn)行均值計(jì)算，得到平均詞向量；

將所述情緒類別和所述平均詞向量輸入至預(yù)設(shè)的情緒識(shí)別模型進(jìn)行情緒識(shí)別處理，得到所述情緒類別的所述情緒特征。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述情緒識(shí)別模型包括：激活層和卷積層；所述將所述情緒類別和所述平均詞向量輸入至預(yù)設(shè)的情緒識(shí)別模型進(jìn)行情緒識(shí)別處理，得到所述情緒類別的所述情緒特征的步驟包括：

將所述情緒類別和所述平均詞向量輸入至所述激活層進(jìn)行分類處理，得到對(duì)應(yīng)所述情緒類別的情緒分類數(shù)據(jù)；

將所述情緒分類數(shù)據(jù)輸入至所述卷積層進(jìn)行特征提取，得到所述情緒類別的所述情緒特征。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，在將所述情緒類別和所述平均詞向量輸入至預(yù)設(shè)的情緒識(shí)別模型進(jìn)行情緒識(shí)別處理，得到所述情緒類別的所述情緒特征的步驟之前，所述方法還包括：

構(gòu)建所述情緒識(shí)別模型，具體包括：

獲取訓(xùn)練詞特征；

對(duì)所述訓(xùn)練詞特征進(jìn)行向量化處理，得到訓(xùn)練詞向量；

將所述情緒類別和所述訓(xùn)練詞向量輸入預(yù)設(shè)的情緒分類模型，得到對(duì)應(yīng)所述情緒類別的訓(xùn)練分類數(shù)據(jù)；

根據(jù)所述訓(xùn)練分類數(shù)據(jù)和預(yù)設(shè)的參考分類數(shù)據(jù)進(jìn)行交叉熵?fù)p失計(jì)算，得到交叉熵?fù)p失值；

根據(jù)所述交叉熵?fù)p失值對(duì)所述情緒分類模型進(jìn)行參數(shù)調(diào)整，得到所述情緒識(shí)別模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)溝通信息包括：溝通文本長(zhǎng)度、溝通次數(shù)和溝通時(shí)長(zhǎng)；所述目標(biāo)溝通特征包括：文本長(zhǎng)度特征、次數(shù)特征和時(shí)長(zhǎng)特征，所述對(duì)所述目標(biāo)溝通信息進(jìn)行特征提取，得到目標(biāo)溝通特征的步驟包括：

對(duì)所述溝通文本長(zhǎng)度進(jìn)行特征提取，得到所述文本長(zhǎng)度特征；

對(duì)所述溝通次數(shù)進(jìn)行特征提取，得到所述次數(shù)特征；

對(duì)所述溝通時(shí)長(zhǎng)進(jìn)行特征提取，得到所述時(shí)長(zhǎng)特征。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述特征對(duì)向量輸入至預(yù)設(shè)的行為預(yù)測(cè)模型進(jìn)行投訴行為預(yù)測(cè)，得到目標(biāo)行為數(shù)據(jù)的步驟之前，所述方法還包括：

構(gòu)建所述行為預(yù)測(cè)模型，具體包括：

獲取訓(xùn)練特征對(duì)；

對(duì)所述訓(xùn)練特征對(duì)進(jìn)行歸一化，得到歸一化特征對(duì)；

對(duì)所述歸一化特征對(duì)進(jìn)行向量化，得到訓(xùn)練對(duì)向量；

將所述訓(xùn)練對(duì)向量輸入預(yù)設(shè)的風(fēng)險(xiǎn)預(yù)訓(xùn)練模型進(jìn)行投訴行為預(yù)測(cè)，得到訓(xùn)練行為數(shù)據(jù)；

根據(jù)所述訓(xùn)練行為數(shù)據(jù)與預(yù)設(shè)的參考行為數(shù)據(jù)進(jìn)行損失計(jì)算，得到分析損失值；

根據(jù)所述分析損失值和預(yù)設(shè)學(xué)習(xí)率對(duì)所述風(fēng)險(xiǎn)預(yù)訓(xùn)練模型進(jìn)行參數(shù)調(diào)整，得到所述行為預(yù)測(cè)模型。