[发明专利]用户投诉行为预测方法、装置、设备及存储介质

说明书

本申请提供一种用户投诉行为预测方法、装置、设备及存储介质，涉及人工智能技术领域。该方法包括：获取用户的多条历史通话数据；各条历史通话数据分别包括：呼入时间、通话意图、通话场景、通话时长、与相邻下一次通话的时间间隔；按照呼入时间，对多条历史通话数据进行序列化处理，得到用户的序列化数据；基于用户的序列化数据，采用预先训练得到的投诉行为预测模型，预测得到用户下一次的通话的意图，用户下一次的通话的意图用于指示用户是否会发生投诉行为。在本方案中，通过将用户的多条历史通话数据特征化为序列数据，这样保留用户的每一次通话的内容特征和时序特征，降低了序列化过程中的信息损失，提高了用户投诉行为预测的准确率。

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种用户投诉行为预测方法、装置、设备及存储介质。

背景技术

随着客服系统的智能化发展，利用自动语音识别(Automatic SpeechRecognition，简称ASR)、自然语言处理(Natural Language Processing，简称NLP)等智能技术，当客户拨打电话呼入时，对客户的通话语音进行语义理解，了解呼入意图，以及时发现客户投诉风险，然后，将客户准确导航到对应的客服人员或者自助服务流程，有针对性的对客户投诉进行处理，达到提升服务质量的效果。

目前，主要是采用逻辑回归或随机森林模型构建客户投诉行为预测模型。其一，逻辑回归模型，不同维度的数据均需要在同一个数据空间进行标准化，且客户的投诉数据具有较为稀疏的特点，容易形成稀疏的特征矩阵，导致构建的模型存在欠拟合的问题；其二，通过随机森林构建的模型，可以有效的减少离散变量和稀疏特征对结果的影响，但从时间序列上存在一定的信息损失。

因此，采用现有技术的方法，均存在对客户投诉行为预测的准确性偏低的问题。

发明内容

本申请的目的在于，针对上述现有技术中的不足，提供一种用户投诉行为预测方法、装置、设备及存储介质，以便降低了用户的投诉数据在序列化过程中的信息损失，同时也达到提高用户投诉行为预测的准确率的目的。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种用户投诉行为预测方法，包括：

获取用户的多条历史通话数据；其中，各条所述历史通话数据分别包括：呼入时间、通话意图、通话场景、通话时长、与相邻下一次通话的时间间隔；

按照所述呼入时间，对所述多条历史通话数据进行序列化处理，得到所述用户的序列化数据；

基于所述用户的序列化数据，采用预先训练得到的投诉行为预测模型，预测得到所述用户下一次的通话意图，所述用户下一次的通话意图用于指示所述用户是否会发生投诉行为。

可选地，所述按照所述呼入时间，对所述多条历史通话数据进行序列化处理，得到所述用户的序列化数据，包括：

分别将各条所述历史通话数据串接为一个序列化子序列；

按照所述呼入时间，将各序列化子序列串接为所述用户的序列化数据。

可选地，所述分别将各条历史通话数据串接为一个序列化子序列，包括：

依次对所述各条历史通话数据中的通话意图、通话场景、通话时长以及与相邻下一次通话的时间间隔进行串接，得到所述序列化子序列。

可选地，所述分别将各条历史通话数据串接为一个序列化子序列之前，还包括：

按照取值分布，对所述多条历史通话数据中的通话时长以及与相邻下一次通话的时间间隔进行分箱处理。

可选地，所述基于所述用户的序列化数据，采用预先训练得到的投诉行为预测模型，预测得到所述用户下一次的通话意图，包括：