预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115062858A(43)申请公布日2022.09.16(21)申请号202210769602.8(22)申请日2022.07.01(71)申请人中国联合网络通信集团有限公司地址100033北京市西城区金融大街21号(72)发明人马彦秦吉波崔炜孙雪萌杜伟刘清照丁焰(74)专利代理机构北京同立钧成知识产权代理有限公司11205专利代理师吴会英黄健(51)Int.Cl.G06Q10/04(2012.01)G06Q30/00(2012.01)G06Q30/02(2012.01)G06F16/2458(2019.01)G06N3/04(2006.01)权利要求书2页说明书14页附图5页(54)发明名称用户投诉行为预测方法、装置、设备及存储介质(57)摘要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,该方法包括:获取目标用户个人信息、最近预设时间范围内目标用户对目标产品的真实投诉量及使用行为数据;基于所述真实投诉量及已训练的序列预测模型对目标用户后续时间范围内的投诉量进行预测,并从所述后续时间范围内的投诉量中确定当前预测投诉量;基于所述当前预测投诉量、目标用户个人信息及所述使用行为数据对所述目标用户的投诉概率进行预测,以获得与预测投诉量在数量上相匹配的预测投诉用户。本申请提高了用户投诉概率预测的准确度,提供了准确的潜在投诉用户名单,能针对不同用户进行分类处理,有效降低用户投诉率。提高用户满意度。CN115062858ACN115062858A权利要求书1/2页1.一种用户投诉行为预测方法,其特征在于,包括:获取目标用户个人信息、最近预设时间范围内目标用户对目标产品的真实投诉量及使用行为数据;基于所述真实投诉量及已训练的序列预测模型对目标用户后续时间范围内的投诉量进行预测,并从所述后续时间范围内的投诉量中确定当前预测投诉量;基于所述当前预测投诉量、目标用户个人信息及所述使用行为数据对所述目标用户的投诉概率进行预测,以获得与预测投诉量在数量上相匹配的预测投诉用户。2.根据权利要求1所述的方法,其特征在于,所述已训练的序列预测模型为季节性时间序列模型ISARIMA模型;所述基于所述真实投诉量及已训练的序列预测模型对目标用户后续时间范围内的投诉量进行预测,包括:将所述真实投诉量输入到季节性时间序列模型ISARIMA模型中;采用所述季节性时间序列模型ISARIMA模型根据所述真实投诉量对目标用户后续时间范围内的投诉量进行预测,并输出所述后续时间范围内的投诉量。3.根据权利要求1所述的方法,其特征在于,所述基于所述当前预测投诉量、目标用户个人信息及所述使用行为数据对所述目标用户的投诉概率进行预测,以获得与预测投诉量在数量上相匹配的预测投诉用户,包括:基于所述当前预测投诉量、目标用户个人信息、所述使用行为数据及已训练的投诉用户预测模型对所述目标用户的投诉概率进行预测,以获得与预测投诉量在数量上相匹配的预测投诉用户。4.根据权利要求3所述的方法,其特征在于,所述基于所述当前预测投诉量、目标用户个人信息、所述使用行为数据及已训练的投诉用户预测模型对所述目标用户的投诉概率进行预测,以获得与预测投诉量在数量上相匹配的预测投诉用户,包括:将所述当前预测投诉量、所述目标用户个人信息及所述使用行为数据输入到已训练的投诉用户预测模型中;采用所述已训练的投诉用户预测模型根据所述目标用户个人信息及所述使用行为数据对目标用户的投诉概率进行预测;采用所述已训练的投诉用户预测模型根据所述当前预测投诉量及目标用户的投诉概率筛选出与所述预测投诉量相等的预测投诉用户。5.根据权利要求1‑4任一项所述的方法,其特征在于,所述基于所述真实投诉量及已训练的序列预测模型对目标用户后续时间范围内的投诉量进行预测之前,还包括:获取对初始序列预测模型进行训练的第一训练样本集;确定对初始序列预测模型进行训练的每个训练参数的取值范围;对每个训练参数的取值范围进行遍历,以确定由训练参数组成的训练参数组的所有可能的取值;遍历训练参数组所有的可能取值,采用所述第一训练样本集对所述初始序列预测模型进行训练,以获得拟合优良性指标AIC最小的序列预测模型;将拟合优良性指标AIC最小的序列预测模型确定为已训练的序列预测模型。6.根据权利要求3或4所述的方法,其特征在于,所述已训练的投诉用户预测模型为误2CN115062858A权利要求书2/2页差反向传播的BP模型;所述基于所述当前预测投诉量、目标用户个人信息、所述使用行为数据及已训练的投诉用户预测模型对所述目标用户的投诉概率进行预测,以获得与预测投诉量在数量上相匹配的预测投诉用户之前,还包括:获取对初始投诉用户预测模型进行训练及测试的样本集,所述样本集中的第二训练样本集及测试样本集划分