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18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)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112819245A(43)申请公布日2021.05.18(21)申请号202110208102.2G06F16/35(2019.01)(22)申请日2021.02.24(71)申请人阳光保险集团股份有限公司地址518000广东省深圳市福田区红荔西路7002号第一世界广场A座17层(72)发明人刘斌彬纪诚(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人荣颖佳(51)Int.Cl.G06Q10/04(2012.01)G06Q30/00(2012.01)G06Q40/08(2012.01)G06F16/332(2019.01)G06F16/33(2019.01)权利要求书2页说明书11页附图4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,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。CN112819245ACN112819245A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。2.根据权利要求1所述的方法,其特征在于,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。3.根据权利要求2所述的方法,其特征在于,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。4.根据权利要求2所述的方法,其特征在于,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。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:构建所述序列化数据对应的特征向量;将所述特征向量输入所述投诉行为预测模型,预测得到所述用户下一次的通话意图。6.根据权利要求1‑4任一项所述的方法,其特征在于,所述获取用户的多条历史通话数据,包括:获取所述用户的多条历史通话语音;分别将各条所述历史通话语音转换为各文本数据;对所述各文本数据进行自然语言处理,得到所述用户的多条历史通话数据。7.根据权利要求1‑4任一项所述的方法,其特征在于,在所述获取用户的多条历史通话数据之前;包括:获取用户的多条历史通话数据,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;以所述用户的序列化数据作为训练样本,训练得到的投诉行为预测模型,所述投诉行为预测模型用于预测所述用户是否会发生投诉行为。8.一种用户投诉行为预测装置,其特征在于,所述装置包括:获取模块、处理模块、预测模块;2CN112819245A权利要求书2/2页所述获取模块,用于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;所述处理模块,用于按照所述呼入时间,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;所述预测模块,用于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。9.一种电