论文摘要
为了解决95598客服投诉工单的整理、归档等问题,其中包括:在人工进行归档的过程中出现的疏忽造成的归档随意问题,即归档准确性问题;人工对投诉工单进行差错点归纳的耗时问题,即效率问题;人工对客服投诉分析深度不足,无法精准快速定位用户诉求热点的问题,即深度问题。本文针对以上三个问题给出解决方案,采用word2vec和XGBoost相结合的方式达到对95598客服投诉工单精准归纳。在文本词向量化的过程中采用word2vec方法,得到单词的文本词向量;利用XGBoost算法对95598客服投诉工单进行分类归档,并且对历史投诉工单的责任部门、专业分类、诉求事件、差错点四个方面进行标注。该模型的分类准确率在83%-91%左右,有较好的的效果。基于工单分类的结果,并设计了相关的投诉类看板,更直观的对数据进行展示。
论文目录
文章来源
类型: 期刊论文
作者: 段立,徐鸿宇,王懿,赵莉,刘冲,郭娇
关键词: 投诉工单,词向量,极端梯度提升,工单分类,投诉看板
来源: 电力大数据 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技,经济与管理科学
专业: 电力工业,计算机软件及计算机应用,工业经济,企业经济
单位: 重庆国家电网客户服中心
分类号: F426.61;F274;TP391.1
DOI: 10.19317/j.cnki.1008-083x.2019.12.008
页码: 50-57
总页数: 8
文件大小: 3214K
下载量: 214