客户投诉信息处理方法及装置与流程

本技术涉及人工智能领域，可用于金融科技领域，尤其涉及一种客户投诉信息处理方法及装置。

背景技术：

1、随着银行业的发展，银行网点每日对接的客户种类越来越多，每天收到的客户需求和客户投诉是银行一线人员必须面对的艰难问题。通常来讲，一线收到的需求与投诉包含了银行客户最直观的业务诉求，含有潜在的业务发展价值。

2、但对于海量的客户需求投诉数据，业务人员需人工对投诉描述进行识别并分类，分析效能低且人力成本高，这种传统方式已经很难满足审计全覆盖，及时有效识别有价值的信息的需求。

技术实现思路

1、针对现有技术中的至少一个问题，本技术提出了一种客户投诉信息处理方法及装置，能够在保证批量客户投诉信息处理的可靠性的基础上，提高批量客户投诉信息处理的效率，及时确定投诉价值信息，减少资源浪费，缓解存储压力，便于接下来及时解决客户投诉的问题。

2、为了解决上述技术问题，本技术提供以下技术方案：

3、第一方面，本技术提供一种客户投诉信息处理方法，包括：

4、获取客户投诉信息集，该客户投诉信息集包括：多条客户投诉文本，所述多条客户投诉文本包括：第一类客户投诉文本和第二类客户投诉文本，所述第一类客户投诉文本是基于批量客户投诉图像和预设的文字识别模型得到的，所述第二类客户投诉文本是基于批量客户投诉语音和预设的语音识别模型得到的；

5、对所述客户投诉信息集进行聚类处理，得到多个客户投诉文本簇并生成每个客户投诉文本簇对应的投诉价值信息，每个客户投诉文本簇对应至少一条客户投诉文本。

6、在一个实施例中，所述对所述客户投诉信息集进行聚类处理，得到多个客户投诉文本簇并生成每个客户投诉文本簇对应的投诉价值信息，每个客户投诉文本簇对应至少一条客户投诉文本，包括：

7、对每条客户投诉文本进行分词处理，得到该条客户投诉文本对应的关键词；

8、应用每条客户投诉文本对应的关键词进行聚类处理，得到多个客户投诉文本簇；

9、根据每个客户投诉文本簇对应的客户投诉文本的关键词，生成每个客户投诉文本簇对应的投诉价值信息。

10、在一个实施例中，所述对每条客户投诉文本进行分词处理，得到该条客户投诉文本对应的关键词，包括：

11、应用条件随机场算法对每条客户投诉文本进行分词，得到该条客户投诉文本中的关键词，所述关键词的类型包括：专业类名词、非专业类名词、专业类动词和非专业类动词以及过激类形容词。

12、在一个实施例中，所述应用每条客户投诉文本对应的关键词进行聚类处理，得到多个客户投诉文本簇，包括：

13、根据每条客户投诉文本对应的各个关键词的类型，确定该条客户投诉文本中的各个关键词的权重；

14、根据每条客户投诉文本中的各个关键词的权重和层次聚类算法，将所述客户投诉文本划分为多个客户投诉文本簇。

15、在一个实施例中，所述根据每个客户投诉文本簇对应的客户投诉文本的关键词，生成每个客户投诉文本簇对应的投诉价值信息，包括：

16、对同一客户投诉文本簇中的各个关键词进行聚类，得到多个关键词簇并确定各个关键词簇对应的关键词总称；

17、根据同一客户投诉文本簇中的各个关键词簇的关键词总称，生成该客户投诉文本簇对应的投诉价值信息。

18、在一个实施例中，所述获取客户投诉信息集，包括：

19、获取批量客户投诉图像；

20、应用基于预设的文字识别模型生成批量客户投诉图像各自对应的客户投诉文本均作为第一类客户投诉文本；

21、基于预设的语音识别模型生成批量客户投诉语音各自对应的客户投诉文本均作为第二类客户投诉文本；

22、将各个第一类客户投诉文本和第二类客户投诉文本组成所述客户投诉信息集。

23、在一个实施例中，每条客户投诉文本包括：业务种类、业务场景、问题描述和时间。

24、第二方面，本技术提供一种客户投诉信息处理装置，包括：

25、获取模块，用于获取客户投诉信息集，该客户投诉信息集包括：多条客户投诉文本，所述多条客户投诉文本包括：第一类客户投诉文本和第二类客户投诉文本，所述第一类客户投诉文本是基于批量客户投诉图像和预设的文字识别模型得到的，所述第二类客户投诉文本是基于批量客户投诉语音和预设的语音识别模型得到的；

26、处理模块，用于对所述客户投诉信息集进行聚类处理，得到多个客户投诉文本簇并生成每个客户投诉文本簇对应的投诉价值信息，每个客户投诉文本簇对应至少一条客户投诉文本。

27、在一个实施例中，所述处理模块，包括：

28、分词单元，用于对每条客户投诉文本进行分词处理，得到该条客户投诉文本对应的关键词；

29、聚类单元，用于应用每条客户投诉文本对应的关键词进行聚类处理，得到多个客户投诉文本簇；

30、生成单元，用于根据每个客户投诉文本簇对应的客户投诉文本的关键词，生成每个客户投诉文本簇对应的投诉价值信息。

31、在一个实施例中，所述分词单元具体用于：

32、应用条件随机场算法对每条客户投诉文本进行分词，得到该条客户投诉文本中的关键词，所述关键词的类型包括：专业类名词、非专业类名词、专业类动词和非专业类动词以及过激类形容词。

33、在一个实施例中，所述聚类单元具体用于：

34、根据每条客户投诉文本对应的各个关键词的类型，确定该条客户投诉文本中的各个关键词的权重；

35、根据每条客户投诉文本中的各个关键词的权重和层次聚类算法，将所述客户投诉文本划分为多个客户投诉文本簇。

36、在一个实施例中，所述生成单元具体用于：

37、对同一客户投诉文本簇中的各个关键词进行聚类，得到多个关键词簇并确定各个关键词簇对应的关键词总称；

38、根据同一客户投诉文本簇中的各个关键词簇的关键词总称，生成该客户投诉文本簇对应的投诉价值信息。

39、在一个实施例中，所述获取模块包括：

40、获取单元，用于获取批量客户投诉图像；

41、第一识别单元，用于应用基于预设的文字识别模型生成批量客户投诉图像各自对应的客户投诉文本均作为第一类客户投诉文本；

42、第二识别单元，用于基于预设的语音识别模型生成批量客户投诉语音各自对应的客户投诉文本均作为第二类客户投诉文本；

43、组合单元，用于将各个第一类客户投诉文本和第二类客户投诉文本组成所述客户投诉信息集。

44、在一个实施例中，每条客户投诉文本包括：业务种类、业务场景、问题描述和时间。

45、第三方面，本技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的客户投诉信息处理方法。

46、第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现所述的客户投诉信息处理方法。

47、由上述技术方案可知，本技术提供一种客户投诉信息处理方法及装置。其中，该方法包括：获取客户投诉信息集，该客户投诉信息集包括：多条客户投诉文本，所述多条客户投诉文本包括：第一类客户投诉文本和第二类客户投诉文本，所述第一类客户投诉文本是基于批量客户投诉图像和预设的文字识别模型得到的，所述第二类客户投诉文本是基于批量客户投诉语音和预设的语音识别模型得到的；对所述客户投诉信息集进行聚类处理，得到多个客户投诉文本簇并生成每个客户投诉文本簇对应的投诉价值信息，每个客户投诉文本簇对应至少一条客户投诉文本，能够在保证批量客户投诉信息处理的可靠性的基础上，提高批量客户投诉信息处理的效率，及时确定投诉价值信息，减少资源浪费，缓解存储压力，便于接下来及时解决客户投诉的问题；客户投诉事件的数量和复杂性不断增加，给企业的稳定运营带来了严重威胁，相较于对每条客户投诉文本单独进行分析，本方案通过对客户投诉信息集进行聚类，按簇生成投诉价值信息，能够减少生成重复投诉价值信息，造成客户投诉信息处理装置资源浪费，可以缓解存储压力，同时便于后续投诉价值信息的输出显示，缓解投诉价值信息传输压力，可以便于后续业务人员和运维人员等更加高效且直观的得到客户投诉原因；能够避免传统的客户投诉信息处理方法主要依靠人工审查和筛选，效率低下且容易出错的问题。可以快速、准确地分析投诉事件，通过机器学习算法自动识别投诉热点，可以挖掘投诉背后的业务价值，将可以提高的业务功能推送给业务人员，为银行发展业务方向提供有力支撑，也有助于银行网点快速提升服务质量。