本发明涉及数据处理,尤其涉及一种基于人工智能的客户投诉数据处理方法及系统。
背景技术:
1、随着数据处理技术的发展,大部分商户为其会员提供的客服服务也开始通过数据处理技术来辅助实现,例如通过对会员的投诉语音进行识别以生成文本数据来确定投诉问题。但现有的数据处理技术在处理客户的投诉时,大部分仍然是通过单调固定的投诉处理流程规则来实现,常常需要人工介入,没有具体考虑多利用数据算法和对非标流程的预先设定来提高处理效率和处理效果。可见,现有技术存在缺陷,亟待解决。
技术实现思路
1、本发明所要解决的技术问题在于,提供一种基于人工智能的客户投诉数据处理方法及系统,能够有效提高客户投诉数据处理的效率和效果,提高用户体验,及时对用户指出的问题进行修正和警醒。
2、为了解决上述技术问题,本发明第一方面公开了一种基于人工智能的客户投诉数据处理方法,所述方法包括:
3、获取目标用户的投诉语音数据;
4、基于语音识别算法和llm模型,确定所述投诉语音数据的投诉内容;
5、根据神经网络算法,预测所述投诉内容对应的非标处理流程信息;
6、根据所述非标流程信息,将所述投诉内容发送至多个非标处理设备端进行处理。
7、作为一个可选的实施方式,在本发明第一方面中,所述投诉内容包括投诉对象、投诉问题、投诉发出主体、投诉针对产品和投诉欲望大小参数。
8、作为一个可选的实施方式,在本发明第一方面中,所述基于语音识别算法和llm模型,确定所述投诉语音数据的投诉内容,包括:
9、将所述投诉语音数据输入至语音识别模型,以得到所述投诉语音数据对应的投诉文本和投诉欲望大小参数;
10、将所述投诉文本输入训练好的llm模型,以得到所述投诉文本对应的投诉对象、投诉问题、投诉发出主体和投诉针对产品。
11、作为一个可选的实施方式,在本发明第一方面中,所述将所述投诉语音数据输入至语音识别模型,以得到所述投诉语音数据对应的投诉文本和投诉欲望大小参数,包括:
12、将所述投诉语音数据输入至训练好的cnn神经网络中,以得到所述投诉语音数据对应的投诉文本和语气强烈程度;所述cnn神经网络通过包括有多个训练语音数据和对应的语音文本标注和语气强烈程度标注的训练数据集训练得到;
13、基于预设的激烈用词模板,对所述投诉文本进行匹配,得到激烈用词数量;
14、计算所述语气强烈程度和所述激烈用词数量的乘积,得到所述投诉语音数据对应的投诉欲望大小参数。
15、作为一个可选的实施方式,在本发明第一方面中,所述非标处理流程信息包括多个处理环节和每一所述处理环节对应的处理人员和处理规则。
16、作为一个可选的实施方式,在本发明第一方面中,所述根据神经网络算法,预测所述投诉内容对应的非标处理流程信息,包括:
17、将所述投诉内容输入至训练好的双分类器算法模型,以得到所述投诉内容对应的是否为非标投诉内容的判断结果;所述双分类器算法模型通过包括有多个训练投诉内容和对应的是否为非标投诉标注的训练数据集训练得到;
18、在所述判断结果显示所述投诉内容为非标投诉内容时,将所述投诉内容输入至训练好的多分类器算法模型,以得到所述投诉内容对应的多个预测处理环节和每一所述预测处理环节对应的预测概率;
19、根据所述预测概率从大到小对所有所述预测处理环节进行排序,得到环节序列;
20、筛选出所述环节序列中前第一数量个的且所述预测概率大于预设的概率阈值的所有所述预测处理环节,得到环节集合;
21、根据预设的环节矛盾规则,将所述环节集合中属于矛盾关系的所述预测处理环节进行剔除;
22、将所述环节集合中剩余的所述预测处理环节,确定为所述投诉内容对应的处理环节;
23、根据预设的环节处理规则,确定每一所述处理环节对应的处理人员和处理规则。
24、作为一个可选的实施方式,在本发明第一方面中,所述根据所述非标流程信息,将所述投诉内容发送至多个非标处理设备端进行处理,包括:
25、对于每一候选处理设备,获取该候选处理设备对应的设备历史记录;所述设备历史记录包括设备历史登陆人员记录和设备历史处理投诉记录;
26、根据所述非标流程信息和所述设备历史记录,计算该候选处理设备对应的适配度参数;
27、将所述适配度参数高于预设的参数阈值的所有所述候选处理设备确定为非标处理设备端;
28、将所述投诉内容发送至多个所述非标处理设备端进行处理。
29、作为一个可选的实施方式,在本发明第一方面中,所述根据所述非标流程信息和所述设备历史记录,计算该候选处理设备对应的适配度参数,包括:
30、计算每一所述处理环节对应的处理人员所形成的人员集合和所述设备历史登陆人员记录之间的第一相似度参数;
31、计算每一所述处理环节对应的处理规则所形成的规则集合和所述设备历史处理投诉记录中的投诉处理规则之间的第二相似度参数;
32、计算所述第一相似度参数和所述第二相似度参数的加权求和平均值,得到该候选处理设备对应的适配度参数。
33、本发明实施例第二方面公开了一种基于人工智能的客户投诉数据处理系统,所述系统包括:
34、获取模块,用于获取目标用户的投诉语音数据;
35、确定模块,用于基于语音识别算法和llm模型,确定所述投诉语音数据的投诉内容;
36、预测模块,用于根据神经网络算法,预测所述投诉内容对应的非标处理流程信息;
37、发送模块,用于根据所述非标流程信息,将所述投诉内容发送至多个非标处理设备端进行处理。
38、作为一个可选的实施方式,在本发明第二方面中,所述投诉内容包括投诉对象、投诉问题、投诉发出主体、投诉针对产品和投诉欲望大小参数。
39、作为一个可选的实施方式,在本发明第二方面中,所述确定模块基于语音识别算法和llm模型,确定所述投诉语音数据的投诉内容的具体方式,包括:
40、将所述投诉语音数据输入至语音识别模型,以得到所述投诉语音数据对应的投诉文本和投诉欲望大小参数;
41、将所述投诉文本输入训练好的llm模型,以得到所述投诉文本对应的投诉对象、投诉问题、投诉发出主体和投诉针对产品。
42、作为一个可选的实施方式,在本发明第二方面中,所述确定模块将所述投诉语音数据输入至语音识别模型,以得到所述投诉语音数据对应的投诉文本和投诉欲望大小参数的具体方式,包括:
43、将所述投诉语音数据输入至训练好的cnn神经网络中,以得到所述投诉语音数据对应的投诉文本和语气强烈程度;所述cnn神经网络通过包括有多个训练语音数据和对应的语音文本标注和语气强烈程度标注的训练数据集训练得到;
44、基于预设的激烈用词模板,对所述投诉文本进行匹配,得到激烈用词数量;
45、计算所述语气强烈程度和所述激烈用词数量的乘积,得到所述投诉语音数据对应的投诉欲望大小参数。
46、作为一个可选的实施方式,在本发明第二方面中,所述非标处理流程信息包括多个处理环节和每一所述处理环节对应的处理人员和处理规则。
47、作为一个可选的实施方式,在本发明第二方面中,所述预测模块根据神经网络算法,预测所述投诉内容对应的非标处理流程信息的具体方式,包括:
48、将所述投诉内容输入至训练好的双分类器算法模型,以得到所述投诉内容对应的是否为非标投诉内容的判断结果;所述双分类器算法模型通过包括有多个训练投诉内容和对应的是否为非标投诉标注的训练数据集训练得到;
49、在所述判断结果显示所述投诉内容为非标投诉内容时,将所述投诉内容输入至训练好的多分类器算法模型,以得到所述投诉内容对应的多个预测处理环节和每一所述预测处理环节对应的预测概率;
50、根据所述预测概率从大到小对所有所述预测处理环节进行排序,得到环节序列;
51、筛选出所述环节序列中前第一数量个的且所述预测概率大于预设的概率阈值的所有所述预测处理环节,得到环节集合;
52、根据预设的环节矛盾规则,将所述环节集合中属于矛盾关系的所述预测处理环节进行剔除;
53、将所述环节集合中剩余的所述预测处理环节,确定为所述投诉内容对应的处理环节;
54、根据预设的环节处理规则,确定每一所述处理环节对应的处理人员和处理规则。
55、作为一个可选的实施方式,在本发明第二方面中,所述发送模块根据所述非标流程信息,将所述投诉内容发送至多个非标处理设备端进行处理的具体方式,包括:
56、对于每一候选处理设备,获取该候选处理设备对应的设备历史记录;所述设备历史记录包括设备历史登陆人员记录和设备历史处理投诉记录;
57、根据所述非标流程信息和所述设备历史记录,计算该候选处理设备对应的适配度参数;
58、将所述适配度参数高于预设的参数阈值的所有所述候选处理设备确定为非标处理设备端;
59、将所述投诉内容发送至多个所述非标处理设备端进行处理。
60、作为一个可选的实施方式,在本发明第二方面中,所述发送模块根据所述非标流程信息和所述设备历史记录,计算该候选处理设备对应的适配度参数的具体方式,包括:
61、计算每一所述处理环节对应的处理人员所形成的人员集合和所述设备历史登陆人员记录之间的第一相似度参数;
62、计算每一所述处理环节对应的处理规则所形成的规则集合和所述设备历史处理投诉记录中的投诉处理规则之间的第二相似度参数;
63、计算所述第一相似度参数和所述第二相似度参数的加权求和平均值,得到该候选处理设备对应的适配度参数。
64、本发明第三方面公开了另一种基于人工智能的客户投诉数据处理系统,所述系统包括:
65、存储有可执行程序代码的存储器;
66、与所述存储器耦合的处理器;
67、所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于人工智能的客户投诉数据处理方法中的部分或全部步骤。
68、本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于人工智能的客户投诉数据处理方法中的部分或全部步骤。
69、与现有技术相比,本发明实施例具有以下有益效果:
70、本发明能够通过语音识别算法和llm模型精确确定出投诉内容,再基于神经网络算法预测出非标处理流程信息,以发送投诉内容至多个非标处理设备端进行处理,从而能够有效提高客户投诉数据处理的效率和效果,提高用户体验,及时对用户指出的问题进行修正和警醒。