本申請涉及一種貶損用戶識別方法、裝置、計算機設(shè)備和計算機可讀存儲介質(zhì)。包括：根據(jù)若干條會話反饋數(shù)據(jù)，確定用戶的反饋類別特征；獲取用于滿意度評分的若干個特征字段；基于強化學(xué)習(xí)模型對若干個特征字段進行篩選，確定多個預(yù)測維度對應(yīng)的輸入字段；根據(jù)目標(biāo)預(yù)測維度對應(yīng)的輸入字段，獲取目標(biāo)用戶對應(yīng)的入模數(shù)據(jù)，并獲取目標(biāo)用戶的目標(biāo)反饋類別特征；將獲取到的數(shù)據(jù)輸入至預(yù)設(shè)滿意度評分模型，得到目標(biāo)用戶在目標(biāo)預(yù)測維度的滿意度評分結(jié)果，進而識別目標(biāo)用戶是否為貶損用戶。本申請將會話反饋數(shù)據(jù)變廢為寶，彌補了傳統(tǒng)預(yù)測分析方式中數(shù)據(jù)的關(guān)鍵字段缺失的局限性，二次挑選提純?nèi)舾蓚€特征字段，提升入模數(shù)據(jù)的質(zhì)量和貶損用戶識別的準(zhǔn)確性。
【技術(shù)實現(xiàn)步驟摘要】
本申請涉及計算機，特別是涉及一種貶損用戶識別方法、裝置、計算機設(shè)備和計算機可讀存儲介質(zhì)。
技術(shù)介紹
1、客戶感知直接影響客戶對運營商整體服務(wù)質(zhì)量的評價和企業(yè)形象，容易引發(fā)輿情風(fēng)險，是提供網(wǎng)絡(luò)服務(wù)的運營商企業(yè)的重要關(guān)切點之一。客戶感知評估應(yīng)用需要輸出滿意度貶損用戶清單，用以輔助一線人員在客戶服務(wù)熱線、營業(yè)廳等觸點主動開展服務(wù)維系工作，助力排查各類網(wǎng)絡(luò)問題，例如發(fā)現(xiàn)移動網(wǎng)絡(luò)質(zhì)差小區(qū)等，從而提升客戶服務(wù)感知和客戶滿意度。然而，面向運營商的滿意度及貶損用戶預(yù)測分析呈現(xiàn)出越發(fā)復(fù)雜的特性，傳統(tǒng)算法模型的預(yù)測效果仍不盡如人意。
技術(shù)實現(xiàn)思路
1、基于此，有必要針對上述技術(shù)問題，提供一種貶損用戶識別方法、裝置、計算機設(shè)備和計算機可讀存儲介質(zhì)，能夠提升滿意度評分的準(zhǔn)確性和貶損用戶識別的準(zhǔn)確性。
2、第一方面，本申請?zhí)峁┝艘环N貶損用戶識別方法，包括：
3、獲取若干條會話反饋數(shù)據(jù)；
4、根據(jù)若干條會話反饋數(shù)據(jù)，確定每個用戶對應(yīng)的反饋類別特征；
5、獲取用于滿意度評分的若干個特征字段；
6、基于強化學(xué)習(xí)模型對若干個特征字段進行篩選，確定多個預(yù)測維度分別對應(yīng)的輸入字段；
7、根據(jù)目標(biāo)預(yù)測維度對應(yīng)的輸入字段，獲取目標(biāo)用戶對應(yīng)的入模數(shù)據(jù)，并獲取目標(biāo)用戶對應(yīng)的目標(biāo)反饋類別特征；目標(biāo)預(yù)測維度為多個預(yù)測維度中的任意一個；
8、將入模數(shù)據(jù)和目標(biāo)反饋類別特征，輸入至預(yù)設(shè)滿意度評分模型，得到目標(biāo)用戶在目標(biāo)預(yù)測維度的滿意度評分結(jié)果；
<
p>9、根據(jù)目標(biāo)用戶在多個預(yù)測維度的滿意度評分結(jié)果，識別目標(biāo)用戶是否為貶損用戶。10、在其中一個實施例中，根據(jù)若干條會話反饋數(shù)據(jù)，確定每個用戶對應(yīng)的反饋類別特征，包括：
11、分別識別每條會話反饋數(shù)據(jù)對應(yīng)的主題類別；
12、將主題類別轉(zhuǎn)換為向量表示；
13、根據(jù)向量表示進行無監(jiān)督聚類，確定多個主題簇；
14、對多個主題簇進行熱編碼，確定多個反饋類別特征；
15、根據(jù)用戶與會話反饋數(shù)據(jù)之間的對應(yīng)關(guān)系，確定每個用戶對應(yīng)的反饋類別特征。
16、在其中一個實施例中，分別識別每條會話反饋數(shù)據(jù)對應(yīng)的主題類別，包括：
17、獲取目標(biāo)提示詞；目標(biāo)提示詞用于提示預(yù)設(shè)大模型執(zhí)行主題類別識別任務(wù)；
18、根據(jù)目標(biāo)提示詞和若干條會話反饋數(shù)據(jù)，構(gòu)建若干條輸入文本；
19、利用預(yù)設(shè)大模型分別對每條輸入文本進行識別，輸出每條會話反饋數(shù)據(jù)對應(yīng)的主題類別。
20、在其中一個實施例中，會話反饋數(shù)據(jù)為語音數(shù)據(jù)；根據(jù)目標(biāo)提示詞和若干條會話反饋數(shù)據(jù)，構(gòu)建若干條輸入文本，包括：
21、對若干條會話反饋數(shù)據(jù)進行文本轉(zhuǎn)換處理，得到若干條文本數(shù)據(jù)；
22、根據(jù)目標(biāo)提示詞和若干條文本數(shù)據(jù)，構(gòu)建若干條輸入文本。
23、在其中一個實施例中，基于強化學(xué)習(xí)模型對若干個特征字段進行篩選，確定多個預(yù)測維度分別對應(yīng)的輸入字段，包括：
24、根據(jù)若干個特征字段，構(gòu)建多個不同的待選子集；待選子集中包括至少一個特征字段；
25、針對每個預(yù)測維度，計算由當(dāng)前狀態(tài)轉(zhuǎn)移至下一狀態(tài)的獎勵值；當(dāng)前狀態(tài)與第一子集對應(yīng)，下一狀態(tài)與第二子集對應(yīng)，第一子集和第二子集為任意兩個不同的待選子集；
26、根據(jù)多次狀態(tài)轉(zhuǎn)移的獎勵值，確定所針對的預(yù)測維度對應(yīng)的目標(biāo)子集；
27、將目標(biāo)子集對應(yīng)的特征字段，確定為所針對的預(yù)測維度對應(yīng)的輸入字段。
28、在其中一個實施例中，計算由當(dāng)前狀態(tài)轉(zhuǎn)移至下一狀態(tài)的獎勵值，包括：
29、獲取所針對的預(yù)測維度對應(yīng)的訓(xùn)練樣本；
30、根據(jù)第一子集對應(yīng)的特征字段，從訓(xùn)練樣本中提取第一數(shù)據(jù)，并根據(jù)第二子集對應(yīng)的特征字段，從訓(xùn)練樣本中提取第二數(shù)據(jù)；
31、利用第一數(shù)據(jù)訓(xùn)練預(yù)設(shè)模型，確定第一準(zhǔn)確率，并利用第二數(shù)據(jù)訓(xùn)練預(yù)設(shè)模型，確定第二準(zhǔn)確率；
32、根據(jù)第一準(zhǔn)確率和第二準(zhǔn)確率，確定由當(dāng)前狀態(tài)轉(zhuǎn)移至下一狀態(tài)的獎勵值。
33、在其中一個實施例中，根據(jù)目標(biāo)用戶在多個預(yù)測維度的滿意度評分結(jié)果，識別目標(biāo)用戶是否為貶損用戶，包括：
34、根據(jù)目標(biāo)用戶在多個預(yù)測維度的滿意度評分結(jié)果，確定目標(biāo)用戶的綜合滿意度得分；
35、根據(jù)綜合滿意度得分，識別目標(biāo)用戶是否為貶損用戶。
36、第二方面，本申請還提供了一種貶損用戶識別裝置，包括：
37、獲取模塊，用于獲取若干條會話反饋數(shù)據(jù)；
38、確定模塊，用于根據(jù)若干條會話反饋數(shù)據(jù)，確定每個用戶對應(yīng)的反饋類別特征；
39、獲取模塊，還用于獲取用于滿意度評分的若干個特征字段；
40、確定模塊，還用于基于強化學(xué)習(xí)模型對若干個特征字段進行篩選，確定多個預(yù)測維度分別對應(yīng)的輸入字段；
41、獲取模塊，還用于根據(jù)目標(biāo)預(yù)測維度對應(yīng)的輸入字段，獲取目標(biāo)用戶對應(yīng)的入模數(shù)據(jù)，并獲取目標(biāo)用戶對應(yīng)的目標(biāo)反饋類別特征；目標(biāo)預(yù)測維度為多個預(yù)測維度中的任意一個；
42、評分模塊，用于將入模數(shù)據(jù)和目標(biāo)反饋類別特征，輸入至預(yù)設(shè)滿意度評分模型，得到目標(biāo)用戶在目標(biāo)預(yù)測維度的滿意度評分結(jié)果；
43、識別模塊，用于根據(jù)目標(biāo)用戶在多個預(yù)測維度的滿意度評分結(jié)果，識別目標(biāo)用戶是否為貶損用戶。
44、第三方面，本申請還提供了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上第一方面所述的方法的步驟。
45、第四方面，本申請還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上第一方面所述的方法的步驟。
46、上述貶損用戶識別方法、裝置、計算機設(shè)備和計算機可讀存儲介質(zhì)，獲取若干條會話反饋數(shù)據(jù)；根據(jù)若干條會話反饋數(shù)據(jù)，確定每個用戶對應(yīng)的反饋類別特征；獲取用于滿意度評分的若干個特征字段；基于強化學(xué)習(xí)模型對若干個特征字段進行篩選，確定多個預(yù)測維度分別對應(yīng)的輸入字段；根據(jù)目標(biāo)預(yù)測維度對應(yīng)的輸入字段，獲取目標(biāo)用戶對應(yīng)的入模數(shù)據(jù)，并獲取目標(biāo)用戶對應(yīng)的目標(biāo)反饋類別特征；目標(biāo)預(yù)測維度為多個預(yù)測維度中的任意一個；將入模數(shù)據(jù)和目標(biāo)反饋類別特征，輸入至預(yù)設(shè)滿意度評分模型，得到目標(biāo)用戶在目標(biāo)預(yù)測維度的滿意度評分結(jié)果；根據(jù)目標(biāo)用戶在多個預(yù)測維度的滿意度評分結(jié)果，識別目標(biāo)用戶是否為貶損用戶。通過上述方式，將會話反饋數(shù)據(jù)“變廢為寶”，從中提取與滿意度相關(guān)的重要特征，彌補了傳統(tǒng)滿意度及貶損用戶預(yù)測分析方式中，數(shù)據(jù)的關(guān)鍵字段缺失的局限性，進而提高滿意度評分模型的準(zhǔn)確性。對于專家挑選的若干個特征字段進行二次挑選提純，將與滿意度無關(guān)的字段剔除，能夠提升入模數(shù)據(jù)的質(zhì)量，進而提升滿意度評分的準(zhǔn)確性和貶損用戶識別的準(zhǔn)確性。
本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種貶損用戶識別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述若干條會話反饋數(shù)據(jù)，確定每個用戶對應(yīng)的反饋類別特征，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述分別識別每條會話反饋數(shù)據(jù)對應(yīng)的主題類別，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述會話反饋數(shù)據(jù)為語音數(shù)據(jù)；所述根據(jù)所述目標(biāo)提示詞和所述若干條會話反饋數(shù)據(jù)，構(gòu)建若干條輸入文本，包括：
5.根據(jù)權(quán)利要求1至4中任意一項所述的方法，其特征在于，所述基于強化學(xué)習(xí)模型對所述若干個特征字段進行篩選，確定多個預(yù)測維度分別對應(yīng)的輸入字段，包括：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述計算由當(dāng)前狀態(tài)轉(zhuǎn)移至下一狀態(tài)的獎勵值，包括：
7.根據(jù)權(quán)利要求1至4中任意一項所述的方法，其特征在于，所述根據(jù)所述目標(biāo)用戶在所述多個預(yù)測維度的滿意度評分結(jié)果，識別所述目標(biāo)用戶是否為貶損用戶，包括：
8.一種貶損用戶識別裝置，其特征在于，所述裝置包括：
9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。
...
【技術(shù)特征摘要】
1.一種貶損用戶識別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述若干條會話反饋數(shù)據(jù)，確定每個用戶對應(yīng)的反饋類別特征，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述分別識別每條會話反饋數(shù)據(jù)對應(yīng)的主題類別，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述會話反饋數(shù)據(jù)為語音數(shù)據(jù)；所述根據(jù)所述目標(biāo)提示詞和所述若干條會話反饋數(shù)據(jù)，構(gòu)建若干條輸入文本，包括：
5.根據(jù)權(quán)利要求1至4中任意一項所述的方法，其特征在于，所述基于強化學(xué)習(xí)模型對所述若干個特征字段進行篩選，確定多個預(yù)測維度分別對應(yīng)的輸入字段，包括：
6.根據(jù)權(quán)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：朱應(yīng)釗，劉祥，
申請(專利權(quán))人：中國電信股份有限公司技術(shù)創(chuàng)新中心，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。