本發(fā)明涉及基于文本挖掘技術的客戶投訴預警監(jiān)測分析方法，所屬領域為電力行業(yè)客戶危機管理領域。

背景技術：

隨著電力體制改革的逐步深化，電力銷售市場競爭加劇，迫切需要供電企業(yè)迅速改變傳統(tǒng)的思維方式和工作模式，進一步樹立市場化服務意識，創(chuàng)新商業(yè)化服務模式，提升定制化、個性化服務水平，贏得客戶的信任，確保市場份額。同時，隨著民眾自主意識和維權意識的不斷提升，供電企業(yè)每一次的電價調整、服務手續(xù)變更甚至故障搶修，都受到了廣大民眾的密切關注。

作為與客戶交流、溝通的重要窗口，95598客戶服務系統(tǒng)記錄了海量的客戶信息。該系統(tǒng)中的數(shù)據(jù)主要分為結構化數(shù)據(jù)和非結構化數(shù)據(jù)。目前，針對系統(tǒng)中的結構化數(shù)據(jù)，系統(tǒng)通過對投訴數(shù)量、客戶的滿意度打分或問題處理時效等方面進行統(tǒng)計分析。對于客戶反饋信息非結構化數(shù)據(jù)主要是以人工抽檢梳理為主，不便于及時準確的掌握客戶關注熱點問題；且僅限于從時間、區(qū)域、業(yè)務類型等維度進行統(tǒng)計分析，使得監(jiān)測分析的精細化程度不夠；同時對投訴工單的文本數(shù)據(jù)雖然進行逐一的人工溯源分析，缺乏自動化監(jiān)測分析，且側重于事后追責，無法實現(xiàn)事前預警。

技術實現(xiàn)要素：

本發(fā)明所要解決的技術問題在于克服現(xiàn)有技術不足，提供一種基于文本挖掘技術的投訴預警監(jiān)測方法，能夠針對專業(yè)管理部門及時、準確掌握客戶反饋熱點問題，以及事前預警客戶投訴風險的要求，在客戶反饋信息紛繁復雜、表達方式靈活多樣下實現(xiàn)對客戶投訴風險度的預警，解決了目前人工梳理效率低和事后溯源追責的被動式管理問題，從而保證了對每條工單的投訴風險等級預測，便于及時開展主動服務，提升了客戶滿意度。

為解決上述技術問題，本發(fā)明采用的技術方案是：

一種基于文本挖掘技術的投訴預警監(jiān)測分析方法，包括：

步驟1，文本數(shù)據(jù)規(guī)范化步驟，將錄入的文本數(shù)據(jù)轉成統(tǒng)一規(guī)則的規(guī)范化數(shù)據(jù)模式；

步驟2，規(guī)范化數(shù)據(jù)分析預警步驟，通過建立投訴分析等級聚類模型對規(guī)范化數(shù)據(jù)模式進行分析，根據(jù)聚類結果劃分投訴風險等級，再根據(jù)風險所在等級發(fā)出相應的預警。

采用文本數(shù)據(jù)規(guī)范化步驟將文本數(shù)據(jù)轉化為結構化、標準化的規(guī)范化表達式，便于后期 處理應用；采用規(guī)范化數(shù)據(jù)分析預警步驟實現(xiàn)對客戶投訴風險等級的判定與預警，省去人工梳理和判別，有效提高了工作效率。

作為本發(fā)明的進一步限定方案，文本數(shù)據(jù)規(guī)范化步驟包括：

步驟1.1，文本初始處理步驟，對錄入的文本數(shù)據(jù)進行分詞和去噪處理，獲得各個文本數(shù)據(jù)中的關鍵詞；

步驟1.2，文本特征向量化步驟，將各個關鍵詞進行向量化并作歸一化處理，獲得由各個關鍵詞W_i在文件d_j中的向量化歸一化結果建立的實數(shù)值矩陣，關鍵詞W_i在文件d_j中的向量化歸一化結果為：

式中：N表示文件總數(shù)量；N_i表示包含關鍵詞W_i的文件數(shù)量；n為關鍵詞總次數(shù)；W_i為第i個關鍵詞；d_j表示第j個文件；tf_ij為關鍵詞W_i在文件d_j中的詞頻；為所有關鍵詞在文件d_j中的詞頻平方和；為文件總數(shù)量與包含關鍵詞W_i文件的數(shù)量比值加上調整項0.01后取對數(shù)；

步驟1.3，文本數(shù)據(jù)相似性匹配步驟，根據(jù)建立的實數(shù)值矩陣，利用余弦定理計算各關鍵詞間的余弦相似度，并將余弦距離最近的文本數(shù)據(jù)進行匹配，形成近義詞詞庫；

步驟1.4，規(guī)范化數(shù)據(jù)生成步驟，將匹配好的文本數(shù)據(jù)按照設定的統(tǒng)一規(guī)范化模式生成規(guī)范化數(shù)據(jù)。

作為本發(fā)明的進一步限定方案，規(guī)范化數(shù)據(jù)分析預警步驟包括：

步驟2.1，情感傾向度計算步驟，對規(guī)范化數(shù)據(jù)進行情感判斷并劃分為積極、消極和中心三類；

步驟2.2，投訴風險等級劃分步驟，根據(jù)客戶等級、業(yè)務類型、積極傾向度以及投訴歷史參數(shù)建立投訴分析等級聚類模型，并根據(jù)聚類結果制定投訴風險等級規(guī)則；

步驟2.3，投訴分析預警步驟，根據(jù)制定的投訴風險等級規(guī)則，選擇模型變量參數(shù)，利用貝葉斯分類建立分類學習模型，通過對分類學習模型的訓練實現(xiàn)對未知文本數(shù)據(jù)的投訴風險等級的預測。

作為本發(fā)明的進一步限定方案，情感傾向度計算步驟的具體工作步驟為：

(1)建立連詞和否定詞詞典庫；

(2)根據(jù)連詞和否定詞詞典庫從規(guī)范化數(shù)據(jù)中抽取連詞和否定詞，并標記相應詞在規(guī)范化數(shù)據(jù)中的位置；

(3)匹配現(xiàn)有的情感詞典庫，獲得詞匯的極性及其情感評分值；

(4)通過連詞位置，確定前句與后句所占比重，再根據(jù)否定詞位置判斷雙重否定以及鄰近詞匯的極性反轉；

(5)利用詞匯的極性及其情感評分值帶入連詞和否定詞后對規(guī)范化數(shù)據(jù)進行累加獲得情感計算評分；

(6)循環(huán)步驟(2)至(5)，若情感計算評分為正則為積極，為負則為消極，否則為中心。

作為本發(fā)明的進一步限定方案，投訴風險等級規(guī)則用于根據(jù)聚類結果將投訴風險等級劃分為高危極、危險級、有投訴傾向級、一般級以及無投訴傾向級這五個風險等級。

作為本發(fā)明的進一步限定方案，在制定投訴風險等級規(guī)則需要對規(guī)則進行驗證，將驗證集數(shù)據(jù)輸入建立的分類學習模型，獲得驗證集數(shù)據(jù)中各文本數(shù)據(jù)的投訴風險等級，并將結果集與驗證集數(shù)據(jù)中對應的等級數(shù)據(jù)進行比對，計算模型預測的正確率。

本發(fā)明的有益效果在于：利用文本挖掘技術，將文本數(shù)據(jù)轉化為結構化、標準化的規(guī)范化表達式；其次對客戶反饋的文本信息進行情感分析，并計算其情感傾向度；最后利用有監(jiān)督的分類學習算法，建立投訴預警監(jiān)測模型，實現(xiàn)對客戶投訴風險等級的判定與預警。

附圖說明

圖1為規(guī)范化表達式建立流程示意圖；

圖2為本發(fā)明提出的投訴風險等級計算流程圖；

圖3為本發(fā)明提出的投訴預警模型建立步驟示意圖；

圖4為本發(fā)明提出的投訴預警模型驗證流程示意圖；

圖5為各區(qū)域工單數(shù)分布圖；

圖6為各等級工單數(shù)據(jù)分布圖。

具體實施方式

下面結合附圖，對本發(fā)明作詳細說明：

本發(fā)明一種基于文本挖掘技術的投訴預警監(jiān)測分析方法，包括文本數(shù)據(jù)規(guī)范化步驟和規(guī)范化數(shù)據(jù)分析預警步驟，其中，文本數(shù)據(jù)規(guī)范化步驟，用于將錄入的文本數(shù)據(jù)轉成統(tǒng)一規(guī)則的規(guī)范化數(shù)據(jù)模式；規(guī)范化數(shù)據(jù)分析預警步驟，用于通過建立投訴分析等級聚類模型對規(guī)范 化數(shù)據(jù)模式進行分析，根據(jù)聚類結果劃分投訴風險等級，根據(jù)風險所在等級發(fā)出相應的預警。

采用文本數(shù)據(jù)規(guī)范化步驟將文本數(shù)據(jù)轉化為結構化、標準化的規(guī)范化表達式，便于后期處理應用；采用規(guī)范化數(shù)據(jù)分析預警步驟實現(xiàn)對客戶投訴風險等級的判定與預警，省去人工梳理和判別，有效提高了工作效率。

文本數(shù)據(jù)規(guī)范化步驟包括文本初始處理步驟、文本特征向量化步驟、文本數(shù)據(jù)相似性匹配步驟以及規(guī)范化數(shù)據(jù)生成步驟。文本數(shù)據(jù)規(guī)范化步驟的具體處理步驟如圖1所示，首先將錄入的文本數(shù)據(jù)(95598工單數(shù)據(jù))進行分詞、去噪處理；接著進行向量化處理成向量矩陣、詞相關矩陣；然后進行關聯(lián)分析生成近義詞詞庫；根據(jù)業(yè)務類型和近義詞詞庫對文本數(shù)據(jù)進行規(guī)范化表達。

其中，文本初始處理步驟，用于對錄入的文本數(shù)據(jù)進行分詞和去噪處理，獲得各個文本數(shù)據(jù)中的關鍵詞；

文本特征向量化步驟，用于將各個關鍵詞進行向量化并作歸一化處理，獲得由各個關鍵詞W_i在文件d_j中的向量化歸一化結果建立的實數(shù)值矩陣，關鍵詞W_i在文件d_j中的向量化歸一化結果為：

式中：N表示文件總數(shù)量；N_i表示包含關鍵詞W_i的文件數(shù)量；n為關鍵詞總次數(shù)；W_i為第i個關鍵詞；d_j表示第j個文件；tf_ij為關鍵詞W_i在文件d_j中的詞頻；為所有關鍵詞在文件d_j中的詞頻平方和；為文件總數(shù)量與包含關鍵詞W_i文件的數(shù)量比值加上調整項0.01后取對數(shù)；

文本數(shù)據(jù)相似性匹配步驟，用于根據(jù)建立的實數(shù)值矩陣，利用余弦定理計算各關鍵詞間的余弦相似度，并將余弦距離最近的文本數(shù)據(jù)進行匹配，形成近義詞詞庫；

規(guī)范化數(shù)據(jù)生成步驟，用于將匹配好的文本數(shù)據(jù)按照設定的統(tǒng)一規(guī)范化模式生成規(guī)范化數(shù)據(jù)。

作為本發(fā)明進一步公開方案，規(guī)范化數(shù)據(jù)分析預警步驟包括：

情感傾向度計算步驟，用于對規(guī)范化數(shù)據(jù)進行情感判斷并劃分為積極、消極和中心三類；

投訴風險等級劃分步驟，用于根據(jù)客戶等級、業(yè)務類型、積極傾向度以及投訴歷史參數(shù)建立投訴分析等級聚類模型，并根據(jù)聚類結果制定投訴風險等級規(guī)則；在制定投訴風險等級 規(guī)則需要對規(guī)則進行驗證，將驗證集數(shù)據(jù)輸入建立的分類學習模型，獲得驗證集數(shù)據(jù)中各文本數(shù)據(jù)的投訴風險等級，并將結果集與驗證集數(shù)據(jù)中對應的等級數(shù)據(jù)進行比對，計算模型預測的正確率；

投訴分析預警步驟，用于根據(jù)制定的投訴風險等級規(guī)則，選擇模型變量參數(shù)(如有無投訴歷史、業(yè)務類型以及客戶等級)，利用貝葉斯分類建立分類學習模型，通過對分類學習模型的訓練實現(xiàn)對未知文本數(shù)據(jù)的投訴風險等級的預測。

本發(fā)明基于文本挖掘技術的投訴預警監(jiān)測分析系統(tǒng)實現(xiàn)的具體步驟為：

(一)建立規(guī)范化表達式

1、中文分詞

基于95598工單數(shù)據(jù)，建立分詞語料庫和特殊符號表，對預料庫中相鄰共現(xiàn)的各個字的組合的頻度進行統(tǒng)計，計算其相關度。計算公式如下：

其中，M表示預料庫字數(shù)，N_A表示A在預料庫中出現(xiàn)的次數(shù)，N_B表示B在預料庫中出現(xiàn)的次數(shù)，N_AB表示AB在預料庫中一起出現(xiàn)的次數(shù)。

2、文本特征向量化

從95598工單文本內容中選擇出一部分最為有效的特征，使得新特征空間的維度往往遠小于原始空間維度，實現(xiàn)對文本特征向量的進一步凈化，并在保持原文本含義的情況下，計算最能反饋文本內容，又簡潔的特征向量。通過對文本特征項做歸一化處理，減輕了不同長度文本對文本相似度計算結果的影響。計算公式如下：

式中：N表示文件總數(shù)量；N_i表示包含關鍵詞W_i的文件數(shù)量；n為關鍵詞總次數(shù)；W_i為第i個關鍵詞；d_j表示第j個文件；tf_ij為關鍵詞W_i在文件d_j中的詞頻；為所有關鍵詞在文件d_j中的詞頻平方和；為文件總數(shù)量與包含關鍵詞W_i文件的數(shù)量比值加上調整項0.01后取對數(shù)。

3、根據(jù)詞向量轉換后的實數(shù)值矩陣，利用余弦定理，計算各個詞組間的余弦相似度，并將余弦距離最近的詞進行匹配，形成近義詞詞庫。

4、建立規(guī)范化表達式

結合95598系統(tǒng)業(yè)務分類，實現(xiàn)對客戶反饋文本信息的規(guī)范化表示，形如：投訴-超崔人員-態(tài)度。

(二)建立投訴預警監(jiān)測模型

1、計算情感傾向度

(1)基于大連理工大學情感詞典，以95598工單業(yè)務類別為表揚文本作為補充修改，同時建立連詞和否定詞詞典，建立情感訓練庫。

(2)從95598工單中抽取連詞和否定詞，并標記相應詞位置。

(3)匹配情感詞典，確定詞匯極性及其情感評分值，詞匯極性和情感評分值為情感詞典中現(xiàn)有的基本參數(shù)。

(4)通過連詞位置，確定前句與后句所占比重，同時根據(jù)否定詞位置判讀雙重否定，以及鄰進詞匯的極性反轉。

(5)累加工單文本情感計算評分。

(6)循環(huán)步驟(2)至(5)，若為正則為積極，為負則為消極，否則為中心。

2、制定投訴風險等級

通過將工單文本數(shù)據(jù)轉換成向量化矩陣，選取客戶等級、積極傾向度、投訴歷史等參數(shù)，建立投訴分析等級聚類模型，最終根據(jù)聚類結果，將投訴風險等級劃分為5類，如圖2所示。

3、建立投訴分析預警模型

將數(shù)據(jù)源分為模型訓練集和驗證集，并根據(jù)制定的投訴風險等級規(guī)則，選擇模型變量(如有無投訴歷史、業(yè)務類型、客戶等級等)，利用貝葉斯分類建立分類學習模型，通過模型訓練實現(xiàn)對未知工單的投訴風險等級的預測，模型訓練的步驟如圖3所示。

4、模型驗證

如圖4所示，將驗證集數(shù)據(jù)輸入分類學習模型，通過模型預測各工單的投訴風險等級，并將結果集與驗證集中的數(shù)據(jù)進行比對，計算模型預測的正確率。

實施例

收集95598系統(tǒng)南京市8月份工單數(shù)據(jù)，共計87359條。包括業(yè)務咨詢、故障報修、建議、意見、投訴、舉報等九類工單的數(shù)據(jù)。其中南京市區(qū)產生工單最多為58151條，其次為江寧區(qū)為13248條，各區(qū)域工單數(shù)分布詳見圖5。

1、8月份主動服務等級工單監(jiān)測分析

通過模型計算，將8月份南京市工單分為五類主動服務等級。其中一級工單為232條，二級工單為208條，由于一級、二級工單的主動服務等級較高，需要進行及時處理，所以以 下重點分析一級、二級工單在各區(qū)域的分布情況以及模型驗證監(jiān)測分析。各等級工單數(shù)據(jù)分布詳情見圖6：

(1)各等級工單在區(qū)域的監(jiān)測分析

根據(jù)模型監(jiān)測結果，南京市區(qū)一級、二級工單數(shù)量最多分別為109條和90條；其次為江寧區(qū)分別為66條和62條；浦口、六合、溧水相對較少，其中浦口分別為20、24條，六合分別為14、14條，溧水區(qū)分別為14、10條；高淳區(qū)最少分別為9、8條。各等級工單在區(qū)域的業(yè)務和數(shù)量分布詳見下表：

(2)一級、二級工單內容分析

根據(jù)模型監(jiān)測結果，各區(qū)域一級工單內容排名最高的為報修-無電，占比分別為江寧約占26％，浦口約占28％，市區(qū)約占22％，六合約占31％，高淳約占26％，溧水約占31％；一級工單內容排名第二的為設備-故障和報修-多戶-無電，其中江寧、浦口和南京市區(qū)排名第二的內容是設備-故障，分別占16％、18％和21％，六合、高淳和溧水排名第二的內容為報修-多戶-無電，分別占18％、19％和25％。二級工單內容在各區(qū)域的占比排名情況與第一等級類似。

2、模型預警監(jiān)測分析

在監(jiān)測周期內，利用主動服務預警模型，共預警一級、二級工單440條(投訴類工單128條，非投訴類工單312條)。經(jīng)過驗證發(fā)現(xiàn)，在一級、二級非投訴類工單中有35條最終引起客戶投訴，其中有13條工單(一級工單7條，二級工單6條)直接引起客戶投訴，主要業(yè)務類型是故障報修5條、服務申請3條、業(yè)務咨詢5條；剩余22條(一級工單12條，二級工單10條)工單是通過關聯(lián)最終引起客戶投訴，共9條。在這35條工單中，業(yè)務咨詢占比最高約為54％，其次是故障報修和服務申請，分別約為34％、12％。

通過對模型預警結果的監(jiān)測分析，在實際發(fā)生的128條投訴工單中，有106條是客戶在沒有歷史行為的情況下直接進行投訴。剩余工單是客戶在投訴前有相應的故障報修、業(yè)務咨詢等歷史行為，且全部包含在本次監(jiān)測結果中。驗證了模型對監(jiān)測周期內非投訴類工單后期轉化為投訴工單的捕獲能力。

利用投訴預警模型，及時捕獲投訴風險度較的工單，便于業(yè)務部門及時開展主動服務，從而降低投訴工單數(shù)據(jù)，提升客戶的滿意度。