CN105389341A - 一种客服电话重复来电工单的文本聚类与分析方法 - Google Patents

Abstract

本发明公开了一种客服电话重复来电工单的文本聚类与分析方法，包括以下步骤：对提取的客服工单文本进行清理，剔除重复来电中的异常来电号码；利用相关联规则提取相同来电的工单，构建重复来电工单文本集；建立向量空间模型，利用特征向量表征文本，将整个文本用以特征项的权重为分量的向量来表示，判断文本之间的相似度；利用层次聚类提取同一用户的相似内容的重复来电工单，对语义特征进行分析；对重复来电工单反映的问题进行及时记录，形成重复来电工单反映的问题表单。本发明替代了人工查找重复来电工单，能提高工作速率。

Description

一种客服电话重复来电工单的文本聚类与分析方法

技术领域

本发明涉及一种客服电话重复来电工单的文本聚类与分析方法。

背景技术

近年来，随着电力业务的迅猛发展，其客户数量与业务类型随之增长，客户来电反映的内容庞杂多样，如何从巨大的话务量中寻找有用信息，是客服工作面临的巨大挑战。根据重复来电信息分析，对来电信息中隐含的语义特征进行挖掘，重点关注重复来电次数多的客户，对来电出现的热点问题及时发现与跟踪，以便能把握处理问题的最佳时机，从而提高处理热点问题的能力和监测能力。因此，如何在来电信息中进行客户重复来电问题的汇集与发现，重复来电问题的语义分析，准确把握重复来电反映的热点问题，对于准确有效地提高客服的服务质量具有十分重要的现实意义。

目前重复工单分析面临着诸多问题：工单受理内容为文本信息，难分析，且信息量大，非结构化，需要人工逐条查阅，工作繁琐且效率低下。对重复来电分析少，无法及时了解客户重复来电的原因，产生客户服务滞后问题，以致无法对热点问题及时做出反映。并且95598工单中除了工单编号、客户编号、联系电话、受理时间等字段为结构化数据，还包括一些非结构化数据，如受理内容与处理情况等，这些部分都是以中文自然语言描述。

发明内容

本发明为了解决上述问题，提出了一种客服电话重复来电工单的文本聚类与分析方法，该方法基于文本挖掘的重复来电模型，该模型能利用智能高效的筛选出重复来电工单，对于准确有效地提高客服的服务质量具有十分重要的现实意义。

为了实现上述目的，本发明采用如下技术方案：

一种客服电话重复来电工单的文本聚类与分析方法，包括以下步骤：

(1)对提取的客服工单文本进行清理，剔除重复来电中的异常来电号码；

(2)提取同一用户在计算周期内重复2次以上来电的工单，构建重复来电工单文本集；

(3)建立向量空间模型，利用特征向量表征文本，将整个文本用以特征项的权重为分量的向量来表示，判断文本之间的相似度；

(4)利用层次聚类提取同一用户的相似内容的重复来电工单，对语义特征进行分析；

(5)对重复来电工单反映的问题进行及时记录，派单并跟踪记录；

(6)形成重复来电工单反映的问题表单。

所述步骤(1)中，异常来电号码包括无故挂断、内部拨测和12345异常来电。

所述步骤(2)中，根据相关联规则提取相同来电的工单，统计同一联系人，包括联系人名称或来电号码或户号相同的用户的来电。

所述步骤(2)中，重复工单文本集为客户编号\联系电话\供电公司\供电单位相同的客户来的受理内容相同的工单集合。

所述步骤(3)中，向量空间模型的具体方法包括：

(1)将文本分为若干的特征项，计算出每个特征项在该文本中的权重，将整个文本用以特征项的权重为分量的向量来表示；

(2)在将文本用特征向量的方式表示为数学模型以后，再基于特征向量进行文本之间的相似度计算。

所述步骤(3)中，文本的权值分为词频型和布尔型，词频即词条在文章中出现的次数，布尔型即在词条在文本中是否出现过，出现为1，未出现为0。

所述步骤(4)中，向量空间模型的权重计算采用TF-IDF方法计算，设d是文本集中的文本，f是文本集的特征词，TF-IDF的计算公式如下：

$W(f,d)=\frac{TF(f,d){\log }_2^{(N/(n_f+0.01\left)\right)}}{\sqrt{{\mathrm{\Σ}}_{f\∈d}{\[TF(f,d){\log }_2^{(N/(n_f+0.01\left)\right)}\]}^2}}$

式中，W(f,d)为特征词f的权重，词频TF(f,d)为特征词在文本中出现的频率，倒排文档频IDF，表示特征词在文本集中出现的频繁程度，其中N为文本集中的文本总数，n_f为出现该特征词的文本数。

所述步骤(4)中，用空间中的两个向量的夹角余弦来度量文档之间的相似度，夹角余弦值越大，两个向量的夹角越小，表示文档越相似，具体方法为：

$cos(Ti,Tj)=\frac{{\mathrm{\Σ}}_{t=1}^n{T}_{it}\×T_{jt}}{(\sqrt{{\mathrm{\Σ}}_{t=1}^n{T_{it}}^2}\×\sqrt{{\mathrm{\Σ}}_{t=1}^n{T_{jt}}^2}}$

其中，T_i表示文本特征向量，T_it表示文本T_i的第t个向量。

所述步骤(4)中，层次聚类算法具体方法是将每个文本数据看成一个类，接着合并两个最相似的文本，直到最后合并成一个组为止。

所述步骤(6)中，问题表单包括申请编号、单位名称、供电单位、业务受理类型、受理时间、客户编号、联系内容和受理内容。

本发明的有益效果为：

1、本发明替代了人工查找重复来电工单，能提高工作速率，解决了传统方法仅凭人工借助关联工单或电话号码、户号筛查的方式统计，不仅耗时巨大；

2、提取有效的重复来电，对重复来电分析，能够彻底反映用户用电重复关心的问题和原因；

3、利用大数据挖掘、语义分析技术，计算时间短，时效性更强，更有助于及时决策，提高客服部门的工作效率，为客服管理人员做出决策提供技术支持，提高用户的满意度。

附图说明

图1是本发明的整体流程图；

图2是本发明的形成的表格示意图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

1重复来电概念

重复来电，是指同一用户(户号相同)对同一事件重复致电两次及以上的事件集合。具体描述如下：在查询周期内，除表扬、订阅和一次办结咨询、受理内容为空的所有非用户号码来电(例如12345、内部拨测等)以外的业务工单，按照来电号码、用户编号、受理内容等进行重复筛查所得到的重复事件数、工单数、电话数。

客户编号，作为确定客户唯一的标志属性，但在实际来电中，大部分工单记录缺失。而同一客户，有可能采用不同电话号码来电，反映的却是同一事情。客户来电反映的问题，可根据工单中受理内容这一字段确定，若受理内容的文本信息相似，则认为来电反映的是同一件事情。另外，来电工单中受理内容会有关联工单编号，将此工单与其关联工单，也定义为重复来电工单。因此，重复工单集合为客户编号\联系电话\供电公司\供电单位相同的客户，其受理内容相似的工单集合。

2文本挖掘技术

文本挖掘，是指从大量文本中抽取事先未知的、可理解的、最终可用的知识的过程，同时运用这些知识能更好地组织信息以便将来参考。文本挖掘的主要目的是从非结构化文本发明档中提取有趣的、重要的模式和知识。一般来说，文本挖掘的主要处理过程是对大量文档集合的内容进行预处理、特征提取、结构分析、文本摘要、文本分类、文本聚类、关联分析等。

本发明主要利用文本挖掘技术，对工单的受理内容进行文本聚类。首先需要将工单文本中的受理内容进行分词，将其转换成一个个词条。当前中文分词算法主要可以分为三大类：基于词典的方法、基于统计的方法、基于规则的方法。基于词典的方法，即机械分词法，可使用中科院张华平等开发的ICTCLAS(InstituteofComputingTechnology，Chineselexicalanalysissystem)的分词工具进行分词，然后进行词性过滤、停用词过滤等预处理。

2.1文本建模

由于工单信息大部分为中文文本，属于非结构化文本，要进行挖掘就必须将文本词汇转换成计算机能够识别的语言，所以必须对文本词汇进行建模，常用的方法有向量模型、概率模型、语言模型。目前使用广泛并且简单高效的模型是向量空间模型(VectorSpaceModel，VSM)。向量空间模型的基本思想是将文本分为若干的特征项，通过特定的手段计算出每个特征项在该文本中的权重，进而将整个文本用以特征项的权重为分量的向量来表示，在将文本用特征向量的方式表示为数学模型以后，再基于特征向量进行文本之间的相似度计算。权值可分为词频型和布尔型，词频即词条在文章中出现的次数，布尔型即在词条在文本中是否出现过，出现为1，未出现为0。

目前向量空间模型的权重计算，通常采用TF-IDF方法计算。设d是文本集中的文本，f是文本集的特征词，TF-IDF的计算公式如下：

$W(f,d)=\frac{TF(f,d){\log }_2^{(N/(n_f+0.01\left)\right)}}{\sqrt{{\mathrm{\Σ}}_{f\∈d}{\[TF(f,d){\log }_2^{(N/(n_f+0.01\left)\right)}\]}^2}}$

式中，W(f,d)为特征词f的权重，词频TF(f,d)为特征词在文本中出现的频率。倒排文档频IDF，表示特征词在文本集中出现的频繁程度。其中N为文本集中的文本总数，n_f为出现该特征词的文本数。分母为归一化因子，以防止偏向长文本。

2.2文本相似度计算

文档表示成向量后，文本之间的语义相似度就可以通过空间中的这两个向量间的几何关系来度量。目前相似度的计量方法有内积、JACCARD系数，余弦函数等方法。在VSM模型中，通常用空间中的两个向量的夹角余弦来度量文档之间的相似度，夹角余弦值越大，两个向量的夹角越小，表示文档越相似，经典的计算公式如下：

$cos(Ti,Tj)=\frac{{\mathrm{\Σ}}_{t=1}^n{T}_{it}\×T_{jt}}{(\sqrt{{\mathrm{\Σ}}_{t=1}^n{T_{it}}^2}\×\sqrt{{\mathrm{\Σ}}_{t=1}^n{T_{jt}}^2}}$

其中，T_i表示文本特征向量，T_it表示文本T_i的第t个向量。

2.3文本聚类

通过文本之间两两相似度计算，每条文档都被映射到一个R维空间的向量中，而R为词典中词语的数量。在此，我们需要使用相似度矩阵来计算文档之间的相似度，并进行聚类分组。通过聚类分析，将工单文本具有一定相似度的工单归为一类。文本聚类包含划分聚类法和层次聚类法。由于事先不知道聚类数目，本发明采用层次聚类。层次聚类算法是在一开始将每个文本数据看成一个类，接着合并两个最相似的文本，直到最后合并成一个组为止。在实际应用中我们发现，使用基于领域关键词的辅助，可以显著提高重复来电工单的文本聚类计算的准确性和效率。

3重复来电模型

本发明在提取重复来电工单过程中，首先进行数据清理，即对95598工单文本清除异常来电号码，比如【无故挂断】、【内部拨测】、【12345】等异常来电。其次进行数据预处理，即根据关联规则来提取来电相同的工单。再次进行文本语义分析，包括中文分词、特征向量矩阵，相似度计算，聚类等步骤，对来电相同的工单的受理内容进行文本聚类，提取出同一用户，来电内容相似的重复来电工单，并对语义特征进行分析。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种客服电话重复来电工单的文本聚类与分析方法，其特征是：包括以下步骤：

(1)对提取的客服工单文本进行清理，剔除重复来电中的异常来电号码；

(2)提取同一用户在计算周期内重复2次以上来电的工单，构建重复来电工单文本集；

(3)建立向量空间模型，利用特征向量表征文本，将整个文本用以特征项的权重为分量的向量来表示，判断文本之间的相似度；

(4)利用层次聚类提取同一用户的相似内容的重复来电工单，对语义特征进行分析；

(5)对重复来电工单反映的问题进行及时记录，派单并跟踪记录；

(6)形成重复来电工单反映的问题表单。

2.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(1)中，异常来电号码包括无故挂断、内部拨测和12345异常来电。

3.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(2)中，根据相关联规则提取相同来电的工单，统计同一联系人，包括联系人名称或来电号码或户号相同的用户的来电。

4.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(2)中，重复工单文本集为客户编号\联系电话\供电公司\供电单位相同的客户来的受理内容相同的工单集合。

5.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(3)中，向量空间模型的具体方法包括：

(1)将文本分为若干的特征项，计算出每个特征项在该文本中的权重，将整个文本用以特征项的权重为分量的向量来表示；

(2)在将文本用特征向量的方式表示为数学模型以后，再基于特征向量进行文本之间的相似度计算。

6.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(3)中，文本的权值分为词频型和布尔型，词频即词条在文章中出现的次数，布尔型即在词条在文本中是否出现过，出现为1，未出现为0。

7.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(4)中，向量空间模型的权重计算采用TF-IDF方法计算，设d是文本集中的文本，f是文本集的特征词，TF-IDF的计算公式如下：

$W(f,d)=\frac{TF(f,d){\log }_2^{(N/(n_f+0.01\left)\right)}}{\sqrt{{\mathrm{\Σ}}_{f\∈d}{\[TF(f,d){\log }_2^{(N/(n_f+0.01\left)\right)}\]}^2}}$

式中，W(f,d)为特征词f的权重，词频TF(f,d)为特征词在文本中出现的频率，倒排文档频IDF，表示特征词在文本集中出现的频繁程度，其中N为文本集中的文本总数，n_f为出现该特征词的文本数。

8.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(4)中，用空间中的两个向量的夹角余弦来度量文档之间的相似度，夹角余弦值越大，两个向量的夹角越小，表示文档越相似，具体方法为：

$cos(Ti,Tj)=\frac{{\Σ}_{t=1}^n{T}_{it}\×T_{jt}}{(\sqrt{{\mathrm{\Σ}}_{t=1}^n{T_{it}}^2}\×\sqrt{{\mathrm{\Σ}}_{t=1}^n{T_{jt}}^2}}$

其中，T_i表示文本特征向量，T_it表示文本T_i的第t个向量。

9.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(4)中，层次聚类算法具体方法是将每个文本数据看成一个类，接着合并两个最相似的文本，直到最后合并成一个组为止。

10.如权利要求1所述的一种客服电话重复来电工单的文本聚类与分析方法，其特征是：所述步骤(6)中，问题表单包括申请编号、单位名称、供电单位、业务受理类型、受理时间、客户编号、联系内容和受理内容。