CN106910075B - 移动通信客户投诉的智能处理系统和方法 - Google Patents

Abstract

本发明提供了一种移动通信客户投诉的智能处理系统和方法。该系统包括：状态值获取模块，用于从移动通信客户投诉工单中获取投诉所针对的时间信息和地点信息，并根据获取到的时间信息和地点信息从运营商数据库中获取相应时间和地点的各个特征要素的状态值；诊断结果生成模块，用于确定各个特征要素中的每一个特征要素的状态值在预设的专家知识库中对应的置信规则，对获取的各个置信规则进行融合，得到诊断结果并输出。本发明提供的移动通信客户投诉的智能处理系统和方法，能够自动根据专家知识库处理客户投诉，并生成对应的诊断结果，既能够提高客户投诉的处理效率，也可以降低劳动力成本。

Description

移动通信客户投诉的智能处理系统和方法

技术领域

本发明涉及移动通信技术领域，具体涉及移动通信客户投诉的智能处理系统和方法。

背景技术

随着移动通信技术的快速发展，移动通信运营商为客户提供的各种业务和应用服务也越来越多，从2G、3G到4G，新业务的种类不断增加，移动套餐的类型也日益复杂；同时，客户所使用的移动通信设备从功能到设计也越来越智能。客户在各种移动通信终端使用各项业务和服务时，如果遇到通话质量不稳定、网络信号太弱或不能上网等问题，往往会向移动通信运营商投诉，并期望尽快获得满意的答复。移动通信网络自身的复杂性和用户的移动性，使得移动通信运营商面临的客户投诉日益增加。如何快速处理客户投诉问题，在提高投诉处理效率的同时最大程度地提升客户满意度，已成为移动通信运营商面临的主要问题。

目前移动通信运营商进行投诉处理的方法主要是以客户为导向构建投诉管理体系、优化投诉处理流程、增加客服的服务渠道或者采用在线客服等。客服人员在接到客户投诉后，如果遇到在自身能力范围内能够解决的，则迅速给出回复；如果遇到移动通信质量问题，则将投诉工单传递至后台的技术支撑部门进行具体处理和解答。技术支撑部门接到投诉工单后，由经验丰富的技术专家进行诊断，分析引起投诉的原因，给出相应的处理意见，并交由相关的网络建设或维护部门进行处理，同时将处理意见以工单回复的形式反馈给客服中心。这种人工处理方式效率很低。

发明内容

本发明实施例的一个目的在于提供一种移动通信客户投诉的智能处理系统和方法，用以自动地处理移动通信客户的投诉。

一方面，提供了一种移动通信客户投诉的智能处理系统，包括：

状态值获取模块，用于从移动通信客户投诉工单中获取投诉所针对的时间信息和地点信息，并根据获取到的时间信息和地点信息从运营商数据库中获取相应时间和地点的各个特征要素的状态值；其中，各个特征要素用于指示相应时间和地点的移动通信网络状况；

诊断结果生成模块，用于确定各个特征要素中的每一个特征要素的状态值在预设的专家知识库中对应的置信规则，对获取的各个置信规则进行融合，得到诊断结果并输出；其中，所述置信规则用于指示引起相应故障的每一个原因所对应的置信度。

可选的，所述诊断结果生成模块用于对获取的各个置信规则进行融合，得到诊断结果并输出包括：

采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果。

可选的，所述诊断结果生成模块，用于采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果包括：

将第i个特征要素Ai*的状态值表示为一个分布；

计算各个置信规则被该特征要素激活的程度；

将所有被激活的规则进行合成，得到诊断结果的一个分布。

可选的，所述诊断结果生成模块，用于输出诊断结果包括：

将所得到的诊断结果的分布展示；

将诊断结果发送至负责处理该诊断结果的相关技术支撑部门。

可选的，所述系统还包括：训练模块，用于获取引起投诉的实际原因；基于获取到的实际原因以及针对该投诉所做的诊断结果对置信规则进行训练更新。

再一方面，提供了一种移动通信客户投诉的智能处理方法，包括：

从移动通信客户投诉工单中获取投诉所针对的时间信息和地点信息，并根据获取到的时间信息和地点信息从运营商数据库中获取相应时间和地点的各个特征要素的状态值；其中，各个特征要素用于指示相应时间和地点的移动通信网络状况；

确定各个特征要素中的每一个特征要素的状态值在预设的专家知识库中对应的置信规则，对获取的各个置信规则进行融合，得到诊断结果并输出；其中，所述置信规则用于指示引起相应故障的每一个原因所对应的置信度。

可选的，所述对获取的各个置信规则进行融合，得到诊断结果并输出包括：

采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果。

可选的，所述采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果包括：

将第i个特征要素Ai*的状态值表示为一个分布；

计算各个置信规则被该特征要素激活的程度；

将所有被激活的规则进行合成，得到诊断结果的一个分布。

可选的，所述输出诊断结果包括：

将所得到的诊断结果的分布展示；

所述方法还包括：

将诊断结果发送至负责处理该诊断结果的相关技术支撑部门。

可选的，所述方法还包括：

获取引起投诉的实际原因；

基于获取到的实际原因以及针对该投诉所做的诊断结果对置信规则进行训练更新。

本发明实施例提供的移动通信客户投诉的智能处理系统和方法，能够自动根据专家知识库处理客户投诉生成对应的诊断结果，既能够提高客户投诉的处理效率，也可以降低劳动力成本。

附图说明

通过阅读下文实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于列举的实施方式，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1是本发明一实施例提供的一种移动通信客户投诉的智能处理系统的结构示意图；

图2是本发明一实施例提供的一种移动通信客户投诉的智能处理系统进行学习时的流程示意图；

图3是本发明一实施例提供的一种移动通信客户投诉的智能处理方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对现有技术中存在的问题，本发明实施例提供了一种移动通信客户投诉的智能处理系统，参见图1，主要包括：状态值获取模块11和诊断结果生成模块12两个部分，作为可选的方式，还可以包括：训练模块13。

其中，状态值获取模块11，用于从移动通信客户投诉工单中获取投诉所针对的时间信息和地点信息，并根据获取到的时间信息和地点信息从运营商数据库中获取相应时间和地点的各个特征要素的状态值；其中，各个特征要素用于指示相应时间和地点的移动通信网络状况。

诊断结果生成模块12，主要用于确定各个特征要素中的每一个特征要素在预设的专家知识库中对应的置信规则，对获取的各个置信规则进行融合，得到诊断结果并输出；其中，所述置信规则用于指示引起相应故障的每一个原因所对应的置信度。

训练模块13，用于获取到引起投诉的实际原因；基于获取到的实际原因以及针对该投诉所做的诊断结果对置信规则进行训练更新。

本发明实施例提供的移动通信客户投诉的智能处理系统能够自动根据专家知识库处理客户投诉并生成对应的诊断结果，既能够提高客户投诉的处理效率，也可以降低劳动力成本。并且通过设置训练模块，根据引起投诉的实际原因对置信规则进行训练更新，实现了系统的自动学习和更新，持续地提高诊断的准确性。

作为一种可选的实施方式，上述的状态值获取模块11，其具体可以由两个部分构成，参见图1，包括关键信息提取模块和特征要素获取模块。

其中，关键信息提取模块用于从输入的投诉工单中获取投诉所针对的时间信息和地点信息。一般来说，投诉工单会至少包含发起投诉的客户的电话号码以及时间信息和地点信息，并存储为特定的形式；关键信息提取模块可以读取这些存储为特定形式的信息，从而得到投诉所针对的相应的时间和地点，这些信息为获取特征要素所需要的关键信息；之后特征要素获取模块获取到这些关键信息，然后根据这些关键信息去访问运营商数据库，从运营商数据库中获取这些关键信息对应的特征要素的状态值。

特征要素获取模块，主要用于根据获取到的时间信息和地点信息从运营商数据库中获取相应时间和地点的各个特征要素的状态值。具体来说，参见图1，特征要素获取模块可以调用运营商数据库所提供的云端数据库访问接口去访问运营商数据库。

在具体实施时，云端数据库资源中可以包括移动通信运营商已有的网优检测系统、基站设备系统、营帐系统、网络建设和规划系统、干扰信息库、人群密集度动态分布信息库等各类系统和数据库，这些数据库中的信息一般会对应于时间和地点存储。因此，特征要素获取模块可以根据投诉所针对的相应的时间和地点调用云端数据库访问接口从云端数据库资源中获取相应的时间和地点的特征要素状态信息，包括特征要素的状态值，比如基站状况、干扰、热点、手机制式匹配情况。

作为一种可选的实施方式，参见图1，诊断结果生成模块12可以主要包括专家知识库、推理机。

在具体实施时，专家知识库可以主要包括特征要素库和置信规则库以及诊断结果库。

其中特征要素库，主要用于存储根据领域专家知识识别出的容易引起移动通信客户投诉的各个特征要素，比如可以包括如下特征要素：

拟建设区域(是/否)：用来判断该投诉地点是否已列入网络建设规划中；

基站状况(良好/故障)：用来判断该投诉地点的移动终端所使用的基站或信号放大器是否正常工作；

干扰区域(是/否)：用来判断该投诉地点是否有信号干扰源；

干扰时段(是/否)：用来判断该投诉时间是否有信号干扰源；

热点区域(是/否)：用来判断该投诉地点是否属于人口密集分布区域，如工厂、学校等；

热点时段(是/否)：用来判断该投诉时间是否属于人口密集分布时段，如上下班高峰期；

手机制式匹配(是/否)：表示该投诉手机所采用的制式与当地移动通信网络的最佳制式是否匹配。

置信规则库，主要通过将特征要素与诊断结果之间的因果关系用置信规则表示。一条规则表示一类知识。例如某类知识为：

如果投诉工单上的手机用户所在地方的基站状态良好，但是处于信号干扰区域，则判断该投诉90％的原因是由于干扰信号引起的，10％是由于客户自身原因造成的。该类知识在置信规则库里可以表示为一条规则：

IF基站状态良好AND处于信号干扰区域THEN{(干扰问题，0.9)，(客户终端问题，0.1)}

由于以上列举7个特征要素中每一个特征要素均有2个属性状态，因此相应的置信规则库共有2⁷＝128条规则。

推理机，用于将获取到的特征要素的状态值以特征要素信息的形式导入到专家知识库后，查找每一个特征要素的状态值在专家知识库中对应的规则和置信度，然后采用证据推理方法对被激活的规则进行融合，提供最终的诊断结果。采用证据推理方法对被激活的规则进行融合能够有效的模拟技术专家的推理过程，提高诊断的准确性。

可选的，在具体实施时，证据推理算法主要步骤可以包括：

①将第i个特征要素A_i ^*的状态值表示为一个分布：其中T_k为所有特征要素的个数，J_i为第i个特征要素所具有的状态值的总和，A_ij表示第i个特征要素的第j个状态值，α_ij表示第i个特征要素在第j个状态值上的可能性。

②计算规则库中第k个规则被该特征要素激活的程度，用权重表示。

具体实施时，可以按照如下公式计算规则库中第k个规则被该特征要素激活的权重：权重

③将所有被激活的规则进行合成，得到诊断结果的一个分布。

具体来说，可以将所有被激活的规则进行正交合成，得到诊断结果的一个分布，即y＝{(D₁,β₁),(D₂,β₂),...,(D_j,β_j),...,(D_N,β_N)}。其中，(D_j,β_j)表示诊断结果为D_j的可能性为β_j。

可选的，在具体实施时，诊断结果生成模块12可以按照如下方式将诊断结果输出：

步骤一：将所得到的诊断结果的分布展示；

步骤二：将诊断结果发送至负责处理该诊断结果的相关技术支撑部门。

通过这种方式，一方面能够提高诊断结果的准确性，另一方面，也可以提高投诉处理的效率。

具体来说，在步骤一中，诊断结果生成模块12可以以交互窗口的方式通过显示设备将诊断结果展示出来，该交互窗口可以供用户(比如技术专家)选择和确认诊断结果。对于步骤二，可以预先存储不同的诊断结果所对应的处理部门，然后在得到诊断结果之后，将诊断结果发送至负责处理该诊断结果的部门所对应的处理系统。

诊断结果库，主要用于存储对客户投诉处理的各种诊断结果。以用于后续对置信规则的学习训练。当然也可以将诊断结果导出，便于技术专家分析诊断效果。

训练模块13，可以基于投诉处理数据库中的大量历史数据对置信规则库进行训练，从而对置信规则库中的参数进行优化，如规则中的置信度和规则权重等参数。其中，投诉处理数据库用于存储投诉工单信息、关键信息、特征要素信息、诊断结果信息和客户对于投诉处理的反馈信息等。

在具体实施时，参见图2，训练模块13可以按照如下方式对置信规则进行优化：

①将智能处理系统表示为P＝P(θ_k,δ_i,β_jk)，其中包含三个重要参数，θ_k为第k条规则的权重，δ_i为第i个特征要素的权重，β_jk为第k条规则中诊断结果为D_j的可能性。根据专家知识对系统进行初始化，确定各参数的初始值。

②从投诉处理数据库中获取M个输入输出集 代表实际投诉工单上的特征要素的状态信息，代表引起客户投诉的实际原因。

③对于输入数据通过本智能处理系统，得到的诊断结果记为：y_m＝{(D_j,β_j(m)),j＝1,...,N}。

④计算实际诊断结果和智能处理系统的诊断结果之间的诊断误差ξ(P)，以ξ(P)最小化为目标函数，建立优化模型，在满足一定约束的情况下，获得最优的系统参数。

s.t.0≤β_jk≤1,j＝1,...,N,k＝1,...,L

0≤θ_k≤1,k＝1,...,L

0≤δ_i≤1,i＝1,...,T。

基于相同的发明构思，本发明再一实施例还提供了一种移动通信客户投诉的智能处理方法，参见图3，该方法主要包括：

步骤S31，从移动通信客户投诉工单中获取投诉所针对的时间信息和地点信息，并根据获取到的时间信息和地点信息从运营商数据库中获取相应时间和地点的各个特征要素的状态值；其中，各个特征要素用于指示相应时间和地点的移动通信网络状况；

步骤S32，确定各个特征要素中的每一个特征要素的状态值在预设的专家知识库中对应的置信规则，对获取的各个置信规则进行融合，得到诊断结果并输出；其中，所述置信规则用于指示引起相应故障的每一个原因所对应的置信度。

作为一种可选的实施方式，对获取的各个置信规则进行融合，得到诊断结果并输出包括：

采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果。

作为一种可选的实施方式，所述采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果包括：

将第i个特征要素A_i ^*的状态值表示为一个分布；

计算各个置信规则被该特征要素激活的程度；

将所有被激活的规则进行合成，得到诊断结果的一个分布。

作为一种可选的实施方式，所述输出诊断结果包括：

将所得到的诊断结果的分布展示；

所述方法还包括：

将诊断结果发送至负责处理该诊断结果的相关技术支撑部门。

作为一种可选的实施方式，参见图3，所述方法还可以包括：

步骤S33，获取引起投诉的实际原因；基于获取到的实际原因以及针对该投诉所做的诊断结果对置信规则进行训练更新。

不难理解的是，上述实施例中的举例说明只是为了便于更好地理解本发明实施例提供的方法或系统，并不能构成对本发明的具体限定。且上述的各个优选实施方式之间不会相互影响，各个优选实施方式之间的任意组合所得到的方案均应该落入本发明的保护范围。

还应当注意的是，在本发明实施方式的系统的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本发明实施方式不受限于此，可以根据需要对各个部件进行重新划分或者组合，例如，可以将一些部件组合为单个部件，或者可以将一些部件进一步分解为更多的子部件。

本发明实施方式的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施方式实施例的系统中的一些或者全部部件的一些或者全部功能。本发明实施方式还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明实施方式的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (4)

1.一种移动通信客户投诉的智能处理系统，其特征在于，包括：

状态值获取模块，用于从移动通信客户投诉工单中获取投诉所针对的时间信息和地点信息，并根据获取到的时间信息和地点信息从运营商数据库中获取相应时间和地点的各个特征要素的状态值；其中，各个特征要素用于指示相应时间和地点的移动通信网络状况；

诊断结果生成模块，用于确定各个特征要素中的每一个特征要素的状态值在预设的专家知识库中对应的置信规则，对获取的各个置信规则进行融合，得到诊断结果并输出；其中，所述置信规则用于指示引起相应故障的每一个原因所对应的置信度；

其中，所述诊断结果生成模块用于对获取的各个置信规则进行融合，得到诊断结果并输出包括：

采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果；

其中，所述诊断结果生成模块，用于采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果包括：

将第i个特征要素A_i ^*的状态值表示为一个分布；

计算各个置信规则被该特征要素激活的程度；

将所有被激活的规则进行合成，得到诊断结果的一个分布；

其中，所述诊断结果生成模块，用于输出诊断结果包括：

将所得到的诊断结果的分布展示；

将诊断结果发送至负责处理该诊断结果的相关技术支撑部门。

2.根据权利要求1所述的系统，其特征在于，所述系统还包括：训练模块，用于获取引起投诉的实际原因；基于获取到的实际原因以及针对该投诉所做的诊断结果对置信规则进行训练更新。

3.一种移动通信客户投诉的智能处理方法，其特征在于，包括：

从移动通信客户投诉工单中获取投诉所针对的时间信息和地点信息，并根据获取到的时间信息和地点信息从运营商数据库中获取相应时间和地点的各个特征要素的状态值；其中，各个特征要素用于指示相应时间和地点的移动通信网络状况；

确定各个特征要素中的每一个特征要素的状态值在预设的专家知识库中对应的置信规则，对获取的各个置信规则进行融合，得到诊断结果并输出；其中，所述置信规则用于指示引起相应故障的每一个原因所对应的置信度；

其中，所述对获取的各个置信规则进行融合，得到诊断结果并输出包括：

采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果；

其中，所述采用证据推理方法对获取的各个置信规则进行融合，得到诊断结果包括：

将第i个特征要素Ai*的状态值表示为一个分布；

计算各个置信规则被该特征要素激活的程度；

将所有被激活的规则进行合成，得到诊断结果的一个分布；

其中，所述输出诊断结果包括：

将所得到的诊断结果的分布展示；

所述方法还包括：

将诊断结果发送至负责处理该诊断结果的相关技术支撑部门。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取引起投诉的实际原因；

基于获取到的实际原因以及针对该投诉所做的诊断结果对置信规则进行训练更新。