CN109559239A - 投诉处理建议生成方法、装置、电子设备、存储介质 - Google Patents

Abstract

本发明提供一种投诉处理建议生成方法、装置、电子设备、存储介质，投诉处理建议生成方法包括：提供投诉处理建议模板，投诉处理建议模板包括至少一个第一待填项及至少一个第二待填项；采集投诉数据，投诉数据至少包括投诉基本信息；将投诉数据中至少部分投诉基本信息填入第一待填项；将投诉数据输入一经训练的分类模型；将分类模型的输出作为投诉建议信息填入第二待填项；以及根据填入投诉基本信息及投诉建议信息的投诉处理建议模板生成针对投诉数据的投诉处理建议。本发明实现智能化投诉处理建议的自动生成，较快的形成必要的投诉处理建议，加快投诉处理人员的处理效率并减少投诉处理人员的失误及培训成本。

Description

投诉处理建议生成方法、装置、电子设备、存储介质

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种投诉处理建议生成方法、装置、电子设备、存储介质。

背景技术

处理客户投诉是各行业运营工作中的一项重要任务，尤其是保险行业。

目前，传统客服系统在面对用户投诉时，一般由投诉处理人员对用户投诉的问题进行回复。这种投诉处理模式需要投诉处理人员掌握用户可能投诉的各类业务的内容，因此对投诉处理人员的要求较高。而随着社会生活节奏的不断加速，业务的扩展速度也在不断提高，使得让投诉处理人员掌握所有业务的内容较为困难。

于是在现有技术中，通常采用有对投诉处理进行分工的方式，减轻对投诉处理人员的要求。具体的，投诉处理人员在接收到用户投诉时，可先对用户投诉内容进行判断，确定该投诉对应的业务，之后再将该投诉转交给对该业务较为熟悉的投诉处理人员。但在这样的实现方式中，接收到用户投诉的投诉处理人员在接收到用户投诉时，也可能由于对业务和分工的不明确，从而难以找到准确对接的投诉处理人员，进而影响投诉处理。

发明内容

本发明为了克服上述相关技术存在的缺陷，提供一种投诉处理建议生成方法、装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本发明的一个方面，提供一种投诉处理建议生成方法，包括：

提供投诉处理建议模板，所述投诉处理建议模板包括至少一个第一待填项及至少一个第二待填项，所述第一待填项至少用于填入投诉基本信息，所述第二待填项至少用于填入投诉建议信息；

采集投诉数据，所述投诉数据至少包括所述投诉基本信息；

将所述投诉数据中至少部分所述投诉基本信息填入所述第一待填项；

将所述投诉数据输入一经训练的分类模型；

将所述分类模型的输出作为所述投诉建议信息填入所述第二待填项；以及

根据填入所述投诉基本信息及所述投诉建议信息的投诉处理建议模板生成针对所述投诉数据的投诉处理建议。

可选地，所述经训练的分类模型为决策树模型。

可选地，所述决策树模型经由如下步骤训练：

采集历史投诉数据及历史投诉处理数据，以生成样本集和测试集；

利用所述样本集构建并训练决策树模型；

利用所述测试集测试所述决策树模型的准确率。

可选地，所述利用所述样本集构建并训练决策树模型包括：

将所述样本集划分为多个子样本集；

利用各自样本集构建并训练多个准决策树模型；

加权组合多个准决策树模型以获得所述决策树模型。

可选地，所述采集历史投诉数据及历史投诉处理数据，以生成样本集和测试集包括：

将所采集的历史投诉数据及历史投诉处理数据划分为N个数据集，其中，对每个数据集，当该数据集作为测试集时，另N-1个数据集作为样本集，供执行N次训练及测试的步骤，N为大于1的整数。

可选地，在所述决策树模型的训练步骤中还包括：

计算决策树模型中各节点之前的匹配度；

当所述两个节点之间匹配度大于预设阈值时，对该两个节点中的一个节点进行剪枝。

可选地，所述历史投诉数据及历史投诉处理数据包括：投诉信息、业务关联信息、处理过程信息及外部关联信息。

根据本发明的又一方面，还提供一种投诉处理建议生成装置，包括：

模板提供模块，用于提供投诉处理建议模板，所述投诉处理建议模板包括至少一个第一待填项及至少一个第二待填项，所述第一待填项至少用于填入投诉基本信息，所述第二待填项至少用于填入投诉建议信息；

采集模块，用于采集投诉数据，所述投诉数据至少包括所述投诉基本信息；

第一填写模块，用于将所述投诉数据中至少部分所述投诉基本信息填入所述第一待填项；

分类模块，用于将所述投诉数据输入一经训练的分类模型；

第二填写模块，用于将所述分类模型的输出作为所述投诉建议信息填入所述第二待填项；以及

生成模块，用于根据填入所述投诉基本信息及所述投诉建议信息的投诉处理建议模板生成针对所述投诉数据的投诉处理建议。

根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。

根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。

相比现有技术，本发明的优势在于：

一方面，本发明通过投诉数据输入一分类模型以获得投诉处理建议，由此，实现智能化投诉处理建议的自动生成，较快的形成必要的投诉处理建议，加快投诉处理人员的处理效率并减少投诉处理人员的失误及培训成本；另一方面，本发明通过提供投诉处理建议模板，该模板第一待填项由投诉数据直接填入，该模板第二待填项由分类模型输入进行填入，由此，提高投诉处理建议的可读性，使得投诉处理人员可以全面的获知投诉内容及投诉处理建议。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。

图1示出了根据本发明实施例的投诉处理建议生成方法的流程图。

图2示出了根据本发明具体实施例的模型训练的流程图。

图3示出了根据本发明具体实施例的输入投诉数据的示意图。

图4示出了根据本发明具体实施例的历史投诉数据的示意图。

图5示出了根据本发明具体实施例的投诉数据中的用户信息的示意图。

图6示出了根据本发明实施例的投诉处理建议生成装置的模块图。

图7示出了根据本发明具体实施例的投诉处理建议生成装置的模块图。

图8示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。

图9示意性示出本发明示例性实施例中一种电子设备示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。

图1示出了根据本发明实施例的投诉处理建议生成方法的流程图。参考图1，所述投诉处理建议生成方法包括如下步骤：

步骤S110：提供投诉处理建议模板，所述投诉处理建议模板包括至少一个第一待填项及至少一个第二待填项，所述第一待填项至少用于填入投诉基本信息，所述第二待填项至少用于填入投诉建议信息；

步骤S120：采集投诉数据，所述投诉数据至少包括所述投诉基本信息；

步骤S130：将所述投诉数据中至少部分所述投诉基本信息填入所述第一待填项；

步骤S140：将所述投诉数据输入一经训练的分类模型；

步骤S150：将所述分类模型的输出作为所述投诉建议信息填入所述第二待填项；以及

步骤S160：根据填入所述投诉基本信息及所述投诉建议信息的投诉处理建议模板生成针对所述投诉数据的投诉处理建议。在本发明的示例性实施方式的投诉处理建议生成方法中，一方面，本发明通过投诉数据输入一分类模型以获得投诉处理建议，由此，实现智能化投诉处理建议的自动生成，较快的形成必要的投诉处理建议，加快投诉处理人员的处理效率并减少投诉处理人员的失误及培训成本；另一方面，本发明通过提供投诉处理建议模板，该模板第一待填项由投诉数据直接填入，该模板第二待填项由分类模型输入进行填入，由此，提高投诉处理建议的可读性，使得投诉处理人员可以全面的获知投诉内容及投诉处理建议。

在本发明的各个实施例中，投诉基本信息可以包括投诉涉及的用户基本信息、订单基本信息、投诉内容等等。

具体而言，下面将结合具体实施例描述本发明提供的投诉处理建议生成方法。

在一个具体实施例中，所述的投诉处理建议模板例如是：

此单投诉用户为(第一待填项A)，建议(第二待填项A)；

此次投诉内容涉及(第一待填项B)，(第二待填项B)，建议(第二待填项C)；

建议联系(第二待填项D)；

客户职业为(第一待填项C)，建议(第二待填项E)。

上述的第一待填项A，第一待填项B和第一待填项C分别为用户身份、投诉内容、客户职业，可直接根投诉数据获取上述信息并填入各第一待填项。

上述第二待填项A可以是针对用户身份的投诉处理建议；上述第二待填项B可以是关联投诉内容的同类投诉的信息；上述第二待填项C可以针对投诉内容的处理建议；上述第二待填项D可以是根据业务内容的处理建议；上述待填项E可以是针对客户职业的处理建议。

以上仅仅是示意性地示出投诉处理建议模板的实现方式。本发明并非以此为限，在一些实施例中，当未获取到某一第一待填项时，将模板中与该第一待填项相关的信息在生成投诉处理建议时，删除(例如，若未获取到/无需获取第一待填项C时，可将“客户职业为(第一待填项C)，建议(第二待填项E)”从投诉处理建议模板中删除)。在另一些实施例中，可以针对不用的用户身份(或投诉内容、客户职业等)中提供不同的投诉处理建议模板的样式。本发明可以实现不同的模板提供方式，这些模板提供方式都在本发明的保护范围之内。

在本发明的一个具体实施例中，上述步骤S140和步骤S150中所述的分类模型为决策树模型。决策树是一种基本的分类与回归方法，它可以被认为是一种if-then规则的集合。决策树是数据挖掘技术中的一种重要的分类方法，它是一种以树结构(包括二叉树或多叉树)形式来表达的预测分析模型。

所述决策树模型经由如图2所示的步骤训练，图2共示出3个步骤：

步骤S210：采集历史投诉数据及历史投诉处理数据，以生成样本集和测试集；

步骤S220：利用所述样本集构建并训练决策树模型；

步骤S230：利用所述测试集测试所述决策树模型的准确率。

具体而言，在各个实施例中，所述历史投诉数据及历史投诉处理数据可以包括投诉信息、业务关联信息、处理过程信息及外部关联信息。下面以保险业务为例，说明投诉信息、业务关联信息、处理过程信息及外部关联信息中的数据项。投诉信息例如可以包括投诉人、投诉事由、涉及保单、险种、被投诉人、被投诉人单位、涉及银行、涉及网点、相应主管等。业务关联信息例如可以包括问题是否解决、客户满意程度、投诉来源渠道、处理时效信息。处理过程信息例如可以包括沟通记录、处理意见、处理结论总结。外部关联信息例如可以包括投诉客户的详细信息(身份、职业、年龄、偏好、职位、会员级别)、同类保单的销售数量、处理话术等。以上仅仅是示意性地描述投诉信息、业务关联信息、处理过程信息及外部关联信息中的数据项，本发明并非以此为限，当应用到不同的领域时，投诉信息、业务关联信息、处理过程信息及外部关联信息中的数据项也会有所不同。

基于所采集的历史投诉数据及历史投诉处理数据，在上述步骤S210中，所述采集历史投诉数据及历史投诉处理数据之后，且所述生成样本集和测试集之前还包括对清洗所述历史投诉数据及历史投诉处理数据的步骤。具体而言，整理清洗包括将缺失数据、异常数据、噪声数据进行数据清洗，保证数据符合要求。同时可选地，将上述数据以宽表形式展现，以供后序模型训练。

进一步地，在上述步骤S210中，所述采集历史投诉数据及历史投诉处理数据之后，且所述生成样本集和测试集之前，还包括筛选所述历史投诉数据及历史投诉处理数据中的数据项的步骤。具体而言，考虑到所述历史投诉数据及历史投诉处理数据中的部分数据项可能对投诉处理无关，因此，可在本步骤中，通过统计的方式，筛选所述历史投诉数据及历史投诉处理数据中的数据项。例如，将所述历史投诉数据及历史投诉处理数据中的数据项数据量小于预定阈值的数据项删除。本发明并非以此为限。在一些实施例中，筛选所述历史投诉数据及历史投诉处理数据中的数据项的步骤可在对清洗所述历史投诉数据及历史投诉处理数据的步骤之后执行，以保证筛选数据时的统计准确度。在另一些实施例中，对清洗所述历史投诉数据及历史投诉处理数据的步骤可在筛选所述历史投诉数据及历史投诉处理数据中的数据项的步骤之后执行，以减少数据清洗的数据处理量。

在一些实施例中，所述步骤S220利用所述样本集构建并训练决策树模型可以包括如下步骤：将所述样本集划分为多个子样本集；利用各自样本集构建并训练多个准决策树模型；加权组合多个准决策树模型以获得所述决策树模型。由此，通过多个准决策树模型的加权组合以增加决策树模型的分类准确率。

在一些实施例中，所述步骤S210采集历史投诉数据及历史投诉处理数据，以生成样本集和测试集可以包括如下步骤：将所述采集历史投诉数据及历史投诉处理数据划分为N个数据集，以进行N折交叉验证。具体而言，对每个数据集，当该数据集作为测试集时，另N-1个数据集作为样本集，供执行N次训练及测试的步骤，N为大于1的整数。由此，使得每份数据集都用于测试一次，以保证决策树模型的分类准确率。

在一些实施例中，为防止决策树过度拟合，在所述决策树模型的训练步骤中还可以包括决策树模型的修剪步骤。具体而言，修剪步骤包括计算决策树模型中各节点之前的匹配度；当所述两个节点之间匹配度大于预设阈值时，对该两个节点中的一个节点进行剪枝。根据决策树节点的深度，匹配度可以设置为75～80。进一步地，可以通过两个节点的特征之间的余弦相似度映射到0-100的值来确定所述的匹配度，本发明并非以此为限。

在一些实施例中，本发明还提供对决策树模型的准确率的设置。

以上仅仅是示意性的描述本发明的多个实现方式，各个实施例可以单独或组合来实现，本发明并非以此为限。

下面结合图3至图5描述本发明的一个具体实施例。

首先参见图3，图3示出了根据本发明具体实施例的输入投诉数据的示意图。投诉接待人员可以根据图3所示的视图填入投诉数据，由此获得投诉数据。所采集的投诉数据中至少部分投诉基本信息填入投诉处理建议模板的第一待填项。所采集的投诉数据还输入一经训练的分类模型以获得填入第二待填项的投诉建议信息，该经训练的分类模型，可以采用如图4所示的历史投诉数据及针对历史投诉数据的投诉建议来进行训练。历史投诉数据的清洗和整合步骤如前所述，在此不予赘述。在进一步地的实施例中，第一待填项还可以根据投诉数据的关联数据进行填写。例如，根据投诉基本信息中的用户信息，可以获得该用户信息关联信息(如图5所示)，从而填入第一待填项中。

由此，本发明可以获得投诉处理建议。以下举出本发明获得的具体的投诉处理建议的实施例，下述例子仅仅是示意性起见，本发明并非以此为限。

投诉处理建议1：

此单投诉用户为公司钻石级客户，建议尽快处理，保证客户满意度。

此次投诉内容涉及险种XXX，近期涉及此类投诉的投诉原因多为收益不满意，建议同客户商谈协议调差，收益协谈标准为年化收益X％至Y％。

客户代理人为公司精英代理人，建议同该代理人联系，联系方式为：XXX。

客户职业为公务员，建议处理该投诉时要注意相关影响。

投诉处理建议2：

此单投诉用户为公司新近客户，客户标识特点为同业，建议尽快处理。

此次投诉内容涉及险种YYY，近期涉及此类投诉的投诉原因多为费率不同，对应话术：公司客户核保条件不同，具体请参考具体保单条款。

保单销售渠道为网销，建议联系网销相关合同管理部门，电话：YYY。

客户职业为保险代理人，建议联系公司法律部分咨询，避免恶意投诉，

投诉处理建议3：

此次投诉内容涉及公司移动端界面处理响应，建议联系客户，了解具体操作流程并请客户协助提供问题出错界面。

投诉用户为公司保险精英代理人，联系方式为：ZZZ。

由此，生成的投诉处理建议便于投诉处理人进行投诉的处理。

下面结合图6描述本发明提供的投诉处理建议生成装置。图6示出了根据本发明实施例的投诉处理建议生成装置的模块图。投诉处理建议生成装置300包括模板提供模块310、采集模块320、第一填写模块330、分类模块340、第二填写模块350及生成模块360。

模板提供模块310用于提供投诉处理建议模板，所述投诉处理建议模板包括至少一个第一待填项及至少一个第二待填项，所述第一待填项至少用于填入投诉基本信息，所述第二待填项至少用于填入投诉建议信息；

采集模块320用于采集投诉数据，所述投诉数据至少包括所述投诉基本信息；

第一填写模块330用于将所述投诉数据中至少部分所述投诉基本信息填入所述第一待填项；

分类模块340用于将所述投诉数据输入一经训练的分类模型；

第二填写模块350用于将所述分类模型的输出作为所述投诉建议信息填入所述第二待填项；以及

生成模块360用于根据填入所述投诉基本信息及所述投诉建议信息的投诉处理建议模板生成针对所述投诉数据的投诉处理建议。

在本发明的示例性实施方式的投诉处理建议生成装置中，一方面，本发明通过投诉数据输入一分类模型以获得投诉处理建议，由此，实现智能化投诉处理建议的自动生成，较快的形成必要的投诉处理建议，加快投诉处理人员的处理效率并减少投诉处理人员的失误及培训成本；另一方面，本发明通过提供投诉处理建议模板，该模板第一待填项由投诉数据直接填入，该模板第二待填项由分类模型输入进行填入，由此，提高投诉处理建议的可读性，使得投诉处理人员可以全面的获知投诉内容及投诉处理建议。

进一步地，参考图7，图7示出了根据本发明具体实施例的投诉处理建议生成装置的模块图。投诉处理建议生成装置400包括模板提供模块410、采集模块420、第一填写模块430、分类模块440、第二填写模块450、生成模块460及训练模块470。

模板提供模块410、采集模块420、第一填写模块430、分类模块440、第二填写模块450及生成模块460的作用与图3中模板提供模块310、采集模块320、第一填写模块330、分类模块340、第二填写模块350及生成模块360相同。训练模块470用于训练所述分类模型。所述的分类模型为决策树模型。决策树是一种基本的分类与回归方法，它可以被认为是一种if-then规则的集合。决策树是数据挖掘技术中的一种重要的分类方法，它是一种以树结构(包括二叉树或多叉树)形式来表达的预测分析模型。训练模块460用于执行如下步骤：采集历史投诉数据及历史投诉处理数据，以生成样本集和测试集；利用所述样本集构建并训练决策树模型；利用所述测试集测试所述决策树模型的准确率。

以上仅仅是示意性地示出本发明各个实施例的模块图，在不违背本发明构思的前提下，模块的合并及模块的拆分皆在本发明的保护范围之内。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述投诉处理建议生成方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。

参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述投诉处理建议生成方法的步骤。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图9来描述根据本发明的这种实施方式的电子设备800。图9显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图9所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：至少一个处理单元810、至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图1或图2所示的步骤。

所述存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

所述存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器860可以通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述投诉处理建议生成方法。

相比现有技术，本发明的优势在于：

一方面，本发明通过投诉数据输入一分类模型以获得投诉处理建议，由此，实现智能化投诉处理建议的自动生成，较快的形成必要的投诉处理建议，加快投诉处理人员的处理效率并减少投诉处理人员的失误及培训成本；另一方面，本发明通过提供投诉处理建议模板，该模板第一待填项由投诉数据直接填入，该模板第二待填项由分类模型输入进行填入，由此，提高投诉处理建议的可读性，使得投诉处理人员可以全面的获知投诉内容及投诉处理建议。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种投诉处理建议生成方法，其特征在于，包括：

提供投诉处理建议模板，所述投诉处理建议模板包括至少一个第一待填项及至少一个第二待填项，所述第一待填项至少用于填入投诉基本信息，所述第二待填项至少用于填入投诉建议信息；

采集投诉数据，所述投诉数据至少包括所述投诉基本信息；

将所述投诉数据中至少部分所述投诉基本信息填入所述第一待填项；

将所述投诉数据输入一经训练的分类模型；

将所述分类模型的输出作为所述投诉建议信息填入所述第二待填项；以及

根据填入所述投诉基本信息及所述投诉建议信息的投诉处理建议模板生成针对所述投诉数据的投诉处理建议。

2.如权利要求1所述的投诉处理建议生成方法，其特征在于，所述经训练的分类模型为决策树模型。

3.如权利要求2所述的投诉处理建议生成方法，其特征在于，所述决策树模型经由如下步骤训练：

采集历史投诉数据及历史投诉处理数据，以生成样本集和测试集；

利用所述样本集构建并训练决策树模型；

利用所述测试集测试所述决策树模型的准确率。

4.如权利要求3所述的投诉处理建议生成方法，其特征在于，所述利用所述样本集构建并训练决策树模型包括：

将所述样本集划分为多个子样本集；

利用各自样本集构建并训练多个准决策树模型；

加权组合多个准决策树模型以获得所述决策树模型。

5.如权利要求3所述的投诉处理建议生成方法，其特征在于，所述采集历史投诉数据及历史投诉处理数据，以生成样本集和测试集包括：

将所采集的历史投诉数据及历史投诉处理数据划分为N个数据集，其中，对每个数据集，当该数据集作为测试集时，另N-1个数据集作为样本集，供执行N次训练及测试，N为大于1的整数。

6.如权利要求2所述的投诉处理建议生成方法，其特征在于，在所述决策树模型的训练步骤中还包括：

计算决策树模型中各节点之前的匹配度；

当所述两个节点之间匹配度大于预设阈值时，对该两个节点中的一个节点进行剪枝。

7.如权利要求3-5任一所述的投诉处理建议生成方法，其特征在于，所述历史投诉数据及历史投诉处理数据包括：投诉信息、业务关联信息、处理过程信息及外部关联信息。

8.一种投诉处理建议生成装置，其特征在于，包括：

模板提供模块，用于提供投诉处理建议模板，所述投诉处理建议模板包括至少一个第一待填项及至少一个第二待填项，所述第一待填项至少用于填入投诉基本信息，所述第二待填项至少用于填入投诉建议信息；

采集模块，用于采集投诉数据，所述投诉数据至少包括所述投诉基本信息；

第一填写模块，用于将所述投诉数据中至少部分所述投诉基本信息填入所述第一待填项；

分类模块，用于将所述投诉数据输入一经训练的分类模型；

第二填写模块，用于将所述分类模型的输出作为所述投诉建议信息填入所述第二待填项；以及

生成模块，用于根据填入所述投诉基本信息及所述投诉建议信息的投诉处理建议模板生成针对所述投诉数据的投诉处理建议。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储器，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至7任一项所述的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的步骤。