CN111522947A - 一种处理投诉工单的方法和系统 - Google Patents
一种处理投诉工单的方法和系统 Download PDFInfo
- Publication number
- CN111522947A CN111522947A CN202010321327.4A CN202010321327A CN111522947A CN 111522947 A CN111522947 A CN 111522947A CN 202010321327 A CN202010321327 A CN 202010321327A CN 111522947 A CN111522947 A CN 111522947A
- Authority
- CN
- China
- Prior art keywords
- work order
- complaint
- processing
- work
- orders
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000003672 processing method Methods 0.000 claims abstract description 54
- 238000012549 training Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 10
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000003111 delayed effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/012—Providing warranty services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Development Economics (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种处理投诉工单的方法和系统,涉及投诉工单处理领域。通过获取预设数量的历史工单,根据全部历史工单的处理过程,得到不同类型工单的处理方法;根据训练后的NLP处理投诉工单,得到投诉工单的工单类型;通过Drools规则引擎,将不同类型工单的处理方法与投诉工单的工单类型进行匹配,得到投诉工单的处理方法。实现高效分析投诉工单、归类工单、识别出解决方法并给出结论的工单处理方式,明显提高投诉工单处理效率,减少流转周期,释放一线运维人员长时间逐一处理、分析投诉工单所带来的繁重工作量。
Description
技术领域
本发明涉及投诉工单处理领域,尤其涉及一种处理投诉工单的方法和系统。
背景技术
在各服务平台中,客户投诉日益增多,一线人员需跨多系统查询,客服部门缺乏IT手段和相关技能,无法在线直接处理投诉,大量工单需要派发各维护支撑单位,甚至多次转派,处理环节多,时间长,严重影响处理效率与客户感知。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种投诉工单的处理方法和系统。
本发明解决上述技术问题的技术方案如下:
一种处理投诉工单的方法,包括:
S1,获取预设数量的历史工单,根据全部所述历史工单的处理过程,得到不同类型工单的处理方法;
S2,根据训练后的NLP处理投诉工单,得到所述投诉工单的工单类型;
S3,通过Drools规则引擎,将所述不同类型工单的处理方法与所述投诉工单的工单类型进行匹配,得到所述投诉工单的处理方法。
本发明的有益效果是:本方案通过分析历史工单的处理过程,获得不同类型工单的处理方法,再根据训练后的NLP处理投诉工单,得到所述投诉工单的工单类型;通过Drools规则引擎将投诉工单的类型与不同类型工单的处理方法进行匹配,获得投诉工单的处理方法,改进传统的一条一条工单进行查询、分析、处理的工单处理方式,实现高效分析投诉工单、归类工单、识别出解决方法并给出结论的工单处理方式,明显提高投诉工单处理效率,减少流转周期,释放一线运维人员长时间逐一处理、分析投诉工单所带来的繁重工作量。
进一步地,所述S3具体包括:Drools规则引擎将配置好的所述不同类型工单的处理方法转化成drl文件,后台调用KIE-API中的预设方法读取drl文件,与所述历史工单的工单类型进行匹配,并生成所述历史工单的处理方法。
采用上述进一步方案的有益效果是:本方案通过Drools规则引擎将工单的处理方法转化成drl文件,再调用处理drl的方法读取drl与历史工单的工单类型进行匹配获得工单的处理方法,实现了高效的识别工单解决方法,减少一线人员跨多系统过模块查询,提高投诉处理效率提高客户满意度。
进一步地,所述S1之前还包括:S11,当所述历史工单为语音文件,通过ASR工具将所述语音文件转化成文本信息,再进行S1步骤;当所述历史工单为文本信息,直接进行S1步骤。
采用上述进一步方案的有益效果是:本方案通过ASR工具对语音文件进行处理,实现了语音投诉工单的自动处理,不需要再通过人工识别后才能给工单系统处理,减少了人工对相似问题的重复操作,减轻了运维人员的繁重工作。
进一步地,在所述S2之前还包括:S21,对接工单系统,获取所述历史工单,再通过人工对所述历史工单进行分类,并提取所述历史工单的关键字,根据全部所述历史工单的关键字对应的分类结果对NLP进行训练。
采用上述进一步方案的有益效果是:通过根据历史工单进行分类,并对相应的工单进行关键字提取,通过全部所述历史工单的关键字对应的分类结果进行AI训练时,AI只需要识别到工单中的关键字,就可以分析出对应的类型,不需要分析工单文本的全部内容,提高NLP处理投诉工单的效率,提高客户满意度。
进一步地,所述S2还包括:当训练后的NLP处理投诉工单,得到归类异常的投诉工单,将所述归类异常的投诉工单进行修正,并作为后续NLP学习的容错样本。
采用上述进一步方案的有益效果是:通过对归类异常工单进行修正处理,提高NLP处理工单的多样性,对未出现过的投诉工单能作为后续的容错样本,避免了后续再出现这类工单而导致系统无法识别而延迟处理,进一步提高客户满意度。
本发明解决上述技术问题的另一种技术方案如下:
一种处理投诉工单的系统,包括:处理方法分析模块、工单分类模块、投诉工单处理模块;
所述处理方法分析模块用于获取预设数量的历史工单,根据全部所述历史工单的处理过程,得到不同类型工单的处理方法;
所述工单分类模块用于根据训练后的NLP处理投诉工单,得到所述投诉工单的工单类型;
所述投诉工单处理模块用于通过Drools规则引擎,将所述不同类型工单的处理方法与所述投诉工单的工单类型进行匹配,得到所述投诉工单的处理方法。
本发明的有益效果是:本方案通过分析历史工单的处理过程,获得不同类型工单的处理方法,再根据训练后的NLP处理投诉工单,得到所述投诉工单的工单类型;通过Drools规则引擎将投诉工单的类型与不同类型工单的处理方法进行匹配,获得投诉工单的处理方法,改进传统的一条一条工单进行查询、分析、处理的工单处理方式,实现高效分析投诉工单、归类工单、识别出解决方法并给出结论的工单处理方式,明显提高投诉工单处理效率,减少流转周期,释放一线运维人员长时间逐一处理、分析投诉工单所带来的繁重工作量。
进一步地,所述投诉工单处理模块具体用于Drools规则引擎将配置好的所述不同类型工单的处理方法转化成drl文件,后台调用KIE-API中的预设方法读取drl文件,与所述历史工单的工单类型进行匹配,生成所述历史工单的处理方法。
采用上述进一步方案的有益效果是:本方案通过Drools规则引擎将工单的处理方法转化成drl文件,再调用处理drl的方法读取drl与历史工单的工单类型进行匹配获得工单的处理方法,实现了高效的识别工单解决方法,减少一线人员跨多系统过模块查询,提高投诉处理效率提高客户满意度。
进一步地,文件转换模块,用于当所述历史工单为语音文件,通过ASR工具将所述语音文件转化成文本信息;当所述历史工单为文本信息,不做处理。
采用上述进一步方案的有益效果是:本方案通过ASR工具对语音文件进行处理,实现了语音投诉工单的自动处理,不需要再通过人工识别后才能给工单系统处理,减少了人工对相似问题的重复操作,减轻了运维人员的繁重工作。
进一步地,AI训练装置,用于对接工单系统,获取所述历史工单,再通过人工对所述历史工单进行分类,并提取所述历史工单的关键字,根据全部所述历史工单的关键字对应的分类结果对NLP进行训练。
采用上述进一步方案的有益效果是:通过根据历史工单进行分类,并对相应的工单进行关键字提取,通过全部所述历史工单的关键字对应的分类结果进行AI训练时,AI只需要识别到工单中的关键字,就可以分析出对应的类型,不需要分析工单文本的全部内容,提高NLP处理投诉工单的效率,提高客户满意度。
进一步地,所述工单分类模块还具体用于:当训练后的NLP处理投诉工单,得到归类异常的投诉工单,将所述归类异常的投诉工单进行修正,并作为后续NLP学习的容错样本。
采用上述进一步方案的有益效果是:通过对归类异常工单进行修正处理,提高NLP处理工单的多样性,对未出现过的投诉工单能作为后续的容错样本,避免了后续再出现这类工单而导致系统无法识别而延迟处理,进一步提高客户满意度。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的一种处理投诉工单的方法的流程示意图;
图2为本发明的其他实施例提供的一种处理投诉工单的系统的结构框图;
图3为本发明的其他实施例提供的工单处理过程展示图;
图4为本发明的实施例提供的工单处理结论展示图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明实施例提供的一种处理投诉工单的方法,该方法包括:S1,获取预设数量的历史工单,根据全部历史工单的处理过程,得到不同类型工单的处理方法;
需要说明的是,预设数量,可以大于2千条工单以上,样本量越大AI后期学习准确根据投诉工单系统中保存的历史工单确定,获得处理方法的过程可以日益完善,在工单量足够大时候,可以最大程度的涵盖投诉工单种类已经归纳出涵盖所有工单的处理方法。
工单内容可以包括文本和录音电话文件,当历史工单为语音文件,通过ASR工具将语音文件转化成文本信息,再进行S1步骤;当历史工单为文本信息,直接进行S1步骤。
处理方法可以包括:工单处理流程、处理结论和话术等。
S2,根据训练后的NLP处理投诉工单,得到投诉工单的工单类型;
需要说明的是,NLP处理包括:语言预处理,实体识别,相似度匹配,领域分类,意图识别等服务对工单进行智能归类;其中语言预处理可以包括:错别字纠正、编码转换、规范化等等。
在某实施例中,还可以包括:对接工单系统,获取历史工单,再通过人工对历史工单进行分类,并提取历史工单的关键字,根据全部历史工单的关键字对应的分类结果对NLP进行训练。当训练后的NLP处理投诉工单,得到归类异常的投诉工单,将归类异常的投诉工单进行修正,并作为后续NLP学习的容错样本。
S3,通过Drools规则引擎,将不同类型工单的处理方法与投诉工单的工单类型进行匹配,得到投诉工单的处理方法。
需要说明的是,Drools规则引擎将配置好的不同类型工单的处理方法转化成drl文件,后台调用KIE-API中的预设方法读取drl文件,与历史工单的工单类型进行匹配,并生成历史工单的处理方法;其中预设方法表示处理DRL文件的方法。
根据投诉工单的处理方法对投诉工单进行处理,并进行过程展示,如图3所示,并展示处理结论,如图4所示。
本方案通过分析历史工单的处理过程,获得不同类型工单的处理方法,再根据训练后的NLP处理投诉工单,得到投诉工单的工单类型;通过Drools规则引擎将投诉工单的类型与不同类型工单的处理方法进行匹配,获得投诉工单的处理方法,改进传统的一条一条工单进行查询、分析、处理的工单处理方式,实现高效分析投诉工单、归类工单、识别出解决方法并给出结论的工单处理方式,明显提高投诉工单处理效率,减少流转周期,释放一线运维人员长时间逐一处理、分析投诉工单所带来的繁重工作量。
优选地,在上述任意实施例中,S3具体包括:Drools规则引擎将配置好的不同类型工单的处理方法转化成drl文件,后台调用KIE-API中的预设方法读取drl文件,与历史工单的工单类型进行匹配,并生成历史工单的处理方法。其中预设方法表示处理DRL文件的方法。
本方案通过Drools规则引擎将工单的处理方法转化成drl文件,再调用处理drl的方法读取drl与历史工单的工单类型进行匹配获得工单的处理方法,实现了高效的识别工单解决方法,减少一线人员跨多系统过模块查询,提高投诉处理效率提高客户满意度。
优选地,在上述任意实施例中,S1之前还包括:S11,当历史工单为语音文件,通过ASR工具将语音文件转化成文本信息,再进行S1步骤;当历史工单为文本信息,直接进行S1步骤。
本方案通过ASR工具对语音文件进行处理,实现了语音投诉工单的自动处理,不需要再通过人工识别后才能给工单系统处理,减少了人工对相似问题的重复操作,减轻了运维人员的繁重工作。
优选地,在上述任意实施例中,在S2之前还包括:S21,对接工单系统,获取历史工单,再通过人工对历史工单进行分类,并提取历史工单的关键字,根据全部历史工单的关键字对应的分类结果对NLP进行训练。
通过根据历史工单进行分类,并对相应的工单进行关键字提取,通过全部历史工单的关键字对应的分类结果进行AI训练时,AI只需要识别到工单中的关键字,就可以分析出对应的类型,不需要分析工单文本的全部内容,提高NLP处理投诉工单的效率,提高客户满意度。
优选地,在上述任意实施例中,S2还包括:当训练后的NLP处理投诉工单,得到归类异常的投诉工单,将归类异常的投诉工单进行修正,并作为后续NLP学习的容错样本。
通过对归类异常工单进行修正处理,提高NLP处理工单的多样性,对未出现过的投诉工单能作为后续的容错样本,避免了后续再出现这类工单而导致系统无法识别而延迟处理,进一步提高客户满意度。
在某一实施例中,如图2所示,一种处理投诉工单的系统,包括:处理方法分析模块11、工单分类模块12、投诉工单处理模块13;
处理方法分析模块11用于获取预设数量的历史工单,根据全部历史工单的处理过程,得到不同类型工单的处理方法;
工单分类模块12用于根据训练后的NLP处理投诉工单,得到投诉工单的工单类型;
投诉工单处理模块13用于通过Drools规则引擎,将不同类型工单的处理方法与投诉工单的工单类型进行匹配,得到投诉工单的处理方法。
本方案通过分析历史工单的处理过程,获得不同类型工单的处理方法,再根据训练后的NLP处理投诉工单,得到投诉工单的工单类型;通过Drools规则引擎将投诉工单的类型与不同类型工单的处理方法进行匹配,获得投诉工单的处理方法,改进传统的一条一条工单进行查询、分析、处理的工单处理方式,实现高效分析投诉工单、归类工单、识别出解决方法并给出结论的工单处理方式,明显提高投诉工单处理效率,减少流转周期,释放一线运维人员长时间逐一处理、分析投诉工单所带来的繁重工作量。
优选地,在上述任意实施例中,投诉工单处理模块13具体用于Drools规则引擎将配置好的不同类型工单的处理方法转化成drl文件,后台调用KIE-API中的预设方法读取drl文件,与历史工单的工单类型进行匹配,生成历史工单的处理方法。
本方案通过Drools规则引擎将工单的处理方法转化成drl文件,再调用处理drl的方法读取drl与历史工单的工单类型进行匹配获得工单的处理方法,实现了高效的识别工单解决方法,减少一线人员跨多系统过模块查询,提高投诉处理效率提高客户满意度。
优选地,在上述任意实施例中,文件转换模块,用于当历史工单为语音文件,通过ASR工具将语音文件转化成文本信息;当历史工单为文本信息,不做处理。
本方案通过ASR工具对语音文件进行处理,实现了语音投诉工单的自动处理,不需要再通过人工识别后才能给工单系统处理,减少了人工对相似问题的重复操作,减轻了运维人员的繁重工作。
优选地,在上述任意实施例中,AI训练装置,用于对接工单系统,获取历史工单,再通过人工对历史工单进行分类,并提取历史工单的关键字,根据全部历史工单的关键字对应的分类结果对NLP进行训练。
通过根据历史工单进行分类,并对相应的工单进行关键字提取,通过全部历史工单的关键字对应的分类结果进行AI训练时,AI只需要识别到工单中的关键字,就可以分析出对应的类型,不需要分析工单文本的全部内容,提高NLP处理投诉工单的效率,提高客户满意度。
优选地,在上述任意实施例中,工单分类模块12还具体用于:当训练后的NLP处理投诉工单,得到归类异常的投诉工单,将归类异常的投诉工单进行修正,并作为后续NLP学习的容错样本。
通过对归类异常工单进行修正处理,提高NLP处理工单的多样性,对未出现过的投诉工单能作为后续的容错样本,避免了后续再出现这类工单而导致系统无法识别而延迟处理,进一步提高客户满意度。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种处理投诉工单的方法,其特征在于,包括:
S1,获取预设数量的历史工单,根据全部所述历史工单的处理过程,得到不同类型工单的处理方法;
S2,根据训练后的NLP处理投诉工单,得到所述投诉工单的工单类型;
S3,通过Drools规则引擎,将所述不同类型工单的处理方法与所述投诉工单的工单类型进行匹配,得到所述投诉工单的处理方法。
2.根据权利要求1所述的一种投诉工单的处理方法,其特征在于,所述S3具体包括:Drools规则引擎将配置好的所述不同类型工单的处理方法转化成drl文件,后台调用KIE-API中的预设方法读取drl文件,与所述历史工单的工单类型进行匹配,并生成所述历史工单的处理方法。
3.根据权利要求2所述的一种投诉工单的处理方法,其特征在于,所述S1之前还包括:S11,当所述历史工单为语音文件,通过ASR工具将所述语音文件转化成文本信息,再进行S1步骤;当所述历史工单为文本信息,直接进行S1步骤。
4.根据权利要求3所述的一种投诉工单的处理方法,其特征在于,在所述S2之前还包括:S21,对接工单系统,获取所述历史工单,再通过人工对所述历史工单进行分类,并提取所述历史工单的关键字,根据全部所述历史工单的关键字对应的分类结果对NLP进行训练。
5.根据权利要求1-4任一项所述的一种投诉工单的处理方法,其特征在于,所述S2还包括:当训练后的NLP处理投诉工单,得到归类异常的投诉工单,将所述归类异常的投诉工单进行修正,并作为后续NLP学习的容错样本。
6.一种处理投诉工单的系统,其特征在于,包括:处理方法分析模块、工单分类模块、投诉工单处理模块;
所述处理方法分析模块用于获取预设数量的历史工单,根据全部所述历史工单的处理过程,得到不同类型工单的处理方法;
所述工单分类模块用于根据训练后的NLP处理投诉工单,得到所述投诉工单的工单类型;
所述投诉工单处理模块用于通过Drools规则引擎,将所述不同类型工单的处理方法与所述投诉工单的工单类型进行匹配,得到所述投诉工单的处理方法。
7.根据权利要求6所述的一种处理投诉工单的系统,其特征在于,所述投诉工单处理模块具体用于Drools规则引擎将配置好的所述不同类型工单的处理方法转化成drl文件,后台调用KIE-API中的预设方法读取drl文件,与所述历史工单的工单类型进行匹配,生成所述历史工单的处理方法。
8.根据权利要求7所述的一种处理投诉工单的系统,其特征在于,还包括:文件转换模块,用于当所述历史工单为语音文件,通过ASR工具将所述语音文件转化成文本信息;当所述历史工单为文本信息,不做处理。
9.根据权利要求8所述的一种处理投诉工单的系统,其特征在于,还包括:AI训练装置,用于对接工单系统,获取所述历史工单,再通过人工对所述历史工单进行分类,并提取所述历史工单的关键字,根据全部所述历史工单的关键字对应的分类结果对NLP进行训练。
10.根据权利要求6-9任一项所述的一种处理投诉工单的系统,其特征在于,所述工单分类模块还具体用于:当训练后的NLP处理投诉工单,得到归类异常的投诉工单,将所述归类异常的投诉工单进行修正,并作为后续NLP学习的容错样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010321327.4A CN111522947A (zh) | 2020-04-22 | 2020-04-22 | 一种处理投诉工单的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010321327.4A CN111522947A (zh) | 2020-04-22 | 2020-04-22 | 一种处理投诉工单的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111522947A true CN111522947A (zh) | 2020-08-11 |
Family
ID=71903924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010321327.4A Pending CN111522947A (zh) | 2020-04-22 | 2020-04-22 | 一种处理投诉工单的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111522947A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183782A (zh) * | 2020-10-13 | 2021-01-05 | 中国联合网络通信集团有限公司 | 故障工单处理方法及设备 |
CN112364145A (zh) * | 2020-11-27 | 2021-02-12 | 杭州康晟健康管理咨询有限公司 | 一种工单处理方法、装置、电子设备及存储介质 |
CN112580350A (zh) * | 2020-12-30 | 2021-03-30 | 讯飞智元信息科技有限公司 | 一种诉求分析方法、装置、电子设备和存储介质 |
CN112800765A (zh) * | 2021-01-22 | 2021-05-14 | 南京亚派软件技术有限公司 | 一种工单的自动生成方法 |
CN112800215A (zh) * | 2021-01-29 | 2021-05-14 | 北京大米科技有限公司 | 一种文本处理方法、装置、可读存储介质和电子设备 |
CN113342961A (zh) * | 2021-07-07 | 2021-09-03 | 上海华客信息科技有限公司 | 客户电话投诉处理方法、系统、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729919A (zh) * | 2017-09-15 | 2018-02-23 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的深化投诉穿透分析方法 |
CN109471922A (zh) * | 2018-09-29 | 2019-03-15 | 平安科技(深圳)有限公司 | 基于深度学习模型的案件类型识别方法、装置、设备及介质 |
CN109492091A (zh) * | 2018-09-28 | 2019-03-19 | 科大国创软件股份有限公司 | 一种基于卷积神经网络的投诉工单智能分类方法 |
CN109885768A (zh) * | 2019-02-18 | 2019-06-14 | 中国联合网络通信集团有限公司 | 工单处理方法、装置及系统 |
CN109977399A (zh) * | 2019-03-05 | 2019-07-05 | 国网青海省电力公司 | 一种基于nlp技术的数据分析方法及装置 |
CN110309932A (zh) * | 2018-03-21 | 2019-10-08 | 国网浙江省电力公司湖州供电公司 | 一种基于tem的电力客户资源精细化管理方法 |
CN110929036A (zh) * | 2019-11-29 | 2020-03-27 | 南方电网数字电网研究院有限公司 | 电力营销稽查管理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-04-22 CN CN202010321327.4A patent/CN111522947A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729919A (zh) * | 2017-09-15 | 2018-02-23 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的深化投诉穿透分析方法 |
CN110309932A (zh) * | 2018-03-21 | 2019-10-08 | 国网浙江省电力公司湖州供电公司 | 一种基于tem的电力客户资源精细化管理方法 |
CN109492091A (zh) * | 2018-09-28 | 2019-03-19 | 科大国创软件股份有限公司 | 一种基于卷积神经网络的投诉工单智能分类方法 |
CN109471922A (zh) * | 2018-09-29 | 2019-03-15 | 平安科技(深圳)有限公司 | 基于深度学习模型的案件类型识别方法、装置、设备及介质 |
CN109885768A (zh) * | 2019-02-18 | 2019-06-14 | 中国联合网络通信集团有限公司 | 工单处理方法、装置及系统 |
CN109977399A (zh) * | 2019-03-05 | 2019-07-05 | 国网青海省电力公司 | 一种基于nlp技术的数据分析方法及装置 |
CN110929036A (zh) * | 2019-11-29 | 2020-03-27 | 南方电网数字电网研究院有限公司 | 电力营销稽查管理方法、装置、计算机设备和存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183782A (zh) * | 2020-10-13 | 2021-01-05 | 中国联合网络通信集团有限公司 | 故障工单处理方法及设备 |
CN112183782B (zh) * | 2020-10-13 | 2024-04-12 | 中国联合网络通信集团有限公司 | 故障工单处理方法及设备 |
CN112364145A (zh) * | 2020-11-27 | 2021-02-12 | 杭州康晟健康管理咨询有限公司 | 一种工单处理方法、装置、电子设备及存储介质 |
CN112580350A (zh) * | 2020-12-30 | 2021-03-30 | 讯飞智元信息科技有限公司 | 一种诉求分析方法、装置、电子设备和存储介质 |
CN112800765A (zh) * | 2021-01-22 | 2021-05-14 | 南京亚派软件技术有限公司 | 一种工单的自动生成方法 |
CN112800215A (zh) * | 2021-01-29 | 2021-05-14 | 北京大米科技有限公司 | 一种文本处理方法、装置、可读存储介质和电子设备 |
CN113342961A (zh) * | 2021-07-07 | 2021-09-03 | 上海华客信息科技有限公司 | 客户电话投诉处理方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111522947A (zh) | 一种处理投诉工单的方法和系统 | |
CN112492111B (zh) | 一种智能语音外呼方法、装置、计算机设备和存储介质 | |
CN106874134B (zh) | 工单类型的处理方法、装置及系统 | |
CN109829629B (zh) | 风险分析报告的生成方法、装置、计算机设备和存储介质 | |
CN105187674B (zh) | 服务录音的合规检查方法及装置 | |
US20160371311A1 (en) | Systems and methods for providing searchable customer call indexes | |
CN111597818B (zh) | 呼叫质检方法、装置、计算机设备和计算机可读存储介质 | |
CN110765776B (zh) | 回访标注样本数据的生成方法及装置 | |
CN112258016A (zh) | 一种基于asr的客服智能质检分析方法 | |
US20150179165A1 (en) | System and method for caller intent labeling of the call-center conversations | |
CN109766474A (zh) | 审讯信息审核方法、装置、计算机设备和存储介质 | |
CN113223532A (zh) | 客服通话的质检方法、装置、计算机设备及存储介质 | |
CN110929032B (zh) | 一种软件系统的用户需求处理系统及处理方法 | |
CN113362044B (zh) | 一种基于汽车零售的提高审批效率流程的方法 | |
CN116383742B (zh) | 基于特征分类的规则链设置处理方法、系统及介质 | |
CN113992806A (zh) | 一种智能语音rpa机器人外呼方法及装置 | |
CN114254088A (zh) | 自动应答模型的构建方法和自动应答方法 | |
WO2010151465A1 (en) | System and associated method for determining and applying sociocultural characteristics | |
CN115396549A (zh) | 通话违规业务处理方法、装置及电子设备 | |
CN117765931A (zh) | 应用于语音机器人的智能质检方法、系统、设备及介质 | |
CN113571062B (zh) | 基于语音数据的客户标签识别方法、装置及计算设备 | |
CN111368521B (zh) | 用于法律顾问服务的管理方法 | |
CN115567643A (zh) | 一种金融领域智能质检方法及系统 | |
CN117668150A (zh) | 一种对话质检方法、介质和设备 | |
CN117057554A (zh) | 业务工单分配方法及投诉建议处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200811 |