CN116738293A - 一种业务评价处理方法、装置及电子设备 - Google Patents
一种业务评价处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116738293A CN116738293A CN202310749889.2A CN202310749889A CN116738293A CN 116738293 A CN116738293 A CN 116738293A CN 202310749889 A CN202310749889 A CN 202310749889A CN 116738293 A CN116738293 A CN 116738293A
- Authority
- CN
- China
- Prior art keywords
- pieces
- evaluation information
- service
- determining
- evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 381
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 23
- 230000008451 emotion Effects 0.000 claims description 18
- 238000013145 classification model Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000008909 emotion recognition Effects 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 13
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 19
- 238000004590 computer program Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Abstract
本申请公开了一种业务评价处理方法、装置及电子设备。涉及计算机多媒体信息处理领域,该方法包括:获取目标业务系统内部获取到的M条内部评价信息,以及目标业务系统外部获取到的N‑M条外部评价信息;确定N条业务评价信息分别对应的满意度等级,以及确定N‑M条外部评价信息分别对应的影响范围;基于N条业务评价信息分别对应的满意度等级,确定目标业务的综合满意度等级;基于N‑M条外部评价信息分别对应的影响范围,确定目标业务的综合影响范围;根据综合满意度等级,以及综合影响范围,确定目标业务的评价结果。通过本申请,解决了相关技术中业务评价信息收集不全面,导致业务评价准确性低的问题。
Description
技术领域
本申请涉及计算机多媒体信息处理领域,具体而言,涉及一种业务评价处理方法、装置及电子设备。
背景技术
关于用户意见收集和优化,目前主要有两种方式:一个是在线下网点收集客户的评价,包括问卷调查、手写的文字评价、口述;另一种是在线上收集客户的投诉和反馈,比如语音服务。在现存的反馈方式下,首先一线工作人员可能会优先解决阻碍客户使用的疑难杂症问题,而忽略客户的优化性建议,其次,目前的收集范围不够广,会丢失许多使用者的真实反馈,导致业务评价准确性低。
针对相关技术中业务评价信息收集不全面,导致业务评价准确性低的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种业务评价处理方法、装置及电子设备,以解决相关技术中业务评价信息收集不全面,导致业务评价准确性低的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种业务评价处理方法。该方法包括:获取目标业务对应的N条业务评价信息,其中,上述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及上述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M;确定上述N条业务评价信息分别对应的满意度等级,以及确定上述N-M条外部评价信息分别对应的影响范围;基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级;基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围;根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果。
为了实现上述目的,根据本申请的另一方面,提供了一种业务评价处理装置。该装置包括:第一获取模块,用于获取目标业务对应的N条业务评价信息,其中,上述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及上述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M;第二确定模块,用于确定上述N条业务评价信息分别对应的满意度等级,以及确定上述N-M条外部评价信息分别对应的影响范围;第三确定模块,基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级;第四确定模块,基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围;第五确定模块,根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果。
为了实现上述目的,根据本申请的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,上述存储器用于存储一个或多个程序,其中,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现任意一项上述的业务评价处理方法。
通过本申请,采用以下步骤:获取目标业务对应的N条业务评价信息,其中,上述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及上述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M;确定上述N条业务评价信息分别对应的满意度等级,以及确定上述N-M条外部评价信息分别对应的影响范围;基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级;基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围;根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果,达到了根据业务满意度等级和影响范围准确的确定业务评价结果的目的,解决了相关技术中业务评价信息收集不全面,导致业务评价准确性低的问题。进而达到了提升业务评价准确性和全面性的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的业务评价处理方法的流程图;
图2是根据本申请实施例提供的深度神经网络模型结构示意图;
图3是根据本申请实施例的一种可选的业务评价处理方法的示意图;
图4是根据本申请实施例提供的业务评价处理装置的示意图;
图5是根据本申请实施例提供的电子设备的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。例如,本系统和相关用户或机构间设置有接口,在获取相关信息之前,需要通过接口向前述的用户或机构发送获取请求,并在接收到前述的用户或机构反馈的同意信息后,获取相关信息。
下面结合优选的实施步骤对本申请进行说明,图1是根据本申请实施例提供的业务评价处理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,获取目标业务对应的N条业务评价信息,其中,上述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及上述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M。
可选的,N条业务评价信息均为文本形式的业务评价信息,包括目标业务系统内部获取到的M条内部评价信息,以及目标业务系统外部获取到的N-M条外部评价信息,其中目标业务系统外部评价信息是基于预设关键字,采用网络爬虫技术获取到的。
在一种可选的实施例中,获取上述M条内部评价信息,包括:获取上述目标业务系统内部获取到的上述目标业务对应的M条初始评价信息;确定上述M条初始评价信息分别对应的形式,其中,上述M条初始评价信息分别对应的形式为以下至少之一:文本形式、语音形式、图像形式;在确定上述M条初始评价信息中包括语音形式和/或图像形式的评价信息的情况下,对上述语音形式和/或图像形式的评价信息进行文本转换处理,得到上述M条内部评价信息。
可选的,内部评价信息采用口述、问卷调查的评价收集方式以及语音采集、手写意见的图片采集两种方式,初始评价信息分别对应的形式为以下至少之一:文本形式、语音形式、图像形式,在确定初始评价信息为语音形式的评价信息的情况下,采用语音转文字模型将语音形式的评价信息转换为文本形式;在确定初始评价信息为图像形式的评价信息的情况下,采用图片转文字模型将图像形式的评价信息转换为文本形式,得到文本形式的内部评价信息。通过以上方式,在进行评价信息采集时,采集文本、语音、图像等多种形式的与目标业务有关的评价信息,评级信息获取更加全面,进而使得最终获取到的目标业务的评价结果也更加准确可靠。
步骤S102,确定上述N条业务评价信息分别对应的满意度等级,以及确定上述N-M条外部评价信息分别对应的影响范围。
可选的,N条业务评价信息分别对应的满意度等级通过对N条业务评价信息分别进行情感分类识别得到;N-M条外部评价信息分别对应的影响范围基于N-M条外部评价信息分别对应的评论数、转发数和点赞数确定的。
在一种可选的实施例中,上述确定上述N条业务评价信息分别对应的满意度等级,包括:采用情感分类模型对上述N条业务评价信息分别进行情感识别,得到上述N条业务评价信息分别对应的情感分类结果;基于上述N条业务评价信息分别对应的情感分类结果,确定上述N条业务评价信息分别对应的满意度等级。
可选的,情感分类模型至少包括预训练模型BERT,RoBERT,AlBERT等,利用情感分类模型对N条业务评价信息分别进行情感识别,得到N条业务评价信息分别对应非常不满,不满,无情绪,满意,非常满意的情感分类结果,基于N条业务评价信息分别对应的情感分类结果,得到N条业务评价信息分别对应的1,2,3,4,5的满意度等级。
在一种可选的实施例中,上述确定上述N-M条外部评价信息分别对应的影响范围,包括:基于上述N-M条外部评价信息分别对应的评价参数,采用预先训练好的影响范围分类模型,得到上述N-M条外部评价信息分别对应的影响范围,其中,上述N-M条外部评价信息分别对应的评价参数至少包括:上述N-M条外部评价信息分别对应的评论数、转发数和点赞数。
可选的,N-M条外部评价信息分别对应的评价参数至少包括:N-M条外部评价信息分别对应的评论数、转发数和点赞数。利用预先训练好的深度神经网络模型(Deep-Learning Neural Network,简称DNN)得到N-M条外部评价信息分别对应的影响范围。
需要说明的是,外部获取到的评价信息通常是公开的,用户可以针对每一条外部评价信息进行评论、转发、点赞等操作,评论、转发、点赞的数量在一定程度上可以体现出外部评价信息的影响范围。基于评论数、转发数和点赞数综合确定外部评价信息的影响范围,以提升外部评价信息的影响范围确定的准确性和可靠性。
在一种可选的实施例中,上述方法还包括:获取K条样本评价信息,以及上述K条样本评价信息分别对应的评价参数和影响范围,其中,上述K条样本评价信息分别对应的评价参数至少包括:上述K条样本评价信息分别对应的评论数、转发数和点赞数;基于上述K条样本评价信息分别对应的评价参数和影响范围,对初始的深度神经网络模型进行训练,得到上述影响范围分类模型。
可选的,K条样本评价信息可以利用网络爬虫获取到,包括K条样本评价信息分别对应的评论数、转发数和点赞数,利用DNN模型进行训练,得到训练好的影响范围分类模型。例如,图2是根据本申请实施例提供的DNN模型结构示意图,其中DNN采用3层全连接网络,网络尺寸是4*8*6,然后经过softmax分类器,输出最终的传播影响力度等级,如图2所示。
步骤S103,基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级。
可选的,计算N条业务评价信息分别对应的满意度等级的平均值,将N条业务评价信息分别对应的满意度等级的平均值,作为目标业务的综合满意度等级。
在一种可选的实施例中,上述基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级,包括:计算上述N条业务评价信息分别对应的满意度等级的平均值;将上述N条业务评价信息分别对应的满意度等级的平均值,作为上述综合满意度等级。
可选的,将N条业务评价信息分别对应的满意度等级的平均值,作为目标业务的综合满意度等级。可以理解,N条业务评价信息分别对应的满意度等级,可以体现出不同的用户对目标业务的满意度,通过计算N条业务评价信息分别对应的满意度等级的平均值得到的综合满意度等级,可以体现出多个用户对目标业务的平均满意程度。
在一种可选的实施例中,上述基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级,包括:获取上述目标业务对应的L个评价表;对上述L个评价表分别进行特征提取处理,得到上述L个评价表分别对应的满意度等级;计算上述N条业务评价信息分别对应的满意度等级,以及上述L个评价表分别对应的满意度等级的平均值,得到上述综合满意度等级。
可选的,获取目标业务对应的L个评价表,提取出L个评价表分别对应的满意度等级;将N条业务评价信息分别对应的满意度等级,以及L个评价表分别对应的满意度等级的平均值作为综合满意度等级。
可选的,在实际应用中,目标业务的业务评价信息除了通过系统内部获取、系统外部网络获取之外,还可以通过问卷调查的形式获取。上述L个评价表是通过问卷调查的形式获取的。通过以上方式,在进行目标业务综合满意度确定时,将通过问卷调查的形式、系统内部获取以及系统外部三种形式获取到的业务评价信息综合确定目标业务的满意度等级,获取信息更加全面,进而使得获取到的综合满意度等级更加准确可靠。
步骤S104,基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围。
可选的,综合影响范围由N-M条外部评价信息分别对应的影响范围的平均值决定。
在一种可选的实施例中,上述基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围,包括:计算上述N-M条外部评价信息分别对应的影响范围的平均值,将上述N-M条外部评价信息分别对应的影响范围的平均值,作为上述综合影响范围。
可选的,通过计算N-M条外部评价信息分别对应的影响范围的平均值,得到的综合影响范围,能够体现出目标业务在社会范围内的综合影响程度。
步骤S105,根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果。
可选的,在进行业务评价时,不仅考虑用户对业务的综合满意度,同时将业务的影响范围因素考虑其中,考虑因素更加全面,由此获取到的业务评价结果也更加准确可靠。
在一种可选的实施例中,根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果,包括:确定上述综合满意度等级对应的第一权重值,以及上述综合影响范围对应的第二权重值;根据上述综合满意度等级,上述第一权重值,上述综合影响范围,以及上述第二权重值,得到上述目标业务的评价结果。
可选的,对综合满意度和综合影响范围进行加权求和处理,得到目标业务的评价结果。即目标业务的评价结果等于综合满意度等级乘以对应的第一权重值,再加上综合影响范围乘以对应的第二权重值。可以理解,不同因素对目标业务的评价结果的影响程度可能存在差异,即满意度等级和影响范围对目标业务的评价结果可能存在差异,基于此,在进行目标业务的评价结果时,为综合满意度和综合影响范围赋予不同的权重值,对综合满意度和综合影响范围进行加权求和处理,得到目标业务的评价结果。
在一种可选的实施例中,在上述根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果之后,上述方法还包括:对上述N条业务评价信息进行关键词提取,得到上述目标业务对应的评价关键词;确定上述目标业务对应的业务类型,以及上述目标业务对应的评价数量;基于上述目标业务对应的上述业务类型、上述评价数量、上述评价关键词、上述综合满意度等级、上述综合影响范围、上述评价结果,生成上述目标业务对应的业务报告。
可选的,对N条业务评价信息进行关键词提取,得到目标业务对应的评价关键词;确定目标业务对应的业务类型、评价数量、评价关键词、综合满意度等级、综合影响范围、评价结果,生成目标业务对应的业务报告。
通过上述步骤S101至步骤S105,可以达到了根据业务满意度等级和影响范围准确的确定业务评价结果的目的,解决了相关技术中业务评价信息收集不全面,导致业务评价准确性低的问题。进而达到了提升业务评价准确性和全面性的效果。
基于上述实施例和可选实施例,本申请提出一种可选实施方式,图3是根据本申请实施例的一种可选的业务评价处理方法的流程图,如图3所示,该方法包括:
步骤S1,获取目标业务系统内部获取到的M条初始评价信息。
步骤S2,在确定初始评价信息为语音形式的评价信息的情况下,采用语音转文字模型将语音形式的评价信息转换为文本形式;在确定初始评价信息为图像形式的评价信息的情况下,采用图片转文字模型将图像形式的评价信息转换为文本形式。
步骤S3,采用网络爬虫技术获取目标业务系统外部获取到的N-M条外部评价信息,将获取到的信息填写在客户评价、评论数、转发数和点赞数,评价来源填4,反馈时间是客户发表文章的时间,评价状态填5(待分析)。
步骤S4,搭建数据库专门存储所有评价,数据库表结构设计可按下表1搭建。
表1
其中每个字段的含义如下:
自增列:是数据库每条数据的序号,是唯一的;
评价来源:数据字典有:1-线下员工收集、2-语音收集、3-图片收集、4-社交软件爬虫收集;
账户反馈时间:是客户发表意见评价的日期;
系统录入时间:是客户评价字段信息落库的时间,无需手工录入;
业务场景类型:是自定义的场景,如1-电话银行业务线、2-手机银行业务线、6-网点服务、7-网点硬设施;
满意度等级:分为五个等级,1级表示十分不满意,5级表示十分满意;
影响范围:分为5个等级,从1到5表示影响程度依次增加;
分析状态:数据字典有1-员工收集已分析、2-员工收集待分析、3-语音转换待分析、4-图片转换待分析、5-爬虫收集待分析、6-分析完成;
评论数、转发数和点赞数,是评价来源为4的时候填写,其他方式可为空。
对于口述、问卷调查的评价收集方式,由工作人员录入客户评价并将“客户反馈时间、业务场景分类、满意度等级、影响范围”填表,同时“分析方式”填1;如果工作人员不能确定“业务场景分类、满意度等级、影响范围”,则无需填写,同时分析状态填写2(待分析)。
对于语音采集、手写意见的图片采集两种方式,首先进行语音识别和图片识别,将其转换成文本格式后,自动填写到业务报告的客户评价、评价来源、客户反馈时间、录入系统,同时分析状态置为3和4(待分析)。
对于自动爬虫获取到的社交媒体文章和评论,填写到表1的客户评价、评价来源、客户反馈时间、录入系统,同时分析状态置为5(待分析)。
对于分析状态为待分析的记录(即2、3、4、5),将采用自然语言处理(NaturalLanguage Processing,简称NLP)技术对客户反馈内容进行统一分析。
步骤S5,采用情感分类模型对N条业务评价信息分别进行情感识别,得到N条业务评价信息分别对应的情感分类结果。
步骤S6,基于N条业务评价信息分别对应的情感分类结果,得到N条业务评价信息分别对应的1,2,3,4,5的满意度等级,并将分析结果填充到“业务场景分类、满意度等级”列,同时将分析状态置为6。
步骤S7,利用网络爬虫技术获取到K条样本评价信息,包括K条样本评价信息分别对应的评论数、转发数和点赞数,利用DNN模型进行训练,得到训练好的影响范围分类模型。
步骤S8,基于N-M条外部评价信息分别对应的评论数、转发数和点赞数,采用预先训练好的影响范围分类模型,得到N-M条外部评价信息分别对应的影响范围,并将分析结果填充到“影响范围”列。
步骤S9,获取目标业务对应的L个评价表,对L个评价表分别进行特征提取处理,得到L个评价表分别对应的满意度等级。
步骤S10,将N条业务评价信息分别对应的满意度等级,以及L个评价表分别对应的满意度等级的平均值,作为综合满意度等级。
步骤S11,将N-M条外部评价信息分别对应的影响范围的平均值,以及N-M条外部评价信息分别对应的影响范围的平均值,作为综合影响范围。
步骤S12,计算目标业务的评价结果,目标业务的评价结果等于综合满意度等级乘以对应的第一权重值加上综合影响范围乘以对应的第二权重值。
步骤S13,对N条业务评价信息进行关键词提取,得到目标业务对应的评价关键词。
步骤S14,确定目标业务对应的业务类型、评价数量、评价关键词、综合满意度等级、综合影响范围、评价结果,生成目标业务对应的业务报告,如下表2所示。
表2
步骤S15,自动发给各个业务线总负责人,可接入邮件系统,首先为每个业务线指定总的负责人,报告生成后自动发送,主送表中第一列的业务线负责人,抄送其他业务线负责人。
本发明实施例至少可以实现如下技术效果:一、该系统搭建数据库专门存储所有评价,并支持语音识别、图片识别,实现将客户的语音、文字评价自动归集成文本格式存储。二、为该系统实现了自动获取社交媒体上关于工行银行业务办理的文章和评论。三、该系统基于NLP技术对文本文字进行分析,可识别用户的体验场景分类、用户满意度识别;基于DNN模型可以对线上评价进行社会传播范围分析。四、该系统可以按照自定义周期自动形成分析报告,并自动发送给所有业务场景的负责人。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种业务评价处理装置,需要说明的是,本申请实施例的业务评价处理装置可以用于执行本申请实施例所提供的用于业务评价处理方法。以下对本申请实施例提供的业务评价处理装置进行介绍。
图4是根据本申请实施例的业务评价处理装置的示意图。如图4所示,该装置包括:第一获取模块401、第一确定模块402、第二确定模块403、第三确定模块404、第四确定模块405,其中,
上述第一获取模块401,用于获取目标业务对应的N条业务评价信息,其中,上述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及上述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M;
上述第一确定模块402,连接于上述第一获取模块401,用于确定上述N条业务评价信息分别对应的满意度等级,以及确定上述N-M条外部评价信息分别对应的影响范围;
上述第二确定模块403,连接于上述第一确定模块402,基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级;
上述第三确定模块404,连接于上述第二确定模块403,基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围;
上述第四确定模块405,连接于上述第三确定模块404,根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果。
本申请中,通过设置第一获取模块401,用于获取目标业务对应的N条业务评价信息,其中,上述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及上述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M;第一确定模块402,用于确定上述N条业务评价信息分别对应的满意度等级,以及确定上述N-M条外部评价信息分别对应的影响范围;第二确定模块403,基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级;第三确定模块404,基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围;第四确定模块405,根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果。达到了根据业务满意度等级和影响范围准确的确定业务评价结果的目的,解决了相关技术中业务评价信息收集不全面,导致业务评价准确性低的问题。进而达到了提升业务评价准确性和全面性的效果。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,例如,对于后者,可以通过以下方式实现:上述各个模块可以位于同一处理器中;或者,上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是,上述第一获取模块401、第一确定模块402、第二确定模块403、第三确定模块404、第四确定模块405对应于实施例中的步骤S101至步骤S105,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是,本实施例的可选或优选实施方式可以参见实施例中的相关描述,此处不再赘述。
上述业务评价处理装置包括处理器和存储器,上述单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来(本申请的目的)。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例提供了一种非易失性存储介质,其上存储有程序,该程序被处理器执行时实现上述业务评价处理方法。
本申请实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述业务评价处理方法。
如图5所示,本申请实施例提供了一种电子设备,该电子设备10包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取目标业务对应的N条业务评价信息,其中,上述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及上述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M;确定上述N条业务评价信息分别对应的满意度等级,以及确定上述N-M条外部评价信息分别对应的影响范围;基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级;基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围;根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取目标业务对应的N条业务评价信息,其中,上述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及上述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M;确定上述N条业务评价信息分别对应的满意度等级,以及确定上述N-M条外部评价信息分别对应的影响范围;基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级;基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围;根据上述综合满意度等级,以及上述综合影响范围,确定上述目标业务的评价结果。
可选的,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:采用情感分类模型对上述N条业务评价信息分别进行情感识别,得到上述N条业务评价信息分别对应的情感分类结果;基于上述N条业务评价信息分别对应的情感分类结果,确定上述N条业务评价信息分别对应的满意度等级。
可选的,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:基于上述N-M条外部评价信息分别对应的评价参数,采用预先训练好的影响范围分类模型,得到上述N-M条外部评价信息分别对应的影响范围,其中,上述N-M条外部评价信息分别对应的评价参数至少包括:上述N-M条外部评价信息分别对应的评论数、转发数和点赞数。
可选的,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:获取K条样本评价信息,以及上述K条样本评价信息分别对应的评价参数和影响范围,其中,上述K条样本评价信息分别对应的评价参数至少包括:上述K条样本评价信息分别对应的评论数、转发数和点赞数;基于上述K条样本评价信息分别对应的评价参数和影响范围,对初始的深度神经网络模型进行训练,得到上述影响范围分类模型。
可选的,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:上述基于上述N条业务评价信息分别对应的满意度等级,确定上述目标业务的综合满意度等级,包括:计算上述N条业务评价信息分别对应的满意度等级的平均值;将上述N条业务评价信息分别对应的满意度等级的平均值,作为上述综合满意度等级;上述基于上述N-M条外部评价信息分别对应的影响范围,确定上述目标业务的综合影响范围,包括:计算上述N-M条外部评价信息分别对应的影响范围的平均值,将上述N-M条外部评价信息分别对应的影响范围的平均值,作为上述综合影响范围。
可选的,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:获取上述目标业务对应的L个评价表;对上述L个评价表分别进行特征提取处理,得到上述L个评价表分别对应的满意度等级;计算上述N条业务评价信息分别对应的满意度等级,以及上述L个评价表分别对应的满意度等级的平均值,得到上述综合满意度等级。
可选的,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:确定上述综合满意度等级对应的第一权重值,以及上述综合影响范围对应的第二权重值;根据上述综合满意度等级,上述第一权重值,上述综合影响范围,以及上述第二权重值,得到上述目标业务的评价结果。
可选的,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:获取上述目标业务系统内部获取到的上述目标业务对应的M条初始评价信息;确定上述M条初始评价信息分别对应的形式,其中,上述M条初始评价信息分别对应的形式为以下至少之一:文本形式、语音形式、图像形式;在确定上述M条初始评价信息中包括语音形式和/或图像形式的评价信息的情况下,对上述语音形式和/或图像形式的评价信息进行文本转换处理,得到上述M条内部评价信息。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种业务评价处理方法,其特征在于,包括:
获取目标业务对应的N条业务评价信息,其中,所述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及所述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,M为大于或等于1的整数,N大于M;
确定所述N条业务评价信息分别对应的满意度等级,以及确定所述N-M条外部评价信息分别对应的影响范围;
基于所述N条业务评价信息分别对应的满意度等级,确定所述目标业务的综合满意度等级;
基于所述N-M条外部评价信息分别对应的影响范围,确定所述目标业务的综合影响范围;
根据所述综合满意度等级,以及所述综合影响范围,确定所述目标业务的评价结果。
2.根据权利要求1所述的方法,其特征在于,所述确定所述N条业务评价信息分别对应的满意度等级,包括:
采用情感分类模型对所述N条业务评价信息分别进行情感识别,得到所述N条业务评价信息分别对应的情感分类结果;
基于所述N条业务评价信息分别对应的情感分类结果,确定所述N条业务评价信息分别对应的满意度等级。
3.根据权利要求1所述的方法,其特征在于,所述确定所述N-M条外部评价信息分别对应的影响范围,包括:
基于所述N-M条外部评价信息分别对应的评价参数,采用预先训练好的影响范围分类模型,得到所述N-M条外部评价信息分别对应的影响范围,其中,所述N-M条外部评价信息分别对应的评价参数至少包括:所述N-M条外部评价信息分别对应的评论数、转发数和点赞数。
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K条样本评价信息,以及所述K条样本评价信息分别对应的评价参数和影响范围,其中,所述K条样本评价信息分别对应的评价参数至少包括:所述K条样本评价信息分别对应的评论数、转发数和点赞数;
基于所述K条样本评价信息分别对应的评价参数和影响范围,对初始的深度神经网络模型进行训练,得到所述影响范围分类模型。
5.根据权利要求1所述的方法,其特征在于,
所述基于所述N条业务评价信息分别对应的满意度等级,确定所述目标业务的综合满意度等级,包括:计算所述N条业务评价信息分别对应的满意度等级的平均值;将所述N条业务评价信息分别对应的满意度等级的平均值,作为所述综合满意度等级;
所述基于所述N-M条外部评价信息分别对应的影响范围,确定所述目标业务的综合影响范围,包括:计算所述N-M条外部评价信息分别对应的影响范围的平均值,将所述N-M条外部评价信息分别对应的影响范围的平均值,作为所述综合影响范围。
6.根据权利要求1所述的方法,其特征在于,所述基于所述N条业务评价信息分别对应的满意度等级,确定所述目标业务的综合满意度等级,包括:
获取所述目标业务对应的L个评价表;
对所述L个评价表分别进行特征提取处理,得到所述L个评价表分别对应的满意度等级;
计算所述N条业务评价信息分别对应的满意度等级,以及所述L个评价表分别对应的满意度等级的平均值,得到所述综合满意度等级。
7.根据权利要求1所述的方法,其特征在于,根据所述综合满意度等级,以及所述综合影响范围,确定所述目标业务的评价结果,包括:
确定所述综合满意度等级对应的第一权重值,以及所述综合影响范围对应的第二权重值;
根据所述综合满意度等级,所述第一权重值,所述综合影响范围,以及所述第二权重值,得到所述目标业务的评价结果。
8.根据权利要求1至7中任意一项所述的方法,其特征在于,获取所述M条内部评价信息,包括:
获取所述目标业务系统内部获取到的所述目标业务对应的M条初始评价信息;
确定所述M条初始评价信息分别对应的形式,其中,所述M条初始评价信息分别对应的形式为以下至少之一:文本形式、语音形式、图像形式;
在确定所述M条初始评价信息中包括语音形式和/或图像形式的评价信息的情况下,对所述语音形式和/或图像形式的评价信息进行文本转换处理,得到所述M条内部评价信息。
9.一种业务评价处理装置,其特征在于,包括:
第一获取模块,用于获取目标业务对应的N条业务评价信息,其中,所述N条业务评价信息包括目标业务系统内部获取到的M条内部评价信息,以及所述目标业务系统外部获取到的N-M条外部评价信息,其中,N为大于或等于2的整数,
M为大于或等于1的整数,N大于M;
第一确定模块,用于确定所述N条业务评价信息分别对应的满意度等级,以及确定所述N-M条外部评价信息分别对应的影响范围;
第二确定模块,基于所述N条业务评价信息分别对应的满意度等级,确定所述目标业务的综合满意度等级;
第三确定模块,基于所述N-M条外部评价信息分别对应的影响范围,确定所述目标业务的综合影响范围;
第四确定模块,根据所述综合满意度等级,以及所述综合影响范围,确定所述目标业务的评价结果。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至8中任意一项所述的业务评价处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310749889.2A CN116738293A (zh) | 2023-06-21 | 2023-06-21 | 一种业务评价处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310749889.2A CN116738293A (zh) | 2023-06-21 | 2023-06-21 | 一种业务评价处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116738293A true CN116738293A (zh) | 2023-09-12 |
Family
ID=87900894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310749889.2A Pending CN116738293A (zh) | 2023-06-21 | 2023-06-21 | 一种业务评价处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116738293A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116980522A (zh) * | 2023-09-22 | 2023-10-31 | 湖南三湘银行股份有限公司 | 一种基于智能质检客户画像的通知的系统和方法 |
-
2023
- 2023-06-21 CN CN202310749889.2A patent/CN116738293A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116980522A (zh) * | 2023-09-22 | 2023-10-31 | 湖南三湘银行股份有限公司 | 一种基于智能质检客户画像的通知的系统和方法 |
CN116980522B (zh) * | 2023-09-22 | 2024-01-09 | 湖南三湘银行股份有限公司 | 一种基于智能质检客户画像的通知的系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10223442B2 (en) | Prioritizing survey text responses | |
CN111182162B (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
US20220138770A1 (en) | Method and apparatus for analyzing sales conversation based on voice recognition | |
CN112017040B (zh) | 信用评分模型训练方法、评分方法及系统、设备及介质 | |
US10678821B2 (en) | Evaluating theses using tree structures | |
CN102402717A (zh) | 数据分析设备和方法 | |
CN116738293A (zh) | 一种业务评价处理方法、装置及电子设备 | |
CN117251547A (zh) | 用户提问应答方法及其装置、设备、介质 | |
WO2019242453A1 (zh) | 信息处理方法及装置、存储介质、电子装置 | |
CN112995690A (zh) | 直播内容品类识别方法、装置、电子设备和可读存储介质 | |
CN110019702B (zh) | 数据挖掘方法、装置和设备 | |
EP4044094A1 (en) | System and method for determining and managing reputation of entities and industries through use of media data | |
CN112417068B (zh) | 下单地址的推荐方法及系统、电子设备 | |
CN112132690B (zh) | 外汇产品信息的推送方法、装置、计算机设备及存储介质 | |
Singh et al. | Twitter sentiment analysis for stock prediction | |
CN112732908B (zh) | 试题新颖度评估方法、装置、电子设备和存储介质 | |
CN114741592A (zh) | 一种基于多模型融合的产品推荐方法、设备及介质 | |
CN116150420B (zh) | 一种图片任务推送结果的评估方法和系统 | |
CN110858214A (zh) | 推荐模型训练、及进一步审计程序推荐方法、装置及设备 | |
CN114861680B (zh) | 对话处理方法及装置 | |
CN116523024B (zh) | 召回模型的训练方法、装置、设备及存储介质 | |
CN111932018B (zh) | 银行业务绩效贡献信息预测方法及装置 | |
Snyman | Using Twitter to measure policy uncertainty in South Africa | |
CN116883179A (zh) | 金融产品投资策略的确定方法、装置、处理器及电子设备 | |
CN117611328A (zh) | 基于结构化查询语言的业务办理方法、装置及电子设备 |
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 |