基于数据挖掘的客服系统投诉风险预警方法及系统

    公开(公告)号:CN116051124A

    公开(公告)日:2023-05-02

    申请号:CN202310031636.1

    申请日:2023-01-10

    摘要: 本发明涉及电力大数据挖掘技术,为基于数据挖掘的客服系统投诉风险预警方法及系统,首先统计客户服务数据,从中提取文本特征、区域特征、投诉月度数据、投诉时段数据及投诉业务数据;对所提取的数据,基于轨迹因素、时间因素、业务因素、客户诉求时长和客户情感因素进行特征构造,获得构造后的特征集;基于SMOTE算法处理特征集中样本不平衡问题,构建平衡样本,获得平衡数据集;基于IGSA算法实现随机森林RF分类模型的超参数寻优;利用RF分类模型完成预测。本发明通过构造新样本以消除原始数据中正样本过少而对预测模型的影响,在构建平衡样本基础上进行预测模型参数寻优,解决了网格搜索算法寻找RF最优参数耗时的问题,降低了电力客服的投诉率。

    一种电力服务话务量预测方法
    5.
    发明公开

    公开(公告)号:CN115271041A

    公开(公告)日:2022-11-01

    申请号:CN202210875713.7

    申请日:2022-07-25

    摘要: 本发明涉及一种电力服务话务量预测方法。预测方法包括如下过程:对过往的话务量数据与话务影响因素数据进行收集获取,形成话务量数据集;对话务量数据集数据进行预处理,形成话务量预测数据集;将话务量预测数据集按照工作日与休息日分为工作日数据集与休息日数据集,开启多线程技术,将数据分别放入模型预测;最后对各模型预测的数据对比择优,实现预测修正调整与准确率提升;本发明的有益效果:获取话务量数据,利用大数据技术进行处理分析,通过研究时间序列法、梯度回归法、神经网络法等预测方法的优缺点,首次建立了分省、分业务双维度预测模型,解决了客服中心目前预测工作缺少系统工具支撑的问题。