基于word2vec和XGBoost相结合的国网95598客服投诉工单分类

• 作者: 刘冲 徐鸿宇 段立 王懿 赵莉 郭娇
• 来源期刊: 电力大数据
• 学科: 工学
• 关键词: 投诉工单 词向量 极端梯度提升 工单分类 投诉看板
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 大数据专题
• 页码范围: 50-57
• 页数: 8页
• 分类号: TP39
• 字数: 4832字
• 语种: 中文

摘要

为了解决95598客服投诉工单的整理、归档等问题,其中包括:在人工进行归档的过程中出现的疏忽造成的归档随意问题,即归档准确性问题;人工对投诉工单进行差错点归纳的耗时问题,即效率问题;人工对客服投诉分析深度不足,无法精准快速定位用户诉求热点的问题,即深度问题.本文针对以上三个问题给出解决方案,采用word2 vee和XGBoost相结合的方式达到对95598客服投诉工单精准归纳.在文本词向量化的过程中采用word2 vec方法,得到单词的文本词向量;利用XGBoost算法对95598客服投诉工单进行分类归档,并且对历史投诉工单的责任部门、专业分类、诉求事件、差错点四个方面进行标注.该模型的分类准确率在83％-91％左右,有较好的的效果.基于工单分类的结果,并设计了相关的投诉类看板,更直观的对数据进行展示.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段立		1	0	0.0	0.0
2	徐鸿宇		1	0	0.0	0.0
3	王懿		1	0	0.0	0.0
4	赵莉		1	0	0.0	0.0
5	刘冲		1	0	0.0	0.0
6	郭娇		1	0	0.0	0.0