一种基于自然语言处理技术的智能定责应用研究_李芳.pdf
《一种基于自然语言处理技术的智能定责应用研究_李芳.pdf》由会员分享,可在线阅读,更多相关《一种基于自然语言处理技术的智能定责应用研究_李芳.pdf(5页珍藏版)》请在咨信网上搜索。
1、8运营与应用DOI:10.3969/j.issn.1006-6403.2023.01.002一种基于自然语言处理技术的智能定责应用研究李芳陈震原肖军中国电信作为全业务通信服务提供商,因其业务的多样性、复杂性、用户的规模性使得客户抱怨投诉处理成为消耗企业大量人力物力的工作之一。迅速发现客户抱怨中的共性问题,找到投诉背后的深层次根本原因,进而联合相关的业务部门采取预防性或者及时性的应对办法,是降低客户抱怨投诉的不二法宝。提出了利用自然语音处理技术在电信客服智能定责思路,通过机器识别客户与客服代表通话中的真实意图,发现投诉后面的根本原因,既能显著节约客服中心的工作量,提高工作效率,又能提升客户满意度
2、,改善用户体验。李芳暨南大学,硕士,高级工程师,现任中国电信广州分公司客户服务部副总经理,马晓亮劳模和工匠人才创新工作室成员,目前主要负责要客和星级客户的服务运营管理工作。陈震原广东工业大学 MBA、高级工程师,中国电信股份有限公司广州分公司客户服务部副总经理,广州服务贸易与服务外包协会优秀专家,呼叫中心专委会主任,打造高绩效呼叫中心第一作者。肖军重庆邮电学院,硕士,高级工程师,项目管理师,现任中数通信息有限公司业务总监,目前主要从事基于大数据和 AI 的客服领域数字化改造工作。关键词:自然语言处理 智能定责 投诉处理摘要1 引言中国电信集团有限公司是中国特大型通信运营企业,主要经营移动通信、
3、互联网接入及应用、固定电话、卫星通信、ICT 集成等综合信息服务。目前,中国电信集团有限公司广州分公司(以下简称广州电信)的客户服务呼叫中心,主要以处理客户的抱怨和投诉为主,其与客户沟通的方式主要采用传统的电话模式,即电话坐席受理问题解答坐席回访为主。客户抱怨投诉的问题涵盖了通信信息查询、通信费用争议、故障抱怨、投诉举报等业务类型。广州电信客服中心为了保证能够及时解决客户抱怨投诉,提供 712 小时服务,投入了大量的人力资源。尽管如此,随着近年来电信业务的业务复杂度、网络类型、客户类型9运营与应用一种基于自然语言处理技术的智能定责应用研究2023.01 广东通信技术和数量的急剧增加,呼叫中心业
4、务人员的知识储备和学习能力不一,人力成本不断增加。如何快速定位客户投诉问题,提高客户的投诉处理的及时性和投诉问题治理的有效性,为不同客户制定有效投诉解决方案,最终提升客户满意度,是摆在广州电信客户服务部门运营管理的难题之一。人工智能是目前研究的热点和技术发展趋势,自然语言处理作为人工智能的一种重要领域,识别用户口语化表达中的真实意图,进而及时发现投诉热点,并为坐席人员提供基于知识图谱的知识推荐,具有较强的应用需求和研究价值。本文通过对自然语言技术的理解和研究,设计一套智能定责系统,实现两个目标:一是能更好地理解用户的语言上下文语境和语义,提升对投诉问题的理解能力;二是构建基于现有知识库的知识图
5、谱,形成知识推荐能力,通过机器训练的方式对算法调优,形成投诉处理的专业知识图谱,不断提升知识库与投诉定责的匹配精准度。2 自然语言处理方法研究自然语言处理是一门交叉学科,涉及语言学、数学、计算机科学、信息学、电子科学、心理科学、认知科学、神经科学等,而作为专业领域内的研究,还需要加入该专业的领域知识1。本文所设计的智能定责系统关键模块主要包含 语义分析、知识图谱创建,涉及的技术主要包含语料清洗、中文分词、特征工程、模型训练。2.1 语料清洗就是把无用或者不感兴趣的,视为噪音的内容进行删除,如针对原始文本,只提取标题、摘要、正文等关键信息。对于通过网络爬虫爬取的网页内容,去除 HTML、广告、标
6、签、JS 等代码和注释。2.2 中文分词由于汉语和英语相比,它是以字为基本书写单位,词语之间没有明显的区分标记,因此分词技术是知识库搜索查询过程中的第一步,分词实现效果的好坏对应用功能结果的影响非常大。中文分词后,给每个词或者词语进行词性标注,如给词语打上形容词、动词、名词等标签;去停用词指对文本特征没有任何贡献作用的字词进行删除,比如标点符号、语气、人称等;命名实体识别指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等2。2.3 模型训练 机器学习训练主要包括监督学习、半监督学习、无监督学习、强化学习、神经网络等。考虑到电信客服场景下海量数据的文本以及复杂的业务知识库,本
7、次训练采用预训练的无监督的语言学习和有监督的机器学习模型相结合的方式进行。无监督机器学习模型用于自动地挖掘语义知识,通过构建预训练目标使得机器能够理解语义信息,提取投诉业务关键词,形成舆情监控应用;有监督的机器学习模型用于有效地进行知识的分类,完成知识图谱的搭建。预训练语言模型具有两大优势,其一,它们可以显着提高许多 NLP 任务的准确性;其二,它们是通用的语言处理工具。在传统的 NLP 中进行基于机器学习的任务,必须标记大量数据来训练一个模型,相比之下,目前只需要标记少量数据来微调预训练的语言模型,因为它已经获得了语言处理所需的大量知识3。3 客服智能定责系统设计3.1 总体设计思路根据现有
8、客服中心工作流程,智能定责功能需要在对通话语音实现语音文本转写的基础上,增加语义分析和知识图谱查询两大功能模块,从而建立投诉业务定性与业务关联,即根据语音文本要识别出投诉关键字、投诉的业务标签,不同投诉对应的责任单位以及与投诉关键字对应的知识图谱节点、相似的解决方案、推荐方案等,具体示意图如图 1 所示。图 1 客服智能定责模块功能示意图10运营与应用运 营 与 应 用3.2 数据获取本方案的数据来源主要来自客户与客服代表的通话转写的语音文本,以及现有的 10000 号知识库、通信行业语料库、公司网站、营业厅、网上 APP 以及工信部论坛、通信论坛等网络数据。数据业务范围覆盖用户抱怨、用户投诉
9、、用户越级投诉以及用户建议、意见、表扬等类型。对所获取的数据按一定的结构和规则,采用数据挖掘技术挖掘成有用的信息或结构化信息。3.3 知识图谱构建针对电信投诉智能领域,现有的 10000 号知识库已不能满足需求,需要构建基于投诉处理最佳回答和处理方案等知识图谱,形成知识推荐能力。知识图谱模块主要分为词类管理、预处理和知识库管理。3.3.1 词类管理词类管理模块实现对业务关键词、近义词、敏感词、投诉领域专业词前后缀和拼音词的处理。对于投诉领域专业术语,由人工设置领域内关键词,通过人工手动添加的方式,增加词类信息。3.3.2 预处理预处理模块包含数据标注和细粒度文本分类两个任务。首先,结合知识图谱
10、的构建,根据业务需要对客户投诉类型、专有名词、情感极性等特征进行标注,构建语义分析模块的数据集;其次,根据投诉业务场景选择适合的模型进行文本分类,识别客户投诉的主题与意图,并结合知识图谱进行内部业务的关联。(1)数据标注由于客户投诉语音文本具有口语化、不规范化的特点,这给语义分析带来了一定的难度,准确的数据标注有助于自然语言处理模型对转译文本的理解与分析6。投诉业务定性标签:以业务逻辑为基础,标注细粒度的投诉业务类型,如移动套餐升级违约金;价值评判标签:客观评价客户投诉的内容是否合理,为推荐解决方案提供参考;情感极性:标注客户投诉时的情感,用于评判该投诉处理的紧急程度;命名实体识别:标注数据中
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 自然语言 处理 技术 智能 应用 研究 李芳
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。