[发明专利]一种投诉预测方法、装置、电子设备及存储介质

说明书

本申请实施例提供一种投诉预测方法、装置、电子设备及存储介质，应用于人机对话场景，方法包括：获取预设的用于表征用户的静态特征、以及用于表征用户当前发言的动态特征；根据静态特征与动态特征确定用户特征；将用户特征输入已训练的投诉预测模型，获取在当前发言下用户的投诉概率。静态特征是用户的固有属性。动态特征与当前发言相关。由于某一用户在一次人机对话中产生投诉的概率与该用户本身相关，也与对话中用户的每一次发言相关，因此在预测过程中，将用户本身的固有属性以及用户当前发言的情况一并考虑在内，从多个维度、多个特征来进行投诉预测，能将对投诉产生影响的各种因素均考虑在内，从而提高了投诉概率的预测准确性。

技术领域

本申请涉及人机交互技术领域，具体而言，涉及一种投诉预测方法、装置、电子设备及存储介质。

背景技术

近年来随着人工智能(Artificial Intelligence，AI)技术的迅速发展，人机对话广泛应用在各种场景中，如电话销售场景、智能客服场景等等。在人机对话中，由于机器人的理解能力偏差，容易导致用户体验较差从而产生投诉。如何提高机器人对用户投诉意向的理解与预测，是本领域亟待解决的技术问题。

发明内容

本申请实施例的目的在于提供一种投诉预测方法、装置、电子设备及存储介质，用以实现在人机对话中预测用户投诉意向的技术效果。

本申请实施例第一方面提供了一种投诉预测方法，应用于人机对话场景，所述方法包括：

获取预设的用于表征用户的静态特征、以及用于表征所述用户当前发言的动态特征；

根据所述静态特征与所述动态特征确定用户特征；

将所述用户特征输入已训练的投诉预测模型，获取在所述当前发言下所述用户的投诉概率。

在上述实现过程中，静态特征用于表征用户，是用户的固有属性。动态特征用于表征当前发言，与当前发言相关。由于某一用户在一次人机对话中产生投诉的概率与该用户本身相关，也与对话中用户的每一次发言相关，因此在预测过程中，将用户本身的固有属性以及用户当前发言的情况一并考虑在内，从多个维度、多个特征来进行投诉预测，能将对投诉产生影响的各种因素均考虑在内，从而提高了投诉概率的预测准确性。

进一步地，所述静态特征包括以下一种或多种特征：用户年龄、性别、地理位置；

所述动态特征包括以下一种或多种特征：所述当前发言的意图、语速、对话总时长、对话间隔。

在上述实现过程中，考虑到用户的年龄、性别、地理位置、以及当前发言的意图、语速、对话总时长、对话间隔与某一用户在一次人机对话中产生投诉的概率相关，因此在预测过程中，将上述特征一并考虑在内，从多个维度、多个特征来进行投诉预测，能将对投诉产生影响的各种因素均考虑在内，从而提高了投诉概率的预测准确性。

进一步地，所述投诉预测模型包括决策树层与线性回归层；所述将所述用户特征输入已训练的投诉预测模型，获取在所述当前发言下所述用户的投诉概率，包括：

将所述用户特征输入所述决策树层；

将所述决策树层的叶子节点所提取的特征输入所述线性回归层；

获取所述线性回归层输出的投诉概率。

在上述实现过程中，利用包括决策树层与线性回归层的投诉预测模型进行投诉概率预测，实现了在人机对话中预测用户投诉意向的技术效果。

进一步地，所述方法还包括：

从所述决策树层中获取所述用户特征中的每个特征的特征重要性；

针对特征重要性大于重要性阈值的目标特征，当所述用户的用户特征与所述目标特征匹配，采取所述目标特征对应的目标措施。