[发明专利]投诉工单结构化处理方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种投诉工单结构化处理方法、装置、设备及存储介质，用于结构化处理投诉工单，该方法包括：获取当前投诉工单文本、层级文本分类模型和结构化信息抽取模型；将当前投诉工单文本输入层级文本分类模型，得到当前投诉工单文本的若干个业务层级；将当前投诉工单文本输入结构化信息抽取模型得到当前投诉工单文本的结构化信息和对应的命名实体；根据当前投诉工单文本的业务层级、结构化信息和结构化信息对应的命名实体生成投诉工单的结构化文档，并将结构化文档保存至数据库中；获取用户输入的分析维度，根据分析维度从数据库中调取对应的结构化文档。此外，本发明还涉及区块链技术，当前投诉工单文本可存储于区块链中。

技术领域

本发明涉及人工智能领域，尤其涉及一种投诉工单结构化处理方法、装置、设备及存储介质。

背景技术

银行电话中心每天都会接到客户的投诉电话，坐席人员根据通话内容，实时的将客户投诉的内容以一通文本的形式(非结构化文档，字数一般为300+)记录到咨诉系统，生成投诉工单。银行的消费者保护部门会周期性的分析各个业务条线被客户投诉的情况，产出各个业务部门的投诉舆情和事件的结果报告，以此为基础依据为各业务部门进行打分和评级。每月上万级别的投诉工单，将工单进行业务层级类别划分和分析投诉舆情和相应事件的工作，需要人工来总结出，投诉工单之多，投诉事件之多样性，纯人工的方式变得极为艰难，且需耗费大量人力去阅读工单并分类统计和总结，故需要对投诉工单中的事件进行抽取，方便后续进行整合分析，现有技术中，对于文本中的信息进行抽取多是基于事件抽取模版和实体识别技术完成对目标文本的信息抽取，这种方式的缺点在于维护成本低，适用性差，造成整体抽取结果准确率低，或是基于Doc2Vec和Word2Vec的技术进行文本特征编码，完成事件抽取，这种方法中文本编码方式不能表征文本的上下文信息，算法准确率低。

发明内容

本发明的主要目的在于解决现有的人工总结投诉工单，进行业务层级类别划分和分析投诉舆情和相应事件的工作效率和准确率度低的技术问题。

本发明第一方面提供了一种投诉工单结构化处理方法，包括：

获取当前投诉工单文本、预先训练好的层级文本分类模型和结构化信息抽取模型，其中，所述结构化信息抽取模型是基于Bert-CRF模型构建的；

将所述当前投诉工单文本输入层级文本分类模型中，得到所述当前投诉工单文本的若干个业务层级；

将所述当前投诉工单文本输入所述结构化信息抽取模型的BERT层，得到所述当前投诉工单中各字符的编码向量；

将所述编码向量输入所述结构化信息抽取模型的CRF层，得到所述当前投诉工单文本中所有字符对应的所有标签的概率序列组成的所述当前投诉工单文本的概率矩阵；

根据所述概率矩阵确定所述当前投诉工单文本的最优标注序列，并根据所述最优标注序列得到所述当前投诉工单文本的结构化信息和所述结构化信息对应的命名实体；

根据所述当前投诉工单文本的业务层级、结构化信息以及所述结构化信息对应的命名实体生成所述投诉工单的结构化文档，并将所述结构化文档保存至预设数据库中；

获取用户输入的分析维度，并根据所述分析维度从所述数据库中调取对应的结构化文档，以供所述用户进行分析，其中，所述分析维度与所述命名实体、所述业务层级对应。

可选的，在本发明第一方面的第一种实现方式中，所述根据所述概率矩阵确定所述当前投诉工单文本的最优标注序列，并根据所述最优标注序列得到所述当前投诉工单文本的结构化信息和所述结构化信息对应的命名实体包括：

使用维特比算法处理所述当前投诉工单文本的概率矩阵，得到最优标注序列；

根据所述最优标注序列确定所述当前投诉工单文本中各字符的标注类型，得到所述当前投诉工单文本的标注字序列；