摘要
本申请属于人工智能技术领域,公开了一种客户投诉概率的预测方法、装置、设备及存储介质,包括:通过多任务分类模型提取历史通话数据进行的特征,得到目标全局特征,基于所述目标全局特征输出场景概率分布、情绪概率分布和诉求概率分布,并与客户行为数据进行整合,得到复合型特征向量,对复合型特征向量进行处理,得到投诉发生概率值,并判断客户是否为高投诉倾向客户,当客户为高投诉倾向客户时,通过标签系统对投诉原因进行标注,得到目标投诉原因;根据目标投诉原因制定安抚策略,并将目标投诉原因和安抚策略反馈至坐席人员;本申请可应用于金融领域的实施场景中,提高客户投诉预测的准确率,进而提高了客户转化率。
技术关键词
多任务分类
客户
分类预测模型
音色特征
数据
安抚
标注方法
训练特征
注意力
标签系统
分词
语音转换技术
场景
策略
前馈神经网络
计算机设备
处理器
文本
人工智能技术
系统为您推荐了相关专利信息
晶体
Softmax函数
微波介质陶瓷材料
卷积神经网络模型
数据
OD客流数据
站点
客流预测
卷积神经网络模块
通道注意力机制
排水管网设计
网拓扑结构
拓扑结构数据
历史运行数据
神经网络模型
数据管理系统
数据管理方法
初始聚类中心
主题模型
实体