基于自然语言处理的车企客户反馈数据挖掘:上汽通用五菱公司的案例

文本数据作为典型的非结构化数据,存在于汽车企业的全业务流程各个环节中。本文以上汽通用五菱公司“用户之声”数据集为背景进行案例研究,首先将文本数据进行预处理并构建汽车领域专业词典,然后将利用词向量训练模型获得的语义特征输入云算法池中的机器学习模型进行预测和分类,最终服务于应用层业务环节的各个场景和任务目标。本文一方面提炼出了基于文本数据挖掘的分析架构,另一方面提升了客户投诉反馈工单的数据质量,并对上海通用五菱公司文本数据体系建设和流程环节质量提升有积极的促进作用。