基于颜色Petri网的有偿交互QA系统投诉模型

有偿交互问答(QA)系统受到越来越多的关注,但是补偿的不公平性等问题可能会引起用户的投诉。通过分析有偿交互QA系统的投诉流程,首先利用颜色Petri网对投诉流程进行形式化建模;然后使用CPN Tools对所建立的形式化模型进行验证;最后对所建模型的状态空间报告进行分析,证明了系统各响应流程设计的正确性等特性。所提出的方法对有偿交互QA系统的综合形式化分析具有重要意义。

基于MAS的有偿交互QA系统的投诉模型分析

本文分析了QA系统中的投诉流程。依次对QA系统中的投诉流程建模、分析投诉条件、设定投诉判定规则、设定投诉结果惩处办法,给出了一个完整的投诉流程及其实施过程。完善QA系统,拓展MAS的应用。

基于局部线性嵌入和深度森林算法的电力客户投诉预测模型

由于电力市场竞争日益激烈,用户对服务质量的要求不断提高,用户投诉量持续上升。在基于大数据的电力客户投诉预测模型的体系结构基础上,提出一种基于局部线性嵌入和深度森林算法的电力客户投诉预测方法。采用局部线性嵌入算法对客户投诉预测模型的输入特征向量进行降维处理,减少计算量和避免陷入局部最优解;对降维后的投诉预测特征向量进行多粒度扫描,提高其表征学习能力;基于级联森林建立深度森林算法模型,实现客户投诉预测。实际数据的仿真结果表明,与不进行降维处理及其他预测模型相比,文中所提出的预测模型可以更准确地预测客户投诉趋势,为电力企业客户投诉分析和预测提供了参考依据。

大数据驱动的投诉预测模型

随着电信行业市场竞争的不断加剧,用户对服务质量要求逐步提高,导致用户投诉率不断攀升。在此情况下,通过准确预测用户投诉行为来降低用户投诉率成为运营商关注的重点。目前传统的投诉预测模型仅从分类算法和人工调研特征来讨论,而没有充分利用运营商的大数据。因此,提出了在Hadoop/Spark大数据平台上使用并行随机森林来构建用户预测投诉模型,它不仅用到了业务支持系统数据,而且还用到了运营支持系统数据和客服工单数据,并在此基础上进一步增加了反映用户相互关系的图特征和二阶特征。基于上海市某运营商数据的实验结果表明,利用多来源、高维度的特征来训练用户投诉预测模型的精度会明显高于传统方法,在此基础上有针对性地对目标用户采取安抚措施,可以降低用户投诉率,获得较高的商业价值。

基于信令的GPRS潜在投诉客户预测模型

提出基于Gb信令的GPRS(通用分组无线服务)业务潜在投诉客户预测方法,在预测数据业务潜在投诉客户时,从投诉客户信令分析入手,归纳其信令特征,建立信令特征库,异常信令特征作为建模因子,采用决策树算法建立数据业务潜在投诉客户预测模型。对数据业务潜在投诉客户进行预测,以便先于客户发现问题,解决客户数据业务使用过程中出现的问题,定位客户投诉的根本原因,从网络侧解决问题;或者通过客户关怀的方式给客户提供解决方法。

基于投诉价值模型的供电企业服务管理探究

投诉管理是客户关系管理(CRM)模块中的核心管理环节,也是企业服务管理的重要环节之一,尤其是对于客户维系管理(Retention management)起到重要的作用。本文通过对客户投诉价值挖掘,利用投诉价值挖掘技术、员工画像技术和客户投诉心理研究等将投诉渠道管理、投诉处理流程、投诉信息分析、投诉增值服务四方面构建供电企业投诉价值模型,有效提高投诉风险预测,优化客户维系管理提供支撑。

基于混合神经网络的电力短文本分类方法研究

随着移动互联网时代的到来,如何保持一个良好的用户群,提高用户的满意度,成为各个领域关注的焦点。客户投诉是直接反馈用户的意见,可以通过多个渠道获得大量的用户投诉数据,从这些数据中获得很多有用信息,而目前的用户投诉往往依靠人工审核,缺乏系统和自动化的投诉分析工具。论文从电力用户投诉短文本入手,对用户投诉的自动分类进行研究,并结合用户的投诉与用户的属性,提取有用的投诉信息。通过这些研究,最终将有助于改善电网综合服务水平。