迪奥数字员工丨EYENLP轻松解决投诉场景文本分类复杂难题在互联网大数据时代,对于用户需求的实时性处理和分析尤为重要。以投诉工单文本处理为例,用户投诉问题种类繁多,运营商通过阅读理解投诉工单的内容对工单进行分类,快速识别用户需求、解决投诉问题。而投诉工单的及时性特点决定了对工单的处理和下发必须在较短的时间内完成,这样,无疑要求投诉工单分类具有较高的实时性。 目前投诉工单文本分类的方法,主要还是客服基于对工单内容的理解手动分类方式,这对于短期少量投诉工单分类还是很有效的。但是随着投诉工单数量的不断增长,网络新用词语的不断增多,不同客服人员理解上的偏差,传统的人工分类方式已经不能满足这一需求,如何快而准地对投诉工单文本进行分类亟需解决。 对政府部门而言 来自各方投诉建议,如何精准分析人民群众投诉/建议关键内容? 如何从纷繁复杂的海量投诉建议中提取有价值的信息? 如何根据不同时段的诉求热点,作出针对性的指导策略? EYENLP投诉分类以RESTFUL API的方式提供服务,可以独立部署到您的服务器上,以保证数据的安全,也可以对您所在的行业进行适配,更好的为您服务。 它可以做到 ▲利用文本挖掘,作精准人民群众意见分类 ▲利用文本挖掘数据可视化获知人民群众热点意见 ▲精准概况人民群众意见 快速进行投诉文本分类 原先需要专业人员将工单一一进行投诉分类,人均标注200条/天,现在可由机器代替人工部分,大大节省了人力投入。同时,分类标准不会因人而异,准确度超过90%。 形成可视化分析报告,给予决策者决策支持 |