基于文本挖掘的在线客服服务流程一致性检测研究

在客服服务领域,企业要求客服人员使用事先规范的标准服务流程为用户提供相关反馈服务,而由于不同的客服人员业务水平不同,有可能会导致标准服务流程未能被准确执行,影响企业效益和服务质量.所以如何实时对客服人员的实际服务流程与标准服务流程进行一致性检测并对客服人员进行"纠错",成为当前在线客服质检中亟待解决的问题.由于需要对客服的表述进行实时的服务流程挖掘,传统的面向流程模型的一致性验证方法在时效性上无法应用于面向在线客服的服务流程一致性检测场景.口语表达不规范以及词的表述多种多样等问题,也使得一些现有基于关键词匹配的方法不可行.本文将服务流程的一致性检测问题看作基于文本的服务流程序列分类问题,利用有监督的机器学习分类方法予以解决.由于需要对构成服务流程序列的词序进行考虑,本文采用循环神经网络(Recurrent Neural Network,RNN)与卷积神经网络(Convolutional Neural Net-work,CNN)作为分类模型.考虑到业务初始阶段数据量积累有限以及标注困难,本文针对CNN与RNN结构做出了相应的分析与比较,最后分别得出RNN与CNN在实际数据集下最高的服务流程检测准确度94.55％与92.83％,并且本文分析与比较得出的结论也可为两个模型在实践中的取舍提供一些指导性建议.