罗 欣，张 爽

（国网浙江省电力公司电力科学研究院，杭州 310014）

深度学习在电力潜在投诉识别分类中的应用

罗 欣，张 爽

（国网浙江省电力公司电力科学研究院，杭州 310014）

随着用户对用电服务的要求及维权意识的不断提高，供电企业需开展海量客户诉求分析，从而实现供电业务薄弱点的发现和改进。因此，提出基于深度学习的电力疑似投诉工单识别分类技术应用，通过深度学习建模、投诉特征标签提炼、模型学习训练、疑似投诉识别，优化投诉风险预警与管理工作，缓解一线工作人员服务压力。

95598；投诉；文本分类；深度学习

0 引言

如何减少用户的投诉量，提高用户的满意度成为目前供电企业关注的焦点。对投诉的有效分析管理，可以提高客户的满意度和忠诚度，实现对供电业务薄弱点的发现与改进，对提升供电企业的服务品质，提升企业形象具有重要的意义。

从95598来电分析，大量客户虽未直接投诉，或者客服专席误判非投诉，但是通过咨询、意见和建议等表达对供电服务的不满，若处理不当或不及时，可能升级为客户投诉。全省年话务量高达八百万通，采用传统抽样录音质检模式，由人工进行逐一反复听取录音，工作效率低，无法准确、高效地提取客户的投诉点、不满意点。据不完全统计仅疑似投诉质检常态任务年投入工时为3 456人，而这在未来全面客户诉求挖掘工作中占比不足1%。

通过基于深度学习的电力疑似投诉工单识别技术，可有效优化质量监督管理工作，强化服务问题防控，减轻基层投诉压力。……