基于联合神经网络的投诉预测模型研究.pdfVIP

研究与开发

基于联合神经网络的投诉预测模型研究

马晓亮1,2,3，刘英2,3，高洁2,3

（1.西安电子科技大学，陕西西安710071；

2.中国电信股份有限公司广州分公司，广东广州510620；

3.马晓亮劳模与工匠人才创新工作室，广东广州510620）

摘要：对影响电信运营商重复投诉的关键因素进行深入探讨，旨在提高服务质量并构建风险预测模型。基

于运营商客服数据，研究采用了Logistic回归、BP神经网络以及二者联合建模的方法。Logistic回归模型确

定了5个主要影响因素，预测重复投诉发生的概率，精度达到80.0%。BP神经网络则选取了81个影响因素，

预测精度为90.6%。在此基础上，构建了联合模型，其精度高达92.8%。实际应用于某省会电信运营商后，

重复投诉率下降了3.2%，成效显著，为提高电信运营商服务质量、降低重复投诉率提供了有力支持，对我国

电信行业发展具有重要意义。

关键词：AI客服；联合建模；重复投诉；Logistic回归；深度学习模型

中图分类号：TP393

文献标志码：A

doi:10.11959/j.issn.1000−0801.2024006

Researchonacomplaintpredictionmodel

utilizingjointneuralnetworks

MAXiaoliang1,2,3,LIUYing2,3,GAOJie2,3

1.XidianUniversity,Xi’an710126,China

2.GuangzhouBranchofChinaTelecomCo.,Ltd.,Guangzhou510620,China

3.MaXiaoliangInnovationStudioforModelWorkersandCreativeTalents,Guangzhou510620,China

Abstract:Byconductingin-depthexplorationonthekeyfactorsaffectingrepeatcomplaintsoftelecomoperators,

thisstudyaimedtoimproveservicequalityandconstructariskpredictionmodel.Basedontheoperator’scustomer

servicedata,thestudyemployedLogisticregression,BPneuralnetwork,andtheircombinedmodelingmethods.The

Logisticregressionmodelidentifiedfivemajorinfluencingfactors,predictingtheprobabilityofrepeatcomplaints

withanaccuracyof80.0%.TheBPneuralnetworkselected81influencingfactors,achievingapredictionaccuracyof

90.6%.Onthisbasis,acombinedmodelwasconstructedwithanaccuracyrateofupto92.8%.A