多模型融合的客服工单文本分类方法的研究与实现

张亮，代晓菊，郑荣，贺同泽

多模型融合的客服工单文本分类方法的研究与实现

张亮1，代晓菊1，郑荣1，贺同泽2

（1. 上海理想信息产业（集团）有限公司，上海 201315；2. 北京邮电大学，北京 100876）

电信呼叫中心客服在人工进行工单分类时存在归档耗时长、效率低、准确率难以保障的问题，但此场景下类别数量多，且类别间具有层级关联，导致传统文本分类方法准确率较低。针对此问题，提出了一种基于多模型融合的文本分类方法，根据不同层级的数据特点使用不同模型进行分类，考虑了类别的层级关联以提升准确率，并验证了此方法的有效性，可以优化客服生产系统运营流程，加快现场人工客服响应能效，提升客服热线整体运营效率，实现人工智能注智生产。

文本分类；客服工单；多模型融合；运营效率

1 引言

目前国内传统的呼叫中心，主要通过人工客服和自助语音助手两种方式，全天候提供咨询、订购办理、投诉建议等热线服务。目前自助语音助手只能帮助用户进行简单的查询和订购操作，而面对复杂业务诉求，诸多用户还是会选择人工客服来处理诉求。人工客服不但要记住客户诉求，还要在相关业务运营系统进行分类归档，势必会耗费大量时间，完全采用人工的方式进行管理越来越不能满足实际的需求，并且伴随用户需求剧增和变化，对呼叫中心的接通率提出更高和更全面的要求，势必需要融入各种新技术来使之适应需求。

以电信客服呼叫中心为例，目前日均呼入量为25 000通，而接通率为92%，电话诉求日均受理量已达到20 000多件，每位人工客服日均受理80通电话或录音。……