用戶滿意度預測方法、裝置、電子設備及存儲介質與流程

本公開涉及知識圖譜領域，尤其涉及一種用戶滿意度預測方法、裝置、電子設備及存儲介質。

背景技術：

1、預測用戶的滿意度，旨在獲知用戶的潛在不滿傾向，從而指導后續業務策略的精準調整，提升用戶體驗。在用戶滿意度預測過程中，可以通過機器學習分類算法構造分類器，并利用分類器對用戶進行分類，以確定潛在不滿意用戶。

2、然而，利用相關技術中的用戶滿意度預測方法，預測結果準確度和有效性較低。

技術實現思路

1、本公開提供一種用戶滿意度預測方法、裝置、電子設備及存儲介質，以解決相關技術中的問題，在預測用戶不滿傾向的基礎上，預測用戶的不滿意置信度和不滿意原因，提高滿意度預測結果準確性和有效性。

2、本公開的第一方面實施例提出了一種用戶滿意度預測方法，該方法包括：

3、利用預先構建的知識圖譜模型，從第一用戶的用戶事件序列中抽取事件特征，得到所述第一用戶在不同時間步的事件特征表示；所述用戶事件序列包括用戶在第一時間段內發生事件的特征信息，所述特征信息至少包括事件類別、事件內容和事件時間戳；

4、基于預先構建的所述第一用戶的用戶畫像和所述事件特征表示，預測所述第一用戶的滿意度信息；所述滿意度信息包括用戶類型、不滿意置信度和不滿意原因，所述用戶類型為滿意用戶或不滿意用戶。

5、上述方案中，所述基于預先構建的所述第一用戶的用戶畫像和所述事件特征表示，預測所述第一用戶的滿意度信息，包括：

6、利用注意力機制，基于預先構建的所述第一用戶的用戶畫像和所述事件特征表示，計算所述第一用戶帶有注意力權重的用戶序列表征；

7、基于所述用戶序列表征，預測所述第一用戶的滿意度信息。

8、上述方案中，所述基于所述用戶序列表征，預測所述第一用戶的滿意度信息，包括：

9、基于所述用戶序列表征，預測所述第一用戶的不滿意原因和不滿意得分；

10、基于所述不滿意得分和所述第一用戶的不滿意因子，確定所述第一用戶的不滿意置信度；

11、基于所述不滿意置信度，確定所述第一用戶的用戶類型為滿意用戶或不滿意用戶；其中，

12、所述不滿意因子是根據所述第一用戶的相似用戶中不滿意用戶的比例確定的。

13、上述方案中，所述方法還包括：

14、基于至少一個其他用戶的用戶畫像，從所述至少一個其他用戶中確定與所述第一用戶偏好接近的至少一個第二用戶；

15、確定所述至少一個第二用戶中不滿意用戶的比例，得到第一比例；

16、基于所述第一比例與全量用戶中不滿意用戶的比例之間的差值，確定所述第一用戶的不滿意因子。

17、上述方案中，所述方法還包括：

18、判斷所述第一用戶的不滿意置信度是否大于或等于預設閾值；

19、在所述第一用戶的不滿意置信度大于或等于預設閾值的情況下，確定所述第一用戶為不滿意用戶；

20、或者，

21、在所述第一用戶的不滿意置信度小于預設閾值的情況下，確定所述第一用戶為滿意用戶。

22、上述方案中，所述方法還包括：

23、利用所述第一用戶的基礎屬性信息，構建所述第一用戶的用戶畫像。

24、上述方案中，所述方法還包括：

25、獲取測試用戶在第一時序周期發生事件的事件信息，得到每個測試用戶的事件序列樣本和事件類別序列樣本；所述測試用戶包括滿意用戶和不滿意用戶；

26、將每個測試用戶的事件序列樣本和對應事件類別序列樣本進行嵌入向量表示拼接，得到對應測試用戶的樣本用戶序列；其中，所述樣本用戶序列包括對應測試用戶在不同時間步的特征表征；

27、基于所有測試用戶的樣本用戶序列，對長短期記憶網絡(long?short-termmemory，lstm)網絡進行訓練，得到所述知識圖譜模型。

28、本公開的第二方面實施例提出了一種用戶滿意度預測裝置，該裝置包括：

29、處理單元，用于利用預先構建的知識圖譜模型，從第一用戶的用戶事件序列中抽取事件特征，得到所述第一用戶在不同時間步的事件特征表示；所述用戶事件序列包括用戶在第一時間段內發生事件的特征信息，所述特征信息至少包括事件類別、事件內容和事件時間戳；

30、計算單元，用于基于預先構建的所述第一用戶的用戶畫像和所述事件特征表示，預測所述第一用戶的滿意度信息；所述滿意度信息包括用戶類型、不滿意置信度和不滿意原因，所述用戶類型為滿意用戶或不滿意用戶。

31、本公開的第三方面實施例提出了一種電子設備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行本公開第一方面實施例中描述的方法。

32、本公開的第四方面實施例提出了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，計算機指令用于使計算機執行本公開第一方面實施例中描述的方法。

33、本公開的第五方面實施例提出了一種計算機程序產品，包括計算機程序，計算機程序在被處理器執行本公開第一方面實施例中描述的方法。

34、本公開的第六方面實施例提出了一種芯片，該芯片包括一個或多個接口電路和一個或多個處理器；接口電路用于從電子設備的存儲器接收信號，并向處理器發送信號，信號包括存儲器中存儲的計算機指令，當處理器執行計算機指令時，使得電子設備執行本公開第一方面實施例中描述的方法。

35、綜上，本公開提出的用戶滿意度預測方法、裝置、電子設備及存儲介質，利用預先構建的知識圖譜模型，從第一用戶的用戶事件序列中抽取事件特征，得到所述第一用戶在不同時間步的事件特征表示；所述用戶事件序列包括用戶在第一時間段內發生事件的特征信息，所述特征信息至少包括事件類別、事件內容和事件時間戳；基于預先構建的所述第一用戶的用戶畫像和所述事件特征表示，預測所述第一用戶的滿意度信息；所述滿意度信息包括用戶類型、不滿意置信度和不滿意原因，所述用戶類型為滿意用戶或不滿意用戶。本公開提供的技術方案，通過將單個用戶在預設周期內發生的事件按照發生時間進行串聯，形成具有邏輯清晰事件線的時序序列，并利用知識圖譜對事件序列進行的特征提取和推理，不僅能夠在預測用戶滿意傾向的基礎上，獲知用戶的滿意置信度和不滿意原因，提高預測結果的有效性，且由于引入了事件之間的演化規律與演化模式，因此，能夠提高知識圖譜模型輸入信息的全面性，從而提高預測結果的準確性；同時，通過將時序序列和用戶畫像這兩種數據維度的信息進行融合，使知識圖譜模型的輸入信息能夠覆蓋時序關系特征和基本屬性行為特征，實現全面刻畫用戶的潛在不滿意趨勢，從而提高預測結果的準確性，進而能夠為后續業務策略的調整提供更為精準的指導，提高用戶體驗。

36、應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解釋性的，并不能限制本公開。

技術特征：

1.一種用戶滿意度預測方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述基于預先構建的所述第一用戶的用戶畫像和所述事件特征表示，預測所述第一用戶的滿意度信息，包括：

3.根據權利要求2所述的方法，其特征在于，所述基于所述用戶序列表征，預測所述第一用戶的滿意度信息，包括：

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

5.根據權利要求3所述的方法，其特征在于，所述方法還包括：

6.根據權利要求1至5中任一項所述的方法，其特征在于，所述方法還包括：

7.根據權利要求1至5中任一項所述的方法，其特征在于，所述方法還包括：

8.一種用戶滿意度預測裝置，其特征在于，所述裝置包括：

9.一種電子設備，其特征在于，包括：

10.一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其特征在于，所述計算機指令用于使所述計算機執行根據權利要求1至7中任一項所述的方法。

11.一種芯片，其特征在于，包括一個或多個接口電路和一個或多個處理器；所述接口電路用于從電子設備的存儲器接收信號，并向所述處理器發送所述信號，所述信號包括存儲器中存儲的計算機指令，當所述處理器執行所述計算機指令時，使得所述電子設備執行權利要求1至7中任一項所述的方法。

技術總結
本公開提供一種用戶滿意度預測方法、裝置、電子設備及存儲介質，方法包括：利用預先構建的知識圖譜模型，從第一用戶的用戶事件序列中抽取事件特征，得到所述第一用戶在不同時間步的事件特征表示；所述用戶事件序列包括用戶在第一時間段內發生事件的特征信息，所述特征信息至少包括事件類別、事件內容和事件時間戳；基于預先構建的所述第一用戶的用戶畫像和所述事件特征表示，預測所述第一用戶的滿意度信息；所述滿意度信息包括用戶類型、不滿意置信度和不滿意原因，所述用戶類型為滿意用戶或不滿意用戶。本公開提供的方案能夠在預測用戶不滿傾向的基礎上，預測用戶的不滿意置信度和不滿意原因，提高滿意度預測結果準確性和有效性。

技術研發人員：趙東明
受保護的技術使用者：中國移動通信集團天津有限公司
技術研發日：
技術公布日：2024/10/21