關(guān)志廣 程喬

摘要：為了充分挖掘非結(jié)構(gòu)化數(shù)據(jù)蘊含的信息價值，文章介紹了基于自然語言處理的文本挖掘技術(shù)，從原理到實踐進行了探究。以電信運營商移動網(wǎng)絡客戶的體驗與口碑為導向，利用文本挖掘技術(shù)在互聯(lián)網(wǎng)輿情分析和客服部門投訴工單分析等方面進行探索，給出了基于非結(jié)構(gòu)化文本數(shù)據(jù)的信息分類與呈現(xiàn)的方法，從而更好地聚焦客戶需求和網(wǎng)絡問題，支撐網(wǎng)絡維護與優(yōu)化工作，提升客戶滿意度。

關(guān)鍵詞：文本挖掘；自然語言處理；結(jié)構(gòu)化數(shù)據(jù)；輿情；投訴

中圖分類號：TP391文獻標志碼：A

0 引言

對電信企業(yè)而言，客戶網(wǎng)絡體驗好壞是影響網(wǎng)絡口碑的重要因素，如何高效改善客戶網(wǎng)絡感知是當前迫在眉睫的問題。在相關(guān)的工作經(jīng)歷中發(fā)現(xiàn)，客戶通過客服系統(tǒng)反饋的投訴工單以及在社交媒體發(fā)表的言論是其反映網(wǎng)絡問題的主要渠道，較為真實、可靠地反映了客戶對網(wǎng)絡的真實體驗。但其中更多的是以非結(jié)構(gòu)化數(shù)據(jù)的形式存在，難以有效地利用起來。此類數(shù)據(jù)日積月累，形成了一個潛在的體量龐大的信息資源。因此，深入探索文本挖掘技術(shù)，在客服投訴工單與互聯(lián)網(wǎng)輿情等方面進行輔助分析，將有助于發(fā)揮更多的數(shù)據(jù)價值，以指導客戶滿意度提升工作，維護企業(yè)良好的網(wǎng)絡口碑。

1 文本挖掘技術(shù)

文本挖掘技術(shù)包括了自然語言處理（Natural Language Processing，NLP）、信息抽取、數(shù)據(jù)挖掘等技術(shù)［1］，可以對非結(jié)構(gòu)化數(shù)據(jù)進行處理，從中抽取潛在的、客戶感興趣的重要信息，是一個將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為構(gòu)化數(shù)據(jù)的過程。

一般而言，要實現(xiàn)文本挖掘的分類應用主要有以下幾個過程：首先，根據(jù)人工識別設定的標簽體系對樣本進行分類標注，構(gòu)建模型訓練集；其次，運用文本分類工具進行文本分詞及預處理，抽取文本特征，將文本數(shù)據(jù)轉(zhuǎn)化為能描述文本內(nèi)容的結(jié)構(gòu)化數(shù)據(jù)；再次，基于樸素貝葉斯算法自動計算特征向量和分類貢獻度（TF-IDF值），輸出形成分類規(guī)則表構(gòu)建模型［2］；最后，利用分類、聚類和關(guān)聯(lián)分析等數(shù)據(jù)挖掘技術(shù)根據(jù)該結(jié)構(gòu)發(fā)現(xiàn)新的概念，獲取相應的關(guān)系。

目前有多種開源文本分類工具，比如，TextGrocery，OpenNLP，Weka，GATE等。TextGrocery是一個基于Lib Linear和Jieba分詞的短文本分類工具，其特點是高效易用，同時支持中文和英文語料。本文在Python環(huán)境下使用TextGrocery對文本進行模型訓練，基于訓練好且準確性高的模型對工單的投訴內(nèi)容進行智能分類。

1.1 自然語言處理

2 應用案例

2.1 客服投訴工單文本挖掘

基于NLP的文本挖掘技術(shù)可以構(gòu)建非結(jié)構(gòu)化數(shù)據(jù)的文本分類模型，實現(xiàn)對海量的客戶投訴工單文本的自動分類，并將分類結(jié)果結(jié)合投訴位置信息形成對應類型的客戶投訴位置地理化打點圖，方便網(wǎng)絡優(yōu)化工程師聚焦處理某類網(wǎng)絡問題所引起的大量客戶投訴。

在訓練文本分類模型之前，需要人工對典型性的歸屬于網(wǎng)絡側(cè)的投訴工單回復文本打上分類標簽形成模型的訓練集，其標簽為弱覆蓋、干擾、故障告警、高負荷四大類。利用Grocery工具基于訓練集進行建模和訓練，通過對數(shù)據(jù)集的處理和模型參數(shù)調(diào)優(yōu)，使得輸出模型的準確性在80%以上。使用訓練好的模型對待分類的工單文本進行分類分析，獲得了網(wǎng)絡問題分類結(jié)果，再通過地理化的問題打點，很容易看到大量的客戶投訴實際只聚集在為數(shù)不多的區(qū)域——比如龍胤鳳凰城住宅小區(qū)，這便是關(guān)注和處理的重點。對歸屬于網(wǎng)絡弱覆蓋問題且投訴量較多的龍胤鳳凰城住宅小區(qū)優(yōu)先開通新基站后，結(jié)合MR數(shù)據(jù)分析得知，相關(guān)區(qū)域的網(wǎng)絡弱覆蓋率得到改善，客戶網(wǎng)絡體驗得到進一步提升。實現(xiàn)文本分類應用的Python核心代碼及模型輸出的網(wǎng)絡問題分類結(jié)果如圖1所示。

2.2 互聯(lián)網(wǎng)輿情文本挖掘

利用網(wǎng)絡爬蟲提取網(wǎng)絡媒體如論壇、貼吧、微博等互聯(lián)網(wǎng)上的輿情數(shù)據(jù)，通過文本挖掘技術(shù)對輿情數(shù)據(jù)進行智能分類與分析，得到與電信企業(yè)相關(guān)的輿情動態(tài)。將輿情分析的結(jié)果關(guān)聯(lián)網(wǎng)絡性能指標與業(yè)務感知數(shù)據(jù)，按優(yōu)先級、影響程度等指導移動網(wǎng)絡優(yōu)化工作。

互聯(lián)網(wǎng)輿情數(shù)據(jù)采集主要通過部署爬蟲收集器獲得［3］。以“廣西大學吧”貼吧輿情數(shù)據(jù)爬取為例進行說明：入口地址為http：//tieba.baidu.com/f？kw=廣西大學&ie=utf-8&pn=0，該頁面包含發(fā)帖客戶ID、發(fā)帖時間、發(fā)帖內(nèi)容、回復人數(shù)等信息，分頁采用50個帖一頁的傳統(tǒng)分頁，具有典型性。HTML文檔屬于描述性結(jié)構(gòu)，對爬取到的HTML文檔提取有效信息可以通過網(wǎng)頁源代碼標簽解析來限定期望提取的內(nèi)容。

筆者前期已經(jīng)從大量與網(wǎng)絡相關(guān)的歷史投訴信息中，分析整理網(wǎng)絡感知體驗差的關(guān)鍵詞并構(gòu)建關(guān)鍵詞庫。部分負面輿情關(guān)鍵詞和語義分類如表1所示。

基于定義構(gòu)建的輿情關(guān)鍵詞，使用文本挖掘技術(shù)建立分類應用模型，對輿情數(shù)據(jù)進行語義關(guān)鍵詞提取并依此歸類整理、可視化輸出，以進一步篩選提煉與疑似網(wǎng)絡類輿情相關(guān)的內(nèi)容［4］。通過對集中度高、重要性高的網(wǎng)絡輿情內(nèi)容分析得知，廣西大學宿舍區(qū)域存在較多的與上網(wǎng)類相關(guān)的負面輿情信息，如表2所示。

結(jié)合所涉及的電信運營商移動網(wǎng)絡基站話統(tǒng)數(shù)據(jù)分析，核實了基站負荷過高導致的視頻卡頓率、游戲卡頓率惡化的情況，與輿情所反映的情況相符。對相關(guān)基站小區(qū)進行設備擴容以及多載波間負荷均衡優(yōu)化后，網(wǎng)絡負荷得到緩解，業(yè)務卡頓現(xiàn)象改善明顯。

3 結(jié)語

本文的研究表明，基于自然語言處理的文本挖掘技術(shù)可以充分挖掘出電信企業(yè)客服投訴工單，網(wǎng)絡輿情之中非結(jié)構(gòu)化數(shù)據(jù)蘊含的信息，并且利用這些信息進行分類探究，可以更好地了解客戶需求，指導相關(guān)網(wǎng)絡感知提升工作的開展，助力提升客戶滿意度。

通過文中的應用案例可以看到新技術(shù)帶來的優(yōu)勢，人工智能必然會滲透到各領(lǐng)域的實際生產(chǎn)中，帶來不可估量的價值。然而，在此種分類應用的研究和使用中，我們也發(fā)現(xiàn)了一些問題和不足，例如，模型準確率有待提高、功能相對單一等。后續(xù)可以在分類算法的優(yōu)化方面下功夫，引入聚類、情感識別等方面的改進，不斷提高數(shù)據(jù)向價值的轉(zhuǎn)換效率。

參考文獻

［1］張樂，唐亮.人工智能時代語言學家面臨的機遇和挑戰(zhàn)［J］.電腦知識與技術(shù)，2020（24）：195-197.

［2］劉懷亮，杜坤，秦春秀.基于知網(wǎng)語義相似度的中文文本分類研究［J］.現(xiàn)代圖書情報技術(shù)，2015（2）：39-45.

［3］肖良玉.爬蟲技術(shù)在互聯(lián)網(wǎng)領(lǐng)域的應用［J］.數(shù)碼世界，2017（12）：548-549.

［4］史瑞芳.網(wǎng)頁正文信息抽取新方法［J］.通信世界，2015（19）：210-211.

（編輯 傅金睿）