基于CBR模型的呼叫中心系统

来源 :广东工业大学 | 被引量 : 1次 | 上传用户:hzq5157585
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
客户关系管理(Customer Relationship Management,简写为CRM)分为三类:分析型、操作型和协作型。协作型CRM是指客户和企业进行交互的前端应用,呼叫中心系统是其中一个重要的应用。传统呼叫中心系统通过交互式语音响应(IVR)和计算机集成电话(CTI)技术,使客户能够方便地了解相应的产品和服务。不仅如此,各机构还可以利用这种交互方式收集客户和潜在客户的信息。这种系统的特点是人员和知识密集型,成本昂贵。 基于CBR(Case-based Reasoning)模型的呼叫中心系统在传统呼叫中心理念的基础上进行了改进。适应网络技术发展的趋势,把呼叫中心就是电话接触的观念拓展到了网络接触,节省了大量成本,并且对用户支持的准确性和效率显著改善。本文在三个方面研究了基于CBR模型的呼叫中心系统: 一是在理论上,以CBR模型作为基本理论,建立了一种有循环的、非结构化的自适应系统,构建了具有分布式结构的呼叫中心系统。 二是在系统设计上,采用了B/S架构,并充分利用JAVA语言的强大功能,按J2EE、XML等开放的软件开发标准进行设计,支持大规模并发用户和超大容量数据存储,可跨操作系统和数据库平台移植,具有企业级的可靠性、可用性、安全性和可扩展性。而客户端仅需一个浏览器。 三是在应用上,以联通公司客户服务支持为背景,分析了电信行业客户服务问题的特点,并相应构建了联通公司基于CBR模型的呼叫中心系统。 本文中的CBR模型有三个主要的创新。一是在同一模型中融合了后向传播算法、聚类技术、决策树技术;二是把实例的三层结构进行了改进,并把实例与属性之间的连接权重细化到实例与属性取值间的联接权重;三是在后向传播算法中引入差分Hebb学习法,并在计算过程中充分考虑了历史数据的影响。经验证该算法具有更高的收敛速度,实例检索速度大大提高。并且由于细化属性的引进,使得检索的准确性有所改善,结果更为可靠。
其他文献
21世纪是知识经济的时代,经济全球化发展更为迅猛,世界各国的企业都卷入其中。企业要想在这激烈的市场竞争中保持长久的优势地位,已经越来越艰难。短命的公司更是不计其数。于是