隨著互聯(lián)網(wǎng)的發(fā)展及我國GDP和對(duì)外進(jìn)出口貨物量的持續(xù)增長,快遞業(yè)飛速發(fā)展。2018年,全國快遞服務(wù)企業(yè)業(yè)務(wù)量累計(jì)完成507.1億件,同比增長26.6%;但快遞途中由于多方面的問題,導(dǎo)致用戶延遲收件或?qū)^程服務(wù)不滿意。隨著快遞服務(wù)監(jiān)管逐漸完善,越來越多的用戶通過郵政申訴維護(hù)自己權(quán)益,快遞業(yè)投訴量呈現(xiàn)上升趨勢(shì)。針對(duì)目前郵政行業(yè)申訴數(shù)據(jù)量越來越大、人工處理效率低、實(shí)名制推廣等問題,本研究對(duì)申訴業(yè)務(wù)相關(guān)數(shù)據(jù)進(jìn)行大量數(shù)據(jù)分析,同時(shí)基于機(jī)器學(xué)習(xí)算法進(jìn)行深入挖掘,并研發(fā)快遞申訴業(yè)務(wù)數(shù)據(jù)分析系統(tǒng)以滿足用戶需求。該研究有助于提高申訴業(yè)務(wù)處理效率,為調(diào)整監(jiān)管政策提供參考意見,具有一定的實(shí)用意義。本課題的研究點(diǎn)大致包含四個(gè)部分。1、申訴文本分類:申訴文本是用戶在申訴網(wǎng)站中描寫申述理由,請(qǐng)求重新處理對(duì)應(yīng)事件而生成的文本。針對(duì)申訴數(shù)據(jù)含有強(qiáng)烈不滿情緒及語法句法錯(cuò)誤多的問題,本研究提出一個(gè)基于字符級(jí)卷積神經(jīng)網(wǎng)絡(luò)的申訴文本分類模型。實(shí)驗(yàn)證明研究提出的模型在中英文申訴數(shù)據(jù)上均可以達(dá)到非常好的效果。2、郵政服務(wù)時(shí)限預(yù)測(cè):快件運(yùn)送時(shí)限是快遞服務(wù)非常重要的指標(biāo),而用戶申訴的眾多原因中,近40%都與延誤相關(guān)。延誤分析對(duì)降低用... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 相關(guān)研究現(xiàn)狀
    1.3 研究內(nèi)容
        1.3.1 申訴數(shù)據(jù)文本分類模型
        1.3.2 基于申訴面單的郵政服務(wù)時(shí)限分析模型
        1.3.3 申訴數(shù)據(jù)姓名合理性分析
        1.3.4 基于Spark的快遞申訴業(yè)務(wù)數(shù)據(jù)分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    1.4 本研究論文組織結(jié)構(gòu)
第二章 相關(guān)概念及相關(guān)工作
    2.1 模型算法相關(guān)概念及相關(guān)工作
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.2 隨機(jī)森林算法
    2.2 分布式相關(guān)概念及相關(guān)工作
    2.3 系統(tǒng)架構(gòu)相關(guān)概念及相關(guān)工作
    2.4 本章小結(jié)
第三章 申訴數(shù)據(jù)文本分類模型
    3.1 基于字符級(jí)卷積神經(jīng)網(wǎng)絡(luò)的申訴數(shù)據(jù)文本分類模型
        3.1.1 負(fù)面情緒移除模塊
        3.1.2 字符嵌入模塊
        3.1.3 特征提取模塊
        3.1.4 網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 實(shí)驗(yàn)驗(yàn)證
        3.2.1 實(shí)驗(yàn)數(shù)據(jù)與對(duì)比模型
        3.2.2 實(shí)驗(yàn)結(jié)果與分析
    3.3 模型在申訴責(zé)任判斷問題分類的延伸應(yīng)用
    3.4 本章小結(jié)
第四章 基于申訴面單的郵政時(shí)限分析模型
    4.1 延誤基本分析
        4.1.1 距離時(shí)長分析
        4.1.2 節(jié)點(diǎn)處理時(shí)間分析
        4.1.3 天氣
        4.1.4 快件收到和發(fā)出時(shí)間分布
    4.2 并行化延誤預(yù)測(cè)模型
        4.2.1 特征提取并行化實(shí)現(xiàn)
        4.2.2 隨機(jī)森林并行化實(shí)現(xiàn)
    4.3 實(shí)驗(yàn)驗(yàn)證
        4.2.3 實(shí)驗(yàn)數(shù)據(jù)
        4.2.4 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 申訴姓名合理性分析
    5.1 姓名合理性判斷規(guī)則
    5.2 姓名不合理原因維度分析
    5.3 姓名不合理企業(yè)維度分析
    5.4 姓名不合理申訴原因分析
    5.5 本章小結(jié)
第六章 基于Spark的快遞申訴業(yè)務(wù)數(shù)據(jù)分析系統(tǒng)實(shí)現(xiàn)
    6.1 系統(tǒng)需求分析
    6.2 系統(tǒng)框架搭建
        6.2.1 系統(tǒng)環(huán)境
        6.2.2 系統(tǒng)架構(gòu)
    6.3 系統(tǒng)模塊設(shè)計(jì)
        6.3.1 數(shù)據(jù)支撐模塊設(shè)計(jì)
        6.3.2 數(shù)據(jù)挖掘模塊設(shè)計(jì)
        6.3.3 管理及數(shù)據(jù)應(yīng)用模塊設(shè)計(jì)
    6.4 數(shù)據(jù)庫設(shè)計(jì)
    6.5 系統(tǒng)展示
    6.6 本章小結(jié)
第七章 總結(jié)與展望
    7.1 本文總結(jié)
    7.2 展望
參考文獻(xiàn)
致謝
攻讀碩士研究生期間發(fā)表的論文
攻讀碩士研究生期間發(fā)表的專利


【參考文獻(xiàn)】：
期刊論文
[1]2018年LLDPE年度報(bào)告及2019年市場(chǎng)展望[J]. 袁志達(dá),李洋,韓大宇.  塑料包裝. 2018(06)
[2]基于Hadoop的郵政寄遞大數(shù)據(jù)分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 王衛(wèi)鋒,楊林.  中國科學(xué)院大學(xué)學(xué)報(bào). 2017(03)
[3]基于Spark Streaming的實(shí)時(shí)數(shù)據(jù)分析系統(tǒng)及其應(yīng)用[J]. 韓德志,陳旭光,雷雨馨,戴永濤,張肖.  計(jì)算機(jī)應(yīng)用. 2017(05)
[4]我國快遞業(yè)投訴及其監(jiān)管問題研究[J]. 狄浩林.  黑龍江對(duì)外經(jīng)貿(mào). 2010(06)
[5]運(yùn)用層次分析法確定指標(biāo)的權(quán)值[J]. 石振武,趙敏.  科技和產(chǎn)業(yè). 2008(02)
[6]數(shù)據(jù)質(zhì)量評(píng)估方法研究[J]. 楊青云,趙培英,楊冬青,唐世渭,童云海.  計(jì)算機(jī)工程與應(yīng)用. 2004(09)



本文編號(hào)：3036618