CN107992521A - 处理用户的服务请求的方法及装置 - Google Patents

Abstract

本说明书披露的实施例提供的一种处理用户的服务请求的方法，获取用户的服务请求信息，用户在使用电子服务平台中的服务时流程被中断的中断事件，以及该中断事件的属性标签集。并根据服务请求信息和属性标签集确定参数集，且参数集至少包括服务请求信息的文本与属性标签集中的标签文本的文本相似度。再根据参数集确定服务请求信息与中断事件的相关度。

Description

处理用户的服务请求的方法及装置

技术领域

本说明书披露的多个实施例涉及互联网技术领域，尤其涉及一种处理用户的服务请求的方法及装置。

背景技术

随着互联网技术的发展，人们越来越频繁地使用电子服务平台提供的服务。用户在使用该服务的过程中，难免会遇到一些问题。为了帮助用户解决问题，电子服务平台通常会提供客服平台，且客服平台可以提供电子客服或人工客服。

目前，当用户向客服平台请求帮助时，电子客服通常会提供一些咨询率较高的问题供用户选择。但因这些问题的数量有限，用户可能无法从标准问题库中找到需要解决的问题。另外，当用户选择人工客服的方式时，往往需要花费较长的时间，才能让客服人员清楚地了解用户需要解决的问题。因此，需要提供更高效的方法，使客服平台能够快速确定用户需要解决的问题，以及时提供解决方案。

发明内容

本说明书描述了一种处理用户的服务请求的方法及装置，通过获取用户在使用电子平台中的服务时流程被中断的中断事件和中断事件的属性标签集，从而能够快速准确地确定用户的服务请求信息与中断事件的相关度。

第一方面，提供了一种处理用户的服务请求的方法。该方法包括：

获取用户的服务请求信息；

获取所述用户在使用电子服务平台中的服务时流程被中断的中断事件，以及所述中断事件的属性标签集；

根据所述服务请求信息和所述属性标签集确定参数集，所述参数集至少包括所述服务请求信息的文本与所述属性标签集中的标签文本的文本相似度；

根据所述参数集确定所述服务请求信息与所述中断事件的相关度。

在一个可能的实施方式中，所述属性标签集包括事件类型标签，打扰方式标签，中断结果标签，发生时间标签，和重要等级标签中的一种或多种。

在一个可能的实施方式中，所述参数集还包括等级参数；

所述根据所述属性标签集和所述服务请求信息确定参数集，包括：

根据所述重要等级标签确定所述等级参数。

在一个可能的实施方式中，所述参数集还包括时间差参数；

服务请求所述根据所述属性标签集和所述服务请求信息确定参数集，包括：

根据所述发生时间标签和所述服务请求信息的接收时间，确定所述时间差参数。

在一个可能的实施方式中，所述根据所述参数集确定所述服务请求信息与所述中断事件的相关度，包括：

将所述参数集中的参数输入逻辑回归模型中，计算出所述服务请求信息与中断事件相关的概率值；

根据所述概率值，确定所述服务请求信息与所述中断事件的相关度。

第二方面，提供了一种处理用户的服务请求的装置。该装置包括：

第一获取单元，用于获取用户的服务请求信息；

第二获取单元，用于获取所述用户在使用电子服务平台中的服务时流程被中断的中断事件，以及所述中断事件的属性标签集；

第一确定单元，用于根据所述服务请求信息和所述属性标签集确定参数集，所述参数集至少包括所述服务请求信息的文本与所述属性标签集中的标签文本的文本相似度；

第二确定单元，用于根据所述参数集确定所述服务请求信息与所述中断事件的相关度。

在一种可能的设计中，所述第二获取单元获取的属性标签集包括事件类型标签，打扰方式标签，中断结果标签，发生时间标签，和重要等级标签中的一种或多种。

在一种可能的设计中，所述第一确定单元确定的参数集还包括等级参数；

所述第一确定单元具体用于：

根据所述重要等级标签确定所述等级参数。

在一种可能的设计中，所述第一确定单元确定的参数集还包括时间差参数；

所述第一确定单元具体用于：

根据所述发生时间标签和所述服务请求信息的接收时间，确定所述时间差参数。

在一种可能的设计中，所述第二确定单元包括：

计算子单元，用于将所述参数集中的参数输入逻辑回归模型中，计算出所述服务请求信息与中断事件相关的概率值；

确定子单元，用于根据所述概率值，确定所述服务请求信息与所述中断事件的相关度。

本说明书提供的一种处理用户的服务请求的方法及装置,通过获取用户在使用电子服务平台中的服务时流程被中断的中断事件，以及中断事件的属性标签集，根据服务请求信息和属性标签集确定参数集，并根据参数集确定服务请求信息与中断事件的相关度，从而能够快速准确地确定用户的服务请求信息与中断事件的相关度。进一步地，根据确定的相关度，将服务请求分配给对应的处理端，以及/或者，向处理端提供相关度高于预设阈值的中断事件，从而使处理端能够根据中断事件快速定位出用户服务请求的原因，进而更加高效地处理用户的服务请求。

附图说明

为了更清楚地说明本说明书披露的多个实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书披露的多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本说明书披露的一个实施例提供的一种处理用户的服务请求的方法的应用场景示意图；

图2为本说明书披露的一个实施例提供的一种处理用户的服务请求的方法流程图；

图3为本说明书披露的一个实施例提供的一种处理用户的服务请求的装置结构图。

具体实施方式

下面结合附图，对本说明书披露的多个实施例进行描述。

图1为本说明书披露的一个实施例提供的一种处理用户的服务请求的方法的应用场景示意图。所述处理方法的执行主体可以为处理平台。图1中，处理平台(如，处理平台可以为电子支付平台提供的客服平台)在获取用户通过终端(如，终端可以为固定电话、手机、平板电脑、可穿戴智能设备等)发送的服务请求(如，服务请求的信息可以包括“一个手机可以绑定几个支付宝”或“为什么使用蚂蚁花呗支付会失败”)后，可以采用本说明书披露的多个实施例提供的处理用户的服务请求的方法，获取用户在发送服务请求之前，使用电子服务平台(如，电子服务平台可以为支付宝平台)中的服务时流程被中断的中断事件(如，中断事件可以包括“使用蚂蚁借呗未通过人脸认证导致借钱失败”)，以及中断事件的属性标签集(如，属性标签集可以包括“借呗”、“人脸”、“借钱”、“失败”)，进而确定服务请求信息与该中断事件的相关度。

本说明书披露的多个实施例提供的处理用户的服务请求的方法，通过获取用户在使用电子服务平台中的服务时流程被中断的中断事件，以及中断事件的属性标签集，根据服务请求信息和属性标签集确定参数集，并根据参数集确定服务请求信息与中断事件的相关度，从而能够快速准确地确定用户的服务请求信息与中断事件的相关度，进而可以确定出与服务请求相关的中断事件，也就是服务请求的原因。

图2为本说明书披露的一个实施例提供的一种处理用户的服务请求的方法流程图。所述方法的执行主体可以为具有处理能力的设备：服务器或者系统或者装置或者软件平台。如，图1中的处理平台。如图2所示，所述方法具体包括：

步骤S210，获取用户的服务请求信息。

具体的，服务请求信息可以包括用户对使用电子平台过程中遇到的问题的描述。

在一个例子中，服务请求信息包括用户对电子平台使用方法的疑问。例如，服务请求信息可以为“怎么查转账到卡剩余免费额度”，或者，“花呗申请分期后可以一次还清吗”。

在另一个例子中，服务请求信息包括用户在使用电子服务平台中的服务时流程被中断的问题。例如，服务请求信息可以为“为什么无法将余额宝中的资金提现到银行卡”，或者，“为什么使用支付宝余额转账到好友的账户需要进行短信认证”，或者，“为什么使用花呗支付时，人脸识别失败”。

本步骤中，还可以包括：获取用户发送服务请求的时间。例如，获取用户发送服务请求的时间为2017年10月19日上午10点。

或者，获取用户在电子服务平台中的账户信息。例如，获取用户在支付宝平台的账号为18811111111。

在一个例子中，处理平台可以根据服务请求直接获取用户在电子服务平台中的账户信息。例如，用户通过电子服务平台中的客服入口，发送服务请求。又例如，用户使用与其在电子服务平台的账户绑定的手机号，致电客服平台以告知服务请求。

在另一个例子中，处理平台可以根据客服人员在询问用户后输入的用户信息，获取用户在电子服务平台中的账户信息。例如，用户使用公司的固定电话，致电客服平台以告知服务请求。

在一个实施例中，用户通过在线方式发送服务请求。在这样的情况下，可以直接获得服务请求的文本信息。在另一实施例中，用户发送的服务请求为语音请求，例如用户通过来电、在线语音留言等方式发送服务请求。在这样的情况下，此步骤中还可以包括：将语音请求转化为文本信息。具体地，可以使用语音识别软件进行转化，对此不作限定。

步骤S220，获取用户在使用电子服务平台中的服务时流程被中断的中断事件，以及中断事件的属性标签集。

可以理解，电子服务平台的服务器或数据库中存储有用户在使用电子服务平台中的服务时产生的服务数据，这些服务数据可以包括用户在使用服务时流程被中断的中断事件，并且中断事件的数量可以为一个或多个。

相应地，根据用户在电子服务平台中的账户信息，就可以从电子服务平台的服务器或数据库中获取，接收到用户的服务请求之前，该用户在使用电子服务平台中的服务时流程被中断的中断事件，以及中断事件的属性标签集。

其中，中断事件可以包括用户在使用电子服务平台中的服务时，被安全拦截或被打扰的事件。“被安全拦截事件”可以包括电子服务平台判断用户使用的服务存在不安全因素，而终止该服务；“被打扰事件”可以包括在用户使用电子服务平台中的服务时，该平台要求对用的身份进行认证，或者对用户正在使用的服务进行限制，如限制使用额度或使用次数等，导致用户无法快速完成该服务中的操作流程。

在一个实施例中，可以为记录的中断事件贴上属性标签，构成属性标签集，从而更好地标记该中断事件的要素。

在一个实施例中，属性标签集包括事件类型标签。“事件类型标签”可以标识中断事件的事件类型，如“登陆”、“支付”、“转账”、“修改绑定手机号”、“修改注册邮箱”等。

在一个实施例中，属性标签集包括打扰方式标签。“打扰方式标签”可以标识中断事件中用户使用服务的流程被中断的方式，如“人脸”、“短信”、“指纹”、“邮件”和“受限”等。

在一个实施例中，属性标签集包括中断结果标签。“中断结果标签”可以标识中断事件的结果或者账户目前的状态，如“失败”、“成功”、“冻结”等。

在一个实施例中，属性标签集包括发生时间标签。“发生时间标签”可以是一个时间戳，用于标识中断事件的发生时间，如“2017/10/19/19:00”。

在一个实施例中，属性标签集包括重要等级标签。“重要等级标签”可以标识用户因中断事件发起服务请求的可能性，如当用户在电子服务平台中的服务权限被暂停时，“重要等级标签”为“高”；当用户在使用服务中未被打扰而直接操作失败时，“重要等级标签”为“中高”；当用户在使用服务中被打扰且服务失败时，“重要等级标签”为“中”；当用户在使用服务中被打扰但服务成功时，“重要等级标签”为“低”。

根据不同的业务场景，属性标签集可以包括以上标签类型中的一种或多种，还可以包括更多种的标签，例如交易数额标签等等，在此不作穷举。

在一个具体例子中，用户在使用支付宝中的转账服务时，支付宝判断出对方账户曾被人举报，或为异地账户，或者为用户黑名单中的账户，或为与用户的账户无历史交易记录的陌生账户。此时，支付宝可以对此次转账服务进行安全拦截，并提示用户此次转账服务被终止。相应的，属性标签集可以包括事件类型标签，中断结果标签，发生时间标签，和重要等级标签。

例如，在2017年10月19日下午3点，用户发起使用支付宝账户A向支付宝账户B转入10,000元的操作请求，支付宝判断出支付宝账户B在近一个月内3次被举报为涉嫌诈骗的账户。因此，拒绝执行此次操作，并提示用户“因对方账户被多次举报，此次转账失败”。相应的，属性标签集可以包括“转账”、“失败”、“2017/10/19/15:00”和“中高”。

在另一个例子中，用户在使用电子服务平台中的服务时，被要求进行身份验证，如人脸验证、指纹验证、短信验证等，或者，用户使用该服务的额度或次数被限制，导致用户无法快速完成该服务中的操作。相应的，属性标签集可以包括事件类型标签，打扰方式标签，中断结果标签，和重要等级标签。

例如，用户在使用支付宝中的花呗进行支付时，需要进行指纹认证，在认证通过后支付完成。相应的，属性标签集可以包括“花呗”、“支付”、“指纹”、“成功”和“低”。

又例如，用户在使用支付宝中的蚂蚁借呗借款时，需要进行人脸验证，因人脸认证失败，导致此次交易无法完成，并且蚂蚁借呗的应用被冻结。相应的，属性标签集可以包括“借呗”、“人脸”、“失败”和“高”。

再例如，用户在使用与支付宝绑定的银行卡向余额宝中转入20,000元的过程中，因余额宝限制单次转账的额度为5000元，用户最少需要分四次才能将20,000元全部转入余额宝中。相应的，属性标签集可以包括“余额宝”、“转账”、“受限”、“成功”和“低”。

步骤S230，根据服务请求信息和属性标签集确定参数集，该参数集至少包括服务请求信息的文本与属性标签集中的标签文本的文本相似度。

具体地，基于步骤S210中获得的服务请求信息的文本，以及步骤S220中获得的属性标签集的各个标签文本，可以确定出两者的文本相似度。

更具体地，服务请求信息的文本中包括的标签文本越多，文本相似度越大。在一个例子中，文本相似度的值可以根据服务请求信息中包括的标签文本的数量确定。例如，文本相似度的值等于服务请求信息中包括的标签文本的个数。例如，服务请求信息的文本为“为什么使用花呗支付时，人脸识别失败？”。另一方面，某个中断事件的属性标签集包括“花呗”、“人脸”、“失败”。那么文本相似度可以为3。

此外，本步骤中，参数集还可以包括等级参数和时间差参数。等级参数可以根据属性标签集中的重要等级标签确定，时间差参数可以根据属性标签集中的发生时间标签和服务请求信息的接收时间确定。

在一个实施例中，根据属性标签集中的重要等级标签，确定等级参数。属性标签集中的重要等级越高，等级参数的数值越大。在一个例子中，重要等级与等级参数的数值一一对应。例如，当重要等级分别为“高”、“中”、“中高”和“低”时，相应的，等级参数分别为“3”、“2”、“1”和“0.5”。

在一个实施例中，根据属性标签集中的发生时间标签和服务请求信息的接收时间，确定时间差参数。发生时间标签中的发生时间与服务请求信息的接收时间之间相隔越久，时间差参数的数值越大。在一个例子中，时间差参数的数值可以由接收时间与发生时间的差值和预设单位确定。例如，接收时间与发生时间的差值为120min，预设单位为每10min，则时间差的数值为12。

在一个例子中，步骤S220中获取的中断事件为一个中断事件。例如，该中断事件为“通过密码验证，使用借呗成功借款1000元”，以及该中断事件的属性标签集包括：“借呗”、“借款”、“密码”、“成功”、“低”“2017/10/19/10:00”和“1000元”。且在步骤S210中获取的服务请求信息为“蚂蚁借呗能否提升额度”，服务请求的接收时间为2017年10月19日17:00。据此可以确定参数集中的文本相似度为“2”，等级参数为“0.5”，以及时间差参数为“42”。

在另一个例子中，步骤S220中获取的中断事件包括多个中断事件。在此步骤中，需要根据服务请求信息和各个中断事件的属性标签集，分别确定与各个中断事件对应的参数集，用以后续确定服务请求信息与各个中断事件的相关度。

例如，表1中所示的内容为响应于步骤S210中获取的某个用户的服务请求信息“为什么使用余额宝转账时转账失败”(接收时间为2017年10月19日17:00)，在步骤S220中获取的该用户所经历过的多个中断事件，以及中断事件的属性标签集。

表1

对于中断事件1，服务请求信息的文本中未包括该中断事件的属性标签集中的标签文本，相应的文本相似度的值为“0”；属性标签集中的重要等级标签为“低”，相应的等级参数为“0.5”；发生时间标签为“2017/10/10/9:00”，相应的时间差参数为“48”。

对于中断事件2，服务请求信息的文本中包括该中断事件的属性标签集中的标签文本“失败”，相应的文本相似度为1；属性标签集中的重要等级标签为“中”，相应的等级参数为“1”；发生时间标签为“2017/10/19/14:00”，相应的时间差参数为“24”。

对于中断事件3，服务请求信息的文本中包括该中断事件的属性标签集中的标签文本“余额宝”、“转账”和“失败”，相应的文本相似度为3；属性标签集中的重要等级标签为“中高”，相应的等级参数为“2”；发生时间标签为“2017/10/19/16:00”，相应的时间差参数为“6”。

对于中断事件4，服务请求信息的文本中包括该中断事件的属性标签集中的标签文本“余额宝”、“转账”和“失败”，相应的文本相似度为3；属性标签集中的重要等级标签为“高”，相应的等级参数为“3”；发生时间标签为“2017/10/19/16:30”，时间差参数为“3”。

尽管以上举例描述了文本相似度，等级参数和时间差参数的确定，但是可以理解，根据业务和场景需要，还可以获得更多参数用于后续相关度的判定。

接着，在步骤S240，根据参数集确定服务请求信息与中断事件的相关度。

具体地，将参数集中的参数输入逻辑回归模型中，计算出服务请求信息与中断事件相关的概率值。然后，根据概率值，确定服务请求信息与中断事件的相关度。

其中，逻辑回归模型可以根据已有的多个中断事件与多个服务请求训练获得。

在一个例子中，逻辑回归模型可以根据已有的多个中断事件与多个服务请求，采用Logistic回归分析获得，且获得的Logistic回归模型为：

Prob(中断事件，服务请求信息)＝h(θ；(x₁,x₂,…,x_n))

＝1/(1+exp(θ₁*x₁+θ₂*x₂+…+θ_n*x_n)) (1)

式(1)中，Prob(中断事件，服务请求信息)表示服务请求信息与中断事件的相关概率；x₁,x₂,…,x_n分别表示参数集中的第1、第2至第n个参数，θ表示训练参数值，θ₁,θ₂,…,θ_n分别表示第1、第2至第n个训练参数值。

例如，参数集中的参数包括文本相似度text_weight，时间差参数interval和等级参数grade。与该参数集对应的逻辑回归模型可以为：

Prob(中断事件，服务请求信息)＝h(θ；(text_weight,interval,grade))

＝1/(1+exp(θ₁*text_weight+θ₂*interval+θ₃*grade)) (2)

需要说明的是，逻辑回归模型还可以采用其他分类回归的方法获得，如SVM回归，对此不作限定。

上述根据概率值，确定服务请求信息与中断事件的相关度，可以包括：判断概率值与预设阈值的大小关系；如果概率值小于预设阈值，则确定服务请求信息与中断事件不相关；如果概率值不小于预设阈值，则确定服务请求信息与中断事件相关。

在一个例子中，预设阈值为60％，计算出的服务请求信息与中断事件相关的概率值为55％。据此可以确定服务请求信息与中断事件不相关。

在另一个例子中，预设阈值为70％，计算出的服务请求信息与中断事件相关的概率值为80％。故确定服务请求信息与中断事件相关。

当步骤S220中获取的中断事件为多个时，本步骤可以包括：根据与所述多个中断事件中各个中断事件对应的参数集，分别确定所述服务请求信息与各个中断事件的相关度。

具体的，将与多个中断事件中各个中断事件对应的参数集，分别输入逻辑回归模型中，计算出服务请求信息与多个中断事件中各个中断事件相关的概率值。然后，根据计算出的多个概率值，分别确定服务请求信息与各个中断事件的相关度。

在分别确定服务请求信息与各个中断事件的相关度之后，还可以包括：根据服务请求信息与各个中断事件的相关度，从多个中断事件中选择出至少一个作为与服务请求信息相关的中断事件。

在一个例子中，上述从多个中断事件中选择出至少一个作为与服务请求信息相关的中断事件，可以包括：从多个中断事件中选择相关度最高的中断事件作为与服务请求相关的中断事件。

例如，中断事件1、中断事件2、中断事件3和中断事件4与服务请求信息的相关度分别为5％、40％、70％和80％。因此，从这些中断事件中选择相关度最高的中断事件4作为与服务请求相关的中断事件。

在另一个例子中，上述从多个中断事件中选择出至少一个作为与服务请求信息相关的中断事件，可以包括：将多个中断事件中相关度高于预设阈值的中断事件均作为与服务请求相关的中断事件。

例如，中断事件1、中断事件2、中断事件3和中断事件4与服务请求信息的相关度分别为5％、40％、70％和80％，且预设阈值为60％。因此，从这些中断事件中选择相关度高于预设阈值的中断事件3和中断事件4作为与服务请求相关的中断事件。

需要说明的是，在步骤S240之后，还可以包括：根据确定的相关度，将用户的服务请求分配给对应的处理端。

在一个例子中，处理平台确定中断事件与服务请求相关，则将用户的服务请求分配给与该中断事件对应的处理端，例如专门处理此类中断事件的某组客服人员。

在另一个例子中，处理平台确定有多个中断事件与服务请求相关，则将用户的服务请求分配给与多个中断事件中相关度最高的中断事件对应的处理端。

或者，在步骤S240之后，还可以包括：向处理端提供相关度高于预设阈值的中断事件。在一个例子中，处理平台向处理端提供相关度高于预设阈值的多个中断事件，且多个中断事件按照相关度的大小顺序排列。在另一个例子中，处理平台向处理端提供相关度高于预设阈值的多个中断事件中相关度最高的中断事件。

本说明书披露的多个实施例提供的处理服务的用户请求的方法，通过获取用户在使用电子服务平台中的服务时流程被中断的中断事件，以及中断事件的属性标签集，根据服务请求信息和属性标签集确定参数集，并根据参数集确定服务请求信息与中断事件的相关度，从而能够快速准确地确定用户的服务请求信息与中断事件的相关度。进一步地，根据确定的相关度，将服务请求分配给对应的处理端，以及/或者，向处理端提供相关度高于预设阈值的中断事件，从而使处理端能够根据中断事件快速定位出用户服务请求的原因，进而更加高效地处理用户的服务请求。

与上述处理用户的服务请求的方法对应地，本说明书披露的多个实施例还提供一种处理用户的服务请求的装置，如图3所示，该装置包括：

第一获取单元310，用于获取用户的服务请求信息；

第二获取单元320，用于获取所述用户在使用电子服务平台中的服务时流程被中断的中断事件，以及所述中断事件的属性标签集；

第一确定单元330，用于根据所述服务请求信息和所述属性标签集确定参数集，所述参数集至少包括所述服务请求信息的文本与所述属性标签集中的标签文本的文本相似度；

第二确定单元340，用于根据所述参数集确定所述服务请求信息与所述中断事件的相关度。

在一种可能的设计中，所述装置处理的服务请求为语音请求，所述第一获取单元310具体用于：

将所述语音请求转化为文本信息。

在一种可能的设计中，所述第二获取单元320获取的属性标签集包括事件类型标签，打扰方式标签，中断结果标签，发生时间标签，和重要等级标签中的一种或多种。

在一种可能的设计中，所述第一确定单元330确定的参数集还包括等级参数；

所述第一确定单元330具体用于：

根据所述重要等级标签确定所述等级参数。

在一种可能的设计中，所述第一确定单元330确定的参数集还包括时间差参数；

所述第一确定单元330具体用于：

根据所述发生时间标签和所述服务请求信息的接收时间，确定所述时间差参数。

在一种可能的设计中，所述第二确定单元340包括：

计算子单元341，用于将所述参数集中的参数输入逻辑回归模型中，计算出所述服务请求信息与中断事件相关的概率值；

确定子单元342，用于根据所述概率值，确定所述服务请求信息与所述中断事件的相关度。

在一种可能的设计中，所述计算子单元341中的逻辑回归模型根据已有的多个中断事件与多个服务请求训练获得。

在一种可能的设计中，所述确定子单元342具体用于：

判断所述概率值与预设阈值的大小关系；

如果所述概率值小于所述预设阈值，则确定所述服务请求信息与所述中断事件不相关；

如果所述概率值不小于所述预设阈值，则确定所述服务请求信息与所述中断事件相关。

在一种可能的设计中，所述第二获取单元320获取的中断事件包括多个中断事件；

所述第二确定单元340具体用于：

根据与所述多个中断事件中各个中断事件对应的参数集，分别确定所述服务请求信息与各个中断事件的相关度。

在一种可能的设计中，该装置还包括：

处理单元350，用于根据所述服务请求信息与各个中断事件的相关度，从所述多个中断事件中选择出至少一个作为与所述服务请求信息相关的中断事件。

在一种可能的设计中，所述处理单元350具体用于：

从所述多个中断事件中选择相关度最高的中断事件作为与所述服务请求相关的中断事件。

在一种可能的设计中，所述处理单元350具体用于：

将所述多个中断事件中相关度高于预设阈值的中断事件均作为与所述服务请求相关的中断事件。

在一种可能的设计中，该装置还包括：

分配单元360，用于根据所述相关度，将所述服务请求分配给对应的处理端。

在一种可能的设计中，该装置还包括：

提供单元370，用于向处理端提供相关度高于预设阈值的中断事件。

本说明书披露的多个实施例提供的处理服务的用户请求的装置，通过第一获取单元获取用户的服务请求，第二获取单元获取用户在使用电子服务平台中的服务时流程被中断的中断事件，以及中断事件的属性标签集，第一确定单元根据服务请求信息和属性标签集确定参数集，第二确定单元根据参数集确定服务请求信息与中断事件的相关度，从而能够快速准确地确定用户的服务请求信息与中断事件的相关度。进一步地，分配单元根据确定的相关度，将服务请求分配给对应的处理端，以及/或者，提供单元向处理端提供相关度高于预设阈值的中断事件，从而使处理端能够根据中断事件快速定位出用户服务请求的原因，进而更加高效地处理用户的服务请求。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本说明书披露的多个实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。

以上所述的具体实施方式，对本说明书披露的多个实施例的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本说明书披露的多个实施例的具体实施方式而已，并不用于限定本说明书披露的多个实施例的保护范围，凡在本说明书披露的多个实施例的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本说明书披露的多个实施例的保护范围之内。

Claims (30)

1.一种处理用户的服务请求的方法，其特征在于，包括：

获取用户的服务请求信息；

获取所述用户在使用电子服务平台中的服务时流程被中断的中断事件，以及所述中断事件的属性标签集；

根据所述服务请求信息和所述属性标签集确定参数集，所述参数集至少包括所述服务请求信息的文本与所述属性标签集中的标签文本的文本相似度；

根据所述参数集确定所述服务请求信息与所述中断事件的相关度。

2.根据权利要求1所述的方法，其特征在于，所述服务请求为语音请求，所述获取用户的服务请求信息包括：

将所述语音请求转化为文本信息。

3.根据权利要求1所述的方法，其特征在于，所述属性标签集包括事件类型标签，打扰方式标签，中断结果标签，发生时间标签，和重要等级标签中的一种或多种。

4.根据权利要求3所述的方法，其特征在于，所述参数集还包括等级参数；

所述根据所述属性标签集和所述服务请求信息确定参数集，包括：

根据所述重要等级标签确定所述等级参数。

5.根据权利要求3所述的方法，其特征在于，所述参数集还包括时间差参数；

所述根据所述属性标签集和所述服务请求信息确定参数集，包括：

根据所述发生时间标签，以及所述服务请求信息的接收时间，确定所述时间差参数。

6.根据权利要求1所述的方法，其特征在于，所述根据所述参数集确定所述服务请求信息与所述中断事件的相关度，包括：

将所述参数集中的参数输入逻辑回归模型中，计算出所述服务请求信息与中断事件相关的概率值；

根据所述概率值，确定所述服务请求信息与所述中断事件的相关度。

7.根据权利要求6所述的方法，其特征在于，所述逻辑回归模型根据已有的多个中断事件与多个服务请求训练获得。

8.根据权利要求6所述的方法，其特征在于，所述根据所述概率值，确定所述服务请求信息与所述中断事件的相关度，包括：

判断所述概率值与预设阈值的大小关系；

如果所述概率值小于所述预设阈值，则确定所述服务请求信息与所述中断事件不相关；

如果所述概率值不小于所述预设阈值，则确定所述服务请求信息与所述中断事件相关。

9.根据权利要求1所述的方法，其特征在于，所述中断事件包括多个中断事件；

所述根据所述参数集确定所述服务请求信息与中断事件的相关度，包括：

根据与所述多个中断事件中各个中断事件对应的参数集，分别确定所述服务请求信息与各个中断事件的相关度。

10.根据权利要求9所述的方法，其特征在于，还包括：

根据所述服务请求信息与各个中断事件的相关度，从所述多个中断事件中选择出至少一个作为与所述服务请求信息相关的中断事件。

11.根据权利要求10所述的方法，其特征在于，从所述多个中断事件中选择出至少一个作为与所述服务请求信息相关的中断事件包括：

从所述多个中断事件中选择相关度最高的中断事件作为与所述服务请求相关的中断事件。

12.根据权利要求10所述的方法，其特征在于，从所述多个中断事件中选择出至少一个作为与所述服务请求信息相关的中断事件包括：

将所述多个中断事件中相关度高于预设阈值的中断事件均作为与所述服务请求相关的中断事件。

13.根据权利要求1所述的方法，其特征在于，还包括：

根据所述相关度，将所述服务请求分配给对应的处理端。

14.根据权利要求1所述的方法，其特征在于，还包括：

向处理端提供相关度高于预设阈值的中断事件。

15.一种处理用户的服务请求的装置，其特征在于，包括：

第一获取单元，用于获取用户的服务请求信息；

第二获取单元，用于获取所述用户在使用电子服务平台中的服务时流程被中断的中断事件，以及所述中断事件的属性标签集；

第一确定单元，用于根据所述服务请求信息和所述属性标签集确定参数集，所述参数集至少包括所述服务请求信息的文本与所述属性标签集中的标签文本的文本相似度；

第二确定单元，用于根据所述参数集确定所述服务请求信息与所述中断事件的相关度。

16.根据权利要求15所述的装置，其特征在于，所述装置处理的服务请求为语音请求，所述第一获取单元具体用于：

将所述语音请求转化为文本信息。

17.根据权利要求15所述的装置，其特征在于，所述第二获取单元获取的属性标签集包括事件类型标签，打扰方式标签，中断结果标签，发生时间标签，和重要等级标签中的一种或多种。

18.根据权利要求17所述的装置，其特征在于，所述第一确定单元确定的参数集还包括等级参数；

所述第一确定单元具体用于：

根据所述重要等级标签确定所述等级参数。

19.根据权利要求17所述的装置，其特征在于，所述第一确定单元确定的参数集还包括时间差参数；

所述第一确定单元具体用于：

根据所述发生时间标签，以及所述服务请求信息的接收时间，确定所述时间差参数。

20.根据权利要求15所述的装置，其特征在于，所述第二确定单元包括：

计算子单元，用于将所述参数集中的参数输入逻辑回归模型中，计算出所述服务请求信息与中断事件相关的概率值；

确定子单元，用于根据所述概率值，确定所述服务请求信息与所述中断事件的相关度。

21.根据权利要求20所述的装置，其特征在于，所述计算子单元中的逻辑回归模型根据已有的多个中断事件与多个服务请求训练获得。

22.根据权利要求20所述的装置，其特征在于，所述确定子单元具体用于：

判断所述概率值与预设阈值的大小关系；

如果所述概率值小于所述预设阈值，则确定所述服务请求信息与所述中断事件不相关；

如果所述概率值不小于所述预设阈值，则确定所述服务请求信息与所述中断事件相关。

23.根据权利要求15所述的装置，其特征在于，所述第二获取单元获取的中断事件包括多个中断事件；

所述第二确定单元具体用于：

根据与所述多个中断事件中各个中断事件对应的参数集，分别确定所述服务请求信息与各个中断事件的相关度。

24.根据权利要求23所述的装置，其特征在于，还包括：

处理单元，用于根据所述服务请求信息与各个中断事件的相关度，从所述多个中断事件中选择出至少一个作为与所述服务请求信息相关的中断事件。

25.根据权利要求24所述的装置，其特征在于，所述处理单元具体用于：

从所述多个中断事件中选择相关度最高的中断事件作为与所述服务请求相关的中断事件。

26.根据权利要求24所述的装置，其特征在于，所述处理单元具体用于：

将所述多个中断事件中相关度高于预设阈值的中断事件均作为与所述服务请求相关的中断事件。

27.根据权利要求15所述的装置，其特征在于，还包括：

分配单元，用于根据所述相关度，将所述服务请求分配给对应的处理端。

28.根据权利要求15所述的装置，其特征在于，还包括：

提供单元，用于向处理端提供相关度高于预设阈值的中断事件。

29.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-14中任一项的所述的方法。

30.一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-14中任一项所述的方法。