CN109934267B - 模型检测方法及装置 - Google Patents

Abstract

本说明书一个或多个实施例公开了一种模型检测方法及装置，用以实现模型检测的自动化，从而提高模型检测的准确率及效率。所述方法包括：确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和/或第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；根据所述第一反馈信息和/或所述第二反馈信息，对所述目标事件的分类结果进行检测，获得检测结果。

Description

模型检测方法及装置

技术领域

本说明书涉及数据检测技术领域，尤其涉及一种模型检测方法及装置。

背景技术

目前，在一些需要数据核查的领域(如欺诈审理)中，准确率和覆盖率主要依赖于人工核查，即每次在查看相关准确率的时候总需要人工去抽样，不仅耗时耗力，时间也比较漫长，这种交互方式对于模型建模或者监管方和管理者的压力都是不利的。主要表现在：一方面，即使采用人工双盲查看的方式也可能导致核查结果偏差，如可能仅有90％的一致率；另一方面，投诉信息较为复杂时，若没有经过专业训练的人员，则很可能无法轻易查看相关投诉信息，不具有通用性；再一方面，人工核实的方式无法实现规模化，尤其是在数据核实量级变大的情况下。

发明内容

本说明书一个或多个实施例的目的是提供一种模型检测方法及装置，用以实现模型检测的自动化，从而提高模型检测的准确率及效率。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

一方面，本说明书一个或多个实施例提供一种模型检测方法，包括：

确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和/或第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

根据所述第一反馈信息和/或所述第二反馈信息，对所述目标事件的分类结果进行检测，获得检测结果。

在一个实施例中，所述预设对立关系包括投诉方和被投诉方的关系。

另一方面，本说明书一个或多个实施例提供一种模型检测方法，包括：

确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和/或第二类用户对所述目标投诉事件的解除投诉信息；

根据所述反馈信息和/或所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得检测结果。

在一个实施例中，所述解除投诉信息包括解限信息；

相应的，所述根据所述反馈信息和/或所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，包括：

判断所述指定业务是否具有解限操作的功能；

若是，则根据所述第二类用户对所述目标投诉事件的解限信息，对所述目标投诉事件的分类结果进行检测；

若否，则根据所述第一类用户对所述目标投诉事件的反馈信息，对所述目标投诉事件的分类结果进行检测。

在一个实施例中，所述第二类用户包括所述目标投诉事件对应的被投诉方；

相应的，所述根据所述第二类用户对所述目标投诉事件的解限信息，对所述目标投诉事件的分类结果进行检测，包括：

针对所述分类结果为所述欺诈事件的所述目标投诉事件，对所述被投诉方进行行为限制操作；

当接收到所述被投诉方针对所述行为限制操作的解限操作时，对所述解限操作对应的解限信息进行检测，以判断所述解限信息是否正确；

若是，则解除对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果错误；

若否，则维持对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果正确。

在一个实施例中，所述第一类用户包括所述目标投诉事件的投诉方；所述反馈信息包括所述目标投诉事件为所述欺诈事件或所述非欺诈事件；

相应的，所述根据所述第一类用户对所述目标投诉事件的反馈信息，对所述目标投诉事件的分类结果进行检测，包括：

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果一致，则确定所述目标投诉事件的分类结果正确；

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果不一致，则确定所述目标投诉事件的分类结果错误。

再一方面，本说明书一个或多个实施例提供一种模型检测装置，包括：

第一确定模块，用于确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

第一监测模块，用于监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和/或第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

第一检测模块，用于根据所述第一反馈信息和/或所述第二反馈信息，对所述目标事件的分类结果进行检测，获得检测结果。

在一个实施例中，所述预设对立关系包括投诉方和被投诉方的关系。

再一方面，本说明书一个或多个实施例提供一种模型检测装置，包括：

第二确定模块，用于确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

第二监测模块，用于监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和/或第二类用户对所述目标投诉事件的解除投诉信息；

第二检测模块，用于根据所述反馈信息和/或所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得检测结果。

在一个实施例中，所述解除投诉信息包括解限信息；

相应的，所述第二检测模块包括：

判断单元，用于判断所述指定业务是否具有解限操作的功能；

第一检测单元，用于若所述指定业务具有解限操作的功能，则根据所述第二类用户对所述目标投诉事件的解限信息，对所述目标投诉事件的分类结果进行检测；

第二检测单元，用于若所述指定业务不具有解限操作的功能，则根据所述第一类用户对所述目标投诉事件的反馈信息，对所述目标投诉事件的分类结果进行检测。

在一个实施例中，所述第二类用户包括所述目标投诉事件对应的被投诉方；

相应的，所述第一检测单元还用于：

针对所述分类结果为所述欺诈事件的所述目标投诉事件，对所述被投诉方进行行为限制操作；

当接收到所述被投诉方针对所述行为限制操作的解限操作时，对所述解限操作对应的解限信息进行检测，以判断所述解限信息是否正确；

若是，则解除对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果错误；

若否，则维持对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果正确。

在一个实施例中，所述第一类用户包括所述目标投诉事件的投诉方；所述反馈信息包括所述目标投诉事件为所述欺诈事件或所述非欺诈事件；

相应的，所述第二检测单元还用于：

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果一致，则确定所述目标投诉事件的分类结果正确；

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果不一致，则确定所述目标投诉事件的分类结果错误。

再一方面，本说明书一个或多个实施例提供一种模型检测设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和/或第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

根据所述第一反馈信息和/或所述第二反馈信息，对所述目标事件的分类结果进行检测，获得检测结果。

再一方面，本说明书一个或多个实施例提供一种模型检测设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和/或第二类用户对所述目标投诉事件的解除投诉信息；

根据所述反馈信息和/或所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得检测结果。

再一方面，本申请实施例提供一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和/或第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

根据所述第一反馈信息和/或所述第二反馈信息，对所述目标事件的分类结果进行检测，获得检测结果。

再一方面，本申请实施例提供一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和/或第二类用户对所述目标投诉事件的解除投诉信息；

根据所述反馈信息和/或所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得检测结果。

采用本说明书一个或多个实施例的技术方案，能够在确定指定业务的分类模型对目标事件的分类结果之后，通过监测目标事件获得第一类用户对目标事件的第一反馈信息和/或第二类用户对目标事件的第二反馈信息，进而根据第一反馈信息和/或第二反馈信息对目标事件的分类结果进行检测，获得检测结果。可见，该技术方案能够自动化地对模型分类结果进行检测，相较于现有技术方案中采用人工审核的方式而言，大大节省了人力资源，从而不仅提高模型检测的效率，且能够避免人工审核结果偏差的问题。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本说明书一实施例的一种模型检测方法的示意性流程图；

图2是根据本说明书另一实施例的一种模型检测方法的示意性流程图；

图3是根据本说明书一实施例的一种模型检测装置的示意性框图；

图4是根据本说明书另一实施例的一种模型检测装置的示意性框图；

图5是根据本说明书一实施例的一种模型检测设备的示意性框图；

图6是根据本说明书另一实施例的一种模型检测设备的示意性框图。

具体实施方式

本说明书一个或多个实施例提供一种模型检测方法及装置，用以实现模型检测的自动化，从而提高模型检测的准确率及效率。

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书一个或多个实施例保护的范围。

图1是根据本说明书一实施例的一种模型检测方法的示意性流程图，如图1所示，该方法包括：

S102，确定指定业务的分类模型对目标事件的分类结果。

其中，分类结果至少包括第一类结果和第二类结果；分类模型用于对指定业务中发生的业务事件进行分类。

对目标事件进行分类的第一类结果和第二类结果可以是相反的两种分类结果，例如分类包括正确结果和错误结果、欺诈事件和非欺诈事件等；也可以是不相关的两种分类结果，例如分类包括黑白图片和彩色图片、动物和植物等。

需要说明的是，分类模型对业务事件(包括目标事件)的分类结果不一定仅包括第一类结果和第二类结果，其可以包括多种分类结果。

S104，监测目标事件，以获得第一类用户对目标事件的第一反馈信息和/或第二类用户对目标事件的第二反馈信息。

其中，第一类用户与第二类用户之间具有预设对立关系。

在一个实施例中，第一类用户与第二类用户为投诉方和被投诉方的关系。

假设第一类用户为投诉方，第二类用户为被投诉，则第一类用户对目标事件的第一反馈信息可包括投诉信息，如投诉原因、投诉事件等；第二类用户对目标事件的第二反馈信息可包括解除投诉信息，如解限信息(包括解限理由、解限证据等)等。

S106，根据第一反馈信息和/或第二反馈信息，对目标事件的分类结果进行检测，获得检测结果。

该步骤中，对目标事件的分类结果进行检测，可包括对分类结果的准确率及覆盖率的检测。

在一个实施例中，可根据第一反馈信息和/或第二反馈信息对目标事件进行再次分类，并将再次分类得到的第一分类结果与分类模型对目标事件的分类结果进行比对，进而根据比对结果确定分类结果的准确率及覆盖率。具体的，若第一分类结果与分类模型对目标事件的分类结果一致，则说明分类模型对目标事件的分类结果正确；若第一分类结果与分类模型对目标事件的分类结果不一致，则说明分类模型对目标事件的分类结果错误和/或没有覆盖。

由上述实施例可看出，该技术方案能够在确定指定业务的分类模型对目标事件的分类结果之后，通过监测目标事件获得第一类用户对目标事件的第一反馈信息和/或第二类用户对目标事件的第二反馈信息，进而根据第一反馈信息和/或第二反馈信息对目标事件的分类结果进行检测，获得检测结果。可见，该技术方案能够自动化地对模型分类结果进行检测，相较于现有技术方案中采用人工审核的方式而言，大大节省了人力资源，从而不仅提高模型检测的效率，且能够避免人工审核结果偏差的问题。

上述实施例中提供的模型检测方法可应用于欺诈审核场景，如对欺诈事件的相关参数进行审核，包括对准确率及覆盖率的审核。以下详细介绍模型检测方法如何应用于欺诈审核场景中。

图2是根据本说明书一实施例的一种模型检测方法的示意性流程图，如图2所示，该方法包括：

S202，确定指定业务的分类模型对目标投诉事件的分类结果。

其中，分类结果包括欺诈事件或非欺诈事件；分类模型用于对指定业务中发生的投诉事件进行分类。

在欺诈审理场景中，分类模型对投诉事件(包括目标投诉事件)进行分类的第一类结果和第二类结果可包括欺诈事件和非欺诈事件。

S204，监测目标投诉事件，以获得第一类用户对目标投诉事件的反馈信息和/或第二类用户对目标投诉事件的解除投诉信息。

其中，第一类用户可以是目标投诉事件对应的投诉方，第二类用户可以是目标投诉事件对应的被投诉方。基于此，第一类用户对目标投诉事件的反馈信息可包括投诉信息，如投诉目标事件属于欺诈事件、投诉原因、投诉地点、投诉事件、投诉事件发生时间等；第二类用户对目标投诉事件的解除投诉信息可包括解限信息，如解限理由、解限证据等。

S206，根据反馈信息和/或解除投诉信息，对目标投诉事件的分类结果进行检测，获得检测结果。

该步骤中，对目标投诉事件的分类结果进行检测，可包括对分类结果的准确率及覆盖率的检测。

在一个实施例中，可根据投诉方对目标投诉事件的反馈信息和/或被投诉方对目标投诉事件的解除投诉信息对目标投诉事件进行再次分类，并将再次分类得到的第一分类结果与分类模型对目标投诉事件的分类结果进行比对，进而根据比对结果确定分类结果的准确率及覆盖率。

具体的，若第一分类结果与分类模型对目标投诉事件的分类结果一致，则说明分类模型对目标投诉事件的分类结果正确；若第一分类结果与分类模型对目标投诉事件的分类结果不一致，则说明分类模型对目标投诉事件的分类结果错误和/或没有覆盖。例如，第一分类结果为目标投诉事件属于欺诈事件，而分类模型对目标投诉事件的分类结果为非欺诈模型，则说明分类模型对目标投诉事件的分类结果错误且没有覆盖。

由上述实施例可看出，该技术方案能够在确定指定业务的分类模型对目标投诉事件的分类结果之后，通过监测目标投诉事件获得第一类用户对目标投诉事件的反馈信息和/或第二类用户对目标投诉事件的解除投诉信息，进而根据反馈信息和/或解除投诉信息对目标投诉事件的分类结果进行检测，获得检测结果。可见，该技术方案能够自动化地对模型分类结果进行检测，相较于现有技术方案中采用人工审核的方式而言，大大节省了人力资源，从而不仅提高模型检测的效率，且能够避免人工审核结果偏差的问题。

在一个实施例中，根据反馈信息和/或解除投诉信息对目标投诉事件的分类结果进行检测时，可先判断指定业务是否具有解限操作的功能；若指定业务具有解限操作的功能，则根据第二类用户对目标投诉事件的解限信息，对目标投诉事件的分类结果进行检测；若指定业务不具有解限操作的功能，则根据第一类用户对目标投诉事件的反馈信息，对目标投诉事件的分类结果进行检测。

在一个实施例中，第二类用户为目标投诉事件对应的被投诉方。若指定业务具有解限操作的功能，则在分类模型对目标投诉事件的分类结果为欺诈事件时，可对被投诉方进行行为限制操作，其中，行为限制操作可包括限制收款操作、限制发货操作或限制交易操作等任一种或多种操作。

当接收到被投诉方针对行为限制操作的解限操作时，可对解限操作对应的解限信息进行检测，以判断解限信息是否正确；若解限信息正确，则解除对被投诉方的行为限制操作，并确定目标投诉事件的分类结果错误；若解限信息错误，则维持对被投诉方的行为限制操作，并确定目标投诉事件的分类结果正确。

其中，解限信息可包括解限理由、解限证据等。具体需要提供的解限信息与目标投诉事件对应的投诉理由相关。例如，若目标投诉事件的投诉理由为“付款但未发货”，则解限信息可包括发货证明。

对解限信息的正确性进行判断时，可获取目标投诉事件的事件相关信息，进而根据事件相关信息判断解限信息是否正确。其中，事件相关信息包括事件是否发生、事件发生时间、事件发生地点、事件发生流程等信息。

例如，若目标投诉事件的投诉理由为“付款但未发货”，被投诉方提供的解限信息为发货证明，则判断解限信息是否正确时，可先确定出目标投诉事件的事件相关信息，本例中，事件相关信息可以是事件“发货”是否发生的信息。假设事件“发货”已发生，则可判定解限信息正确；若事件“发货”未发生，则可判定解限信息错误。

若判定解限信息正确，说明被投诉方的解限操作成功，以及说明目标投诉事件属于非欺诈事件，因此可进一步说明分类模型对目标投诉事件的分类结果(即目标投诉事件属于欺诈事件)错误。

若判定解限信息错误，说明被投诉方的解限操作失败，以及说明目标投诉事件属于欺诈事件，因此可进一步说明分类模型对目标投诉事件的分类结果(即目标投诉事件属于欺诈事件)正确。

在一个实施例中，第一类用户为目标投诉事件的投诉方；反馈信息包括目标投诉事件为欺诈事件或非欺诈事件。若指定业务不具有解限操作的功能，则根据第一类用户(即投诉方)对目标投诉事件的反馈信息对目标投诉事件的分类结果进行检测。本实施例中，由于分类模型已事先对目标投诉事件进行了分类，因此第一类用户对目标投诉事件的反馈信息实际上属于二次投诉，即通过用户对目标投诉事件的二次投诉信息与分类模型对目标投诉事件的分类结果的比对，来检测分类模型对目标投诉事件的分类结果的准确性及覆盖性。

具体的，若投诉方对目标投诉事件的反馈信息与分类模型对目标投诉事件的分类结果一致，则确定分类模型对目标投诉事件的分类结果正确；例如，投诉方对目标投诉事件的反馈信息为目标投诉事件属于欺诈事件，且分类模型对目标投诉事件的分类结果也为欺诈事件，则确定分类模型对目标投诉事件的分类结果正确；再例如，投诉方对目标投诉事件的反馈信息为目标投诉事件属于非欺诈事件，且分类模型对目标投诉事件的分类结果也为非欺诈事件，则确定分类模型对目标投诉事件的分类结果正确。

若投诉方对目标投诉事件的反馈信息与分类模型对目标投诉事件的分类结果不一致，则确定分类模型对目标投诉事件的分类结果错误或没有覆盖。例如，投诉方对目标投诉事件的反馈信息为目标投诉事件属于非欺诈事件，而分类模型对目标投诉事件的分类结果为欺诈事件，则确定分类模型对目标投诉事件的分类结果错误；再例如，投诉方对目标投诉事件的反馈信息为目标投诉事件属于欺诈事件，而分类模型对目标投诉事件的分类结果为非欺诈事件，则确定分类模型对目标投诉事件的分类结果错误且没有覆盖。

由上述实施例可看出，该技术方案实现了自动化的模型检测过程，使用客观指标(如第一类用户对目标投诉事件的反馈信息或第二类用户对目标投诉事件的解除投诉信息)来代替不客观的指标(如人工抽查)，大大减少了人为因素，从而提升模型检测的准确率及效率。

综上，已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。

以上为本说明书一个或多个实施例提供的模型检测方法，基于同样的思路，本说明书一个或多个实施例还提供一种模型检测装置。

图3是根据本说明书一实施例的一种模型检测装置的示意性框图，如图3所示，模型检测装置300包括：

第一确定模块310，用于确定指定业务的分类模型对目标事件的分类结果；其中，分类结果至少包括第一类结果和第二类结果；分类模型用于对指定业务中发生的业务事件进行分类；

第一监测模块320，用于监测目标事件，以获得第一类用户对目标事件的第一反馈信息和/或第二类用户对目标事件的第二反馈信息；其中，第一类用户与第二类用户之间具有预设对立关系；

第一检测模块330，用于根据第一反馈信息和/或第二反馈信息，对目标事件的分类结果进行检测，获得检测结果。

在一个实施例中，预设对立关系包括投诉方和被投诉方的关系。

采用本说明书一个或多个实施例的装置，能够在确定指定业务的分类模型对目标事件的分类结果之后，通过监测目标事件获得第一类用户对目标事件的第一反馈信息和/或第二类用户对目标事件的第二反馈信息，进而根据第一反馈信息和/或第二反馈信息对目标事件的分类结果进行检测，获得检测结果。可见，该技术方案能够自动化地对模型分类结果进行检测，相较于现有技术方案中采用人工审核的方式而言，大大节省了人力资源，从而不仅提高模型检测的效率，且能够避免人工审核结果偏差的问题。

图4是根据本说明书另一实施例的一种模型检测装置的示意性框图，如图4所示，模型检测装置400包括：

第二确定模块410，用于确定指定业务的分类模型对目标投诉事件的分类结果；其中，分类结果包括欺诈事件或非欺诈事件；分类模型用于对指定业务中发生的投诉事件进行分类；

第二监测模块420，用于监测目标投诉事件，以获得第一类用户对目标投诉事件的反馈信息和/或第二类用户对目标投诉事件的解除投诉信息；

第二检测模块430，用于根据反馈信息和/或解除投诉信息，对目标投诉事件的分类结果进行检测，获得检测结果。

在一个实施例中，解除投诉信息包括解限信息；

相应的，第二检测模块430包括：

判断单元，用于判断指定业务是否具有解限操作的功能；

第一检测单元，用于若指定业务具有解限操作的功能，则根据第二类用户对目标投诉事件的解限信息，对目标投诉事件的分类结果进行检测；

第二检测单元，用于若指定业务不具有解限操作的功能，则根据第一类用户对目标投诉事件的反馈信息，对目标投诉事件的分类结果进行检测。

在一个实施例中，第二类用户包括目标投诉事件对应的被投诉方；

相应的，第一检测单元还用于：

针对分类结果为欺诈事件的目标投诉事件，对被投诉方进行行为限制操作；

当接收到被投诉方针对行为限制操作的解限操作时，对解限操作对应的解限信息进行检测，以判断解限信息是否正确；

若是，则解除对被投诉方的行为限制操作；及，确定目标投诉事件的分类结果错误；

若否，则维持对被投诉方的行为限制操作；及，确定目标投诉事件的分类结果正确。

在一个实施例中，第一类用户包括目标投诉事件的投诉方；反馈信息包括目标投诉事件为欺诈事件或非欺诈事件；

相应的，第二检测单元还用于：

若反馈信息与分类模型对目标投诉事件的分类结果一致，则确定目标投诉事件的分类结果正确；

若反馈信息与分类模型对目标投诉事件的分类结果不一致，则确定目标投诉事件的分类结果错误。

采用本说明书一个或多个实施例的装置，能够在确定指定业务的分类模型对目标投诉事件的分类结果之后，通过监测目标投诉事件获得第一类用户对目标投诉事件的反馈信息和/或第二类用户对目标投诉事件的解除投诉信息，进而根据反馈信息和/或解除投诉信息对目标投诉事件的分类结果进行检测，获得检测结果。可见，该技术方案能够自动化地对模型分类结果进行检测，相较于现有技术方案中采用人工审核的方式而言，大大节省了人力资源，从而不仅提高模型检测的效率，且能够避免人工审核结果偏差的问题。

本领域的技术人员应可理解，图3和图4中的模型检测装置能够用来实现前文所述的模型检测方法，其中的细节描述应与前文方法部分描述类似，为避免繁琐，此处不另赘述。

基于同样的思路，本说明书一个或多个实施例还提供一种模型检测设备，如图5所示。模型检测设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器501和存储器502，存储器502中可以存储有一个或一个以上存储应用程序或数据。其中，存储器502可以是短暂存储或持久存储。存储在存储器502的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对模型检测设备中的一系列计算机可执行指令。更进一步地，处理器501可以设置为与存储器502通信，在模型检测设备上执行存储器502中的一系列计算机可执行指令。模型检测设备还可以包括一个或一个以上电源503，一个或一个以上有线或无线网络接口504，一个或一个以上输入输出接口505，一个或一个以上键盘506。

具体在本实施例中，模型检测设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对模型检测设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和/或第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

根据所述第一反馈信息和/或所述第二反馈信息，对所述目标事件的分类结果进行检测，获得检测结果。

可选地，所述预设对立关系包括投诉方和被投诉方的关系。

基于同样的思路，本说明书一个或多个实施例还提供一种模型检测设备，如图6所示。模型检测设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器601和存储器602，存储器602中可以存储有一个或一个以上存储应用程序或数据。其中，存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对模型检测设备中的一系列计算机可执行指令。更进一步地，处理器601可以设置为与存储器602通信，在模型检测设备上执行存储器602中的一系列计算机可执行指令。模型检测设备还可以包括一个或一个以上电源603，一个或一个以上有线或无线网络接口604，一个或一个以上输入输出接口605，一个或一个以上键盘606。

具体在本实施例中，模型检测设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对模型检测设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和/或第二类用户对所述目标投诉事件的解除投诉信息；

根据所述反馈信息和/或所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得检测结果。

可选地，所述解除投诉信息包括解限信息；

相应的，计算机可执行指令在被执行时，还可以使所述处理器：

判断所述指定业务是否具有解限操作的功能；

若是，则根据所述第二类用户对所述目标投诉事件的解限信息，对所述目标投诉事件的分类结果进行检测；

若否，则根据所述第一类用户对所述目标投诉事件的反馈信息，对所述目标投诉事件的分类结果进行检测。

可选地，所述第二类用户包括所述目标投诉事件对应的被投诉方；

相应的，计算机可执行指令在被执行时，还可以使所述处理器：

针对所述分类结果为所述欺诈事件的所述目标投诉事件，对所述被投诉方进行行为限制操作；

当接收到所述被投诉方针对所述行为限制操作的解限操作时，对所述解限操作对应的解限信息进行检测，以判断所述解限信息是否正确；

若是，则解除对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果错误；

若否，则维持对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果正确。

可选地，所述第一类用户包括所述目标投诉事件的投诉方；所述反馈信息包括所述目标投诉事件为所述欺诈事件或所述非欺诈事件；

相应的，计算机可执行指令在被执行时，还可以使所述处理器：

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果一致，则确定所述目标投诉事件的分类结果正确；

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果不一致，则确定所述目标投诉事件的分类结果错误。

本说明书一个或多个实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述模型检测方法，并具体用于执行：

确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和/或第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

根据所述第一反馈信息和/或所述第二反馈信息，对所述目标事件的分类结果进行检测，获得检测结果。

本说明书一个或多个实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述模型检测方法，并具体用于执行：

确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和/或第二类用户对所述目标投诉事件的解除投诉信息；

根据所述反馈信息和/或所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得检测结果。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书一个或多个实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的权利要求范围之内。

Claims (16)

1.一种模型检测方法，包括：

确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

根据所述第一反馈信息和所述第二反馈信息，对所述目标事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率；

所述根据所述第一反馈信息和所述第二反馈信息，对所述目标事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率，包括：根据所述第一反馈信息和所述第二反馈信息对目标事件进行再次分类，并将再次分类得到的第一分类结果与所述分类模型对所述目标事件的分类结果进行比对，根据比对结果确定所述分类结果的准确率及覆盖率。

2.根据权利要求1所述的方法，所述预设对立关系包括投诉方和被投诉方的关系。

3.一种模型检测方法，包括：

确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和第二类用户对所述目标投诉事件的解除投诉信息；

根据所述反馈信息和所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率；

所述根据所述反馈信息和所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率，包括：根据所述反馈信息和所述解除投诉信息对所述目标投诉事件进行再次分类，并将再次分类得到的第一分类结果与所述分类模型对所述目标投诉事件的分类结果进行比对，根据比对结果确定所述分类结果的准确率及覆盖率。

4.根据权利要求3所述的方法，所述解除投诉信息包括解限信息；

相应的，所述根据所述反馈信息和/或所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，包括：

判断所述指定业务是否具有解限操作的功能；

若是，则根据所述第二类用户对所述目标投诉事件的解限信息，对所述目标投诉事件的分类结果进行检测；

若否，则根据所述第一类用户对所述目标投诉事件的反馈信息，对所述目标投诉事件的分类结果进行检测。

5.根据权利要求4所述的方法，所述第二类用户包括所述目标投诉事件对应的被投诉方；

相应的，所述根据所述第二类用户对所述目标投诉事件的解限信息，对所述目标投诉事件的分类结果进行检测，包括：

针对所述分类结果为所述欺诈事件的所述目标投诉事件，对所述被投诉方进行行为限制操作；

当接收到所述被投诉方针对所述行为限制操作的解限操作时，对所述解限操作对应的解限信息进行检测，以判断所述解限信息是否正确；

若是，则解除对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果错误；

若否，则维持对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果正确。

6.根据权利要求4所述的方法，所述第一类用户包括所述目标投诉事件的投诉方；所述反馈信息包括所述目标投诉事件为所述欺诈事件或所述非欺诈事件；

相应的，所述根据所述第一类用户对所述目标投诉事件的反馈信息，对所述目标投诉事件的分类结果进行检测，包括：

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果一致，则确定所述目标投诉事件的分类结果正确；

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果不一致，则确定所述目标投诉事件的分类结果错误。

7.一种模型检测装置，包括：

第一确定模块，用于确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

第一监测模块，用于监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

第一检测模块，用于根据所述第一反馈信息和所述第二反馈信息，对所述目标事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率；

所述根据所述第一反馈信息和所述第二反馈信息，对所述目标事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率，包括：根据所述第一反馈信息和所述第二反馈信息对目标事件进行再次分类，并将再次分类得到的第一分类结果与所述分类模型对所述目标事件的分类结果进行比对，根据比对结果确定所述分类结果的准确率及覆盖率。

8.根据权利要求7所述的装置，所述预设对立关系包括投诉方和被投诉方的关系。

9.一种模型检测装置，包括：

第二确定模块，用于确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

第二监测模块，用于监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和第二类用户对所述目标投诉事件的解除投诉信息；

第二检测模块，用于根据所述反馈信息和所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率；

所述根据所述反馈信息和所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率，包括：根据所述反馈信息和所述解除投诉信息对所述目标投诉事件进行再次分类，并将再次分类得到的第一分类结果与所述分类模型对所述目标投诉事件的分类结果进行比对，根据比对结果确定所述分类结果的准确率及覆盖率。

10.根据权利要求9所述的装置，所述解除投诉信息包括解限信息；

相应的，所述第二检测模块包括：

判断单元，用于判断所述指定业务是否具有解限操作的功能；

第一检测单元，用于若所述指定业务具有解限操作的功能，则根据所述第二类用户对所述目标投诉事件的解限信息，对所述目标投诉事件的分类结果进行检测；

第二检测单元，用于若所述指定业务不具有解限操作的功能，则根据所述第一类用户对所述目标投诉事件的反馈信息，对所述目标投诉事件的分类结果进行检测。

11.根据权利要求10所述的装置，所述第二类用户包括所述目标投诉事件对应的被投诉方；

相应的，所述第一检测单元还用于：

针对所述分类结果为所述欺诈事件的所述目标投诉事件，对所述被投诉方进行行为限制操作；

当接收到所述被投诉方针对所述行为限制操作的解限操作时，对所述解限操作对应的解限信息进行检测，以判断所述解限信息是否正确；

若是，则解除对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果错误；

若否，则维持对所述被投诉方的行为限制操作；及，确定所述目标投诉事件的分类结果正确。

12.根据权利要求10所述的装置，所述第一类用户包括所述目标投诉事件的投诉方；所述反馈信息包括所述目标投诉事件为所述欺诈事件或所述非欺诈事件；

相应的，所述第二检测单元还用于：

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果一致，则确定所述目标投诉事件的分类结果正确；

若所述反馈信息与所述分类模型对所述目标投诉事件的分类结果不一致，则确定所述目标投诉事件的分类结果错误。

13.一种模型检测设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

根据所述第一反馈信息和所述第二反馈信息，对所述目标事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率；

所述根据所述第一反馈信息和所述第二反馈信息，对所述目标事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率，包括：根据所述第一反馈信息和所述第二反馈信息对目标事件进行再次分类，并将再次分类得到的第一分类结果与所述分类模型对所述目标事件的分类结果进行比对，根据比对结果确定所述分类结果的准确率及覆盖率。

14.一种模型检测设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和第二类用户对所述目标投诉事件的解除投诉信息；

根据所述反馈信息和所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率；

所述根据所述反馈信息和所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率，包括：根据所述反馈信息和所述解除投诉信息对所述目标投诉事件进行再次分类，并将再次分类得到的第一分类结果与所述分类模型对所述目标投诉事件的分类结果进行比对，根据比对结果确定所述分类结果的准确率及覆盖率。

15.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

确定指定业务的分类模型对目标事件的分类结果；其中，所述分类结果至少包括第一类结果和第二类结果；所述分类模型用于对所述指定业务中发生的业务事件进行分类；

监测所述目标事件，以获得第一类用户对所述目标事件的第一反馈信息和第二类用户对所述目标事件的第二反馈信息；其中，所述第一类用户与所述第二类用户之间具有预设对立关系；

根据所述第一反馈信息和所述第二反馈信息，对所述目标事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率；

所述根据所述第一反馈信息和所述第二反馈信息，对所述目标事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率，包括：根据所述第一反馈信息和所述第二反馈信息对目标事件进行再次分类，并将再次分类得到的第一分类结果与所述分类模型对所述目标事件的分类结果进行比对，根据比对结果确定所述分类结果的准确率及覆盖率。

16.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

确定指定业务的分类模型对目标投诉事件的分类结果；其中，所述分类结果包括欺诈事件或非欺诈事件；所述分类模型用于对所述指定业务中发生的投诉事件进行分类；

监测所述目标投诉事件，以获得第一类用户对所述目标投诉事件的反馈信息和第二类用户对所述目标投诉事件的解除投诉信息；

根据所述反馈信息和所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率；

所述根据所述反馈信息和所述解除投诉信息，对所述目标投诉事件的分类结果进行检测，获得所述分类结果的准确率及覆盖率，包括：根据所述反馈信息和所述解除投诉信息对所述目标投诉事件进行再次分类，并将再次分类得到的第一分类结果与所述分类模型对所述目标投诉事件的分类结果进行比对，根据比对结果确定所述分类结果的准确率及覆盖率。