CN109992653A - 信息处理方法和处理系统 - Google Patents
信息处理方法和处理系统 Download PDFInfo
- Publication number
- CN109992653A CN109992653A CN201910236781.7A CN201910236781A CN109992653A CN 109992653 A CN109992653 A CN 109992653A CN 201910236781 A CN201910236781 A CN 201910236781A CN 109992653 A CN109992653 A CN 109992653A
- Authority
- CN
- China
- Prior art keywords
- calling information
- information processing
- word
- information
- generic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种信息处理方法和处理系统，包括：获取用户发送的投诉信息；从投诉信息中提取特征词；在多个业务类别中，根据特征词确定投诉信息的所属类别；以及，根据所属类别将投诉信息推送给处理投诉信息的客服人员。本发明解决了传统客服问答系统可用性较差的技术问题。
Description
技术领域
本发明涉及客诉处理的技术领域，具体涉及一种信息处理方法和处理系统。
背景技术
在电子商务中，线上客服问答系统为客户和商家之间的沟通架构了桥梁。现有的线上客服问答系统中，用户通过系统预先设定的问题来获得相应回答，如果用户的投诉问题提出后未被很好解决，则会有在线的客服人员浏览问题，以给出解答及解决问题的建议。
基于上述客服问答系统，用户在提出问题后，很多情况下需要耐心等待客服人员的回答，而客服人员也要先浏览众多的问题并对浏览到的每个问题决定自己能否提出有用的建议，只有在浏览到的问题是自己所负责业务时才给出解答及解决问题的建议。并且，在不同业务线的客服人员对同一个问题给出回答后，答案可能相差甚远，这会对用户造成较大疑惑。
因而，现有的客服问答系统需要客服人员的大量工作，并且用户可能还无法及时获得答案，而且即使获得答案也可能还有较大疑惑，因而，现有的客服问答系统存在可用性较差的技术问题。
发明内容
有鉴于此，本发明实施例提供了一种信息处理方法和处理系统，以解决传统客服问答系统可用性较差的技术问题。
根据本发明的第一方面，提供一种信息处理方法，包括：
获取用户发送的投诉信息；
从所述投诉信息中提取特征词；
在多个业务类别中，根据所述特征词确定所述投诉信息的所属类别；以及，
根据所述所属类别将所述投诉信息推送给处理所述投诉信息的客服人员。
可选地，从所述投诉信息中提取特征词，包括：
获取领域词库，且所述领域词库为和客诉相关词的集合；
根据所述领域词库对所述投诉信息进行分词，得到多个词汇；
获取停用词库，且所述停用词库为和投诉信息分类无关词的集合；
从多个所述词汇中剔除所述停用词库中的词后，得到多个关键词；
将客诉关联度最大的预设数目个所述关键词，确定为所述特征词。
可选地，和客诉相关词至少包括以下一类词汇：投诉的业务名称、投诉的产品名称、情感词。
可选地，和投诉信息分类无关词至少包括标点符号和目标词，且所述目标词由词性确定。
可选地，所述停用词库包括：目标文本集中和投诉信息分类无关词，且所述目标文本集为当前时刻客诉问答数据库存储的问答文本集合。
可选地，所述关键词的客诉关联度通过词频-逆向文件频率算法计算得到。
可选地，在多个业务类别中，根据所述特征词确定所述投诉信息的所属类别，包括：
通过分类模型对所述特征词进行分类，得到分类结果，其中，所述分类模型的预设类别为多个所述业务类别；
将所述分类结果确定为所述投诉信息的所属类别。
可选地，所述分类模型为基于客诉问答数据库中的问答数据，并通过多项式贝叶斯算法训练得到的分类模型。
可选地，所述信息处理方法还包括：
根据所述所属类别生成所述投诉信息的解答文本，并将所述解答文本推送给所述用户。
根据本发明的第二方面，提供一种信息处理系统，包括：
获取模块，用于获取用户发送的投诉信息；
提取模块，用于从所述投诉信息中提取特征词；
确定模块，用于在多个业务类别中，根据所述特征词确定所述投诉信息的所属类别；以及，
第一推送模块，用于根据所述所属类别将所述投诉信息推送给处理所述投诉信息的客服人员。
可选地，所述模块单元用于：
获取领域词库，且所述领域词库为和客诉相关词的集合；
根据所述领域词库对所述投诉信息进行分词，得到多个词汇；
获取停用词库，且所述停用词库为和投诉信息分类无关词的集合；
从多个所述词汇中剔除所述停用词库中的词后，得到多个关键词；
将客诉关联度最大的预设数目个所述关键词，确定为所述特征词。
可选地，和客诉相关词至少包括以下一类词汇：投诉的业务名称、投诉的产品名称、情感词。
可选地，和投诉信息分类无关词至少包括标点符号和目标词，且所述目标词由词性确定。
可选地，所述停用词库包括：目标文本集中和投诉信息分类无关词，且所述目标文本集为当前时刻客诉问答数据库存储的问答文本集合。
可选地，所述关键词的客诉关联度通过词频-逆向文件频率算法计算得到。
可选地，所述确定模块，包括：
分类单元，用于通过分类模型对所述特征词进行分类，得到分类结果，其中，所述分类模型的预设类别为多个所述业务类别；
确定单元，用于将所述分类结果确定为所述投诉信息的所属类别。
可选地，所述分类单元使用的所述分类模型为基于客诉问答数据库中的问答数据，并通过多项式贝叶斯算法训练得到的分类模型。
可选地，所述信息处理系统还包括：
第二推送模块，用于根据所述所属类别生成所述投诉信息的解答文本，并将所述解答文本推送给所述用户。
根据本发明的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现如第一方面任一实施方式所述的信息处理方法。
根据本发明的第四方面，提供一种信息处理装置，包括：
存储器，用于存储计算机指令；
处理器，耦合到所述存储器，所述处理器被配置为基于所述存储器存储的计算机指令执行实现如第一方面任一实施方式所述的信息处理方法。
本发明的实施例具有以下优点或有益效果：
本发明实施例获取用户发送的投诉信息后，通过在多个业务类别中确定投诉信息的所属类别来根据所属类别确定处理投诉信息的客服人员，继而可以将投诉信息有针对性地推送给特定的客服人员。因而，客服人员无需通过浏览的方式来确定自己所负责业务范围内的客诉问题，本发明节省了客服人员的大量工作，且有利于用户提出问题后及时获得无差异的人工应答信息，因而，本发明实施例解决了传统客服问答系统可用性较差的技术问题。
附图说明
通过参照以下附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1是根据本发明实施例的信息处理方法的流程图；
图2是根据本发明实施例的从投诉信息中提取特征词的方法流程图；
图3是根据本发明实施例的根据特征词确定投诉信息的所属类别方法流程图；
图4是根据本发明实施例的信息处理方法的示意图；
图5是根据本发明实施例的另一种信息处理方法的流程图；
图6是根据本发明实施例的信息处理系统的结构框图；
图7是根据本发明实施例的信息处理装置的结构框图。
具体实施方式
以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程没有详细叙述。另外附图不一定是按比例绘制的。
图1所示是本发明实施例的信息处理方法的流程图。参照图1，信息处理方法包括：
步骤S101，获取用户发送的投诉信息。
具体地，投诉信息一般包括对问题的自然语言描述，包含问题成因、造成的结果、用户情绪等，描述中的词汇具有非专业性。
步骤S102，从投诉信息中提取特征词。
步骤S103，在多个业务类别中，根据特征词确定投诉信息的所属类别。
需要说明的是，不同企业会有不同的业务类别，上述多个业务类别为使用本发明信息处理方法的企业所包括的业务类别。
步骤S104，根据所属类别将投诉信息推送给处理投诉信息的客服人员。
具体地，企业中的每个业务类别都有预设的客服人员，因而，根据所属类别即可确定处理投诉信息的客服人员。在所属类别的预设客服人员为多个的情况下，该步骤还可以将投诉信息推送给较清闲的客服人员。
本发明实施例提供的信息处理方法，通过投诉信息的所属类别确定处理投诉信息的客服人员，为投诉信息提供特定的解答客服人员，实现对投诉信息的精准推送。因而，客服人员无需通过浏览的方式来确定自己所负责业务范围内的客诉问题，本发明节省了客服人员的大量工作，且有利于用户提出问题后及时获得无差异的人工应答信息，因而，本发明解决了传统客服问答系统可用性较差的技术问题。
参照图2，在可选的实施例中，步骤S102，从投诉信息中提取特征词，包括：
步骤S201，获取领域词库，且领域词库为和客诉相关词的集合。
上述和客诉相关词可以是至少包括以下一类词汇：投诉的业务名称、投诉的产品名称、情感词，其中，投诉的业务名称和投诉的产品名称表征了投诉的指向性，情感词表征了对指定业务或产品的明确态度，因而，这些词汇对客诉问题的描述最为精准。
步骤S202，根据领域词库对投诉信息进行分词，得到多个词汇。
例如，客户信息中包括由五个字组成的语句“ABCDE”，“ABCDE”这五个字中“ABC”和“DE”可以是两个具有完整意义的词汇，而“AB”和“CDE”可以是另外两个具有完整意义的词汇，根据领域词库决定语句“ABCDE”在上述两种方案中选择其一进行分词，使得分词后得到的各词汇更能精准反映投诉信息所包含的内容，即利于在客诉情境下进行更精准的分词。
步骤S203，获取停用词库，且停用词库为和投诉信息分类无关词的集合。
上述和投诉信息分类无关词可以是一些在投诉信息中高频出现的和投诉信息分类无关的词。和投诉信息分类无关词至少可以包括标点符号和目标词，标点符号为一种没有明确语义的文字标号，而上述目标词可以由词性确定，进一步，目标词可以为代词，例如，“你”、“我”和“你们”等；目标词还可以为连词，例如，“与”。通过词性来确定和投诉信息分类无关词更加便捷。
上述停用词库多为根据样例数据得出的一些和投诉信息分类无关词的集合，因而，并不能包括所有的和投诉信息分类无关词，基于此，可以动态获取停用词库，使得获取到的停用词库包括：目标文本集中和投诉信息分类无关词，且目标文本集为当前时刻客诉问答数据库存储的问答文本集合。动态获取停用词库的算法可以采用如下代码实现：
步骤S204，从多个词汇中剔除停用词库中的词后，得到多个关键词。
以及，步骤S205，将客诉关联度最大的预设数目个关键词，确定为特征词。
上述各关键词的客诉关联度可以通过词频-逆向文件频率(TFIDF)算法进行计算。
本发明实施例中，根据领域词库对投诉信息进行较准确的分词，并结合停用词库对多个词汇进行删选后得到多个关键词，从而对较少的词计算客诉关联度，快速确定特征词。
参照图3，在可选的实施例中，步骤S103，在多个业务类别中，根据特征词确定投诉信息的所属类别，包括：
步骤S301，通过分类模型对特征词进行分类，得到分类结果，其中，分类模型的预设类别为多个业务类别。
具体地，分类模型为一种预先训练好的神经网络模型，特征词是该神经网络模型输入端接收的参数，分类结果是输出端输出的参数。
步骤S302，将分类结果确定为投诉信息的所属类别。
具体地，上述分类结果即是特征词所属的一个业务类别，因而该步骤即将特征词所属的一个业务类别确定为投诉信息的所属类别。
本发明实施例中，通过分类模型来对特征词进行分类，而分类模型为预设类别为多个业务类别，因而，对于实际应用中不同背景的投诉信息分类问题，可以使用具有不同多个业务类别的分类模型，更具灵活性和针对性。
在可选的实施例中，步骤S301所使用的分类模型为基于客诉问答数据库中的问答数据，并通过多项式贝叶斯算法训练得到的分类模型。
具体地，通过多项式贝叶斯算法对特征词分类的原理为：假设投诉信息用一个n维特征向量X＝{x1，x2，...，xn}表示，多个业务类别为C1，C2，...，Cm，则投诉信息X确定为业务类别Ci(1≤i≤m)，需要当且仅当P(Ci|X)>P(Cj|X),j＝1,2,…,m,j≠i；且根据贝叶斯定理，概率P(Ci|X)表示为：其中，n表示特征词的数量，m表示业务类别的数量，xi表示第i个特征词。
上述基于客诉问答数据库中的问答数据，并通过多项式贝叶斯算法训练分类模型，即，由客诉问答数据库中的问答数据作为训练样本估值得到概率P(Ci|X)表达式中需要的概率P(xk|Ci)和P(Ci)，继而对于每个投诉信息X都可以通过上述分类模型得出所属类别Ci。图4所示为本发明实施例信息处理方法的示意图。参照图4，本发明实施例的信息处理方法需要使用客服问答子系统和模型训练子系统，其中，模型训练子系统进行多项式贝叶斯模型训练时，不仅使用了客诉问答数据库中的问答数据作为训练数据，还可使用客诉问答数据库中的问答数据作为测试数据，以对多项式贝叶斯模型训练的结果进行效果评估，并在上述效果评估达标后向客服问答子系统发布用于投诉信息分类的分类模型。
参照图4和图5，在可选的实施例中，信息处理方法还包括：步骤S105，根据所属类别生成投诉信息的解答文本，并将解答文本推送给用户。
本发明实施例中在得到投诉信息的所属类别后，根据所属类别生成解答文本，即为用户提供了供阅读的投诉信息解答文本。并且由于客服人员解答投诉信息过程中需要工作上的时间安排并且需要进行客服态度等方面的周详考虑，因而用户得到客服人员的解答时间往往要比获得解答文本的时间较长，步骤S105将解答文本推送给用户，便于用户在和客服人员沟通前得到较为普遍性的答案，因而在够客服人员沟通时更具针对性，便于客服人员工作量的减少，以及提高用户和客服人员之间沟通的效率。
图6所示是本发明实施例的信息处理系统的结构框图。参照图6，信息处理系统包括：
获取模块100，用于获取用户发送的投诉信息；
提取模块200，用于从投诉信息中提取特征词；
确定模块300，用于在多个业务类别中，根据特征词确定投诉信息的所属类别；以及，
第一推送模块400，用于根据所属类别将投诉信息推送给处理投诉信息的客服人员。
本发明实施例中，获取模块100获取用户发送的投诉信息后，通过提取模块200和确定模块300确定投诉信息的所属类别，继而第一推送模块400将投诉信息有针对性地推送给特定的客服人员。因而，客服人员无需通过浏览的方式来确定自己所负责业务范围内的客诉问题，本发明实施例提供的信息处理系统节省了客服人员的大量工作，且有利于用户提出问题后及时获得无差异的人工应答信息，因而，本发明实施例解决了传统客服问答系统可用性较差的技术问题。
在可选的实施例中，提取模块用于：
获取领域词库，且领域词库为和客诉相关词的集合；
根据领域词库对投诉信息进行分词，得到多个词汇；
获取停用词库，且停用词库为和投诉信息分类无关词的集合；
从多个词汇中剔除停用词库中的词后，得到多个关键词；
将客诉关联度最大的预设数目个关键词，确定为特征词。
在可选的实施例中，和客诉相关词至少包括以下一类词汇：投诉的业务名称、投诉的产品名称、情感词。
在可选的实施例中，和投诉信息分类无关词至少包括标点符号和目标词，且目标词由词性确定。
在可选的实施例中，停用词库包括：目标文本集中和投诉信息分类无关词，且目标文本集为当前时刻客诉问答数据库存储的问答文本集合。
在可选的实施例中，关键词的客诉关联度通过词频-逆向文件频率算法计算得到。
在可选的实施例中，确定模块包括：
分类单元，用于通过分类模型对特征词进行分类，得到分类结果，其中，分类模型的预设类别为多个业务类别；
确定单元，用于将分类结果确定为投诉信息的所属类别。
在可选的实施例中，分类单元使用的分类模型为基于客诉问答数据库中的问答数据，并通过多项式贝叶斯算法训练得到的分类模型。
在可选的实施例中，信息处理系统还包括：
第二推送模块，用于根据所属类别生成投诉信息的解答文本，并将解答文本推送给用户。
本发明一实施例的信息处理装置，包括：
存储器，用于存储计算机指令；
处理器，耦合到存储器，处理器被配置为基于存储器存储的计算机指令执行上述的信息处理方法。
图7示出的设备仅仅是信息处理装置的一个示例，不应对本发明实施例的功能和使用范围构成任何限制。参考图7，该信息处理装置包括通过总线连接的处理器701、存储器702和输入输出设备703。存储器702包括只读存储器(ROM)和随机访问存储器(RAM)，存储器702内存储有执行系统功能所需的各种计算机指令和数据，处理器701从存储器702中读取各种计算机指令以执行各种适当的动作和处理。输入输出设备703包括键盘、鼠标等的输入部分；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。存储器702还存储有以下的计算机指令以完成本发明实施例的信息处理方法规定的操作：获取用户发送的投诉信息；从投诉信息中提取特征词；在多个业务类别中，根据特征词确定投诉信息的所属类别；以及，根据所属类别将投诉信息推送给处理投诉信息的客服人员。
相应地，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现上述信息处理方法所规定的操作。
附图中的流程图、框图图示了本发明实施例的系统、方法、装置的可能的体系框架、功能和操作，流程图和框图上的方框可以代表一个模块、程序段或仅仅是一段代码，所述模块、程序段和代码都是用来实现规定逻辑功能的可执行指令。也应当注意，所述实现规定逻辑功能的可执行指令可以重新组合，从而生成新的模块和程序段。因此附图的方框以及方框顺序只是用来更好的图示实施例的过程和步骤，而不应以此作为对发明本身的限制。
系统的各个模块或单元可以通过硬件、固件或软件实现。软件例如包括采用JAVA、C/C++/C#、SQL等各种编程语言形成的编码程序。虽然在方法以及方法图例中给出本发明实施例的步骤以及步骤的顺序，但是所述步骤实现规定的逻辑功能的可执行指令可以重新组合，从而生成新的步骤。所述步骤的顺序也不应该仅仅局限于所述方法以及方法图例中的步骤顺序，可以根据功能的需要随时进行调整。例如将其中的某些步骤并行或按照相反顺序执行。
根据本发明的系统和方法可以部署在单个或多个服务器上。例如，可以将不同的模块分别部署在不同的服务器上，形成专用服务器。或者，可以在多个服务器上分布式部署相同的功能单元、模块或系统，以减轻负载压力。所述服务器包括但不限于在同一个局域网以及通过Internet连接的多个PC机、PC服务器、刀片机、超级计算机等。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (20)
1.一种信息处理方法，其特征在于，包括：
获取用户发送的投诉信息；
从所述投诉信息中提取特征词；
在多个业务类别中，根据所述特征词确定所述投诉信息的所属类别；以及，
根据所述所属类别将所述投诉信息推送给处理所述投诉信息的客服人员。
2.根据权利要求1所述的信息处理方法，其特征在于，从所述投诉信息中提取特征词，包括：
获取领域词库，且所述领域词库为和客诉相关词的集合；
根据所述领域词库对所述投诉信息进行分词，得到多个词汇；
获取停用词库，且所述停用词库为和投诉信息分类无关词的集合；
从多个所述词汇中剔除所述停用词库中的词后，得到多个关键词；
将客诉关联度最大的预设数目个所述关键词，确定为所述特征词。
3.根据权利要求2所述的信息处理方法，其特征在于，和客诉相关词至少包括以下一类词汇：投诉的业务名称、投诉的产品名称、情感词。
4.根据权利要求2所述的信息处理方法，其特征在于，和投诉信息分类无关词至少包括标点符号和目标词，且所述目标词由词性确定。
5.根据权利要求2所述的信息处理方法，其特征在于，所述停用词库包括：目标文本集中和投诉信息分类无关词，且所述目标文本集为当前时刻客诉问答数据库存储的问答文本集合。
6.根据权利要求2所述的信息处理方法，其特征在于，所述关键词的客诉关联度通过词频-逆向文件频率算法计算得到。
7.根据权利要求1所述的信息处理方法，其特征在于，在多个业务类别中，根据所述特征词确定所述投诉信息的所属类别，包括：
通过分类模型对所述特征词进行分类，得到分类结果，其中，所述分类模型的预设类别为多个所述业务类别；
将所述分类结果确定为所述投诉信息的所属类别。
8.根据权利要求7所述的信息处理方法，其特征在于，所述分类模型为基于客诉问答数据库中的问答数据，并通过多项式贝叶斯算法训练得到的分类模型。
9.根据权利要求1所述的信息处理方法，其特征在于，还包括：
根据所述所属类别生成所述投诉信息的解答文本，并将所述解答文本推送给所述用户。
10.一种信息处理系统，其特征在于，包括：
获取模块，用于获取用户发送的投诉信息；
提取模块，用于从所述投诉信息中提取特征词；
确定模块，用于在多个业务类别中，根据所述特征词确定所述投诉信息的所属类别；以及，
第一推送模块，用于根据所述所属类别将所述投诉信息推送给处理所述投诉信息的客服人员。
11.根据权利要求10所述的信息处理系统，其特征在于，所述提取模块用于：
获取领域词库，且所述领域词库为和客诉相关词的集合；
根据所述领域词库对所述投诉信息进行分词，得到多个词汇；
获取停用词库，且所述停用词库为和投诉信息分类无关词的集合；
从多个所述词汇中剔除所述停用词库中的词后，得到多个关键词；
将客诉关联度最大的预设数目个所述关键词，确定为所述特征词。
12.根据权利要求11所述的信息处理系统，其特征在于，和客诉相关词至少包括以下一类词汇：投诉的业务名称、投诉的产品名称、情感词。
13.根据权利要求11所述的信息处理系统，其特征在于，和投诉信息分类无关词至少包括标点符号和目标词，且所述目标词由词性确定。
14.根据权利要求11所述的信息处理系统，其特征在于，所述停用词库包括：目标文本集中和投诉信息分类无关词，且所述目标文本集为当前时刻客诉问答数据库存储的问答文本集合。
15.根据权利要求11所述的信息处理系统，其特征在于，所述关键词的客诉关联度通过词频-逆向文件频率算法计算得到。
16.根据权利要求10所述的信息处理系统，其特征在于，所述确定模块，包括：
分类单元，用于通过分类模型对所述特征词进行分类，得到分类结果，其中，所述分类模型的预设类别为多个所述业务类别；
确定单元，用于将所述分类结果确定为所述投诉信息的所属类别。
17.根据权利要求16所述的信息处理系统，其特征在于，所述分类单元使用的所述分类模型为基于客诉问答数据库中的问答数据，并通过多项式贝叶斯算法训练得到的分类模型。
18.根据权利要求10所述的信息处理系统，其特征在于，还包括：
第二推送模块，用于根据所述所属类别生成所述投诉信息的解答文本，并将所述解答文本推送给所述用户。
19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现如权利要求1至9任一项所述的信息处理方法。
20.一种信息处理装置，其特征在于，包括：
存储器，用于存储计算机指令；
处理器，耦合到所述存储器，所述处理器被配置为基于所述存储器存储的计算机指令执行实现如权利要求1至9中任一项所述的信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910236781.7A CN109992653A (zh) | 2019-03-27 | 2019-03-27 | 信息处理方法和处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910236781.7A CN109992653A (zh) | 2019-03-27 | 2019-03-27 | 信息处理方法和处理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109992653A true CN109992653A (zh) | 2019-07-09 |
Family
ID=67131718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910236781.7A Pending CN109992653A (zh) | 2019-03-27 | 2019-03-27 | 信息处理方法和处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109992653A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111026867A (zh) * | 2019-11-28 | 2020-04-17 | 杭州飞步科技有限公司 | 客诉处理方法和装置、电子设备、存储介质 |
| CN111222896A (zh) * | 2020-01-17 | 2020-06-02 | 中信百信银行股份有限公司 | 客诉问题处理方法、装置、设备及存储介质 |
| CN111309903A (zh) * | 2020-01-20 | 2020-06-19 | 北京大米未来科技有限公司 | 一种数据处理方法、装置、存储介质和电子设备 |
| CN111428495A (zh) * | 2020-03-23 | 2020-07-17 | 浙江大搜车软件技术有限公司 | 工作流审批处理方法、系统和计算机设备 |
| CN111553817A (zh) * | 2020-04-24 | 2020-08-18 | 北京北大软件工程股份有限公司 | 一种投诉举报案件及处理部门的吻合度的分析方法和系统 |
| CN112052994A (zh) * | 2020-08-28 | 2020-12-08 | 中信银行股份有限公司 | 客诉升级预测方法、装置及电子设备 |
| CN112182192A (zh) * | 2020-10-16 | 2021-01-05 | 衡阳携创信息服务有限公司 | 一种基于微信小程序的客服服务系统 |
| CN112307157A (zh) * | 2019-07-29 | 2021-02-02 | 普天信息技术有限公司 | 申诉意见挖掘方法和装置 |
| CN114491019A (zh) * | 2021-12-28 | 2022-05-13 | 中国电信股份有限公司 | 用于对投诉信息进行分类的方法、装置和存储介质 |
-
2019
- 2019-03-27 CN CN201910236781.7A patent/CN109992653A/zh active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112307157A (zh) * | 2019-07-29 | 2021-02-02 | 普天信息技术有限公司 | 申诉意见挖掘方法和装置 |
| CN112307157B (zh) * | 2019-07-29 | 2024-08-02 | 普天信息技术有限公司 | 申诉意见挖掘方法和装置 |
| CN111026867A (zh) * | 2019-11-28 | 2020-04-17 | 杭州飞步科技有限公司 | 客诉处理方法和装置、电子设备、存储介质 |
| CN111222896A (zh) * | 2020-01-17 | 2020-06-02 | 中信百信银行股份有限公司 | 客诉问题处理方法、装置、设备及存储介质 |
| CN111309903A (zh) * | 2020-01-20 | 2020-06-19 | 北京大米未来科技有限公司 | 一种数据处理方法、装置、存储介质和电子设备 |
| CN111428495A (zh) * | 2020-03-23 | 2020-07-17 | 浙江大搜车软件技术有限公司 | 工作流审批处理方法、系统和计算机设备 |
| CN111553817A (zh) * | 2020-04-24 | 2020-08-18 | 北京北大软件工程股份有限公司 | 一种投诉举报案件及处理部门的吻合度的分析方法和系统 |
| CN112052994A (zh) * | 2020-08-28 | 2020-12-08 | 中信银行股份有限公司 | 客诉升级预测方法、装置及电子设备 |
| CN112182192A (zh) * | 2020-10-16 | 2021-01-05 | 衡阳携创信息服务有限公司 | 一种基于微信小程序的客服服务系统 |
| CN114491019A (zh) * | 2021-12-28 | 2022-05-13 | 中国电信股份有限公司 | 用于对投诉信息进行分类的方法、装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109992653A (zh) | 信息处理方法和处理系统 | |
| US10691770B2 (en) | Real-time classification of evolving dictionaries | |
| RU2704531C1 (ru) | Способ и устройство для анализа семантической информации | |
| US9348901B2 (en) | System and method for rule based classification of a text fragment | |
| CN113392209B (zh) | 一种基于人工智能的文本聚类方法、相关设备及存储介质 | |
| Nair et al. | SentiMa-sentiment extraction for Malayalam | |
| KR20150096295A (ko) | 문답 데이터베이스 구축 시스템 및 방법, 그리고 이를 이용한 검색 시스템 및 방법 | |
| CN112084342A (zh) | 试题生成方法、装置、计算机设备及存储介质 | |
| CN111782793A (zh) | 智能客服处理方法和系统及设备 | |
| Puertas et al. | Detection of sociolinguistic features in digital social networks for the detection of communities | |
| CN112528654A (zh) | 自然语言处理方法、装置及电子设备 | |
| Siswanto et al. | Predicting latent attributes of Twitter user by employing lexical features | |
| CN115438149A (zh) | 一种端到端模型训练方法、装置、计算机设备及存储介质 | |
| Zhang et al. | A hybrid neural network approach for fine-grained emotion classification and computing | |
| Mutiara et al. | Improving the accuracy of text classification using stemming method, a case of non-formal Indonesian conversation | |
| CN114255067A (zh) | 数据定价方法和装置、电子设备、存储介质 | |
| Patil et al. | Novel technique for script translation using NLP: performance evaluation | |
| CN113077312A (zh) | 酒店推荐方法、系统、设备及存储介质 | |
| Gurin | Methods for Automatic Sentiment Detection | |
| CN114491076B (zh) | 基于领域知识图谱的数据增强方法、装置、设备及介质 | |
| KR20230059364A (ko) | 언어 모델을 이용한 여론조사 시스템 및 운영 방법 | |
| CN115048523A (zh) | 文本分类方法、装置、设备以及存储介质 | |
| Alorini et al. | Machine learning enabled sentiment index estimation using social media big data | |
| Rai et al. | Identification of landscape preferences by using social media analysis | |
| CN113807920A (zh) | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |