CN110275956A - 一种人员识别方法及系统 - Google Patents

Abstract

本发明公开了一种人员识别方法及系统，包括：采集投诉电话数据，以投诉电话号码作为投诉人唯一的标识，聚合同一投诉人的投诉电话数据；构建关键词表；对投诉电话内容进行分词，构建风险词向量；构建投诉人基本属性向量；人工识别与标注投诉电话数据，将标注后的投诉电话数据作为训练数据；拼接投诉人基本属性向量和风险词向量，构建职业打假人分类模型；使用训练数据训练分类模型，利用训练后的分类模型识别待识别的投诉电话数据，通过分析投诉数据和投诉人的投诉行为准确识别职业打假人。

Description

一种人员识别方法及系统

技术领域

本发明涉及电子信息技术领域，具体地，涉及一种人员识别方法及系统。

背景技术

电话投诉是人们进行投诉的主要手段之一。职业打假人故意购买存在问题的商品，利用 相关法律法规向商家索要赔偿。这种行为对商家乃至整个社会秩序都造成了极大的负面影响。

当前职业打假人识别多采用被动识别方式，通过商家的报警信息追溯投诉人投诉数据信 息。这种被动识别方式时效性差，识别职业打假人相对滞后。本发明提出的方法通过分析投 诉电话数据能够快速识别职业打假人。

发明内容

本发明提出了一种职业打假人识别方法及系统，该方法和系统通过分析投诉数据和投诉 人的投诉行为可以准确识别职业打假人，对相关部门开展职业打假人的整治工作起到良好的 促进作用。

为实现上述发明目的，本发明一方面提供了一种职业打假人识别方法，所述方法包括：

步骤1：采集投诉电话数据，以投诉电话号码作为投诉人唯一的标识，聚合同一投诉人 的投诉电话数据；

步骤2：构建表征职业打假人投诉内容的关键词表；

步骤3：对投诉电话内容进行分词，比对分词结果与关键词表，构建基于one-hot编码 方式的风险词向量；

步骤4：构建投诉人基本属性向量，包括：投诉次数、投诉频率、投诉区域、投诉最长间隔、投诉最短间隔；

步骤5：人工识别投诉电话内容是否为职业打假人电话，根据识别结果将投诉人标注为 职业打假人或非职业打假人，将标注后的投诉电话内容作为训练数据；

步骤6：拼接投诉人基本属性向量和风险词向量，使用梯度提升树进行建模，得到职业 打假人分类模型；

步骤7：使用训练数据训练职业打假人分类模型，利用训练后的职业打假人分类模型识 别待识别的投诉电话内容。

进一步的，构建关键词表包括6个关键词：标签、过期、日期、赔偿、规定、法规。

进一步的，采用中科院分词工具进行中文分词，首先构建一个6维风险词向量，每个维 度对应关键词表中的一个关键词，如果分词结果中存在关键词表中的词，则将风险词向量对 应维度的值设置为1。

进一步的，投诉次数为该投诉人对应的所有投诉记录数；投诉频率的计算方法为：(投诉 人最后一次投诉时间-投诉人首次投诉时间)/投诉人投诉次数；投诉最长间隔即为该投诉人 所有投诉中相邻两次投诉的最长间隔时间；投诉最短间隔即为该投诉人所有投诉中相邻两次 投诉的最短间隔时间。

进一步的，梯度提升树为决策树集成算法，描述公式如下：

式(1)为一个叠加模型，即模型的最终输出是多个子模型输出的加权求和，其中β_m为 子模型h(x；a_m)的权重，每个子模型h(x；a_m)使用CART决策树表示；CART决策树是一种二分 决策树，其在每个节点划分时采用基尼系数来判断一次划分的好坏；梯度提升树采用迭代学 习方式；首先让第一棵树h(x；a₁)直接拟合数据集的目标列，然后让第二棵树拟合第一棵树与 目标列之间的残差，再让第三棵树拟合第二棵树与第一棵树之间的残差，以此类推。

另一方面，本发明提供了一种职业打假人识别系统，所述系统包括：

采集单元，用于采集投诉电话数据，以投诉电话号码作为投诉人唯一的标识，聚合同一 投诉人的投诉电话数据；

关键词表构建单元，用于构建表征职业打假人投诉内容的关键词表；

分词与风险词向量构建单元，用于对投诉电话内容进行分词，并比对分词结果与关键词 表中的词，构建基于one-hot编码方式的风险词向量；

投诉人基本属性向量构建单元，用于构建投诉人基本属性向量，包括：投诉次数、投诉 频率、投诉区域、投诉最长间隔、投诉最短间隔；

人工识别和标注训练数据，人工识别投诉电话内容是否为职业打假人电话，根据识别结 果将投诉人标注为职业打假人或非职业打假人，将标注后的投诉电话内容作为训练数据；

建模单元，用于拼接投诉人基本属性向量和风险词向量，使用梯度提升树进行建模，得 到职业打假人分类模型；

训练与识别单元，用于使用训练数据训练职业打假人分类模型，利用训练后的职业打假 人分类模型识别待识别的投诉电话内容。

其中，构建的关键词表包括6个关键词：标签、过期、日期、赔偿、规定、法规。

其中，采用中科院分词工具进行分词，首先构建一个6维风险词向量，每个维度对应关 键词表中的一个关键词，如果分词结果中存在关键词表中的词，则将风险词向量对应维度的 值设置为1。

其中，投诉次数为该投诉人对应的所有投诉记录数；投诉频率的计算方法为：(投诉人最 后一次投诉时间-投诉人首次投诉时间)/投诉人投诉次数；投诉最长间隔即为该投诉人所有 投诉中相邻两次投诉的最长间隔时间；投诉最短间隔即为该投诉人所有投诉中相邻两次投诉 的最短间隔时间。

其中，梯度提升树为决策树集成算法，描述公式如下：

式(1)为一个叠加模型，即模型的最终输出是多个子模型输出的加权求和，其中β_m为 子模型h(x；a_m)的权重，每个子模型h(x；a_m)使用CART决策树表示；CART决策树是一种二分 决策树，其在每个节点划分时采用基尼系数来判断一次划分的好坏；梯度提升树采用迭代学 习方式；首先让第一棵树h(x；a₁)直接拟合数据集的目标列，然后让第二棵树拟合第一棵树与 目标列之间的残差，再让第三棵树拟合第二棵树与第一棵树之间的残差，以此类推。

本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于本发明采用了机器学习手段，提出的方法及系统能够自动从大量数据中学习职业打 假人与非职业打假人的特征，帮助相关局办快速定位职业打假人，从而降低商家损失，促进 相关行业健康发展。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不 构成对本发明实施例的限定；

图1是本发明中一种职业打假人识别方法的流程示意图；

图2是本发明中一种职业打假人识别系统的组成示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式 对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本发明的实施例 及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用 其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的 具体实施例的限制。

请参考图1，本发明提供了本发明提供一种职业打假人识别方法，方法包括以下步骤：1) 采集投诉电话数据，以投诉电话号码作为投诉人唯一的标识，聚合同一投诉人的投诉电话数 据；2)构建表征职业打假人投诉内容的关键词表；3)对投诉内容进行分词，并比对分词结 果与关键词表中的词，构建基于one-hot编码方式的风险词向量；4)构建投诉人基本属性向 量，主要包括投诉次数、投诉频率、投诉区域、投诉最长间隔、投诉最短间隔；5)人工识别 和标注部分投诉人的投诉电话内容形成训练数据，将投诉人标注为“职业打假人”或“非职 业打假人”；6)拼接投诉人基本属性向量和风险词向量，使用梯度提升树进行建模，得到职 业打假人分类模型。

在具体实施的过程中方法主要包含以下几个步骤：

步骤1：采集投诉电话数据，以投诉人电话号码唯一标识投诉人，聚合同一投诉人的投 诉数据；

步骤2：构建表征职业打假人投诉内容的关键词表。根据调研，发现职业打假人的投诉 通常针对产品标签、产品过期日期、赔偿等问题进行投诉，因此构建的关键词表包含“标签”、 “过期”、“日期”、“赔偿”、“规定”和“法规”6个关键词；

步骤3：对投诉内容进行分词，并比对分词结果与关键词表中的词，构建基于one-hot编 码方式的风险词向量。采用中科院分词工具进行中文分词。首先构建一个6维风险词向量， 每个维度对应关键词表中的一个关键词。如果分词结果中存在关键词表中的词，则将风险词 向量对应维度的值设置为1。

步骤4：构建投诉人基本属性向量，主要包括投诉次数、投诉频率、投诉区域、投诉最 长间隔、投诉最短间隔。投诉次数为该投诉人对应的所有投诉记录数；投诉频率的计算方法 为：(投诉人最后一次投诉时间-投诉人首次投诉时间)/投诉人投诉次数；投诉最长间隔即为 该投诉人所有投诉中相邻两次投诉的最长间隔时间；投诉最短间隔即为该投诉人所有投诉中 相邻两次投诉的最短间隔时间。

步骤5：人工识别和标注部分投诉人的投诉内容形成训练数据，将投诉人标注为“职业 打假人”或“非职业打假人”；

步骤6：拼接投诉人基本属性向量和风险词向量，使用梯度提升树进行建模，得到分类 模型。梯度提升树是一种决策树集成算法，描述公式如下：

上式可以看做一个叠加模型(additivemodel)，即模型的最终输出是多个子模型输出的加权求 和。其中β_m为子模型h(x；a_m)的权重。每个子模型h(x；a_m)使用CART决策树表示。CART决 策树是一种二分决策树，其在每个节点划分时采用基尼系数来判断一次划分的好坏。梯度提 升树采用迭代学习方式。首先让第一棵树h(x；a₁)直接拟合数据集的目标列(标签列)，然后让 第二棵树拟合第一棵树与目标列之间的残差，再让第三棵树拟合第二棵树与第一棵树之间的 残差，以此类推。事实表明，由此训练出的集成模型具有非常强大的拟合和泛化能力。

步骤7训练构建的职业打假人分类模型，利用训练后的职业打假人分类模型识别待识别 的投诉电话是否为职业打假人。

请参考图2，本发明实施例还提供了一种职业打假人识别系统，所述系统包括：

采集单元，用于采集投诉电话数据，以投诉电话号码作为投诉人唯一的标识，聚合同一 投诉人的投诉电话数据；

关键词表构建单元，用于构建表征职业打假人投诉内容的关键词表；

分词与风险词向量构建单元，用于对投诉电话内容进行分词，并比对分词结果与关键词 表中的词，构建基于one-hot编码方式的风险词向量；

投诉人基本属性向量构建单元，用于构建投诉人基本属性向量，包括：投诉次数、投诉 频率、投诉区域、投诉最长间隔、投诉最短间隔；

人工识别和标注训练数据，人工识别投诉电话内容是否为职业打假电话，根据识别结果 将投诉人标注为职业打假人或非职业打假人，将标注后的投诉电话内容作为训练数据；

建模单元，用于拼接投诉人基本属性向量和风险词向量，使用梯度提升树进行建模，得 到职业打假人分类模型；

训练与识别单元，用于使用训练数据训练职业打假人分类模型，利用训练后的职业打假 人分类模型识别待识别的投诉电话数据。

目前拥有成都地区历年的投诉电话数据，首先人工标注其中的部分数据，标注其对应的 投诉人是否是职业打假人，剩余数据作为测试数据。

在测试数据上应用训练好的分类模型，测试结果精确度(precision)达到100％、召回 率(recall)达到90％。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念， 则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例 以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范 围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则 本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种人员识别方法，其特征在于，所述方法包括：

步骤1：采集投诉电话数据，以投诉电话号码作为投诉人唯一的标识，聚合同一投诉人的投诉电话数据；

步骤2：构建表征职业打假人投诉内容的关键词表；

步骤3：对投诉内容进行分词，并比对分词结果与关键词表，构建基于one-hot编码方式的风险词向量；

步骤4：构建投诉人基本属性向量，包括：投诉次数、投诉频率、投诉区域、投诉最长间隔、投诉最短间隔；

步骤5：人工识别投诉电话内容是否为职业打假电话，根据识别结果将相应投诉人标注为职业打假人或非职业打假人，将标注后的投诉电话内容作为训练数据；

步骤6：拼接投诉人基本属性向量和风险词向量，使用梯度提升树进行建模，得到职业打假人分类模型；

步骤7：使用训练数据训练职业打假人分类模型，利用训练后的职业打假人分类模型识别待识别的投诉电话数据。

2.根据权利要求1所述的一种人员识别方法，其特征在于，构建的关键词表包括6个关键词：标签、过期、日期、赔偿、规定、法规。

3.根据权利要求1所述的一种人员识别方法，其特征在于，采用中科院分词工具进行中文分词，首先构建一个6维风险词向量，每个维度对应关键词表中的一个关键词，如果分词结果中存在关键词表中的词，则将风险词向量对应维度的值设置为1。

4.根据权利要求1所述的一种人员识别方法，其特征在于，投诉次数为该投诉人对应的所有投诉记录数；投诉频率的计算方法为：(投诉人最后一次投诉时间-投诉人首次投诉时间)/投诉人投诉次数；投诉最长间隔即为该投诉人所有投诉中相邻两次投诉的最长间隔时间；投诉最短间隔即为该投诉人所有投诉中相邻两次投诉的最短间隔时间。

5.根据权利要求1所述的一种人员识别方法，其特征在于，梯度提升树为决策树集成算法，描述公式如下：

式(1)为一个叠加模型，即模型的最终输出是多个子模型输出的加权求和，其中β_m为子模型h(x；a_m)的权重，每个子模型h(x；a_m)使用CART决策树表示；CART决策树是一种二分决策树，在每个节点划分时采用基尼系数来判断一次划分的好坏；梯度提升树采用迭代学习方式；首先让第一棵树h(x；a₁)直接拟合数据集的目标列，然后让第二棵树拟合第一棵树与目标列之间的残差，再让第三棵树拟合第二棵树与第一棵树之间的残差，以此类推。

6.一种人员识别系统，其特征在于，所述系统包括：

采集单元，用于采集投诉人的投诉电话数据，以投诉电话号码作为投诉人唯一的标识，聚合同一投诉人的投诉电话数据；

关键词表构建单元，用于构建表征职业打假人投诉内容的关键词表；

分词与风险词向量构建单元，用于对投诉电话内容进行分词，并比对分词结果与关键词表，构建基于one-hot编码方式的风险词向量；

投诉人基本属性向量构建单元，用于构建投诉人基本属性向量，包括：投诉次数、投诉频率、投诉区域、投诉最长间隔、投诉最短间隔；

人工识别和标注训练数据，人工识别投诉电话内容是否为职业打假电话，根据识别结果将投诉人标注为职业打假人或非职业打假人，将标注后的投诉电话内容作为训练数据；

建模单元，用于拼接投诉人基本属性向量和风险词向量，使用梯度提升树进行建模，得到职业打假人分类模型；

训练与识别单元，用于使用训练数据训练职业打假人分类模型，利用训练后的职业打假人分类模型识别待识别的投诉电话内容。

7.根据权利要求6所述的一种人员识别系统，其特征在于，构建的关键词表包括6个关键词：标签、过期、日期、赔偿、规定、法规。

8.根据权利要求6所述的一种人员识别系统，其特征在于，采用中科院分词工具进行中文分词，首先构建一个6维风险词向量，每个维度对应关键词表中的一个关键词，如果分词结果中存在关键词表中的词，则将风险词向量对应维度的值设置为1。

9.根据权利要求6所述的一种人员识别系统，其特征在于，投诉次数为该投诉人对应的所有投诉记录数；投诉频率的计算方法为：(投诉人最后一次投诉时间-投诉人首次投诉时间)/投诉人投诉次数；投诉最长间隔即为该投诉人所有投诉中相邻两次投诉的最长间隔时间；投诉最短间隔即为该投诉人所有投诉中相邻两次投诉的最短间隔时间。

10.根据权利要求6所述的一种人员识别系统，其特征在于，梯度提升树为决策树集成算法，描述公式如下：

式(1)为一个叠加模型，即模型的最终输出是多个子模型输出的加权求和，其中β_m为子模型h(x；a_m)的权重，每个子模型h(x；a_m)使用CART决策树表示；CART决策树是一种二分决策树，其在每个节点划分时采用基尼系数来判断一次划分的好坏；梯度提升树采用迭代学习方式；首先让第一棵树h(x；a₁)直接拟合数据集的目标列，然后让第二棵树拟合第一棵树与目标列之间的残差，再让第三棵树拟合第二棵树与第一棵树之间的残差，以此类推。