CN110909129B - 异常投诉事件的识别方法及装置 - Google Patents

异常投诉事件的识别方法及装置 Download PDF

Info

Publication number
CN110909129B
CN110909129B CN201911114975.6A CN201911114975A CN110909129B CN 110909129 B CN110909129 B CN 110909129B CN 201911114975 A CN201911114975 A CN 201911114975A CN 110909129 B CN110909129 B CN 110909129B
Authority
CN
China
Prior art keywords
complaint
event
node
complaint event
abnormal
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.)
Active
Application number
CN201911114975.6A
Other languages
English (en)
Other versions
CN110909129A (zh
Inventor
仇雪雅
臧云波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Mingsheng Pinzhi Artificial Intelligence Technology Co ltd
Original Assignee
Shanghai Second Picket Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Second Picket Network Technology Co ltd filed Critical Shanghai Second Picket Network Technology Co ltd
Priority to CN201911114975.6A priority Critical patent/CN110909129B/zh
Publication of CN110909129A publication Critical patent/CN110909129A/zh
Application granted granted Critical
Publication of CN110909129B publication Critical patent/CN110909129B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种异常投诉事件的识别方法及装置，上述方法包括：根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；挖掘所述知识图谱中与第二投诉事件关联的第二节点；根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件。通过本发明，解决了依赖于人工对异常投诉事件进行识别的效率低下，且准确性较低的问题，实现了对异常投诉事件识别的效率和准确性。

Description

异常投诉事件的识别方法及装置
技术领域
本发明涉及通信领域，具体而言，涉及一种异常投诉事件的识别方法及装置。
背景技术
在相关行业，例如食品行业中，职业打假人进行异常投诉的现象普遍存在。职业打假人以消费者的名义寻找并购买不合格商品，通过多方面、低水平的重复投诉，在通过“知假买假”，甚至“掉包”、“夹带”“造假”等非正常消费方式人为制造索赔理由，向相关的部门或管理单位进行举报，严重侵占行政资源，占用了执法部门大量精力，使执法人员应接不暇，并且，严重影响市场的正常发展。
因此，如何了解投诉事件为正常消费者投诉还是职业打假人的异常投诉，有利于提高投诉处理效率。
在相关技术中，异常投诉主要通过人为判断。当收到投诉举报信息后，相关执法人员对投诉举报信息进行人工判断。而依赖于人工的方式对异常投诉事件进行识别的效率低下，且准确性较低。
针对相关技术中，依赖于人工对异常投诉事件进行识别的效率低下，且准确性较低的问题，尚未提出解决方案。
发明内容
本发明实施例提供了一种异常投诉事件的识别方法及装置，以至少解决相关技术中存在的依赖于人工对异常投诉事件进行识别的效率低下，且准确性较低的问题。
根据本发明的一个实施例，提供了一种异常投诉事件的识别方法，包括：
根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；
挖掘所述知识图谱中与第二投诉事件关联的第二节点；
根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；
在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件。
根据本发明的一个实施例，提供了一种异常投诉事件的识别装置，包括：
构建模块，用于根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；
挖掘模块，用于挖掘所述知识图谱中与第二投诉事件关联的第二节点；
第一确定模块，用于根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；
第二确定模块，用于在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件。
根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；挖掘所述知识图谱中与第二投诉事件关联的第二节点；根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件。因此，可以解决依赖于人工对异常投诉事件进行识别的效率低下，且准确性较低的问题，实现了对异常投诉事件识别的效率和准确性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的异常投诉事件的识别方法的流程图；
图2是根据本发明实施例的构建知识图谱的示意图；
图3是根据本发明实施例的异常投诉事件的识别装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本发明实施例提供了一种异常投诉事件的识别方法。图1是根据本发明实施例的异常投诉事件的识别方法的流程图，如图1所示，包括：
步骤S102，根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；
步骤S104，挖掘所述知识图谱中与第二投诉事件关联的第二节点；
步骤S106，根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；
步骤S108，在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件。
通过本发明，根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；挖掘所述知识图谱中与第二投诉事件关联的第二节点；根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件。因此，可以解决依赖于人工对异常投诉事件进行识别的效率低下，且准确性较低的问题，实现了对异常投诉事件识别的效率和准确性。
在本发明的一可选实施例中，所述第一节点包括第三节点和第四节点，所述根据第一投诉事件构建知识图谱，包括：获取所述第一投诉事件中包括的第一投诉人和第一目标事件；在所述知识图谱中构建与所述第一投诉人和所述第一目标事件相对应的所述第三节点；获取所述第三节点的属性信息，在所述知识图谱中构建与所述第三节点的属性信息对应的所述第四节点；在所述知识图谱中建立所述第三节点和所述第四节点之间的关系。
在本发明的上述实施例中，知识图谱包括了节点和以及节点之间的关系。可选的，在构建知识图谱时，分别构建与第一投诉事件中的第一投诉人和第一目标事件对应的节点。例如，在第一投诉事件为：用户A投诉商户B的产品C为假冒产品，此时第一投诉人为用户A，第一目标事件为商户B的产品C为假冒产品。在构建知识图谱时，分别创建与“用户A”，“商户B的产品C为假冒产品”相对应的节点，即上述的第三节点可以包括与第一投诉人对应的节点，以及与第一目标事件对应的节点。
需要说明的是，在上述实施例中，获取第三节点的属性信息，并构建与属性信息相对应的第四节点。作为一种可选的实施方式，属性信息是用于对第三节点进行描述的信息。可选的，第三节点的属性信息可以包括以下至少之一：第一投诉人的证件号、IP地址、联系方式、居住地址、所在公司，第一目标事件对应的投诉日期，第一目标事件中的目标产品，投诉理由，索赔金额等。基于上述实施例，在获取了第三节点的属性信息后，构建与属性信息一一对应的第四节点，例如，分别构建与第一投诉人的证件号、IP地址、联系方式、居住地址、所在公司，第一目标事件对应的投诉日期，第一目标事件中的目标产品，投诉理由，索赔金额等一一对应的第四节点。在上述实施例中，由于与第一投诉人对应的节点具有第一投诉人的证件号、IP地址、联系方式、居住地址、所在公司等属性信息，从而在知识图谱中将与第一投诉人对应的节点(以下简称第一投诉人节点)，以及与第一投诉人的证件号、IP地址、联系方式、居住地址、所在公司等属性信息对应的节点(以下简称为属性节点)关联起来，即在知识图谱中连接投诉人节点与各个属性节点。
在本发明的一可选实施例中，所述第二投诉事件包括第二投诉人和第二目标事件；其中，所述挖掘所述知识图谱中与第二投诉事件关联的第二节点，包括；根据所述第二投诉人和第二目标事件，挖掘所述知识图谱中与所述第二投诉人和第二目标事件存在关联关系的所述第二节点。
可选的，挖掘出的第二节点中包括了第五节点，其中第五节点是与投诉人(例如，历史投诉事件中的投诉人)对应的节点，该第五节点具有与知识图谱中与第二投诉人对应的投诉人节点(以下简称为第二投诉人节点)相同的属性信息，即第五节点与第二投诉人节点具有相同的属性信息，也即第五节点与第二投诉人节点之间通过相同的属性节点连接起来。作为另一种可选的实施方式，第二节点中还包括了与第五节点的属性信息相对应的第六节点。
需要说明的是，在上述实施例中，从知识图谱中挖掘出与第二投诉事件关联的第二节点，由于第二节点涉及的信息范围广泛，即能够根据知识图谱更加深入和广泛的掌握与第二投诉事件相关的各方面的信息，从而能够提高对异常投诉事件识别的准确性。
在本发明的一可选实施例中，所述根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率，包括：根据所述第二节点确定所述第二投诉人的历史投诉次数以及投诉间隔；在所述历史投诉次数大于第二阈值且所述投诉间隔小于第三阈值的情况下，确定所述第二投诉事件为异常投诉事件的概率超过了所述第一阈值。
作为一种可选的实施方式，第二节点包括第七节点和第八节点，其中，所述第七节点是与所述第二投诉人的历史投诉事件对应的节点，所述第八节点是与所述第七节点的属性信息相对应的节点。
可选的，根据所述第七节点和所述第八节点确定所述第二投诉人的历史投诉次数，以及历史投诉事件的投诉间隔。在所述历史投诉次数大于第二阈值且所述投诉间隔小于第三阈值的情况下，确定所述第二投诉事件为异常投诉事件的概率超过了所述第一阈值，即确定第二投诉事件为异常投诉。
在本发明的一可选实施例中，在所述概率超过阈值的情况下，确定所述第二投诉事件为异常投诉事件之后，所述方法还包括：根据所述第二投诉事件所属的异常投诉事件的类型，确定所述第二投诉事件的优先级；根据所述优先级对所述第二投诉事件进行处理。
需要说明的是，在本发明实施例中，根据异常投诉事件所属的异常投诉事件的类型，对第二投诉事件划分优先级，以及根据优先级对异常投诉事件进行处理，从而提高了对异常投诉事件处理的灵活性和效率。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
下面结合一示例对上述实施例进行具体说明：
相关技术中，职业打假人的身份主要依靠相关执法人的主观判断，并没有明确的标准。并且，对于投诉举报信息的核查主要依赖相关执法人的工作态度，若工作人员未进行相应检索，极易造成投诉处理不当、助长不良社会风气。此外由于职业打假组织化，这种组织在非常复杂的关系网络里隐藏着，不容易被发现。并且这些组织内部各个人分工合作，有些成员会用虚假的身份去申请投诉，但部分信息是共享的，人工检查很难进行异常投诉挖掘。针对上述问题，根据本发明的另一实施例，采用知识图谱技术，结合大量数据，利用数据挖掘确定出投诉事件为异常投诉事件的情况，并且输出推荐处理方案以指导相关管理部门确定异常投诉事件的处理优先级，从而能够合理配置监管资源。该方案主要包括图谱构建、异常检索、异常案件处理三个步骤。
根据本发明的另一实施例，提供了一种异常投诉事件的识别方法。本发明示例的技术方案如下：
步骤1，构建投诉事件的知识图谱：
在本步骤中，从多源异构的数据(例如历史投诉事件)中抽取实体信息(即上述的投诉人和目标事件)，补全投诉人和目标事件的属性信息，识别语义并分别建立对应的节点，以及建立相关节点之间的关系，从而形成了知识图谱。
图2是根据本发明实施例的构建知识图谱的示意图。如图2所示，实体信息包括了投诉者(即上述的投诉人)，在知识图谱中构建与投诉者的基本信息(例如名字、电话、住址、证件号等)(即上述的属性信息)，以及目标事件的属性信息，例如该投诉事件的行为信息(例如，投诉商品名称、商品种类、商品数量、投诉种类、被投诉者等)、历史投诉状况(投诉次数、索赔金额、投诉种类等)等分别对应的节点。
需要说明的是，知识图谱构建过程中所需的数据类型多样、来源多元、结构复杂，其中既可以包括投诉记录、索赔历史等存档数据，也可以包括从互联网抓取得到的相关数据。
步骤2，检索投诉异常
投诉事件的知识图谱构建完成后，即已建立了事件与事件成因的各个因素的关联。
当发生投诉事件时(举例：投诉人A发起的目标事件B)，根据该投诉事件各个元素(例如，投诉者基本信息、目标事件基本信息等等)在知识图谱中进行挖掘，得到与该投诉事件相关的一系列节点。并基于挖掘到的节点，确定出该投诉事件为异常投诉的概率。例如，投诉人A多次以同一投诉理由进行投诉、且投诉间隔较短，则判断A为职业打假人，A所进行的同理由的投诉大概率为异常投诉。
步骤3，异常投诉处理
异常投诉按照投诉种类进行分类，并为不同的分类设置不同的优先级。对于优先程度低案件滞后处理或直接驳回赔付请求，例如，为投诉人所属的公司为A公司的投诉人发起的投诉事件设置较低的优先级，从而滞后处理该类型的投诉事件或直接驳回该类型的投诉事件的赔付请求。
实施例2
根据本发明的另一个实施例，提供了一种异常投诉事件的识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的异常投诉事件的识别装置的结构框图，该装置包括：
构建模块32，用于根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；
挖掘模块34，用于挖掘所述知识图谱中与第二投诉事件关联的第二节点；
第一确定模块36，用于根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；
第二确定模块38，用于在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件。
通过本发明，根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；挖掘所述知识图谱中与第二投诉事件关联的第二节点；根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件。因此，可以解决依赖于人工对异常投诉事件进行识别的效率低下，且准确性较低的问题，实现了对异常投诉事件识别的效率和准确性。
在本发明的一可选实施例中，所述第一节点包括第三节点和第四节点，所述构建模块32，还用于：获取所述第一投诉事件中包括的第一投诉人和第一目标事件；在所述知识图谱中构建与所述第一投诉人和所述第一目标事件相对应的所述第三节点；获取所述第三节点的属性信息，在所述知识图谱中构建与所述第三节点的属性信息对应的所述第四节点；在所述知识图谱中建立所述第三节点和所述第四节点之间的关系。
在本发明的一可选实施例中，所述第二投诉事件包括第二投诉人和第二目标事件；其中，所述挖掘模块34，还用于：根据所述第二投诉人和第二目标事件，挖掘所述知识图谱中与所述第二投诉人和第二目标事件存在关联关系的所述第二节点。
在本发明的一可选实施例中，所述第一确定模块36，还用于：根据所述第二节点确定所述第二投诉人的历史投诉次数以及投诉间隔；在所述历史投诉次数大于第二阈值且所述投诉间隔小于第三阈值的情况下，确定所述第二投诉事件为异常投诉事件的概率超过了所述第一阈值。
在本发明的一可选实施例中，所述装置还包括：第三确定模块，用于根据所述第二投诉事件所属的异常投诉事件的类型，确定所述第二投诉事件的优先级；以及用于根据所述优先级对所述第二投诉事件进行处理。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，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 (8)

1.一种异常投诉事件的识别方法，其特征在于，包括：
根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；
挖掘所述知识图谱中与第二投诉事件关联的第二节点；
根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；
在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件；
其中，所述第一节点包括第三节点和第四节点，所述根据第一投诉事件构建知识图谱，包括：
获取所述第一投诉事件中包括的第一投诉人和第一目标事件；
在所述知识图谱中构建与所述第一投诉人和所述第一目标事件相对应的所述第三节点；
获取所述第三节点的属性信息，在所述知识图谱中构建与所述第三节点的属性信息对应的所述第四节点；
在所述知识图谱中建立所述第三节点和所述第四节点之间的关系。
2.根据权利要求1所述的方法，其特征在于，所述第二投诉事件包括第二投诉人和第二目标事件；
其中，所述挖掘所述知识图谱中与第二投诉事件关联的第二节点，包括；
根据所述第二投诉人和第二目标事件，挖掘所述知识图谱中与所述第二投诉人和第二目标事件存在关联关系的所述第二节点。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率，包括：
根据所述第二节点确定所述第二投诉人的历史投诉次数以及投诉间隔；
在所述历史投诉次数大于第二阈值且所述投诉间隔小于第三阈值的情况下，确定所述第二投诉事件为异常投诉事件的概率超过了所述第一阈值。
4.根据权利要求1所述的方法，其特征在于，在所述概率超过阈值的情况下，确定所述第二投诉事件为异常投诉事件之后，所述方法还包括：
根据所述第二投诉事件所属的异常投诉事件的类型，确定所述第二投诉事件的优先级；
根据所述优先级对所述第二投诉事件进行处理。
5.一种异常投诉事件的识别装置，其特征在于，包括：
构建模块，用于根据第一投诉事件构建知识图谱，其中，所述知识图谱中包括与所述第一投诉事件对应的第一节点；
挖掘模块，用于挖掘所述知识图谱中与第二投诉事件关联的第二节点；
第一确定模块，用于根据所述第二节点确定所述第二投诉事件为异常投诉事件的概率；
第二确定模块，用于在所述概率超过第一阈值的情况下，确定所述第二投诉事件为异常投诉事件；
其中，所述第一节点包括第三节点和第四节点，所述构建模块，还用于：
获取所述第一投诉事件中包括的第一投诉人和第一目标事件；
在所述知识图谱中构建与所述第一投诉人和所述第一目标事件相对应的所述第三节点；
获取所述第三节点的属性信息，在所述知识图谱中构建与所述第三节点的属性信息对应的所述第四节点；
在所述知识图谱中建立所述第三节点和所述第四节点之间的关系。
6.根据权利要求5所述的装置，其特征在于，所述第二投诉事件包括第二投诉人和第二目标事件；
其中，所述挖掘模块，还用于：根据所述第二投诉人和第二目标事件，挖掘所述知识图谱中与所述第二投诉人和第二目标事件存在关联关系的所述第二节点。
7.根据权利要求6所述的装置，其特征在于，所述第一确定模块，还用于：
根据所述第二节点确定所述第二投诉人的历史投诉次数以及投诉间隔；
在所述历史投诉次数大于第二阈值且所述投诉间隔小于第三阈值的情况下，确定所述第二投诉事件为异常投诉事件的概率超过了所述第一阈值。
8.根据权利要求5所述的装置，其特征在于，所述装置还包括：
第三确定模块，用于根据所述第二投诉事件所属的异常投诉事件的类型，确定所述第二投诉事件的优先级；以及用于根据所述优先级对所述第二投诉事件进行处理。
CN201911114975.6A 2019-11-14 2019-11-14 异常投诉事件的识别方法及装置 Active CN110909129B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911114975.6A CN110909129B (zh) 2019-11-14 2019-11-14 异常投诉事件的识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911114975.6A CN110909129B (zh) 2019-11-14 2019-11-14 异常投诉事件的识别方法及装置

Publications (2)

Publication Number Publication Date
CN110909129A CN110909129A (zh) 2020-03-24
CN110909129B true CN110909129B (zh) 2022-11-04

Family

ID=69816691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911114975.6A Active CN110909129B (zh) 2019-11-14 2019-11-14 异常投诉事件的识别方法及装置

Country Status (1)

Country Link
CN (1) CN110909129B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111641621B (zh) * 2020-05-21 2022-05-20 杭州安恒信息技术股份有限公司 物联网安全事件识别方法、装置和计算机设备
CN112269885B (zh) * 2020-11-16 2024-05-10 北京百度网讯科技有限公司 用于处理数据的方法、装置、设备以及存储介质
CN113761031A (zh) * 2021-09-08 2021-12-07 平安国际智慧城市科技股份有限公司 目标投诉方的识别方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451157A (zh) * 2016-06-01 2017-12-08 阿里巴巴集团控股有限公司 异常数据识别方法、装置及系统、搜索方法及装置
CN108416616A (zh) * 2018-02-05 2018-08-17 阿里巴巴集团控股有限公司 投诉举报类别的排序方法和装置
CN110188198A (zh) * 2019-05-13 2019-08-30 北京一览群智数据科技有限责任公司 一种基于知识图谱的反欺诈方法及装置
CN110414987A (zh) * 2019-07-18 2019-11-05 中国工商银行股份有限公司 账户集合的识别方法、装置和计算机系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11250444B2 (en) * 2016-11-04 2022-02-15 Walmart Apollo, Llc Identifying and labeling fraudulent store return activities

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451157A (zh) * 2016-06-01 2017-12-08 阿里巴巴集团控股有限公司 异常数据识别方法、装置及系统、搜索方法及装置
CN108416616A (zh) * 2018-02-05 2018-08-17 阿里巴巴集团控股有限公司 投诉举报类别的排序方法和装置
CN110188198A (zh) * 2019-05-13 2019-08-30 北京一览群智数据科技有限责任公司 一种基于知识图谱的反欺诈方法及装置
CN110414987A (zh) * 2019-07-18 2019-11-05 中国工商银行股份有限公司 账户集合的识别方法、装置和计算机系统

Also Published As

Publication number Publication date
CN110909129A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN110909129B (zh) 异常投诉事件的识别方法及装置
CN107784067B (zh) 监察信息处理方法、装置、服务器和存储介质
CN110807085B (zh) 故障信息的查询方法及装置、存储介质、电子装置
WO2016070673A1 (zh) 用户属性分析方法及装置
CN116523262B (zh) 基于大数据的生产计划智能规划方法、系统和介质
CN107483381A (zh) 关联账户的监控方法及装置
CN109062936A (zh) 一种数据查询方法、计算机可读存储介质及终端设备
US8839449B1 (en) Assessing risk of information leakage
CN114022151A (zh) 区块链数据可视化方法、系统、电子设备和存储介质
CN109146316A (zh) 电力营销稽查方法、装置及计算机可读存储介质
CN110807104B (zh) 异常信息的确定方法及装置、存储介质、电子装置
CN112837140A (zh) 一种数据处理方法、装置、设备及存储介质
CN109377391A (zh) 一种信息追踪方法、存储介质和服务器
CN115879548A (zh) 一种用于客户身份识别的知识图谱构建方法和系统
CN113052700B (zh) 一种确定微服务调用链的方法及装置
CN115470279A (zh) 基于企业数据的数源转换方法、装置、设备及介质
CN111369370B (zh) 估值表处理方法、装置、服务器及存储介质
CN114066624A (zh) 基于图计算的黑名单关联图谱挖掘方法及系统
CN113450208A (zh) 贷款风险变动预警、模型训练方法和装置
CN109919811A (zh) 基于大数据的保险代理人培养方案生成方法及相关设备
CN109919470B (zh) 客资信息的分发方法及装置
CN114155038A (zh) 受疫情影响用户识别方法
CN106021326A (zh) 基于流计算的事件处理方法和装置
CN117763411A (zh) 异常原因的确定方法及装置、存储介质、电子装置
CN115982370A (zh) 一种信息处理方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230719

Address after: 200232 32 / F, West Bank artificial intelligence center, 701 Yunjin Road, Xuhui District, Shanghai

Patentee after: Shanghai Mingsheng Pinzhi Artificial Intelligence Technology Co.,Ltd.

Address before: Room 1302-13, No.6 Weide Road, Yangpu District, Shanghai 200433

Patentee before: SHANGHAI SECOND PICKET NETWORK TECHNOLOGY CO.,LTD.