CN112085457A - 工单处理方法、装置及存储介质 - Google Patents
工单处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112085457A CN112085457A CN201910517409.3A CN201910517409A CN112085457A CN 112085457 A CN112085457 A CN 112085457A CN 201910517409 A CN201910517409 A CN 201910517409A CN 112085457 A CN112085457 A CN 112085457A
- Authority
- CN
- China
- Prior art keywords
- work order
- account
- reported
- risk assessment
- information
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 226
- 238000012502 risk assessment Methods 0.000 claims abstract description 99
- 230000011218 segmentation Effects 0.000 claims description 57
- 238000000034 method Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010010144 Completed suicide Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种工单处理方法、装置及存储介质，本申请实施例可以获取账号举报工单；提取与所述账号举报工单中被举报账号对应的历史风险评估信息；根据所述历史风险评估信息确定是否满足优先处理条件；当所述历史风险评估信息不满足优先处理条件时，将所述账号举报工单存储至未处理工单数据库；当所述账号举报工单在所述未处理工单数据库中的存储时长达到预设时长时，将所述未处理工单数据库中与所述账号举报工单属性相同的未处理工单合并处理。该方案可以将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理，从而可以对属性相同的未处理工单进行批量处理，提高了工单处理效率。
Description
技术领域
本申请涉及通信技术领域，具体涉及一种工单处理方法、装置及存储介质。
背景技术
随着科技的发展，互联网的网络活动日趋频繁，随之催生了大量网络非法活动，用户可以通过举报平台对网络非法活动进行举报，并由举报平台分派人工进行处理。
目前，在通过举报平台对举报受理的过程中，首先，由用户通过举报平台发起网络举报，然后由举报平台根据接收到的举报生成工单，并按照生成时间的先后顺序将工单分派给工作人员进行人工处理。由于所有举报的工单均需要排队进行人工处理，举报量大时需要耗费大量人力，工单处理效率低，且对于风险较高的工单，举报平台通常会面临因举报迟滞处理而引发一定的风险。
发明内容
本申请实施例提供一种工单处理方法、装置及存储介质，可以提高对工单处理的效率。
第一方面，本申请实施例提供了一种工单处理方法，包括：
获取账号举报工单；
提取与所述账号举报工单中被举报账号对应的历史风险评估信息；
根据所述历史风险评估信息确定是否满足优先处理条件；
当所述历史风险评估信息不满足优先处理条件时，将所述账号举报工单存储至未处理工单数据库；
当所述账号举报工单在所述未处理工单数据库中的存储时长达到预设时长时，将所述未处理工单数据库中与所述账号举报工单属性相同的未处理工单合并处理。
在一些实施方式中，所述根据所述历史风险评估信息确定是否满足优先处理条件包括：
按照预设的分词规则对所述历史风险评估信息进行分词处理，得到分词后的词语；
通过训练后的预设模型对所述分词后的词语进行语义分析，得到语义信息；
根据所述语义信息确定是否满足优先处理条件。
在一些实施方式中，所述根据所述语义信息确定是否满足优先处理条件包括：
根据所述语义信息判断所述被举报账号是否为高风险类型的账号、所述语义信息中是否存在交易特征、和/或所述语义信息中是否存在风险描述；
当所述被举报账号为高风险类型的账号、所述语义信息中存在交易特征、和/或所述语义信息中存在风险描述时，确定满足优先处理条件。
在一些实施方式中，所述通过训练后的预设模型对所述分词后的词语进行语义分析，得到语义信息之前，所述方法还包括：
获取多条训练样本，按照所述分词规则对每条训练样本进行分词处理，得到分词后的样本词语；
获取样本词语的真实语义，以及通过预设模型识别所述样本词语的语义，得到预测语义；
根据所述真实语义和预测语义对所述预设模型进行训练，得到训练后的预设模型。
在一些实施方式中，所述获取账号举报工单包括：
接收客户端发送的举报请求，所述举报请求中携带被举报账号和属性信息；
根据被举报账号和属性信息生成账号举报工单。
在一些实施方式中，当所述历史风险评估信息不满足优先处理条件时，将所述账号举报工单存储至未处理工单数据库包括：
当所述历史风险评估信息不满足优先处理条件时，获取所述账号举报工单中被举报账号的当前状态；
若所述被举报账号的当前状态为未处罚状态，则将所述账号举报工单存储至未处理工单数据库。
在一些实施方式中，所述获取所述账号举报工单中被举报账号的当前状态之后，所述方法还包括：
若所述被举报账号的当前状态为已处罚状态，则将处理结果反馈给举报账号对应的客户端。
在一些实施方式中，所述根据所述历史风险评估信息确定是否满足优先处理条件之后，所述方法还包括：
当所述历史风险评估信息满足优先处理条件时，获取所述历史风险评估信息的优先级；
根据所述优先级对所述账号举报工单进行处理。
第二方面，本申请实施例还提供了一种工单处理装置，包括：
第一获取单元，用于获取账号举报工单；
提取单元，用于提取与所述账号举报工单中被举报账号对应的历史风险评估信息；
确定单元，用于根据所述历史风险评估信息确定是否满足优先处理条件；
存储单元，用于当所述历史风险评估信息不满足优先处理条件时，将所述账号举报工单存储至未处理工单数据库；
第一处理单元，用于当所述账号举报工单在所述未处理工单数据库中的存储时长达到预设时长时，将所述未处理工单数据库中与所述账号举报工单属性相同的未处理工单合并处理。
在一些实施方式中，所述确定单元包括：
分词模块，用于按照预设的分词规则对所述历史风险评估信息进行分词处理，得到分词后的词语；
分析模块，用于通过训练后的预设模型对所述分词后的词语进行语义分析，得到语义信息；
确定模块，用于根据所述语义信息确定是否满足优先处理条件。
在一些实施方式中，所述确定模块具体用于：
根据所述语义信息判断所述被举报账号是否为高风险类型的账号、所述语义信息中是否存在交易特征、和/或所述语义信息中是否存在风险描述；
当所述被举报账号为高风险类型的账号、所述语义信息中存在交易特征、和/或所述语义信息中存在风险描述时，确定满足优先处理条件。
在一些实施方式中，所述确定单元还包括：
样本获取模块，用于获取多条训练样本，按照所述分词规则对每条训练样本进行分词处理，得到分词后的样本词语；
识别模块，用于获取样本词语的真实语义，以及通过预设模型识别所述样本词语的语义，得到预测语义；
训练模块，用于根据所述真实语义和预测语义对所述预设模型进行训练，得到训练后的预设模型。
在一些实施方式中，所述第一获取单元具体用于：
接收客户端发送的举报请求，所述举报请求中携带被举报账号和属性信息；
根据被举报账号和属性信息生成账号举报工单。
在一些实施方式中，所述存储单元包括：
状态获取模块，用于当所述历史风险评估信息不满足优先处理条件时，获取所述账号举报工单中被举报账号的当前状态；
存储模块，用于若所述被举报账号的当前状态为未处罚状态，则将所述账号举报工单存储至未处理工单数据库。
在一些实施方式中，所述存储单元还包括：
反馈模块，用于若所述被举报账号的当前状态为已处罚状态，则将处理结果反馈给举报账号对应的客户端。
在一些实施方式中，所述工单处理装置还包括：
第二获取单元，用于当所述历史风险评估信息满足优先处理条件时，获取所述历史风险评估信息的优先级；
第二处理单元，用于根据所述优先级对所述账号举报工单进行处理。
第三方面，本申请实施例还提供了一种服务器，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请实施例提供的任一种工单处理方法。
第四方面，本申请实施例还提供了一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例提供的任一种工单处理方法。
本申请实施例可以获取账号举报工单，以及提取与账号举报工单中被举报账号对应的历史风险评估信息，然后，根据历史风险评估信息确定是否满足优先处理条件，当历史风险评估信息不满足优先处理条件时，将账号举报工单存储至未处理工单数据库；并且，当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理。该方案可以自动按照优先处理条件对账号举报工单进行处理，并将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理，从而可以及时对工单进行处理，并对属性相同的未处理工单进行批量处理，提高了工单处理效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域技术人员来讲，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他的附图。
图1是本申请实施例提供的工单处理方法的流程示意图；
图2是本申请实施例提供的工单处理方法的另一流程示意图；
图3是本申请实施例提供的工单处理方法的另一流程示意图；
图4是本申请实施例提供的发起举报的示意图；
图5是本申请实施例提供的工单处理的示意图；
图6是本申请实施例提供的工单处理结果的示意图；
图7是本申请实施例提供的工单处理方法的另一流程示意图；
图8是本申请实施例提供的工单处理装置的结构示意图；
图9是本申请实施例提供的服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
请参阅图1，图1是本申请一实施例提供的工单处理方法的流程示意图，在本实施例中，将从工单处理装置的角度进行描述，该工单处理装置具体可以集成在服务器或网关等网络设备中，该工单处理方法可以包括：
S101、获取账号举报工单。
其中，账号举报工单可以是是指用于记录、处理及跟踪账号举报完成情况的工作流，即指每一条通过账号进行网络举报而生成的工作单据。该账号可以是在支付网络平台、社交网络平台、购物网络平台、或其他网络平台上注册的账号。
在一些实施方式中，获取账号举报工单可以包括：接收客户端发送的举报请求，举报请求中携带被举报账号和属性信息；根据被举报账号和属性信息生成账号举报工单。
例如，工单处理装置可以接收客户端发送的举报请求，该举报请求中携带有被举报账号和属性信息等，该被举报账号的类型可以根据实际需要进行灵活设置，该属性信息可以包括举报类型、受损金额、举报描述内容、以及被举报账号对应用户的身份信息等。然后，可以根据被举报账号和属性信息生成账号举报工单。
S102、提取与账号举报工单中被举报账号对应的历史风险评估信息。
其中，历史风险评估信息可以用于评估被举报账号风险的历史数据，例如，可以包括被举报账号的历史交易信息、以及历史被举报的信息等，该历史被举报的信息可以包括举报描述的语料等。
需要说明的是，为了方便提取及分析历史风险评估信息，工单处理装置可以将各个账号对应的历史交易信息以及历史被举报的信息等存储至数据库中，当获取到账号举报工单时，可以从账号举报工单中提取被举报账号，并从数据库中查找与该被举报账号对应的历史风险评估信息。
S103、根据历史风险评估信息确定是否满足优先处理条件。
由于在网络举报领域，对账号举报工单受理的过程中，通常会面临因有效举报被迟滞处理而引发运营风险的情况，因此，可以优先对满足优先处理条件的账号举报工单进行优先处理。其中，该运营风险是指运营方对网络上的各个用户之间互动行为及产生的信息的管理不当产生的风险，可以包括：用户体验受损、社会不良风气的传播、用户互动过程中不法份子的违法行为对正常用户造成的侵害等。
在得到被举报账号对应的历史风险评估信息后，工单处理装置可以判断历史风险评估信息是否满足优先处理条件，其中，优先处理条件可以根据实际需要进行灵活设置。例如，判断历史风险评估信息中是否存在交易特征或存在风险描述等，若存在，则确定历史风险评估信息满足优先处理条件，若不存在，则确定历史风险评估信息不满足优先处理条件。
在一些实施方式中，根据历史风险评估信息确定是否满足优先处理条件可以包括：按照预设的分词规则对历史风险评估信息进行分词处理，得到分词后的词语；通过训练后的预设模型对分词后的词语进行语义分析，得到语义信息；根据语义信息确定是否满足优先处理条件。
例如，工单处理装置可以按照预设的分词规则，对历史风险评估信息进行分词处理，该预设的分词规则可以是按照每间隔预设字数进行分词，例如，每间隔一个或多个字切为一个词语。该预设的分词规则也可以是按照历史风险评估信的总字数进行均匀分词，例如，当历史风险评估信的总字数为15个时，可以均分每隔5个字切为一个词语。该预设的分词规则还可以是随机分词，例如，当历史风险评估信的总字数为15个时，从中仅提取出3组2个字组成的词语。或者是，将总字数为15个的历史风险评估信，分为一个2个字组成的词语，一个1个字组成的词语，一个9个字组成的词语，以及一个3个字组成的词语；等等。
可以理解的是，该预设的分词规则可根据实际需要进行灵活设置，例如，基于字典的分词、基于统计的分词或基于人工智能的分词等，具体内容在此处不作限定。
在对历史风险评估信息分词处理得到对应的词语后，可以通过训练后的预设模型对分词后的词语进行语义分析，得到语义信息。为了提高语义分析的精准性，可以预先对预设模型进行训练，并通过通过训练后的预设模型进行语义分析。
在一些实施方式中，通过训练后的预设模型对分词后的词语进行语义分析，得到语义信息之前，工单处理方法还可以包括：获取多条训练样本，按照分词规则对每条训练样本进行分词处理，得到分词后的样本词语；获取样本词语的真实语义，以及通过预设模型识别样本词语的语义，得到预测语义；根据真实语义和预测语义对预设模型进行训练，得到训练后的预设模型。
例如，为了有针对性地进行训练，工单处理装置可以获取多条训练样本对预设模型进行训练，该训练样本可以是与历史风险评估信息相关的文本信息，获取多条训练样本的方式，可以从历史风险评估信息中随机抽取得到对应的多条训练样本，也可以是从不同网络平台的历史风险评估信息中抽取多条训练样本，还可以是根据不同场景制造出风险评估信息对应的多条训练样本。可以理解的是，训练样本的条数及获取方式可以根据实际需要进行灵活设置，具体内容在此处不作限定。
在获取到多条训练样本后，可以按照预设的分词规则将每条训练样本分别进行分词处理，得到分词后的样本词语，为了提高对历史风险评估信息进行处理的可靠性，该预设的分词规则与前述提到的对历史风险评估信息进行分词处理的分词规则是一致的，此处不赘述。
此时，可以获取样本词语的真实语义，该真实语义可以是样本词语的真实含义，以及通过预设模型识别样本词语的语义，得到预测语义，该预测语义可以是预设模型识别出的样本词语含义。然后，可以获取真实语义和预测语义之间的差值，根据真实语义和预测语义之间的差值对预设模型的进行收敛，以调整预设模型的参数至合适值，得到训练后的预设模型。
在得到训练后的预设模型后，可以通过训练后的预设模型对分词后的词语进行语义分析，得到语义信息，然后根据语义信息确定是否满足优先处理条件。
在一些实施方式中，根据语义信息确定是否满足优先处理条件可以包括：根据语义信息判断被举报账号是否为高风险类型的账号、语义信息中是否存在交易特征、和/或语义信息中是否存在风险描述；当被举报账号为高风险类型的账号、语义信息中存在交易特征、和/或语义信息中存在风险描述时，确定满足优先处理条件。
其中，高风险类型的账号可以是付费账号、高价值账号、或高风险投诉倾向账号等。交易特征可以是被举报方与举报方之间存在的交易行为等，需快速拦截防止举报方受损，若未及时界定则可能导致举报方经济受损及投诉，从而给网络平台带来运营风险，例如举报方向被举报方转账一万元等。风险描述可以是举报的风险评估信息对应的语义信息中包含危险、强烈投诉倾向的文字描述，含此类描述账号举报工单若未能够及时处理，则对网络平台正常运营危害较大，例如，“我要自杀”等文字描述。基于语义信息可以确定被举报账号是否为高风险类型的账号、是否存在交易特征和/或是否存在风险描述等。
例如，工单处理装置可以根据语义信息判断被举报账号是否为高风险类型的账号，若被举报账号为高风险类型的账号，则确定满足优先处理条件，优先对该账号举报工单进行处理；若被举报账号不为高风险类型的账号，则进一步判断语义信息中是否存在交易特征。若语义信息中存在交易特征，则确定满足优先处理条件，优先对该账号举报工单进行处理；若语义信息中不存在交易特征，则进一步判断语义信息中是否存在风险描述。若语义信息中存在风险描述，则确定满足优先处理条件，优先对该账号举报工单进行处理；若语义信息中不存在风险描述，则确定不满足优先处理条件。
又例如，工单处理装置可以判断语义信息中是否存在交易特征，若语义信息中存在交易特征，则确定满足优先处理条件，优先对该账号举报工单进行处理；若语义信息中不存在交易特征，则进一步判断语义信息中是否存在风险描述。若语义信息中存在风险描述，则确定满足优先处理条件，优先对该账号举报工单进行处理；若语义信息中不存在风险描述，则进一步判断被举报账号是否为高风险类型的账号，若被举报账号为高风险类型的账号，则确定满足优先处理条件，优先对该账号举报工单进行处理；若被举报账号不为高风险类型的账号，在确定不满足优先处理条件。
又例如，工单处理装置可以根据语义信息判断被举报账号是否为高风险类型的账号、判断语义信息中是否存在交易特征、以及判断语义信息中是否存在风险描述等，若被举报账号为高风险类型的账号、语义信息中存在交易特征、且语义信息中存在风险描述，则确定满足优先处理条件，优先对该账号举报工单进行处理；若被举报账号不为高风险类型的账号、语义信息中不存在交易特征、且语义信息中不存在风险描述，则确定不满足优先处理条件。
可以理解的是，根据语义信息确定是否满足优先处理条件的顺序可以根据实际需要进行灵活设置，例如，可以先判断被举报账号是否为高风险类型的账号、然后判断语义信息中是否存在交易特征、最后判断语义信息中是否存在风险描述，或者，可以先判断语义信息中是否存在风险描述、然后判断语义信息中是否存在交易特征、最后判断被举报账号是否为高风险类型的账号，或者，通过多个并列的线程同时判断被举报账号是否为高风险类型的账号、判断语义信息中是否存在交易特征、以及判断语义信息中是否存在风险描述等，具体内容在此处不作限定。
通过根据语义信息自动确定是否满足优先处理条件，以便在确定满足优先处理条件时，优先处理该账号举报工单，在确定满足优先处理条件时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理，避免了人工分析举报风险程度，所给出主观意图上的判断，可能存在遗漏，避免了给网络平台带来潜在的运营风险。通过分析账号举报工单中被举报账号的风险程度、比对举报帐号与被举报帐号之间的交易特征、以及针对举报方在举报时所填写的语料描述内容对应的语义信息进行智能分析，自动将高风险的账号举报工单快速进行处理，从而做到高风险举报工单的快速处理，以保护举报方的合法权益，降低了网络平台的运营风险，以及降低了举报方因受互联网诈骗等行为而带来经济损失的风险。
S104、当历史风险评估信息不满足优先处理条件时，将账号举报工单存储至未处理工单数据库。
为了方便后续对未处理的账号举报工单进行聚类处理，提高对工单的处理效率，可以当历史风险评估信息不满足优先处理条件时，将该账号举报工单存储至未处理工单数据库中等待处理。
在一些实施方式中，当历史风险评估信息不满足优先处理条件时，将账号举报工单存储至未处理工单数据库可以包括：当历史风险评估信息不满足优先处理条件时，获取账号举报工单中被举报账号的当前状态；若被举报账号的当前状态为未处罚状态，则将账号举报工单存储至未处理工单数据库。
为了提高对工单的处理效率，避免重复处理同一被举报账号对应的账号举报工单，工单处理装置可以获取账号举报工单中被举报账号的当前状态，该当前状态可以包括未处罚状态、已处罚状态、以及正在处理等。若被举报账号的当前状态为未处罚状态，则将账号举报工单存储至未处理工单数据库。
在一些实施方式中，获取账号举报工单中被举报账号的当前状态之后，工单处理方法还可以包括：若被举报账号的当前状态为已处罚状态，则将处理结果反馈给举报账号对应的客户端，以避免已处罚的被举报账号对应的账号举报工单存入未处理工单数据库，通过对被举报帐号的当前状态进行验证，基于当前状态自动处理账号举报工单，大大提高了工单处理效率。
S105、当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理。
为了提高工单处理效率，可以将属性相同的未处理工单合并处理，例如，在将账号举报工单存储至未处理工单数据库后，可以判断账号举报工单在未处理工单数据库中的存储时长是否达到预设时长，其中，预设时长可以根据实际需要进行灵活设置。当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，获取未处理工单数据库中与该账号举报工单属性相同的未处理工单，该属性相同可以是举报类型相同或被举报账号相同等。然后将未处理工单数据库中与该账号举报工单属性相同的未处理工单进行合并处理。此时，在处理完成后，可以将处理结果分别反馈给举报账号对应的客户端。
在一些实施方式中，根据历史风险评估信息确定是否满足优先处理条件之后，工单处理方法还可以包括：当历史风险评估信息满足优先处理条件时，获取历史风险评估信息的优先级；根据优先级对账号举报工单进行处理。
其中，满足优先处理条件的历史风险评估信息可以包括多种类型，例如，高风险类型的账号、存在交易特征、以及存在风险描述等，可以预先为不同的类型设置不同的优先级，例如，可以分别为高风险类型的账号、存在交易特征、以及存在风险描述设置不同的权重值，该权重值越大，对应的优先级越高，反之，该权重值越小，对应的优先级越低，可以设置高风险类型的账号的优先级最高、存在交易特征的优先级第二、以及存在风险描述的优先级最低等，当然，该优先级可以根据实际需要进行灵活设置，具体内容在此处不作限定。
当历史风险评估信息满足优先处理条件时，可以获取历史风险评估信息的优先级，然后，根据该历史风险评估信息的优先级对账号举报工单进行处理，并将处理结果反馈给举报账号对应的客户端，从而能够做到快速精准识别高风险工单，提升工单整体处理效率。例如，若存在账号举报工单A、账号举报工单B和账号举报工单C均满足优先处理条件，其中，账号举报工单A为高风险类型的账号、账号举报工单B为存在交易特征、以及账号举报工单C为存在风险描述，优先级从高至低依次为高风险类型的账号、存在交易特征和存在风险描述，此时，可以根据优先级从高至低的顺序，依次对账号举报工单A、账号举报工单B和账号举报工单C进行处理。
本申请实施例可以获取账号举报工单，以及提取与账号举报工单中被举报账号对应的历史风险评估信息，然后，根据历史风险评估信息确定是否满足优先处理条件，当历史风险评估信息不满足优先处理条件时，将账号举报工单存储至未处理工单数据库；并且，当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理。该方案可以自动按照优先处理条件对账号举报工单进行处理，并将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理，从而可以及时对工单进行处理，并对属性相同的未处理工单进行批量处理，提高了工单处理效率。
根据上述实施例所描述的工单处理方法，以下将作进一步详细说明。
请参照图2，图2为本申请实施例提供的工单处理方法的另一流程示意图。如图2所示，该工单处理方法的流程可以如下：
S201、客户端向服务器发送举报请求。
其中，该举报请求中可以携带有被举报账号和属性信息等，该被举报账号的类型可以根据实际需要进行灵活设置，该属性信息可以包括受损金额、举报描述内容(即举报描述)、以及被举报账号对应用户的身份信息等。例如，如图3所示，客户端可以通过网络平台发起举报，生成举报请求，并将举报请求发送给服务器。
例如，如图4所示，以举报网络诈骗为例，客户端可以显示举报界面，并在举报界面内接收对“我要举报”按钮的激活指令，根据该指令进入举报网络诈骗的信息输入界面，在该信息输入界面内可以包括受害账号、受损金额、举报对象，诈骗行为、举报描述以及证据截图等属性信息，该举报描述可以根据举报方的需要输入相应的描述内容，此时可以基于属性信息生成举报请求，并将举报请求发送给服务器。
S202、服务器基于接收到的举报请求，生成账号举报工单。
例如，可以根据举报请求中携带的被举报账号和属性信息等，生成账号举报工单。
S203、服务器验证账号举报工单是否满足优先处理条件，若验证命中，则执行步骤S204，若验证未命中，则执行步骤S208。
服务器可以从存储历史风险评估信息的数据库中，提取与账号举报工单中被举报账号对应的历史风险评估信息，根据历史风险评估信息验证是否满足优先处理条件，该历史风险评估信息可以用于评估被举报账号风险的历史数据，例如，可以包括被举报账号的历史交易信息、以及历史被举报的信息等。
其中，优先处理条件可以根据实际需要进行灵活设置。例如，可以按照预设的分词规则对历史风险评估信息进行分词处理，得到分词后的词语，该预设的分词规则可根据实际需要进行灵活设置，然后通过训练后的预设模型对分词后的词语进行语义分析，得到语义信息，此时可以根据语义信息确定是否满足优先处理条件。
在一些实施方式中，根据语义信息确定是否满足优先处理条件可以包括：根据语义信息判断被举报账号是否为高风险类型的账号、语义信息中是否存在交易特征、和/或语义信息中是否存在风险描述；当被举报账号为高风险类型的账号、语义信息中存在交易特征、和/或语义信息中存在风险描述时，确定满足优先处理条件。
例如，如图3所示，服务器可以根据语义信息判断被举报账号是否为高风险类型的账号，若被举报账号为高风险类型的账号，则确定满足优先处理条件，优先对该账号举报工单进行处理，并将处理结果反馈给举报方对应的客户端，以及进行工单归档，该工单归档可以是在账号举报工单处理完毕后，自动将处理后的账号举报工单存入或人工手动存入数据库；若被举报账号不为高风险类型的账号，则进一步判断语义信息中是否存在交易特征。若语义信息中存在交易特征，则确定满足优先处理条件，优先对该账号举报工单进行处理；若语义信息中不存在交易特征，则进一步判断语义信息中是否存在风险描述。若语义信息中存在风险描述，则确定满足优先处理条件，优先对该账号举报工单进行处理；若语义信息中不存在风险描述，则确定不满足优先处理条件。
可以理解的是，根据语义信息确定是否满足优先处理条件的顺序可以根据实际需要进行灵活设置，例如，可以先判断被举报账号是否为高风险类型的账号、然后判断语义信息中是否存在交易特征、最后判断语义信息中是否存在风险描述，或者，可以先判断语义信息中是否存在风险描述、然后判断语义信息中是否存在交易特征、最后判断被举报账号是否为高风险类型的账号，或者，通过多个并列的线程同时判断被举报账号是否为高风险类型的账号、判断语义信息中是否存在交易特征、以及判断语义信息中是否存在风险描述等，具体内容在此处不作限定。
本实施例通过根据语义信息自动确定是否满足优先处理条件，以便在确定满足优先处理条件时，优先处理该账号举报工单，在确定满足优先处理条件时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理，避免了人工分析举报风险程度，所给出主观意图上的判断，可能存在遗漏，避免了给网络平台带来潜在的运营风险。通过分析账号举报工单中被举报账号的风险程度、比对举报帐号与被举报帐号之间的交易特征、以及针对举报方在举报时所填写的语料描述内容对应的语义信息进行智能分析，自动将高风险的账号举报工单快速进行处理，从而做到高风险举报工单的快速处理，以保护举报方的合法权益，降低了网络平台的运营风险，以及降低了举报方因受互联网诈骗等行为而带来经济损失的风险。
S204、服务器将账号举报工单发送给审核平台。
S205、审核平台对账号举报工单进行审核处理。
S206、审核平台将处理结果发送给服务器。
S207、服务器将处理结果发送给客户端。
当历史风险评估信息满足优先处理条件时，服务器可以将账号举报工单发送给审核平台，通过审核平台及时优先对该账号举报工单进行审核，例如，如图5所示，可以由人工对账号举报工单对应基本信息、账号基础信息、异步表单、以及取证查询等相关信息进行审核，该异步表单可以包括表单标题、相关截图、问题描述、以及交易单号等信息。在审核得到处理结果后，将处理结果反馈给举报账号对应的客户端。例如，如图6所示，该处理结果可以包括举报成立或举报不成立等，以及可以显示处理详情，该处理详情可以包括举报对象、举报类型、举报时间、举报描述、处理结果和处理时间等，还可以对处理结果进行评价，评价为满意或不满意等。从而能够做到快速精准识别高风险工单，提升工单整体处理效率。
需要说明的是，当历史风险评估信息满足优先处理条件时，获取历史风险评估信息的优先级，以及根据优先级对账号举报工单进行处理。
如图7所示，该工单处理方法的流程还可以如下：
S208、服务器存储账号举报工单，并将属性相同的未处理工单合并。
为了提高工单处理效率，当历史风险评估信息不满足优先处理条件时，服务器可以将账号举报工单存储至未处理工单数据库，在将账号举报工单存储至未处理工单数据库后，可以判断账号举报工单在未处理工单数据库中的存储时长是否达到预设时长，其中，预设时长可以根据实际需要进行灵活设置。
当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，获取未处理工单数据库中与该账号举报工单属性相同的未处理工单，该属性相同可以是举报类型相同或被举报账号相同等。然后将未处理工单数据库中与该账号举报工单属性相同的未处理工单进行合并，使得多条属性相同的未处理工单可以合并为一条，并分派给同一审核人员进行处理，让审核人员批量处理，从而达到极高提升处理效率的目的。当存储时长达到预设时长后，若数据库中不存在与该账号举报工单属性相同的未处理工单，则可以按照未处理工单存入的先后顺序进行处理。
需要说明的是，为了提高对工单的处理效率，避免重复处理同一被举报账号对应的账号举报工单，服务器可以获取账号举报工单中被举报账号的当前状态，该当前状态可以包括未处罚状态、已处罚状态、以及正在处理等。若被举报账号的当前状态为未处罚状态，则将账号举报工单存储至未处理工单数据库。若被举报账号的当前状态为已处罚状态，则将处理结果反馈给举报账号对应的客户端，以避免已处罚的被举报账号对应的账号举报工单存入未处理工单数据库，通过对被举报帐号的当前状态进行验证，基于当前状态自动处理账号举报工单，从而可以针对已处罚的账号举报工单，能够做到快速识别帐号状态，判定举报成立后及时反馈给举报方对应的客户端，极大地发挥了自动处理的能力，减少人工处理的工作量，大大提高了工单处理效率。
S209、服务器将合并后的未处理工单发送给审核平台。
S210、审核平台审核合并后的未处理工单。
S211、审核平台将处理结果发送给服务器。
S212、服务器将处理结果发送给客户端。
此时，服务器可以将合并后的未处理工单发送给审核平台，例如，如图5所示，可以由审核人员对账号举报工单对应基本信息、账号基础信息、异步表单、以及取证查询等相关信息进行审核。在审核得到处理结果后，将处理结果反馈给举报账号对应的客户端。例如，如图6所示，该处理结果可以包括举报成立或举报不成立等，以及可以显示处理详情，该处理详情可以包括举报对象、举报类型、举报时间、举报描述、处理结果和处理时间等，还可以对处理结果进行评价，评价为满意或不满意等。在确定举报有效时，服务器可以根据预设惩罚策略对被举报账号对应的被举报方进行处罚或不处罚，并发送处理结果给举报账号对应的客户端(即举报方)，从而能够批量处理工单，提升工单处理效率。
本申请实施例在客户端发起举报请求后，服务器可以基于接收到的举报请求生成账号举报工单，以及确定账号举报工单是否满足优先处理条件。当满足优先处理条件时，可以优先对该账号举报工单进行处理；当不满足优先处理条件时，可以将账号举报工单存储至未处理工单数据库，并且，当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理。该方案可以可以从得到账号举报工单时快速精准识别高风险工单，自动快速对满足优先处理条件的账号举报工单进行处理，即将高风险工单快速进行处理，减少对网络平台产生的潜在运营风险；以及，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理，从而可以及时对工单进行处理，并对属性相同的未处理工单进行批量处理，提高了工单处理效率。
为便于更好的实施本申请实施例提供的工单处理方法，本申请实施例还提供一种基于上述工单处理方法的装置。其中名词的含义与上述工单处理方法中相同，具体实现细节可以参考方法实施例中的说明。
请参阅图8，图8为本申请实施例提供的工单处理装置的结构示意图，其中该工单处理装置300可以包括第一获取单元301、提取单元302、确定单元303、存储单元304、及第一处理单元305等。
其中，第一获取单元301，用于获取账号举报工单。
提取单元302，用于提取与账号举报工单中被举报账号对应的历史风险评估信息。
确定单元303，用于根据历史风险评估信息确定是否满足优先处理条件。
存储单元304，用于当历史风险评估信息不满足优先处理条件时，将账号举报工单存储至未处理工单数据库。
第一处理单元305，用于当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理。
在一些实施方式中，确定单元303包括分词模块、分析模块和确定模块等，具体可以如下：
分词模块，用于按照预设的分词规则对历史风险评估信息进行分词处理，得到分词后的词语。
分析模块，用于通过训练后的预设模型对分词后的词语进行语义分析，得到语义信息。
确定模块，用于根据语义信息确定是否满足优先处理条件。
在一些实施方式中，确定模块具体用于：根据语义信息判断被举报账号是否为高风险类型的账号、语义信息中是否存在交易特征、和/或语义信息中是否存在风险描述；当被举报账号为高风险类型的账号、语义信息中存在交易特征、和/或语义信息中存在风险描述时，确定满足优先处理条件。
在一些实施方式中，确定单元303还可以包括样本获取模块、识别模块和训练模块等，具体可以如下：
样本获取模块，用于获取多条训练样本，按照分词规则对每条训练样本进行分词处理，得到分词后的样本词语。
识别模块，用于获取样本词语的真实语义，以及通过预设模型识别样本词语的语义，得到预测语义。
训练模块，用于根据真实语义和预测语义对预设模型进行训练，得到训练后的预设模型。
在一些实施方式中，第一获取单元301具体用于：接收客户端发送的举报请求，举报请求中携带被举报账号和属性信息；根据被举报账号和属性信息生成账号举报工单。
在一些实施方式中，存储单元304可以包括状态获取模块和存储模块等，具体可以如下：
状态获取模块，用于当历史风险评估信息不满足优先处理条件时，获取账号举报工单中被举报账号的当前状态。
存储模块，用于若被举报账号的当前状态为未处罚状态，则将账号举报工单存储至未处理工单数据库。
在一些实施方式中，存储单元304还可以包括：
反馈模块，用于若被举报账号的当前状态为已处罚状态，则将处理结果反馈给举报账号对应的客户端。
在一些实施方式中，工单处理装置300还可以包括第二获取单元和第二处理单元等，具体可以如下：
第二获取单元，用于当历史风险评估信息满足优先处理条件时，获取历史风险评估信息的优先级。
第二处理单元，用于根据优先级对账号举报工单进行处理。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
本申请实施例可以由第一获取单元301获取账号举报工单，以及由提取单元302提取与账号举报工单中被举报账号对应的历史风险评估信息，然后，确定单元303可以根据历史风险评估信息确定是否满足优先处理条件，当历史风险评估信息不满足优先处理条件时，存储单元304可以将账号举报工单存储至未处理工单数据库；并且，当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，第一处理单元305可以将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理。该方案可以自动按照优先处理条件对账号举报工单进行处理，并将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理，从而可以及时对工单进行处理，并对属性相同的未处理工单进行批量处理，提高了工单处理效率。
本申请实施例还提供一种服务器，如图9所示，其示出了本申请实施例所涉及的服务器的结构示意图，具体来讲：
该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图9中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
服务器还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
获取账号举报工单；提取与账号举报工单中被举报账号对应的历史风险评估信息；根据历史风险评估信息确定是否满足优先处理条件；当历史风险评估信息不满足优先处理条件时，将账号举报工单存储至未处理工单数据库；当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对工单处理方法的详细描述，此处不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种工单处理方法中的步骤。例如，该指令可以执行如下步骤：
获取账号举报工单；提取与账号举报工单中被举报账号对应的历史风险评估信息；根据历史风险评估信息确定是否满足优先处理条件；当历史风险评估信息不满足优先处理条件时，将账号举报工单存储至未处理工单数据库；当账号举报工单在未处理工单数据库中的存储时长达到预设时长时，将未处理工单数据库中与账号举报工单属性相同的未处理工单合并处理。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种工单处理方法中的步骤，因此，可以实现本申请实施例所提供的任一种工单处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种工单处理方法、装置及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种工单处理方法，其特征在于，包括：
获取账号举报工单；
提取与所述账号举报工单中被举报账号对应的历史风险评估信息；
根据所述历史风险评估信息确定是否满足优先处理条件；
当所述历史风险评估信息不满足优先处理条件时，将所述账号举报工单存储至未处理工单数据库；
当所述账号举报工单在所述未处理工单数据库中的存储时长达到预设时长时，将所述未处理工单数据库中与所述账号举报工单属性相同的未处理工单合并处理。
2.根据权利要求1所述的工单处理方法，其特征在于，所述根据所述历史风险评估信息确定是否满足优先处理条件包括：
按照预设的分词规则对所述历史风险评估信息进行分词处理，得到分词后的词语；
通过训练后的预设模型对所述分词后的词语进行语义分析，得到语义信息；
根据所述语义信息确定是否满足优先处理条件。
3.根据权利要求2所述的工单处理方法，其特征在于，所述根据所述语义信息确定是否满足优先处理条件包括：
根据所述语义信息判断所述被举报账号是否为高风险类型的账号、所述语义信息中是否存在交易特征、和/或所述语义信息中是否存在风险描述；
当所述被举报账号为高风险类型的账号、所述语义信息中存在交易特征、和/或所述语义信息中存在风险描述时，确定满足优先处理条件。
4.根据权利要求2所述的工单处理方法，其特征在于，所述通过训练后的预设模型对所述分词后的词语进行语义分析，得到语义信息之前，所述方法还包括：
获取多条训练样本，按照所述分词规则对每条训练样本进行分词处理，得到分词后的样本词语；
获取样本词语的真实语义，以及通过预设模型识别所述样本词语的语义，得到预测语义；
根据所述真实语义和预测语义对所述预设模型进行训练，得到训练后的预设模型。
5.根据权利要求1所述的工单处理方法，其特征在于，所述获取账号举报工单包括：
接收客户端发送的举报请求，所述举报请求中携带被举报账号和属性信息；
根据被举报账号和属性信息生成账号举报工单。
6.根据权利要求1所述的工单处理方法，其特征在于，当所述历史风险评估信息不满足优先处理条件时，将所述账号举报工单存储至未处理工单数据库包括：
当所述历史风险评估信息不满足优先处理条件时，获取所述账号举报工单中被举报账号的当前状态；
若所述被举报账号的当前状态为未处罚状态，则将所述账号举报工单存储至未处理工单数据库。
7.根据权利要求6所述的工单处理方法，其特征在于，所述获取所述账号举报工单中被举报账号的当前状态之后，所述方法还包括：
若所述被举报账号的当前状态为已处罚状态，则将处理结果反馈给举报账号对应的客户端。
8.根据权利要求1至7任一项所述的工单处理方法，其特征在于，所述根据所述历史风险评估信息确定是否满足优先处理条件之后，所述方法还包括：
当所述历史风险评估信息满足优先处理条件时，获取所述历史风险评估信息的优先级；
根据所述优先级对所述账号举报工单进行处理。
9.一种工单处理装置，其特征在于，包括：
第一获取单元，用于获取账号举报工单；
提取单元，用于提取与所述账号举报工单中被举报账号对应的历史风险评估信息；
确定单元，用于根据所述历史风险评估信息确定是否满足优先处理条件；
存储单元，用于当所述历史风险评估信息不满足优先处理条件时，将所述账号举报工单存储至未处理工单数据库；
第一处理单元，用于当所述账号举报工单在所述未处理工单数据库中的存储时长达到预设时长时，将所述未处理工单数据库中与所述账号举报工单属性相同的未处理工单合并处理。
10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至8任一项所述的工单处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910517409.3A CN112085457A (zh) | 2019-06-14 | 2019-06-14 | 工单处理方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910517409.3A CN112085457A (zh) | 2019-06-14 | 2019-06-14 | 工单处理方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112085457A true CN112085457A (zh) | 2020-12-15 |
Family
ID=73734130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910517409.3A Pending CN112085457A (zh) | 2019-06-14 | 2019-06-14 | 工单处理方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112085457A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610399A (zh) * | 2021-08-09 | 2021-11-05 | 广州品唯软件有限公司 | 一种客服后台的风险监控方法、系统及装置 |
| CN113836864A (zh) * | 2021-08-26 | 2021-12-24 | 广西电网有限责任公司来宾供电局 | 开发工单内容比对方法及系统 |
| CN114265859A (zh) * | 2021-12-20 | 2022-04-01 | 上海爱可生信息技术股份有限公司 | 一种通过增强数据库驱动实现语句审核的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104063410A (zh) * | 2013-04-15 | 2014-09-24 | 腾讯科技（深圳）有限公司 | 一种举报信息的处理方法和系统 |
| CN105704005A (zh) * | 2014-11-28 | 2016-06-22 | 深圳市腾讯计算机系统有限公司 | 恶意用户举报方法及装置、举报信息处理方法及装置 |
| CN106936635A (zh) * | 2017-03-13 | 2017-07-07 | 武汉斗鱼网络科技有限公司 | 网络媒体监管方法及装置 |
| CN107094208A (zh) * | 2016-09-28 | 2017-08-25 | 北京小度信息科技有限公司 | 工单处理方法及装置 |
| CN109788306A (zh) * | 2018-12-28 | 2019-05-21 | 广州华多网络科技有限公司 | 信息处理方法、装置、服务器及存储介质 |
-
2019
- 2019-06-14 CN CN201910517409.3A patent/CN112085457A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104063410A (zh) * | 2013-04-15 | 2014-09-24 | 腾讯科技（深圳）有限公司 | 一种举报信息的处理方法和系统 |
| CN105704005A (zh) * | 2014-11-28 | 2016-06-22 | 深圳市腾讯计算机系统有限公司 | 恶意用户举报方法及装置、举报信息处理方法及装置 |
| CN107094208A (zh) * | 2016-09-28 | 2017-08-25 | 北京小度信息科技有限公司 | 工单处理方法及装置 |
| CN106936635A (zh) * | 2017-03-13 | 2017-07-07 | 武汉斗鱼网络科技有限公司 | 网络媒体监管方法及装置 |
| CN109788306A (zh) * | 2018-12-28 | 2019-05-21 | 广州华多网络科技有限公司 | 信息处理方法、装置、服务器及存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610399A (zh) * | 2021-08-09 | 2021-11-05 | 广州品唯软件有限公司 | 一种客服后台的风险监控方法、系统及装置 |
| CN113836864A (zh) * | 2021-08-26 | 2021-12-24 | 广西电网有限责任公司来宾供电局 | 开发工单内容比对方法及系统 |
| CN114265859A (zh) * | 2021-12-20 | 2022-04-01 | 上海爱可生信息技术股份有限公司 | 一种通过增强数据库驱动实现语句审核的方法 |
| CN114265859B (zh) * | 2021-12-20 | 2022-09-02 | 上海爱可生信息技术股份有限公司 | 一种通过增强数据库驱动实现语句审核的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110399925B (zh) | 账号的风险识别方法、装置及存储介质 | |
| CN112085457A (zh) | 工单处理方法、装置及存储介质 | |
| CN109583746B (zh) | 设置流程的路由规则的方法及装置、可读存储介质 | |
| CN108256810B (zh) | 保险业务审批流程处理方法和装置 | |
| CN111324370B (zh) | 用于对待上线小程序进行风险处理的方法及装置 | |
| CN112131507A (zh) | 网站内容处理方法、装置、服务器和计算机可读存储介质 | |
| CN112288092A (zh) | 模型评估方法、装置、电子设备和存储介质 | |
| CN118426928A (zh) | 异常指令的处理方法及其装置、电子设备、存储介质 | |
| CN116226865A (zh) | 云原生应用的安全检测方法、装置、服务器、介质及产品 | |
| CN110717105A (zh) | 科技资源个性化主动推送方法 | |
| CN113590308A (zh) | 一种申请云资源的工作流处理方法、装置、设备及介质 | |
| CN113205442A (zh) | 基于区块链的电子政务数据反馈管理方法及装置 | |
| CN113240396A (zh) | 分析员工工作状态的方法、装置、设备及存储介质 | |
| CN113051332A (zh) | 一种基于大数据技术的多源数据集成方法及其系统 | |
| CN112948262A (zh) | 一种系统测试方法、装置、计算机设备和存储介质 | |
| CN112764794A (zh) | 一种开源软件信息管理系统和方法 | |
| CN114443943A (zh) | 一种信息调度方法、装置、设备及计算机可读存储介质 | |
| KR102078541B1 (ko) | 이슈 관심도 기반의 뉴스 가치 평가 장치 및 방법, 이를 기록한 기록매체 | |
| CN111008078A (zh) | 数据的批量处理方法、装置、设备及计算机存储介质 | |
| CN114331446B (zh) | 区块链的链外服务实现方法、装置、设备和介质 | |
| CN115983836A (zh) | 一种数据处理方法及相关设备 | |
| CN115080979A (zh) | 安全漏洞管控平台及方法 | |
| CN112862495A (zh) | 交易数据风险控制方法、装置、计算机设备和存储介质 | |
| KR102155846B1 (ko) | 이전 작업의 반려율을 활용한 샘플링 검수 방법 및 장치 | |
| CN108881272B (zh) | 一种适用于冗余信息系统的攻击面建模方法及装置 |
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 |