CN112529584A - 交易纠纷数据处理方法、装置、设备及存储介质 - Google Patents
交易纠纷数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112529584A CN112529584A CN202011420880.XA CN202011420880A CN112529584A CN 112529584 A CN112529584 A CN 112529584A CN 202011420880 A CN202011420880 A CN 202011420880A CN 112529584 A CN112529584 A CN 112529584A
- Authority
- CN
- China
- Prior art keywords
- complaint
- dispute
- user
- transaction
- elements
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 142
- 238000000034 method Methods 0.000 claims abstract description 102
- 230000008569 process Effects 0.000 claims abstract description 40
- 230000015654 memory Effects 0.000 claims description 35
- 230000003993 interaction Effects 0.000 claims description 13
- 239000000047 product Substances 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910021389 graphene Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 208000034804 Product quality issues Diseases 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003121 nonmonotonic effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本说明书提供一种交易纠纷数据处理方法、装置、设备及存储介质，在接收到投诉用户提交的交易纠纷处理请求后，先对该交易纠纷处理请求进行纠纷风险识别，确定该交易纠纷处理请求是否是无风险的咨询类纠纷，若是，则可以直接为投诉用户返回对应的解答信息，减少了必要的投诉流程，不需要投诉用户提交详细的投诉内容，大大缩减了用户的投诉流程，提高了交易纠纷的处理效率。若确定该交易纠纷处理请求不是咨询类纠纷，则可以对用户诉求进行确定，并基于用户诉求匹配对应的纠纷处理流程，以快速准确的帮助用户处理交易纠纷。
Description
技术领域
本说明书属于计算机技术领域，尤其涉及一种交易纠纷数据处理方法、装置、设备及存储介质。
背景技术
随着计算机技术的发展，线上交易越来越普及，业务量的增加也带来了更多的交易纠纷。一般的，用户可以通过电话或填写表单等形式进行交易纠纷的举报，但是举报过程需要填写较多的信息，过程比较繁琐，影响交易纠纷处理的效率。
发明内容
本说明书实施例的目的在于提供一种交易纠纷数据处理方法、装置、设备及存储介质，提高了交易纠纷数据处理的准确性和效率。
一方面，本说明书实施例提供了一种交易纠纷数据处理方法，所述方法包括：
对接收到的交易纠纷处理请求进行交易纠纷风险识别，确定所述交易纠纷处理请求是否属于咨询类纠纷；
若确定所述交易纠纷处理请求属于咨询类纠纷，则根据历史交易纠纷记录，确定出所述交易纠纷处理请求对应的解答信息；
若确定所述交易纠纷处理请求不属于咨询类纠纷，则向所述交易纠纷处理请求对应的投诉用户返回用户诉求确定信息；
根据所述投诉用户基于所述用户诉求确定信息返回的投诉信息，确定所述交易纠纷处理请求对应的用户诉求；
根据所述用户诉求确定对应的纠纷处理流程。
另一方面，本说明书提供了一种交易纠纷数据处理装置，包括：
纠纷风险识别模块，用于对接收到的交易纠纷处理请求进行交易纠纷风险识别，确定所述交易纠纷处理请求是否属于咨询类纠纷；
咨询类纠纷处理模块，用于若确定所述交易纠纷处理请求属于咨询类纠纷，则根据历史交易纠纷记录，确定出所述交易纠纷处理请求对应的解答信息；
用户诉求请求模块，用于若确定所述交易纠纷处理请求不属于咨询类纠纷，则向所述交易纠纷处理请求对应的投诉用户返回用户诉求确定信息；
用户诉求确定模块，用于根据所述投诉用户基于所述用户诉求确定信息返回的投诉信息，确定所述交易纠纷处理请求对应的用户诉求；
纠纷流程分配模块，用于根据所述用户诉求确定对应的纠纷处理流程。
再一方面，本说明书实施例提供了一种交易纠纷数据处理设备，包括至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述交易纠纷数据处理方法。
还一方面，本说明书实施例提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述交易纠纷数据处理方法。
本说明书提供的交易纠纷数据处理方法、装置、设备及存储介质，在接收到投诉用户提交的交易纠纷处理请求后，先对该交易纠纷处理请求进行纠纷风险识别，确定该交易纠纷处理请求是否是无风险的咨询类纠纷，若是，则可以直接为投诉用户返回对应的解答信息，减少了必要的投诉流程，不需要投诉用户提交详细的投诉内容，大大缩减了用户的投诉流程，提高了交易纠纷的处理效率。若确定该交易纠纷处理请求不是咨询类纠纷，则可以对用户诉求进行确定，并基于用户诉求匹配对应的纠纷处理流程，以快速准确的帮助用户处理交易纠纷。
附图说明
为了更清楚地说明本说明书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是本说明书实施例提供的交易纠纷数据处理方法实施例的流程示意图；
图2是本说明书又一个实施例中交易纠纷处理的流程示意图；
图3是本说明书提供的交易纠纷数据处理装置一个实施例的模块结构示意图；
图4是本说明书一个实施例中交易纠纷数据处理服务器的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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。基于本说明书中的实施例，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保护的范围。
对于线上交易，一般均需要用户填写投诉表单，但是用户填写的内容并不影响后续手机的内容，使得交易纠纷投诉流程繁琐，但又没有起到作用。本说明书实施例中的交易纠纷可以理解为在交易过程中遇到的用户自己无法解决的问题，交易纠纷的具体类型可以包括：扣款不合理、发货慢、货不对版、商家无法联系、欺诈交易等等，具体的交易纠纷类型本说明书实施例不作具体限定。
图1是本说明书实施例提供的交易纠纷数据处理方法实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
具体的一个实施例如图1所示，本说明书提供的交易纠纷数据处理方法的一个实施例中，所述方法可以应用在交易平台中，交易平台可以为计算机、平板电脑、服务器等终端，所述方法可以包括如下步骤：
步骤102、对接收到的交易纠纷处理请求进行交易纠纷风险识别，确定所述交易纠纷处理请求是否属于咨询类纠纷。
在具体的实施过程中，若用户在交易过程中遇到问题，无法联系商家或与商家协商无法解决时，可以向交易平台提交交易纠纷处理请求，即请求交易平台协助解决交易纠纷问题。一般的，交易纠纷处理请求可以包括投诉用户信息、涉及到的交易的交易信息，当然还可以包括被投诉用户信息等与纠纷相关的简单信息。其中，投诉用户信息可以包括：用户姓名、年龄、职业、历史交易信用记录、历史投诉记录等等与投诉用户相关的信息。交易信息可以包括与当前交易纠纷涉及到的交易相关的信息如：交易金额、交易商品类型、交易时间、交易双方的设备信息等等。在接收到交易纠纷处理请求后，可以对交易纠纷进行交易纠纷风险识别，确定当前的交易纠纷处理请求是否属于无风险类的咨询类纠纷。具体可以通过智能学习模型或智能学习算法或专家策略等对接收到的交易纠纷处理请求进行分析，确定其是否是无风险类的咨询类纠纷。咨询类纠纷可以理解为投诉用户并不是具体投诉某个商家或产品或某笔交易等，只是在交易过程中遇到一些疑问，不需要商家即被投诉用户操作，可以由投诉用户自己完成的纠纷，如：代扣如何解除、如何缴费、如何与商家联系等。
步骤104、若确定所述交易纠纷处理请求属于咨询类纠纷，则根据历史交易纠纷记录，确定出所述交易纠纷处理请求对应的解答信息。
在具体的实施过程中，若通过对交易纠纷处理请求确定出当前的交易纠纷属于咨询类纠纷，则可以根据历史交易纠纷记录，对当前交易纠纷处理请求的咨询问题进行解析，确定出当前交易纠纷处理请求的咨询问题，并基于确定出的咨询问题返回对应的解答信息。如：可以从历史交易纠纷记录中获取与当前交易纠纷处理请求相似的纠纷处理信息，从获取到的纠纷处理信息中获取咨询问题，若获取到的相似的历史交易纠纷记录以及咨询问题有多个，可以通过自助客服输出预测的咨询问题与投诉用户进行咨询问题的交互询问，以向用户确定咨询问题。根据用户的反馈，确定出咨询问题后，可以从历史交易纠纷记录中获取对应的解答信息。
步骤106、若确定所述交易纠纷处理请求不属于咨询类纠纷，则向所述交易纠纷处理请求对应的投诉用户返回用户诉求确定信息。
在具体的实施过程中，若通过对交易纠纷处理请求确定出当前的交易纠纷不属于咨询类纠纷，则可以向投诉用户返回用户诉求确定信息，以引导投诉用户提交详细的投诉内容。
步骤108、根据所述投诉用户基于所述用户诉求确定信息返回的投诉信息，确定所述交易纠纷处理请求对应的用户诉求。
在具体的实施过程中，投诉用户接收到交易平台返回的用户诉求确定信息，可以根据提示提交的投诉信息，基于投诉用户提交的投诉信息，可以确定出交易纠纷处理请求对应的用户诉求。如：可以预先利用历史数据对不同的投诉信息进行模型训练，构建出能够对用户诉求进行分类的智能学习模型，再可以通过智能学习模型对当前投诉用户提交的投诉信息进行分析处理，以获取到用户投诉的诉求。或者，也可以向用户返回多个用户诉求以供用户选择确认，关于用户诉求的获取方法本说明书实施例不作具体限定。
步骤110、根据所述用户诉求确定对应的纠纷处理流程。
在具体的实施过程中，确定出用户诉求后，可以基于用户诉求返回对应的纠纷处理流程，本说明书实施例中不同的用户诉求对应有不同的纠纷处理流程。图2是本说明书又一个实施例中交易纠纷处理的流程示意图，如图2所示，本说明书一些实施例中，用户诉求可以分为3种：欺诈举报、普通纠纷、交易遗忘，对于不同的用户诉求分别对应有不同的纠纷处理流程。
本说明书一些实施例中，所述根据所述用户诉求确定对应的纠纷处理流程，可以包括：
根据所述用户诉求，向所述投诉用户返回提交投诉举证信息的提示信息；
接收所述投诉用户提交的投诉举证信息，并提取所述投诉举证信息中的投诉要素；
基于所述投诉要素进行纠纷调解。
在具体的实施过程中，可以根据确定出的用户诉求，引导并提示投诉用户提交投诉举证信息的提示信息，投诉用户可以根据引导提交对应的投诉举证信息，投诉举证信息可以是文字描述或视频或图片等，本说明书实施例不作具体限定。获取到投诉用户提交的投诉举证信息后，可以对投诉举证信息进行要素提取，提取出投诉要素，再基于投诉要素，准确确定出用户的意图，进而匹配对应的纠纷调解流程，进行对应的纠纷调解。投诉要素可以理解为能够表征用户诉求的关键信息，可以将用户提交的投诉信息与要素数据库进行匹配，确定出对应的投诉要素，或者利用智能学习模型对投诉信息进行要素提取，本说明书实施例不作具体限定。本说明书一些实施例中，可以采用文本要素识别模型和抗辩算法对投诉用户提交的投诉举证信息进行要素提取，获得投诉要素。其中，文本要素识别模型可以理解为NLP(Natural Language Processing，自然语言处理)多标签分类模型，可以对一段投诉文本，给出包含实施诈术和意识到被骗的概率，识别文本是否包含实施诈术、如何意识到被骗两个要素。抗辩算法可以理解为一种基于不完全、不一致、不确定信息的非单调推理的网络算法，随着知识的增加，得到的论证可能有增有减，当遇到有攻击关系的两个论证时，可以根据决策偏好进行推理。通过文本要素识别模型和抗辩算法可以对投诉用户提供的投诉举证信息的准确性和真实性进行确认，以确保提取到的投诉要素与真实事件相符，使得后续纠纷处理能够公平合理。
不需要用户进行投诉表单的填写，用户自由进行投诉信息的描述，通过对投诉信息进行投诉要素的提取，更加准确的确定出用户的真实意图，进而能够准确的为用户提供合适的解决方案，提高交易纠纷处理的成功率。
本说明书实施例提供的交易纠纷数据处理方法，在接收到投诉用户提交的交易纠纷处理请求后，先对该交易纠纷处理请求进行纠纷风险识别，确定该交易纠纷处理请求是否是无风险的咨询类纠纷，若是，则可以直接为投诉用户返回对应的解答信息，不需要投诉用户提交详细的投诉内容，大大缩减了用户的投诉流程，提高了交易纠纷的处理效率。若确定该交易纠纷处理请求不是咨询类纠纷，则可以对用户诉求进行确定，并基于用户诉求匹配对应的纠纷处理流程，以快速准确的帮助用户处理交易纠纷。
如图2所示，在上述实施例的基础上，本说明书一些实施例中，所述方法还包括：
获取到所述投诉要素后，根据所述用户诉求判断所述投诉要素是否完整，若所述投诉要素不完整，则利用智能人机交互模型与所述投诉用户进行多轮意图确认交互，根据交互内容引导所述投诉用户补充缺失的投诉要素；
在确定所述投诉要素完整后，基于补充后的投诉要素进行纠纷调解。
在具体的实施过程中，在获取到投诉用户提交的投诉举证信息中的投诉要素后，可以根据用户诉求来判断投诉要素是否完整，例如：对于欺诈类型的用户诉求，可以引入投诉文本要素识别模型和抗辩算法，依照法律判定欺诈罪的判案逻辑搭建出的一套欺诈定性逻辑图谱，就用户提供的论据论点，识别计算给出各知识点和要素的满足概率，来判断投诉要素是否完整。若确定投诉要素有缺失，可以利用智能人机交互模型与投诉用户进行多轮意图确认交互，引导投诉用户再次描述举证缺失信息，根据交互内容，引导投诉用户补充缺失的投诉要素，以达到绘制完整信息的目的，提高投诉有效性和审理准确性。在确定投诉要素完整后，可以基于补充后的投诉要素，准确确定出用户的投诉意图，进而选择合适的纠纷调解方案进行交易纠纷的调解。实现在最短的时间内让用户补充完整信息，减少不准确审理引起用户多次申诉的问题，提升了用户体验感。
在上述实施例的基础上，本说明书一些实施例中，若所述用户诉求为欺诈举报，所述方法还包括：
基于提取的投诉要素，确定所述交易纠纷处理请求对应的资金追回可能性，若确定资金追回可能性大于预设阈值，则对所述交易纠纷处理请求进行任务审理和资金追回处理；
若确定资金追回可能性不大于所述预设阈值，则引导所述投诉用户进行报案处理。
在具体的实施过程中，如图2所示，若确定用户诉求为欺诈举报，则可以基于提取到的投诉要素，对该欺诈举报的资金状态进行分析，确定出交易纠纷处理请求对应的资金追回可能性及对方联系的可能性。对于资金追回性高的交易马上进行任务审理并提供后续追金服务，提高追金时效性，让用户在举报流程中就可参与到追金行动中。对于被动方可联系的情况，询问用户意愿，尽可能提供法律调解服务，减少资金纠纷和损失。对于资金追回可能低的，可以引导投诉用户进行报案处理。部分用户在举报提交后对“自己还能做什么”和”支付宝会做什么”存在疑问，可以增加引导和解释，并且在投诉提交后提供实时更新的审理进度，提供疑问解答服务。提供这些服务的难点不仅在于对用户诉求的高准确率、高覆盖率的审理判别，还要求自助客服与审理交互高度同步，实时获取用户举报信息，并且依据进度灵活提供服务。
如图2所示，本说明书一些实施例中，若所述用户诉求为交易遗忘，则所述根据所述用户诉求确定对应的纠纷处理流程，包括：
根据所述投诉要素，预测所述交易纠纷处理请求的交易场景、交易产品，并将预测出的交易场景和交易产品返回给所述投诉用户。
在具体的实施过程中，交易遗忘可以理解为用户忘记交易纠纷处理请求中的交易是什么内容，可以通过分析交易纠纷处理请求的交易信息以及投诉用户的账户等，提取投诉要素，基于提取出的投诉要素，预测该交易纠纷处理请求对应的交易可能的交易场景、交易产品等，并将预测出的交易场景、交易产品返回给投诉用户，以供用户参考，快速解决投诉用户的交易纠纷。
本说明书一些实施例中，所述方法还包括：
接收所述投诉用户提交的纠纷处理结果，若所述纠纷处理结果为未解决，则对所述投诉用户的用户账户进行安全性分析，根据所述用户账户的安全性分析结果获取历史相似案例的解决方案；
将所述用户账户的安全性分析结果以及历史相似案例的解决方案返回给所述投诉用户。
在具体的实施过程中，如图2所示，在交易遗忘对应的用户诉求中，将预测出的交易场景和交易产品返回给投诉用户后，可以接收投诉用户返回的纠纷处理结果，若该纠纷处理结果为未解决，则可以认为预测出的交易场景和交易产品投诉用户并不认可，可以对投诉用户的用户账户进行安全性分析，分析投诉用户的账户被盗用或被骗的可能性。根据安全性分析结果获取历史相似案例的解决方案，将安全性分析结果以及获得的历史相似案例额解决方案返回给投诉用户，以供投诉用户参考，进行后续的举报或相关处理。
如图2所示，本说明书一些实施例中，在接收到用户提交的交易纠纷处理请求后，可以先判断该请求是否支持举报投诉，对于不能投诉的交易可以向用户展示不能投诉的原因说明，还可以给出解决引导。
此外，如图2所示，在用户投诉或者咨询结束后可以给用户提供不同的解决方案或情绪发泄方案即自助客服个性化服务、例如：欺诈举报之后可以提供：账户安全自查、报案引导、法律咨询、安全守护服务等。普通纠纷投诉之后可以提供：对方联系方式是否可以提供、如何联系商家、如何参与法律调解等。如果用户对于自己被骗的问题有非常强烈的抒发需求，后续还有反诈联盟、反诈树洞等等服务。
本说明书实施例，基于定性模型，允许先判断交易高危性，缩短不必要的纠纷投诉和咨询投诉流程，实时解答疑问。基于智能交互系统和投诉文本要素识别模型，摆脱固定问卷先填后审的限制，支持填写有效性的复杂判断和个性化反馈，节省用户申诉损耗。提前了解用户诉求，根据诉求和存疑交易针对性提供诉后服务，加入法律调解和追金服务跟进。通过前置用户交易选择和自由描述，基于判断出的风险类型，再推荐服务，解决因用户与产品理解不一周而产生的入口误选，允许投诉入口和服务高度定制化。通过抗辩算法和投诉文本要素识别模型采集证据，挖掘信息要素，针对性补充关键信息，避免信息缺失造成的误定性和风险漏过。
本说明书中上述方法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考即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参考方法实施例的部分说明即可。
基于上述所述的交易纠纷数据处理方法，本说明书一个或多个实施例还提供一种用于交易纠纷数据处理的装置。所述系统可以包括使用了本说明书实施例所述方法的装置(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参考前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“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。
具体地，图3是本说明书提供的交易纠纷数据处理装置一个实施例的模块结构示意图，如图3所示，本说明书中提供的交易纠纷数据处理装置可以包括：
纠纷风险识别模块31，用于对接收到的交易纠纷处理请求进行交易纠纷风险识别，确定所述交易纠纷处理请求是否属于咨询类纠纷；
咨询类纠纷处理模块32，用于若确定所述交易纠纷处理请求属于咨询类纠纷，则根据历史交易纠纷记录，确定出所述交易纠纷处理请求对应的解答信息；
用户诉求请求模块33，用于若确定所述交易纠纷处理请求不属于咨询类纠纷，则向所述交易纠纷处理请求对应的投诉用户返回用户诉求确定信息；
用户诉求确定模块34，用于根据所述投诉用户基于所述用户诉求确定信息返回的投诉信息，确定所述交易纠纷处理请求对应的用户诉求；
纠纷流程分配模块35，用于根据所述用户诉求确定对应的纠纷处理流程。
本说明书实施例提供的交易纠纷数据处理装置，在接收到投诉用户提交的交易纠纷处理请求后，先对该交易纠纷处理请求进行纠纷风险识别，确定该交易纠纷处理请求是否是无风险的咨询类纠纷，若是，则可以直接为投诉用户返回对应的解答信息，不需要投诉用户提交详细的投诉内容，大大缩减了用户的投诉流程，提高了交易纠纷的处理效率。若确定该交易纠纷处理请求不是咨询类纠纷，则可以对用户诉求进行确定，并基于用户诉求匹配对应的纠纷处理流程，以快速准确的帮助用户处理交易纠纷。
本说明书一些实施例中，所述纠纷流程分配模块具体用于：
根据所述用户诉求，向所述投诉用户返回提交投诉举证信息的提示信息；
接收所述投诉用户提交的投诉举证信息，并提取所述投诉举证信息中的投诉要素；
基于所述投诉要素进行纠纷调解。
本说明书一些实施例中，所述纠纷流程分配模块具体用于：
获取到所述投诉要素后，根据所述用户诉求判断所述投诉要素是否完整，若所述投诉要素不完整，则利用智能人机交互模型与所述投诉用户进行多轮意图确认交互，根据交互内容引导所述投诉用户补充缺失的投诉要素；
在确定所述投诉要素完整后，基于补充后的投诉要素进行纠纷调解。
本说明书实施例提供的交易纠纷数据处理装置，通过投诉要素的提取，更加准确的确定出用户的真实意图，进而能够准确的为用户提供合适的解决方案，提高交易纠纷处理的成功率。
需要说明的，上述所述的装置根据对应方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照上述对应的方法实施例的描述，在此不作一一赘述。
本说明书实施例还提供一种交易纠纷数据处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述实施例的交易纠纷数据处理方法，如：
对接收到的交易纠纷处理请求进行交易纠纷风险识别，确定所述交易纠纷处理请求是否属于咨询类纠纷；
若确定所述交易纠纷处理请求属于咨询类纠纷，则根据历史交易纠纷记录，确定出所述交易纠纷处理请求对应的解答信息；
若确定所述交易纠纷处理请求不属于咨询类纠纷，则向所述交易纠纷处理请求对应的投诉用户返回用户诉求确定信息；
根据所述投诉用户基于所述用户诉求确定信息返回的投诉信息，确定所述交易纠纷处理请求对应的用户诉求；
根据所述用户诉求确定对应的纠纷处理流程。
需要说明的，上述所述的设备和系统根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
本说明书提供的交易纠纷数据处理装置，也可以应用在多种数据分析处理系统中。所述系统或服务器或终端或设备可以为单独的服务器，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例系统或服务器或终端或设备的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述核对差异数据的检测系统可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。
本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图4是本说明书一个实施例中交易纠纷数据处理服务器的硬件结构框图，该计算机终端可以是上述实施例中的交易纠纷数据处理服务器或交易纠纷数据处理装置。如图4所示服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的非易失性存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器10还可包括比图4中所示更多或者更少的组件，例如还可以包括其他的处理硬件，如数据库或多级缓存、GPU，或者具有与图4所示不同的配置。
非易失性存储器200可用于存储应用软件的软件程序以及模块，如本说明书实施例中的交易纠纷数据处理方法对应的程序指令/模块，处理器100通过运行存储在非易失性存储器200内的软件程序以及模块，从而执行各种功能应用以及资源数据更新。非易失性存储器200可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，非易失性存储器200可进一步包括相对于处理器100远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局与网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输模块300包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块300可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
上述对本说明书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或步骤可以按照不同于实施例中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才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果，如：
对接收到的交易纠纷处理请求进行交易纠纷风险识别，确定所述交易纠纷处理请求是否属于咨询类纠纷；
若确定所述交易纠纷处理请求属于咨询类纠纷，则根据历史交易纠纷记录，确定出所述交易纠纷处理请求对应的解答信息；
若确定所述交易纠纷处理请求不属于咨询类纠纷，则向所述交易纠纷处理请求对应的投诉用户返回用户诉求确定信息；
根据所述投诉用户基于所述用户诉求确定信息返回的投诉信息，确定所述交易纠纷处理请求对应的用户诉求；
根据所述用户诉求确定对应的纠纷处理流程。
所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
本说明书实施例提供的上述交易纠纷数据处理方法或装置可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作系统的c++语言在PC端实现、linux系统实现，或其他例如使用android、iOS系统程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。
需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照对应方法实施例的描述，在此不作一一赘述。
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考即可，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，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参考方法实施例的部分说明即可。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机资源数据更新和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书实施例的可选实施方案范围之内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
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、车载人机交互设备、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。
虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式资源数据更新环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本发明是参照根据本发明实施例的方法、装置(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资源数据更新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资源数据更新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资源数据更新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资源数据更新设备上，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、石墨烯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。
本领域技术人员应明白，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本说明书一个或多个实施例，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考即可，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，相关之处参考方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本说明书一个或多个实施例。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，均应包含在权利要求范围之内。
Claims (12)
1.一种交易纠纷数据处理方法，所述方法包括：
对接收到的交易纠纷处理请求进行交易纠纷风险识别，确定所述交易纠纷处理请求是否属于咨询类纠纷；
若确定所述交易纠纷处理请求属于咨询类纠纷，则根据历史交易纠纷记录，确定出所述交易纠纷处理请求对应的解答信息；
若确定所述交易纠纷处理请求不属于咨询类纠纷，则向所述交易纠纷处理请求对应的投诉用户返回用户诉求确定信息；
根据所述投诉用户基于所述用户诉求确定信息返回的投诉信息，确定所述交易纠纷处理请求对应的用户诉求；
根据所述用户诉求确定对应的纠纷处理流程。
2.如权利要求1所述的方法，所述根据所述用户诉求确定对应的纠纷处理流程，包括：
根据所述用户诉求，向所述投诉用户返回提交投诉举证信息的提示信息；
接收所述投诉用户提交的投诉举证信息，并提取所述投诉举证信息中的投诉要素；
基于所述投诉要素进行纠纷调解。
3.如权利要求2所述的方法，所述方法还包括：
获取到所述投诉要素后，根据所述用户诉求判断所述投诉要素是否完整，若所述投诉要素不完整，则利用智能人机交互模型与所述投诉用户进行多轮意图确认交互，根据交互内容引导所述投诉用户补充缺失的投诉要素；
在确定所述投诉要素完整后，基于补充后的投诉要素进行纠纷调解。
4.如权利要求2所述的方法，所述提取所述投诉举证信息中的投诉要素包括：
根据所述用户诉求，采用文本要素识别模型和抗辩算法对所述投诉举证信息进行要素提取，获得所述投诉要素。
5.如权利要求2所述的方法，若所述用户诉求为欺诈举报，所述方法还包括：
基于提取的投诉要素，确定所述交易纠纷处理请求对应的资金追回可能性，若确定资金追回可能性大于预设阈值，则对所述交易纠纷处理请求进行任务审理和资金追回处理；
若确定资金追回可能性不大于所述预设阈值，则引导所述投诉用户进行报案处理。
6.如权利要求2所述的方法，若所述用户诉求为交易遗忘，则所述根据所述用户诉求确定对应的纠纷处理流程，包括：
根据所述投诉要素，预测所述交易纠纷处理请求的交易场景、交易产品，并将预测出的交易场景和交易产品返回给所述投诉用户。
7.如权利要求6所述的方法，所述方法还包括：
接收所述投诉用户提交的纠纷处理结果，若所述纠纷处理结果为未解决，则对所述投诉用户的用户账户进行安全性分析，根据所述用户账户的安全性分析结果获取历史相似案例的解决方案；
将所述用户账户的安全性分析结果以及历史相似案例的解决方案返回给所述投诉用户。
8.一种交易纠纷数据处理装置，包括：
纠纷风险识别模块，用于对接收到的交易纠纷处理请求进行交易纠纷风险识别，确定所述交易纠纷处理请求是否属于咨询类纠纷；
咨询类纠纷处理模块，用于若确定所述交易纠纷处理请求属于咨询类纠纷，则根据历史交易纠纷记录，确定出所述交易纠纷处理请求对应的解答信息；
用户诉求请求模块，用于若确定所述交易纠纷处理请求不属于咨询类纠纷，则向所述交易纠纷处理请求对应的投诉用户返回用户诉求确定信息；
用户诉求确定模块，用于根据所述投诉用户基于所述用户诉求确定信息返回的投诉信息，确定所述交易纠纷处理请求对应的用户诉求；
纠纷流程分配模块，用于根据所述用户诉求确定对应的纠纷处理流程。
9.如权利要求8所述的装置，所述纠纷流程分配模块具体用于：
根据所述用户诉求，向所述投诉用户返回提交投诉举证信息的提示信息；
接收所述投诉用户提交的投诉举证信息，并提取所述投诉举证信息中的投诉要素；
基于所述投诉要素进行纠纷调解。
10.如权利要求9所述的装置，所述纠纷流程分配模块具体用于：
获取到所述投诉要素后，根据所述用户诉求判断所述投诉要素是否完整，若所述投诉要素不完整，则利用智能人机交互模型与所述投诉用户进行多轮意图确认交互，根据交互内容引导所述投诉用户补充缺失的投诉要素；
在确定所述投诉要素完整后，基于补充后的投诉要素进行纠纷调解。
11.一种交易纠纷数据处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-7任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011420880.XA CN112529584A (zh) | 2020-12-08 | 2020-12-08 | 交易纠纷数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011420880.XA CN112529584A (zh) | 2020-12-08 | 2020-12-08 | 交易纠纷数据处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112529584A true CN112529584A (zh) | 2021-03-19 |
Family
ID=74998027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011420880.XA Pending CN112529584A (zh) | 2020-12-08 | 2020-12-08 | 交易纠纷数据处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112529584A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592315A (zh) * | 2021-08-04 | 2021-11-02 | 北京沃东天骏信息技术有限公司 | 一种处理纠纷单的方法和装置 |
| CN115374190A (zh) * | 2022-10-25 | 2022-11-22 | 支付宝(杭州)信息技术有限公司 | 一种类案检索的方法、装置、存储介质及电子设备 |
| US20230177512A1 (en) * | 2021-12-08 | 2023-06-08 | Chime Financial, Inc. | Generating a fraud prediction utilizing a fraud-prediction machine-learning model |
| US20230237505A1 (en) * | 2022-01-23 | 2023-07-27 | Kumiko Kitaoka | Automated dispute resolution system |
| CN117390293A (zh) * | 2023-12-12 | 2024-01-12 | 之江实验室 | 一种针对纠纷案件的信息推荐方法、装置、介质及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040059596A1 (en) * | 2000-02-15 | 2004-03-25 | Lalitha Vaidyanathan | Automated online dispute resolution |
| CN108921569A (zh) * | 2018-06-01 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种确定用户投诉类型的方法及装置 |
| CN109684475A (zh) * | 2018-11-21 | 2019-04-26 | 斑马网络技术有限公司 | 投诉的处理方法、装置、设备以及存储介质 |
| US20200034842A1 (en) * | 2018-07-24 | 2020-01-30 | Accenture Global Solutions Limited | Digital content and transaction management using an artificial intelligence (ai) based communication system |
| CN110827040A (zh) * | 2019-10-31 | 2020-02-21 | 支付宝(杭州)信息技术有限公司 | 一种消费者诉求解决方法和系统 |
-
2020
- 2020-12-08 CN CN202011420880.XA patent/CN112529584A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040059596A1 (en) * | 2000-02-15 | 2004-03-25 | Lalitha Vaidyanathan | Automated online dispute resolution |
| CN108921569A (zh) * | 2018-06-01 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种确定用户投诉类型的方法及装置 |
| US20200034842A1 (en) * | 2018-07-24 | 2020-01-30 | Accenture Global Solutions Limited | Digital content and transaction management using an artificial intelligence (ai) based communication system |
| CN109684475A (zh) * | 2018-11-21 | 2019-04-26 | 斑马网络技术有限公司 | 投诉的处理方法、装置、设备以及存储介质 |
| CN110827040A (zh) * | 2019-10-31 | 2020-02-21 | 支付宝(杭州)信息技术有限公司 | 一种消费者诉求解决方法和系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592315A (zh) * | 2021-08-04 | 2021-11-02 | 北京沃东天骏信息技术有限公司 | 一种处理纠纷单的方法和装置 |
| US20230177512A1 (en) * | 2021-12-08 | 2023-06-08 | Chime Financial, Inc. | Generating a fraud prediction utilizing a fraud-prediction machine-learning model |
| US12020257B2 (en) * | 2021-12-08 | 2024-06-25 | Chime Financial, Inc. | Generating a fraud prediction utilizing a fraud-prediction machine-learning model |
| US20230237505A1 (en) * | 2022-01-23 | 2023-07-27 | Kumiko Kitaoka | Automated dispute resolution system |
| CN115374190A (zh) * | 2022-10-25 | 2022-11-22 | 支付宝(杭州)信息技术有限公司 | 一种类案检索的方法、装置、存储介质及电子设备 |
| CN117390293A (zh) * | 2023-12-12 | 2024-01-12 | 之江实验室 | 一种针对纠纷案件的信息推荐方法、装置、介质及设备 |
| CN117390293B (zh) * | 2023-12-12 | 2024-04-02 | 之江实验室 | 一种针对纠纷案件的信息推荐方法、装置、介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109191110B (zh) | 后付费交易数据处理方法、装置、处理设备、及服务器 | |
| CN112529584A (zh) | 交易纠纷数据处理方法、装置、设备及存储介质 | |
| CN109064175B (zh) | 一种账户盗用风险防控方法及装置 | |
| CN109492772B (zh) | 生成信息的方法和装置 | |
| CN112561535A (zh) | 交易纠纷数据处理方法、装置、设备及存储介质 | |
| CN113159901B (zh) | 融资租赁业务会话的实现方法和装置 | |
| CN110032698A (zh) | 信息显示方法和装置、信息处理方法和装置 | |
| CN110674188A (zh) | 一种特征提取方法、装置及设备 | |
| CN110781971B (zh) | 一种商户类型识别方法、装置、设备和可读介质 | |
| CN109614414B (zh) | 一种用户信息的确定方法及装置 | |
| CN112330355B (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
| CN111260368A (zh) | 一种账户交易风险判断方法、装置及电子设备 | |
| US11777874B1 (en) | Artificial intelligence conversation engine | |
| CN113205402A (zh) | 对账方法、装置、电子设备及计算机可读介质 | |
| CN110175733B (zh) | 一种舆论信息处理方法和服务器 | |
| CN109903166B (zh) | 一种数据风险预测方法、装置及设备 | |
| CN110930078A (zh) | 一种业务对象识别方法、装置及设备 | |
| CN108062423B (zh) | 信息推送方法和装置 | |
| WO2024093960A1 (zh) | 异常交易应对策略的验证方法和验证装置 | |
| CN112330329A (zh) | 风险交易数据处理方法、装置、设备及存储介质 | |
| US20150066773A1 (en) | Claim rate black box | |
| CN109120509B (zh) | 一种信息收集的方法及装置 | |
| CN111160987A (zh) | 一种信息展示方法、装置及系统 | |
| CN111259975A (zh) | 分类器的生成方法及装置、文本的分类方法及装置 | |
| CN114444120A (zh) | 一种基于区块链的融资方法、装置、电子设备和存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |