CN112597752A - 投诉文本的处理方法、装置、电子设备及存储介质 - Google Patents
投诉文本的处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112597752A CN112597752A CN202011502256.4A CN202011502256A CN112597752A CN 112597752 A CN112597752 A CN 112597752A CN 202011502256 A CN202011502256 A CN 202011502256A CN 112597752 A CN112597752 A CN 112597752A
- Authority
- CN
- China
- Prior art keywords
- complaint
- consult
- text
- similarity
- file
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 41
- 230000006870 function Effects 0.000 claims description 41
- 230000009471 action Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000009849 deactivation Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent 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
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术,揭露一种投诉文本的处理方法,包括:从咨诉系统内获取原始投诉文件集及类型标签集,并组合得到标准投诉文件集,接收咨诉待判别文本,生成对应的待判别咨诉向量及待判别咨诉工单,计算所述待判别咨诉向量与标准投诉文件集内每个原始投诉文件的相似度,得到相似度集,根据所述相似度集,将对应的类型标签与所述咨诉待判别文本组合得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内并发出投诉预警提示。本发明还涉及区块链技术,原始投诉文件集等可存储于区块链节点中。本发明还揭露投诉文本的处理装置、电子设备以及存储介质。本发明可解决解决在投诉文本处理时因内存不足而导致系统崩溃的问题。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种投诉文本的处理方法、装置、电子设备及计算机可读存储介质。
背景技术
伴随大数据的发展,目前各行各业处理系统中的投诉文本都面临巨大挑战。目前对于投诉文本的处理,主要依赖于人工识别,但由于繁多的投诉文本均依赖于人工识别,导致工作量大且浪费人力。另外,也有基于文本关键字的投诉文本判断方法,如使用LSTM提取出关键字,并判断关键字中是否有投诉倾向。
综合来说,LSTM等深度学习模型虽然可实现对投诉文本的识别,但伴随投诉文本数量的急剧增多,LSTM等深度学习模型需占用大量的计算资源,极其容易造成因内存不足而导致系统崩溃的现象。
发明内容
本发明提供一种投诉文本的处理方法、装置、电子设备及计算机可读存储介质,其主要目的在于解决在投诉文本处理时因内存不足而导致系统崩溃的现象。
为实现上述目的,本发明提供的一种投诉文本的处理方法,包括:
从预构建的咨诉系统内提取原始投诉文件集,并接收所述原始投诉文件集的类型标签集;
将所述原始投诉文件集与所述类型标签集组合,得到标准投诉文件集;
接收用户在所述咨诉系统内输入的咨诉待判别文本,生成与所述咨诉待判别文本对应的待判别咨诉向量及待判别咨诉工单;
计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,得到相似度集;
若所述相似度集内存在大于或等于预设阈值的相似度,从所述相似度集中提取数值最大的相似度,根据所述数值最大的相似度,从所述标准投诉文件集内查找,得到原始投诉文件;
将所述原始投诉文件对应的类型标签与所述咨诉待判别文本组合,得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内。
可选地,所述接收所述原始投诉文件集的类型标签集,之前还包括:
从所述咨诉系统中提取流表,判断所述流表的目的地址是否存在;
若所述流表的目的地址不存在,将所述流表转为访问控制列表,根据所述访问控制列表,拒绝所述原始投诉文件集的文件传输;
若所述流表的目的地址存在,根据所述目的地址配置地址交换表,利用所述地址交换表,将所述原始投诉文件集推送至所述咨诉系统。
可选地,所述判断所述流表的目的地址是否存在,包括:
从所述流表中解析得到包头域;
判断所述包头域中是否存在目的MAC地址或目的IP地址,若所述包头域中存在目的MAC地址或目的IP地址,则所述流表的目的地址存在;
若所述包头域中均不存在目的MAC地址及目的IP地址,则所述流表的目的地址不存在。
可选地,所述将所述流表转为访问控制列表,包括:
从所述流表中解析得到动作函数;
从所述动作函数中获取丢弃函数,将所述丢弃函数加入至预先构建的访问控制空表中,得到所述访问控制列表。
可选地,所述若所述流表的目的地址存在,根据所述目的地址配置地址交换表,包括:
判断所述包头域中是否存在目的MAC地址或目的IP地址;
若所述包头域中存在所述目的MAC地址,将所述目的MAC地址与所述动作函数内的转发函数执行组合,得到所述地址交换表;
若所述包头域中仅存在所述目的IP地址时,将所述目的IP地址添加至所述咨诉系统所在的路由器中的路由表中,得到所述地址交换表。
可选地,所述生成与所述咨诉待判别文本对应的待判别咨诉向量,包括:
对所述咨诉待判别文本执行分词操作及去停用词操作,得到咨诉待判别词语集;
从所述咨诉待判别词语集中选择参照词语,利用所述参照词语,构建与所述咨诉待判别词语集对应的待判别假设向量集;
对所述待判别假设向量集执行累加操作,得到累加向量;
建立所述累加向量的梯度更新函数,利用所述梯度更新函数更新所述待判别假设向量集,得到所述待判别咨诉向量。
可选地,所述若所述相似度集内存在大于或等于预设阈值的相似度,之前包括:
判断所述相似度集内是否存在大于或等于所述预设阈值的相似度;
若所述相似度集内每个相似度均小于所述预设阈值,则判断所述咨诉待判别文本为咨询文本,并重新接收用户在所述咨诉系统内输入的咨诉待判别文本。
为了解决上述问题,本发明还提供一种投诉文本的处理装置,所述装置包括:
类型标签构建模块,用于从预构建的咨诉系统内提取原始投诉文件集,并接收所述原始投诉文件集的类型标签集;
咨诉向量生成模块,用于将所述原始投诉文件集与所述类型标签集组合,得到标准投诉文件集,接收用户在所述咨诉系统内输入的咨诉待判别文本,生成与所述咨诉待判别文本对应的待判别咨诉向量及待判别咨诉工单;
相似度计算模块,用于计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,得到相似度集,若所述相似度集内存在大于或等于预设阈值的相似度,从所述相似度集中提取数值最大的相似度,根据所述数值最大的相似度,从所述标准投诉文件集内查找,得到原始投诉文件;
投诉文件预警模块,用于将所述原始投诉文件对应的类型标签与所述咨诉待判别文本组合,得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述中任意一项所述的投诉文本的处理方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,包括存储数据区和存储程序区,存储数据区存储创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现上述中任意一项所述的投诉文本的处理方法。
本发明实施例从预构建的咨诉系统内提取原始投诉文件集及类型标签集,并进行组合操作得到标准投诉文件集,同时接收所述咨诉系统内的咨诉待判别文本,生成待判别咨诉向量及待判别咨诉工单,通过计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,达到投诉预警的目的,本发明相比于背景技术中使用LSTM等深度学习模型实现投诉文本处理来说,仅利用相似度计算实现对投诉文本的识别,即使投诉文本数量急剧增多,但相似度计算相比于LSTM等深度学习模型来说,依然不需占用大量计算资源,故解决了因系统内存不足而导致系统崩溃的问题,因此本发明提出的投诉文本的处理方法、装置及计算机可读存储介质,可以解决在投诉文本处理时因内存不足而导致系统崩溃的现象。
附图说明
图1为本发明一实施例提供的投诉文本的处理方法的流程示意图;
图2为本发明一实施例提供的投诉文本的处理装置的模块示意图;
图3为本发明一实施例提供的实现投诉文本的处理方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种投诉文本的处理方法,所述投诉文本的处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述投诉文本的处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的投诉文本的处理方法的流程示意图。在本实施例中,所述投诉文本的处理方法包括:
S1、从预构建的咨诉系统内提取原始投诉文件集,并接收所述原始投诉文件集的类型标签集。
本发明较佳实施例中,所述咨诉系统是一种在线收集用户咨询及投诉的信息采集系统,一般由软件开发人员开发并面向用户。如银行为了解客户对理财产品的咨询及投诉信息,开发出一套与所述理财产品对应的理财产品咨诉APP,所述理财产品咨诉APP即为本实施例所述的咨诉系统。
详细地,所述原始投诉文件集一般由所述咨诉系统的系统操作人员提前整理得到。如所述理财产品咨诉APP在面向用户一个月的时间内,收集到不同用户所提交至系统的信息文本,其中信息文本包括投诉文本及咨询文本。
进一步地,所述原始投诉文件集中每个投诉文件均包括投诉文本及与所述投诉文本对应的投诉工单。如所述理财产品咨诉APP在收集用户所提交至系统的信息文本的同时,会自动为每个信息文本生成工单,工单是每个信息文本的唯一标识码,而投诉文本对应的工单称为所述投诉工单。
本发明另一个实施例中,所述原始投诉文件集也可以存储在区块链节点中。
详细地,本发明实施例在预设时间段内,利用系统操作人员对信息文本执行分类,得到多个投诉文本及对应的投诉工单,汇总多个投诉文本及对应的投诉工单,得到所述原始投诉文件集,其中每个原始投诉文件均包括投诉文本及与所述投诉文本对应的投诉工单。
进一步地,本发明实施例出于对原始投诉文件集的数据安全性考虑,为了防止从所述咨诉系统提取的原始投诉文件集被恶意盗取,因此在所述接收所述原始投诉文件集的类型标签集之前,本实施例还包括:从所述咨诉系统中提取流表;判断所述流表的目的地址是否存在;若所述流表的目的地址不存在,将所述流表转为访问控制列表,根据所述访问控制列表,拒绝所述原始投诉文件集的文件传输;若所述流表的目的地址存在,根据所述目的地址配置地址交换表,利用所述地址交换表,将所述原始投诉文件集推送至所述咨诉系统的系统操作人员。
本发明实施例中,所述原始投诉文件集的传输依赖于所述咨诉系统内的流表。所述流表整合了所述咨诉系统内网络配置信息及传输规则,主要由包头域、计数器及动作函数三部分组成。
详细地,所述动作函数用于指示在收到所述原始投诉文件集后,应如何对所述原始投诉文件集进行处理的处理规则,其中动作函数主要包括丢弃函数、转发函数、修改域函数等。所述包头域包括所述咨诉系统的入端口、源MAC地址、目的MAC地址、以太网类型、目的IP地址及源IP地址等。
进一步地,所述判断所述流表的目的地址是否存在,若所述流表的目的地址不存在,包括:从所述流表中解析得到所述包头域;判断所述包头域中是否存在目的MAC地址或目的IP地址;当所述包头域中不存在目的MAC地址及目的IP地址,则所述流表的目的地址不存在,当所述包头域中存在目的MAC地址或目的IP地址,则所述流表的目的地址存在。
进一步地,当所述流表的目的地址不存在时,为提高整个系统的智能性及安全性,防止黑客或病毒恶意篡改系统,本发明通过控制列表拒绝所述原始投诉文件集的文件传输,详细地,当所述流表的目的地址不存在时,所述将所述流表转为访问控制列表,包括:从所述流表中解析得到所述动作函数;从所述动作函数中获取所述丢弃函数,将所述丢弃函数加入至预先构建的访问控制空表中,得到所述访问控制列表。
其中,本发明实施例根据访问控制技术(Access Control Lists,简称ACL技术)构建得到所述访问控制空表。
进一步地,本发明实施例根据所述访问控制列表中的丢弃函数及ACL技术的结合,可拒绝将所述原始投诉文件集从所述咨诉系统中传送至系统操作人员。
由上所述可知,当包头域中不存在目的MAC地址及目的IP地址,则表示流表的目的地址不存在,进一步地,当流表的目的地址存在时,需要配置地址交换表,将所述原始投诉文件集推送至系统操作人员。
详细地,所述若所述流表的目的地址存在,根据所述目的地址,配置地址交换表,包括:判断所述包头域中是否存在目的MAC地址或目的IP地址;若所述包头域中存在目的MAC地址,将所述目的MAC地址与所述转发函数组合得到所述地址交换表;若所述包头域中仅存在目的IP地址时,将所述目的IP地址添加至所述咨诉系统及所述系统操作人员所在的路由器中的路由表中,得到所述地址交换表。
所述路由表是存储在路由器的电子类数据库。本发明较佳实施例中,所述路由表存储着所述咨诉系统及所述系统操作人员的特定网络地址的路径。
进一步地,通过目的MAC地址生成的地址交换表又称为MAC地址交换表,通过目的IP地址生成的地址交换表又称为IP地址交换表,但两种地址交换表都可依照通信原理,利用IP地址\MAC地址及所述转发函数,完成所述原始投诉文件集推送至系统操作人员的任务。
本发明实施例中,将所述原始投诉文件集推送至所述咨诉系统的系统操作人员,并接收所述系统操作人员为每个原始投诉文件进行类型分类产生的类型标签,得到所述类型标签集。进一步地,当系统操作人员接收到所述原始投诉文件集后,按照不同投诉文本所对应的投诉类型也不一定相同的原则进行类型分类,如上述理财产品咨诉APP中关于理财产品的投诉文本,其对应的类型标签包括“理财产品收益率低风险率高”、“资槛较高”、“灵活性低”等,汇总每个类型标签从而得到所述类型标签集。
S2、将所述原始投诉文件集与所述类型标签集组合,得到标准投诉文件集。
详细地,通过所述原始投诉文件集中原始投诉文件,与所述类型标签集中类型标签具有一一对应的关系,执行组合得到所述标准投诉文件集。
进一步地,根据S1所述可知,所述标准投诉文件集内每个标准投诉文件包括投诉文本、投诉工单及与所述投诉文本对应的类型标签。
S3、接收用户在所述咨诉系统内输入的咨诉待判别文本,生成与所述咨诉待判别文本对应的待判别咨诉向量及待判别咨诉工单。
详细地,为了可有效比较所述咨诉待判别文本与所述标准投诉文件集内每个标准投诉文件的相似度,需要对所述咨诉待判别文本执行向量化操作,详细地,所述生成与所述咨诉待判别文本对应的待判别咨诉向量,包括:对所述咨诉待判别文本执行分词操作及去停用词操作,得到咨诉待判别词语集;从所述咨诉待判别词语集中选择参照词语,利用所述参照词语,构建与所述咨诉待判别词语集对应的待判别假设向量集;对所述待判别假设向量集执行累加操作,得到累加向量;建立所述累加向量的梯度更新函数,利用所述梯度更新函数更新所述待判别假设向量集,得到所述待判别咨诉向量。
进一步地,本发明较佳实施例可采用结巴分词算法完成所述分词操作,如用户在所述咨诉系统内输入的咨诉待判别文本为:“这款理财产品的门槛也太高了吧,为什么至少要五万元起”。通过所述结巴分词算法得到“这款”、“理财”、“产品”、“产品”、“的”、“门槛”、“也”、“太”、“高”、“了”、“吧”、“为什么”、“至少”、“要”、“五万元”、“起”。
详细地,根据预先构建的去停用词表,依次遍历分词操作后的词语,完成所述去停用词操作。如上述“这款”、“理财”、“产品”、“的”、“门槛”、“也”、“太”、“高”、“了”、“吧”、“为什么”、“至少”、“要”、“五万元”、“起”,当执行所述去停用词操作后,得到:“这款”、“理财”、“产品”、“门槛”、“高”、“为什么”、“至少”、“要”、“五万元”、“起”。
本发明较佳实施中,从所述咨诉待判别词语集的中心位置,选择出参照词语,如上述“这款”、“理财”、“产品”、“门槛”、“高”、“为什么”、“至少”、“要”、“五万元”、“起”的中心位置词语为“为什么”,则“为什么”为所述参照词语即ω=为什么,进而“为什么”的待判别假设向量为V(Context(ω)),另外,其他词语分别对应ω1=这款,ω2=理财,ω3=产品,...,从而得到每个词语对应的待判别假设向量为:V(Context(ω)1)、V(Context(ω)2)、…、V(Context(ω)2c)。
进一步地,采用如下计算公式,对所述待判别假设向量集执行累加操作,得到累加向量:
其中,Xω表示所述累加向量,c表示所述咨诉待判别词语集的词语数量的一半值,Context表示所述咨诉待判别词语集内每个咨诉词语在原句子内的位置信息。
进一步地,本发明实施例中利用梯度下降算法建立所述累加向量的梯度更新函数,并求解所述梯度更新函数的偏导,得到所述待判别咨诉向量。
S4、计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,得到相似度集。
本发明实施例中,在计算所述待判别咨诉向量与所述标准投诉文件集内每个标准投诉文件的相似度之前,按照所述生成与所述咨诉待判别文本对应的待判别咨诉向量的方法步骤,将所述标准投诉文件集内每个投诉文本转为投诉向量,其方法步骤与上述S3相同,在此不再赘述。
详细地,本发明实施例采用欧式距离计算法、切比雪夫计算法等,计算所述待判别咨诉向量与每个投诉向量的相似度,得到所述相似度集。
S5、若所述相似度集内存在大于或等于预设阈值的相似度,从所述相似度集中提取数值最大的相似度,根据所述数值最大的相似度,从所述标准投诉文件集内查找,得到原始投诉文件。
本发明实施例中,在所述S5之前还包括:判断所述相似度集内,是否存在大于或等于所述预设阈值的相似度,若所述相似度集内每个相似度均小于所述预设阈值,则判断所述咨诉待判别文本为咨询文本,并返回S3。
若所述相似度集内存在大于或等于预设阈值的相似度,则表示所述咨诉待判别文本为投诉文本,故需进一步判断所述咨诉待判别文本属于投诉文本中的哪一种类型标签,因此从所述相似度集遍历出数值最大的相似度,并根据所述数值最大的相似度,从所述标准投诉文件集内查找得到相似投诉文件。
S6、将所述原始投诉文件对应的类型标签与所述咨诉待判别文本组合,得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内,并发出投诉预警提示至所述系统操作人员。
本发明实施例从预构建的咨诉系统内提取原始投诉文件集及类型标签集,并进行组合操作得到标准投诉文件集,同时接收所述咨诉系统内的咨诉待判别文本,生成待判别咨诉向量及待判别咨诉工单,通过计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,达到投诉预警的目的,本发明相比于背景技术中使用LSTM等深度学习模型实现投诉文本处理来说,仅利用相似度计算实现对投诉文本的识别,即使投诉文本数量急剧增多,但相似度计算相比于LSTM等深度学习模型来说,依然不需占用大量计算资源,故解决了因系统内存不足而导致系统崩溃的问题,因此本发明提出的投诉文本的处理方法、装置及计算机可读存储介质,可以解决在投诉文本处理时因内存不足而导致系统崩溃的现象。
如图2所示,是本发明投诉文本的处理装置的模块示意图。
本发明所述投诉文本的处理装置100可以安装于电子设备中。根据实现的功能,所述投诉文本的处理装置可以包括类型标签构建模块101、咨诉向量生成模块102、相似度计算模块103及投诉文件预警模块104。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述类型标签构建模块101,用于从预构建的咨诉系统内提取原始投诉文件集,并接收所述原始投诉文件集的类型标签集;
所述咨诉向量生成模块102,用于将所述原始投诉文件集与所述类型标签集组合,得到标准投诉文件集,接收用户在所述咨诉系统内输入的咨诉待判别文本,生成与所述咨诉待判别文本对应的待判别咨诉向量及待判别咨诉工单;
所述相似度计算模块103,用于计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,得到相似度集,若所述相似度集内存在大于或等于预设阈值的相似度,从所述相似度集中提取数值最大的相似度,根据所述数值最大的相似度,从所述标准投诉文件集内查找,得到原始投诉文件;
所述投诉文件预警模块104,用于将所述原始投诉文件对应的类型标签与所述咨诉待判别文本组合,得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内。
本发明实施例所提供的投诉文本的处理装置100中的各个模块能够在使用时基于与上述的投诉文本的处理方法采用相同的手段,具体地实施步骤在此不再赘述,关于各模块/单元的功能所产生技术效果与上述的投诉文本的处理方法的技术效果相同的,即解决在投诉文本处理时因内存不足而导致系统崩溃的现象。
如图3所示,是本发明实现投诉文本的处理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如投诉文本的处理程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如投诉文本的处理程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行投诉文本的处理程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、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。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的投诉文本的处理程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
从预构建的咨诉系统内提取原始投诉文件集,并接收所述原始投诉文件集的类型标签集;
将所述原始投诉文件集与所述类型标签集组合,得到标准投诉文件集;
接收用户在所述咨诉系统内输入的咨诉待判别文本,生成与所述咨诉待判别文本对应的待判别咨诉向量及待判别咨诉工单;
计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,得到相似度集;
若所述相似度集内存在大于或等于预设阈值的相似度,从所述相似度集中提取数值最大的相似度,根据所述数值最大的相似度,从所述标准投诉文件集内查找,得到原始投诉文件;
将所述原始投诉文件对应的类型标签与所述咨诉待判别文本组合,得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
进一步地,所述计算机可用存储介质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等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
从预构建的咨诉系统内提取原始投诉文件集,并接收所述原始投诉文件集的类型标签集;
将所述原始投诉文件集与所述类型标签集组合,得到标准投诉文件集;
接收用户在所述咨诉系统内输入的咨诉待判别文本,生成与所述咨诉待判别文本对应的待判别咨诉向量及待判别咨诉工单;
计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,得到相似度集;
若所述相似度集内存在大于或等于预设阈值的相似度,从所述相似度集中提取数值最大的相似度,根据所述数值最大的相似度,从所述标准投诉文件集内查找,得到原始投诉文件;
将所述原始投诉文件对应的类型标签与所述咨诉待判别文本组合,得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种投诉文本的处理方法,其特征在于,所述方法包括:
从预构建的咨诉系统内提取原始投诉文件集,并接收所述原始投诉文件集的类型标签集;
将所述原始投诉文件集与所述类型标签集组合,得到标准投诉文件集;
接收用户在所述咨诉系统内输入的咨诉待判别文本,生成与所述咨诉待判别文本对应的待判别咨诉向量及待判别咨诉工单;
计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,得到相似度集;
若所述相似度集内存在大于或等于预设阈值的相似度,从所述相似度集中提取数值最大的相似度,根据所述数值最大的相似度,从所述标准投诉文件集内查找得到原始投诉文件;
将所述原始投诉文件对应的类型标签与所述咨诉待判别文本组合,得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内。
2.如权利要求1所述的投诉文本的处理方法,其特征在于,所述接收所述原始投诉文件集的类型标签集,之前还包括:
从所述咨诉系统中提取流表,判断所述流表的目的地址是否存在;
若所述流表的目的地址不存在,将所述流表转为访问控制列表,根据所述访问控制列表,拒绝所述原始投诉文件集的文件传输;
若所述流表的目的地址存在,根据所述目的地址配置地址交换表,利用所述地址交换表,将所述原始投诉文件集推送至所述咨诉系统。
3.如权利要求2所述的投诉文本的处理方法,其特征在于,所述判断所述流表的目的地址是否存在,包括:
从所述流表中解析得到包头域;
判断所述包头域中是否存在目的MAC地址或目的IP地址,当所述包头域中存在目的MAC地址或目的IP地址,则所述流表的目的地址存在;
当所述包头域中均不存在目的MAC地址及目的IP地址,则所述流表的目的地址不存在。
4.如权利要求2所述的投诉文本的处理方法,其特征在于,所述将所述流表转为访问控制列表,包括:
从所述流表中解析得到动作函数;
从所述动作函数中获取丢弃函数,将所述丢弃函数加入至预先构建的访问控制空表中,得到所述访问控制列表。
5.如权利要求3所述的投诉文本的处理方法,其特征在于,所述若所述流表的目的地址存在,根据所述目的地址配置地址交换表,包括:
判断所述包头域中是否存在目的MAC地址或目的IP地址;
若所述包头域中存在所述目的MAC地址,将所述目的MAC地址与所述动作函数内的转发函数执行组合,得到所述地址交换表;
若所述包头域中仅存在所述目的IP地址时,将所述目的IP地址添加至所述咨诉系统所在的路由器中的路由表中,得到所述地址交换表。
6.如权利要求1所述的投诉文本的处理方法,其特征在于,所述生成与所述咨诉待判别文本对应的待判别咨诉向量,包括:
对所述咨诉待判别文本执行分词操作及去停用词操作,得到咨诉待判别词语集;
从所述咨诉待判别词语集中选择参照词语,利用所述参照词语,构建与所述咨诉待判别词语集对应的待判别假设向量集;
对所述待判别假设向量集执行累加操作,得到累加向量;
建立所述累加向量的梯度更新函数,利用所述梯度更新函数更新所述待判别假设向量集,得到所述待判别咨诉向量。
7.如权利要求1至6中任意一项所述的投诉文本的处理方法,其特征在于,所述若所述相似度集内存在大于或等于预设阈值的相似度之前,包括:
判断所述相似度集内是否存在大于或等于所述预设阈值的相似度;
若所述相似度集内每个相似度均小于所述预设阈值,则判断所述咨诉待判别文本为咨询文本,并重新接收用户在所述咨诉系统内输入的咨诉待判别文本。
8.一种投诉文本的处理装置,其特征在于,所述装置包括:
类型标签构建模块,用于从预构建的咨诉系统内提取原始投诉文件集,并接收所述原始投诉文件集的类型标签集;
咨诉向量生成模块,用于将所述原始投诉文件集与所述类型标签集组合,得到标准投诉文件集,接收用户在所述咨诉系统内输入的咨诉待判别文本,生成与所述咨诉待判别文本对应的待判别咨诉向量及待判别咨诉工单;
相似度计算模块,用于计算所述待判别咨诉向量与所述标准投诉文件集内每个原始投诉文件的相似度,得到相似度集,若所述相似度集内存在大于或等于预设阈值的相似度,从所述相似度集中提取数值最大的相似度,根据所述数值最大的相似度,从所述标准投诉文件集内查找,得到原始投诉文件;
投诉文件预警模块,用于将所述原始投诉文件对应的类型标签与所述咨诉待判别文本组合,得到投诉文件,将所述投诉文件添加至所述标准投诉文件集内。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的投诉文本的处理方法。
10.一种计算机可读存储介质,包括存储数据区和存储程序区,其特征在于,所述存储数据区存储创建的数据,所述存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的投诉文本的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011502256.4A CN112597752B (zh) | 2020-12-18 | 2020-12-18 | 投诉文本的处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011502256.4A CN112597752B (zh) | 2020-12-18 | 2020-12-18 | 投诉文本的处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112597752A true CN112597752A (zh) | 2021-04-02 |
CN112597752B CN112597752B (zh) | 2023-09-19 |
Family
ID=75199453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011502256.4A Active CN112597752B (zh) | 2020-12-18 | 2020-12-18 | 投诉文本的处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597752B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504865A (zh) * | 2021-07-26 | 2021-10-15 | 平安信托有限责任公司 | 工单标签添加方法、装置、设备及存储介质 |
CN113706172A (zh) * | 2021-08-30 | 2021-11-26 | 平安银行股份有限公司 | 基于客户行为的投诉解决方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164539A (zh) * | 2013-04-15 | 2013-06-19 | 中国传媒大学 | 一种结合用户评价与标注的交互式图像检索方法 |
US9195640B1 (en) * | 2009-01-12 | 2015-11-24 | Sri International | Method and system for finding content having a desired similarity |
CN107729919A (zh) * | 2017-09-15 | 2018-02-23 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的深化投诉穿透分析方法 |
US10127444B1 (en) * | 2017-03-09 | 2018-11-13 | Coupa Software Incorporated | Systems and methods for automatically identifying document information |
US20180365212A1 (en) * | 2017-06-15 | 2018-12-20 | Oath Inc. | Computerized system and method for automatically transforming and providing domain specific chatbot responses |
CN109710766A (zh) * | 2018-12-29 | 2019-05-03 | 云南电网有限责任公司电力科学研究院 | 一种工单数据的投诉倾向分析预警方法及装置 |
US10417350B1 (en) * | 2017-08-28 | 2019-09-17 | Amazon Technologies, Inc. | Artificial intelligence system for automated adaptation of text-based classification models for multiple languages |
CN110377731A (zh) * | 2019-06-18 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 投诉文本处理方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-18 CN CN202011502256.4A patent/CN112597752B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9195640B1 (en) * | 2009-01-12 | 2015-11-24 | Sri International | Method and system for finding content having a desired similarity |
CN103164539A (zh) * | 2013-04-15 | 2013-06-19 | 中国传媒大学 | 一种结合用户评价与标注的交互式图像检索方法 |
US10127444B1 (en) * | 2017-03-09 | 2018-11-13 | Coupa Software Incorporated | Systems and methods for automatically identifying document information |
US20180365212A1 (en) * | 2017-06-15 | 2018-12-20 | Oath Inc. | Computerized system and method for automatically transforming and providing domain specific chatbot responses |
US10417350B1 (en) * | 2017-08-28 | 2019-09-17 | Amazon Technologies, Inc. | Artificial intelligence system for automated adaptation of text-based classification models for multiple languages |
CN107729919A (zh) * | 2017-09-15 | 2018-02-23 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的深化投诉穿透分析方法 |
CN109710766A (zh) * | 2018-12-29 | 2019-05-03 | 云南电网有限责任公司电力科学研究院 | 一种工单数据的投诉倾向分析预警方法及装置 |
CN110377731A (zh) * | 2019-06-18 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 投诉文本处理方法、装置、计算机设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504865A (zh) * | 2021-07-26 | 2021-10-15 | 平安信托有限责任公司 | 工单标签添加方法、装置、设备及存储介质 |
CN113706172A (zh) * | 2021-08-30 | 2021-11-26 | 平安银行股份有限公司 | 基于客户行为的投诉解决方法、装置、设备及存储介质 |
CN113706172B (zh) * | 2021-08-30 | 2023-08-25 | 平安银行股份有限公司 | 基于客户行为的投诉解决方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112597752B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111782900B (zh) | 异常业务检测方法、装置、电子设备及存储介质 | |
CN112528616B (zh) | 业务表单生成方法、装置、电子设备及计算机存储介质 | |
CN112653760B (zh) | 跨服务器的文件传输方法、装置、电子设备及存储介质 | |
CN112883190A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN113806434B (zh) | 大数据处理方法、装置、设备及介质 | |
CN112883730B (zh) | 相似文本匹配方法、装置、电子设备及存储介质 | |
CN112597752B (zh) | 投诉文本的处理方法、装置、电子设备及存储介质 | |
CN113946690A (zh) | 潜在客户挖掘方法、装置、电子设备及存储介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN111694844A (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
CN112528013A (zh) | 文本摘要提取方法、装置、电子设备及存储介质 | |
CN113379391A (zh) | 工单处理方法、装置、电子设备及计算机可读存储介质 | |
CN114386509A (zh) | 数据融合方法、装置、电子设备及存储介质 | |
CN111930963B (zh) | 知识图谱生成方法、装置、电子设备及存储介质 | |
CN113505273A (zh) | 基于重复数据筛选的数据排序方法、装置、设备及介质 | |
CN112579781A (zh) | 文本归类方法、装置、电子设备及介质 | |
CN111538768A (zh) | 基于n元模型的数据查询方法、装置、电子设备及介质 | |
CN111429085A (zh) | 合同数据生成方法、装置、电子设备及存储介质 | |
CN113626605B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113822215A (zh) | 设备操作指引文件生成方法、装置、电子设备及存储介质 | |
CN114238233A (zh) | 文件自动化清理方法、装置、设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
CN114268559A (zh) | 基于tf-idf算法的定向网络检测方法、装置、设备及介质 | |
CN113344674A (zh) | 基于用户购买力的产品推荐方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |