CN113435859A - 信访件处理方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本发明公开了一种信访件处理方法、装置、电子设备和计算机可读介质，涉及自动程序设计技术领域。其中，该方法包括：提取待处理信访件的特征要素；根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；将相似度最高的信访类别作为所述待处理信访件所属的信访类别；获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。通过以上步骤，能够自动快速地确定待处理信访件的推荐流转轨迹模型，进而能够有效提高信访件处理效率，降低信访件处理流程的人力物力成本。

Description

信访件处理方法、装置、电子设备和计算机可读介质

技术领域

本发明涉及自动程序设计技术领域，尤其涉及一种信访件处理方法、装置、电子设备和计算机可读介质。

背景技术

在传统的信访工作中，大多通过人工方式登记信访信息，并通过人工方式对信访信息进行审批、流转等处理。其存在信访处理流程繁琐、效率低等缺陷。传统人工方式已经不能满足现代信访工作的需求，方便快捷的信访系统成为相关部门的重中之中。

现有的信访系统侧重于通过某种方式提取信访件中的关键信息例如提取事件三元组或者进行分词、分句等，缺乏对信访工作全流程的支持，难以有效提升整个信访工作的处理效率。

发明内容

有鉴于此，本发明提供了一种信访件处理方法、装置、电子设备和计算机可读介质，能够自动快速地确定待处理信访件的推荐流转轨迹模型，进而能够有效提高信访件处理效率，降低信访件处理流程的人力物力成本。

为实现上述目的，根据本发明的第一个方面，提供了一种信访件处理方法。

本发明的信访件处理方法包括：提取待处理信访件的特征要素；根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；将相似度最高的信访类别作为所述待处理信访件所属的信访类别；获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。

可选地，所述方法还包括：按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理。

可选地，所述方法还包括：将所述待处理信访件的推荐流转轨迹模型发送至用户终端；在接收到所述用户终端发出的确认使用所述推荐流转轨迹模型的响应后，按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理。

可选地，所述方法还包括：在接收到所述用户终端发出的确认不使用所述推荐流转轨迹模型的响应后，接收用户终端提交的自定义创建的流转轨迹模型，按照所述自定义创建的流转轨迹模型对所述待处理信访件进行流转处理。

可选地，所述方法还包括：在所述提取待处理信访件的特征要素之前，对待处理的信访件进行预处理；所述对待处理的信访件进行预处理包括：去除所述待处理信访件中的修饰词。

可选地，所述方法还包括：在所述获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型之前，确认所述待处理信访件不是重复件。

可选地，所述确认所述待处理信访件不是重复件包括：计算所述待处理信访件与该信访类别下各个已处理信访件的相似度，对所述待处理信访件与该信访类别下各个已处理信访件的相似度进行排序以确定最大相似度；在所述最大相似度位于第一预设取值范围时，确认所述待处理信访件不为重复件。

可选地，所述方法还包括：在确认所述待处理信访件为重复件时，对所述待处理信访件进行退回处理。

可选地，所述方法还包括：在确认所述待处理信访件不为重复件之后，根据所述最大相似度对应的已处理信访件的信息补充所述待处理信访件的信息。

可选地，所述方法还包括：在所述提取待处理信访件的特征要素之后，根据提取到的特征要素自动填写问题线索登记页面，生成唯一的问题线索编号，并将所述唯一的问题线索编号和所述提取到的特征要素对应存储至信访知识库。

可选地，所述方法还包括：记录所述待处理信访件在流转处理过程中产生的信息，并将所述待处理信访件在流转处理过程中产生的信息存储至信访知识库。

可选地，所述待处理信访件的特征要素包括：问题线索标题、反映人信息、问题类型。

为实现上述目的，根据本发明的第二个方面，提供了一种信访件处理装置。

本发明的信访件处理装置包括：要素提取模块，提取待处理信访件的特征要素；类别确定模块，用于根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；将相似度最高的信访类别作为所述待处理信访件所属的信访类别；模型推荐模块，用于获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。

为实现上述目的，根据本发明的第三个方面，提供了一种电子设备。

本发明的电子设备，包括：一个或多个处理器；以及，存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明的信访件处理方法。

为实现上述目的，根据本发明的第四个方面，提供了一种计算机可读介质。

本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明的信访件处理方法。

上述发明中的一个实施例具有如下优点或有益效果：在本发明中，通过提取待处理信访件的特征要素，根据待处理信访件的特征要素与信访知识库中多个信访类别的特征要素计算所述待处理信访件与各个信访类别的相似度，并将相似度最高的信访类别作为待处理信访件所属的信访类别，获取与待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为待处理信访件的推荐流转轨迹模型这些步骤，能够自动、快速地确定待处理信访件的推荐流转轨迹模型，进而能够有效提高信访件处理效率，降低信访件处理流程的人力物力成本。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是本发明实施例可以应用于其中的示例性系统架构图；

图2是根据本发明第一实施例的信访件处理方法的主要流程示意图；

图3是根据本发明第二实施例的信访件处理方法的主要流程示意图；

图4是根据本发明实施例的流转轨迹模型示意图；

图5是根据本发明第三实施例的信访件处理装置的主要模块示意图；

图6是适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要指出的是，在不影响本发明实施的情况下，本发明中的各个实施例以及实施例中的技术特征可以相互组合。

图1示出了可以应用本发明实施例的信访件处理方法或信访件处理装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户(比如某个机构的信访工作人员)可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如信访工作管理类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的信访工作管理类应用提供支持的后台管理服务器。例如，后台管理服务器可以对终端设备通过网络发送的信访件处理请求等进行处理，并将处理结果(比如信访件的流转轨迹模型)反馈给终端设备。

需要说明的是，本发明实施例所提供的信访件处理方法一般由服务器105执行，相应地，信访件处理装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

第一实施例

图2是根据本发明第一实施例的信访件处理方法的主要流程示意图。如图2所示，本发明实施例的信访件处理方法包括：

步骤S201：提取待处理信访件的特征要素。

在该步骤中，可通过自然语言处理(NLP)等方式从待处理信访件中提取特征要素。示例性地，所述待处理信访件的特征要素包括：问题线索标题、反映人信息、问题类型。例如，问题线索标题为关于某某人或者某某机构某某人的有关问题，反映人信息包括反映人的姓名、联系方式、员工编号等，问题类型如违法违规违纪类、组织人事纪律类、领导作风与经营管理类、劳动争议权益类、业务诉讼类、建议及其他类等。

可选地，在步骤S201之前，可通过邮箱、微博、信访平台等多种渠道收集信访件并存储，之后可定期或不定期地对信访件进行处理。

步骤S202：根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；将相似度最高的信访类别作为所述待处理信访件所属的信访类别。

其中，信访知识库存储有多个信访类别的特征要素信息，和/或，根据信访类别的特征要素构建的该信访类别的特征向量。此外，信访知识库还可存储有各个信访类别下已处理信访件的特征要素信息，和/或根据已处理信访件的特征要素构建的该已处理信访件的特征向量。例如，信访知识库中存储有信访类别a的特征向量、信访类别b的特征向量、以及信访类别c的特征向量，信访知识库中还存储有信访类别a下的已处理信访件a1至a10的特征向量、信访类别b下的已处理信访件b1至b8的特征向量、以及信访类别c下的已处理信访件c1至c6的特征向量。

示例性地，步骤S202具体包括：根据待处理信访件的特征要素构建待处理信访件的特征向量，计算待处理信访件的特征向量与各个信访类别的特征向量之间的距离，并将其作为待处理信访件与该信访类别的相似度；对计算得到的待处理信访件与各个信访类别的相似度进行排序以确定最大相似度，然后将最大相似度对应的信访类别作为待处理信访件所属的信访类别。其中，所述待处理信访件的特征向量与各个信访类别的特征向量之间的距离为欧式距离、曼哈顿距离、马氏距离、或者余弦距离等等。

步骤S203：获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。

其中，流转轨迹模型包括多个流转节点，比如银行系统，涉及上下级银行的多级转办。信访件在按照不同流转轨迹模型进行流转处理时，会存在不同的流转状态。以图4为例，该图涉及三个流转轨迹模型，即流转轨迹模型1、流转轨迹模型2、流转轨迹模型3。其中，信访件在流转轨迹模型1中涉及以下流转状态：登记、拟办呈阅、办结；信访件在流转轨迹模型2中涉及以下流转状态：登记、拟办呈阅、综合处理、呈阅转办、办结；信访件在流转轨迹模型3中涉及以下流转状态：登记、拟办呈阅、综合处理、呈阅转办、办理、办理呈阅、办结。

在一个可选示例中，预先针对每个信访类别设置与之匹配的流转轨迹模型。进而，在该可选示例中，可根据待处理信访件所属的信访类别查询出与之匹配的流转轨迹模型，并将查询出的与之匹配的流转轨迹模型作为待处理信访件的推荐流转轨迹模型。比如，为信访类别a设置了与之匹配的流转轨迹模型A，为信访类别b设置了与之匹配的流转轨迹模型B，为信访类别c设置了与之匹配的流转轨迹模型C，假设通过上述各个步骤确定了待处理信访件所属的信访类别为信访类别a，则将流转轨迹模型A作为待处理信访件的推荐流转轨迹模型。

与现有人工处理方式不同，本发明实施例通过特征要素提取、相似度计算等步骤实现了信访件的自动、智能分类、并基于信访件的所属类别自动确定推荐流转轨迹模型，能够自动、快速、智能地确定待处理信访件的推荐流转轨迹模型。进而，按照推荐的流转轨迹模型对待处理信访件进行流转处理能够有效提高信访件处理效率，降低信访件处理流程的人力物力成本。

第二实施例

图3是根据本发明第二实施例的信访件处理方法的主要流程示意图。如图3所示，本发明实施例的信访件处理方法包括：

步骤S301：对待处理的信访件进行预处理。

其中，所述对待处理的信访件进行预处理包括：去除待处理的信访件中的修饰词。示例性地，在该步骤中，先对待处理信访件进行分词，然后根据修饰词库对分词结果中的修饰词进行去除，以得到去除修饰词后的分词结果。此外，所述对待处理的信访件进行的预处理还可包括：去除信访件中的停用词、语气词。

通过对待处理的信访件进行预处理，能够从信访件中过滤掉不必要的内容，从而降低后续提取特征要素时算法的复杂度，提高信访件的处理效率。

可选地，在步骤S301之前，可通过邮箱、微博、信访平台等多种渠道收集信访件并存储，之后可定期或不定期地对信访件进行处理。

步骤S302：从预处理后的信访件中提取特征要素。

示例性地，在该步骤中，可通过自然语言处理(NLP)等方式从预处理后的信访件中提取特征要素。示例性地，所述待处理信访件的特征要素包括：问题线索标题、反映人信息、问题类型。例如，问题线索标题为关于某某人或者某某机构某某人的有关问题，反映人信息包括反映人的姓名、联系方式、员工编号等，问题类型如违法违规违纪类、组织人事纪律类、领导作风与经营管理类、劳动争议权益类、业务诉讼类、建议及其他类等。

步骤S303：根据提取到的特征要素自动填写问题线索登记页面，生成唯一的问题线索编号，并将所述唯一的问题线索编号和所述提取到的特征要素对应存储至信访知识库。

在步骤S303中，自动将通过步骤S302提取到的信访件的特征要素填入问题线索登记页面，进而便于用户通过问题线索登记页面及时查看信访件的相关信息。并且，自动生成一个唯一的问题线索编号，并将生成的问题线索编号和通过步骤S302提取到的信访件的特征要素对应存储至信访知识库。具体实施时，所述信访知识库可采用关系型数据库(比如Mysql)或者内存型数据库(比如Redis)等等。

步骤S304：根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；将相似度最高的信访类别作为所述待处理信访件所属的信访类别。

其中，信访知识库存储有多个信访类别的特征要素信息，和/或，根据信访类别的特征要素构建的该信访类别的特征向量。此外，信访知识库还可存储有各个信访类别下已处理信访件的特征要素信息，和/或根据已处理信访件的特征要素构建的该已处理信访件的特征向量。例如，信访知识库中存储有信访类别a的特征向量、信访类别b的特征向量、以及信访类别c的特征向量，信访知识库中还存储有信访类别a下的已处理信访件a1至a10的特征向量、信访类别b下的已处理信访件b1至b8的特征向量、以及信访类别c下的已处理信访件c1至c6的特征向量。

示例性地，步骤S304具体包括：根据待处理信访件的特征要素构建待处理信访件的特征向量，计算待处理信访件的特征向量与各个信访类别的特征向量之间的距离，并将其作为待处理信访件与该信访类别的相似度；对计算得到的待处理信访件与各个信访类别的相似度进行排序以确定最大相似度，然后将最大相似度对应的信访类别作为待处理信访件所属的信访类别。其中，所述待处理信访件的特征向量与各个信访类别的特征向量之间的距离为欧式距离、曼哈顿距离、马氏距离、或者余弦距离等等。

步骤S305：判断信访件是否为重复件。在判断出信访件为重复件的情况下，执行步骤S306；在判断出信访件不是重复件的情况下，执行步骤S307。

示例性地，所述判断信访件是否为重复件包括：计算待处理信访件与该信访类别下各个已处理信访件的相似度，对所述待处理信访件与该信访类别下各个已处理信访件的相似度进行排序以确定最大相似度；在所述最大相似度位于第一预设取值范围时，确认所述待处理信访件不为重复件；否则，确认所述待处理信访件为重复件。其中，第一预设取值范围可设为：小于或等于0.9，或者设为：小于或等于0.95。在不影响本发明实施的情况下，本领域技术人员可根据实际需求灵活设置第一预设取值范围。

进一步，在上述示例中，所述计算待处理信访件与该信访类别下各个已处理信访件的相似度包括：计算待处理信访件的特征向量与该信访类别下各个已处理信访件的特征向量之间的距离，并将其作为待处理信访件与该信访类别的相似度。其中，所述待处理信访件的特征向量与各个已处理信访件的特征向量之间的距离为欧式距离、曼哈顿距离、马氏距离、或者余弦距离等等。

在本发明实施例中，通过先对待处理信访件进行分类，再判断信访件是否为重复件，使得只需计算待处理信访件与其所属信访类别下的已处理信访件的相似度，而无需计算待处理信访件与所有已处理信访件的相似度，大大减小了重复性判断的计算量，提高了信访件处理的效率。

步骤S306：对信访件进行退回处理。

在通过步骤S305判断出信访件为重复件时，说明该信访件已被处理过，进而后续直接对该信访件进行退回处理，比如，将数据库中信访件的状态设置为“已处理”，和/或，向信访件来源方发送该信访件为重复件的提示信息。

在本发明实施例中，通过判断信访件是否为重复件，并对重复件进行退回处理，有效减少了对信访件进行重复处理的情况出现。

步骤S307：获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。

其中，流转轨迹模型包括多个流转节点，比如银行系统，涉及上下级银行的多级转办。信访件在按照不同流转轨迹模型进行流转处理时，会存在不同的流转状态。以图4为例，该图涉及三个流转轨迹模型，即流转轨迹模型1、流转轨迹模型2、流转轨迹模型3。其中，信访件在流转轨迹模型1中涉及以下流转状态：登记、拟办呈阅、办结；信访件在流转轨迹模型2中涉及以下流转状态：登记、拟办呈阅、综合处理、呈阅转办、办结；信访件在流转轨迹模型3中涉及以下流转状态：登记、拟办呈阅、综合处理、呈阅转办、办理、办理呈阅、办结。

在一个可选示例中，预先针对每个信访类别设置与之匹配的流转轨迹模型。进而，在该可选示例中，可根据待处理信访件所属的信访类别查询出与之匹配的流转轨迹模型，并将查询出的与之匹配的流转轨迹模型作为待处理信访件的推荐流转轨迹模型。比如，为信访类别a设置了与之匹配的流转轨迹模型A，为信访类别b设置了与之匹配的流转轨迹模型B，为信访类别c设置了与之匹配的流转轨迹模型C，假设通过上述各个步骤确定了待处理信访件所属的信访类别为信访类别a，则将流转轨迹模型A作为待处理信访件的推荐流转轨迹模型。

步骤S308：按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理。

在本发明实施例中，在通过步骤S307确定待处理信访件的推荐轨迹模型之后，按照该推荐流转轨迹模型对待处理信访件进行流转处理。

在本发明另一个实施例中，在步骤S307之后，还包括以下步骤：将所述待处理信访件的推荐流转轨迹模型发送至用户终端，并通过用户终端对所述推荐流转轨迹模型进行可视化展示；在接收到所述用户终端发出的确认使用所述推荐流转轨迹模型的响应后，再执行步骤S308，即按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理。进一步，本发明另一个实施例还包括以下步骤：在接收到所述用户终端发出的确认不使用所述推荐流转轨迹模型的响应后，接收用户终端提交的自定义创建的流转轨迹模型，按照所述自定义创建的流转轨迹模型对所述待处理信访件进行流转处理。在本发明中，通过以上步骤增强了信访件处理过程中与用户之间的互动，提高了信访件处理过程中的用户体验。

步骤S309：记录所述待处理信访件在流转处理过程中产生的信息，并将所述待处理信访件在流转处理过程中产生的信息存储至信访知识库。

示例性地，所述待处理信访件在流转处理过程中产生的信息包括：信访件已经过的流转节点的信息，比如处理人、审批结果等信息，信访件当前流转状态信息等。

可选地，本发明实施例的方法还可包括以下步骤：在确认所述待处理信访件不为重复件之后，根据所述最大相似度对应的已处理信访件的信息补充所述待处理信访件的信息。具体来说，在确认待处理信访件不为重复件之后，可根据信访件与其所属信访类别下最大相似度对应的已处理信访件的特征要素对待处理信访件进行补充，比如，补充被反映机构或被反映人的联系方式、职位等信息。

在本发明实施例中，通过以上步骤能够快速、智能地实现信访件的处理，实现了对信访全流程的支持。与现有人工处理方式不同，本发明实施例通过以上步骤实现了信访件的自动、智能分类、并基于信访件的所属类别自动确定推荐流转轨迹模型，并按照推荐流转轨迹模型进行信访件流转处理，能够有效提高信访件的处理效率，降低信访件处理流程的人力物力成本。

第三实施例

图5是根据本发明第三实施例的信访件处理装置的主要模块示意图。如图5所示，本发明实施例的信访件处理装置500包括：要素提取模块501、类别确定模块502、模型推荐模块503。

要素提取模块501，用于提取待处理信访件的特征要素。

示例性地，要素提取模块501可通过自然语言处理(NLP)等方式从待处理信访件中提取特征要素。示例性地，所述待处理信访件的特征要素包括：问题线索标题、反映人信息、问题类型。例如，问题线索标题为关于某某人或者某某机构某某人的有关问题，反映人信息包括反映人的姓名、联系方式、员工编号等，问题类型如违法违规违纪类、组织人事纪律类、领导作风与经营管理类、劳动争议权益类、业务诉讼类、建议及其他类等。

可选地，本发明实施例的装置还可包括获取模块，用于通过邮箱、微博、信访平台等多种渠道收集信访件并存储。之后可定期或不定期地对信访件进行处理。

可选地，本发明实施例的装置还可包括预处理模块，用于对待处理信访件进行预处理。其中，预处理模块对待处理的信访件进行预处理包括：去除待处理的信访件中的修饰词。示例性地，预处理模块先对待处理信访件进行分词，然后根据修饰词库对分词结果中的修饰词进行去除，以得到去除修饰词后的分词结果。此外，预处理模块对待处理的信访件进行的预处理还可包括：去除信访件中的停用词、语气词。

在本发明实施例中，通过预处理模块对待处理的信访件进行预处理，能够从信访件中过滤掉不必要的内容，从而降低后续提取特征要素时算法的复杂度，提高信访件的处理效率。

类别确定模块502，用于根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；类别确定模块502，还用于将相似度最高的信访类别作为所述待处理信访件所属的信访类别。

其中，信访知识库存储有多个信访类别的特征要素信息，和/或，根据信访类别的特征要素构建的该信访类别的特征向量。此外，信访知识库还可存储有各个信访类别下已处理信访件的特征要素信息，和/或根据已处理信访件的特征要素构建的该已处理信访件的特征向量。例如，信访知识库中存储有信访类别a的特征向量、信访类别b的特征向量、以及信访类别c的特征向量，信访知识库中还存储有信访类别a下的已处理信访件a1至a10的特征向量、信访类别b下的已处理信访件b1至b8的特征向量、以及信访类别c下的已处理信访件c1至c6的特征向量。

示例性地，类别确定模块502可根据如下方式确定信访件的信访类别：类别确定模块502根据待处理信访件的特征要素构建待处理信访件的特征向量，计算待处理信访件的特征向量与各个信访类别的特征向量之间的距离，并将其作为待处理信访件与该信访类别的相似度；类别确定模块502对计算得到的待处理信访件与各个信访类别的相似度进行排序以确定最大相似度，然后将最大相似度对应的信访类别作为待处理信访件所属的信访类别。其中，所述待处理信访件的特征向量与各个信访类别的特征向量之间的距离为欧式距离、曼哈顿距离、马氏距离、或者余弦距离等等。

可选地，本发明实施例的装置还可包括：判断模块，用于在确定待处理信访件所属的信访类别之后，判断待处理信访件是否为重复件。在判断出信访件为重复件的情况下，对信访件进行退回处理；在判断出信访件不是重复件的情况下，再调用模型推荐模块执行确定信访件的推荐流转轨迹模型等步骤。

示例性地，判断模块判断信访件是否为重复件包括：判断模块计算待处理信访件与该信访类别下各个已处理信访件的相似度，判断模块对所述待处理信访件与该信访类别下各个已处理信访件的相似度进行排序以确定最大相似度；在所述最大相似度位于第一预设取值范围时，判断模块确认所述待处理信访件不为重复件；否则，判断模块确认所述待处理信访件为重复件。其中，第一预设取值范围可设为：小于或等于0.9，或者设为：小于或等于0.95。在不影响本发明实施的情况下，本领域技术人员可根据实际需求灵活设置第一预设取值范围。

进一步，在上述示例中，判断模块计算待处理信访件与该信访类别下各个已处理信访件的相似度包括：判断模块计算待处理信访件的特征向量与该信访类别下各个已处理信访件的特征向量之间的距离，并将其作为待处理信访件与该信访类别的相似度。其中，所述待处理信访件的特征向量与各个已处理信访件的特征向量之间的距离为欧式距离、曼哈顿距离、马氏距离、或者余弦距离等等。

在本发明实施例中，通过先对待处理信访件进行分类，再判断信访件是否为重复件，使得只需计算待处理信访件与其所属信访类别下的已处理信访件的相似度，而无需计算待处理信访件与所有已处理信访件的相似度，大大减小了重复性判断的计算量，提高了信访件处理的效率。而且，在本发明实施例中，通过判断信访件是否为重复件，并对重复件进行退回处理，有效减少了对信访件进行重复处理的情况出现。

模型推荐模块503，用于获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。

其中，流转轨迹模型包括多个流转节点，比如银行系统，涉及上下级银行的多级转办。信访件在按照不同流转轨迹模型进行流转处理时，会存在不同的流转状态。以图4为例，该图涉及三个流转轨迹模型，即流转轨迹模型1、流转轨迹模型2、流转轨迹模型3。其中，信访件在流转轨迹模型1中涉及以下流转状态：登记、拟办呈阅、办结；信访件在流转轨迹模型2中涉及以下流转状态：登记、拟办呈阅、综合处理、呈阅转办、办结；信访件在流转轨迹模型3中涉及以下流转状态：登记、拟办呈阅、综合处理、呈阅转办、办理、办理呈阅、办结。

在一个可选示例中，预先针对每个信访类别设置与之匹配的流转轨迹模型。进而，在该可选示例中，模型推荐模块503可根据待处理信访件所属的信访类别查询出与之匹配的流转轨迹模型，并将查询出的与之匹配的流转轨迹模型作为待处理信访件的推荐流转轨迹模型。比如，为信访类别a设置了与之匹配的流转轨迹模型A，为信访类别b设置了与之匹配的流转轨迹模型B，为信访类别c设置了与之匹配的流转轨迹模型C，假设通过上述各个步骤确定了待处理信访件所属的信访类别为信访类别a，则将流转轨迹模型A作为待处理信访件的推荐流转轨迹模型。

可选地，本发明实施例的装置还可包括流转处理模块，用于按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理，还用于记录所述待处理信访件在流转处理过程中产生的信息，并将所述待处理信访件在流转处理过程中产生的信息存储至信访知识库。示例性地，所述待处理信访件在流转处理过程中产生的信息包括：信访件已经过的流转节点的信息，比如处理人、审批结果等信息，信访件当前流转状态信息等。

可选地，本发明实施例的装置还可包括通信模块，用于将所述待处理信访件的推荐流转轨迹模型发送至用户终端，以通过用户终端对所述推荐流转轨迹模型进行可视化展示；还用于接收所述用户终端发出的确认使用所述推荐流转轨迹模型的响应或者确认不使用所述推荐流转轨迹模型的响应。在通信模块接收到确认使用所述推荐流转轨迹模型的响应后，再调用流转处理模块执行所述按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理等处理步骤；在通信模块接收到确认不使用所述推荐流转轨迹模型的响应后，则不按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理。

进一步，通信模块还可用于，在接收到所述用户终端发出的确认不使用所述推荐流转轨迹模型的响应后，接收用户终端提交的自定义创建的流转轨迹模型，然后调用流转处理模块按照所述自定义创建的流转轨迹模型对所述待处理信访件进行流转处理。在本发明中，通过通信模块与用户终端关于是否使用推荐流转轨迹模型进行交互，增强了信访件处理过程中与用户之间的互动，提高了信访件处理过程中的用户体验。

与现有人工处理方式不同，本发明实施例通过特征要素提取、相似度计算、模型推荐等实现了信访件的自动、智能分类、并基于信访件的所属类别自动确定推荐流转轨迹模型，能够自动、快速、智能地确定待处理信访件的推荐流转轨迹模型。进而，按照推荐的流转轨迹模型对待处理信访件进行流转处理能够有效提高信访件处理效率，降低信访件处理流程的人力物力成本。

下面参考图6，其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的计算机系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括要素提取模块、类别确定模块、模型推荐模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，要素提取模块还可以被描述为“提取待处理信访件的特征要素的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行以下信访件处理流程：提取待处理信访件的特征要素；根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；将相似度最高的信访类别作为所述待处理信访件所属的信访类别；获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。

根据本发明实施例的技术方案，能够自动快速地确定待处理信访件的推荐流转轨迹模型，进而能够有效提高信访件处理效率，降低信访件处理流程的人力物力成本。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (15)

1.一种信访件处理方法，其特征在于，所述方法包括：

提取待处理信访件的特征要素；

根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；将相似度最高的信访类别作为所述待处理信访件所属的信访类别；

获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述待处理信访件的推荐流转轨迹模型发送至用户终端；在接收到所述用户终端发出的确认使用所述推荐流转轨迹模型的响应后，按照所述推荐流转轨迹模型对所述待处理信访件进行流转处理。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在接收到所述用户终端发出的确认不使用所述推荐流转轨迹模型的响应后，接收用户终端提交的自定义创建的流转轨迹模型，按照所述自定义创建的流转轨迹模型对所述待处理信访件进行流转处理。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述提取待处理信访件的特征要素之前，对待处理的信访件进行预处理；所述对待处理的信访件进行预处理包括：去除所述待处理信访件中的修饰词。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型之前，确认所述待处理信访件不是重复件。

7.根据权利要求6所述的方法，其特征在于，所述确认所述待处理信访件不是重复件包括：

计算所述待处理信访件与该信访类别下各个已处理信访件的相似度，对所述待处理信访件与该信访类别下各个已处理信访件的相似度进行排序以确定最大相似度；在所述最大相似度位于第一预设取值范围时，确认所述待处理信访件不为重复件。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在确认所述待处理信访件为重复件时，对所述待处理信访件进行退回处理。

9.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在确认所述待处理信访件不为重复件之后，根据所述最大相似度对应的已处理信访件的信息补充所述待处理信访件的信息。

10.根据权利要求7所述的方法，其特征在于，所述方法还包括：

在所述提取待处理信访件的特征要素之后，根据提取到的特征要素自动填写问题线索登记页面，生成唯一的问题线索编号，并将所述唯一的问题线索编号和所述提取到的特征要素对应存储至信访知识库。

11.根据权利要求2至4任一所述的方法，其特征在于，所述方法还包括：

记录所述待处理信访件在流转处理过程中产生的信息，并将所述待处理信访件在流转处理过程中产生的信息存储至信访知识库。

12.根据权利要求1所述的方法，其特征在于，所述待处理信访件的特征要素包括：问题线索标题、反映人信息、以及问题类型。

13.一种信访件处理装置，其特征在于，所述装置包括：

要素提取模块，提取待处理信访件的特征要素；

类别确定模块，用于根据所述待处理信访件的特征要素与信访知识库中多个信访类别的特征要素，计算所述待处理信访件与各个信访类别的相似度；将相似度最高的信访类别作为所述待处理信访件所属的信访类别；

模型推荐模块，用于获取与所述待处理信访件所属的信访类别匹配的流转轨迹模型，并将其作为所述待处理信访件的推荐流转轨迹模型。

14.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一所述的方法。

15.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-12中任一所述的方法。

Images