CN113609276A - 一种群组中客户的管理方法、装置及介质 - Google Patents
一种群组中客户的管理方法、装置及介质 Download PDFInfo
- Publication number
- CN113609276A CN113609276A CN202110985701.5A CN202110985701A CN113609276A CN 113609276 A CN113609276 A CN 113609276A CN 202110985701 A CN202110985701 A CN 202110985701A CN 113609276 A CN113609276 A CN 113609276A
- Authority
- CN
- China
- Prior art keywords
- information
- group
- target group
- client
- customer
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请提供一种群组中客户的管理方法、装置及介质。该方法在获取客户在目标群组中发送的图片会话信息后,对图片会话信息进行识别处理,得到图片内容信息,并获取图片内容信息与预先存储的目标群组的群信息的关联关系;基于关联关系,在目标群组中对客户行管理。该方法克服了现有技术不能识别海报等图片类的广告信息或言论的问题,提高了企业对客户的管理力度。
Description
技术领域
本申请涉及会话管理技术领域,具体而言,涉及一种群组中客户的管理方法、装置及介质。
背景技术
随着企业服务的客户数不断增长,企业内部员工和客户之间的沟通越来越频繁,企业需要快速掌握客户对员工的服务质量,对员工的服务满意度。当企业员工与客户存在交流障碍,不可避免会在聊天中出现一些不文明的言语,这导致企业员工与客户间难以正常交流。
相关技术中,对于上述情况一般是通过记录会话消息,利用设置的违禁词库,实时监测会话消息中是否发出敏感词,以此对员工或客户的违规行为进行记录,来管理员工及客户群。
然而,上述技术中的违禁词库仅能支持文本类型的会话消息进行违禁词识别,导致企业对群组中客户会话行为的管理有一定的局限性。
发明内容
本申请实施例的目的在于提供一种群组中客户的管理方法、装置及介质,克服了企业对客户的会话行为管理的局限性,提高了企业对客户的管理力度。
第一方面,提供了一种群组中客户的管理方法,该方法可以包括:
获取客户在目标群组中发送的图片会话信息;
对所述图片会话信息进行识别处理,得到图片内容信息,并获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系;
基于所述关联关系,在所述目标群组中对所述客户进行管理。
在一个可选的实现中,获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系,包括:
若所述图片内容信息包括所述二维码,则对所述二维码进行解析处理,得到所述二维码对应的链接信息;并计算所述链接信息与所述目标群组的群信息间的关联度;
若所述图片内容信息包括所述文本信息,则计算所述文本信息与所述目标群组的群信息间的关联度。
在一个可选的实现中,基于所述关联关系,在目标群组中对所述客户进行管理,包括:
若所述关联度小于预设关联阈值,则基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理。
在一个可选的实现中,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
获取所述客户在所述目标群组中的会话行为的发生次数,所述会话行为的发生次数为发送所述关联度小于预设关联阈值的图片会话信息的会话行为的发生次数;
基于所述发生次数,确定对所述客户的处罚处理方式。
在一个可选的实现中,基于所述发生次数,确定对所述客户的处罚处理方式,包括:
若所述发生次数小于预设次数阈值,则生成对所述客户的警告信息,并向所述客户的终端发送所述警告信息,以使所述终端在所述目标群组中展示所述警告信息;
若所述发生次数大于所述预设次数阈值,则在所述目标群组中删除所述客户的客户信息。
在一个可选的实现中,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理之前,所述方法还包括:
计算所述客户的客户信息与所述目标群组中历史已删除的客户信息间的相似度;
基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
若所述关联度小于预设关联阈值,且所述相似度大于预设相似阈值,则在所述目标群组中删除所述客户的客户信息。
在一个可选的实现中,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
将所述客户在所述目标群组中的会话行为发送至所述目标群组对应的管理终端,以使所述管理终端对应的管理人员对所述客户进行处罚处理。
在一个可选的实现中,获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系之前,所述方法还包括:
获取训练数据、预设群信息中的群特征信息,以及表征所述训练数据与所述群特征信息关联度的样本标签;所述训练数据为预设的各图片内容信息的特征数据;
基于所述训练数据、所述群特征信息和所述样本标签,对神经网络进行迭代训练,得到关联度预测模型;
获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系,包括:
提取所述图片内容信息的特征数据和所述目标群组的群信息中的群特征信息;
将所述图片内容信息的特征数据和所述群特征信息输入已训练的关联度预测模型,以使所述关联度预测模型计算所述图片内容信息的特征数据和所述目标群组对应的群特征信息的关联度。
第二方面,提供了一种群组中客户的管理装置,该装置可以包括:
获取单元,用于获取客户在目标群组中发送的图片会话信息;
识别单元,用于对所述图片会话信息进行识别处理,得到图片内容信息;
所述获取单元,还用于获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系;
管理单元,用于基于所述关联关系,在所述目标群组中对所述客户进行管理。
在一个可选的实现中,所述获取单元,具体用于:
若所述图片内容信息包括所述二维码,则对所述二维码进行解析处理,得到所述二维码对应的链接信息;并计算所述链接信息与所述目标群组的群信息间的关联度;
若所述图片内容信息包括所述文本信息,则计算所述文本信息与所述目标群组的群信息间的关联度。
在一个可选的实现中,所述管理单元,具体用于若所述关联度小于预设关联阈值,则基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理。
在一个可选的实现中,所述管理单元,还具体用于获取所述客户在所述目标群组中的会话行为的发生次数,所述会话行为的发生次数为发送所述关联度小于预设关联阈值的图片会话信息的会话行为的发生次数;
基于所述发生次数,确定对所述客户的处罚处理方式。
在一个可选的实现中,所述管理单元,还具体用于:
若所述发生次数小于预设次数阈值,则生成对所述客户的警告信息,并向所述客户的终端发送所述警告信息,以使所述终端在所述目标群组中展示所述警告信息;
若所述发生次数大于所述预设次数阈值,则在所述目标群组中删除所述客户的客户信息。
在一个可选的实现中,所述装置还包括:计算单元;
所述计算单元,用于计算所述客户的客户信息与所述目标群组中历史已删除的客户信息间的相似度;
所述管理单元,还具体用于若所述关联度小于预设关联阈值,且所述相似度大于预设相似阈值,则在所述目标群组中删除所述客户的客户信息。
在一个可选的实现中,所述管理单元,还具体用于将所述客户在所述目标群组中的会话行为发送至所述目标群组对应的管理终端,以使所述管理终端对应的管理人员对所述客户进行处罚处理。
在一个可选的实现中,所述装置还包括:训练单元;
所述获取单元,还用于获取训练数据、预设群信息中的群特征信息,以及表征所述训练数据与所述群特征信息关联度的样本标签;所述训练数据为预设的各图片内容信息的特征数据;
所述训练单元,用于基于所述训练数据、所述群特征信息和所述样本标签,对神经网络进行迭代训练,得到关联度预测模型;
所述获取单元,还具体用于提取所述图片内容信息的特征数据和所述目标群组的群信息中的群特征信息;
以及,将所述图片内容信息的特征数据和所述群特征信息输入已训练的关联度预测模型,以使所述关联度预测模型计算所述图片内容信息的特征数据和所述目标群组对应的群特征信息的关联度。
第三方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面中任一所述的方法步骤。
第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
本申请实施例提供的群组中客户的管理方法中获取客户在目标群组中发送的图片会话信息;对图片会话信息进行识别处理,得到图片内容信息,并获取图片内容信息与预先存储的目标群组的群信息的关联关系;基于关联关系,在目标群组中对客户进行管理。该方法通过对图片行识别处理,得到该图片的图片内容,并结合该图片内容与群信息的关联程度,对该群组中客户进行管理,提高了企业对客户的管理力度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本申请实施例提供的一种应用群组中客户的管理方法的系统架构图;
图2为本申请实施例提供的一种应用群组中客户的管理方法的流程示意图;
图3为本申请实施例提供的一种群组中客户的管理装置的结构示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
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,所描述的实施例仅是本申请一部分实施例,并不是全部的实施例。基于本申请实施例,本领域普通技术人员在没有做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。
为了方便理解,下面对本发明实施例中涉及的名词进行解释:
图像二值化,是指将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果。图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。
开操作,是先腐蚀后膨胀的过程,用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。按数学方面来说,膨胀或者腐蚀操作就是将图像与核进行卷积,核可以是任何的形状和大小,它拥有一个单独定义出来的参考点,可以称其为锚点(anchorpoint)。多数情况下,核是一个小的中间带有参考点和实心正方形或者圆盘,可以把核视为模板或者掩码。其中,膨胀操作就是求局部最大值的操作,核与图像卷积,即计算核覆盖的区域的像素点的最大值,并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长。可以理解为,将核与图像接触的所有背景点合并到图像中的过程。与膨胀相反,腐蚀操作就是求局部最小值的操作,可以理解为核的中心(锚点)沿着图像的内边界走了一圈。图像中能完全包含核的像素被留下来了。
二维码的定位图案(Position Detection Pattern),用于标记二维码的矩形大小。
本发明提供的群组中客户的管理方法可以应用在图1所示的系统架构中,该系统可以包括终端1(或称“客户沟通平台”)、终端2(或称“企业沟通平台”)和服务器(或称“企业管理平台”)。
服务器可以是应用服务器或云服务器。终端1和终端2可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等客户设备(UserEquipment,UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station,MS)、移动终端(Mobile Terminal)等。其中,终端1、终端2分别与服务器建立通信连接。
服务器可以通过终端1获取客户通过终端1输入的在目标群组中发送的图片会话信息;之后识别该图片会话信息,得到图片内容信息,并获取图片内容信息与预先存储的目标群组的群信息的关联关系。其中,图片会话信息可以是图片、短视频,相应的图片内容信息为对相应图片进行识别得到的图片包含的内容信息,如二维码、条形码、文本等信息,或对短视频中各视频帧进行识别得到的相应视频帧包含的内容信息。群信息可以包括群组标识,如群组名、群组描述信息等。
之后,基于该关联关系,在目标群组中对客户进行管理,即通过该关联关系,判断图片内容信息与群信息间的关联程度,若关联程度较低,则需要对客户进行处罚管理,若关联程度较高,则只需要对客户进行正常管理。服务器可以将对该客户的管理结果通过终端2,告知企业员工。
可以理解的是,服务器也可以将该关联关系通过终端2,告知企业员工,由企业员工确定管理策略,并通过终端2将确定的管理策略发送至服务器,由服务器执行该管理策略对所述客户进行管理。
可见,该方法克服了现有技术不能识别海报等图片类的广告信息或言论的问题,提高了企业对客户的管理力度。
以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
图2为本申请实施例提供的一种应用群组中客户的管理方法的流程示意图。如图2所示,该方法可以包括:
步骤S210、获取客户在目标群组中发送的图片会话信息。
具体实施中,客户通过终端1的交互界面在目标群组中发送图片会话信息,即图片类型的会话信息,该终端1将该图片会话信息上传至服务器,以使服务器接收客户在目标群组中发送的图片会话信息,以及记录接收该图片会话信息的接收时间。
步骤S220、对图片会话信息进行识别处理,得到图片内容信息,并获取图片内容信息与预先存储的目标群组的群信息的关联关系。
其中,群信息可以包括群组标识、群组描述信息等。
具体实施中,采用图像识别技术,对图片会话信息进行识别处理,得到图片内容信息,即对图片进行识别得到图片中的二维码和/或文本。
具体的,服务器可以采用光学字符识别(Optical Character Recognition,OCR)技术识别出该图片中的文本。
服务器可以采用图像识别技术识别出该图片中的二维码:首先,对图片进行灰度处理。其次,再对图片做图像二值化处理,得到二值化图形。然后,对y方向、x方向进行形态学上的开操作。最后,标记联通区域,找到二维码的三个特征区域,也就是定位图案,从而识别出二维码,以及二维码在图片中的区域。
进一步的,为了避免将客户发送的图片会话信息的正常会话行为判定为该群组预先设置的违规会话行为,可以解析图片内容信息,从而判定发送图片会话信息的会话行为是否属于违规会话行为。图片内容信息的内容为图片会话信息中携带的信息,例如,图片会话信息为携带二维码的图片,则图片内容信息为该二维码;图片会话信息为携带文本信息的图片,则图片内容信息为该文本信息。
若图片内容信息包括二维码,则服务器对二维码进行解析处理,得到该二维码对应的链接信息,即该二维码关联的信息;并计算该链接信息与目标群组的群信息间的关联度。
若图片内容信息包括文本信息,则服务器可以直接计算文本信息与目标群组的群信息间的关联度。
其中,计算关联度的方式可以包括:
方式一,通过相关性度量方法,如卡方检验算法、相关系数算法、信息增益算法等,计算相应关联度。
方式二,通过预先训练的关联度预测模型,获取相应关联度。
在一些示例中,关联度预测模型的训练过程如下:
获取训练数据、预设群信息中的群特征信息,以及表征训练数据与群特征信息关联度的样本标签;训练数据为预设的各图片内容信息的特征数据;
基于训练数据、群特征信息和样本标签,对神经网络进行迭代训练,得到关联度预测模型。
进一步的,通过关联度预测模型,获取图片内容信息与预先存储的目标群组的群信息的关联关系的过程为:
提取图片内容信息的特征数据和目标群组的群信息中的群特征信息;
将图片内容信息的特征数据和群特征信息输入已训练的关联度预测模型,以使关联度预测模型计算图片内容信息的特征数据和目标群组对应的群特征信息的关联度。
其中,关联度预测模型可以是孪生神经网络。孪生神经网络有两个输入,Input1,其可输入图片内容信息的特征数据和Input2,其可输入目标群组对应的群特征信息,Input1和Input2分别输入两个卷积神经网络(Network1 and Network2)中,这两个卷积神经网络分别将两个输入映射到新的空间,形成输入在新的空间中的表示,然后通过输出层计算两个输入的相似度,即输出关联度。
需要说明的是,在获取客户在目标群组中发送的图片会话信息后,服务器也可以通过终端2将该客户在目标群组中发送了图片内容信息的事件告知企业员工,由企业员工确定是否对该客户发送的图片会话信息进行会话行为检测,即判断该会话行为是否为违规行为,若企业员工确定进行会话行为检测,则向服务器发送会话行为检测指示,服务器根据该指示,执行该步骤S220。
步骤S230、基于关联关系,在目标群组中对客户进行管理。
具体实施中,若该关联关系对应的关联度不小于预设关联阈值,则表明图片内容信息与群信息的相似程度较高,此时确定该客户在目标群组中的会话行为属于正常会话行为,进行正常群管理即可。
若该关联关系对应的关联度小于预设关联阈值,则表明图片内容信息与群信息的相似程度较低,即确定该客户在目标群组中的会话行为属于违规会话行为,此时需要基于客户在目标群组中的会话行为,确定对该客户进行处罚处理。
例如,在一个A品牌的客户群中,如果有客户发送带有二维码的图片时,服务器定位得到该二维码,并解析得到该二维码的链接信息,以及提取该群组的群信息。若二维码的链接信息为B品牌的购买网址时,显然二维码的链接信息与该群组的关联度低于预设阈值,表明携带该二维码的图片属于打广告,即该客户的会话行为属于违规会话行为,需要对该客户进行处罚处理。
在一些实施例中,服务器可以获取客户在目标群组中的会话行为的发生次数,该会话行为的发生次数为发送关联度小于预设关联阈值的图片会话信息的会话行为的发生次数;并基于发生次数,确定对客户的处罚处理方式。
在本申请实施例中,通过客户在目标群组发送违规会话行为的发生次数,可准确的确定出该客户触发的违规行为的违规程度,由此根据该违规程度确定对该客户的处罚方式,提高了处罚方式的精准性。
具体的,若该发生次数小于预设次数阈值,则生成对客户的警告信息,并向客户的终端发送该警告信息,以使终端在目标群组中展示该警告信息;
若该发生次数大于预设次数阈值,则在目标群组中删除客户的客户信息,即将该客户从目标群组中踢出。
在一些示例中,以预设次数阈值为5次为例,若客户X在目标群组中发送了带二维码的图片,且该图片中的二维码与目标群组的群信息的关联度小于预设关联阈值,即该二维码与群信息的相似程度较低,且该客户X发送携带这种类二维码的图片次数为1-4次,则处罚方式为:仅在目标群主中发送警告消息。若该客户X发送携带这种类二维码的图片次数超过5次,则惩罚方式为:将该客户X踢出目标群组。
需要说明的是,服务器可以将确定的对客户的处罚处理方式发送至企业员工,如管理员,管理员可以将该客户手动踢出群组,具体实施方式本申请在此不做赘述。
在本申请实施例中,根据社交群组中客户发送的图片会话信息与群信息的关联程度,对客户执行相应的管理处理,实现了客户管理的可行性,提高了对社交群组中客户的违规行为监控的覆盖率;通过客户的会话行为的违规程度确定相应的处罚方式,实现了对客户的会话行为的精准管理,提高了客户管理的可靠性。
在一些实施例中,服务器可以先计算客户的客户信息与目标群组中历史已删除的客户信息间的相似度,即证明该客户是否是具有历史存在违规会话行为的客户;
若关联度小于预设关联阈值,且计算得到的相似度大于预设相似阈值,则表明该客户是历史存在违规会话行为的客户,此时在目标群组中删除客户的客户信息,即将该客户从目标群组中踢出。
若关联度小于预设关联阈值,且计算得到的相似度不大于预设相似阈值,则表明该客户不是历史存在违规会话行为的客户,但由于该客户存在违规会话行为,故可以生成对该客户的警告信息,并向客户的终端发送该警告信息,以使终端在目标群组中展示该警告信息,或者,可以对该客户实施预设时间段的禁言处罚。
在本申请实施例中,服务器通过获取群组中客户的客户信息与目标群组中历史已删除的客户信息间的相似度,可确定该客户是否具有历史存在违规会话行为,在目标群组中对具有历史违规会话行为的客户进行删除,规范了目标群组中客户会话行为。
基于上述任一实施例中,服务器可以将客户在目标群组中的会话行为发送至目标群组对应的管理终端,如终端2。其中,该会话行为为发送关联度小于预设关联阈值的图片会话信息的会话行为。
管理终端对应的管理人员基于该会话行为,对该客户进行处罚处理,如在目标群组中删除该客户的客户信息。或者,管理人员可以基于该会话行为,确定处罚策略,并将该处罚策略发送至服务器,以使服务器执行该处罚策略,以对该客户进行处罚处理。
在一些实施例中,为了避免目标群组中历史被踢出群组的客户再次进入目标群组发送骚扰广告,可设置客户信息检测机制。具体的:在每个新客户加入目标群组时,服务器可提取历史已删除的客户信息;并计算客户的客户信息与目标群组中历史已删除的客户信息间的相似度,即证明该客户是否是历史存在违规会话行为的客户;
在一些示例中,该客户信息可以包括该客户的属性信息,如身高、性别、年龄等、该客户在目标群组中历史发布的会话信息,以及该客户在目标群组中能够标识该客户身份的其他信息。
其中,在客户信息为属性信息时,服务器可计算客户的属性信息与目标群组中历史已删除客户的属性信息间的相似度;在客户信息为历史发布的会话信息时,服务器可计算客户的历史发布的会话信息与目标群组中历史已删除客户的历史发布的会话信息间的相似度。
之后,若计算得到的相似度大于预设相似阈值,则表明该客户是历史存在违规会话行为的客户,此时在目标群组中删除客户的客户信息,即将该客户从目标群组中踢出。
上述客户信息检测机制可在具有历史违规行为的历史违规客户未发生违规行为之前识别出该客户,及时避免具有历史违规行为的客户通过更换账号再次发生违规行为,提高了管理客户的会话行为的准确率。
本申请实施例提供的群组中客户的管理方法在获取客户在目标群组中发送的图片会话信息后,对图片会话信息进行识别处理,得到图片内容信息,并获取图片内容信息与预先存储的目标群组的群信息的关联关系;基于关联关系,在目标群组中对客户行管理。该方法克服了现有技术不能识别海报等图片类的广告信息或言论的问题,提高了企业对客户的管理力度。
与上述方法对应的,本发明实施例还提供一种群组中客户的管理装置,如图3所示,该装置包括:获取单元310、识别单元320和管理单元330;
获取单元310,用于获取客户在目标群组中发送的图片会话信息;
识别单元320,用于对所述图片会话信息进行识别处理,得到图片内容信息;
获取单元310,还用于获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系;
管理单元330,用于基于所述关联关系,在所述目标群组中对所述客户进行管理。
在一个可选的实现中,获取单元310,具体用于:
若所述图片内容信息包括所述二维码,则对所述二维码进行解析处理,得到所述二维码对应的链接信息;并计算所述链接信息与所述目标群组的群信息间的关联度;
若所述图片内容信息包括所述文本信息,则计算所述文本信息与所述目标群组的群信息间的关联度。
在一个可选的实现中,管理单元330,具体用于若所述关联度小于预设关联阈值,则基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理。
在一个可选的实现中,管理单元330,还具体用于获取所述客户在所述目标群组中的会话行为的发生次数,所述会话行为的发生次数为发送所述关联度小于预设关联阈值的图片会话信息的会话行为的发生次数;
基于所述发生次数,确定对所述客户的处罚处理方式。
在一个可选的实现中,管理单元330,还具体用于:
若所述发生次数小于预设次数阈值,则生成对所述客户的警告信息,并向所述客户的终端发送所述警告信息,以使所述终端在所述目标群组中展示所述警告信息;
若所述发生次数大于所述预设次数阈值,则在所述目标群组中删除所述客户的客户信息。
在一个可选的实现中,所述装置还包括:计算单元340;
计算单元340,用于计算所述客户的客户信息与所述目标群组中历史已删除的客户信息间的相似度;
管理单元330,还具体用于若所述关联度小于预设关联阈值,且所述相似度大于预设相似阈值,则在所述目标群组中删除所述客户的客户信息。
在一个可选的实现中,管理单元330,还具体用于将所述客户在所述目标群组中的会话行为发送至所述目标群组对应的管理终端,以使所述管理终端对应的管理人员对所述客户进行处罚处理。
在一个可选的实现中,所述装置还包括:训练单元350;
获取单元310,还用于获取训练数据、预设群信息中的群特征信息,以及表征所述训练数据与所述群特征信息关联度的样本标签;所述训练数据为预设的各图片内容信息的特征数据;
训练单元350,用于基于所述训练数据、所述群特征信息和所述样本标签,对神经网络进行迭代训练,得到关联度预测模型;
获取单元310,还具体用于提取所述图片内容信息的特征数据和所述目标群组的群信息中的群特征信息;
以及,将所述图片内容信息的特征数据和所述群特征信息输入已训练的关联度预测模型,以使所述关联度预测模型计算所述图片内容信息的特征数据和所述目标群组对应的群特征信息的关联度。
本发明上述实施例提供的群组中客户的管理装置的各功能单元的功能,可以通过上述各方法步骤来实现,因此,本发明实施例提供的群组中客户的管理装置中的各个单元的具体工作过程和有益效果,在此不复赘述。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器410、通信接口420、存储器430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。
存储器430,用于存放计算机程序;
处理器410,用于执行存储器430上所存放的程序时,实现如下步骤:
获取客户在目标群组中发送的图片会话信息;
对所述图片会话信息进行识别处理,得到图片内容信息,并获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系;
基于所述关联关系,在所述目标群组中对所述客户进行管理。
在一个可选的实现中,获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系,包括:
若所述图片内容信息包括所述二维码,则对所述二维码进行解析处理,得到所述二维码对应的链接信息;并计算所述链接信息与所述目标群组的群信息间的关联度;
若所述图片内容信息包括所述文本信息,则计算所述文本信息与所述目标群组的群信息间的关联度。
在一个可选的实现中,基于所述关联关系,在目标群组中对所述客户进行管理,包括:
若所述关联度小于预设关联阈值,则基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理。
在一个可选的实现中,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
获取所述客户在所述目标群组中的会话行为的发生次数,所述会话行为的发生次数为发送所述关联度小于预设关联阈值的图片会话信息的会话行为的发生次数;
基于所述发生次数,确定对所述客户的处罚处理方式。
在一个可选的实现中,基于所述发生次数,确定对所述客户的处罚处理方式,包括:
若所述发生次数小于预设次数阈值,则生成对所述客户的警告信息,并向所述客户的终端发送所述警告信息,以使所述终端在所述目标群组中展示所述警告信息;
若所述发生次数大于所述预设次数阈值,则在所述目标群组中删除所述客户的客户信息。
在一个可选的实现中,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理之前,所述方法还包括:
计算所述客户的客户信息与所述目标群组中历史已删除的客户信息间的相似度;
基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
若所述关联度小于预设关联阈值,且所述相似度大于预设相似阈值,则在所述目标群组中删除所述客户的客户信息。
在一个可选的实现中,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
将所述客户在所述目标群组中的会话行为发送至所述目标群组对应的管理终端,以使所述管理终端对应的管理人员对所述客户进行处罚处理。
在一个可选的实现中,获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系之前,所述方法还包括:
获取训练数据、预设群信息中的群特征信息,以及表征所述训练数据与所述群特征信息关联度的样本标签;所述训练数据为预设的各图片内容信息的特征数据;
基于所述训练数据、所述群特征信息和所述样本标签,对神经网络进行迭代训练,得到关联度预测模型;
获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系,包括:
提取所述图片内容信息的特征数据和所述目标群组的群信息中的群特征信息;
将所述图片内容信息的特征数据和所述群特征信息输入已训练的关联度预测模型,以使所述关联度预测模型计算所述图片内容信息的特征数据和所述目标群组对应的群特征信息的关联度。
上述提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
由于上述实施例中电子设备的各器件解决问题的实施方式以及有益效果可以参见图2所示的实施例中的各步骤来实现,因此,本发明实施例提供的电子设备的具体工作过程和有益效果,在此不复赘述。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的群组中客户的管理方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的群组中客户的管理方法。
本领域内的技术人员应明白,本申请实施例中的实施例可提供为方法、系统、或计算机程序产品。因此,本申请实施例中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,本申请实施例中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。
本申请实施例中是参照根据本申请实施例中实施例的方法、设备(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数据处理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数据处理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数据处理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数据处理设备上,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。
尽管已描述了本申请实施例中的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例中范围的所有变更和修改。
显然,本领域的技术人员可以对本申请实施例中实施例进行各种改动和变型而不脱离本申请实施例中实施例的精神和范围。这样,倘若本申请实施例中实施例的这些修改和变型属于本申请实施例中权利要求及其等同技术的范围之内,则本申请实施例中也意图包含这些改动和变型在内。
Claims (10)
1.一种群组中客户的管理方法,其特征在于,所述方法包括:
获取客户在目标群组中发送的图片会话信息;
对所述图片会话信息进行识别处理,得到图片内容信息,并获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系;
基于所述关联关系,在所述目标群组中对所述客户进行管理。
2.如权利要求1所述的方法,其特征在于,获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系,包括:
若所述图片内容信息包括所述二维码,则对所述二维码进行解析处理,得到所述二维码对应的链接信息;并计算所述链接信息与所述目标群组的群信息间的关联度;
若所述图片内容信息包括所述文本信息,则计算所述文本信息与所述目标群组的群信息间的关联度。
3.如权利要求2所述的方法,其特征在于,基于所述关联关系,在目标群组中对所述客户进行管理,包括:
若所述关联度小于预设关联阈值,则基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理。
4.如权利要求3所述的方法,其特征在于,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
获取所述客户在所述目标群组中的会话行为的发生次数,所述会话行为的发生次数为发送所述关联度小于预设关联阈值的图片会话信息的会话行为的发生次数;
基于所述发生次数,确定对所述客户的处罚处理方式。
5.如权利要求4所述的方法,其特征在于,基于所述发生次数,确定对所述客户的处罚处理方式,包括:
若所述发生次数小于预设次数阈值,则生成对所述客户的警告信息,并向所述客户的终端发送所述警告信息,以使所述终端在所述目标群组中展示所述警告信息;
若所述发生次数大于所述预设次数阈值,则在所述目标群组中删除所述客户的客户信息。
6.如权利要求3所述的方法,其特征在于,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理之前,所述方法还包括:
计算所述客户的客户信息与所述目标群组中历史已删除的客户信息间的相似度;
基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
若所述关联度小于预设关联阈值,且所述相似度大于预设相似阈值,则在所述目标群组中删除所述客户的客户信息。
7.如权利要求3所述的方法,其特征在于,基于所述客户在所述目标群组中的会话行为,确定对所述客户进行处罚处理,包括:
将所述客户在所述目标群组中的会话行为发送至所述目标群组对应的管理终端,以使所述管理终端对应的管理人员对所述客户进行处罚处理。
8.如权利要求1所述的方法,其特征在于,获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系之前,所述方法还包括:
获取训练数据、预设群信息中的群特征信息,以及表征所述训练数据与所述群特征信息关联度的样本标签;所述训练数据为预设的各图片内容信息的特征数据;
基于所述训练数据、所述群特征信息和所述样本标签,对神经网络进行迭代训练,得到关联度预测模型;
获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系,包括:
提取所述图片内容信息的特征数据和所述目标群组的群信息中的群特征信息;
将所述图片内容信息的特征数据和所述群特征信息输入已训练的关联度预测模型,以使所述关联度预测模型计算所述图片内容信息的特征数据和所述目标群组对应的群特征信息的关联度。
9.一种群组中客户的管理装置,其特征在于,所述装置包括:
获取单元,用于获取客户在目标群组中发送的图片会话信息;
识别单元,用于对所述图片会话信息进行识别处理,得到图片内容信息;
所述获取单元,还用于获取所述图片内容信息与预先存储的所述目标群组的群信息的关联关系;
管理单元,用于基于所述关联关系,在所述目标群组中对所述客户进行管理。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110985701.5A CN113609276A (zh) | 2021-08-26 | 2021-08-26 | 一种群组中客户的管理方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110985701.5A CN113609276A (zh) | 2021-08-26 | 2021-08-26 | 一种群组中客户的管理方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113609276A true CN113609276A (zh) | 2021-11-05 |
Family
ID=78342064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110985701.5A Pending CN113609276A (zh) | 2021-08-26 | 2021-08-26 | 一种群组中客户的管理方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113609276A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080082381A1 (en) * | 2006-09-28 | 2008-04-03 | Demand Media, Inc. | User generated content publishing system |
US20120011140A1 (en) * | 2010-07-07 | 2012-01-12 | International Business Machines Corporation | Analytics of historical conversations in relation to present communication |
US20160088352A1 (en) * | 2014-09-24 | 2016-03-24 | Rovi Guides, Inc. | Methods and systems for updating user profiles |
US20160212091A1 (en) * | 2013-09-18 | 2016-07-21 | Pecan Technologies Inc | Managing messaging sessions among multiple participants |
US20170251260A1 (en) * | 2016-02-29 | 2017-08-31 | Rovi Guides, Inc. | Systems and methods for synchronizing media asset playback on multiple devices |
CN107566243A (zh) * | 2017-07-11 | 2018-01-09 | 阿里巴巴集团控股有限公司 | 一种基于即时通信的图片发送方法和设备 |
CN108170813A (zh) * | 2017-12-29 | 2018-06-15 | 智搜天机(北京)信息技术有限公司 | 一种全媒体内容智能审核的方法及其系统 |
US10482466B1 (en) * | 2018-08-24 | 2019-11-19 | Capital One Services, Llc | Methods and arrangements to distribute a fraud detection model |
US20200019566A1 (en) * | 2017-10-24 | 2020-01-16 | Panasonic Intellectual Property Management Co., Ltd. | Content management device, content management system, and control method |
CN112087444A (zh) * | 2020-09-04 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 账号识别方法和装置、存储介质及电子设备 |
CN112231666A (zh) * | 2020-11-06 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 违规帐号的处理方法、装置、终端、服务器及存储介质 |
CN112699264A (zh) * | 2020-12-23 | 2021-04-23 | 绿瘦健康产业集团有限公司 | 一种基于聊天记录的风控管理方法及系统 |
CN113177778A (zh) * | 2021-05-11 | 2021-07-27 | 武汉夜莺科技有限公司 | 用户管理方法、装置及计算机设备 |
-
2021
- 2021-08-26 CN CN202110985701.5A patent/CN113609276A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080082381A1 (en) * | 2006-09-28 | 2008-04-03 | Demand Media, Inc. | User generated content publishing system |
US20120011140A1 (en) * | 2010-07-07 | 2012-01-12 | International Business Machines Corporation | Analytics of historical conversations in relation to present communication |
US20160212091A1 (en) * | 2013-09-18 | 2016-07-21 | Pecan Technologies Inc | Managing messaging sessions among multiple participants |
US20160088352A1 (en) * | 2014-09-24 | 2016-03-24 | Rovi Guides, Inc. | Methods and systems for updating user profiles |
US20170251260A1 (en) * | 2016-02-29 | 2017-08-31 | Rovi Guides, Inc. | Systems and methods for synchronizing media asset playback on multiple devices |
CN107566243A (zh) * | 2017-07-11 | 2018-01-09 | 阿里巴巴集团控股有限公司 | 一种基于即时通信的图片发送方法和设备 |
US20200019566A1 (en) * | 2017-10-24 | 2020-01-16 | Panasonic Intellectual Property Management Co., Ltd. | Content management device, content management system, and control method |
CN108170813A (zh) * | 2017-12-29 | 2018-06-15 | 智搜天机(北京)信息技术有限公司 | 一种全媒体内容智能审核的方法及其系统 |
US10482466B1 (en) * | 2018-08-24 | 2019-11-19 | Capital One Services, Llc | Methods and arrangements to distribute a fraud detection model |
CN112087444A (zh) * | 2020-09-04 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 账号识别方法和装置、存储介质及电子设备 |
CN112231666A (zh) * | 2020-11-06 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 违规帐号的处理方法、装置、终端、服务器及存储介质 |
CN112699264A (zh) * | 2020-12-23 | 2021-04-23 | 绿瘦健康产业集团有限公司 | 一种基于聊天记录的风控管理方法及系统 |
CN113177778A (zh) * | 2021-05-11 | 2021-07-27 | 武汉夜莺科技有限公司 | 用户管理方法、装置及计算机设备 |
Non-Patent Citations (1)
Title |
---|
徐娟: "移动社交用户安全性分析研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 45 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10432562B2 (en) | Reducing photo-tagging spam | |
CN110826006B (zh) | 基于隐私数据保护的异常采集行为识别方法和装置 | |
CN111931859B (zh) | 一种多标签图像识别方法和装置 | |
CN111553701A (zh) | 一种基于会话的风险交易确定方法和装置 | |
CN112765003B (zh) | 一种基于app行为日志的风险预测方法 | |
CN112258238A (zh) | 用户生命价值周期检测方法、装置和计算机设备 | |
CN113568934B (zh) | 一种数据查询方法、装置、电子设备和存储介质 | |
CN113127723A (zh) | 用户画像处理方法、装置、服务器及存储介质 | |
CN108805332B (zh) | 一种特征评估方法和装置 | |
CN114663871A (zh) | 图像识别方法、训练方法、装置、系统及存储介质 | |
CN114223012A (zh) | 推送对象确定方法、装置、终端设备及存储介质 | |
CN114612904A (zh) | 车位情况信息推送方法、装置、电子设备和存储介质 | |
CN114338915A (zh) | 来电号码风险识别方法、装置、设备及存储介质 | |
CN113609276A (zh) | 一种群组中客户的管理方法、装置及介质 | |
CN111784053A (zh) | 交易风险检测方法、设备及可读存储介质 | |
US20220083910A1 (en) | Learning model applying system, a learning model applying method, and a program | |
CN108664948B (zh) | 用于生成信息的方法和装置 | |
CN115223022B (zh) | 一种图像处理方法、装置、存储介质及设备 | |
CN113722681A (zh) | 多媒体文件的侵权检测方法、装置、电子设备及存储介质 | |
CN113362069A (zh) | 风控模型的动态调整方法、装置、设备及可读存储介质 | |
CN113283935A (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
CN112507884A (zh) | 直播内容的检测方法、装置、可读介质和电子设备 | |
CN111708988A (zh) | 侵权视频识别方法、装置、电子设备及存储介质 | |
CN111901693B (zh) | 一种广告播放状态调节方法、装置及电子设备 | |
CN114708592B (zh) | 图章密级的判断方法、装置、设备和计算机可读存储介质 |
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 |