CN114091564A - 用户服务异常处理方法及装置 - Google Patents
用户服务异常处理方法及装置 Download PDFInfo
- Publication number
- CN114091564A CN114091564A CN202010865990.0A CN202010865990A CN114091564A CN 114091564 A CN114091564 A CN 114091564A CN 202010865990 A CN202010865990 A CN 202010865990A CN 114091564 A CN114091564 A CN 114091564A
- Authority
- CN
- China
- Prior art keywords
- user
- service
- characteristic value
- information
- abnormal
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种用户服务异常处理方法及装置,其中,方法包括:获取用户的业务信息以及对应的业务订购数据;将用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到用户的特征值;将用户的特征值输入至训练得到的决策树模型中,得到用户的特征值匹配结果;根据匹配结果,确定异常信息,并执行异常信息对应的预设解决方案。根据本发明基于用户自身的业务信息以及业务订购数据,确定用户的特征值,并构建决策树模型对用户异常信息进行探测告警的能力,提前挖掘用户服务存在的问题,对用户的异常信息及时发现,提升对用户投诉的处理效能,提高客户满意度。
Description
技术领域
本发明涉及业务支撑领域,具体涉及一种用户服务异常处理方法及装置。
背景技术
携号转网可以方便用户号码在保持不变的情况下,自由选择移动、联通、电信等运营商,允许用户在同一个国家同一本地网内改变移动签约网络,而不改变原有的MSISDN号码(Mobile Subscriber International ISDN/PSTN numbe,主叫用户为呼叫GSM PLMN中的一个移动用户所需拨的号码)。在用户携号转网签约新的网络后,为携号转网用户分配新的IMSI(SIM卡/USIM卡),保障用户的所有业务都不受旧的签约网络的影响,改由新的签约网络提供。
为了支撑携号转网服务,运营网络需要按照对系统架构进行建设,以保障携号转网服务的正常执行。携号转网服务包括了携出流程和携入流程。携出流程主要包括业务查询流程和授权码申请流程,其中,授权码申请流程中内嵌了业务查询流程。携入流程由携入方为用户选择好入网套餐等业务后,可向CSMS(处理号码携带相关业务流程,保存最权威的、全量的号码携带数据库)发送生效请求以请求完成用户携号转网。CSMS按照设定的生效广播规则,在下一个生效时间窗完成用户的携号转网。携号转网携出销户处理过程与省内销户逻辑是一致的,该逻辑属于业务规则多年沉淀,规则复杂,在使用时会发生携出用户无法与运营商在网用户正常通信的情况。这种情况一般是由于携出销户时部分指令执行失败导致的。
以上情况导致现有技术在处理携号转网时存在着如下的缺陷:
1.业务平台、支撑系统等相关数据不输出,不具备异常探测、告警能力,只能被动的接收用户投诉后才能发现问题,导致不能及时发现解决问题。
2.接到用户投诉后需要跨部门的联合分析才能发现问题,制定解决方案,消耗巨大的人力,问题定位耗时长,解决完成后难以固化解决方案。
3.制定的解决方案一般都是由支撑系统的维护人员手工组装指令,人工方式来解决,后续没有合理的校验和检查机制,存在组装不合理或者执行异常的情况,从用户投诉到最终解决跨度时间长。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用户服务异常处理方法及装置。
根据本发明的一个方面,提供了一种用户服务异常处理方法,其包括:
获取用户的业务信息以及对应的业务订购数据;
将用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到用户的特征值;
将用户的特征值输入至训练得到的决策树模型中,得到用户的特征值匹配结果;
根据匹配结果,确定异常信息,并执行异常信息对应的预设解决方案。
根据本发明的另一方面,提供了一种用户服务异常处理装置,其包括:
获取模块,适于获取用户的业务信息以及对应的业务订购数据;
特征值模块,适于将用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到用户的特征值;
匹配模块,适于将用户的特征值输入至训练得到的决策树模型中,得到用户的特征值匹配结果;
执行模块,适于根据匹配结果,确定异常信息,并执行异常信息对应的预设解决方案。
根据本发明的又一方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述用户服务异常处理方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述用户服务异常处理方法对应的操作。
根据本发明的用户服务异常处理方法及装置,获取用户的业务信息以及对应的业务订购数据;将用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到用户的特征值;将用户的特征值输入至训练得到的决策树模型中,得到用户的特征值匹配结果;根据匹配结果,确定异常信息,并执行异常信息对应的预设解决方案。根据本发明基于用户自身的业务信息以及业务订购数据,确定用户的特征值,并构建决策树模型对用户异常信息进行探测告警的能力,提前挖掘用户服务存在的问题,对用户的异常信息及时发现,提升对用户投诉的处理效能,提高客户满意度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的用户服务异常处理方法的流程图;
图2示出了根据本发明一个实施例运营网络系统架构示意图;
图3示出了根据本发明一个实施例携号转网流程示意图;
图4示出了根据本发明一个实施例的用户服务异常处理装置的功能框图;
图5示出了根据本发明一个实施例的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的用户服务异常处理方法的流程图。如图1所示,用户服务异常处理方法具体包括如下步骤:
步骤S101,获取用户的业务信息以及对应的业务订购数据。
本实施例中用户为携号转网用户,根据携号转网用户的业务信息以及对应的业务订购数据,及时发现携号转网用户服务中存在的异常信息。除携号转网用户外,本实施例也可以用于可获取到业务信息以及业务订购数据的用户,来确定用户可能会存在的异常信息等,此处不作限定。为更好地理解本实施例,以下以携号转网用户为例进行说明。
对于携号转网用户,为了支撑携号转网服务,运营网络可以采用如图2所示的系统架构。系统结构包括如CSMS由工信部建设,处理NP(Number Portability,号码携带)相关业务流程,并保存最权威的、全量NPDB(Number Portability Database,号码携带数据库);集团SMS/SOA由SMS子系统和SOA子系统两部分构成。其中,SMS子系统集成全量NPDB,数据从CSMS得到,并负责在本网内分发;SOA子系统负责转发省级SOA与CSMS之间的业务消息;ENUMDNS集成NPDB,从集团SMS获得NP数据,为彩信中心等设备提供NP相关数据查询服务。省级LSMS管理本地NPDB,并负责向相关网元同步NP数据。省级SOA与省级CRM合设,负责处理与NP相关的业务;现网HLR/HSS:保存携出用户信息,用户所在的VMSC ID为NP MSC;其他非携出的用户数据保持不变;携入HLR/HSS用于保存携入用户数据,处理外网号码的路由查询,并根据用户的不同状态(携入、非NP、外网间NP等),作不同的响应;NP MSC通过模拟携出用户的位置更新操作,将HLR中登记的携出用户VMSC ID置为NP MSC,并处理NP业务中携出用户的语音、短信业务等。
携号转网流程可以如图3所示,其中,步骤7实现时,由省BOSS发送指令到网络侧各个业务平台执行携出销户,携号转网携出销户处理过程与省内销户逻辑一致,但由于逻辑属于业务规则多年沉淀,规则复杂,时有发生携出用户无法与运营商在网用户正常通信的情况,导致用户进行投诉。根据用户投诉需要原运营商的网络口各个平台和业务支撑系统全部进行逐一排查,排查后再制定解决方案,手工拼装指令后发送网络侧,来修复用户网络侧各个平台上的状态,解决用户异常信息。整个处理过程需要花费较多人力和时间,处理效率较低,对业务人员的依赖性较强。
基于以上问题,本实施例从用户出发,基于用户自身的业务信息以及对应的业务订购数据对用户携号转网后的服务异常进行预测,以便及时修复。用户的业务信息包括用户在至少一个业务平台的注册信息、状态值等。业务平台包括如HSS、IMS、宽带平台等业务平台。用户的业务信息可以通过全量采集现网中所有业务平台上用户的注册信息、状态值来得到。若用户对于某个业务平台没有注册信息时,可以对应的设置该业务平台的用户状态值置为NA。采集得到的用户的业务信息根据不同业务平台顺序,如HSS,IMS,宽带平台,……,对应的记录各业务平台的用户的状态值,如N=[1,NA,0,……]。用户的业务订购数据根据业务支撑系统对应的获取得到用户对各个业务平台的业务订购数据,如用户业务订购数据P=[pri1,pri2,pri3,……]。
步骤S102,将用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到用户的特征值。
将用户的业务信息N以及对应的业务订购数据P输入至检测器模型,检测器模型将用户的业务信息N以及对应的业务订购数据P进行矩阵相乘,得到用户的关联矩阵C=N*P,用户的关联矩阵C作为用户的特征值。
步骤S103,将用户的特征值输入至训练得到的决策树模型中,得到用户的特征值匹配结果。
决策树模型的训练需要基于用户标准特征值进行训练,对于用户标准特征值,可以通过历史用户的业务信息、业务订购数据来进行确定。具体的,获取历史用户的业务信息以及对应的业务订购数据;将历史用户的业务信息以及对应的业务订购数据作为样本数据,输入至检测器模型,得到历史用户的关联矩阵。如将全量携号转网用户网络侧获取的用户业务信息N0,N1,……,和用户的业务订购数据P0,P1,……输入检测器模型中,由检测器模型将用户的业务信息N和业务订购数据P进行矩阵相乘,得到历史用户的关联矩阵C0,C1,……。对历史用户的关联矩阵进行半监督学习,得到用户标准关联矩阵CNP作为用户标准特征值,以记录用户业务订购数据和用户业务信息的正常基线。进一步,在对历史用户的关联矩阵进行半监督学习时,考虑到业务数据的复杂情形,此处可以引入领域内业务人员,对历史用户的业务信息以及对应的业务订购数据进行标记处理,基于半监督学习,最终提取出用户标准特征值。
检测器模型还可以通过持续的深度机器学习不断的动态的进行修正,以携号转网用户在各个业务平台上的注册信息、状态值和业务支撑系统中的业务订购数据作为基础数据,通过进行半监督学习提取用户标准特征值。
在获取到用户标准特征值后,决策树模型的训练过程具体为:获取历史异常用户的业务信息以及对应的业务订购数据,历史异常用户可以根据用户投诉信息先确定对应的用户,再获取历史异常用户的业务信息以及对应的业务订购数据。将历史异常用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到历史异常用户的特征值。根据历史异常用户的特征值及用户标准特征值进行无监督分类,可以分类确定各种不同的异常信息,以及与异常信息对应的异常特征值。如历史异常用户的投诉信息为携出用户携出后新卡无法使用,老卡可正常使用,通过与用户标准值进行分类比较,确定异常情况具体为Volte退订失败,其对应的异常特征值即历史异常用户的特征值Cx0,;历史异常用户的投诉信息为携出用户携出后无法接听原归属运营商用户电话,通过与用户标准值进行分类比较,确定异常情况具体为HSS上用户状态异常,其对应的异常特征值即历史异常用户的特征值Cx1等。对于确定的异常信息,为保障可以准确地解决异常信息,可以由领域内业务人员对异常信息进行异常信息标记,预设各异常信息对应的解决方案,得到决策树模型。预设的解决方案具体针对每种异常信息的场景构建指令库,如退订volte业务指令,携出销户指令,宽带退订指令等,为每种异常信息对应的预设一个或一组指令,形成预设解决方案。异常情况为Volte退订失败,异常特征值Cx0,对应的预设解决方案为重发volte退订指令;异常情况为HSS上用户状态异常,异常特征值Cx1,对应的预设解决方案为重发携出销户指令等等。通过对历史异常用户的投诉信息进行分析,对历史异常用户的特征值与用户标准特征值进行无监督分类,从而得到决策树模型。
决策树模型中包含了用户标准特征值,以及异常特征值,对于异常特征值为其预设解决方案。对于携号转网用户,可以将携号转网用户的特征值输入至训练得到的决策树模型中,将用户的特征值与用户标准特征值进行比较,判断用户的特征值与用户标准特征值是否一致,若比较结果一致,则说明携号转网用户的服务不易发生异常,可以不对其进行处理。若比较结果不一致,则说明携号转网用户的服务会发生异常,则将用户的特征值与决策树模型中的异常特征值进行匹配,得到包含与用户的特征值匹配的异常特征值的匹配结果,从而及时发现携号转网用户可能存在的异常信息,缩短异常解决耗时,避免人工失误可能导致的解决失败等问题。
步骤S104,根据匹配结果,确定异常信息,并执行异常信息对应的预设解决方案。
在得到匹配结果后,根据匹配结果包含的异常特征值,可以确定具体的异常信息,以及与异常信息对应的预设解决方案。执行异常信息对应的预设解决方案,可以及时修复异常信息,保障用户服务的正常运行。
根据本发明提供的用户服务异常处理方法,获取用户的业务信息以及对应的业务订购数据;将用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到用户的特征值;将用户的特征值输入至训练得到的决策树模型中,得到用户的特征值匹配结果;根据匹配结果,确定异常信息,并执行异常信息对应的预设解决方案。根据本发明基于用户自身的业务信息以及业务订购数据,确定用户的特征值,并构建决策树模型对用户异常信息进行探测告警的能力,提前挖掘用户服务存在的问题,对用户的异常信息及时发现,提升对用户投诉的处理效能,提高客户满意度。
图4示出了根据本发明一个实施例的用户服务异常处理装置的功能框图。如图4所示,用户服务异常处理装置包括如下模块:
获取模块410适于:获取用户的业务信息以及对应的业务订购数据;
特征值模块420适于:将用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到用户的特征值;
匹配模块430适于:将用户的特征值输入至训练得到的决策树模型中,得到用户的特征值匹配结果;
执行模块440适于:根据匹配结果,确定异常信息,并执行异常信息对应的预设解决方案。
可选地,特征值模块进一步适于:将用户的业务信息以及对应的业务订购数据输入至检测器模型进行矩阵相乘,得到用户的关联矩阵作为用户的特征值。
可选地,装置还包括:标准特征值模块450。
标准特征值模块450适于:获取历史用户的业务信息以及对应的业务订购数据;将历史用户的业务信息以及对应的业务订购数据作为样本数据,输入至检测器模型,得到历史用户的关联矩阵;对历史用户的关联矩阵进行半监督学习,得到用户标准关联矩阵作为用户标准特征值。
可选地,用户的业务信息包括用户在至少一个业务平台的注册信息和/或状态值。
可选地,装置还包括:决策树模型训练模块460。
决策树模型训练模块460适于:获取历史异常用户的业务信息以及对应的业务订购数据;将历史异常用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到历史异常用户的特征值;根据历史异常用户的特征值及用户标准特征值进行无监督分类,并对无监督分类结果进行异常信息标记,确定异常信息对应的异常特征值,并预设异常信息对应的解决方案,得到决策树模型。
可选地,匹配模块420进一步适于:将用户的特征值输入至训练得到的决策树模型中,对用户的特征值与用户标准特征值进行比较,判断用户的特征值与用户标准特征值是否一致;若否,将用户的特征值与决策树模型中的异常特征值进行匹配,得到包含与用户的特征值匹配的异常特征值的匹配结果。
可选地,用户为携号转网用户。
以上各模块的描述参照方法实施例中对应的描述,在此不再赘述。
本申请还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的用户服务异常处理方法。
图5示出了根据本发明一个实施例的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图5所示,该电子设备可以包括:处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中:
处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502,用于执行程序510,具体可以执行上述用户服务异常处理方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行上述任意方法实施例中的用户服务异常处理方法。程序510中各步骤的具体实现可以参见上述用户服务异常处理实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的用户服务异常处理装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种用户服务异常处理方法,其特征在于,方法包括:
获取用户的业务信息以及对应的业务订购数据;
将所述用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到所述用户的特征值;
将所述用户的特征值输入至训练得到的决策树模型中,得到所述用户的特征值匹配结果;
根据所述匹配结果,确定异常信息,并执行所述异常信息对应的预设解决方案。
2.根据权利要求1所述的方法,其特征在于,所述将所述用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到所述用户的特征值进一步包括:
将所述用户的业务信息以及对应的业务订购数据输入至检测器模型进行矩阵相乘,得到所述用户的关联矩阵作为所述用户的特征值。
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:
获取历史用户的业务信息以及对应的业务订购数据;
将所述历史用户的业务信息以及对应的业务订购数据作为样本数据,输入至检测器模型,得到历史用户的关联矩阵;
对所述历史用户的关联矩阵进行半监督学习,得到用户标准关联矩阵作为用户标准特征值。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述用户的业务信息包括用户在至少一个业务平台的注册信息和/或状态值。
5.根据权利要求1所述的方法,其特征在于,所述决策树模型的训练过程包括:
获取历史异常用户的业务信息以及对应的业务订购数据;
将所述历史异常用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到所述历史异常用户的特征值;
根据所述历史异常用户的特征值及用户标准特征值进行无监督分类,并对无监督分类结果进行异常信息标记,确定异常信息对应的异常特征值,并预设异常信息对应的解决方案,得到决策树模型。
6.根据权利要求5所述的方法,其特征在于,所述将所述用户的特征值输入至训练得到的决策树模型中,得到所述用户的特征值匹配结果进一步包括:
将所述用户的特征值输入至训练得到的决策树模型中,对所述用户的特征值与用户标准特征值进行比较,判断所述用户的特征值与用户标准特征值是否一致;
若否,将所述用户的特征值与决策树模型中的异常特征值进行匹配,得到包含与所述用户的特征值匹配的异常特征值的匹配结果。
7.根据权利要求1所述的方法,其特征在于,所述用户为携号转网用户。
8.一种用户服务异常处理装置,其特征在于,装置包括:
获取模块,适于获取用户的业务信息以及对应的业务订购数据;
特征值模块,适于将所述用户的业务信息以及对应的业务订购数据输入至检测器模型中,得到所述用户的特征值;
匹配模块,适于将所述用户的特征值输入至训练得到的决策树模型中,得到所述用户的特征值匹配结果;
执行模块,适于根据所述匹配结果,确定异常信息,并执行所述异常信息对应的预设解决方案。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的用户服务异常处理方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的用户服务异常处理方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010865990.0A CN114091564A (zh) | 2020-08-25 | 2020-08-25 | 用户服务异常处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010865990.0A CN114091564A (zh) | 2020-08-25 | 2020-08-25 | 用户服务异常处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114091564A true CN114091564A (zh) | 2022-02-25 |
Family
ID=80295006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010865990.0A Pending CN114091564A (zh) | 2020-08-25 | 2020-08-25 | 用户服务异常处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114091564A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029740A (zh) * | 2023-02-09 | 2023-04-28 | 湖南快乐阳光互动娱乐传媒有限公司 | 信息处理方法和装置 |
-
2020
- 2020-08-25 CN CN202010865990.0A patent/CN114091564A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029740A (zh) * | 2023-02-09 | 2023-04-28 | 湖南快乐阳光互动娱乐传媒有限公司 | 信息处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105099801B (zh) | 信息管理系统的测试系统和测试环境模拟方法 | |
CN112380255A (zh) | 一种业务处理方法、装置、设备和存储介质 | |
CN113283987A (zh) | 业务处理方法、装置、区块链网关、区块链节点及存储介质 | |
CN110569993A (zh) | 一种基于大数据智能保修维护系统 | |
CN111221727B (zh) | 测试方法、装置、电子设备和计算机可读介质 | |
CN114091564A (zh) | 用户服务异常处理方法及装置 | |
CN111400178A (zh) | 接口自动造数方法、装置、计算机设备及存储介质 | |
CN110378739B (zh) | 一种数据流量匹配方法及装置 | |
CN105657683B (zh) | 一种二次销售手机号码处理方法、装置及系统 | |
CN111144841A (zh) | 一种化工产品生产线中输送及保存设备的巡检方法及系统平台 | |
CN108650123B (zh) | 故障信息记录方法、装置、设备和存储介质 | |
CN111651342A (zh) | 基于Charles录制会话的HTTP接口自动化测试框架 | |
CN116431522A (zh) | 一种低代码对象存储网关自动化测试方法及系统 | |
CN113312260A (zh) | 一种接口测试方法、装置、设备及存储介质 | |
CN111835577B (zh) | 物联网专网质差问题确定的方法、装置和电子设备 | |
CN112633731A (zh) | 产品是否合格的检测方法、检测装置、处理器和电子设备 | |
CN108536577B (zh) | 程序代码信息处理方法及装置 | |
CN113487053A (zh) | 维修服务方法、装置、设备及计算机可读存储介质 | |
CN107392415B (zh) | 一种基于大数据的电信营业员画像信息处理方法及装置 | |
CN110662224B (zh) | 一种网络安全的移动执法检查方法、装置、设备及介质 | |
KR101549996B1 (ko) | 오픈 비즈니스 플랫폼 서비스 방법 및 그 장치 | |
CN110716855B (zh) | 处理器指令集测试方法及装置 | |
US20230333966A1 (en) | Systems and methods for customer journey orchestration | |
US20050216797A1 (en) | System for tracking defects in released software products ancillary to customer service inquiries telephoned to customer service centers | |
CN117455503A (zh) | 一种应对电商问题的客服工单流转方法及系统 |
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 |