CN114548741A - 投诉预警方法、装置、电子设备和存储介质 - Google Patents

投诉预警方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114548741A
CN114548741A CN202210152106.8A CN202210152106A CN114548741A CN 114548741 A CN114548741 A CN 114548741A CN 202210152106 A CN202210152106 A CN 202210152106A CN 114548741 A CN114548741 A CN 114548741A
Authority
CN
China
Prior art keywords
complaint
early warning
target
warning information
work order
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
Application number
CN202210152106.8A
Other languages
English (en)
Inventor
何殷岩
林君瑜
吴致远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wanyi Technology Co Ltd
Original Assignee
Wanyi Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wanyi Technology Co Ltd filed Critical Wanyi Technology Co Ltd
Priority to CN202210152106.8A priority Critical patent/CN114548741A/zh
Publication of CN114548741A publication Critical patent/CN114548741A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种投诉预警方法、装置、电子设备和存储介质，应用于数据处理技术领域，其中，方法包括：获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源；确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息；将所述目标投诉工单与每个所述目标预警信息进行关联；基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量；在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。以解决现有技术中，基于人力预警的方式，数据量庞大，人工梳理困难，容易产生遗漏的问题。

Description

投诉预警方法、装置、电子设备和存储介质
技术领域
本申请涉及数据处理技术领域，尤其涉及一种投诉预警方法、装置、电子设备和存储介质。
背景技术
在地产行业中，现有客户报事报修依赖人工梳理，当发现多户客户投诉同类问题或是存在高风险问题时，通过人工汇报方式进行预警。
相关技术中，预警的方式往往是基于客户反馈内容，凭借经验判定事件存在高风险，预警并提醒关注。而这种基于人力预警的方式，数据量庞大，人工梳理困难，容易产生遗漏。
发明内容
本申请提供了一种投诉预警方法、装置、电子设备和存储介质，用以解决现有技术中，基于人力预警的方式，数据量庞大，人工梳理困难，容易产生遗漏的问题。
第一方面，本申请实施例提供了一种投诉预警方法，包括：
获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源；
确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息；
将所述目标投诉工单与每个所述目标预警信息进行关联；
基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量；
在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。
可选的，确定所述投诉内容对应的目标预警信息集合，包括：
将所述投诉内容拆分为至少一个子句；
对每个所述子句执行以下步骤：确定所述子句与预设风险标签集合中每个预设风险标签的置信度；确定所述置信度大于预设阈值的所述预设风险标签为目标风险标签；确定所述目标风险标签对应的目标预警信息；
确定每个所述子句对应的所述目标预警信息的集合为所述目标预警信息集合。
可选的，所述确定所述目标风险标签对应的目标预警信息，包括：
获取风险标签与预警信息的对应关系集合；
从所述对应关系集合中，确定所述目标风险标签对应的目标预警信息。
可选的，所述基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量，包括：
确定每个目标预警信息对应的目标投诉工单的所述投诉来源；
统计所述投诉来源的数量；
确定所述投诉来源的数量为所述投诉数量。
可选的，所述获取目标投诉工单，包括：
获取第一投诉工单，所述第一投诉工单中包括初始投诉内容；
确定所述初始投诉内容中的投诉项目数据和非投诉项目数据；
根据所述投诉项目数据确定所述第一投诉工单中包括的投诉项目信息；
根据所述非投诉项目数据确定所述第一投诉工单的投诉来源；
将所述投诉来源和所述投诉项目信息作为所述目标投诉工单。
可选的，所述获取目标投诉工单，包括：
获取第二投诉工单；
过滤不包括预设关键词的所述第二投诉工单，得到所述目标投诉工单，所述预设关键词为与投诉项目相关的词。
可选的，所述在所述投诉数量满足预警条件时，发起所述目标预警信息的预警之后，还包括：
在获取到所述目标预警信息的风险解除信息后，将与所述目标预警信息关联的所述目标投诉工单进行解绑。
第二方面，本申请实施例提供了一种投诉预警装置，包括：
获取模块，用于获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源；
确定模块，用于确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息；
关联模块，用于将所述目标投诉工单与每个所述目标预警信息进行关联；
统计模块，用于基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量；
预警模块，用于在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。
第三方面，本申请实施例提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的投诉预警方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的投诉预警方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，通过获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源；确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息；将所述目标投诉工单与每个所述目标预警信息进行关联；基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量；在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。如此，在获取到目标投诉工单后，通过确定目标投诉工单中投诉内容对应的目标预警信息，并在目标预警信息对应的目标投诉工单的数量满足预警条件时，进行预警，从而无需人为参与，即可实现投诉预警，提高了预警效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明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，对于本领域普通技术人员而言，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为本申请一实施例提供的投诉预警方法的应用场景图；
图2为本申请一实施例提供的投诉预警方法的流程图；
图3为本申请另一实施例提供的投诉预警方法的流程图；
图4为本申请又一实施例提供的投诉预警方法的流程图；
图5为本申请一实施例提供的投诉预警装置的结构图；
图6为本申请一实施例提供的电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的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。
根据本申请一实施例提供了一种投诉预警方法。可选地，在本申请实施例中，上述投诉预警方法可以应用于如图1所示的由终端101和服务器102所构成的硬件环境中。如图1所示，服务器102通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供服务(如视频服务、应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器102提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101并不限定于PC、手机、平板电脑等。
本申请实施例的投诉预警方法可以由服务器102来执行，也可以由终端101来执行，还可以是由服务器102和终端101共同执行。其中，终端101执行本申请实施例的投诉预警方法，也可以是由安装在其上的客户端来执行。
以服务器执行本申请实施例的投诉预警方法为例，图2是根据本申请实施例的一种可选的投诉预警方法的流程示意图，如图2所示，该方法的流程可以包括以下步骤：
步骤201、获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源。
一些实施例中，目标投诉工单可以是任一用户在客户端上传的，或者是服务器从工单数据库中获取的。其中，用户在客户端上传目标投诉工单的方式可以是用户登录的客户端上上传的，也可以是通过邮箱、电话、投诉论坛等方式投诉后，进一步处理后得到的。
其中，用户在客户端上传投诉工单时，往往会按照预设的格式填写需要投诉的内容，从而通过客户端上传的投诉工单，通常满足预设的数据结构，在后续统计预警过程中便于进行数据预警处理。
对于通过邮箱、电话、投诉论坛等方式上传的投诉工单，需要先对其中的初始投诉内容进行处理，再进行数据预警处理。
在一个可选实施例中，获取目标投诉工单，包括：
获取第一投诉工单，所述第一投诉工单中包括初始投诉内容；确定所述初始投诉内容中的投诉项目数据和非投诉项目数据；根据所述投诉项目数据确定所述第一投诉工单中包括的投诉项目信息；根据所述非投诉项目数据确定所述第一投诉工单的投诉来源；将所述投诉来源和所述投诉项目信息作为所述目标投诉工单。
一些实施例中，第一投诉工单可以是通过邮箱、电话、投诉论坛等方式得到的非预设数据结构的投诉数据，在第一投诉工单中携带有初始投诉内容。在用户通过电话方式投诉时，可以先将语音信息转化为文本数据，作为初始投诉内容。通常，用户在进行投诉时，往往会将自身所在位置信息以及投诉项目信息进行填写或口述，因此，在初始投诉内容中包括投诉项目数据和非投诉项目数据。
在得到初始投诉内容后，可将初始投诉内容拆分为多个子句，根据实体检测算法，检测子句中的实体，若子句中包括实体，确定该子句为包括投诉项目数据的子句，将其他未检测到实体的子句确定为非投诉项目数据。进一步的，从投诉项目数据中确定第一投诉工单中包括的投诉项目信息，其中，投诉项目信息可以通过分词算法进行确定。例如，在水管这一分词相邻的词汇为漏水，确定投诉项目信息为水管漏水。
其中，实体可以是预先设置的，例如水管、墙面、砖等。
进一步的，可以训练检测模型，将初始投诉内容输入到检测模型中进行训练，从而使检测模型能够直接输出投诉来源和投诉项目信息。
在一个可选实施例中，获取目标投诉工单，包括：
获取第二投诉工单；过滤不包括预设关键词的所述第二投诉工单，得到所述目标投诉工单，所述预设关键词为与投诉项目相关的词。
其中，第二投诉工单可以是预设数据结构的投诉工单，但是在用户上传的投诉工单中会存在恶意、无效的单据，因此，在获取到第二投诉工单后，需要先对投诉工单进行筛选，过滤其中不包括预设关键词的投诉工单，从而得到目标投诉工单。
步骤202、确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息。
一些实施例中，通过对目标投诉工单中的投诉内容进行解析，能够确定出投诉内容对应的目标预警信息集合。
在一个可选实施例中，确定所述投诉内容对应的目标预警信息集合，包括：
将所述投诉内容拆分为至少一个子句；对每个所述子句执行以下步骤：确定所述子句与预设风险标签集合中每个预设风险标签的置信度；确定所述置信度大于预设阈值的所述预设风险标签为目标风险标签；确定所述目标风险标签对应的目标预警信息；确定每个所述子句对应的所述目标预警信息的集合为所述目标预警信息集合。
其中，将投诉内容拆分成子句的方式有多种，例如，根据投诉内容中的标点符号，将相邻两个标点符号间的文字分为一个子句；或者采用分局算法，对投诉内容进行拆分。
在服务器中存储有预设风险标签集合，对于拆分得到的子句，将其依次与每个预设风险标签计算置信度，从而将置信度大于预设阈值的目标风险标签确定为该子句对应的预设风险标签，若与每个预设风险标签的置信度均未超过预设阈值，确定该子句未匹配到风险标签。
对于每项预警信息均对应一类预设风险标签，因此，在确定目标风险标签之后，便可以通过风险标签与预警信息的对应关系，确定目标风险标签对应的目标预警信息集合。
其中，预设风险标签集合可以但不限于为：搬家不便利、车库倒灌、车位小、教育承诺未兑现、墙砖脱落、水电未开通等等。
在一个可选实施例中，确定所述目标风险标签对应的目标预警信息，包括：
获取风险标签与预警信息的对应关系集合；从所述对应关系集合中，确定所述目标风险标签对应的目标预警信息。
一些实施例中，可以在服务器中预先存储风险标签与预警信息的对应关系的集合，从而，在确定目标风险后，便能够从存储的对应关系集合中，确定每个目标风险标签对应的目标预警信息，从而得到目标预警信息集合。
步骤203、将所述目标投诉工单与每个所述目标预警信息进行关联。
一些实施例中，由于在一个投诉工单中，用户可能投诉多个项目。因此，在确定的目标预警信息会有多种，因此，将该目标投诉工单与每个目标预警信息均进行关联，以便于后续统计预警。
步骤204、基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量。
一些实施例中，对于同一目标预警信息，同一用户可能会连续发起多次投诉，可能会造成虚假投诉，因此，通过投诉来源，确定目标预警信息的投诉数量，能够提高预警时的准确率。
在一个可选实施例中，基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量，包括：
确定每个目标预警信息对应的目标投诉工单的所述投诉来源；统计所述投诉来源的数量；确定所述投诉来源的数量为所述投诉数量。
在每个目标投诉工单中均携带有投诉来源，因此，可以通过统计每个目标预警信息对应的目标投诉工单的投诉来源的数量，将投诉来源的数量作为投诉数量。
步骤205、在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。
一些实施例中，在确定投诉数量后，便可以基于该投诉数量判断是否满足预警条件，在达到预警条件后，发起对目标预警信息的预警，以使相关人员前往处理。
示例性的，预警条件可以是，同项目投诉同一问题超过3户以上、挺像同类问题投诉大于10次等等。
在一个可选实施例中，在所述投诉数量满足预警条件时，发起所述目标预警信息的预警之后，还包括：
在获取到所述目标预警信息的风险解除信息后，将与所述目标预警信息关联的所述目标投诉工单进行解绑。
一些实施例中，在发起预警后，由相关人员前往进行处理，在处理完成后，相关人员可以在对应的客户端上传处理结果数据，以使服务器获取到目标预警信息的风险解除信息，从而确定该目标预警信息已不存在风险，将与所述目标预警信息关联的所述目标投诉工单进行解绑，以避免该目标预警信息被持续预警的情况。
在一个具体实施例中，参见图3，该投诉预警方法具体包括：
步骤一：获取客户投诉工单，将每一投诉工单中的投诉内容拆分成若干短句数组(即上述至少一个子句)。
具体，对抓取的数据进行过滤，剔除掉无效单据(例如恶意投诉工单)；对剔除过后的单据进行过滤，去除干扰的投诉工单(例如，未包括预设关键词的投诉工单)；采用分句算法，将客户问题描述拆解为多个子句，形成类似于title+description的内容短句，生成短句数组。
用户户的一份投诉语料可能包含多个投诉或者反馈问题，因此，需要将多个投诉或者反馈问题拆分成多个短句数组。
此外，根据客户工单还可以获取到其他相关信息，比如项目名称、楼栋、房号等信息。
步骤二：将每一短句数组分别输入到高风险分析模型和低风险分析模型，高风险分析模型输出匹配的高风险标签、低风险分析模型输出匹配的低风险标签。
其中，高风险分析模型和低风险分析模型为具有高风险标签集合的数据模型和低风险标签集合的数据模型
一个投诉短句数组进入模型，会依次检测每个标签，得到每个标签的置性度分数。其中，所有标签分数加起来是1，然后看最高分数是否大于设定的置信度阈值，大于就认为匹配上其中一个标签。若所有的标签都没有超过置信度阈值，则输出的标签为其他，即该短句数组不对应高风险标签或低风险标签。
其中，示例性的高风险标签和低风险标签可以参见下表1。
高风险标签 低风险标签
搬家不便利 保洁不及时/效果差
玻璃爆裂 产证办理慢
车库倒灌 车辆停放管理
车位改造 催费不合理
车位配比不达标 道闸
车位小/停不了 车库地坪质量
大堂倒灌 电梯不下车库
电话网络无法报装 电梯闷热
电线死线-无套管 非机动车停车
表1
步骤三、将高风险标签的投诉工单插入到对应的预警-标签关联表。
具体，每一项预警信息对应一类高风险标签，将每一高风险标签的工单信息与对应的预警信息进行关联。一个工单可包含多个短句数组，从而对应多个高风险标签，因此，一个工单可跟多个预警信息建立关联。
步骤四、基于每一预警信息，统计其关联的工单是否满足预警条件，若是，则发出预警信息。示例性的，可参见如下表2。
预警条件 预警标准
同项目投诉该问题的超过三户及以上 3
同项目同分期投诉该问题的超过三户及以上 3
同项目同分期同楼栋投诉该问题的超过三户及以上 3
同项目同类问题投诉大于或等于10人/月 10
同房产同类问题投诉大于3次 3
投诉问题超过30天待派单/待回复/待实施 1
表2
以上步骤一至四是对于结构化数据的风险预警方法，所谓结构化数据是指，每条投诉工单都可以包含区域、公司、项目、分期、楼栋、房源等投诉来源信息。比如，北京区域-太原公司-太原小镇-太原小镇一期5#-3单元-16楼层-1602室。
对于一些非结构化的数据来源，比如邮箱、投诉论坛等的投诉数据可能是一段文本，这是需要对这些非结构化的数据进行处理得到结构化的数据之后再进行分析处理。具体可以是实体检测与机器学习分类算法相结合进行非结构化数据分类，实现特征自动提取，问题自动分类。参见图4，具体为：
第一、设立实体检测算法，通过问题内容中包含的项目等信息，将相关信息拆解为对应的子句，再通过分词算法，进一步确定问题所属项目；
第二、将除项目信息外的其他子句，根据不同特征进行特征提取，分词；
第三、通过分类模型对数据进行分类标注得到问题的分类结果，再根据结果将已识别的问题作为AML模型的训练材料，进行重新回归训练，提高准确性。
第四、将分类及未分类的的数据进行整合提取，经过人为完善后，进入系统库；
其中，上述实施例中语义特征向量提取部分所使用的自然语言处理模型包括但不限于BERT模型；文本特征向量提取部分所使用的信息检索方式包括但不限于TFDIF方法；语义相似性度量方式包括但不限于余弦相似性。
本发明提出的方案能够自动识别报事报修所关联的项目并能提供准确的问题分类结果。通过AI算法，自动识别并进行风险预警，机器24小时不间断执行监测工作，相比人工方式能够及时的发现问题。可做到客户反馈后30-40分钟预警。
基于同一构思，本申请实施例中提供了一种投诉预警装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图5所示，该装置主要包括：
获取模块501，用于获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源；
确定模块502，用于确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息；
关联模块503，用于将所述目标投诉工单与每个所述目标预警信息进行关联；
统计模块504，用于基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量；
预警模块505，用于在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。
基于同一构思，本申请实施例中还提供了一种电子设备，如图6所示，该电子设备主要包括：处理器601、存储器602和通信总线603，其中，处理器601和存储器602通过通信总线603完成相互间的通信。其中，存储器602中存储有可被处理器601执行的程序，处理器601执行存储器602中存储的程序，实现如下步骤：
获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源；
确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息；
将所述目标投诉工单与每个所述目标预警信息进行关联；
基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量；
在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。
上述电子设备中提到的通信总线603可以时外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线603可以分为地址总线、数据总线、控制总线等。为便于表示，图6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。
存储器602可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器601的存储装置。
上述的处理器601可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称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。
在本申请的又一实施例中，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计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的投诉预警方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种投诉预警方法，其特征在于，包括：
获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源；
确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息；
将所述目标投诉工单与每个所述目标预警信息进行关联；
基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量；
在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。
2.根据权利要求1所述的投诉预警方法，其特征在于，确定所述投诉内容对应的目标预警信息集合，包括：
将所述投诉内容拆分为至少一个子句；
对每个所述子句执行以下步骤：确定所述子句与预设风险标签集合中每个预设风险标签的置信度；确定所述置信度大于预设阈值的所述预设风险标签为目标风险标签；确定所述目标风险标签对应的目标预警信息；
确定每个所述子句对应的所述目标预警信息的集合为所述目标预警信息集合。
3.根据权利要求2所述的投诉预警方法，其特征在于，所述确定所述目标风险标签对应的目标预警信息，包括：
获取风险标签与预警信息的对应关系集合；
从所述对应关系集合中，确定所述目标风险标签对应的目标预警信息。
4.根据权利要求1所述的投诉预警方法，其特征在于，所述基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量，包括：
确定每个目标预警信息对应的目标投诉工单的所述投诉来源；
统计所述投诉来源的数量；
确定所述投诉来源的数量为所述投诉数量。
5.根据权利要求1所述的投诉预警方法，其特征在于，所述获取目标投诉工单，包括：
获取第一投诉工单，所述第一投诉工单中包括初始投诉内容；
确定所述初始投诉内容中的投诉项目数据和非投诉项目数据；
根据所述投诉项目数据确定所述第一投诉工单中包括的投诉项目信息；
根据所述非投诉项目数据确定所述第一投诉工单的投诉来源；
将所述投诉来源和所述投诉项目信息作为所述目标投诉工单。
6.根据权利要求1所述的投诉预警方法，其特征在于，所述获取目标投诉工单，包括：
获取第二投诉工单；
过滤不包括预设关键词的所述第二投诉工单，得到所述目标投诉工单，所述预设关键词为与投诉项目相关的词。
7.根据权利要求1所述的投诉预警方法，其特征在于，所述在所述投诉数量满足预警条件时，发起所述目标预警信息的预警之后，还包括：
在获取到所述目标预警信息的风险解除信息后，将与所述目标预警信息关联的所述目标投诉工单进行解绑。
8.一种投诉预警装置，其特征在于，包括：
获取模块，用于获取目标投诉工单，所述目标投诉工单中包括投诉内容和投诉来源；
确定模块，用于确定所述投诉内容对应的目标预警信息集合，所述目标预警信息集合中包括至少一个目标预警信息；
关联模块，用于将所述目标投诉工单与每个所述目标预警信息进行关联；
统计模块，用于基于所述投诉来源，统计每个所述目标预警信息对应的目标投诉工单的数量，得到投诉数量；
预警模块，用于在所述投诉数量满足预警条件时，发起所述目标预警信息的预警。
9.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1-7任一项所述的投诉预警方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的投诉预警方法。
CN202210152106.8A 2022-02-18 2022-02-18 投诉预警方法、装置、电子设备和存储介质 Pending CN114548741A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210152106.8A CN114548741A (zh) 2022-02-18 2022-02-18 投诉预警方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210152106.8A CN114548741A (zh) 2022-02-18 2022-02-18 投诉预警方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114548741A true CN114548741A (zh) 2022-05-27

Family

ID=81675443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210152106.8A Pending CN114548741A (zh) 2022-02-18 2022-02-18 投诉预警方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114548741A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114996432A (zh) * 2022-08-08 2022-09-02 广东电网有限责任公司佛山供电局 重复诉求的识别方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114996432A (zh) * 2022-08-08 2022-09-02 广东电网有限责任公司佛山供电局 重复诉求的识别方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN108366045B (zh) 一种风控评分卡的设置方法和装置
CN112507116B (zh) 基于客户应答语料的客户画像方法及其相关设备
CN104216964B (zh) 一种面向微博的非分词突发话题检测方法
CN108021651A (zh) 一种网络舆情风险评估方法及装置
CN107862058B (zh) 用于生成信息的方法和装置
TWI705411B (zh) 社交業務特徵用戶的識別方法和裝置
CN113111825B (zh) 施工监控方法和装置、电子设备和存储介质
CN116881430B (zh) 一种产业链识别方法、装置、电子设备及可读存储介质
CN110895568A (zh) 处理庭审记录的方法和系统
TWI518532B (zh) 文件分析系統、文件分析方法、以及文件分析程式
CN115941322A (zh) 基于人工智能的攻击检测方法、装置、设备及存储介质
CN114548741A (zh) 投诉预警方法、装置、电子设备和存储介质
CN112949963A (zh) 员工服务质量的评估方法、装置、存储介质和智能设备
TW201640383A (zh) 網路事件自動蒐集分析方法及系統
TWI518631B (zh) File classification survey system, document classification survey method and file classification survey program
CN111542815A (zh) 用于挖掘文本文档以识别开创性问题和开创性案件的系统、方法和计算机程序产品
CN117974152A (zh) 客户投诉数据分析方法、装置、存储介质及电子设备
CN112947959A (zh) 一种ai服务平台的更新方法、装置、服务器及存储介质
CN112148837A (zh) 维修方案的获取方法、装置、设备及存储介质
CN110837732A (zh) 目标人物间亲密度识别方法、装置、电子设备及存储介质
CN116955445A (zh) 基于信息抽取的投诉事件数据挖掘分析方法及系统
CN116703515A (zh) 基于人工智能的推荐方法、装置、计算机设备及存储介质
CN112085566B (zh) 基于智能决策的产品推荐方法、装置及计算机设备
CN114706948A (zh) 新闻处理方法、装置、存储介质以及电子设备
CN112084408B (zh) 名单数据筛选方法、装置、计算机设备及存储介质

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