CN116361429A - 一种业务异常员工管理方法、系统、设备及存储介质 - Google Patents
一种业务异常员工管理方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116361429A CN116361429A CN202310082746.0A CN202310082746A CN116361429A CN 116361429 A CN116361429 A CN 116361429A CN 202310082746 A CN202310082746 A CN 202310082746A CN 116361429 A CN116361429 A CN 116361429A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- parameter
- anomaly
- business
- preset
- 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
- 238000007726 management method Methods 0.000 title claims description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 227
- 238000004458 analytical method Methods 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims description 66
- 238000004364 calculation method Methods 0.000 claims description 32
- 230000005856 abnormality Effects 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F16/338—Presentation of query results
-
- 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
- G06F16/34—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例公开了一种业务异常员工管理方法、系统、设备及存储介质,首先从数据库中获取客服人员的业务语音数据;再根据业务语音数据,计算得到客服人员的各个业务参数;利用各个业务参数计算得到各个业务参数对应的业务异常值;然后根据业务异常值进行第一异常分析处理,得到最大异常参数类型;对最大异常参数类型对应的影响因子进行第二异常分析处理,根据第二异常分析结果得到异常影响因子;根据异常影响因子,对业务语音数据进行关键词提取,利用提取出的业务关键词从预设业务语料库中匹配得到推荐话术,并将推荐话术发送至客服人员。本发明实施例有效提高了业务数据异常分析的效率以及对于异常客服人员的话术推荐准确性。
Description
技术领域
本发明实施例涉及数据分析领域,具体涉及一种业务异常员工管理方法、系统、设备及存储介质。
背景技术
呼叫中心的客服人员众多,客服人员的业务语音数据量庞大,需要对业务数据进行分析,找出业绩下滑或工作过程违规的客服人员,由管理人员对异常客服人员进行有针对性的高效沟通和业务推荐,从而提高异常客服人员的工作效率和能力。
现有的业务异常员工管理技术在数据分析阶段主要通过人工对数据进行直观地观察平均值,来找出工作能力欠缺、业绩下滑或工作方法不合规的客服人员,在此过程中异常分析的效率较低;在话术推荐阶段则主要依赖管理人员的历史经验与异常客服员工进行话术沟通,无法根据异常客服员工的具体异常情况,准确地为客服人员提供相关业务的推荐话术。
发明内容
为此,本发明实施例提供一种业务异常员工管理方法、系统、设备及存储介质,以解决现有的业务异常员工管理技术异常分析效率低、推荐话术准确性差的问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面,提供了一种业务异常员工管理方法,所述方法包括:
从数据库中获取客服人员的业务语音数据;
针对各个所述客服人员,根据所述业务语音数据,计算得到所述客服人员的各个业务参数;
利用各个所述业务参数进行业务异常运算处理,计算得到各个所述业务参数对应的业务异常值;
根据所述业务异常值进行第一异常分析处理,得到第一异常分析结果,利用所述第一异常分析结果从各个所述业务参数中得到最大异常参数类型;
基于所述最大异常参数类型,对所述最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据所述第二异常分析结果从所述影响因子中得到异常影响因子;
根据所述异常影响因子,对所述业务语音数据进行关键词提取,得到业务关键词;
利用提取出的所述业务关键词从预设业务语料库中匹配得到推荐话术,并将所述推荐话术发送至对应的所述客服人员。
进一步地,针对各个所述客服人员,根据所述业务语音数据,计算得到所述客服人员的各个业务参数,包括:
针对各个所述客服人员,根据所述客服人员对应的业务语音数据,按照预设周期统计得到影响因子,所述影响因子包括通话时长、工作时长、休息时长、通话类型、排班时长、应答量和答后处理时长;
利用所述影响因子,分别计算得到所述客服人员在每个预设周期内的各个业务参数,所述业务参数包括应答量参数x、签入率参数y、接听率参数m和平均时长参数n。
进一步地,利用各个所述业务参数进行业务异常运算处理,计算得到各个所述业务参数对应的业务异常值,包括:
利用预设时间段内的所有所述预设周期内的各个业务参数,计算得到所述客服人员的业务异常值df,所述业务异常值df的计算公式为:
其中,Δx表示应答量参数x的异常值;Δy表示签入率参数y的异常值;Δm表示接听率参数m的异常值;Δn表示平均时长参数n的异常值;表示所述预设时间段内所有所述预设周期的应答量参数x的平均值;/>表示所述预设时间段内所有所述预设周期的应答量参数x的众值;i为大于零的正整数;xi表示所述预设时间段内第i个预设周期的应答量参数;表示所述预设时间段内第/>个预设周期的应答量参数。
进一步地,根据所述业务异常值进行第一异常分析处理,得到第一异常分析结果,利用所述第一异常分析结果从各个所述业务参数中得到最大异常参数类型,包括:
利用所述业务异常值df,计算得到业务异常比值dc,所述业务异常比值dc的计算公式为:
其中,x′为应答量异常比值;y′为签入率异常比值;m′为接听率异常比值;n′为平均时长异常比值;
判断所述应答量异常比值x′是否大于或等于预设比例阈值;
若所述应答量异常比值x′大于或等于预设比例阈值,则将所述应答量异常比值x′对应的应答量参数作为异常参数类型;
若所述应答量异常比值x′小于预设比例阈值,则不将所述应答量异常比值x′对应的应答量参数作为异常参数类型;
判断所述签入率异常比值y′是否大于或等于预设比例阈值;
若所述签入率异常比值y′大于或等于预设比例阈值,则将所述签入率异常比值y′对应的签入率参数作为异常参数类型;
若所述签入率异常比值y′小于预设比例阈值,则不将所述签入率异常比值y′对应的签入率参数作为异常参数类型;
判断所述接听率异常比值m′是否大于或等于预设比例阈值;
若所述接听率异常比值m′大于或等于预设比例阈值,则将所述接听率异常比值m′对应的接听率参数作为异常参数类型;
若所述接听率异常比值m′小于预设比例阈值,则不将所述接听率异常比值m′对应的接听率参数作为异常参数类型;
判断所述平均时长异常比值n′是否大于或等于预设比例阈值;
若所述平均时长异常比值n′大于或等于预设比例阈值,则将所述平均时长异常比值n′对应的平均时长参数作为异常参数类型;
若所述平均时长异常比值n′小于预设比例阈值,则不将所述平均时长异常比值n′对应的平均时长参数作为异常参数类型;
判断是否存在所述异常参数类型;
若不存在所述异常参数类型,则所述客服人员在预设时间段内的业务数据无异常情况;
若存在所述异常参数类型,则根据各个所述异常参数类型对应的异常比值,将异常比值最大的异常参数类型作为最大异常参数类型。
进一步地,基于所述最大异常参数类型,对所述最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据所述第二异常分析结果从所述影响因子中得到异常影响因子,包括:
根据所述最大异常参数类型对应的各个影响因子,分别计算得到各个影响因子对应的影响参数DX,所述影响参数DX的计算公式为:
其中,k为大于零的正整数;pk表示所述最大异常参数类型对应的第k个影响因子;EXk表示所述最大异常参数类型对应的第k个影响因子的均值;q表示所述最大异常参数类型对应的影响因子个数;
根据各个所述影响参数DX,将影响参数DX最大的影响因子作为异常影响因子。
进一步地,根据所述异常影响因子,对所述业务语音数据进行关键词提取,得到业务关键词,包括:
针对每个所述影响因子,预先设置对应的预设控制参数;
根据所述预设控制参数,生成预设参数库;
利用所述异常影响因子,从所述预设参数库中匹配得到对应的预设控制参数;
根据所述预设控制参数,对所述客服人员的所述业务语音数据进行截取,得到截取后的目标语音文件;
利用所述目标语音文件进行分词处理,得到分词后的目标语音文件;
对所述分词后的目标语音文件进行关键词提取处理,得到业务关键词。
进一步地,利用提取出的所述业务关键词从预设业务语料库中匹配得到推荐话术,并将所述推荐话术发送至对应的所述客服人员,包括:
利用所述业务关键词与预设业务语料库中的业务描述句进行相似度计算,得到相似度计算结果;
判断所述相似度计算结果是否大于或等于预设相似度阈值;
若所述相似度计算结果大于或等于所述预设相似度阈值,则将所述业务描述句作为推荐话术;
若所述相似度计算结果小于所述预设相似度阈值,则不将所述业务描述句作为推荐话术;
将所述推荐话术发送至对应的所述客服人员。
根据本发明实施例的第二方面,提供了一种业务异常员工管理系统,所述系统包括:
数据获取模块,用于从数据库中获取客服人员的业务语音数据;
业务参数运算模块,用于针对各个所述客服人员,根据所述业务语音数据,计算得到所述客服人员的各个业务参数;
业务异常运算模块,用于利用各个所述业务参数进行业务异常运算处理,计算得到各个所述业务参数对应的业务异常值;
第一异常分析模块,用于根据所述业务异常值进行第一异常分析处理,得到第一异常分析结果,利用所述第一异常分析结果从各个所述业务参数中得到最大异常参数类型;
第二异常分析模块,用于基于所述最大异常参数类型,对所述最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据所述第二异常分析结果从所述影响因子中得到异常影响因子;
关键词提取模块,用于根据所述异常影响因子,对所述业务语音数据进行关键词提取,得到业务关键词;
话术推荐模块,用于利用提取出的所述业务关键词从预设业务语料库中匹配得到推荐话术,并将所述推荐话术发送至对应的所述客服人员。
进一步地,针对各个所述客服人员,根据所述业务语音数据,计算得到所述客服人员的各个业务参数,包括:
针对各个所述客服人员,根据所述客服人员对应的业务语音数据,按照预设周期统计得到影响因子,所述影响因子包括通话时长、工作时长、休息时长、通话类型、排班时长、应答量和答后处理时长;
利用所述影响因子,分别计算得到所述客服人员在每个预设周期内的各个业务参数,所述业务参数包括应答量参数x、签入率参数y、接听率参数m和平均时长参数n。
进一步地,利用各个所述业务参数进行业务异常运算处理,计算得到各个所述业务参数对应的业务异常值,包括:
利用预设时间段内的所有所述预设周期内的各个业务参数,计算得到所述客服人员的业务异常值df,所述业务异常值df的计算公式为:
其中,Δx表示应答量参数x的异常值;Δy表示签入率参数y的异常值;Δm表示接听率参数m的异常值;Δn表示平均时长参数n的异常值;表示所述预设时间段内所有所述预设周期的应答量参数x的平均值;/>表示所述预设时间段内所有所述预设周期的应答量参数x的众值;i为大于零的正整数;xi表示所述预设时间段内第i个预设周期的应答量参数;表示所述预设时间段内算/>个预设周期的应答量参数。
进一步地,根据所述业务异常值进行第一异常分析处理,得到第一异常分析结果,利用所述第一异常分析结果从各个所述业务参数中得到最大异常参数类型,包括:
利用所述业务异常值df,计算得到业务异常比值dc,所述业务异常比值dc的计算公式为:
其中,x′为应答量异常比值;y′为签入率异常比值;m′为接听率异常比值;n′为平均时长异常比值;
判断所述应答量异常比值x′是否大于或等于预设比例阈值;
若所述应答量异常比值x′大于或等于预设比例阈值,则将所述应答量异常比值x′对应的应答量参数作为异常参数类型;
若所述应答量异常比值x′小于预设比例阈值,则不将所述应答量异常比值x′对应的应答量参数作为异常参数类型;
判断所述签入率异常比值y′是否大于或等于预设比例阈值;
若所述签入率异常比值y′大于或等于预设比例阈值,则将所述签入率异常比值y′对应的签入率参数作为异常参数类型;
若所述签入率异常比值y′小于预设比例阈值,则不将所述签入率异常比值y′对应的签入率参数作为异常参数类型;
判断所述接听率异常比值m′是否大于或等于预设比例阈值;
若所述接听率异常比值m′大于或等于预设比例阈值,则将所述接听率异常比值m′对应的接听率参数作为异常参数类型;
若所述接听率异常比值m′小于预设比例阈值,则不将所述接听率异常比值m′对应的接听率参数作为异常参数类型;
判断所述平均时长异常比值n′是否大于或等于预设比例阈值;
若所述平均时长异常比值n′大于或等于预设比例阈值,则将所述平均时长异常比值n′对应的平均时长参数作为异常参数类型;
若所述平均时长异常比值n′小于预设比例阈值,则不将所述平均时长异常比值n′对应的平均时长参数作为异常参数类型;
判断是否存在所述异常参数类型;
若不存在所述异常参数类型,则所述客服人员在预设时间段内的业务数据无异常情况;
若存在所述异常参数类型,则根据各个所述异常参数类型对应的异常比值,将异常比值最大的异常参数类型作为最大异常参数类型。
进一步地,基于所述最大异常参数类型,对所述最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据所述第二异常分析结果从所述影响因子中得到异常影响因子,包括:
根据所述最大异常参数类型对应的各个影响因子,分别计算得到各个影响因子对应的影响参数DX,所述影响参数DX的计算公式为:
其中,k为大于零的正整数;pk表示所述最大异常参数类型对应的第k个影响因子;EXk表示所述最大异常参数类型对应的第k个影响因子的均值;q表示所述最大异常参数类型对应的影响因子个数;
根据各个所述影响参数DX,将影响参数DX最大的影响因子作为异常影响因子。
进一步地,根据所述异常影响因子,对所述业务语音数据进行关键词提取,得到业务关键词,包括:
针对每个所述影响因子,预先设置对应的预设控制参数;
根据所述预设控制参数,生成预设参数库;
利用所述异常影响因子,从所述预设参数库中匹配得到对应的预设控制参数;
根据所述预设控制参数,对所述客服人员的所述业务语音数据进行截取,得到截取后的目标语音文件;
利用所述目标语音文件进行分词处理,得到分词后的目标语音文件;
对所述分词后的目标语音文件进行关键词提取处理,得到业务关键词。
进一步地,利用提取出的所述业务关键词从预设业务语料库中匹配得到推荐话术,并将所述推荐话术发送至对应的所述客服人员,包括:
利用所述业务关键词与预设业务语料库中的业务描述句进行相似度计算,得到相似度计算结果;
判断所述相似度计算结果是否大于或等于预设相似度阈值;
若所述相似度计算结果大于或等于所述预设相似度阈值,则将所述业务描述句作为推荐话术;
若所述相似度计算结果小于所述预设相似度阈值,则不将所述业务描述句作为推荐话术;
将所述推荐话术发送至对应的所述客服人员。
根据本发明实施例的第三方面,提供了一种业务异常员工管理设备,所述设备包括:处理器和存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如上任一项所述的一种业务异常员工管理方法的步骤。
根据本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的一种业务异常员工管理方法的步骤。
本发明实施例具有如下优点:
本发明实施例公开了一种业务异常员工管理方法、系统、设备及存储介质,首先从数据库中获取客服人员的业务语音数据;再根据业务语音数据,计算得到客服人员的各个业务参数;利用各个业务参数计算得到各个业务参数对应的业务异常值;然后根据业务异常值进行第一异常分析处理,得到最大异常参数类型;对最大异常参数类型对应的影响因子进行第二异常分析处理,根据第二异常分析结果得到异常影响因子;根据异常影响因子,对业务语音数据进行关键词提取,利用提取出的业务关键词从预设业务语料库中匹配得到推荐话术,并将推荐话术发送至客服人员。本发明实施例有效提高了业务数据异常分析的效率以及对于异常客服人员的话术推荐准确性。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例提供的一种业务异常员工管理系统的逻辑结构示意图;
图2为本发明实施例提供的一种业务异常员工管理方法的流程示意图;
图3为本发明实施例提供的业务数据异常分析的流程示意图;
图4为本发明实施例提供的异常客服人员话术推荐的流程示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参考图1,本发明实施例提供了一种业务异常员工管理系统,其具体包括:数据获取模块1、业务参数运算模块2、业务异常运算模块3、第一异常分析模块4、第二异常分析模块5、关键词提取模块6和话术推荐模块7。
进一步地,数据获取模块1,用于从数据库中获取客服人员的业务语音数据;业务参数运算模块2,用于针对各个客服人员,根据业务语音数据,计算得到客服人员的各个业务参数;业务异常运算模块3,用于利用各个业务参数进行业务异常运算处理,计算得到各个业务参数对应的业务异常值;第一异常分析模块4,用于根据业务异常值进行第一异常分析处理,得到第一异常分析结果,利用第一异常分析结果从各个业务参数中得到最大异常参数类型;第二异常分析模块5,用于基于最大异常参数类型,对最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据第二异常分析结果从影响因子中得到异常影响因子;关键词提取模块6,用于根据异常影响因子,对业务语音数据进行关键词提取,得到业务关键词;话术推荐模块7,用于利用提取出的业务关键词从预设业务语料库中匹配得到推荐话术,并将推荐话术发送至对应的客服人员。
本发明实施例公开了一种业务异常员工管理系统,首先从数据库中获取客服人员的业务语音数据;再根据业务语音数据,计算得到客服人员的各个业务参数;利用各个业务参数计算得到各个业务参数对应的业务异常值;然后根据业务异常值进行第一异常分析处理,得到最大异常参数类型;对最大异常参数类型对应的影响因子进行第二异常分析处理,根据第二异常分析结果得到异常影响因子;根据异常影响因子,对业务语音数据进行关键词提取,利用提取出的业务关键词从预设业务语料库中匹配得到推荐话术,并将推荐话术发送至客服人员。本发明实施例有效提高了业务数据异常分析的效率以及对于异常客服人员的话术推荐准确性。
与上述公开的一种业务异常员工管理系统相对应,本发明实施例还公开了一种业务异常员工管理方法。以下结合上述描述的一种业务异常员工管理系统详细介绍本发明实施例中公开的一种业务异常员工管理方法。
参考图2,以下对本发明实施例提供的一种业务异常员工管理方法的具体步骤进行描述。
由数据获取模块1从数据库中获取客服人员的业务语音数据。
上述步骤具体包括:有数据库收集并存储客服人员的业务语音数据,从上述数据库中获取各个客服人员在预设时间段内的业务语音数据。
由业务参数运算模块2针对各个客服人员,根据业务语音数据,计算得到客服人员的各个业务参数。
参考图3,上述步骤具体包括:针对各个客服人员,根据该客服人员对应的业务语音数据,按照预设周期统计得到各个预设周期的影响因子,上述影响因子包括通话时长、工作时长、休息时长、通话类型、排班时长、应答量和答后处理时长;分别利用不同的影响因子,分别计算得到上述客服人员在每个预设周期内的各个业务参数,上述业务参数包括应答量参数x、签入率参数y、接听率参数m和平均时长参数n,其中,应答量参数x由通话时长、工作时长、休息时长、通话类型计算得到,签入率参数y由工作时长、排班时长、休息时长和通话类型计算得到,接听率参数m由通话时长、应答量和答后处理时长计算得到,平均时长参数n由答后处理时长和应答量计算得到。
由业务异常运算模块3利用各个业务参数进行业务异常运算处理,计算得到各个业务参数对应的业务异常值。
参考图3,上述步骤具体包括:利用预设时间段内的所有预设周期内的各个业务参数,计算得到客服人员的业务异常值df,上述业务异常值df的计算公式为:
其中,Δx表示应答量参数x的异常值;Δy表示签入率参数y的异常值;Δm表示接听率参数m的异常值;Δn表示平均时长参数n的异常值;表示预设时间段内所有预设周期的应答量参数x的平均值;/>表示预设时间段内所有预设周期的应答量参数x的众值;i为大于零的正整数;xi表示预设时间段内第i个预设周期的应答量参数;/>表示预设时间段内第/>个预设周期的应答量参数;/>表示预设时间段内所有预设周期的签入率参数y的平均值;/>表示预设时间段内所有预设周期的签入率参数y的众值;yi表示预设时间段内第i个预设周期的签入率参数;/>表示预设时间段内第/>个预设周期的签入率参数;/>表示预设时间段内所有预设周期的接听率参数m的平均值;/>表示预设时间段内所有预设周期的接听率参数m的众值;mi表示预设时间段内第i个预设周期的接听率参数;/>表示预设时间段内第/>个预设周期的接听率参数;/>表示预设时间段内所有预设周期的平均时长参数n的平均值;/>表示预设时间段内所有预设周期的平均时长参数n的众值;ni表示预设时间段内第i个预设周期的平均时长参数;/>表示预设时间段内第/>个预设周期的平均时长参数。
由第一异常分析模块4根据业务异常值进行第一异常分析处理,得到第一异常分析结果,利用第一异常分析结果从各个业务参数中得到最大异常参数类型。
参考图3,上述步骤具体包括:利用业务异常值df,计算得到业务异常比值dc,上述业务异常比值dc的计算公式为:
其中,x′为应答量异常比值;y′为签入率异常比值;m′为接听率异常比值;n′为平均时长异常比值;
判断应答量异常比值x′是否大于或等于预设比例阈值;若应答量异常比值x′大于或等于预设比例阈值,则将应答量异常比值x′对应的应答量参数作为异常参数类型;若应答量异常比值x′小于预设比例阈值,则不将应答量异常比值x′对应的应答量参数作为异常参数类型;判断签入率异常比值y′是否大于或等于预设比例阈值;若签入率异常比值y′大于或等于预设比例阈值,则将签入率异常比值y′对应的签入率参数作为异常参数类型;若签入率异常比值y′小于预设比例阈值,则不将签入率异常比值y′对应的签入率参数作为异常参数类型;判断接听率异常比值m′是否大于或等于预设比例阈值;若接听率异常比值m′大于或等于预设比例阈值,则将接听率异常比值m′对应的接听率参数作为异常参数类型;若接听率异常比值m′小于预设比例阈值,则不将接听率异常比值m′对应的接听率参数作为异常参数类型;判断平均时长异常比值n′是否大于或等于预设比例阈值;若平均时长异常比值n′大于或等于预设比例阈值,则将平均时长异常比值n′对应的平均时长参数作为异常参数类型;若平均时长异常比值n′小于预设比例阈值,则不将平均时长异常比值n′对应的平均时长参数作为异常参数类型;然后判断是否存在异常参数类型;若不存在异常参数类型,则该客服人员在预设时间段内的业务数据无异常情况;若存在异常参数类型,则根据各个异常参数类型对应的异常比值,将异常比值最大的异常参数类型作为最大异常参数类型。
由第二异常分析模块5基于最大异常参数类型,对最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据第二异常分析结果从影响因子中得到异常影响因子。
参考图3,上述步骤具体包括:首先根据上述最大异常参数类型对应的各个影响因子,分别计算得到各个影响因子对应的影响参数DX,上述影响参数DX的计算公式为:
其中,k为大于零的正整数;pk表示最大异常参数类型对应的第k个影响因子;EXk表示最大异常参数类型对应的第k个影响因子的均值;q表示最大异常参数类型对应的影响因子个数;
再根据各个影响参数DX,将影响参数DX最大的影响因子作为异常影响因子。
由关键词提取模块6根据异常影响因子,对业务语音数据进行关键词提取,得到业务关键词。
参考图4,上述步骤具体包括:针对每个影响因子,预先设置对应的预设控制参数;根据预设控制参数,生成预设参数库;再利用异常影响因子,从预设参数库中匹配得到对应的预设控制参数;根据预设控制参数,对客服人员的业务语音数据进行截取,得到截取后的目标语音文件;利用分词工具对目标语音文件进行分词处理,得到分词后的目标语音文件;再基于词频,对分词后的目标语音文件进行关键词提取处理,得到业务关键词。
由话术推荐模块7利用提取出的业务关键词从预设业务语料库中匹配得到推荐话术,并将推荐话术发送至对应的客服人员。
参考图4,上述步骤具体包括:首先利用业务关键词与预设业务语料库中的各个业务描述句进行相似度计算,得到相似度计算结果;再判断相似度计算结果是否大于或等于预设相似度阈值;若相似度计算结果大于或等于预设相似度阈值,则将该业务描述句作为推荐话术;若相似度计算结果小于预设相似度阈值,则不将业务描述句作为推荐话术;最后将推荐话术发送至对应的该客服人员。
本发明实施例公开了一种业务异常员工管理方法,首先从数据库中获取客服人员的业务语音数据;再根据业务语音数据,计算得到客服人员的各个业务参数;利用各个业务参数计算得到各个业务参数对应的业务异常值;然后根据业务异常值进行第一异常分析处理,得到最大异常参数类型;对最大异常参数类型对应的影响因子进行第二异常分析处理,根据第二异常分析结果得到异常影响因子;根据异常影响因子,对业务语音数据进行关键词提取,利用提取出的业务关键词从预设业务语料库中匹配得到推荐话术,并将推荐话术发送至客服人员。本发明实施例有效提高了业务数据异常分析的效率以及对于异常客服人员的话术推荐准确性。
另外,本发明实施例还提供了一种业务异常员工管理设备,所述设备包括:处理器和存储器;所述存储器用于存储一个或多个程序指令;所述处理器,用于运行一个或多个程序指令,用以执行如上任一项所述的一种业务异常员工管理方法的步骤。
另外,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述一种业务异常员工管理方法的步骤。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable 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。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种业务异常员工管理方法,其特征在于,所述方法包括:
从数据库中获取客服人员的业务语音数据;
针对各个所述客服人员,根据所述业务语音数据,计算得到所述客服人员的各个业务参数;
利用各个所述业务参数进行业务异常运算处理,计算得到各个所述业务参数对应的业务异常值;
根据所述业务异常值进行第一异常分析处理,得到第一异常分析结果,利用所述第一异常分析结果从各个所述业务参数中得到最大异常参数类型;
基于所述最大异常参数类型,对所述最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据所述第二异常分析结果从所述影响因子中得到异常影响因子;
根据所述异常影响因子,对所述业务语音数据进行关键词提取,得到业务关键词;
利用提取出的所述业务关键词从预设业务语料库中匹配得到推荐话术,并将所述推荐话术发送至对应的所述客服人员。
2.如权利要求1所述的一种业务异常员工管理方法,针对各个所述客服人员,根据所述业务语音数据,计算得到所述客服人员的各个业务参数,包括:
针对各个所述客服人员,根据所述客服人员对应的业务语音数据,按照预设周期统计得到影响因子,所述影响因子包括通话时长、工作时长、休息时长、通话类型、排班时长、应答量和答后处理时长;
利用所述影响因子,分别计算得到所述客服人员在每个预设周期内的各个业务参数,所述业务参数包括应答量参数x、签入率参数y、接听率参数m和平均时长参数n。
3.如权利要求2所述的一种业务异常员工管理方法,其特征在于,利用各个所述业务参数进行业务异常运算处理,计算得到各个所述业务参数对应的业务异常值,包括:
利用预设时间段内的所有所述预设周期内的各个业务参数,计算得到所述客服人员的业务异常值df,所述业务异常值df的计算公式为:
4.如权利要求3所述的一种业务异常员工管理方法,其特征在于,根据所述业务异常值进行第一异常分析处理,得到第一异常分析结果,利用所述第一异常分析结果从各个所述业务参数中得到最大异常参数类型,包括:
利用所述业务异常值df,计算得到业务异常比值dc,所述业务异常比值dc的计算公式为:
其中,x′为应答量异常比值;y′为签入率异常比值;m′为接听率异常比值;n′为平均时长异常比值;
判断所述应答量异常比值x′是否大于或等于预设比例阈值;
若所述应答量异常比值x′大于或等于预设比例阈值,则将所述应答量异常比值x′对应的应答量参数作为异常参数类型;
若所述应答量异常比值x′小于预设比例阈值,则不将所述应答量异常比值x′对应的应答量参数作为异常参数类型;
判断所述签入率异常比值y′是否大于或等于预设比例阈值;
若所述签入率异常比值y′大于或等于预设比例阈值,则将所述签入率异常比值y′对应的签入率参数作为异常参数类型;
若所述签入率异常比值y′小于预设比例阈值,则不将所述签入率异常比值y′对应的签入率参数作为异常参数类型;
判断所述接听率异常比值m′是否大于或等于预设比例阈值;
若所述接听率异常比值m′大于或等于预设比例阈值,则将所述接听率异常比值m′对应的接听率参数作为异常参数类型;
若所述接听率异常比值m′小于预设比例阈值,则不将所述接听率异常比值m′对应的接听率参数作为异常参数类型;
判断所述平均时长异常比值n′是否大于或等于预设比例阈值;
若所述平均时长异常比值n′大于或等于预设比例阈值,则将所述平均时长异常比值n′对应的平均时长参数作为异常参数类型;
若所述平均时长异常比值n′小于预设比例阈值,则不将所述平均时长异常比值n′对应的平均时长参数作为异常参数类型;
判断是否存在所述异常参数类型;
若不存在所述异常参数类型,则所述客服人员在预设时间段内的业务数据无异常情况;
若存在所述异常参数类型,则根据各个所述异常参数类型对应的异常比值,将异常比值最大的异常参数类型作为最大异常参数类型。
5.如权利要求4所述的一种业务异常员工管理方法,其特征在于,基于所述最大异常参数类型,对所述最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据所述第二异常分析结果从所述影响因子中得到异常影响因子,包括:
根据所述最大异常参数类型对应的各个影响因子,分别计算得到各个影响因子对应的影响参数DX,所述影响参数DX的计算公式为:
其中,k为大于零的正整数;pk表示所述最大异常参数类型对应的第k个影响因子;EXk表示所述最大异常参数类型对应的第k个影响因子的均值;q表示所述最大异常参数类型对应的影响因子个数;
根据各个所述影响参数DX,将影响参数DX最大的影响因子作为异常影响因子。
6.如权利要求5所述的一种业务异常员工管理方法,其特征在于,根据所述异常影响因子,对所述业务语音数据进行关键词提取,得到业务关键词,包括:
针对每个所述影响因子,预先设置对应的预设控制参数;
根据所述预设控制参数,生成预设参数库;
利用所述异常影响因子,从所述预设参数库中匹配得到对应的预设控制参数;
根据所述预设控制参数,对所述客服人员的所述业务语音数据进行截取,得到截取后的目标语音文件;
利用所述目标语音文件进行分词处理,得到分词后的目标语音文件;
对所述分词后的目标语音文件进行关键词提取处理,得到业务关键词。
7.如权利要求6所述的一种业务异常员工管理方法,其特征在于,利用提取出的所述业务关键词从预设业务语料库中匹配得到推荐话术,并将所述推荐话术发送至对应的所述客服人员,包括:
利用所述业务关键词与预设业务语料库中的业务描述句进行相似度计算,得到相似度计算结果;
判断所述相似度计算结果是否大于或等于预设相似度阈值;
若所述相似度计算结果大于或等于所述预设相似度阈值,则将所述业务描述句作为推荐话术;
若所述相似度计算结果小于所述预设相似度阈值,则不将所述业务描述句作为推荐话术;
将所述推荐话术发送至对应的所述客服人员。
8.一种业务异常员工管理系统,其特征在于,所述系统包括:
数据获取模块,用于从数据库中获取客服人员的业务语音数据;
业务参数运算模块,用于针对各个所述客服人员,根据所述业务语音数据,计算得到所述客服人员的各个业务参数;
业务异常运算模块,用于利用各个所述业务参数进行业务异常运算处理,计算得到各个所述业务参数对应的业务异常值;
第一异常分析模块,用于根据所述业务异常值进行第一异常分析处理,得到第一异常分析结果,利用所述第一异常分析结果从各个所述业务参数中得到最大异常参数类型;
第二异常分析模块,用于基于所述最大异常参数类型,对所述最大异常参数类型对应的影响因子进行第二异常分析处理,得到第二异常分析结果,根据所述第二异常分析结果从所述影响因子中得到异常影响因子;
关键词提取模块,用于根据所述异常影响因子,对所述业务语音数据进行关键词提取,得到业务关键词;
话术推荐模块,用于利用提取出的所述业务关键词从预设业务语料库中匹配得到推荐话术,并将所述推荐话术发送至对应的所述客服人员。
9.一种业务异常员工管理设备,其特征在于,所述设备包括:处理器和存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1至7任一项所述的一种业务异常员工管理方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种业务异常员工管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310082746.0A CN116361429B (zh) | 2023-01-19 | 2023-01-19 | 一种业务异常员工管理方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310082746.0A CN116361429B (zh) | 2023-01-19 | 2023-01-19 | 一种业务异常员工管理方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116361429A true CN116361429A (zh) | 2023-06-30 |
CN116361429B CN116361429B (zh) | 2024-02-02 |
Family
ID=86929504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310082746.0A Active CN116361429B (zh) | 2023-01-19 | 2023-01-19 | 一种业务异常员工管理方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116361429B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109213842A (zh) * | 2018-04-23 | 2019-01-15 | 中国移动通信集团有限公司 | 一种智能客服实现方法、装置及存储介质 |
CN109783325A (zh) * | 2018-12-14 | 2019-05-21 | 平安证券股份有限公司 | 业务监控方法、装置、设备及存储介质 |
CN111598485A (zh) * | 2020-05-28 | 2020-08-28 | 成都晓多科技有限公司 | 一种多维度智能质检方法、装置、终端设备及介质 |
CN111899140A (zh) * | 2020-08-07 | 2020-11-06 | 绍兴市寅川软件开发有限公司 | 基于话术水平提升的客服培训方法及系统 |
CN111933291A (zh) * | 2020-09-03 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 医疗信息推荐装置、方法、系统、设备及可读存储介质 |
CN112258016A (zh) * | 2020-10-19 | 2021-01-22 | 南京新贝金服科技有限公司 | 一种基于asr的客服智能质检分析方法 |
CN112804400A (zh) * | 2020-12-31 | 2021-05-14 | 中国工商银行股份有限公司 | 客服呼叫语音质检方法、装置、电子设备及存储介质 |
CN112995422A (zh) * | 2021-02-07 | 2021-06-18 | 成都薯片科技有限公司 | 通话管控方法、装置、电子设备及存储介质 |
US20220083898A1 (en) * | 2020-09-11 | 2022-03-17 | Optum Technology, Inc. | Anomalous text detection and entity identification using exploration-exploitation and pre-trained language models |
CN114220461A (zh) * | 2021-12-15 | 2022-03-22 | 中国平安人寿保险股份有限公司 | 客服话术的引导方法、装置、设备及存储介质 |
CN110460798B (zh) * | 2019-06-26 | 2022-10-11 | 平安科技(深圳)有限公司 | 视频访谈服务处理方法、装置、终端与存储介质 |
CN115270789A (zh) * | 2022-06-23 | 2022-11-01 | 深圳市声扬科技有限公司 | 异常语音数据检测方法、装置及相关设备 |
CN115509858A (zh) * | 2022-09-29 | 2022-12-23 | 广州品唯软件有限公司 | 业务系统监控方法、装置、存储介质及计算机设备 |
WO2022267174A1 (zh) * | 2021-06-22 | 2022-12-29 | 未鲲(上海)科技服务有限公司 | 话术文本生成方法、装置、计算机设备和存储介质 |
-
2023
- 2023-01-19 CN CN202310082746.0A patent/CN116361429B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109213842A (zh) * | 2018-04-23 | 2019-01-15 | 中国移动通信集团有限公司 | 一种智能客服实现方法、装置及存储介质 |
CN109783325A (zh) * | 2018-12-14 | 2019-05-21 | 平安证券股份有限公司 | 业务监控方法、装置、设备及存储介质 |
CN110460798B (zh) * | 2019-06-26 | 2022-10-11 | 平安科技(深圳)有限公司 | 视频访谈服务处理方法、装置、终端与存储介质 |
CN111598485A (zh) * | 2020-05-28 | 2020-08-28 | 成都晓多科技有限公司 | 一种多维度智能质检方法、装置、终端设备及介质 |
CN111899140A (zh) * | 2020-08-07 | 2020-11-06 | 绍兴市寅川软件开发有限公司 | 基于话术水平提升的客服培训方法及系统 |
CN111933291A (zh) * | 2020-09-03 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 医疗信息推荐装置、方法、系统、设备及可读存储介质 |
US20220083898A1 (en) * | 2020-09-11 | 2022-03-17 | Optum Technology, Inc. | Anomalous text detection and entity identification using exploration-exploitation and pre-trained language models |
CN112258016A (zh) * | 2020-10-19 | 2021-01-22 | 南京新贝金服科技有限公司 | 一种基于asr的客服智能质检分析方法 |
CN112804400A (zh) * | 2020-12-31 | 2021-05-14 | 中国工商银行股份有限公司 | 客服呼叫语音质检方法、装置、电子设备及存储介质 |
CN112995422A (zh) * | 2021-02-07 | 2021-06-18 | 成都薯片科技有限公司 | 通话管控方法、装置、电子设备及存储介质 |
WO2022267174A1 (zh) * | 2021-06-22 | 2022-12-29 | 未鲲(上海)科技服务有限公司 | 话术文本生成方法、装置、计算机设备和存储介质 |
CN114220461A (zh) * | 2021-12-15 | 2022-03-22 | 中国平安人寿保险股份有限公司 | 客服话术的引导方法、装置、设备及存储介质 |
CN115270789A (zh) * | 2022-06-23 | 2022-11-01 | 深圳市声扬科技有限公司 | 异常语音数据检测方法、装置及相关设备 |
CN115509858A (zh) * | 2022-09-29 | 2022-12-23 | 广州品唯软件有限公司 | 业务系统监控方法、装置、存储介质及计算机设备 |
Non-Patent Citations (1)
Title |
---|
张明;: "基于大数据智能化的客户服务异常行为分析", 电信工程技术与标准化, no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN116361429B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189367B (zh) | 一种数据处理方法、装置、服务器及存储介质 | |
CN109376273B (zh) | 企业信息图谱构建方法、装置、计算机设备及存储介质 | |
CN109710402A (zh) | 处理资源获取请求的方法、装置、计算机设备和存储介质 | |
CN111092999A (zh) | 一种数据请求处理方法和装置 | |
CN113051183A (zh) | 一种测试数据的推荐方法、系统、电子设备及存储介质 | |
CN112819611A (zh) | 欺诈识别方法、装置、电子设备和计算机可读存储介质 | |
CN116361429B (zh) | 一种业务异常员工管理方法、系统、设备及存储介质 | |
CN106776542B (zh) | 用户反馈信息的关键词处理方法、装置及服务器 | |
CN109033161B (zh) | 一种数据处理方法、服务器及计算机可读介质 | |
CN108768742B (zh) | 网络构建方法及装置、电子设备、存储介质 | |
CN110852893A (zh) | 基于海量数据的风险识别方法、系统、设备及存储介质 | |
CN115618415A (zh) | 敏感数据识别方法、装置、电子设备和存储介质 | |
CN115545753A (zh) | 一种基于贝叶斯算法的合作伙伴预测方法及相关设备 | |
CN115409345A (zh) | 业务指标计算方法、装置、计算机设备和存储介质 | |
CN115130577A (zh) | 一种欺诈号码识别方法、装置及电子设备 | |
CN114493903A (zh) | 人伤风险评估中估损模型优化方法及相关设备 | |
CN114090407A (zh) | 基于线性回归模型的接口性能预警方法及其相关设备 | |
CN112016308A (zh) | 语种识别方法 | |
CN112732937A (zh) | 基于知识图谱的隐藏关系获取方法、装置、设备和介质 | |
CN113705200B (zh) | 投诉行为数据的分析方法、装置、设备及存储介质 | |
CN111460268A (zh) | 数据库查询请求的确定方法、装置和计算机设备 | |
CN110378560A (zh) | 仲裁员数据筛选方法、装置、计算机设备和存储介质 | |
CN113612727B (zh) | 攻击ip识别方法、装置、设备和计算机可读存储介质 | |
CN109635286B (zh) | 政策热点分析的方法、装置、计算机设备和存储介质 | |
CN112182158A (zh) | 文档自动分类方法、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 |