CN116823279A - 申诉处理方法、装置、存储介质以及终端 - Google Patents
申诉处理方法、装置、存储介质以及终端 Download PDFInfo
- Publication number
- CN116823279A CN116823279A CN202310722401.7A CN202310722401A CN116823279A CN 116823279 A CN116823279 A CN 116823279A CN 202310722401 A CN202310722401 A CN 202310722401A CN 116823279 A CN116823279 A CN 116823279A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- client
- entities
- graph
- objection
- 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
- 238000012545 processing Methods 0.000 title claims description 42
- 238000003672 processing method Methods 0.000 title abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 74
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000010276 construction Methods 0.000 claims description 61
- 238000000605 extraction Methods 0.000 claims description 22
- 230000004927 fusion Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 7
- 238000001303 quality assessment method Methods 0.000 claims description 7
- 238000009412 basement excavation Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 14
- 238000011835 investigation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000012797 qualification Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 239000000969 carrier Substances 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Abstract
本说明书实施例公开了一种申诉处理方法、装置、存储介质以及终端,接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系;响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;知识子图包括知识图谱中至少两个目标实体以及各目标实体之间的目标关系。客户的知识图谱是基于与客户和目标事务相关的多源数据集成的,能够高效处理相关数据,当客户出现申诉请求时,用户也即审核人员可以直接基于客户的知识图谱处理客户申诉。
Description
技术领域
本说明书实施例涉及数据处理技术领域,尤其涉及一种申诉处理方法、装置、存储介质以及终端。
背景技术
通常用户的事务办理资格与事务平台中的用户个人信息高度相关,而用户对于平台认定的个人信息可能会存在异议,此时用户会向平台发起申诉,平台的审核人员通过分析用户的数据对异议请求进行审查处理,人工核对流程通常时滞性较长,无法在短时间内处理完成,可能影响用户的正常事务处理,导致用户满意度降低。因此需要能够快速高效集成多源数据的申诉处理方法,从而提高申诉处理的时效性,提高用户满意度。
发明内容
本说明书实施例提供一种申诉处理方法、装置、存储介质以及终端,可以解决相关技术中客户申诉处理时滞长、效率低的技术问题。
第一方面,本说明书实施例提供一种申诉处理方法,该方法包括:
接收客户针对目标事务的异议申诉请求,基于所述异议申诉请求调用所述客户对应的知识图谱,所述知识图谱包括所述客户在所述目标事务中关联的至少两个实体以及各实体之间的关系;
响应用户针对所述异议申诉请求发出的检索请求,根据所述知识图谱生成所述检索请求对应的所述客户的知识子图,使得所述用户基于所述知识子图处理所述异议申诉请求;
所述知识子图包括所述知识图谱中至少两个目标实体以及各目标实体之间的目标关系。
第二方面,本说明书实施例提供一种申诉处理装置,该装置包括:
图谱获取模块,用于接收客户针对目标事务的异议申诉请求,基于所述异议申诉请求调用所述客户对应的知识图谱,所述知识图谱包括所述客户在所述目标事务中关联的至少两个实体以及各实体之间的关系;
异议处理模块,用于响应用户针对所述异议申诉请求发出的检索请求,根据所述知识图谱生成所述检索请求对应的所述客户的知识子图,使得所述用户基于所述知识子图处理所述异议申诉请求;
所述知识子图包括所述知识图谱中至少两个目标实体以及各目标实体之间的目标关系。
第三方面,本说明书实施例提供一种包含指令的计算机程序产品,当所述计算机程序产品在计算机或处理器上运行时,使得所述计算机或所述处理器执行上述的方法的步骤。
第四方面,本说明书实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法的步骤。
第五方面,本说明书实施例提供一种终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序适于由处理器加载并执行上述的方法的步骤。
本说明书一些实施例提供的技术方案带来的有益效果至少包括:
本说明书实施例提供一种申诉处理方法,接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系;响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;知识子图包括知识图谱中至少两个目标实体以及各目标实体之间的目标关系。由于客户的知识图谱是基于与客户和目标事务相关的多源数据集成的,能够高效处理相关数据,提取海量信息中的有效数据以备用,当客户出现申诉请求时,用户也即审核人员可以直接基于客户的知识图谱处理客户申诉,提升异议申诉处理的时效性和效率,增强客户的满意度。
附图说明
为了更清楚地说明本说明书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,下面描述中的附图仅仅是本说明书的一些实施例,对于本领域技术人员来讲,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的附图。
图1为本说明书实施例提供的一种申诉处理方法的示例性系统架构图;
图2为本说明书实施例提供的一种申诉处理方法的流程示意图;
图3为本说明书实施例提供的一种申诉处理方法的操作流程图;
图4为本说明书实施例提供的一种申诉处理方法的流程示意图;
图5为本说明书实施例提供的一种知识图谱构建方法的架构示意图;
图6为本说明书实施例提供的一种知识图谱的示例图;
图7为本说明书实施例提供的一种申诉处理装置的结构框图;
图8为本说明书实施例提供的一种终端的结构示意图。
具体实施方式
为使得本说明书实施例的特征和优点能够更加的明显和易懂,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而非全部实施例。基于本说明书中的实施例,本领域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,都属于本说明书实施例保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书实施例相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本说明书实施例的一些方面相一致的装置和方法的例子。
随着移动互联网的发展,很多传统线下服务如今已经能够成熟的线上服务平台,为客户提供便捷、高效的服务,其中存在部分服务需要对客户的办理资格进行审核,例如信贷服务、金融服务、医疗服务等,当用户通过资格审核后,才对齐开放相关事务办理服务。在审核客户的办理资格时,为了减少客户的资格审核时间,通常一些机构、平台会在客户使用其他服务或进行相关操作时,就根据客户的行为数据、操作记录等,自动评估客户的相关事务办理资格,常见的有通过等级、分数进行表现的,当客户需要通过审核资格来获取服务时,可以直接通过客户的等级、分数等来确定当前客户的资格并提供相应服务。
然而采集的客户相关数据可能由于客户操作失误、身份冒用、不可抗力等多种因素,而与客户实际情况不符,那么评估客户时就不能保证完全准确,当客户发现这种情况时通常会提起异议申诉。为了不影响客户在其他的方面进行的面对客户的异议申诉,需要尽快处理,因此处理申诉是需要注意时效性问题,并且处理申诉时,需要再次对用户进行准确评估,因此还需要保证处理结果的正确性。通常这个过程由专门的审核人员完成,而人工核对的处理方式无法快速从大量数据中提取有效数据,在数据的提取效率上并不稳定,并且人工处理可能导致整个申诉处理流程具有较长时滞性,降低客户满意度。
因此本说明书实施例提供一种申诉处理方法,接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系;响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;知识子图包括知识图谱中至少两个目标实体以及各目标实体之间的目标关系,以解决上述客户申诉处理时滞长、效率低的技术问题。
请参阅图1,图1为本说明书实施例提供的一种申诉处理方法的示例性系统架构图。
如图1所示,系统架构可以包括终端101、网络102和服务器103。网络102用于在终端101和服务器103之间提供通信链路的介质。网络102可以包括各种类型的有线通信链路或无线通信链路,例如:有线通信链路包括光纤、双绞线或同轴电缆的,无线通信链路包括蓝牙通信链路、无线保真(Wireless-Fidelity,Wi-Fi)通信链路或微波通信链路等。
终端101可以通过网络102与服务器103交互,以接收来自服务器103的消息或向服务器103发送消息,或者终端101可以通过网络102与服务器103交互,进而接收其他用户向服务器103发送的消息或者数据。终端101可以是硬件,也可以是软件。当终端101为硬件时,可以是各种电子设备,包括但不限于智能手表、智能手机、平板电脑、膝上型便携式计算机和台式计算机等。当终端101为软件时,可以是安装在上述所列举的电子设备中,其可以实现呈多个软件或软件模块(例如:用来提供分布式服务),也可以实现成单个软件或软件模块,在此不作具体限定。
在本说明书实施例中,首先,终端101接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系;然后,终端101响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;最终,终端101知识子图包括知识图谱中至少两个目标实体以及各目标实体之间的目标关系。
服务器103可以是提供各种服务的业务服务器。需要说明的是,服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块,在此不做具体限定。
或者,该系统架构还可以不包括服务器103,换言之,服务器103可以为本说明书实施例中可选的设备,即本说明书实施例提供的方法可以应用于仅包括终端101的系统结构中,本说明书实施例对此不做限定。
应理解,图1中的终端、网络以及服务器的数目仅是示意性的,根据实现需要,可以是任意数量的终端、网络以及服务器。
请参阅图2,图2为本说明书实施例提供的一种申诉处理方法的流程示意图。本说明书实施例的执行主体可以是执行申诉处理的终端,也可以是执行申诉处理方法的终端中的处理器,还可以是执行申诉处理方法的终端中的申诉处理服务。为方便描述,下面以执行主体是终端中的处理器为例,介绍申诉处理方法的具体执行过程。
如图2所示,申诉处理方法至少可以包括:
S201、接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系。
可选地,当客户在机构中的资格评估与其认为的实际事实有不符时,客户会提起异议申诉,例如以征信场景为例,当个人信用报告与实际情况不符合时,使信息主体产生不同的意见,这便是征信异议,征信异议是个人主动维权的重要途径,处理征信异议能够增强征信的公正性和信用的准确性,为整个现代信用体系的基石,若不能妥善处理征信异议,则可能造成对信用体系的冲击。异议产生的原因是多样的,各机构之间提供的资料不同、执行标准不同,会产生因为身份冒用、不可抗力、客户操作失误、第三方还款失败等征信异议问题。传统的数据挖掘、风险关联无法满足日益发展的服务机构对客户全方位的风险分析和风险管理,同时采用人工核对的方式并不能高效处理异议申诉,时滞性较长的异议处理会耽误客户正常的服务办理流程,导致客户服务体验差进而投诉,降低客户对自身平台的满意度。
可选地,由于人工处理方式无法快速处理大量信息数据获取有效信息,同时基于有效信息处理客户事务的人工处理流程会有较长时滞性,而若能在数据处理阶段快速、准确地集成客户在目标事务中的数据、以及目标事务的相关信息,就可以帮助审核人员快速做出判断处理,提升异议申诉处理的时效性和效率,增强客户的满意度。
基于此,可以构建客户的知识图谱来体现客户在目标事务中相关的信息数据,知识图谱(Knowledge Graph)作为人工智能技术的重要组成部分,具有强大的语义处理、互联组织、信息检索以及知识推理能力。知识图谱是一张语义网络图,通过节点(或顶点)表示实体或者概念、通过边表示关系来描述真实世界中存在的各种实体或者概念以及其关系。知识图谱称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱能够描述真实世界中存在的实体及其关系,一般可以采用三元组表示,该三元组包括头实体、尾实体和关系,实体之间通过关系相互联结,形成了网状的知识结构。
可选地,使用知识图谱对多源数据进行集成时,能够提升异议申诉处理的时效性和效率,并且其中的知识是基于数据处理得到的,因此知识图谱可以跟随客户的新增操作数据实时更新,也就能够准确说明客户的真实情况,当客户提出异议申诉时,终端接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱中包括客户在目标事务中关联的至少两个实体以及各实体之间的关系。其中,基于异议申诉请求调用客户对应的知识图谱时,可以基于客户的身份信息和/或客户提供的认证信息进行调用。
请参阅图3,图3为本说明书实施例提供的一种申诉处理方法的操作流程图。如图3所示,当流程开始后,终端开始接收客户的异议申诉;根据客户提起的异议申诉输出客户对应的异议申诉请求;此时终端可以根据客户提供的客户个人信息调用该客户对应的知识图谱,知识图谱中包括客户在目标事务中关联的至少两个实体以及各实体之间的关系,以供后续审核人员进行检索和处理。
S202、响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求。
可选地,在用户也即审核人员处理客户异议申诉时,通常根据客户的异议申诉说明以及客户提供的证明材料,在终端系统中允许访问的数据中进行检索,根据检索得到的相关数据,评估当前客户的申诉是否通过。在上述实施例中,已经提前根据客户在目标事务中的相关数据构建了该客户对应的知识图谱,知识图谱中又包含了客户关联的实体以及各实体之间的关系,也即知识图谱已经能够简单明了的体现当前客户的信息。
那么请继续参阅图3,用户查看到客户的异议申诉请求时,确定异议申诉请求对应的检索请求,终端根据检索请求检索数据时就可以直接基于客户的知识图谱进行检索,得到知识图谱中解决异议申诉请求需要使用到的至少两个目标实体以及各目标实体之间的目标关系,生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;进而用户可以对异议申诉进行判断,确定对客户的异议申诉予以通过或者驳回。
在本说明书实施例中,提供一种申诉处理方法,接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系;响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;知识子图包括知识图谱中至少两个目标实体以及各目标实体之间的目标关系。由于客户的知识图谱是基于与客户和目标事务相关的多源数据集成的,能够高效处理相关数据,提取海量信息中的有效数据以备用,当客户出现申诉请求时,用户也即审核人员可以直接基于客户的知识图谱处理客户申诉,提升异议申诉处理的时效性和效率,增强客户的满意度。
请参阅图4,图4为本说明书实施例提供的一种申诉处理方法的流程示意图。
如图4所示,申诉处理方法至少可以包括:
S402、获取目标事务关联的原始数据,原始数据至少包括客户的个人数据、客户处理目标事务时的行为数据、目标事务的行业数据。
可选地,客户的知识图谱是基于客户和目标事务关联的多源数据生成的,那么在客户发起异议申诉请求之前,客户的知识图谱已经构建完成。在构建客户的知识图谱时,首先需要获取目标事务关联的原始数据,原始数据至少包括客户的个人数据、客户处理目标事务时的行为数据、目标事务的行业数据。
可选地,通常用于构建知识图谱的数据分为三类,分别是结构化数据、半结构化数据和非结构化数据,其中,结构化数据主要指客户关于自身相关事务积累的数据,一般存储于企业的数据库中,这类数据通常表现为表格、数据库等按照一定格式表示的数据,通常经过简单的分析后就可以直接用来构建知识图谱,例如客户自身征信数据、第三方征信数据、网络爬虫数据等;半结构化数据由第三方数据供应商提供或者购买得到,半结构化数据是介于结构化和非结构化之间的一种数据,也需要进行信息处理才能建立知识图谱,例如征信异议分析数据、用户操作记录、机构日志数据等;非结构化数据通过爬虫从网上获取公开的数据,包括文本、音频、视频、图片等,需要对它们进行信息抽取才能进一步建立知识图谱,例如征信异议案例、征信相关法律法规、机构规章制度等。
S404、基于原始数据针对客户进行知识图谱构建操作,得到客户对应的知识图谱。
可选地,基于原始数据可以针对客户进行知识图谱构建操作,得到客户对应的知识图谱。知识图谱构建操作至少可以包括本体构建操作、知识抽取操作、知识融合操作、知识推理操作、质量评估操作中的一种操作。
请参阅图5,图5为本说明书实施例提供的一种知识图谱构建方法的架构示意图。数据层作为这个架构的基础,包含了结构化数据、半结构化数据以及非结构化数据,随着目标事务的行业发展和客户的不断操作,各类数据一直处于扩展和更新中;构建层即为基于数据层的数据构建知识图谱,其中包括本体构建、知识抽取、知识融合、图谱构建等完整的知识图谱获取、补充机制,其中使用的文本识别算法、信息处理算法等是多样的,可随目标事务需求选择适应的图谱构建方法;客户的知识图谱构建好后,存储目标事务平台应用所连接的图谱数据库中,以供调用,调用客户的知识图谱可以为客户提供个性化推荐、响应客户需求等。
可选地,当知识图谱构建操作为本体构建操作时,基于目标事务确定客户对应的知识图谱的图谱本体,图谱本体规定知识图谱中包含的实体类型、各实体之间的关系类型以及各关系连接的头尾实体类型。知识体系的构建,也叫知识建模,是指采用什么样的方式表达知识,其核心就是构建一个本体对目标知识进行描述。本体就是一个知识描述框架,定义了知识的类别体系,每个类别下所属的概念和实体、某类概念和实体所具有的属性以及概念之间、实体之间的语义关系。也即本说明书实施例中的知识图谱本体即为目标事务,知识图谱中的实体、实体之间的关系都围绕目标事务展开,确定本体后才能保证知识图谱与目标事务的关联性,进而使得知识图谱中的数据可以用于处理目标事务。
可选地,本体构建常见的有两种构建方式,一种是自顶向下:即先构建一个完善的知识体系,再将知识填充到这个知识体系中;另外一种是自底向上:即在知识抽取的过程中,自动的扩充和构建知识体系。目前,知识图谱中的数据采用RDF数据模型进行描述,也就是三元组模式,即“实体1”-“关系”-“实体2”。请参阅图6,图6为本说明书实施例提供的一种知识图谱的示例图。例如三元组:“描述(征信异议请求,征信异议描述)”,“描述”表示关系,“征信异议请求”是头实体,“征信异议描述”是尾实体,这就代表“征信异议描述”是对“征信异议请求”的描述,其他举例如图,以此类推。
可选地,当知识图谱构建操作为知识抽取操作时,分别从多种原始数据中抽取客户在目标事务中关联的至少两个实体以及各实体之间的关系。知识抽取旨在从非结构化文本和其他结构化或半结构化数据源中构建知识图谱,补全现有的知识图谱,发现和识别实体和关系。知识抽取的主要任务包括知识图谱补全、实体识别、实体对齐、关系抽取等面向实体的抽取任务。知识抽取是从海量的文本数据中抽取结构化知识的过程,数据来源不同,知识抽取的难度和手段也不同。假如有大量的结构化数据和半结构化数据,知识抽取的过程就相对容易,对于非结构化的数据,往往就需要用各种信息抽取的手段去获得文本中隐藏的三元组。
可选地,当知识图谱构建操作为知识融合操作时,消除基于多种原始数据得到的至少两个实体之间的知识歧义和无效指代,对齐链接剩余的各有效实体。知识图谱核心关键,从海量数据提取知识碎片并且与外部知识库合并,具体分为数据层融合和模式层融合。在获得新知识之后,需要对其进行整合,以消除矛盾和歧义,比如某些实体可能有多种表达,某个特定称谓也许对应于多个不同的实体等。很多情况下,数据来源都不单一。当知识来源于多系统时,就需要进行知识融合。例如,原本构建了一个知识图谱,现需要用一批补充的知识来更新它,就需要进行更新和去重。知识融合的过程,大致会包括知识体系的融合和实例的融合。知识体系的融合就是两个或多个异构知识体系进行融合,相同的类别、属性、关系进行映射;实例的融合,就是两个图谱中的实例进行融合,包括实体实例和关系实例。
可选地,当知识图谱构建操作为知识推理操作时,基于原始数据对应的基础图谱进行知识推理,挖掘得到原始数据中隐含的至少两个实体和各实体之间的关系,基础图谱中的所有实体以及各实体之间的关系都得到原始数据支持。通过知识建模、知识获取以及知识融合,基本可以构建一个知识图谱。但是,由于知识的不完备性,搭建出来的图谱通常会有很多缺失。由于数据的稀疏性,很难通过抽取和融合的方法去丰富图谱。这时,就需要通过知识推理的方法去补齐图谱中大量的关系缺失和实体缺失。基于图谱中已有的事实或关系推断出未知的事实或关系,一般着重考察实体、关系和图谱结构三个方面的特征信息。具体来说,知识图谱推理主要能够辅助推理出新的事实、新的关系、新的公理以及新的规则等。主要的知识推理方法包含基于逻辑规则的推理、基于图结构的推理、基于分布式表示学习的推理、基于神经网络的推理以及混合推理。知识推理操作能够获取数据中的隐含信息,使得知识图谱中的知识更全面。
可选地,当知识图谱构建操作为质量评估操作时,评估所有实体的置信度以及评估各实体之间的关系的置信度,去除低于预设置信度阈值的实体以及关系。知识图谱中的知识可能不完全是正确的、必要的,那么对于一些冗余、错误的知识,可以评估各实体和各实体之间的置信度,将置信度的知识进行去除,保障保留下来的知识图谱质量,能够避免冗余信息占用存储空间。
在本说明书实施例中,提供一种申诉处理方法,获取多种原始数据来构建客户的知识图谱,通过本体构建操作、知识抽取操作、知识融合操作、知识推理操作、质量评估操作等操作来构建客户的知识图谱,由于客户的知识图谱是基于与客户和目标事务相关的多源数据集成的,能够高效处理相关数据,提取海量信息中的有效数据以备用,当客户出现申诉请求时,用户也即审核人员可以直接基于客户的知识图谱处理客户申诉,提升异议申诉处理的时效性和效率,增强客户的满意度。
请参阅图7,图7为本说明书实施例提供的一种申诉处理装置的结构框图。如图7所示,申诉处理装置700包括:
图谱获取模块710,用于接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系;
异议处理模块720,用于响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;
知识子图包括知识图谱中至少两个目标实体以及各目标实体之间的目标关系。
可选地,申诉处理装置700还包括:图谱构建模块,用于获取目标事务关联的原始数据,原始数据至少包括客户的个人数据、客户处理目标事务时的行为数据、目标事务的行业数据;基于原始数据针对客户进行知识图谱构建操作,得到客户对应的知识图谱。
可选地,知识图谱构建操作包括本体构建操作、知识抽取操作、知识融合操作、知识推理操作、质量评估操作中的至少一种操作。
可选地,当知识图谱构建操作为本体构建操作时,图谱构建模块,还用于基于目标事务确定客户对应的知识图谱的图谱本体,图谱本体规定知识图谱中包含的实体类型、各实体之间的关系类型以及各关系连接的头尾实体类型。
可选地,当知识图谱构建操作为知识抽取操作时,图谱构建模块,还用于分别从多种原始数据中抽取客户在目标事务中关联的至少两个实体以及各实体之间的关系。
可选地,当知识图谱构建操作为知识融合操作时,图谱构建模块,还用于消除基于多种原始数据得到的至少两个实体之间的知识歧义和无效指代,对齐链接剩余的各有效实体。
可选地,当知识图谱构建操作为知识推理操作时,图谱构建模块,还用于基于原始数据对应的基础图谱进行知识推理,挖掘得到原始数据中隐含的至少两个实体和各实体之间的关系,基础图谱中的所有实体以及各实体之间的关系都得到原始数据支持。
可选地,当知识图谱构建操作为质量评估操作时,图谱构建模块,还用于评估所有实体的置信度以及评估各实体之间的关系的置信度,去除低于预设置信度阈值的实体以及关系。
在本说明书实施例中,提供一种申诉处理装置,其中,图谱获取模块,用于接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系;异议处理模块,用于响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;知识子图包括知识图谱中至少两个目标实体以及各目标实体之间的目标关系。由于客户的知识图谱是基于与客户和目标事务相关的多源数据集成的,能够高效处理相关数据,提取海量信息中的有效数据以备用,当客户出现申诉请求时,用户也即审核人员可以直接基于客户的知识图谱处理客户申诉,提升异议申诉处理的时效性和效率,增强客户的满意度。
本说明书实施例提供一种包含指令的计算机程序产品,当计算机程序产品在计算机或处理器上运行时,使得计算机或处理器执行上述实施例中任一项的方法的步骤。
本说明书实施例还提供了一种计算机存储介质,计算机存储介质可以存储有多条指令,指令适于由处理器加载并执行如上述实施例中的任一项的方法的步骤。
请参见图8,图8为本说明书实施例提供的一种终端的结构示意图。如图8所示,终端800可以包括:至少一个终端处理器801,至少一个网络接口804,用户接口803,存储器805,至少一个通信总线802。
其中,通信总线802用于实现这些组件之间的连接通信。
其中,用户接口803可以包括显示屏(Display)、摄像头(Camera),可选用户接口803还可以包括标准的有线接口、无线接口。
其中,网络接口804可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,终端处理器801可以包括一个或者多个处理核心。终端处理器801利用各种接口和线路连接整个终端800内的各个部分,通过运行或执行存储在存储器805内的指令、程序、代码集或指令集,以及调用存储在存储器805内的数据,执行终端800的各种功能和处理数据。可选的,终端处理器801可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。终端处理器801可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到终端处理器801中,单独通过一块芯片进行实现。
其中,存储器805可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory,ROM)。可选的,该存储器805包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器805可用于存储指令、程序、代码、代码集或指令集。存储器805可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器805可选的还可以是至少一个位于远离前述终端处理器801的存储装置。如图8所示,作为一种计算机存储介质的存储器805中可以包括操作系统、网络通信模块、用户接口模块以及申诉处理程序。
在图8所示的终端800中,用户接口803主要用于为用户提供输入的接口,获取用户输入的数据;而终端处理器801可以用于调用存储器805中存储的申诉处理程序,并具体执行以下操作:
接收客户针对目标事务的异议申诉请求,基于异议申诉请求调用客户对应的知识图谱,知识图谱包括客户在目标事务中关联的至少两个实体以及各实体之间的关系;
响应用户针对异议申诉请求发出的检索请求,根据知识图谱生成检索请求对应的客户的知识子图,使得用户基于知识子图处理异议申诉请求;
知识子图包括知识图谱中至少两个目标实体以及各目标实体之间的目标关系。
在一些实施例中,终端处理器801在执行接收客户针对目标事务的异议申诉请求之前,还具体执行以下步骤:获取目标事务关联的原始数据,原始数据至少包括客户的个人数据、客户处理目标事务时的行为数据、目标事务的行业数据;基于原始数据针对客户进行知识图谱构建操作,得到客户对应的知识图谱。
在一些实施例中,知识图谱构建操作包括本体构建操作、知识抽取操作、知识融合操作、知识推理操作、质量评估操作中的至少一种操作。
在一些实施例中,知识图谱构建操作为本体构建操作,终端处理器801在执行基于原始数据针对客户进行知识图谱构建操作时,具体执行以下步骤:基于目标事务确定客户对应的知识图谱的图谱本体,图谱本体规定知识图谱中包含的实体类型、各实体之间的关系类型以及各关系连接的头尾实体类型。
在一些实施例中,知识图谱构建操作为知识抽取操作,终端处理器801在执行基于原始数据针对客户进行知识图谱构建操作时,具体执行以下步骤:分别从多种原始数据中抽取客户在目标事务中关联的至少两个实体以及各实体之间的关系。
在一些实施例中,知识图谱构建操作为知识融合操作,终端处理器801在执行基于原始数据针对客户进行知识图谱构建操作时,具体执行以下步骤:消除基于多种原始数据得到的至少两个实体之间的知识歧义和无效指代,对齐链接剩余的各有效实体。
在一些实施例中,知识图谱构建操作为知识推理操作,终端处理器801在执行基于原始数据针对客户进行知识图谱构建操作时,具体执行以下步骤:基于原始数据对应的基础图谱进行知识推理,挖掘得到原始数据中隐含的至少两个实体和各实体之间的关系,基础图谱中的所有实体以及各实体之间的关系都得到原始数据支持。
在一些实施例中,知识图谱构建操作为质量评估操作,终端处理器801在执行基于原始数据针对客户进行知识图谱构建操作时,具体执行以下步骤:评估所有实体的置信度以及评估各实体之间的关系的置信度,去除低于预设置信度阈值的实体以及关系。
在本说明书所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
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。上述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上述计算机程序指令时,全部或部分地产生按照本说明书实施例上述的流程或功能。上述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。上述计算机指令可以存储在计算机可读存储介质中,或者通过上述计算机可读存储介质进行传输。上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DigitalSubscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述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。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字多功能光盘(DigitalVersatile Disc,DVD))、或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
另外,需要说明的是,本说明书实施例所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号,均为经用户授权或者经过各方充分授权的,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如,本说明书实施例中涉及的客户行为数据信息、数字服务使用信息等都是在充分授权的情况下获取的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上为对本说明书实施例所提供的一种申诉处理方法、装置、存储介质以及终端的描述,对于本领域的技术人员,依据本说明书实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本说明书实施例的限制。
Claims (12)
1.一种申诉处理方法,所述方法包括:
接收客户针对目标事务的异议申诉请求,基于所述异议申诉请求调用所述客户对应的知识图谱,所述知识图谱包括所述客户在所述目标事务中关联的至少两个实体以及各实体之间的关系;
响应用户针对所述异议申诉请求发出的检索请求,根据所述知识图谱生成所述检索请求对应的所述客户的知识子图,使得所述用户基于所述知识子图处理所述异议申诉请求;
所述知识子图包括所述知识图谱中至少两个目标实体以及各目标实体之间的目标关系。
2.根据权利要求1所述的方法,所述接收客户针对目标事务的异议申诉请求之前,还包括:
获取目标事务关联的原始数据,所述原始数据至少包括所述客户的个人数据、所述客户处理所述目标事务时的行为数据、所述目标事务的行业数据;
基于所述原始数据针对客户进行知识图谱构建操作,得到所述客户对应的知识图谱。
3.根据权利要求2所述的方法,所述知识图谱构建操作包括本体构建操作、知识抽取操作、知识融合操作、知识推理操作、质量评估操作中的至少一种操作。
4.根据权利要求3所述的方法,所述知识图谱构建操作为所述本体构建操作,所述基于所述原始数据针对客户进行知识图谱构建操作,包括:
基于所述目标事务确定客户对应的知识图谱的图谱本体,所述图谱本体规定所述知识图谱中包含的实体类型、各实体之间的关系类型以及各关系连接的头尾实体类型。
5.根据权利要求3所述的方法,所述知识图谱构建操作为所述知识抽取操作,所述基于所述原始数据针对客户进行知识图谱构建操作,包括:
分别从多种所述原始数据中抽取所述客户在所述目标事务中关联的至少两个实体以及各实体之间的关系。
6.根据权利要求3所述的方法,所述知识图谱构建操作为所述知识融合操作,所述基于所述原始数据针对客户进行知识图谱构建操作,包括:
消除基于多种所述原始数据得到的至少两个实体之间的知识歧义和无效指代,对齐链接剩余的各有效实体。
7.根据权利要求3所述的方法,所述知识图谱构建操作为所述知识推理操作,所述基于所述原始数据针对客户进行知识图谱构建操作,包括:
基于所述原始数据对应的基础图谱进行知识推理,挖掘得到所述原始数据中隐含的至少两个实体和各实体之间的关系,所述基础图谱中的所有实体以及各实体之间的关系都得到所述原始数据支持。
8.根据权利要求3所述的方法,所述知识图谱构建操作为所述质量评估操作,所述基于所述原始数据针对客户进行知识图谱构建操作,包括:
评估所有实体的置信度以及评估各实体之间的关系的置信度,去除低于预设置信度阈值的所述实体以及所述关系。
9.一种申诉处理装置,所述装置包括:
图谱获取模块,用于接收客户针对目标事务的异议申诉请求,基于所述异议申诉请求调用所述客户对应的知识图谱,所述知识图谱包括所述客户在所述目标事务中关联的至少两个实体以及各实体之间的关系;
异议处理模块,用于响应用户针对所述异议申诉请求发出的检索请求,根据所述知识图谱生成所述检索请求对应的所述客户的知识子图,使得所述用户基于所述知识子图处理所述异议申诉请求;
所述知识子图包括所述知识图谱中至少两个目标实体以及各目标实体之间的目标关系。
10.一种包含指令的计算机程序产品,当所述计算机程序产品在计算机或处理器上运行时,使得所述计算机或所述处理器执行如权利要求1至8任意一项所述方法的步骤。
11.一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1至8任意一项的所述方法的步骤。
12.一种终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722401.7A CN116823279A (zh) | 2023-06-16 | 2023-06-16 | 申诉处理方法、装置、存储介质以及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722401.7A CN116823279A (zh) | 2023-06-16 | 2023-06-16 | 申诉处理方法、装置、存储介质以及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116823279A true CN116823279A (zh) | 2023-09-29 |
Family
ID=88142210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310722401.7A Pending CN116823279A (zh) | 2023-06-16 | 2023-06-16 | 申诉处理方法、装置、存储介质以及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823279A (zh) |
-
2023
- 2023-06-16 CN CN202310722401.7A patent/CN116823279A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107230008B (zh) | 一种风险信息输出、风险信息构建方法及装置 | |
US20190147540A1 (en) | Method and apparatus for outputting information | |
CN111815169A (zh) | 业务审批参数配置方法及装置 | |
CN110197426B (zh) | 一种信用评分模型的建立方法、装置及可读存储介质 | |
CN111435367A (zh) | 知识图谱的构建方法、系统、设备及存储介质 | |
CN114594934A (zh) | 一种可视化页面生成方法、装置、设备及介质 | |
CN111897890A (zh) | 金融业务处理方法及装置 | |
CN111831682A (zh) | 处理公积金业务的方法、装置、设备和计算机可读介质 | |
CN111143665A (zh) | 一种欺诈的定性方法、装置及设备 | |
US20220019605A1 (en) | Data processing systems and methods for automatically detecting and documenting privacy-related aspects of computer software | |
CN116562255B (zh) | 表单信息生成方法、装置、电子设备和计算机可读介质 | |
CN113434123A (zh) | 一种业务处理方法、装置及电子设备 | |
CN113591934A (zh) | 业务分析模型的编排方法、装置和设备及存储介质 | |
CN111177653B (zh) | 一种信用评估方法和装置 | |
CN111414490A (zh) | 确定失联修复信息的方法、装置、电子设备和存储介质 | |
CN111611099A (zh) | 失联用户信息的修复方法、装置、设备及存储介质 | |
CN116244751A (zh) | 数据脱敏方法、装置、电子设备、存储介质和程序产品 | |
CN116823279A (zh) | 申诉处理方法、装置、存储介质以及终端 | |
CN115422202A (zh) | 业务模型的生成方法、业务数据查询方法、装置及设备 | |
CN114387088A (zh) | 一种基于知识图谱的贷款风险识别方法及装置 | |
CN114239511A (zh) | 填充数据的方法和填充数据的装置 | |
CN111444170B (zh) | 基于预测业务场景的自动机器学习方法和设备 | |
CN110879868A (zh) | 顾问方案生成方法、装置、系统、电子设备及介质 | |
CN116915870B (zh) | 任务创建请求处理方法、装置、电子设备和可读介质 | |
CN112528167B (zh) | 一种基于社交媒体挖掘用户影响力的方法及电子装置 |
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 |