CN117033435A - 业务投诉处理方法、装置、计算机设备和存储介质 - Google Patents
业务投诉处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117033435A CN117033435A CN202310988356.XA CN202310988356A CN117033435A CN 117033435 A CN117033435 A CN 117033435A CN 202310988356 A CN202310988356 A CN 202310988356A CN 117033435 A CN117033435 A CN 117033435A
- Authority
- CN
- China
- Prior art keywords
- service
- text
- complaint text
- classification
- complaint
- 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
- 238000003672 processing method Methods 0.000 title abstract description 10
- 230000008451 emotion Effects 0.000 claims abstract description 111
- 238000013145 classification model Methods 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000004590 computer program Methods 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 28
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- 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
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及人工智能技术领域，具体涉及一种业务投诉处理方法、装置、计算机设备和存储介质。所述方法包括：采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。采用本方法能够提高业务投诉的处理效率。
Description
技术领域
本申请涉及人工智能技术领域，特别是涉及一种业务投诉处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
对于企业来说，能够高效的处理客户投诉、响应客户诉求，对提升企业服务水平、客户满意度以及企业品牌形象，起着至关重要的作用。
相关技术中，针对客户投诉的处理，主要由人工对客户投诉内容进行识别，并根据识别结果将客户投诉内容流转到对应部门进行分析。实际处理过程中，可能存在客户投诉内容层层流转后，排查发现客户未进行相关操作或客户投诉内容与实际情况不符的问题，导致需要回访客户，并对客户投诉信息重新进行流转和排查，使得业务投诉处理效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高业务投诉的处理效率的业务投诉处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种业务投诉处理方法。所述方法包括：
采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；
采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；
在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；
在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
在其中一个实施例中，已训练的情感分类模型的获取方式，包括：
获取历史业务投诉文本；
基于预设的极性词典，获取历史业务投诉文本的情感极性标签；
将历史业务投诉文本输入至情感分类模型的初始模型，以历史业务投诉文本的情感极性标签作为目标输出，训练初始模型，得到情感分类模型。
在其中一个实施例中，已训练的业务分类模型的获取方式，包括：
获取历史业务投诉文本；
基于历史业务投诉文本对应的历史流转信息，获取历史业务投诉文本的业务类型标签；
将历史业务投诉文本输入至业务分类模型的初始模型，以历史业务投诉文本的业务类型标签作为目标输出，训练初始模型，得到业务分类模型。
在其中一个实施例中，根据第二分类结果生成查询语句，包括：
对业务投诉文本进行分词处理，得到分词结果；分词结果中包括多个词条；
对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；
根据预设规则对词性标注结果为目标词性的词条进行拼接，得到业务投诉文本对应的业务属性；业务属性用于表征业务办理的相关信息；
获取预设查询语句模板；预设查询语句模板包括查询参数格式；
根据查询参数格式，对业务属性和第二分类结果进行预处理；
根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句。
在其中一个实施例中，所述方法还包括：
在第一分类结果为正面的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；
根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
在其中一个实施例中，所述方法还包括：
在查询结果包括业务处理记录的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；
根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
第二方面，本申请还提供了一种业务投诉处理装置。所述装置包括：
第一分类模块，用于采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；
第二分类模块，用于采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；
查询模块，用于在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；
标记模块，用于在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；
采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；
在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；
在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
第四方面，本申请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，其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以下步骤：
采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；
采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；
在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；
在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；
采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；
在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；
在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
上述业务投诉处理方法、装置、计算机设备、存储介质和计算机程序产品，首先采用已训练的情感分类模型对业务投诉文本进行文本分类，得到关于业务投诉文本的情感极性的分类结果，这样，就能根据文本情感色彩初步判定投诉内容是否有可能是恶意的，并采用已训练的业务分类模型对业务投诉文本进行文本分类，得到关于业务投诉文本的业务类型的分类结果，这样，就能知道投诉内容针对的业务领域。进而，在情感极性为非正面的情况下，根据投诉内容的业务类型生成查询语句，在业务数据库中查询与业务投诉文本相关的业务处理记录，这样，就能进一步判定投诉内容是否属实。最后，在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本，这样，就能避免对恶意投诉文本进行流转，从而提高业务投诉的处理效率。
附图说明
图1为一个实施例中业务投诉处理方法的应用环境图；
图2为一个实施例中业务投诉处理方法的流程示意图；
图3为另一个实施例中业务投诉处理方法的流程示意图；
图4为一个实施例中业务投诉处理装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的业务投诉处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102可以向服务器104上传业务投诉文本。服务器104接收到终端102上传的业务投诉文本后，可以对业务投诉文本进行分类和查询，并根据分类结果以及查询结果，确定业务投诉文本是否是恶意投诉文本。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种业务投诉处理方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
S202：采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面。
其中，已训练的情感分类模型可以对输入文本进行情感分析，从预设的情感极性集合中，确定输入文本对应的情感极性。预设的情感极性集合中包括根据不同情感类型和不同情感深度确定的情感极性，例如，可以包括非常正面、正面、中立、负面和非常负面这五种情感极性，在此不做具体限定。情感分类模型可以采用循环神经网络或者卷积神经网络等，在此不做具体限定。
一种可选的实施方式中，业务投诉文本的获取方式包括服务器首先获取客户投诉文件，客户投诉文件可以包括一个或多个子投诉文件，每个子投诉文件的文件类型可以但不限于是文本类型、图片类型和语音类型。然后，服务器获取每个子投诉文件对应的子投诉文本，例如，文本类型的子投诉文件直接作为对应的子投诉文本，图片类型的子投诉文件通过文字识别得到对应的子投诉文本，语音类型的子投诉文件通过语音识别得到对应的子投诉文本。进而，服务器将全部子投诉文本进行拼接，得到业务投诉文本。
可选地，获取业务投诉文本后，服务器将业务投诉文本输入二分类的情感分类模型中，二分类的情感分类模型会输出正面或者非正面这两种情感极性，进而，可以根据业务投诉文本对应的情感极性，判定业务投诉文本是否有可能是恶意投诉文本。
S204：采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果。
其中，业务类型是指业务投诉文本针对的业务领域，以银行业务为例，业务投诉文本对应的业务类型可以是支付、存款、理财等，在此不做具体限定。已训练的业务分类模型可以对输入文本进行领域分类，得到输入文本对应的业务类型。业务分类模型可以采用循环神经网络或者卷积神经网络等，在此不做具体限定。
可选地，获取业务投诉文本后，服务器将业务投诉文本输入已训练的业务分类模型中，得到业务投诉文本对应的业务类型，进而，可以根据业务投诉文本对应的业务类型进行投诉内容流转或者查询相关业务处理记录。
S206：在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录。
其中，查询语句是指SQL(Structured Query Language，结构化查询语言)语句。业务处理记录是指与客户相关的业务操作记录。
可选地，第一分类结果为非正面说明业务投诉文本有可能是恶意投诉文本，需要进一步验证业务投诉文本中的内容是否属实，才能判定业务投诉文本是否是恶意投诉文本。因此，在第一分类结果为非正面的情况下，服务器首先从业务投诉文本中获取查询参数，例如，从业务投诉文本中获取投诉事件对应的发生时间、发生地点和客户名称等。然后，根据得到的查询参数和第二分类结果，生成查询语句，并在存储业务处理记录的业务数据库中进行查询。
S208：在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
可选地，查询结果不包括业务处理记录说明不存在与业务投诉文本相应的业务操作，业务投诉文本中的内容不属实。因此，服务器将业务投诉文本作为恶意投诉文本进行单独存储，不进行流转。
一种可选的实施方式中，服务器根据存储的恶意投诉文本生成审核视图，用于人工二次审核。
上述业务投诉处理方法中，首先采用已训练的情感分类模型对业务投诉文本进行文本分类，得到关于业务投诉文本的情感极性的分类结果，这样，就能根据文本情感色彩初步判定投诉内容是否有可能是恶意的，并采用已训练的业务分类模型对业务投诉文本进行文本分类，得到关于业务投诉文本的业务类型的分类结果，这样，就能知道投诉内容针对的业务领域。进而，在情感极性为非正面的情况下，根据投诉内容的业务类型生成查询语句，在业务数据库中查询与业务投诉文本相关的业务处理记录，这样，就能进一步判定投诉内容是否属实。最后，在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本，这样，就能避免对恶意投诉文本进行流转，从而提高业务投诉的处理效率。
在一个实施例中，已训练的情感分类模型的获取方式，包括：获取历史业务投诉文本；基于预设的极性词典，获取历史业务投诉文本的情感极性标签；将历史业务投诉文本输入至情感分类模型的初始模型，以历史业务投诉文本的情感极性标签作为目标输出，训练初始模型，得到情感分类模型。
其中，历史业务投诉文本是指完成流转的业务投诉文本。预设的极性词典中包括情感词、否定词、程度副词以及每个词对应的情感分数。
可选地，在对情感分类模型进行训练的过程中，服务器首先获取历史业务投诉文本，对历史业务投诉文本进行分词，得到分词结果。然后，根据分词结果中每个词条对应的词性和位置以及极性词典，确定历史业务投诉文本对应的情感分数。进而，根据情感分数以及预设的情感极性分类区间，得到历史业务投诉文本的情感极性标签。
将一组历史业务投诉文本和情感极性标签作为一个训练样本，基于多个训练样本构建情感分类模型的训练集。然后，将训练集输入至卷积神经网络中进行模型训练，得到各历史业务投诉文本对应的情感极性预测值。然后，根据情感极性预测值、情感极性标签和预先配置的损失函数，调整卷积神经网络中的模型参数，并进行重复训练，直至达到预设停止条件。当达到预设停止条件时，根据训练过程中损失值最小或者鲁棒性最好的模型参数，生成情感分类模型。其中，预设停止条件可以是达到预设迭代次数，或者差异值不再减小。
本实施例中，通过基于预设的极性词典，获取历史业务投诉文本的情感极性标签，并将历史业务投诉文本输入至情感分类模型的初始模型，以历史业务投诉文本的情感极性标签作为目标输出，训练初始模型，得到情感分类模型，从而能够对业务投诉文本准确进行情感分类。
在一个实施例中，已训练的业务分类模型的获取方式，包括：获取历史业务投诉文本；基于历史业务投诉文本对应的历史流转信息，获取历史业务投诉文本的业务类型标签；将历史业务投诉文本输入至业务分类模型的初始模型，以历史业务投诉文本的业务类型标签作为目标输出，训练初始模型，得到业务分类模型。
其中，历史业务投诉文本是指完成流转的业务投诉文本，历史流转信息是指历史业务投诉文本流转到具体处理对象的相关信息。
可选地，在对业务分类模型进行训练的过程中，服务器首先获取历史业务投诉文本，并获取历史业务投诉文本对应的历史流转信息。然后，根据历史流转信息中的具体处理对象确定历史业务投诉文本所属的业务领域，从而得到历史业务投诉文本的业务类型标签。
将一组历史业务投诉文本和业务类型标签作为一个训练样本，基于多个训练样本构建业务分类模型的训练集。然后，将训练集输入至卷积神经网络中进行模型训练，得到各历史业务投诉文本对应的业务类型预测值。然后，根据业务类型预测值、业务类型标签和预先配置的损失函数，调整卷积神经网络中的模型参数，并进行重复训练，直至达到预设停止条件。当达到预设停止条件时，根据训练过程中损失值最小或者鲁棒性最好的模型参数，生成业务分类模型。其中，预设停止条件可以是达到预设迭代次数，或者差异值不再减小。
本实施例中，通过基于历史业务投诉文本对应的历史流转信息，获取历史业务投诉文本的业务类型标签，并将历史业务投诉文本输入至业务分类模型的初始模型，以历史业务投诉文本的业务类型标签作为目标输出，训练初始模型，得到业务分类模型，从而能够对业务投诉文本准确进行业务分类。
在一个实施例中，根据第二分类结果生成查询语句，包括：对业务投诉文本进行分词处理，得到分词结果；分词结果中包括多个词条；对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；根据预设规则对词性标注结果为目标词性的词条进行拼接，得到业务投诉文本对应的业务属性；业务属性用于表征业务办理的相关信息；获取预设查询语句模板；预设查询语句模板包括查询参数格式；根据查询参数格式，对业务属性和第二分类结果进行预处理；根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句。
其中，业务属性可以包括但不限于包括位置属性、时间属性、资源转移属性、人员属性中的一种或多种，位置属性是指投诉事件的发生地点，时间属性是指投诉事件的发生时间，资源转移属性是指投诉事件涉及的资源转移数量，人员属性是指投诉时间涉及的处理人员。目标词性根据业务属性确定，例如，业务属性包括位置属性、时间属性和资源转移属性的情况下，目标词性相应包括地名、时间词和数词。
可选地，在生成查询语句的过程中，服务器首先对业务投诉文本进行分词和词性标注，例如，通过结巴(jieba)分词工具进行分词和词性标注。然后，根据预设规则对词性标注结果为目标词性的词条进行拼接，将拼接结果作为业务属性。以时间属性为例，目标词性为时间词，对文本中处于相邻位置的时间词进行拼接，得到时间属性。
然后，服务器获取预设查询语句模板，根据查询参数格式，对业务属性和第二分类结果进行预处理。以时间属性为例，在预设查询语句模板中时间格式为“YYYY-MM-DD”格式，而时间属性为“2023年7月24日16点”的情况下，对时间属性进行预处理，得到处理后的时间属性“2023-07-24”。
最后，服务器根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句。一种可选的实施方式中，通过动态SQL生成查询语句。
本实施例中，通过首先从业务投诉文本中获取业务属性作为查询参数，然后获取预设查询语句模板，根据预设查询语句模板中的查询参数格式，对业务属性和第二分类结果进行预处理，并根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，自动生成查询语句，从而能够提高业务投诉的处理效率。
在一个实施例中，该方法还包括：在第一分类结果为正面的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
其中，流转对象是指业务投诉文本的具体处理对象，流转对象可以是某个部门、某个小组或者某个处理人员，在此不做具体限定。业务工单中可以包括业务投诉文本、投诉人、投诉人联系方式、处理期限等内容。
例如，在第一分类结果为正面、业务投诉文本的业务类型为A且位置属性为B的情况下，服务器生成业务工单，指示B区域的A类专业客服处理业务投诉文本。
本实施例中，通过在第一分类结果为正面的情况下，根据业务投诉文本，生成指示流转对象处理业务投诉文本的业务工单，这样，就能自动对非恶意投诉文本进行流转，从而提高业务投诉的处理效率。
在一个实施例中，该方法还包括：在查询结果包括业务处理记录的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
其中，流转对象是指业务投诉文本的具体处理对象，流转对象可以是某个部门、某个小组或者某个处理人员，在此不做具体限定。业务工单中可以包括业务投诉文本、投诉人、投诉人联系方式、处理期限等内容。
例如，在查询结果包括业务处理记录的情况下、业务投诉文本的业务类型为A且位置属性为B的情况下，服务器生成业务工单，指示B区域的A类专业客服处理业务投诉文本。
本实施例中，通过在查询结果包括业务处理记录的情况下，根据业务投诉文本，生成指示流转对象处理业务投诉文本的业务工单，这样，就能自动对非恶意投诉文本进行流转，从而提高业务投诉的处理效率。
在一个实施例中，如图3所示，提供了一种业务投诉处理方法，该方法包括以下步骤：
获取业务投诉文本；
采用已训练的情感分类模型对业务投诉文本进行文本分类，得到关于业务投诉文本的情感极性的第一分类结果，情感极性分为正面或非正面；
采用已训练的业务分类模型对业务投诉文本进行文本分类，得到关于业务投诉文本的业务类型的第二分类结果；
对第一分类结果是否为正面进行判定；在第一分类结果为正面的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象，并根据业务投诉文本，生成业务工单；在第一分类结果为非正面的情况下，继续执行后续步骤；
对业务投诉文本进行分词处理，得到分词结果；分词结果中包括多个词条；
对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；
根据预设规则对词性标注结果为目标词性的词条进行拼接，得到业务投诉文本对应的业务属性；
获取预设查询语句模板，预设查询语句模板包括查询参数格式；
根据查询参数格式，对业务属性和第二分类结果进行预处理；
根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句；
根据查询语句在业务数据库中进行查询，得到查询结果；
对查询结果是否包括业务处理记录进行判定；在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本进行存储；在查询结果包括业务处理记录的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象，并根据业务投诉文本，生成业务工单。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的业务投诉处理方法的业务投诉处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个业务投诉处理装置实施例中的具体限定可以参见上文中对于业务投诉处理方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种业务投诉处理装置，包括：第一分类模块410、第二分类模块420、查询模块430和标记模块440，其中：
第一分类模块410，用于采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面。
第二分类模块420，用于采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果。
查询模块430，用于在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录。
标记模块440，用于在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
在一个实施例中，第一分类模块410还用于获取历史业务投诉文本；基于预设的极性词典，获取历史业务投诉文本的情感极性标签；将历史业务投诉文本输入至情感分类模型的初始模型，以历史业务投诉文本的情感极性标签作为目标输出，训练初始模型，得到情感分类模型。
在一个实施例中，第二分类模块420还用于获取历史业务投诉文本；基于历史业务投诉文本对应的历史流转信息，获取历史业务投诉文本的业务类型标签；将历史业务投诉文本输入至业务分类模型的初始模型，以历史业务投诉文本的业务类型标签作为目标输出，训练初始模型，得到业务分类模型。
在一个实施例中，查询模块430还用于对业务投诉文本进行分词处理，得到分词结果；分词结果中包括多个词条；对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；根据预设规则对词性标注结果为目标词性的词条进行拼接，得到业务投诉文本对应的业务属性；业务属性用于表征业务办理的相关信息；获取预设查询语句模板；预设查询语句模板包括查询参数格式；根据查询参数格式，对业务属性和第二分类结果进行预处理；根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句。
在一个实施例中，查询模块430还用于在第一分类结果为正面的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
在一个实施例中，标记模块440还用于在查询结果包括业务处理记录的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
上述业务投诉处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储业务投诉文本、模型分类结果以及其它业务数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种业务投诉处理方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取历史业务投诉文本；基于预设的极性词典，获取历史业务投诉文本的情感极性标签；将历史业务投诉文本输入至情感分类模型的初始模型，以历史业务投诉文本的情感极性标签作为目标输出，训练初始模型，得到情感分类模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取历史业务投诉文本；基于历史业务投诉文本对应的历史流转信息，获取历史业务投诉文本的业务类型标签；将历史业务投诉文本输入至业务分类模型的初始模型，以历史业务投诉文本的业务类型标签作为目标输出，训练初始模型，得到业务分类模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对业务投诉文本进行分词处理，得到分词结果；分词结果中包括多个词条；对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；根据预设规则对词性标注结果为目标词性的词条进行拼接，得到业务投诉文本对应的业务属性；业务属性用于表征业务办理的相关信息；获取预设查询语句模板；预设查询语句模板包括查询参数格式；根据查询参数格式，对业务属性和第二分类结果进行预处理；根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在第一分类结果为正面的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在查询结果包括业务处理记录的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取历史业务投诉文本；基于预设的极性词典，获取历史业务投诉文本的情感极性标签；将历史业务投诉文本输入至情感分类模型的初始模型，以历史业务投诉文本的情感极性标签作为目标输出，训练初始模型，得到情感分类模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取历史业务投诉文本；基于历史业务投诉文本对应的历史流转信息，获取历史业务投诉文本的业务类型标签；将历史业务投诉文本输入至业务分类模型的初始模型，以历史业务投诉文本的业务类型标签作为目标输出，训练初始模型，得到业务分类模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对业务投诉文本进行分词处理，得到分词结果；分词结果中包括多个词条；对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；根据预设规则对词性标注结果为目标词性的词条进行拼接，得到业务投诉文本对应的业务属性；业务属性用于表征业务办理的相关信息；获取预设查询语句模板；预设查询语句模板包括查询参数格式；根据查询参数格式，对业务属性和第二分类结果进行预处理；根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在第一分类结果为正面的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在查询结果包括业务处理记录的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的情感极性的第一分类结果；情感极性分为正面或非正面；采用已训练的业务分类模型对业务投诉文本进行文本分类，以获得关于业务投诉文本的业务类型的第二分类结果；在第一分类结果为非正面的情况下，根据第二分类结果生成查询语句，根据查询语句在业务数据库中进行查询，得到查询结果；查询语句用于查询与业务投诉文本相关的业务处理记录；在查询结果不包括业务处理记录的情况下，将业务投诉文本作为恶意投诉文本。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取历史业务投诉文本；基于预设的极性词典，获取历史业务投诉文本的情感极性标签；将历史业务投诉文本输入至情感分类模型的初始模型，以历史业务投诉文本的情感极性标签作为目标输出，训练初始模型，得到情感分类模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取历史业务投诉文本；基于历史业务投诉文本对应的历史流转信息，获取历史业务投诉文本的业务类型标签；将历史业务投诉文本输入至业务分类模型的初始模型，以历史业务投诉文本的业务类型标签作为目标输出，训练初始模型，得到业务分类模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对业务投诉文本进行分词处理，得到分词结果；分词结果中包括多个词条；对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；根据预设规则对词性标注结果为目标词性的词条进行拼接，得到业务投诉文本对应的业务属性；业务属性用于表征业务办理的相关信息；获取预设查询语句模板；预设查询语句模板包括查询参数格式；根据查询参数格式，对业务属性和第二分类结果进行预处理；根据预设查询语句模板，以及预处理后的业务属性和第二分类结果，生成查询语句。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在第一分类结果为正面的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在查询结果包括业务处理记录的情况下，根据第二分类结果和业务属性，确定业务投诉文本对应的流转对象；根据业务投诉文本，生成业务工单；业务工单用于指示流转对象处理业务投诉文本。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种业务投诉处理方法，其特征在于，所述方法包括：
采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于所述业务投诉文本的情感极性的第一分类结果；所述情感极性分为正面或非正面；
采用已训练的业务分类模型对所述业务投诉文本进行文本分类，以获得关于所述业务投诉文本的业务类型的第二分类结果；
在所述第一分类结果为非正面的情况下，根据所述第二分类结果生成查询语句，根据所述查询语句在业务数据库中进行查询，得到查询结果；所述查询语句用于查询与所述业务投诉文本相关的业务处理记录；
在所述查询结果不包括所述业务处理记录的情况下，将所述业务投诉文本作为恶意投诉文本。
2.根据权利要求1所述的方法，其特征在于，所述已训练的情感分类模型的获取方式，包括：
获取历史业务投诉文本；
基于预设的极性词典，获取所述历史业务投诉文本的情感极性标签；
将所述历史业务投诉文本输入至所述情感分类模型的初始模型，以所述历史业务投诉文本的情感极性标签作为目标输出，训练所述初始模型，得到所述情感分类模型。
3.根据权利要求1所述的方法，其特征在于，所述已训练的业务分类模型的获取方式，包括：
获取历史业务投诉文本；
基于历史业务投诉文本对应的历史流转信息，获取所述历史业务投诉文本的业务类型标签；
将所述历史业务投诉文本输入至所述业务分类模型的初始模型，以所述历史业务投诉文本的业务类型标签作为目标输出，训练所述初始模型，得到所述业务分类模型。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第二分类结果生成查询语句，包括：
对所述业务投诉文本进行分词处理，得到分词结果；所述分词结果中包括多个词条；
对每一个词条分别进行词性标注，获得每一个词条对应的词性标注结果；
根据预设规则对词性标注结果为目标词性的词条进行拼接，得到所述业务投诉文本对应的业务属性；所述业务属性用于表征业务办理的相关信息；
获取预设查询语句模板；所述预设查询语句模板包括查询参数格式；
根据所述查询参数格式，对所述业务属性和所述第二分类结果进行预处理；
根据所述预设查询语句模板，以及预处理后的所述业务属性和所述第二分类结果，生成所述查询语句。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
在所述第一分类结果为正面的情况下，根据所述第二分类结果和所述业务属性，确定所述业务投诉文本对应的流转对象；
根据所述业务投诉文本，生成业务工单；所述业务工单用于指示所述流转对象处理所述业务投诉文本。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
在所述查询结果包括所述业务处理记录的情况下，根据所述第二分类结果和所述业务属性，确定所述业务投诉文本对应的流转对象；
根据所述业务投诉文本，生成业务工单；所述业务工单用于指示所述流转对象处理所述业务投诉文本。
7.一种业务投诉处理装置，其特征在于，所述装置包括：
第一分类模块，用于采用已训练的情感分类模型对业务投诉文本进行文本分类，以获得关于所述业务投诉文本的情感极性的第一分类结果；所述情感极性分为正面或非正面；
第二分类模块，用于采用已训练的业务分类模型对所述业务投诉文本进行文本分类，以获得关于所述业务投诉文本的业务类型的第二分类结果；
查询模块，用于在所述第一分类结果为非正面的情况下，根据所述第二分类结果生成查询语句，根据所述查询语句在业务数据库中进行查询，得到查询结果；所述查询语句用于查询与所述业务投诉文本相关的业务处理记录；
标记模块，用于在所述查询结果不包括所述业务处理记录的情况下，将所述业务投诉文本作为恶意投诉文本。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，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至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310988356.XA CN117033435A (zh) | 2023-08-07 | 2023-08-07 | 业务投诉处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310988356.XA CN117033435A (zh) | 2023-08-07 | 2023-08-07 | 业务投诉处理方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117033435A true CN117033435A (zh) | 2023-11-10 |
Family
ID=88631085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310988356.XA Pending CN117033435A (zh) | 2023-08-07 | 2023-08-07 | 业务投诉处理方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117033435A (zh) |
-
2023
- 2023-08-07 CN CN202310988356.XA patent/CN117033435A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11392775B2 (en) | Semantic recognition method, electronic device, and computer-readable storage medium | |
| CN111767716B (zh) | 企业多级行业信息的确定方法、装置及计算机设备 | |
| WO2021159670A1 (zh) | 智能问答中未知问题处理方法、装置、计算机设备和介质 | |
| CN112651236B (zh) | 提取文本信息的方法、装置、计算机设备和存储介质 | |
| CN110096581A (zh) | 一种基于用户行为构建问答体系推荐问的系统及方法 | |
| CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
| CN112995414A (zh) | 基于语音通话的行为质检方法、装置、设备及存储介质 | |
| CN114579523A (zh) | 双录文件质检方法、装置、计算机设备和存储介质 | |
| CN112597292B (zh) | 问题回复推荐方法、装置、计算机设备和存储介质 | |
| CN113850077A (zh) | 基于人工智能的话题识别方法、装置、服务器及介质 | |
| CN117251777A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN117033435A (zh) | 业务投诉处理方法、装置、计算机设备和存储介质 | |
| US11526542B2 (en) | Server and method for classifying entities of a query | |
| CN114239602A (zh) | 会话方法、装置和计算机程序产品 | |
| CN117196031A (zh) | 一种构建客户需求认知体系的方法和系统 | |
| CN116484857A (zh) | 文本生成方法、装置、计算机设备和存储介质 | |
| CN116955283A (zh) | 业务信息查询方法、装置、设备、介质和产品 | |
| CN117541193A (zh) | 业务审核方法、装置、计算机设备和存储介质 | |
| CN116701658A (zh) | 业务意向的确定方法、装置及计算机设备 | |
| CN116561247A (zh) | 风险预警方法、装置、计算机设备和存储介质 | |
| CN117932058A (zh) | 基于文本分析的情绪识别方法、装置及设备 | |
| CN114239691A (zh) | 社区间信息融合方法、装置、计算机设备与存储介质 | |
| CN117035705A (zh) | 岗位匹配方法、装置、计算机设备和存储介质 | |
| CN117036041A (zh) | 业务信息推送方法、装置、计算机设备和存储介质 | |
| CN116886817A (zh) | 业务操作提醒方法、装置、设备、介质和产品 |
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 |