投诉、投诉案件处理方法、装置及设备制造方法及图纸

本说明书实施例提供一种投诉、投诉案件处理方法、装置及设备，在投诉案件处理方法中，获取待处理投诉案件的多个特征数据。根据该多个特征数据，对预测模型进行训练。将多个特征数据以及训练好的预测模型输入解释模型，以获取投诉案件的判定结果以及判定原因。输出判定结果以及判定原因。

Complaints, handling methods, devices and equipment for complaints

The embodiment of this specification provides a method, device and equipment for handling complaints and complaints. In the method of handling complaints, it obtains multiple characteristic data of complaints to be processed. According to the multi-feature data, the prediction model is trained. Multiple feature data and trained prediction models are input into the interpretation model to obtain the judgment results and reasons of complaint cases. Output judgment results and reasons.

【技术实现步骤摘要】
投诉、投诉案件处理方法、装置及设备
本说明书一个或多个实施例涉及计算机
，尤其涉及一种投诉、投诉案件处理方法、装置及设备。
技术介绍
传统技术中，当用户针对一种或多种业务进行投诉时，审理系统会生成相应的投诉案件，并对该投诉案件进行处理。之后，向用户输出相应的处理结果。该处理结果仅仅包含投诉成立与否的信息。因此，需要提供一种方案，以在投诉处理结束后，向用户提供更多的信息。
技术实现思路
本说明书一个或多个实施例描述了一种投诉、投诉案件处理方法、装置及设备，可以输出投诉案件的判定结果以及判定原因。第一方面，提供了一种投诉案件处理方法，包括：获取待处理投诉案件的多个特征数据；根据所述多个特征数据，对预测模型进行训练；将所述多个特征数据以及训练好的预测模型输入解释模型，以获取所述投诉案件的判定结果以及判定原因；输出所述判定结果以及所述判定原因。第二方面，提供了一种投诉处理方法，包括：接收投诉方针对一种或多种业务所发送的投诉请求；根据所述投诉请求，生成投诉案件；将所述投诉案件按概率分派至AI审理模块进行处理；获取所述AI审理模块在对所述投诉案件进行处理后所获得的决策结果以及判定原因；根据所述决策结果以及判定原因，生成智能报文；输出所述智能报文。第三方面，提供了一种投诉案件处理装置，包括：获取单元，用于获取待处理投诉案件的多个特征数据；训练单元，用于根据所述获取单元获取的所述多个特征数据，对预测模型进行训练；所述获取单元，还用于将所述多个特征数据以及训练好的预测模型输入解释模型，以获取所述投诉案件的判定结果以及判断原因；输出单元，用于输出所述判定结果以及所述判定原因。第四方面，提供了一种投诉处理装置，包括：接收单元，用于接收投诉方针对一种或多种业务所发送的投诉请求；生成单元，用于根据所述接收单元接收的所述投诉请求，生成投诉案件；分派单元，用于将所述生成单元生成的所述投诉案件按概率分派至AI审理模块进行处理；获取单元，用于获取所述AI审理模块在对所述投诉案件进行处理后所获得的决策结果以及判定原因；所述生成单元，还用于根据所述获取单元获取的所述决策结果以及判定原因，生成智能报文；输出单元，用于输出所述智能报文。第五方面，提供了一种投诉案件处理设备，包括：存储器；一个或多个处理器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序被所述处理器执行时实现以下步骤：获取单元，用于获取待处理投诉案件的多个特征数据；训练单元，用于根据所述获取单元获取的所述多个特征数据，对预测模型进行训练；所述获取单元，还用于将所述多个特征数据以及训练好的预测模型输入解释模型，以获取所述投诉案件的判定结果以及判断原因；输出单元，用于输出所述判定结果以及所述判定原因。第六方面，提供了一种投诉处理设备，包括：存储器；一个或多个处理器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序被所述处理器执行时实现以下步骤：接收投诉方针对一种或多种业务所发送的投诉请求；根据所述投诉请求，生成投诉案件；将所述投诉案件按概率分派至AI审理模块进行处理；获取所述AI审理模块在对所述投诉案件进行处理后所获得的决策结果以及判定原因；根据所述决策结果以及判定原因，生成智能报文；输出所述智能报文。本说明书一个或多个实施例提供的投诉、投诉案件处理方法、装置及设备，获取待处理投诉案件的多个特征数据。根据该多个特征数据，对预测模型进行训练。将多个特征数据以及训练好的预测模型输入解释模型，以获取投诉案件的判定结果以及判定原因。输出判定结果以及判定原因。也即本说明书提供的方案中，不仅可以输出投诉案件的判定结果，还可以获取到该判定结果对应的判定原因，从而方便于对判定结果的复核，进而可以提升判定结果输出的准确性。附图说明为了更清楚地说明本说明书实施例的技术方案，下面将对实施例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，还可以根据这些附图获得其它的附图。图1为本说明书提供的智能审理系统示意图；图2为本说明书一个实施例提供的投诉处理方法流程图；图3为本说明书提供的智能报文示意图；图4为本说明书一个实施例提供的投诉案件处理方法示意图；图5为本说明书另一个实施例提供的投诉案件处理方法示意图；图6为本说明书一个实施例提供的投诉处理装置示意图；图7为本说明书一个实施例提供的投诉案件处理装置示意图；图8为本说明书一个实施例提供的投诉处理设备示意图；图9为本说明书一个实施例提供的投诉案件处理设备示意图。具体实施方式下面结合附图，对本说明书提供的方案进行描述。在介绍本说明书提供的方案之前，先对投诉处理的必要性作如下说明。首先，欺诈事实的认定主要来自于用户对业务的投诉，以及对投诉内容的再确认。其次，欺诈防控本质在于降低风险漏过，而风险漏过的直接指标即为欺诈成立的投诉案件。基于以上两方面的原因，提出一种准确、可靠的投诉处理方法是必要的。图1为本说明书提供的智能审理系统示意图。图1中，该智能审理系统可以包括投诉模块102、智能分派模块104、人工智能(ArtificialIntelligence，AI)审理模块106以及案件拓展模块108。投诉模块102用于确定投诉方所投诉的业务(简称投诉业务)以及获取投诉方针对投诉业务所提交的证据信息。在一个例子中，投诉模块102具体可以实现为智能交互式的举报产品，该举报产品可以引导投诉方选取投诉业务以及提交与投诉业务相关的证据信息。此处的证据信息可以包括但不限于文本、语音以及图片等形式。投诉模块102还用于基于投诉方账号，获取其它的投诉方信息，如，姓名、性别、年龄以及相关账号等。以及根据投诉业务的业务信息，获取被投诉方账号。之后基于被投诉方账号，获取其它的被投诉方信息(类似于上述投诉方信息)。此外，还可以与其它系统进行交互，以从其它系统中获取与被投诉方相关的欺诈行为信息等。最后，投诉模块102还用于根据上述获取到的信息，生成对应的投诉案件。智能分派模块104用于将投诉案件按概率分派给AI审理模块106或者人工进行处理。在一个例子中，可以借鉴a/b测试的分组方式，实现上述投诉案件的智能分派。在人工进行投诉案件处理的过程中，可以采用人工特定风险模式(Modusoperandi，MO)检测的方式。需要说明的是，通过该智能分派模块104可以实现对新型欺诈手法进行人工抽样双盲复核，还可以对新上线模型实时进行人工机器双盲审核，达到确认，复核模型效果的作用。此外，以直接人工介入的方式还可以提升智能审理系统的整体稳定性和实时性。AI审理模块106用于基于全部的投诉方信息、被投诉方信息、投诉业务的业务信息以及与投诉业务相关的证据信息，获取投诉案件的判定结果以及判定原因。在一种实现方式中，上述判定结果以及判定原因的获取过程具体可以为：获取投诉案件的多个特征数据。这里的特征数据可以包括但不限于上述四方面的信息。根据该多个特征数据，对预测模型进行训练。将多个特征数据以及训练好的预测模型输入解释模型，以获取投诉案件的判定结果以及判定原因。输出判定结果以及判定原因本文档来自技高网...

【技术保护点】
1.一种投诉案件处理方法，包括：获取待处理投诉案件的多个特征数据；根据所述多个特征数据，对预测模型进行训练；将所述多个特征数据以及训练好的预测模型输入解释模型，以获取所述投诉案件的判定结果以及判定原因；输出所述判定结果以及所述判定原因。

【技术特征摘要】
1.一种投诉案件处理方法，包括：获取待处理投诉案件的多个特征数据；根据所述多个特征数据，对预测模型进行训练；将所述多个特征数据以及训练好的预测模型输入解释模型，以获取所述投诉案件的判定结果以及判定原因；输出所述判定结果以及所述判定原因。2.根据权利要求1所述的方法，所述特征数据包括文本信息和非文本信息；所述预测模型为文本分类模型与非文本分类模型的融合。3.根据权利要求1所述的方法，所述解释模型包括以下任一种：与预测模型无关的解释模型以及与预测模型相关的解释模型。4.根据权利要求1-3任一项所述的方法，所述特征数据包括以下一种或多种：投诉方信息、被投诉方信息、投诉方所投诉业务的业务信息以及投诉方提交的证据信息。5.根据权利要求1所述的方法，还包括：根据所述判定结果以及预设的决策规则，确定所述投诉案件的最终的决策结果。6.一种投诉处理方法，包括：接收投诉方针对一种或多种业务所发送的投诉请求；根据所述投诉请求，生成投诉案件；将所述投诉案件按概率分派至AI审理模块进行处理；获取所述AI审理模块在对所述投诉案件进行处理后所获得的决策结果以及判定原因；根据所述决策结果以及判定原因，生成智能报文；输出所述智能报文。7.根据权利要求6所述的方法，所述根据所述决策结果以及判定原因，生成智能报文，包括：从所述多个特征数据中提取所述投诉方信息以及所述被投诉方信息；基于所述业务信息，确定投诉方与被投诉方之间的资金往来关系；获取所述投诉方与所述被投诉方之间的历史交易信息；根据所述历史交易信息，确定案情综述；根据所述投诉方信息、所述被投诉方信息、所述资金往来关系、所述案情综述、所述判定原因以及所述决策结果，生成智能报文。8.根据权利要求6所述的方法，所述决策结果至少包括对所述业务的风险定性结果，还包括：当所述风险定性结果满足预设条件时，进行预警。9.一种投诉案件处理装置，包括：获取单元，用于获取待处理投诉案件的多个特征数据；训练单元，用于根据所述获取单元获取的所述多个特征数据，对预测模型进行训练；所述获取单元，还用于将所述多个特征数据以及训练好的预测模型输入解释模型，以获取所述投诉案件的判定结果以及判断原因；输出单元，用于输出所述判定结果以及所述判定原因。10.根据权利要求9所述的装置，所述特征数据包括文本信息和非文本信息；所述预测模型为文本分类模型与非文本分类模型的融合。11.根据权利要求9所述的装置，所述解释模型可以包括以下任一种：与预测模型无关的解释模型以及与预测模型相关的解释模型。...

【专利技术属性】
技术研发人员：许辽萨，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY