基于深度学习的案件处理提醒方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种基于深度学习的案件处理提醒方法、装置、计算机设备及存储介质，通过获取待处理的投诉案件、发件人信息和收件人信息，从指定数据库中导出投诉案件的属性信息，将属性信息输入至预先训练好的深度学习模型得到目标案件处理类型，判断目标案件处理类型是否为紧急类型，若是，根据属性信息、发件人信息、收件人信息和预设的邮件模板生成案件提醒邮件，将案件提醒邮件发送给指定终端。因为深度学习模型是由历史属性信息和历史案件处理类型作为样本训练得到，所以能够准确地得到目标案件处理类型，当指定终端的客服人员在收到提醒邮件后，能够第一时间处理目标案件处理类型为紧急类型的投诉案件，提高处理紧急投诉案件的效率。

【技术实现步骤摘要】
基于深度学习的案件处理提醒方法、装置、设备及介质
本专利技术涉及大数据处理领域，尤其涉及一种基于深度学习模型的案件处理提醒方法、装置、设备及介质。
技术介绍
目前，在保险公司中，随着案件的不断增多，如投诉案件不断增多，要求处理案件的效率也越来越高，尤其要求处理紧急案件的效率也越来越高。通常，保险公司设置专门的数据库保存投诉案件的属性信息，处理投诉案件的流程涉及多个环节和多个客服人员，由上一个客服人员处理完第一工作任务后，然后传递给下一个客服人员处理第二工作任务，依次进行下去，若其中一个环节出现了问题，都影响处理投诉案件的效率。一般情况下，客服人员是按照获得的投诉案件的先后顺序处理投诉案件，因为紧急投诉案件的紧急程度比非紧急投诉案件高，所以紧急投诉案件要求优先处理。但是，客服人员处理的投诉案件数量庞大，客服人员在紧张处理大量投诉案件的时候容易忘记先处理紧急投诉案件再处理非紧急投诉案件，传统作业中，只能客服人员凭记忆回想起有紧急投诉案件需要处理时，客服人员才处理紧急投诉案件，从而导致紧急投诉案件不能及时得到处理。
技术实现思路
本专利技术实施例提供一种基于深度学习模型的案件处理提醒方法、装置、计算机设备及存储介质，以解决紧急投诉案件不能及时得到处理的问题。一种基于深度学习模型的案件处理提醒方法，包括：获取待处理的投诉案件、发件人信息和收件人信息；从指定数据库中导出所述待处理的投诉案件的目标属性信息；将所述目标属性信息输入至预先训练好的深度学习模型，得到所述深度学习模型输出的目标案件处理类型，其中，所述深度学习模型是由历史属性信息和历史案件处理类型作为样本训练得到；判断所述目标案件处理类型是否为紧急类型；当所述目标案件处理类型为所述紧急类型时，根据所述目标属性信息、所述发件人信息、所述收件人信息和预设的邮件模板生成案件提醒邮件；将所述案件提醒邮件发送给指定终端。一种基于深度学习模型的案件处理提醒装置，包括：第一获取模块，用于获取待处理的投诉案件、发件人信息和收件人信息；导出模块，用于从指定数据库中导出所述待处理的投诉案件的目标属性信息；输入模块，用于将所述目标属性信息输入至预先训练好的深度学习模型，得到所述深度学习模型输出的目标案件处理类型，其中，所述深度学习模型是由历史属性信息和历史案件处理类型作为样本训练得到；第一判断模块，用于判断所述目标案件处理类型是否为紧急类型；生成模块，用于当所述目标案件处理类型为所述紧急类型时，根据所述目标属性信息、所述发件人信息、所述收件人信息和预设的邮件模板生成案件提醒邮件；发送模块，用于将所述案件提醒邮件发送给指定终端。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于深度学习模型的案件处理提醒方法的步骤。一种计算机可读存储介质，所述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上述基于深度学习模型的案件处理提醒方法的步骤。上述基于深度学习模型的案件处理提醒方法、装置、计算机设备及存储介质，通过先获取待处理的投诉案件、发件人信息和收件人信息，然后从指定数据库中导出所述待处理的投诉案件的属性信息，接下来将所述属性信息输入至预先训练好的深度学习模型得到所述深度学习模型输出的目标案件处理类型，再接下来判断所述目标案件处理类型是否为紧急类型，当所述目标案件处理类型为所述紧急类型时，根据所述属性信息、所述发件人信息、所述收件人信息和预设的邮件模板生成案件提醒邮件，最后将所述案件提醒邮件发送给指定终端。因为所述深度学习模型是由历史属性信息和历史案件处理类型作为样本训练得到，所以能够准确地得到目标案件处理类型，当所述目标案件处理类型为所述紧急类型时，根据获取到的投诉案件的属性信息、发件人信息、收件人信息和预设的邮件模板生成案件提醒邮件，将所述案件提醒邮件发送给指定终端，所以指定终端的客服人员在收到提醒邮件后，能够第一时间处理所述目标案件处理类型为所述紧急类型的投诉案件，提高处理紧急投诉案件的效率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中基于深度学习模型的案件处理提醒方法的一应用环境示意图；图2是本专利技术一实施例中基于深度学习模型的案件处理提醒方法的一流程图；图3是本专利技术一实施例中基于深度学习模型的案件处理提醒方法中训练深度学习模型的一流程图；图4是本专利技术一实施例中基于深度学习模型的案件处理提醒方法中确定出正样本或负样本的一流程图；图5是本专利技术一实施例中基于深度学习模型的案件处理提醒方法中步骤S50的一流程图；图6是本专利技术一实施例中基于深度学习模型的案件处理提醒方法中步骤S20的一流程图；图7是本专利技术一实施例中基于深度学习模型的案件处理提醒装置的一示意图；图8是本专利技术一实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请提供的基于深度学习模型的案件处理提醒方法，可应用在如图1的应用环境中，其中，计算机设备通过网络与服务器进行通信。其中，计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器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。在一实施例中，如图2所示，提供一种基于深度学习模型的案件处理提醒方法，该基于深度学习模型的案件处理提醒方法应用在金融行业中，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：S10、获取待处理的投诉案件、发件人信息和收件人信息；在本实施例中，待处理的投诉案件为保险公司等待处理的投诉案件，如理赔投诉案件，该投诉案件存储在预设的指定数据库中，处于随时可以调用的状态。发件人信息为邮件中发件人的信息，收件人信息为邮件中收件人的信息，发件人信息和收件人信息存储在预设的邮件数据库中，处于随时可以调用的状态。具体地，获取待处理的投诉案件在预设的指定数据库中的第一存储路径，然后根据该第一存储路径在预设的指定数据库中提取该投诉案件，同时获取发件人信息在预设的邮件数据库中的第二存储路径，然后根据该第二存储路径在预设的邮件数据库中提取该发件人信息，获取收件人信息在预设的邮件数据库中的第三存储路径，然后根据该第三存储路径在预设的邮件数据库中提取该收件人信息。需要说明的是，预设的指定数据库和预设的邮件数据库可以为SQL数据库或orable数据库，预设的指定数据库和预设的邮件数据库的具体内容，可以根据实际应用进行设定，此处不做限制。S20、从指定数据库中导出待处理的投诉案件的目标属性信息；在本实施例中，目标属性信息为代表投诉案件的属性的信息，如投诉案件类型。目标属性信息包括受理开始时间、承保机构、受理工作人员工号和案件状态等。具体地，待处理的投诉案本文档来自技高网...

【技术保护点】
1.一种基于深度学习模型的案件处理提醒方法，其特征在于，所述基于深度学习模型的案件处理提醒方法包括：获取待处理的投诉案件、发件人信息和收件人信息；从指定数据库中导出所述待处理的投诉案件的目标属性信息；将所述目标属性信息输入至预先训练好的深度学习模型，得到所述深度学习模型输出的目标案件处理类型，其中，所述深度学习模型是由历史属性信息和历史案件处理类型作为样本训练得到；判断所述目标案件处理类型是否为紧急类型；当所述目标案件处理类型为所述紧急类型时，根据所述目标属性信息、所述发件人信息、所述收件人信息和预设的邮件模板生成案件提醒邮件；将所述案件提醒邮件发送给指定终端。

【技术特征摘要】
1.一种基于深度学习模型的案件处理提醒方法，其特征在于，所述基于深度学习模型的案件处理提醒方法包括：获取待处理的投诉案件、发件人信息和收件人信息；从指定数据库中导出所述待处理的投诉案件的目标属性信息；将所述目标属性信息输入至预先训练好的深度学习模型，得到所述深度学习模型输出的目标案件处理类型，其中，所述深度学习模型是由历史属性信息和历史案件处理类型作为样本训练得到；判断所述目标案件处理类型是否为紧急类型；当所述目标案件处理类型为所述紧急类型时，根据所述目标属性信息、所述发件人信息、所述收件人信息和预设的邮件模板生成案件提醒邮件；将所述案件提醒邮件发送给指定终端。2.如权利要求1所述的深度学习模型的案件处理提醒方法，其特征在于，所述深度学习模型是由历史属性信息和历史案件处理类型作为样本训练得到，训练所述深度学习模型具体包括：获取历史投诉案件的历史属性信息和历史案件处理类型作为样本；将所述样本中的历史属性信息输入至所述深度学习模型，得到输出结果；调整所述深度学习模型的隐层参数，以最小化所述输出结果与所述样本中的历史属性信息之间的误差；若所述误差满足预设的条件，则确定当前的所述深度学习模型为训练好的深度学习模型。3.如权利要求1所述的深度学习模型的案件处理提醒方法，其特征在于，在所述将所述目标属性信息输入至预先训练好的深度学习模型，得到所述深度学习模型输出的目标案件处理类型之后，所述深度学习模型的案件处理提醒方法还包括：判断所述目标案件处理类型是否为预设的案件类型；若所述目标案件处理类型为所述预设的案件类型，则将所述目标属性信息和所述目标案件处理类型确定为正样本，所述正样本用于更新所述深度学习模型。4.如权利要求1所述的深度学习模型的案件处理提醒方法，其特征在于，所述根据所述目标属性信息、所述发件人信息、所述收件人信息和预设的邮件模板生成案件提醒邮件包括：获取所述预设的邮件模板；提取所述发件人信息中的发件人邮箱地址；提取所述收件人信息中的收件人邮箱地址；根据所述目标属性信息和预设的文字生成邮件正文；将所述发件人邮箱地址、所述收件人邮箱地址和所述邮件正文导入所述预设的邮件模板，得到案件提醒邮件。5.如权利要求1至4中任一项所述的深度学习模型的案件处理提醒方法，其特征在于，待导出属性信息存储在指定表格中，所述从指定数据库中导出所述待处理的投诉案件的目标属性信息包括：采用预设的导出表格方法从所述指定数据库中将第一案件属性信息导出，得到第二案...

【专利技术属性】
技术研发人员：高梁梁，陆国明，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44