服务异常识别方法、装置、服务器及可读存储介质制造方法及图纸

技术编号:24854729 阅读:19 留言:0更新日期:2020-07-10 19:08
本申请实施例提供了一种服务异常识别方法、装置、服务器及可读存储介质,实现原理为:在生成服务请求方与服务提供方之间的服务订单后,检测服务请求方与服务提供方之间是否建立语音通话,并在检测到服务请求方与服务提供方建立语音通话后,获取服务请求方与服务提供方之间的通话信息,接着根据通话信息判断服务提供方或者服务请求方中的任意一方是否存在异常服务事件,如此,能够及时识别出服务请求方或者服务提供方的异常服务事件,并针对存在异常服务事件的服务请求方或者服务提供方执行预设的异常服务事件处理策略,从而降低服务过程中的安全风险以及服务平台的订单取消率。

【技术实现步骤摘要】
服务异常识别方法、装置、服务器及可读存储介质
本申请涉及计算机
,具体而言,涉及一种服务异常识别方法、装置、服务器及可读存储介质。
技术介绍
目前,随着汽车电子技术的持续快速发展,乘坐出租车出行和预约乘坐私家车出行等出行方式得到了长足发展,在人们日常生活出行中起到了不可替代的作用,为广大人民的日常生活、交通出行带来了极大方便。随着社会的进一步发展,传统的出租车已经不能满足人们出行的需求,为了更加方便用户的需求,目前市面上出现了网络预约车,方便用户通过用车软件预定符合自己行程的车辆。随着提供服务的出租车和私家车数量的增多,服务安全性的问题变得越来越重要,司机或者乘客在使用网约车软件过程中往往会存在一些异常服务事件,这些异常服务事件不仅会带来安全风险还会增加服务平台的订单取消率,如何有效识别这些异常服务事件,是本领域技术人员亟待解决的技术问题。
技术实现思路
有鉴于此,本申请实施例的目的在于提供一种服务异常识别方法、装置、服务器及可读存储介质,以解决或者改善上述问题。根据本申请实施例的一个方面,提供一种电子设备,可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行所述机器可读指令,以执行服务异常识别方法。根据本申请实施例的另一方面,提供一种服务异常识别方法,应用于服务器,所述方法包括:在生成服务请求方与服务提供方之间的服务订单后,检测所述服务请求方与所述服务提供方之间是否建立语音通话;在检测到所述服务请求方与所述服务提供方建立语音通话后,获取所述服务请求方与所述服务提供方之间的通话信息;根据所述通话信息判断所述服务提供方或者所述服务请求方中的任意一方是否存在异常服务事件;在判断结果为是时,针对存在异常服务事件的服务请求方或者所述服务提供方执行预设的异常服务事件处理策略。在一种可能的实施方式中,所述在检测到服务请求方与服务提供方建立通话时,获取所述服务请求方与所述服务提供方之间的通话信息的步骤,包括:在接收到所述服务提供方针对所述服务请求方发起的通信请求时,获取预先为所述服务提供方分配的虚拟保护号码;将所述虚拟保护号码发送给所述服务提供方,以使所述服务提供方采用所述虚拟保护号码生成针对所述服务请求方的虚拟通信请求;在接收到所述虚拟通信请求后,根据所述虚拟通信请求为所述服务提供方和所述服务请求方建立通话;在检测到所述服务提供方与所述服务请求方建立通话时,获取所述服务请求方与所述服务提供方之间的通话信息。在一种可能的实施方式中,所述在检测到服务请求方与服务提供方建立通话时,获取所述服务请求方与所述服务提供方之间的通话信息的步骤,包括:在接收到所述服务请求方针对所述服务提供方发起的通信请求时,获取预先为所述服务请求方分配的虚拟保护号码;将所述虚拟保护号码发送给所述服务请求方,以使所述服务请求方采用所述虚拟保护号码生成针对所述服务提供方的虚拟通信请求;在接收到所述虚拟通信请求后,根据所述虚拟通信请求为所述服务请求方和所述服务提供方建立通话;在检测到服务请求方与服务提供方建立通话时,获取所述服务请求方与所述服务提供方之间的通话信息。在一种可能的实施方式中,所述根据所述通话信息判断所述服务提供方或者所述服务请求方中的任意一方是否存在异常服务事件的步骤,包括:对所述通话信息进行预处理,生成所述服务提供方所在信道的第一通话信息和所述服务请求方所在信道的第二通话信息;分别对所述第一通话信息和所述第二通话信息进行语音转换,获得与所述第一通话信息对应的第一文本信息和与所述第二通话信息对应的第二文本信息;对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件;对所述第二文本信息进行识别,根据识别结果判断该服务请求方是否存在异常服务事件。在一种可能的实施方式中,所述方法还包括:预先训练得到切单模型,具体训练步骤为:配置初始切单训练模型并获取切单训练样本集,所述初始切单训练模型为深度神经网络模型、决策树模型、邻近算法KNN模型、支持向量机模型、朴素贝叶斯模型、遗传算法模型中的一种,所述切单训练样本集包括多个标注有是否存在切单行为的训练语料,所述训练语料包括各个服务提供方的历史服务订单中的通话信息对应的文本信息;基于所述切单训练样本集迭代训练所述初始切单训练模型,并在满足迭代训练终止条件时输出所述切单模型;所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:将所述第一文本信息输入到所述切单模型中,输出所述服务提供方存在切单行为的切单置信度;在所述切单置信度大于第一设定置信度时,判定所述服务提供方存在异常服务事件。在一种可能的实施方式中,所述方法还包括:预先训练得到索要联系方式模型,具体训练步骤为:配置初始索要联系方式训练模型并获取索要联系方式样本集,所述初始索要联系方式训练模型为深度神经网络模型、决策树模型、邻近算法KNN模型、支持向量机模型、朴素贝叶斯模型、遗传算法模型中的一种,所述索要联系方式样本集包括多个标注有是否存在联系方式行为的训练语料,所述训练语料包括各个服务提供方的历史服务订单中的通话信息对应的文本信息;基于所述索要联系方式样本集迭代训练所述初始索要联系方式训练模型,并在满足迭代训练终止条件时输出所述索要联系方式模型;所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:将所述第一文本信息输入到所述索要联系方式模型中,输出所述服务提供方存在索要联系方式行为的索要联系方式置信度;在所述索要联系方式置信度大于第二设定置信度时,判定所述服务提供方存在异常服务事件。在一种可能的实施方式中,所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:根据联系方式的正则表达式对所述第一文本信息进行识别,判断所述第一文本信息中是否存在联系方式;若所述第一文本信息中存在联系方式,则判定所述服务提供方存在异常服务事件。在一种可能的实施方式中,所述方法还包括:预先训练得到人车不符模型,具体训练步骤为:配置初始人车不符训练模型并获取人车不符样本集,所述初始人车不符训练模型为深度神经网络模型、决策树模型、邻近算法KNN模型、支持向量机模型、朴素贝叶斯模型、遗传算法模型中的一种,所述人车不符样本集包括多个标注有是否存在人车不符行为的训练语料,所述训练语料包括各个服务提供方的历史服务订单中的通话信息对应的文本信息;基于所述人车不符样本集迭代训练所述初始人车不符训练模型,并在满足迭代训练终止条件时输出所述人车不符模型;所述对所述第一文本信息进行识别,根据识别结果判断该服务本文档来自技高网...

【技术保护点】
1.一种服务异常识别方法,其特征在于,应用于服务器,所述方法包括:/n在生成服务请求方与服务提供方之间的服务订单后,检测所述服务请求方与所述服务提供方之间是否建立语音通话;/n在检测到所述服务请求方与所述服务提供方建立语音通话后,获取所述服务请求方与所述服务提供方之间的通话信息;/n根据所述通话信息判断所述服务提供方或者所述服务请求方中的任意一方是否存在异常服务事件;/n在判断结果为是时,针对存在异常服务事件的服务请求方或者所述服务提供方执行预设的异常服务事件处理策略。/n

【技术特征摘要】
1.一种服务异常识别方法,其特征在于,应用于服务器,所述方法包括:
在生成服务请求方与服务提供方之间的服务订单后,检测所述服务请求方与所述服务提供方之间是否建立语音通话;
在检测到所述服务请求方与所述服务提供方建立语音通话后,获取所述服务请求方与所述服务提供方之间的通话信息;
根据所述通话信息判断所述服务提供方或者所述服务请求方中的任意一方是否存在异常服务事件;
在判断结果为是时,针对存在异常服务事件的服务请求方或者所述服务提供方执行预设的异常服务事件处理策略。


2.根据权利要求1所述的服务异常识别方法,其特征在于,所述在检测到服务请求方与服务提供方建立通话时,获取所述服务请求方与所述服务提供方之间的通话信息的步骤,包括:
在接收到所述服务提供方针对所述服务请求方发起的通信请求时,获取预先为所述服务提供方分配的虚拟保护号码;
将所述虚拟保护号码发送给所述服务提供方,以使所述服务提供方采用所述虚拟保护号码生成针对所述服务请求方的虚拟通信请求;
在接收到所述虚拟通信请求后,根据所述虚拟通信请求为所述服务提供方和所述服务请求方建立通话;
在检测到所述服务提供方与所述服务请求方建立通话时,获取所述服务请求方与所述服务提供方之间的通话信息。


3.根据权利要求1所述的服务异常识别方法,其特征在于,所述在检测到服务请求方与服务提供方建立通话时,获取所述服务请求方与所述服务提供方之间的通话信息的步骤,包括:
在接收到所述服务请求方针对所述服务提供方发起的通信请求时,获取预先为所述服务请求方分配的虚拟保护号码;
将所述虚拟保护号码发送给所述服务请求方,以使所述服务请求方采用所述虚拟保护号码生成针对所述服务提供方的虚拟通信请求;
在接收到所述虚拟通信请求后,根据所述虚拟通信请求为所述服务请求方和所述服务提供方建立通话;
在检测到服务请求方与服务提供方建立通话时,获取所述服务请求方与所述服务提供方之间的通话信息。


4.根据权利要求1所述的服务异常识别方法,其特征在于,所述根据所述通话信息判断所述服务提供方或者所述服务请求方中的任意一方是否存在异常服务事件的步骤,包括:
对所述通话信息进行预处理,生成所述服务提供方所在信道的第一通话信息和所述服务请求方所在信道的第二通话信息;
分别对所述第一通话信息和所述第二通话信息进行语音转换,获得与所述第一通话信息对应的第一文本信息和与所述第二通话信息对应的第二文本信息;
对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件;
对所述第二文本信息进行识别,根据识别结果判断该服务请求方是否存在异常服务事件。


5.根据权利要求4所述的服务异常识别方法,其特征在于,所述方法还包括:
预先训练得到切单模型,具体训练步骤为:
配置初始切单训练模型并获取切单训练样本集,所述初始切单训练模型为深度神经网络模型、决策树模型、邻近算法KNN模型、支持向量机模型、朴素贝叶斯模型、遗传算法模型中的一种,所述切单训练样本集包括多个标注有是否存在切单行为的训练语料,所述训练语料包括各个服务提供方的历史服务订单中的通话信息对应的文本信息;
基于所述切单训练样本集迭代训练所述初始切单训练模型,并在满足迭代训练终止条件时输出所述切单模型;
所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:
将所述第一文本信息输入到所述切单模型中,输出所述服务提供方存在切单行为的切单置信度;
在所述切单置信度大于第一设定置信度时,判定所述服务提供方存在异常服务事件。


6.根据权利要求4所述的服务异常识别方法,其特征在于,所述方法还包括:
预先训练得到索要联系方式模型,具体训练步骤为:
配置初始索要联系方式训练模型并获取索要联系方式样本集,所述初始索要联系方式训练模型为深度神经网络模型、决策树模型、邻近算法KNN模型、支持向量机模型、朴素贝叶斯模型、遗传算法模型中的一种,所述索要联系方式样本集包括多个标注有是否存在联系方式行为的训练语料,所述训练语料包括各个服务提供方的历史服务订单中的通话信息对应的文本信息;
基于所述索要联系方式样本集迭代训练所述初始索要联系方式训练模型,并在满足迭代训练终止条件时输出所述索要联系方式模型;
所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:
将所述第一文本信息输入到所述索要联系方式模型中,输出所述服务提供方存在索要联系方式行为的索要联系方式置信度;
在所述索要联系方式置信度大于第二设定置信度时,判定所述服务提供方存在异常服务事件。


7.根据权利要求4所述的服务异常识别方法,其特征在于,所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:
根据联系方式的正则表达式对所述第一文本信息进行识别,判断所述第一文本信息中是否存在联系方式;
若所述第一文本信息中存在联系方式,则判定所述服务提供方存在异常服务事件。


8.根据权利要求4所述的服务异常识别方法,其特征在于,所述方法还包括:
预先训练得到人车不符模型,具体训练步骤为:
配置初始人车不符训练模型并获取人车不符样本集,所述初始人车不符训练模型为深度神经网络模型、决策树模型、邻近算法KNN模型、支持向量机模型、朴素贝叶斯模型、遗传算法模型中的一种,所述人车不符样本集包括多个标注有是否存在人车不符行为的训练语料,所述训练语料包括各个服务提供方的历史服务订单中的通话信息对应的文本信息;
基于所述人车不符样本集迭代训练所述初始人车不符训练模型,并在满足迭代训练终止条件时输出所述人车不符模型;
所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:
将所述第一文本信息输入到所述人车不符模型中,输出所述服务提供方存在人车不符行为的人车不符置信度;
在所述人车不符置信度大于第三设定置信度时,判定所述服务提供方存在异常服务事件。


9.根据权利要求4所述的服务异常识别方法,其特征在于,所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:
根据车牌号码的正则表达式对所述第一文本信息进行识别,判断所述第一文本信息中是否存在车牌号码;
若所述第一文本信息中存在车牌号码,则判断所述车牌号码是否为该服务提供方注册的车牌号码;
若所述车牌号码不是该服务提供方注册的车牌号码,判定所述服务提供方存在异常服务事件。


10.根据权利要求4所述的服务异常识别方法,其特征在于,所述方法还包括:
预先训练得到诱导行为模型,具体训练步骤为:
配置初始诱导行为训练模型并获取诱导行为样本集,所述初始诱导行为训练模型为深度神经网络模型、决策树模型、邻近算法KNN模型、支持向量机模型、朴素贝叶斯模型、遗传算法模型中的一种,所述诱导行为样本集包括多个标注有是否存在诱导行为的训练语料,所述训练语料包括各个服务提供方的历史服务订单中的通话信息对应的文本信息;
基于所述诱导行为样本集迭代训练所述初始诱导行为训练模型,并在满足迭代训练终止条件时输出所述诱导行为模型;
所述对所述第一文本信息进行识别,根据识别结果判断该服务提供方是否存在异常服务事件的步骤,包括:
将所述第一文本信息输入到所述诱导行为模型中,输出所述服务提供方存在诱导行为的诱导行为置信度;
在所述诱导行为置信度大于第四设定置信度时,判定所述服务提供方存在异常服务事件。


11.根据权利要求1所述的服务异常识别方法,其特征在于,所述针对存在异常服务事件的服务请求方或者所述服务提供方执行预设的异常服务事件处理策略的步骤,包括:
针对存在异常服务事件的服务请求方或者所述服务提供方,向该服务请求方或者所述服务提供方发送语音互动请求以与该服务请求方或者所述服务提供方建立语音通信,并通过语音互动应答对该服务请求方或者所述服务提供方进行警告提示;或者
向该服务请求方或者所述服务提供方发送弹窗警告信息以通过所述弹窗警告信息对该服务请求方或者所述服务提供方进行警告提示。


12.根据权利要求1所述的服务异常识别方法,其特征在于,所述针对存在异常服务事件的服务请求方或者所述服务提供方执行预设的异常服务事件处理策略的步骤,包括:
取消所述服务请求方与服务提供方之间的服务订单。


13.一种服务异常识别装置,其特征在于,应用于服务器,所述装置包括:
检测模块,用于在生成服务请求方与服务提供方之间的服务订单后,检测所述服务请求方与所述服务提供方之间是否建立语音通话;
获取模块,用于在检测到所述服务请求方与所述服务提供方建立语音通...

【专利技术属性】
技术研发人员:卓皓
申请(专利权)人:北京嘀嘀无限科技发展有限公司
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1