一种类案检索的方法、装置、存储介质及电子设备制造方法及图纸

本说明书提供了一种类案检索的方法、装置、存储介质及电子设备。在本说明书提供的类案检索方法中，接收用户对业务的投诉请求，投诉请求中包含用户的反馈信息与被投诉方标识；确定被投诉方的历史业务信息；将反馈信息和历史业务信息输入预先训练的风险预估模型中，确定案件的风险特征；根据风险特征，在案件库的各历史投诉案件中确定候选案件；将反馈信息输入行为分析模型中，确定被投诉方的行为特征；根据行为特征，在候选案件中确定目标案件的类案。在采用本说明书提供的类案检索方法时，与传统的仅采用单一特征进行检索的方式相比，本方法能够采用两个不同维度的特征以级联的形式通过两次筛选检索案件，可检索出相似程度更高的类案。高的类案。高的类案。

【技术实现步骤摘要】
一种类案检索的方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
，尤其涉及一种类案检索的方法、装置、存储介质及电子设备。

技术介绍

[0002]如今，虚拟的线上环境充斥着大量的虚假信息，用户在线上交易的过程中需要时刻警惕，以防上当受骗，或是隐私数据泄露。一般来说，当用户在执行交易业务的过程中感知到交易存在异常，可能有上当受骗的风险，用户就会在提供业务的平台上对商家或交易对象进行投诉或举报。
[0003]通常，可将平台方接收到的每一次投诉作为一个案件进行处理。在实际处理案件时，并不是每个案件都能有明确的规则或处理办法能够遵循，因此，在处理这种“无法可依”的案件时，较为合理的选择就是检索历史上发生过的相似案件，采用类案同判的方式进行处理。
[0004]由此，如何检索出最为相似的案件是一个亟待解决的问题。

技术实现思路

[0005]本说明书提供一种类案检索的方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：本说明书提供了一种类案检索的方法，包括：接收用户对业务的投诉请求，确定目标案件，所述投诉请求中至少包含所述用户的反馈信息与被投诉方标识；根据被投诉方标识，确定所述被投诉方的历史业务信息；将所述反馈信息和所述历史业务信息输入预先训练的风险预估模型中，确定所述目标案件的风险特征；根据所述风险特征，在案件库的各历史投诉案件中确定候选案件；将所述反馈信息输入预先训练的行为分析模型中，确定所述被投诉方在所述目标案件中的行为特征；在所述候选案件中确定与所述行为特征匹配的候选案件，作为所述目标案件的类案。
[0007]可选地，将所述反馈信息和所述历史业务信息输入预先训练的风险预估模型中，确定所述目标案件的风险特征，具体包括：将所述反馈信息和所述历史业务信息输入预先训练的风险预估模型中，提取所述反馈信息的第一特征，并提取所述历史业务信息的第二特征；对所述第一特征和所述第二特征进行拼接，确定拼接特征；
采用多层感知机处理所述拼接特征，得到所述目标案件的风险特征。
[0008]可选地，所述案件库中存储了各历史投诉案件以及各历史投诉案件的风险特征和行为特征；根据所述风险特征，在案件库的各历史投诉案件中确定候选案件，具体包括：针对所述案件库中的每个历史投诉案件，确定该历史投诉案件的风险特征与所述目标案件的风险特征之间的相似度，作为该历史投诉案件与所述目标案件之间的第一相似度；根据所述第一相似度，在各历史投诉案件中确定候选案件。
[0009]可选地，根据所述第一相似度，在各历史投诉案件中确定候选案件，具体包括：针对每个历史投诉案件，若该历史投诉案件与所述目标案件之间的第一相似度不小于指定阈值，则将该历史投诉案件确定为候选案件。
[0010]可选地，在所述候选案件中确定与所述行为特征匹配的候选案件，具体包括：针对每个候选案件，确定该候选案件的行为特征与所述目标案件的行为特征之间的相似度，作为该候选案件与所述目标案件之间的第二相似度；根据所述第二相似度，在各候选案件中确定与所述目标案件匹配的候选案件。
[0011]可选地，根据所述第二相似度，在各候选案件中确定与所述目标案件匹配的案件，具体包括：在各候选案件中，按照与所述目标案件之间的第二相似度从高到低的顺序，确定指定数量的候选案件，作为与所述目标案件匹配的候选案件。
[0012]可选地，所述方法还包括：按照与所述目标案件之间的第二相似度从高到低的顺序，展示所述目标案件的类案。
[0013]可选地，预先训练风险预估模型，具体包括：获取样本反馈信息、样本历史业务信息以及标注标签；将所述样本反馈信息输入待训练的风险预估模型中，提取所述样本反馈信息的第一特征，并提取所述样本历史业务信息的第二特征；对所述第一特征和所述第二特征进行拼接，确定拼接特征；采用多层感知机处理所述拼接特征，得到风险特征；根据所述风险特征，确定风险标签；以所述风险标签与所述标注标签之间的差异最小为优化目标，对所述风险预估模型进行训练。
[0014]本说明书提供了一种类案检索装置，包括：接收模块，用于接收用户对业务的投诉请求，确定目标案件，所述投诉请求中至少包含所述用户的反馈信息与被投诉方标识；信息确定模块，用于根据被投诉方标识，确定所述被投诉方的历史业务信息；风险预估模块，用于将所述反馈信息和所述历史业务信息输入预先训练的风险预估模型中，确定所述目标案件的风险特征；候选案件确定模块，用于根据所述风险特征，在案件库的各历史投诉案件中确定候选案件；
行为分析模块，用于将所述反馈信息输入预先训练的行为分析模型中，确定所述被投诉方在所述目标案件中的行为特征；类案确定模块，用于在所述候选案件中确定与所述行为特征匹配的候选案件，作为所述目标案件的类案。
[0015]本说明书提供了一种计算机可读存储介质，所述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类案检索的方法。
[0016]本说明书提供了一种电子设备，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上述类案检索的方法。
[0017]本说明书采用的上述至少一个技术方案能够达到以下有益效果：在本说明书提供的类案检索方法中，接收用户对业务的投诉请求，投诉请求中包含用户的反馈信息与被投诉方标识；确定被投诉方的历史业务信息；将反馈信息和历史业务信息输入预先训练的风险预估模型中，确定案件的风险特征；根据风险特征，在案件库的各历史投诉案件中确定候选案件；将反馈信息输入行为分析模型中，确定被投诉方的行为特征；根据行为特征，在候选案件中确定目标案件的类案。在采用本说明书提供的类案检索方法时，与传统的仅采用单一特征进行检索的方式相比，本方法能够采用两个不同维度的特征以级联的形式通过两次筛选检索案件，可检索出相似程度更高的类案。
附图说明
[0018]此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：图1为本说明书中提供的一种类案检索方法的流程示意图；图2为本说明书提供的一种类案检索方法的步骤图；图3为本说明书提供的一种风险预估模型的结构示意图；图4为本说明书提供的一种类案检索装置的示意图；图5为本说明书提供的一种对应于图1的电子设备示意图。
具体实施方式
[0019]为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通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，都属于本说明书保护的范围。
[0020]以下结合附图，详细说明本说明书各实施例提供的技术方案。
[0021]图1为本说明书中提供的一种类案检索的方法的流程示意图，包括以下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种类案检索的方法，包括：接收用户对业务的投诉请求，确定目标案件，所述投诉请求中至少包含所述用户的反馈信息与被投诉方标识；根据被投诉方标识，确定所述被投诉方的历史业务信息；将所述反馈信息和所述历史业务信息输入预先训练的风险预估模型中，确定所述目标案件的风险特征；根据所述风险特征，在案件库的各历史投诉案件中确定候选案件；将所述反馈信息输入预先训练的行为分析模型中，确定所述被投诉方在所述目标案件中的行为特征；在所述候选案件中确定与所述行为特征匹配的候选案件，作为所述目标案件的类案。2.如权利要求1所述的方法，将所述反馈信息和所述历史业务信息输入预先训练的风险预估模型中，确定所述目标案件的风险特征，具体包括：将所述反馈信息和所述历史业务信息输入预先训练的风险预估模型中，提取所述反馈信息的第一特征，并提取所述历史业务信息的第二特征；对所述第一特征和所述第二特征进行拼接，确定拼接特征；采用多层感知机处理所述拼接特征，得到所述目标案件的风险特征。3.如权利要求1所述的方法，所述案件库中存储了各历史投诉案件以及各历史投诉案件的风险特征和行为特征；根据所述风险特征，在案件库的各历史投诉案件中确定候选案件，具体包括：针对所述案件库中的每个历史投诉案件，确定该历史投诉案件的风险特征与所述目标案件的风险特征之间的相似度，作为该历史投诉案件与所述目标案件之间的第一相似度；根据所述第一相似度，在各历史投诉案件中确定候选案件。4.如权利要求3所述的方法，根据所述第一相似度，在各历史投诉案件中确定候选案件，具体包括：针对每个历史投诉案件，若该历史投诉案件与所述目标案件之间的第一相似度不小于指定阈值，则将该历史投诉案件确定为候选案件。5.如权利要求3所述的方法，在所述候选案件中确定与所述行为特征匹配的候选案件，具体包括：针对每个候选案件，确定该候选案件的行为特征与所述目标案件的行为特征之间的相似度，作为该候选案件与所述目标案件之间的第二相似度；根据所述第二相似度，在各候选案件中确定与所述目标案件匹配的候选案件。6.如权利要求5所述的方法，根据所述第二相似度，在各候选案件中确定与所述目标案件匹配的案件，具体包括：在各候选案件中，按照与所述目标案件之间的第二相似度从高到低的顺序，确定指定数量的候选案件，作为与所述目标案件匹配的候选案件。7.如权利要求6所述的方法，所述方法还包括：按照与所述目标案件之间的第二相似度从高到低的顺序，展示所述目标案件的类案。8.如权利要求1所述的方法，预先训练风险预估模型，具体包括：获取样本反馈信息、样本历史业务信息以及标注标签；
将所述样本反馈信息输入待训练的风险预估模型中，提取所述样本反馈信息的第一特征，并提取所述样本历史业务信息的第二特征；对所述第一特征和所述第二特征进行拼接，确定拼接特征；采用多层感知机处理所述拼接特征，得到风险特征；根据所述风险特征，确定风险标签；以所述风险标签与所述标注标签之间的差异最小为优化目标，对所述风险预估模型进行训练。9.一种类案检索装置，包括：接收模块，用于接收用户对业务的投诉请求，确定目标案件，所述投诉请求中至少包含所述用户...

【专利技术属性】
技术研发人员：金小蓉，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：