[发明专利]基于机器学习的投诉举报案件的预测方法及装置

权利要求书

1.一种基于机器学习的投诉举报案件的预测方法，其特征在于，包括：

获取案件的影响因素指标并计算所述影响因素指标对应权重，确定第一权重因子；其中，所述影响因素指标包括多个；

计算每个影响因素指标下的每个分类在所述影响因素指标中对应的权重，确定第二权重因子；

结合第一权重因子和第二权重因子获取预测模型；

通过所述预测模型对待预测的投诉案件进行预测，得到一个评分分布，即得所述待预测的投诉案件的预测结果。

2.根据权利要求1所述的预测方法，其特征在于，所述获取案件的影响因素指标并计算所述影响因素指标对应权重，确定第一权重因子，之前还包括：

获取案件信息；

对所述案件信息进行处理生成结构化数据并存储至数据库；

处理所述结构化数据。

3.根据权利要求2所述的预测方法，其特征在于，所述对所述案件信息进行处理生成结构化数据并存储至数据库，包括：

确定投诉举报案件的影响因素指标，整理为结构化数据；

将所述结构化数据存储至数据库。

4.根据权利要求2所述的预测方法，其特征在于，所述处理所述结构化数据，包括：

对数据库中的缺失数据进行填充。

5.根据权利要求1所述的预测方法，其特征在于，

采用主成分分析法计算所述影响因素指标对应权重，确定第一权重因子。

6.根据权利要求1所述的预测方法，其特征在于，

采用主成分分析法计算每个影响因素指标下的每个分类在所述影响因素指标中对应的权重，确定第二权重因子。

7.根据权利要求1至6任一项所述的预测方法，其特征在于，所述影响因素指标包括：

案件所属行业或领域、案件发生区划、案件发生时间中的至少一种。

8.根据权利要求7所述的预测方法，其特征在于，

所述预测模型为评分函数；

所述评分函数根据案件所属行业或领域、案件发生区划以及案件发生时间进行预测。

9.一种基于机器学习的投诉举报案件的预测装置，其特征在于，包括：

第一计算模块，用于获取案件的影响因素指标并计算所述影响因素指标对应权重，确定第一权重因子；其中，所述影响因素指标包括多个；

第二计算模块，用于计算每个影响因素指标下的每个分类在所述影响因素指标中对应的权重，确定第二权重因子；

结合模块，用于结合第一权重因子和第二权重因子获取预测模型；

预测模块，用于通过所述预测模型对待预测的投诉案件进行预测，得到一个评分分布，即得所述待预测的投诉案件的预测结果。

10.根据权利要求9所述的预测装置，其特征在于，还包括：

获取模块，用于获取案件信息；

存储模块，用于对所述案件信息进行处理生成结构化数据并存储至数据库；

处理模块，用于所述结构化数据。