[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在审

专利信息
申请号: 202010273404.3 申请日: 2020-04-09
公开(公告)号: CN111461446A 公开(公告)日: 2020-07-28
发明(设计)人: 魏述强;马慧慧;郜成胜;张莹;付尧 申请(专利权)人: 北京北大软件工程股份有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/18;G06K9/62
代理公司: 北京细软智谷知识产权代理有限责任公司 11471 代理人: 涂凤琴
地址: 100089 北京市海淀区北四环西路67号中关*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 机器 学习 投诉 举报 案件 预测 方法 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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京北大软件工程股份有限公司,未经北京北大软件工程股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010273404.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top