[发明专利]批量异常事件的监控方法、装置、电子设备及存储介质

说明书

本发明涉及数据分析技术，揭露了一种批量异常事件的监控方法，包括：利用历史投诉样本集对预构建的语言分析模型进行训练，得到投诉分析模型；利用所述投诉分析模型对投诉工单集进行异常事件分析，得到所述投诉工单集的分析结果集；根据预设的规则以及分析结果集，从投诉工单集中提取异常举报，并对异常举报按照相关度进行分组并将所述分组进行排列，得到异常事件重要级排表；利用预构建的Web端，绘制异常事件重要级排表，得到可视化的异常投诉监控图。本发明还涉及区块链技术，所述历史投诉样本集可存储于区块链节点中。本发明还提出了批量异常事件的监控装置、设备及计算机可读存储介质。本发明可以在大量投诉中及时发现并总结出异常举报。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种批量异常事件的监控方法、装置、电子设备及计算机可读存储介质。

背景技术

随着人们意识的逐渐提升、举报途径的多种多样，企业会收到各种各样的投诉，企业为了立足市场、与时俱进，必须对各种投诉进行针对性处理，否则就会被社会淘汰。

目前，企业的这些投诉交由专业部门进行处理，处理工作量巨大，部门间合作效率低，不能及时的发现重大异常事件，且易出现异常事件错报漏报的情况，使得企业不能及时发现自身重大问题，因此第一时间从众多举报中发现重大异常事件，成为企业亟待解决的问题。

发明内容

本发明提供一种批量异常事件的监控方法、装置、电子设备及计算机可读存储介质，目的在于在大量投诉中及时发现异常举报。

为实现上述目的，本发明提供的一种批量异常事件的监控方法，包括：

获取历史投诉样本集，并利用所述历史投诉样本集对预构建的语言分析模型进行训练，得到训练完成的投诉分析模型；

获取投诉工单集，利用所述投诉分析模型对所述投诉工单集进行异常事件分析，得到所述投诉工单集中每个投诉工单的分析结果，得到所述投诉工单集的分析结果集；

根据预设的规则以及所述分析结果集，从所述投诉工单集中提取异常举报，并对所述异常举报按照相关度进行分组并将所述分组进行排列，得到异常事件重要级排表；

利用预构建的Web端，绘制所述异常事件重要级排表，得到可视化的异常投诉监控图。

可选的，所述利用所述历史投诉样本集对预构建的语言分析模型进行训练，得到训练完成的投诉分析模型，包括：

将所述历史投诉样本集进行量化及清洗操作，得到量化数据；

利用所述语言分析模型中的相关度算法分析所述量化数据中的异常数据；

利用所述异常数据对所述语言分析模型进行训练，得到所述投诉分析模型。

可选的，所述利用所述异常数据对所述语言分析模型进行训练，得到所述投诉分析模型，包括：

根据所述异常数据，对所述语言分析模型进行K折交叉验证训练，得到初级投诉分析模型；

对所述初级投诉分析模型进行性能评估，得到评估分数，当所述评估分数大于预设性能阈值时，对所述初级投诉分析模型进行参数调整，直到所述评估分数小于或者等于预设性能阈值时，得到训练完成的投诉分析模型。

可选的，所述对所述初级投诉分析模型进行性能评估，得到评估分数，包括：

根据下述的双重指标加权的策略对所述初级投诉分析模型进行性能测试，得到评估分数F：

F＝0.3*FRR+0.7*FAR

FRR＝FN/(TP+FN)*100％

FAR＝FP/(TN+FP)*100％