[发明专利]一种申诉数据挖掘方法、装置、电子设备及存储介质

权利要求书

1.一种申诉数据挖掘方法，其特征在于，包括：

获取针对业务系统的申诉数据；

使用预先训练的分类网络模型对所述申诉数据的有效性进行预测，获得预测概率；

判断所述预测概率是否小于预设阈值；

若是，则向第一终端设备发送所述申诉数据，以使所述第一终端设备对应的客服人员对所述申诉数据进行标注，并接收标注的申诉标签，所述申诉标签是所述申诉数据是否有效的标签。

2.根据权利要求1所述的方法，其特征在于，所述分类网络模型为生成对抗网络；在所述使用预先训练的分类网络模型对所述申诉数据的有效性进行预测之前，还包括：

获取多个申诉样本数据和每个申诉样本数据的申诉样本标签，所述申诉样本标签是所述申诉样本数据是否为有效的标签；

以所述多个申诉样本数据为训练数据，以所述多个申诉样本数据的申诉样本标签为训练标签，对所述生成对抗网络进行训练。

3.根据权利要求1所述的方法，其特征在于，在所述判断所述预测概率是否小于预设阈值之后，还包括：

若所述预测概率大于或等于预设阈值，则向第二终端设备发送所述申诉数据，以使所述第二终端设备对应的业务代表对所述申诉数据进行业务处理。

4.根据权利要求1所述的方法，其特征在于，在所述接收标注的申诉标签之后，还包括：

以所述申诉数据为训练数据，以所述申诉标签为训练标签，对所述分类网络模型进行训练。

5.根据权利要求1所述的方法，其特征在于，所述分类网络模型为变分自动编码器；在所述使用预先训练的分类网络模型对所述申诉数据的有效性进行预测之前，还包括：

获取多个申诉样本数据和每个申诉样本数据的申诉样本标签，所述申诉样本标签是所述申诉样本数据是否为有效的标签；

以所述多个申诉样本数据为训练数据，以所述多个申诉样本数据的申诉样本标签为训练标签，对所述变分自动编码器进行训练，获得训练后的变分自动编码器。

6.根据权利要求5所述的方法，其特征在于，所述变分自动编码器包括：编码器和解码器；所述对所述变分自动编码器进行训练，包括：

使用所述编码器对所述申诉样本数据进行变分推断，获得变分概率分布；

使用所述解码器对所述变分概率分布进行还原重建，获得重建样本数据；

计算所述重建样本数据与所述申诉样本数据之间的损失值；

根据所述损失值对所述变分自动编码器进行训练。

7.根据权利要求6所述的方法，其特征在于，所述计算所述重建样本数据与所述申诉样本数据之间的损失值，包括：

使用二元交叉熵损失函数或者分类交叉熵损失函数计算所述重建样本数据与所述申诉样本数据之间的损失值。

8.一种申诉数据挖掘装置，其特征在于，包括：

申诉数据获取模块，用于获取针对业务系统的申诉数据；

预测概率获得模块，用于使用预先训练的分类网络模型对所述申诉数据的有效性进行预测，获得预测概率；

预测概率判断模块，用于判断所述预测概率是否小于预设阈值；

申诉标签接收模块，用于若所述预测概率小于预设阈值，则向第一终端设备发送所述申诉数据，以使所述第一终端设备对应的客服人员对所述申诉数据进行标注，并接收标注的申诉标签，所述申诉标签是所述申诉数据是否有效的标签。

9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法。

10.一种存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的方法。