[发明专利]基于数据分类的投诉有效性判断方法、装置、设备及介质

权利要求书

1.一种基于数据分类的投诉有效性判断方法，其特征在于，所述方法包括：

获取训练数据集，提取所述训练数据集中的每个分类数据，并计算每个分类数据对应的初始权重；

对所述初始权重进行分箱及类别权重计算处理，得到所述每个分类数据对应的类别权重；

利用预设的数据分类模型对所述训练数据集进行分类，得到所述训练数据集的分类结果；

利用所述类别权重构造损失函数，并根据所述损失函数计算所述分类结果对应的损失值，通过比较所述损失值和预设的损失阈值之间的大小对所述数据分类模型进行调整，得到标准数据分类模型；

获取原始录音数据，对所述原始录音数据进行文本转换，得到原始文本数据；

利用预设的自动摘要模型对所述原始文本数据进行文本提取，得到初始文本数据；

利用所述标准数据分类模型对所述初始文本数据执行分类操作，得到所述初始文本数据对应的数据类别；

判定所述数据类别与预设的业务规则是否一致，若所述数据类别与所述业务规则不一致，则利用多轮有效性判断机制对所述数据类别进行有效性分析，得到有效性判断结果。

2.如权利要求1所述的基于数据分类的投诉有效性判断方法，其特征在于，所述利用预设的数据分类模型对所述训练数据集进行分类，得到所述训练数据集的分类结果，包括：

对所述训练数据集进行掩码处理，得到掩码数据集；

通过向量化处理将所述掩码数据集转换为对应的向量数据集；

对所述向量数据集执行矩阵转换处理，得到目标向量相关矩阵；

根据所述目标向量相关矩阵计算所述向量数据集的之间的相关度，利用所述相关度得到索引文字；

利用所述索引文字与预构建的索引文字库，索引得到分类结果。

3.如权利要求2所述的基于数据分类的投诉有效性判断方法，其特征在于，所述对所述训练数据集进行掩码处理，得到掩码数据集，包括：

获取预设的掩码概率，根据所述掩码概率从所述训练数据集中筛选出多个关键词；

对所述多个关键词进行掩码处理，得到掩码词，并利用所述掩码词替换所述关键词，得到掩码数据集。

4.如权利要求2所述的基于数据分类的投诉有效性判断方法，其特征在于，所述对所述向量数据集执行矩阵转换处理，得到目标向量相关矩阵，包括：

对所述向量数据集进行位置编码处理，得到位置向量集；

将所述位置向量集转换为位置向量矩阵，并根据所述位置向量矩阵的维度生成分类矩阵；

根据所述位置向量矩阵、所述分类矩阵和预设的激活函数计算得到所述位置向量集对应的原始向量相关矩阵；

利用所述原始向量相关矩阵和所述位置向量矩阵调节预购建的前馈神经网络中的迭代权重因子，得到目标向量相关矩阵。

5.如权利要求4所述的基于数据分类的投诉有效性判断方法，其特征在于，所述根据所述位置向量矩阵、所述分类矩阵和预设的激活函数计算得到所述位置向量集对应的原始向量相关矩阵，包括：

按照预设的拆分规则对所述分类矩阵进行拆分，得到中心矩阵、关联矩阵和权重矩阵；

分别将所述位置向量矩阵与所述中心矩阵、关联矩阵和权重矩阵进行点乘，得到中心向量矩阵、关联向量矩阵和权重向量矩阵；

将所述中心向量矩阵、关联向量矩阵以及权重向量矩阵作为所述激活函数的输入参数，得到所述原始向量相关矩阵。

6.如权利要求1所述的基于数据分类的投诉有效性判断方法，其特征在于，所述对所述初始权重进行分箱及类别权重计算处理，得到所述每个分类数据对应的类别权重，包括：

根据所述每个分类数据得到类别数，并根据所述类别数和预设的分箱公式计算分箱数；

利用预设的类别权重公式计算所述分箱数对应的类别权重。