[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

说明书

本发明涉及人工智能技术，揭露了一种基于数据分类的投诉有效性判断方法，包括：提取训练数据集中分类数据并计算初始权重，对初始权重进行分箱及类别权重计算，得到类别权重，利用数据分类模型对训练数据集进行分类，得到分类结果，利用类别权重构造的损失函数对数据分类模型进行调整，得到标准数据分类模型，利用标准数据分类模型对初始文本数据执行分类操作，得到初始文本数据的数据类别，基于数据类别进行有效性分析，得到有效性判断结果。此外，本发明还涉及区块链技术，数据类别可存储于区块链的节点。本发明还提出一种基于数据分类的投诉有效性判断装置、电子设备以及存储介质。本发明可以解决进行投诉有效性判断的效率较低的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于数据分类的投诉有效性判断方法、装置、电子设备及计算机可读存储介质。

背景技术

在银行的业务场景下，有时候会收到客户的投诉，而面对每一笔客户投诉，银行的消费者权益保护部门都需要判定其是否有效，以界定银行是否有责。实际业务中投诉有效性的判定既耗时又复杂，对于客户诉求和分行处理意见存在冲突，判定人需要平均耗费20分钟来进行判定。耗费大量的人力，效率不高，因此亟待提出一种高效的投诉有效性判断方法。

发明内容

本发明提供一种基于数据分类的投诉有效性判断方法、装置及计算机可读存储介质，其主要目的在于解决进行投诉有效性判断的效率较低的问题。

为实现上述目的，本发明提供的一种基于数据分类的投诉有效性判断方法，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。

可选地，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。

可选地，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。

可选地，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：