可视化的识别群诉风险方法、装置、计算机设备及介质
文献发布时间:2023-06-19 09:58:59
技术领域
本申请涉及大数据处理技术领域,尤其涉及可视化的识别群诉风险方法、装置、计算机设备及介质。
背景技术
现有多数企业会对客户专门设立客户服务部门,以接收和处理客户的咨诉事宜,同时对单个客户的投诉事项进行事后分析和风险监测,以便及时预测和发现风险,采取进一步的预防或应对处理措施。
而群诉事件一般由是领头人引起舆论,然后将追随舆论的人员组织成团并发起投诉,或者由多人不停地打电话进行投诉,群诉一旦发生,容易对企业的声誉造成影响,进一步给企业造成损失,现有技术无法对群诉风险进行提前监控分析,因此,如何识别以便及时预测和发现客户群诉风险是目前尚待解决的问题。
发明内容
本申请实施例的目的在于提出一种可视化的识别群诉风险方法、装置、计算机设备及介质,以解决相关技术中无法对群诉风险进行提前监控分析,导致无法及时预测和发现用户群诉风险的问题。
为了解决上述技术问题,本申请实施例提供一种可视化的识别群诉风险方法,采用了如下所述的技术方案:
获取与目标用户有关联关系的所有关联用户,并构建以所述目标用户为中心的所述目标用户与所有所述关联用户之间的关联图谱;
按照预设评分规则对所述目标用户和所有所述关联用户进行评分,并根据评分结果重构所述关联图谱;
对重构的所述关联图谱进行群诉风险预警评分,得到群诉风险预警评分结果,并将所述群诉风险预警评分结果展示于可视化显示区域。
进一步的,所述获取与目标用户有关联关系的所有关联用户,并构建以所述目标用户为中心的所述目标用户与所有所述关联用户之间的关联图谱的步骤包括:
根据所述关联关系确定关联因子,并基于所述关联因子的关联强度查找出所述目标用户预设层级的关联用户,作为与所述目标用户有所述关联关系的所述关联用户;
采用最短路径算法将所述目标用户与各所述关联用户进行关联,构建出所述关联图谱。
进一步的,所述采用最短路径算法将所述目标用户与各所述关联用户进行关联,构建出所述关联图谱的步骤包括:
采用所述最短路径算法计算出所述目标用户到各所述关联用户的最短路径;
通过所述最短路径将所述目标用户与各所述关联用户进行关联,形成关联图谱。
进一步的,所述所述采用最短路径算法计算出所述目标用户到各所述关联用户的最短路径的步骤包括:
步骤0,将所述目标用户作为起始节点V
步骤1,将所述起始节点V
步骤2,建立集合S和集合U,所述集合S初始只包含所述起始节点V
步骤3,从所述集合U中选取一个距离权值最小的终止节点V
步骤4,查找所述邻接矩阵A中所述终止节点V
步骤5,重复步骤3和4直到所有节点都包含在所述集合S中,基于所述起始节点V
进一步的,所述按照预设评分规则对所述目标用户和所有所述关联用户进行评分,并根据评分结果重构所述关联图谱的步骤包括:
根据所述关联图谱确定所述目标用户和每个所述关联用户的评分因子;
根据所述评分因子对所述目标用户和每个所述关联用户进行评分;
以评分最高的对象为中心,重构所述关联图谱,其中,所述对象为目标用户或者关联用户。
进一步的,所述以评分最高的对象为中心,重构所述关联图谱的步骤包括:
确定评分最高的所述对象是否为关联用户;
若是,则以评分最高的关联用户为中心重构所述关联图谱;
若否,则保持所述关联图谱不变。
进一步的,所述对重构的所述关联图谱进行群诉风险预警评分的步骤包括:
为预设的群诉因子配置不同的权重;
基于预设因子得分规则每个所述对群诉因子进行评分;
根据每个所述群诉因子的评分以及每个所述群诉因子对应的所述权重,计算得到所述群诉风险预警评分结果。
为了解决上述技术问题,本申请实施例还提供一种可视化的识别群诉风险装置,采用了如下所述的技术方案:
构建模块,用于获取与目标用户有关联关系的所有关联用户,并构建以所述目标用户为中心的所述目标用户与所有所述关联用户之间的关联图谱;
重构模块,用于按照预设评分规则对所述目标用户和所有所述关联用户进行评分,并根据评分结果重构所述关联图谱;
评分展示模块,用于对重构的所述关联图谱进行群诉风险预警评分,得到群诉风险预警评分结果,并将所述群诉风险预警评分结果展示于可视化显示区域。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
该计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上所述的可视化的识别群诉风险方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上所述的可视化的识别群诉风险方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请通过获取与目标用户有关联关系的所有关联用户,并构建以目标用户为中心的目标用户与所有关联用户之间的关联图谱,按照预设评分规则对目标用户和所有关联用户进行评分,并根据评分结果重构关联图谱,对重构的关联图谱进行群诉风险预警评分,得到群诉风险预警评分结果,并将群诉风险预警评分结果展示于可视化显示区域;通过构建以目标用户为中心的关联图谱,并对关联图谱中的目标用户与所有关联用户进行评分,评分越高说明对应用户发生群诉的风险越高,该用户则作为重点监测对象,可以实现对用户群诉风险的精确定位,根据评分结果对关联图谱进行重构,对重构后的关联图谱进行群诉风险预警评分,群诉风险预警评分可以有助于及时预测和发现群诉风险。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的可视化的识别群诉风险方法的一个实施例的流程图;
图3是图2中步骤S201的一种具体实施方式的流程图;
图4是图2中步骤S203的一种具体实施方式的流程图;
图5是根据本申请的可视化的识别群诉风险装置的一个实施例的结构示意图;
图6是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
为了解决相关技术中无法对群诉风险进行提前监控分析,导致无法及时预测和发现用户群诉风险的问题,本申请提供了一种可视化的识别群诉风险方法,应用于如图1所示的系统架构100中,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯用户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱用户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的可视化的识别群诉风险方法一般由服务器执行,相应地,可视化的识别群诉风险装置一般设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的可视化的识别群诉风险的方法的一个实施例的流程图。该方法包括以下步骤:
步骤S201,获取与目标用户有关联关系的所有关联用户,并构建以目标用户为中心的目标用户与所有关联用户之间的关联图谱。
关联图谱是一种可视化的智能分析产品,基于图数据库确定对象和关系。在本实施例中,基于关联图谱实现群诉风险关系网。目标用户为从投诉用户中确定的目标投诉用户。构建关联图谱是为对用户投诉事项进行事后分析和风险监测,以便及时预测和发现风险,避免造成损失。
关联用户为与目标用户存在关联关系的所有关联用户。需要说明的是,关联关系是包括多种关联关系的集合。关联关系包括但不限于通话关系关联、通讯录关系关联、短信关系关联、手机号关联、家庭地址关联、工作单位关联、设备指纹关联、账号关联和银行账号关联。
需要强调的是,为进一步保证上述关联关系私密和安全性,上述关联关系还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在本实施例的一些可选方式中,构建所述目标用户与对应的所有关联用户之间的关联图谱具体包括如下步骤:
步骤S301,根据关联关系确定关联因子,并基于关联因子的关联强度查找出目标用户预设层级的关联用户,作为与目标用户有关联关系的关联用户。
关联因子是目标用户与关联用户进行关联的中介,包括但不限于工作单位名称、GPS定位、手机号、家庭地址、IP地址。关联因子是根据关联关系获取的,例如,关联关系为手机号关联,则对应的关联因子为手机号;关联关系为家庭地址关联,则对应的关联因子为家庭住址;关联关系为工作单位关联,则关联因子为工作单位名称。
关联强度包括极强关联、强关联、弱关联、间接关联,可以根据关联关系在关系图谱中的影响程度,将关联关系对应的关联因子进行程度划分,例如,通话关系关联是重要的影响因素,则通话关系关联对应的关联因子“手机号”为极强关联。
需要说明的是,关联因子的关联强度是预先设置好的。
查找出目标用户预设层级的关联用户,举例说明,目标用户为A,A为第一层级,根据关联因子查找到与A有关联关系的关联用户B和C,B和C则为第二层级,以此类推。本实施例中,层级根据实际情况进行设置。
步骤S302,采用最短路径算法将目标用户与各关联用户进行关联,构建出关联图谱。
将目标用户与关联用户之间的关联关系绘制成关联图谱,将关联关系进行图形化展现,可以更加直观的看到目标用户与关联用户之间的关联关系。
具体地,采用最短路径算法计算出目标用户到各关联用户的最短路径;通过最短路径将目标用户与各关联用户关联起来,形成关联图谱。
在本实施例中,采用最短路径算法为Dijkstra算法,Dijkstra算法是一个贪心算法,此算法可以找出网络中从一点到其余各点间的最短路径,具体包括以下步骤:
步骤0,将目标用户作为起始节点V
步骤1,将起始节点V
邻接矩阵可以清楚表示节点之间的连接关系,即目标用户与关联用户之间的连接关系;矩阵中第i行第j列元素表示节点i和节点j的连接关系,当节点i可由图中某一条边直接到达节点j时,矩阵第i行第j列的元素为1;否则元素为0。上述邻接矩阵A中的节点分别为V
步骤2,建立集合S和U,初始时,集合S只包含起始节点,即S={V
以上述建立的邻接矩阵A为例进行说明。初始时,集合S只包含起始节点,即S={V
需要说明的是,权值预先设置好的,两节点之间关联因子的关联强度越强,相连线路的长度越短。
步骤3,从集合U中选取一个距离权值最小的终止节点V
例如,起始节点V
步骤4,查找邻接矩阵A中终止节点V
具体地,查找矩阵A中节点V
步骤5,重复步骤3和4直到所有节点都包含在S中,此时起始节点V
采用Dijkstra算法具有良好的可扩展性,可以以起始点为中心向外层层扩展,直到扩展到终点为止,从而使得关联图谱更加准确完整。
本实施例中,通过采用最短路径算法可以准确确定最短路径及距离,也能提高运算速度,进一步将目标用户与关联用户根据关联强度进行连接,可以直观地看到风险影响的强弱。
步骤S202,按照预设评分规则对目标用户和所有关联用户进行评分,并根据评分结果重构关联图谱。
具体地,根据关联图谱确定目标用户和每个关联用户的评分因子,并根据评分因子对目标用户和每个关联用户进行评分;以评分最高的对象为中心,重构关联图谱。
需要说明的是,对象为目标用户或者关联用户。
评分因子包括各个节点的关联人数、投诉级别以及关联人身份等,不同的评分因子的评分规则不一样,评分规则是预先设置的,根据评分因子的评分规则对目标用户和每个关联用户进行评分;例如,关联人数,有几个得几分;投诉级别,一级4分,二级3分,三级2分,四级1分,如果存在一人多诉,只取投诉等级最高的进行计算;关联人身份,有则直接5分,无则0分。
需要说明的是,关联人身份包括关联用户的职业职位等信息,如果关联人身份比较关键,那么群诉风险就会比较高,比如,关联用户里有监管行业的人,那么他可能会重视这个事件,也可能很快利用自己的社会资源等去调查和处理,就属于群诉风险比较高的,那么对于这一类身份的关联用户,客服人员则需要重视和尽快处理这个投诉事件。
评分最高说明该用户群诉风险最高,则以该用户为中心重构关联图谱,方便了解该用户的关联关系,从而及时预测和发现群诉风险。
在一些可选的实现方式中,以评分最高的关联用户为中心,重构关联图谱的步骤具体包括如下步骤:
确定评分最高的对象是否为关联用户;
若是,则以评分最高的关联用户为中心重构关联图谱;
若否,则保持关联图谱不变。
当确定评分最高的对象为关联用户时,才以该关联用户为中心重构关联图谱,可以准确进行重构,避免不必要的操作。
步骤S203,对重构的关联图谱进行群诉风险预警评分,得到群诉风险预警评分结果,并将群诉风险预警评分结果展示于可视化显示区域。
在本实施例中,对重构的关联图谱进行群诉风险预警评分,群诉风险预警评分结果将展示于可视化显示区域,这样,相关业务人员可以直观看到群诉风险的严重程度,及其规模、时间、地点坐标、群诉各人员的关联关系、层级,案件状态等内容,形成识别群诉风险的可视化关系网络图。
在一些可选的实现方式中,对重构的关联图谱进行群诉风险预警评分的步骤具体包括以下步骤:
步骤S401,为预设的群诉因子配置不同的权重。
需要说明的是,群诉因子是预先设置的,可以是业务员根据以往经验或者业内惯用参数来进行设置,也可以通过模型训练得出来。群诉因子包括群诉规模、投诉级别、关联强度以及事项离散度等,权重为预先设置好的,例如,权重配置分别为群诉规模60%,投诉级别20%,关联强度10%,事项离散度10%等。
需要说明的是,群诉规模为此次群诉风险所涉所有投诉人数;
投诉级别为投诉等级,不同投诉等级用不同色块代表,颜色可用同色系由深至浅,“一级”为最深,“四级”为最浅;
关联强度包括极强关联、强关联、弱关联、间接关联;
事项离散度为事项或问题小类离散度,事项为投诉事件的关键字,关键字可以根据投诉事件来进行设置,具体可以采用离散度分析法计算出事项关键字数据的异众比例来得到。
需要说明的是,异众比例主要适合测度分类数据的离散程度,是指非众数组的频数占总频数的比例,异众比例越大,说明非众数组的频数占总频数的比重越大,众数的代表性就越差,离散度就越大;异众比率越小,说明非众数组的频数占总频数的比重越小,众数的代表性越好,离散度就越小。
步骤S402,基于预设因子得分规则对每个群诉因子进行评分。
在本实施例中,预设因子得分规则是业务预先设置好的,可以用X来表示各群诉因子得分。
举例而言,X
X
X
X4代表事项离散度,关键字,每发现一个关键字则加20分,最高加满100分(关键字可添加、修改、删除),计算出的事项离散度为(0,100%],相应的可以根据事项离散度配置相应的分数0-100分。
步骤S403,根据每个群诉因子的评分以及每个群诉因子对应的权重,计算得到群诉风险预警评分结果。
在本实施例中,采用公式Z=∑X*Y;
即Z=X
通过根据计算出的群诉风险预警评分,可以对客户群诉风险的精确定位,有利于及时预测和发现群诉风险。
本申请通过以目标用户为中心,构建目标用户与对应的所有关联用户之间的关联图谱,按照预设评分规则对目标用户和所有关联用户进行评分,并根据评分结果重构关联图谱,对重构的关联图谱进行群诉风险预警评分,得到群诉风险预警评分结果,并将群诉风险预警评分结果展示于可视化显示区域;通过构建以目标用户为中心的关联图谱,并对关联图谱中的目标用户与所有关联用户进行评分,评分越高说明对应用户发生群诉的风险越高,该用户则作为重点监测对象,可以实现对用户群诉风险的精确定位,根据评分结果对关联图谱进行重构,最后对重构后的关联图谱进行群诉风险预警评分,群诉风险预警评分可以有助于及时预测和发现群诉风险,。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图5,作为对上述图2所示方法的实现,本申请提供了一种可视化的识别群诉风险装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例所述的可视化的识别群诉风险装置500包括:构建模块501、重构模块502以及计算展示模块503。其中:
构建模块501用于获取与目标用户有关联关系的所有关联用户,并构建以目标用户为中心的目标用户与所述所有关联用户之间的关联图谱;
重构模块502用于按照预设评分规则对所述目标用户和所述关联用户进行评分,并根据评分结果重构关联图谱;
计算展示模块503用于对重构的关联图谱进行群诉风险预警评分,并将群诉风险预警评分结果展示于可视化显示区域。
需要强调的是,为进一步保证上述关联关系私密和安全性,上述关联关系还可以存储于一区块链的节点中。
上述可视化的识别群诉风险装置,通过构建以目标用户为中心的关联图谱,并对关联图谱中的目标用户与所有关联用户进行评分,评分越高说明对应用户发生群诉的风险越高,该用户则作为重点监测对象,可以实现对用户群诉风险的精确定位,根据评分结果对关联图谱进行重构,对重构后的关联图谱进行群诉风险预警评分,群诉风险预警评分可以有助于及时预测和发现群诉风险,同时根据评分结果和重要性实现对用户群诉风险的精确定位。
在本实施例的一些可选的实现方式中,构建模块501包括查询子模块和构建子模块,查询子模块用于根据关联关系确定关联因子,并基于关联因子的关联强度查找出所述目标用户预设层级的关联用户;构建子模块用于采用最短路径算法将目标用户与各关联用户进行关联,构建出关联图谱。
在一些可选的实现方式中,构建子模块包括计算单元和构建单元,计算单元用于采用最短路径算法计算出各所述目标用户到各所述关联用户的最短路径;构建单元用于通过最短路径将所述目标用户与各所述关联用户关联起来,形成关联图谱。
通过将目标用户与关联用户之间的关联关系绘制成关联图谱,将关联关系进行图形化展现,可以更加直观的看到目标用户与关联用户之间的关联关系。
具体地,计算单元进一步用于:
步骤0,将目标用户作为起始节点V
步骤1,将所有节点形成节点集合V,连接所述节点的线路构成集合E,由节点集合V和线路集合E构成网络结构图,记为G(V,E),并建立邻接矩阵A;
步骤2,建立集合S和U,初始时,S只包含起始节点,即S={V
步骤3,从U中选取一个距离权值最小的节点V
步骤4,查找邻接矩阵A中V
步骤5,重复步骤3和4直到所有节点都包含在S中,基于V
通过采用Dijkstra算法具有良好的可扩展性,可以以起始点为中心向外层层扩展,直到扩展到终点为止,从而使得关联图谱更加准确完整。在本实施例的一些可选的实现方式中,重构模块502包括评分子模块和重构子模块,评分子模块用于根据不同评分因子的评分规则分别对所述目标用户和所述所有关联用户进行评分;重构子模块用于以评分最高的对象为中心,重构关联图谱,其中,对象为目标用户或者关联用户。
通过对目标用户和所有关联用户进行评分后,以评分最高的对象为中心,重构关联图谱,评分最高说明该用户群诉风险最高,则以该用户为中心重构关联图谱,方便了解该用户的关联关系,从而及时预测和发现群诉风险。
一些可选的实现方式中,重构模块502还包括判断子模块,判断子模块用于确定评分最高的对象是否为关联用户;若是,则以评分最高的关联用户为中心重构关联图谱;若否,则保持关联图谱不变。
通过确定评分最高的对象是否为关联用户,当确定评分最高的对象为关联用户时,才以该关联用户为中心重构关联图谱,可以准确进行重构,避免不必要的操作。
在本实施例的一些可选的实现方式中,计算展示模块503包括配置子模块和评分子模块,配置子模块用于为不同的群诉因子配置不同的权重;评分子模块用于基于预设因子得分规则对群诉因子进行评分;以及根据所述群诉因子的评分以及所述群诉因子的权重,计算群诉风险预警评分。
通过根据计算出的群诉风险预警评分,可以对用户群诉风险的精确定位,有利于及时预测和发现群诉风险。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图6,图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如可视化的识别群诉风险方法的计算机可读指令等。此外,所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的计算机可读指令或者处理数据,例如运行所述可视化的识别群诉风险方法的计算机可读指令。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本实施例通过处理器执行存储在存储器的计算机可读指令时实现如上述实施例产品的演示方法的步骤,通过构建以目标用户为中心的关联图谱,并对关联图谱中的目标用户与所有关联用户进行评分,评分越高说明对应用户发生群诉的风险越高,该用户则作为重点监测对象,可以实现对用户群诉风险的精确定位,根据评分结果对关联图谱进行重构,最后对重构后的关联图谱进行群诉风险预警评分,群诉风险预警评分可以有助于及时预测和发现群诉风险。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的可视化的识别群诉风险方法的步骤,通过构建以目标用户为中心的关联图谱,并对关联图谱中的目标用户与所有关联用户进行评分,评分越高说明对应用户发生群诉的风险越高,该用户则作为重点监测对象,可以实现对用户群诉风险的精确定位,根据评分结果对关联图谱进行重构,对重构后的关联图谱进行群诉风险预警评分,群诉风险预警评分可以有助于及时预测和发现群诉风险。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
- 可视化的识别群诉风险方法、装置、计算机设备及介质
- 涉诉风险预警处理方法、装置、设备及计算机存储介质