CN112712270B - 信息处理方法、装置、设备及存储介质 - Google Patents

信息处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112712270B
CN112712270B CN202011639532.1A CN202011639532A CN112712270B CN 112712270 B CN112712270 B CN 112712270B CN 202011639532 A CN202011639532 A CN 202011639532A CN 112712270 B CN112712270 B CN 112712270B
Authority
CN
China
Prior art keywords
risk
content
complaint
problem information
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011639532.1A
Other languages
English (en)
Other versions
CN112712270A (zh
Inventor
陈俊霖
杨海军
徐倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WeBank Co Ltd
Original Assignee
WeBank Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202011639532.1A priority Critical patent/CN112712270B/zh
Publication of CN112712270A publication Critical patent/CN112712270A/zh
Application granted granted Critical
Publication of CN112712270B publication Critical patent/CN112712270B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Quality & Reliability (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)

Abstract

本发明公开了一种信息处理方法、装置、设备及存储介质，所述方法包括：获取预设时间段内用户投诉的多条问题信息，每条问题信息包括：至少一个投诉对象和针对每个投诉对象的投诉内容，将上述多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到并输出风险分析结果，该风险分析结果包括：至少一个风险对象以及每个风险对象的风险内容，至少一个风险对象是至少一个投诉对象中的对象，风险内容是对应风险对象的投诉内容中的内容。本发明中，能够及时发现问题信息中的风险对象和风险对象，提高了风险发现的及时性，避免用户财产安全受损害的问题。

Description

信息处理方法、装置、设备及存储介质
技术领域
本发明涉及金融科技领域，尤其涉及一种信息处理方法、装置、设备及存储介质。
背景技术
金融监管机构是根据法律规定对金融体系进行监督管理的机构，能够按照规定监督管理金融市场，发布有关金融监督管理和业务的命令和规章，监督管理金融机构的合法合规运作等。
现有技术中，金融局、***等金融监管机构还可以接收用户的来信并处理相关信件，当金融监管机构接收到用户的投诉信件时，通常做法是：通过专业人员确定投诉信件具体反映的问题，例如，某些金融机构、金融交易平台可能存在违规的现象，然后回复用户相关事件的解决办法，针对比较严重的事件才联系公安部门进行处理。
在实际应用中，由于金融监管机构仅针对比较严重的事件才联系公安部门进行处理，可能导致某些违规金融机构、违规金融交易平台对部分用户已经造成严重经济损失后才被发现，因而，现有的信访处理方法中可能存在风险发现不及时，损害用户财产安全的问题。
发明内容
本发明的主要目的在于提供一种信息处理方法、装置、设备及存储介质，旨在解决现有信访处理方法中可能存在风险发现不及时，损害用户财产安全的问题。
为实现上述目的，本发明提供一种信息处理方法，所述信息处理方法包括：
获取预设时间段内用户投诉的多条问题信息，每条问题信息包括：至少一个投诉对象和针对每个投诉对象的投诉内容；
将所述多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到风险分析结果，所述风险分析结果包括：至少一个风险对象以及每个风险对象的风险内容，所述至少一个风险对象是所述至少一个投诉对象中的对象，所述风险内容是对应风险对象的投诉内容中的内容；
输出所述风险分析结果。
在一种可能的实现方式中，所述方法还包括：
确定所述风险分析结果的至少一个待推送处理部门；
利用针对各个待推送处理部门的风险结果处理策略分别对所述风险分析结果进行处理，得到针对各个待推送处理部门的风险推送内容；
将针对各个待推送处理部门的风险推送内容推送给对应的待推送处理部门的风险处理设备。
在另一种可能的实现方式中，所述方法还包括：
根据所述风险分析结果包括的至少一个风险对象以及每个风险对象的风险内容，确定所述风险分析结果关联的至少一个行业；
根据所述风险分析结果和所述至少一个行业中各个行业对应的预设行业风险分级策略，确定所述风险分析结果在各个行业中的行业风险等级；
将所述风险分析结果和各个行业中的行业风险等级推送给对应行业处理部门的风险处理设备。
在另一种可能的实现方式中，所述将所述多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到风险分析结果，包括：
利用所述风险预警模型对所述多条问题信息进行关键词提取，确定出所述多条问题信息中的至少两个关键词；
基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；
若所述至少一个聚类对象集合中存在对象数量大于或等于所述预设风险阈值的对象，则确定出所述至少一个聚类对象集合中的至少一个风险对象；
从所述多条问题信息中，筛选出针对每个风险对象的至少一条问题信息；
对每个风险对象的所述至少一条问题信息进行内容分析，确定出每个风险对象的风险内容。
可选的，所述基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合，包括：
基于平台类型对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；或者
基于企业名称对所述至少两个关键词进行聚类，确定至少一个聚类对象集合。
在又一种可能的实现方式中，所述方法还包括：
确定所述风险分析结果的风险等级；
在所述风险等级大于预设风险等级时，向风险处理设备推送所述风险分析结果。
在又一种可能的实现方式中，所述方法还包括：
获取多条历史问题信息；
对所述多条历史问题信息进行处理，得到所述风险预警模型的训练样本集，所述训练样本集包括：具有风险标记对象和/或风险标记内容的多条历史标记问题信息；
利用所述训练样本集对预设网络模型进行训练，得到所述风险预警模型。
可选的，所述利用所述训练样本集对预设网络模型进行训练，得到所述风险预警模型，包括：
对所述训练样本集中的每条历史标记问题信息分别进行分词处理，得到每条历史标记问题信息对应的词集合；
将每条历史标记问题信息对应的词集合依次输入至所述预设网络模型，并调整所述预设网络模型的参数，直到所述预设网络模型依次输出每条历史标记问题信息对应的风险标记对象和所述风险标记对象的风险标记内容；
将训练后的所述预设网络模型确定为所述风险预警模型。
本发明还提供一种信息处理装置，包括：
获取模块，用于获取预设时间段内用户投诉的多条问题信息，每条问题信息包括：至少一个投诉对象和针对每个投诉对象的投诉内容；
处理模块，用于将所述多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到风险分析结果，所述风险分析结果包括：至少一个风险对象以及每个风险对象的风险内容，所述至少一个风险对象是所述至少一个投诉对象中的对象，所述风险内容是对应风险对象的投诉内容中的内容；
输出模块，用于输出所述风险分析结果。
在一种可能的实现方式中，所述处理模块，还用于：
确定所述风险分析结果的至少一个待推送处理部门；
利用针对各个待推送处理部门的风险结果处理策略分别对所述风险分析结果进行处理，得到针对各个待推送处理部门的风险推送内容；
所述输出模块，还用于将针对各个待推送处理部门的风险推送内容推送给对应的待推送处理部门的风险处理设备。
在另一种可能的实现方式中，所述处理模块，还用于：
根据所述风险分析结果包括的至少一个风险对象以及每个风险对象的风险内容，确定所述风险分析结果关联的至少一个行业；
根据所述风险分析结果和所述至少一个行业中各个行业对应的预设行业风险分级策略，确定所述风险分析结果在各个行业中的行业风险等级；
所述输出模块，还用于将所述风险分析结果和各个行业中的行业风险等级推送给对应行业处理部门的风险处理设备。
在再一种可能的实现方式中，所述处理模块，具体用于：
利用所述风险预警模型对所述多条问题信息进行关键词提取，确定出所述多条问题信息中的至少两个关键词；
基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；
若所述至少一个聚类对象集合中存在对象数量大于或等于所述预设风险阈值的对象，则确定出所述至少一个聚类对象集合中的至少一个风险对象；
从所述多条问题信息中，筛选出针对每个风险对象的至少一条问题信息；
对每个风险对象的所述至少一条问题信息进行内容分析，确定出每个风险对象的风险内容。
可选的，所述处理模块，用于基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合，具体为：
所述处理模块，具体用于基于平台类型对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；或者
所述处理模块，具体用于基于企业名称对所述至少两个关键词进行聚类，确定至少一个聚类对象集合。
在另一种可能的实现方式中，所述处理模块，还用于确定所述风险分析结果的风险等级；
所述输出模块，还用于在所述风险等级大于预设风险等级时，向风险处理设备推送所述风险分析结果。
在再一种可能的实现方式中，所述获取模块，还用于获取多条历史问题信息；
所述处理模块，还用于：
对所述多条历史问题信息进行处理，得到所述风险预警模型的训练样本集，所述训练样本集包括：具有风险标记对象和/或风险标记内容的多条历史标记问题信息；
利用所述训练样本集对预设网络模型进行训练，得到所述风险预警模型。
可选的，所述处理模块，用于利用所述训练样本集对预设网络模型进行训练，得到所述风险预警模型，具体为：
所述处理模块，具体用于：
对所述训练样本集中的每条历史标记问题信息分别进行分词处理，得到每条历史标记问题信息对应的词集合；
将每条历史标记问题信息对应的词集合依次输入至所述预设网络模型，并调整所述预设网络模型的参数，直到所述预设网络模型依次输出每条历史标记问题信息对应的风险标记对象和所述风险标记对象的风险标记内容；
将训练后的所述预设网络模型确定为所述风险预警模型。
本发明还提供一种信息处理设备，所述信息处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信息处理程序，所述信息处理程序被所述处理器执行时实现如前述任一项所述的信息处理方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息处理程序，所述信息处理程序被处理器执行时实现如前述任一项所述的信息处理方法的步骤。
本发明还提供一种计算机程序产品，包括：计算机程序，所述计算机程序，所述计算机程序存储在可读存储介质中，信息处理设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得信息处理设备执行前述任一项所述的信息处理方法的步骤。
本发明中，通过将预设时间段内的用户投诉的多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到并输出风险分析结果，该风险分析结果包括：至少一个风险对象以及每个风险对象的风险内容，每个风险对象均是上述多条问题信息中的至少一个投诉对象中的一个对象，风险内容是针对对应风险对象的投诉内容中至少一个投诉点。在该技术方案中，信息处理设备能够及时发现问题信息中的风险对象和风险对象，提高了风险发现的及时性，避免用户财产安全受损害的问题。
附图说明
图1为本发明提供的一种网络架构示意图；
图2为本发明实施例提供的信息处理方法实施例一的流程示意图；
图3为本发明实施例提供的信息处理方法实施例二的流程示意图；
图4为本发明实施例提供的信息处理方法实施例三的流程示意图；
图5为本发明实施例提供的信息处理方法实施例四的流程示意图；
图6为本发明实施例提供的信息处理装置实施例的结构示意图；
图7为本发明实施例提供的一种信息处理设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
随着网络技术的迅速发展，为了保证人民群众的利益，工商行政管理机关可以每天直接接收大量问题信息(工单：对象，事件，时间，涉及单位)。这些问题信息是广大消费者对当下市场存在问题的实时反馈，能够及时、准确地反映各行业的变化特点和规律，确定各行业中存在的问题。
可选的，本申请实施例涉及到的行业有金融行业、电商行业、家居行业、计算机行业、交通行业、农业材料等不同的行业，本申请实施例并不对具体行业进行限定，此处不再作赘述。下述以金融行业为例，对现有用户投诉问题信息的处理过程中存在的问题进行解释说明。
随着互联网金融行业规模的不断扩大，带宽需求持续增加，为预防行业***性风险的集中爆发，保证互联网金融行业的健康发展，全面各地设置有金融监管机构，使得金融监管机构依据国家法律法规的授权对金融业实施监督管理。
在实际应用中，随着用户维权意识越来越强，当用户在金融行业中发现一些金融机构可能存在某些违规操作时，例如，某个平台资金无法取出、某公司贷款不符合规定、泄露用户信息，用户通常会向本地的***和金融局发送投诉信件，以投诉某些金融机构存在的某些违规操作。因而，金融局、***等相关金融监管机构每天会收到大量的群众投诉信件，反映各种金融机构、金融交易平台可能存在的不合规的问题。
由于目前处理群众投诉信件的方式大多是由专业人员对接收到的相关信件进行处理，主要解决方式为回复群众投诉问题的相关解决办法或针对比较严重的事件联系公安部门进行处理。但是，金融监管机构仅针对比较严重的事件才联系公安部门进行处理，并不能对具有较大潜在风险的金融机构或可能出现的违规金融事件进行风险预估，往往是在已经对部分用户造成严重损失后才发现端倪，才请求公安局进行立案侦查，这可能导致某些违规金融机构、违规金融交易平台的风险问题点不能及时被发现，存在损害用户财产安全的问题。
针对上述技术问题，本申请技术方案的发明构思如下：随着人工智能技术的快速发展，其能够与金融业务深度融合，释放出了金融创新活力和应用潜能。具体的，人工智能使得神经网络等模型能够对历史问题信息进行学***台等投诉对象的风险问题点，在一定程度上解决由于风险发现不及时导致的损害用户财产安全的问题。
基于上述发明构思，本发明实施例提供的信息处理方法，通过将预设时间段内的用户投诉的多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到并输出风险分析结果，该风险分析结果包括：至少一个风险对象以及每个风险对象的风险内容，每个风险对象均是上述多条问题信息中的至少一个投诉对象中的一个对象，风险内容是针对对应风险对象的投诉内容中至少一个投诉点。在该技术方案中，信息处理设备能够及时发现问题信息中的风险对象和风险对象，提高了风险发现的及时性，避免用户财产安全受损害的问题。
本发明实施例提供的信息处理方法可以应用在可以对问题信息进行分析的服务器，计算机，智能终端等信息处理设备中，对此本方案不做限制。
本发明实施例中的问题信息可以是各个行业中的问题信息，对此不作限定。
可选的，图1为本发明提供的一种网络架构示意图。如图1所示，该网络架构可以包括：信息处理设备11、至少一个用户终端(图1中示出了两个用户终端，分别是用户终端121和用户终端122)和至少一个服务器(图1中示出了两个服务器，分别是服务器131和服务器132)。
在图1所示的网络架构中，执行本发明提供的信息处理方法的主体为信息处理设备11，该信息处理设备11可以通过互联网或者有线连接的方式从用户终端或者其他提供问题信息的设备获取预设时间段内的多条问题信息。在实际的场景下，该信息处理设备11具体可以是承载风险预警模型的服务器、计算机、智能终端等其他电子设备。
在实际应用中的金融行业中，作为一种示例，当用户发现某个金融机构或金融平台存在资金无法取出和/或贷款不符合规定等问题时，用户可以直接通过用户终端(例如，用户终端121或用户终端122)向金融局或***等金融监管机构的信息处理设备11发送问题信息，以投诉上述金融机构或金融平台存在资金无法取出和/或贷款不符合规定等问题。
可以理解的是，信息处理设备11可以接收多个用户终端传输的问题信息，本实施例并不对传输问题信息的具体设备或设备数量进行限定，其可以根据实际需求确定，此处不再确定。
作为另一种示例，该信息处理设备11还可以接收其他金融局或***等金融监管机构的服务器发送问题信息，也即，该信息处理设备11可以对不同服务器接收到的问题信息进行统一处理，进而在所有问题信息设计的多个投诉对象中确定出待整顿的至少一个风险对象以及每个风险对象的风险内容。
可选的，图1所示的网络架构还可以包括显示设备14，例如：图1中所示的个人计算机(Personal Computer，PC)，该显示设备14可以用于显示该信息处理设备的风险分析结果，例如，最终确定的至少一个风险对象以及每个风险对象的风险内容等。
进一步的，图1所示的网络架构还可以包括至少一个执法服务设备15(图1示出了一个执法服务设备)，例如：图1中所示的公安局的终端设备，该执法服务设备15可以接收信息处理设备14发送的至少一个风险对象以及每个风险对象的风险内容，从而使得相关执行部门能够及时针对每个风险对象就每个风险对象的风险内容进行执行处理等。
上述各个设备之间可以通过有线通信或者无线通信的方式进行数据传输，本方案不做限制。
下面以图1所示的架构应用在金融行业的场景为例通过几个具体实施例对该信息处理设备进行信息处理方法进行举例说明。可以理解的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为本发明实施例提供的信息处理方法实施例一的流程示意图。在本实施例中，以该信息处理方法的执行主体为图1中的信息处理设备11进行说明。如图2所示，该信息处理方法可以包括如下步骤：
S201、获取预设时间段内用户投诉的多条问题信息，每条问题信息包括：至少一个投诉对象和针对每个投诉对象的投诉内容。
在本实施例中，该预设时间段可以是以当前时刻为结束时刻的一个时间段，该预设时间段的时长可以是用户自定义的一段时长，例如，该预设时间段的时长可以是24小时(即每天)，也可以是一周，或者其他的时间段，对此本方案不做限制，可根据实际需要进行配置。
在实际应用中，信息处理设备获取用户投诉的多条问题信息的方式可以有多种。例如，信息处理设备可以从多个用户终端接收用户投诉的问题信息，也可以从其他接收问题信息的服务器获取用户投诉的问题信息，还可以通过其他的方式获取用户投诉的问题信息，对此本方案不作限定，其可以根据实际场景确定。
具体的，在金融行业中，用户投诉的问题信息主要是指某个金融机构或金融平台或金额企业等投诉对象存在的违规现象信息，例如，投入的资金无法取出、存在贷款不符合规定、泄露用户敏感信息等投诉内容或其他投诉内容，此处不对投诉内容进行具体限定。
S202、将上述多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到风险分析结果，该风险分析结果包括：至少一个风险对象以及每个风险对象的风险内容。
可以理解的是，在本实施例中，所述至少一个风险对象是上述至少一个投诉对象中的对象，该风险内容是对应风险对象的投诉内容中的内容。
在实际应用中，信息处理设备上承载着预先训练的风险预警模型，其可以针对输入的内容进行风险分析。具体的，信息处理设备在获取到用户投诉的多条问题信息时，便可以将上述多条问题信息均输入到运行着的风险预警模型中，利用该风险预警模型对多条问题信息包括的至少一个投诉对象和针对每个投诉对象的投诉内容进行分析，并从所有问题信息反映的多个投诉对象中的确定出风险对象以及该风险对象的风险内容，例如，金融A公司的资金无法取出，平台B存在贷款不符合规定等问题。
关于该步骤的具体实现可以参见下述图3所示实施例中的记载，此处不再赘述。
S203、输出风险分析结果。
在本步骤中，作为一种示例，该信息处理设备可以具有显示界面，这样信息处理设备可以将得到的风险分析结果呈现在该显示界面上，以使得处理人员及时获取到针对上述多条问题信息的风险分析结果。
作为另一种示例，该信息处理设备还可以具有发音设备，这样信息处理设备可以通过该发音设备播报得到的风险分析结果，同样能够使得处理人员及时获取到针对上述多条问题信息的风险分析结果。
本申请实施例提供的信息处理方法，通过获取预设时间段内用户投诉的多条问题信息，每条问题信息包括：至少一个投诉对象和针对每个投诉对象的投诉内容，将上述多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到并输出风险分析结果，该风险分析结果包括：至少一个风险对象以及每个风险对象的风险内容，且该至少一个风险对象是上述至少一个投诉对象中的对象，该风险内容是对应风险对象的投诉内容中的内容。该技术方案中，利用预先训练的风险预警模型对预设时间段内的多条问题信息进行聚类分析，能够及时发现问题信息中的风险对象和风险对象，提高了风险发现的及时性，避免用户财产安全受损害的问题。
在本发明实施例的一种可能设计中，本发明实施例提供的信息处理方法还可以包括如下步骤：
A1、确定风险分析结果的至少一个待推送处理部门。
A2、利用针对各个待推送处理部门的风险结果处理策略分别对所述风险分析结果进行处理，得到针对各个待推送处理部门的风险推送内容；
A3、将针对各个待推送处理部门的风险推送内容推送给对应的待推送处理部门的风险处理设备。
具体的，信息处理设备中可以预置有多个不同的风险处理部门以及每个风险处理部门对应的风险结果处理策略，例如，风险处理部门可以包括：风险执法部门、监控管理部门等，风险执法部门对应的风险结果处理策略可以是对风险分析结果中的风险对象进行问题次数的统计和划分为风险对象的次数等，以便确定是否为该风险对象进行惩戒、整顿等，监控管理部门对应的风险结果处理策略可以是对风险分析结果中的风险对象进行关注等级升级，确定风险分析结果的风险等级等。本申请实施例不对信息处理设备中可以预置的风险处理部门以及每个风险处理部门对应的风险结果处理策略进行限定，其可以根据实际需求设定，此处不作赘述。
因而，在本实施例中，信息处理设备在输出风险分析结果后，可以首先基于风险分析结果中的风险对象以及风险对象的风险内容确定出该风险分析结果对应的至少一个待推送处理部门，然后再确定出各个待推送处理部门的风险结果处理策略，并利用各个待推送处理部门的风险结果处理策略对上述风险分析结果进行处理，得到针对各个待推送处理部门的风险推送内容，并将其推送给对应的待推送处理部门的风险处理设备。
例如，针对风险执法部门，该信息处理设备确定出风险对象的顽固程度，违法次数等，以便风险执法部门基于该顽固程度、违法次数采用惩戒、停业整顿等不同的处理策略，并将其发送给风险执法部门的风险处理设备；针对监控管理部门，该信息处理设备确定出风险对象的受关注程度等，以便对该风险分析结果中的风险对象进行关注等级升级等策略，并将其发送给监控管理部门的风险处理设备。
在本实施例中，针对不同的待推送处理部门，采用不同的风险结果处理策略分别对风险分析结果进行处理，能够得到针对各个待推送处理部门的风险推送内容，并推送出去，为不同处理部门的执法提供了参考依据。
在本发明实施例的另一种可能设计中，本发明实施例提供的信息处理方法还可以包括如下步骤：
B1、根据风险分析结果包括的至少一个风险对象以及每个风险对象的风险内容，确定风险分析结果关联的至少一个行业；
B2、根据风险分析结果和至少一个行业中各个行业对应的预设行业风险分级策略，确定风险分析结果在各个行业中的行业风险等级；
B3、将风险分析结果和各个行业中的行业风险等级推送给对应行业处理部门的风险处理设备。
示例性的，在本实施例中，信息处理设备可以对不同行业的问题信息进行分类处理，即信息处理设备中可以预置有不同行业对应的预设行业风险分级策略，例如，金融行业的行业风险分级策略，电商行业的行业风险分级策略、交通运输行业的行业风险分级策略等，基于不同行业的行业风险分级策略，可以对同一个风险分析结果划分不同的行业风险等级。
例如，某个平台既在金融行业中活跃，也在互联网行业中有所涉足，所以，信息处理设备在输出风险分析结果后，可以首先基于风险分析结果中的风险对象以及风险对象的风险内容确定出该风险分析结果关联的至少一个行业，然后再基于各个行业对应的预设行业风险分级策略对风险分析结果进行行业风险等级划分，确定出风险分析结果在各个行业中的行业风险等级，并将该风险分析结果和各个行业中的行业风险等级推送给对应行业处理部门的风险处理设备，以便不同行业处理部门的风险处理设备进行处理。
在本实施例中，针对风险分析结果关联的不同行业，利用各个行业对应的预设行业风险分级策略，确定风险分析结果在各个行业中的行业风险等级，并推送给不同行业处理部门的风险处理设备，为后续不同行业处理部门的有针对性处理提供了实现条件。
在上述实施例的基础上，图3为本发明实施例提供的信息处理方法实施例二的流程示意图。如图3所示，上述S202可以通过如下步骤实现：
S301、利用风险预警模型对上述多条问题信息进行关键词提取，确定出该多条问题信息中的至少两个关键词。
在本步骤中，信息处理设备上运行的风险预警模型具有分词功能，具体的，信息处理设备可以将每条问题信息输入到风险预警模型中，该风险预警模型首先对每条问题信息进行分词处理，得到所有问题信息对应的词集合，然后从该词集合中提取出用于描述投诉对象和投诉内容等的关键词，从而得到多条问题信息中的至少两个关键词。
可选的，关键词提取可以采用有监督的关键词提取方法，也可以采用无监督的关键词提取方法，本方案对其不作限定。可以理解的是，关于有监督和无监督的提取算法各有多个，其可以根据实际情况进行选择，此处不再赘述。
作为一种示例，有监督的关键词提取方法是在风险预警模型的训练阶段，根据标记的风险对象和标记的风险内容构建一个词表，然后在实际应用中，风险预警模型可以基于该词表从该词集合中提取出至少两个关键词。
作为另一种示例，无监督的关键词提取方法是指利用一定的机制对上述多条问题信息中的每个词进行重要性排序，从而确定出重要性比较高的至少两个关键词。
例如，多条问题信息中的至少两个关键词可以有xx平台、xx企业、资金、贷款等，本方案不对关键词的具体实现进行限定。
S302、基于预设聚类规则，对上述至少两个关键词进行聚类，确定至少一个聚类对象集合。
在本实施例中，信息处理设备可以在聚类分析阶段采用预设聚类规则训练风险预警模型，因而，在实际分析场景下，该风险预警模型可以利用该预设聚类规则对多条问题信息对应的至少两个关键词进行聚类，将上述至少两个关键词划分为至少一个聚类对象集合。
示例性的，根据预设聚类规则的不同，该S302可以通过多种不同的方式实现。作为一种示例，信息处理设备可以基于平台类型对上述至少两个关键词进行聚类，确定至少一个聚类对象集合，此时确定的聚类对象集合例如可以包括P2P平台、小微贷企业等。作为另一种示例，信息处理设备可以基于企业名称对至少两个关键词进行聚类，确定至少一个聚类对象集合，此时确定的聚类对象集合例如可以包括xxxxP2P公司、xxxx互联网金融服务有限公司等。本方案不对预设聚类规则进行限定，因而也不会限定聚类对象集合的具体实现。
在实际应用中，主要用到的预设聚类规则对应的聚类算法可以是无监督算法的核K-均值聚类(Kernel K-means Clustering)，也即，通过设定需要聚类的个数k，在上述至少两个关键词作为输入的基础上，将输出k个聚类对象集合，其中，k为大于或等于1的整数。
S303、若上述至少一个聚类对象集合中存在对象数量大于或等于预设风险阈值的对象，则确定出至少一个聚类对象集合中的至少一个风险对象。
在本实施例中，信息处理设备可以基于某种判断规则判断上述至少一个聚类对象集合中是否存在风险对象或风险内容。例如，信息处理设备在分析风险分析结果时可以基于密度的聚类算法(例如，基于噪声应用的基于密度的聚类算法(density-based spatialclustering of applications with noise，DBSCAN))来确定。
具体的，信息处理设备首先定义簇为密度相连的点的最大集合，然后从每个聚类对象集合中确定出对象密度高于预设风险阈值的投诉对象，将其确定为风险对象，再基于每个风险对象的投诉内容，确定出针对该风险对象的风险内容。
在本实施例中，预设风险阈值是预先配置的一个数值或者某个数量级，例如，当某一个公司名称或某一类企业或某一个事件出现的量达到某个数值或者某个数量级时，可以将其设为高风险并进行风险预警。
在实际应用中，该步骤可以通过如下方式实现：首先判断至少一个聚类对象集合中是否存在对象数量大于或等于所述预设风险阈值的对象，若无，则确定上述多条问题信息中提及的至少一个投诉对象中不存在高风险对象，且每个投诉对象的投诉内容中不存在高风险内容，若是，即若至少一个聚类对象集合中存在对象数量大于或等于预设风险阈值的对象，则确定出至少一个聚类对象集合中的至少一个风险对象。
S304、从上述多条问题信息中，筛选出针对每个风险对象的至少一条问题信息。
S305、对每个风险对象的至少一条问题信息进行内容分析，确定出每个风险对象的风险内容。
具体的，若确定投诉的某一类金融机构或某家金融公司、某类金融事件等聚类对象集合中的对象数量大于或等于预设风险阈值，则确定需要引起关注，并从多条问题信息对应的至少一个投诉对象中确定出至少一个风险对象，然后，在多条问题信息中确定出针对每个风险对象的至少一条问题信息，这样可以针对每个风险对象对应的至少一条问题信息中的投诉内容分析具体潜在风险点，例如某平台资金无法取出、某公司贷款不符合规定等投诉内容。
本申请实施例提供的信息处理方法，首先利用风险预警模型对多条问题信息进行关键词提取，确定出多条问题信息中的至少两个关键词，其次基于预设聚类规则，对至少两个关键词进行聚类，确定至少一个聚类对象集合，在至少一个聚类对象集合中存在对象数量大于或等于预设风险阈值的对象，则确定出至少一个聚类对象集合中的至少一个风险对象，并从多条问题信息中，筛选出针对每个风险对象的至少一条问题信息，最后对每个风险对象的至少一条问题信息进行内容分析，确定出每个风险对象的风险内容。该技术方案中，通过人工智能技术训练的风险预警模型对用户投诉的所有问题信息进行关键词提取、语义理解及聚类分析，能够及时得到风险分析结果，从而可以有效避免用户财产安全受损。
在上述实施例的基础上，图4为本发明实施例提供的信息处理方法实施例三的流程示意图。如图4所示，该信息处理方法还可以包括如下步骤：
S401、确定风险分析结果的风险等级。
作为一种示例，信息处理设备可以直接对风险预警模型得到的风险分析结果进一步分析，确定出风险分析结果的风险等级。例如，信息处理设备中预置有风险等级集合，该信息处理设备可以根据风险分析结果中涉及的风险对象以及每个风险对象的风险内容或者该风险对象的历史问题信息，对该风险分析结果进行等级划分，从而确定出该风险分析结果的风险等级。
作为另一种示例，信息处理设备可以输出风险分析结果，例如，通过信息处理设备的人机交互界面展示该风险分析结果后，可以由处理用户投诉的处理人员校验该风险分析结果的准确性并分析风险分析结果的风险等级。
S402、在所述风险等级大于预设风险等级时，向风险处理设备推送所述风险分析结果。
示例性的，信息处理设备中可以预置有推送风险分析结果的预设风险等级，即确定该风险等级大于预设风险等级时，直接向风险处理设备推送风险分析结果，以使得风险处理设备所属风险处理部门的相关人员及时进行处理。
作为一种示例，在处理人员基于该风险分析结果确定存在某个风险对象和该风险对象的风险内容属于高风险，即风险分析结果的风险等级大于预设风险等级时，处理人员可以通过该信息处理设备的人机交互界面发出风险推送指示，以使得该信息处理设备提前向相关部门进行预警。在本步骤中，信息处理设备可以在接收到风险推送指示后，便可以将该风险分析结果发送给风险处理部门所属的风险处理设备。
相应的，风险处理设备所属风险处理部门的相关执法人员及时获知到用户投诉的属于高风险的风险对象和该风险对象存在的风险内容，从而能够及时对严重的违规问题进行处理，以避免严重金融损失或爆点事件发生。
本发明实施例提供的信息处理方法，通过确定风险分析结果的风险等级，在所述风险等级大于预设风险等级时，向风险处理设备推送上述风险分析结果。该技术方案中，信息处理设备可以及时将风险分析结果推送至风险处理部门的风险处理设备，从而使得相关执行人员能够及时对风险性较高的风险对象和风险内容进行处理，防范于未然，有效降低了用户财产安全损失的可能性，提高了用户财产的安全性。
在上述实施例的基础上，信息处理设备能够执行上述图2至图4所示实施例的方法的基础是信息处理设备上运行有风险预警模型，因而，下述对风险预警模型的训练过程进行解释说明。
图5为本发明实施例提供的信息处理方法实施例四的流程示意图。如图5所示，该信息处理方法还可以包括如下步骤：
S501、获取多条历史问题信息。
S502、对上述多条历史问题信息进行处理，得到上述风险预警模型的训练样本集，该训练样本集包括：具有风险标记对象和/或风险标记内容的多条历史标记问题信息。
在本步骤中，在风险预警模型的训练阶段，信息处理设备需要获取用户投诉的多条历史标记问题信息，这样信息处理设备便可以基于这些历史标记问题信息对预设网络模型进行训练。
具体的，信息处理设备可以首先获取包括至少一个投诉对象和针对所述至少一个投诉对象的投诉内容的多条历史问题信息，然后通过人工标注的方式或者机器标注的方式对多条历史问题信息进行标记，得到具有风险标记对象和/或风险标记内容的多条历史标记问题信息，即得到风险预警模型的训练样本集。
S503、利用该训练样本集对预设网络模型进行训练，得到风险预警模型。
可选的，信息处理设备可以利用得到的训练样本集对预设网络模型进行训练，使得训练后的预设网络模型的输入为历史标识问题信息，输出为对应历史标记问题信息中的风险标记对象和/或风险标记内容。
作为一种示例，该S503具体可以通过如下步骤实现：首先对该训练样本集中的每条历史标记问题信息分别进行分词处理，得到每条历史标记问题信息对应的词集合，然后将每条历史标记问题信息对应的词集合依次输入至预设网络模型，并调整该预设网络模型的参数，直到该预设网络模型依次输出每条历史标记问题信息对应的风险标记对象和该风险标记对象的风险标记内容，最后将训练后的预设网络模型确定为风险预警模型。
具体的，信息处理设备利用训练样本集和预设网络模型在训练风险预警模型的过程中，通过对训练样本集中的每条历史标记问题信息进行分词处理，能够得到每条历史标记问题信息对应的词集合，然后根据预设网络模型的输入和输出的对应关系，逐渐调整预设网络模型的参数，使得预设网络模型的输出为历史标记问题信息中的标记信息(即风险标记对象和该风险标记对象的风险标记内容)。
在本发明的一种可能设计中，该信息处理设备可以不是风险预警模型的训练设备，但是其可以接收风险预警模型的训练设备发送的该风险预警模型的建模参数，进而能够基于该建模参数构建该风险预警模型。
本发明实施例提供的信息处理方法，通过对获取到的多条历史问题信息进行处理，得到风险预警模型的训练样本集，该训练样本集包括：具有风险标记对象和/或风险标记内容的多条历史标记问题信息，利用该训练样本集对预设网络模型进行训练，得到风险预警模型。该技术方案中，利用人工智能技术首先训练风险预警模型，利用训练后的风险预警模型不仅实现了对用户投诉问题信息的风险分析，而且提高了处理效率和处理准确性。
综上所述，本发明实施例提供的技术方案应用在金融行业的投诉信访平台中时，除了回复用户的投诉问题，还通过集合用户投诉的所有金融类问题进行聚类与分析，并根据风险分析结果提前向有关部门推送预警的高风险金融事件，使得有关部门能够及时采取措施，从而避免了对群众、对社会造成巨大损失，也更完善投诉信访平台的功能。
图6为本发明实施例提供的信息处理装置实施例的结构示意图。如图6所示，该信息处理装置可以包括：
获取模块601，用于获取预设时间段内用户投诉的多条问题信息，每条问题信息包括：至少一个投诉对象和针对每个投诉对象的投诉内容；
处理模块602，用于将所述多条问题信息输入到预先训练的风险预警模型中进行聚类分析，得到风险分析结果，所述风险分析结果包括：至少一个风险对象以及每个风险对象的风险内容，所述至少一个风险对象是所述至少一个投诉对象中的对象，所述风险内容是对应风险对象的投诉内容中的内容；
输出模块603，用于输出所述风险分析结果。
在一种可能的实现方式中，所述处理模块602，还用于：
确定所述风险分析结果的至少一个待推送处理部门；
利用针对各个待推送处理部门的风险结果处理策略分别对所述风险分析结果进行处理，得到针对各个待推送处理部门的风险推送内容；
所述输出模块603，还用于将针对各个待推送处理部门的风险推送内容推送给对应的待推送处理部门的风险处理设备。
在另一种可能的实现方式中，所述处理模块602，还用于：
根据所述风险分析结果包括的至少一个风险对象以及每个风险对象的风险内容，确定所述风险分析结果关联的至少一个行业；
根据所述风险分析结果和所述至少一个行业中各个行业对应的预设行业风险分级策略，确定所述风险分析结果在各个行业中的行业风险等级；
所述输出模块603，还用于将所述风险分析结果和各个行业中的行业风险等级推送给对应行业处理部门的风险处理设备。
在再一种可能的实现方式中，所述处理模块602，具体用于：
利用所述风险预警模型对所述多条问题信息进行关键词提取，确定出所述多条问题信息中的至少两个关键词；
基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；
若所述至少一个聚类对象集合中存在对象数量大于或等于所述预设风险阈值的对象，则确定出所述至少一个聚类对象集合中的至少一个风险对象；
从所述多条问题信息中，筛选出针对每个风险对象的至少一条问题信息；
对每个风险对象的所述至少一条问题信息进行内容分析，确定出每个风险对象的风险内容。
可选的，所述处理模块602，用于基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合，具体为：
所述处理模块602，具体用于基于平台类型对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；或者
所述处理模块602，具体用于基于企业名称对所述至少两个关键词进行聚类，确定至少一个聚类对象集合。
在另一种可能的实现方式中，所述处理模块602，还用于确定所述风险分析结果的风险等级；
所述输出模块603，还用于在所述风险等级大于预设风险等级时，向风险处理设备推送所述风险分析结果。
在再一种可能的实现方式中，所述获取模块601，还用于获取多条历史问题信息；
所述处理模块602，还用于：
对所述多条历史问题信息进行处理，得到所述风险预警模型的训练样本集，所述训练样本集包括：具有风险标记对象和/或风险标记内容的多条历史标记问题信息；
利用所述训练样本集对预设网络模型进行训练，得到所述风险预警模型。
可选的，所述处理模块602，用于利用所述训练样本集对预设网络模型进行训练，得到所述风险预警模型，具体为：
所述处理模块602，具体用于：
对所述训练样本集中的每条历史标记问题信息分别进行分词处理，得到每条历史标记问题信息对应的词集合；
将每条历史标记问题信息对应的词集合依次输入至所述预设网络模型，并调整所述预设网络模型的参数，直到所述预设网络模型依次输出每条历史标记问题信息对应的风险标记对象和所述风险标记对象的风险标记内容；
将训练后的所述预设网络模型确定为所述风险预警模型。
本实施例提供的信息处理装置，可以用于执行前述任一方法实施例提供的技术方案，其实现原理和技术效果类似，此处不再赘述。
图7为本发明实施例提供的一种信息处理设备的结构示意图。该信息处理设备可以是计算机设备，也可以是电子设备，本实施例不对其进行限定。如图7所示，该信息处理设备可以包括：存储器701、处理器702及存储在存储器701上并可在处理器702上运行的信息处理程序，该信息处理程序被处理器702执行时实现如前述任一实施例所述的信息处理方法的步骤。
可选地，存储器701既可以是独立的，也可以跟处理器702集成在一起。
进一步的，该信息处理设备还可以包括通信接口703和***总线704，存储器701和通信接口703通过***总线704与处理器702连接并完成相互间的通信，通信接口703用于和其他设备进行通信。
可选的，在本申请的实施例中，该信息处理设备还可以包括人机交互界面705，该人机交互界面705可以用于接收用户的指示并显示处理结果。
本实施例提供的信息处理设备的实现原理和技术效果可以参见前述各实施例，此处不再赘述。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息处理程序，所述信息处理程序被处理器执行时实现如前述任一项所述的信息处理方法的步骤。
可选的，本发明实施例还提供一种运行指令的芯片，所述芯片用于执行上述方法实施例所述的技术方案。
本发明实施例还提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中，信息处理设备的至少一个处理器可以从所述计算机可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序时使得信息处理设备可实现上述方法实施例所述的技术方案。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本发明各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
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，本发明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)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种信息处理方法，其特征在于，包括：
获取预设时间段内用户投诉的多条问题信息，每条问题信息包括：至少一个投诉对象和针对每个投诉对象的投诉内容；
利用风险预警模型对所述多条问题信息进行分词处理，得到所有问题信息对应的词集合；
基于词表从所述词集合中提取出至少两个关键词；或者，根据预设机制对所述词集合中的每个词进行重要性排序，确定出重要性高的至少两个关键词；所述词表是在风险预警模型的训练阶段，根据标记的风险对象和标记的风险内容构建所得；所述关键词为用于描述投诉对象和投诉内容的词；
基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；
若所述至少一个聚类对象集合中存在对象数量大于或等于所述预设风险阈值的对象，则确定出所述至少一个聚类对象集合中的至少一个风险对象；所述风险对象是投诉对象中的对象；
从所述多条问题信息中，筛选出针对每个风险对象的至少一条问题信息；
对每个风险对象的所述至少一条问题信息进行内容分析，确定出每个风险对象的风险内容；所述风险内容是对应风险对象的投诉内容中的内容；
输出风险分析结果；所述风险分析结果包括至少一个风险对象以及每个风险对象的风险内容。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述风险分析结果的至少一个待推送处理部门；
利用针对各个待推送处理部门的风险结果处理策略分别对所述风险分析结果进行处理，得到针对各个待推送处理部门的风险推送内容；
将针对各个待推送处理部门的风险推送内容推送给对应的待推送处理部门的风险处理设备。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述风险分析结果包括的至少一个风险对象以及每个风险对象的风险内容，确定所述风险分析结果关联的至少一个行业；
根据所述风险分析结果和所述至少一个行业中各个行业对应的预设行业风险分级策略，确定所述风险分析结果在各个行业中的行业风险等级；
将所述风险分析结果和各个行业中的行业风险等级推送给对应行业处理部门的风险处理设备。
4.根据权利要求1所述的方法，其特征在于，所述基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合，包括：
基于平台类型对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；或者
基于企业名称对所述至少两个关键词进行聚类，确定至少一个聚类对象集合。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述风险分析结果的风险等级；
在所述风险等级大于预设风险等级时，向风险处理设备推送所述风险分析结果。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
获取多条历史问题信息；
对所述多条历史问题信息进行处理，得到所述风险预警模型的训练样本集，所述训练样本集包括：具有风险标记对象和/或风险标记内容的多条历史标记问题信息；
利用所述训练样本集对预设网络模型进行训练，得到所述风险预警模型。
7.一种信息处理装置，其特征在于，包括：
获取模块，用于获取预设时间段内用户投诉的多条问题信息，每条问题信息包括：至少一个投诉对象和针对每个投诉对象的投诉内容；
处理模块，用于利用风险预警模型对所述多条问题信息进行分词处理，得到所有问题信息对应的词集合；基于词表从所述词集合中提取出至少两个关键词；或者，根据预设机制对所述词集合中的每个词进行重要性排序，确定出重要性高的至少两个关键词；所述词表是在风险预警模型的训练阶段，根据标记的风险对象和标记的风险内容构建所得；所述关键词为用于描述投诉对象和投诉内容的词；基于预设聚类规则，对所述至少两个关键词进行聚类，确定至少一个聚类对象集合；若所述至少一个聚类对象集合中存在对象数量大于或等于所述预设风险阈值的对象，则确定出所述至少一个聚类对象集合中的至少一个风险对象；所述风险对象是投诉对象中的对象；从所述多条问题信息中，筛选出针对每个风险对象的至少一条问题信息；对每个风险对象的所述至少一条问题信息进行内容分析，确定出每个风险对象的风险内容；所述风险内容是对应风险对象的投诉内容中的内容；
输出模块，用于输出风险分析结果；所述风险分析结果包括至少一个风险对象以及每个风险对象的风险内容。
8.一种信息处理设备，其特征在于，所述信息处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信息处理程序，所述信息处理程序被所述处理器执行时实现如权利要求1至6中任一项所述的信息处理方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息处理程序，所述信息处理程序被处理器执行时实现如权利要求1至6中任一项所述的信息处理方法的步骤。
10.一种计算机程序产品，包括：计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的信息处理方法的步骤。
CN202011639532.1A 2020-12-31 2020-12-31 信息处理方法、装置、设备及存储介质 Active CN112712270B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011639532.1A CN112712270B (zh) 2020-12-31 2020-12-31 信息处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011639532.1A CN112712270B (zh) 2020-12-31 2020-12-31 信息处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112712270A CN112712270A (zh) 2021-04-27
CN112712270B true CN112712270B (zh) 2024-04-26

Family

ID=75547964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011639532.1A Active CN112712270B (zh) 2020-12-31 2020-12-31 信息处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112712270B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592315A (zh) * 2021-08-04 2021-11-02 北京沃东天骏信息技术有限公司 一种处理纠纷单的方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110008394A (zh) * 2019-01-22 2019-07-12 阿里巴巴集团控股有限公司 一种舆情信息的识别方法、装置及设备
WO2020037942A1 (zh) * 2018-08-20 2020-02-27 平安科技（深圳）有限公司 风险预测处理方法、装置、计算机设备和介质
CN111259057A (zh) * 2020-01-15 2020-06-09 浙江连信科技有限公司 用于民生诉求分析的数据处理方法及装置
CN111353792A (zh) * 2020-05-25 2020-06-30 广东电网有限责任公司惠州供电局 一种可视化展现与数据分析的客户画像***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190244148A1 (en) * 2018-02-08 2019-08-08 GeminiRE Computer architecture for characterizing and managing risk

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020037942A1 (zh) * 2018-08-20 2020-02-27 平安科技（深圳）有限公司 风险预测处理方法、装置、计算机设备和介质
CN110008394A (zh) * 2019-01-22 2019-07-12 阿里巴巴集团控股有限公司 一种舆情信息的识别方法、装置及设备
CN111259057A (zh) * 2020-01-15 2020-06-09 浙江连信科技有限公司 用于民生诉求分析的数据处理方法及装置
CN111353792A (zh) * 2020-05-25 2020-06-30 广东电网有限责任公司惠州供电局 一种可视化展现与数据分析的客户画像***

Also Published As

Publication number Publication date
CN112712270A (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
CN107945024B (zh) 识别互联网金融借贷企业经营异常的方法、终端设备及存储介质
CN111383101B (zh) 贷后风险监控方法、装置、设备及计算机可读存储介质
CN108366045B (zh) 一种风控评分卡的设置方法和装置
CN114265967B (zh) 一种敏感数据安全等级标注方法及装置
CN111861716B (zh) 一种基于软件***的贷中监控预警等级生成方法
CN112598513B (zh) 识别股东风险交易行为的方法及装置
CN110955770A (zh) 一种智能对话***
CN113609193A (zh) 训练用于预测客户交易行为的预测模型的方法及装置
CN112907356A (zh) 逾期催收方法、装置、***及计算机可读存储介质
CN112990281A (zh) 异常投标识别模型训练方法、异常投标识别方法及装置
CN112712270B (zh) 信息处理方法、装置、设备及存储介质
CN114092230A (zh) 一种数据处理方法、装置、电子设备及计算机可读介质
CN113420909A (zh) 一种用户响应信息预测模型建立方法及信息预测方法
CN112950359A (zh) 一种用户识别方法和装置
Aly et al. Machine Learning Algorithms and Auditor’s Assessments of the Risks Material Misstatement: Evidence from the Restatement of Listed London Companies
CN115577983B (zh) 基于区块链的企业任务匹配方法、服务器及存储介质
CN111353728A (zh) 一种风险分析方法和***
CN116703555A (zh) 一种预警方法、装置、电子设备及计算机可读介质
CN114493853A (zh) 信用等级评价方法、装置、电子设备及存储介质
CN115545088A (zh) 模型构建方法、分类方法、装置和电子设备
CN114443409A (zh) 支付业务***监控方法、装置和设备及计算机存储介质
CN112561699A (zh) 一种券商客户数据的处理方法、***及存储介质
CN112308294A (zh) 违约概率预测方法及装置
CN112598225A (zh) 评价指标的确定方法及装置、存储介质、电子装置
CN111144091A (zh) 客服成员的确定方法、装置以及群成员身份的确定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant