CN116976821B - 企业问题反馈信息处理方法、装置、设备及介质 - Google Patents
企业问题反馈信息处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116976821B CN116976821B CN202310976949.4A CN202310976949A CN116976821B CN 116976821 B CN116976821 B CN 116976821B CN 202310976949 A CN202310976949 A CN 202310976949A CN 116976821 B CN116976821 B CN 116976821B
- Authority
- CN
- China
- Prior art keywords
- feedback information
- model
- target
- information processing
- strategy
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 84
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000010485 coping Effects 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 62
- 238000012549 training Methods 0.000 claims description 32
- 238000000605 extraction Methods 0.000 claims description 28
- 238000013507 mapping Methods 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 5
- 238000001356 surgical procedure Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
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
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术领域，提供一种企业问题反馈信息处理方法、装置、设备及介质，能够根据问题反馈信息的反馈方式调用对应的反馈信息处理模型，并将问题反馈信息输入至反馈信息处理模型进行识别得到目标问题，进而基于人工智能模型快速识别及提取出目标问题，基于目标问题在策略库中进行查询，以自动获取到与目标问题对应的应对策略，进而基于查询到的应对策略处理问题反馈信息，无需人为参与，保证了问题反馈信息处理的高效性及准确性。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种企业问题反馈信息处理方法、装置、设备及介质。
背景技术
随着企业的快速发展，员工人数也不断增加，因此需要更好的收集并***化的记录问题。
但是，在现有技术中，对于企业来说，对问题反馈的处理速度较慢，且由于员工的经验不足，常常无法对问题反馈进行有效的处理，处理过程对于员工个人来说要求较高。
发明内容
鉴于以上内容，有必要提供一种企业问题反馈信息处理方法、装置、设备及介质，旨在解决对企业问题反馈的处理速度慢及处理不合理的问题。
一种企业问题反馈信息处理方法，所述企业问题反馈信息处理方法包括：
当接收到问题反馈信息时，检测所述问题反馈信息的反馈方式作为目标类型；
调用与所述目标类型对应的反馈信息处理模型作为目标模型；
将所述问题反馈信息输入至所述目标模型进行识别，得到目标问题；
调取预先构建的策略库；
基于所述目标问题在所述策略库中进行查询，得到与所述目标问题对应的应对策略作为目标策略；
基于所述目标策略处理所述问题反馈信息。
根据本发明优选实施例，所述调用与所述目标类型对应的反馈信息处理模型作为目标模型前，所述方法还包括：
获取历史问题反馈信息；
从所述历史问题反馈信息中获取文本信息，将所述文本信息作为训练样本训练第一反馈信息处理模型；其中，所述第一反馈信息处理模型包括文本识别模型及关键词提取模型；
从所述历史问题反馈信息中获取语音信息，将所述语音信息作为训练样本训练第二反馈信息处理模型；其中，所述第二反馈信息处理模型包括语音识别模型及所述关键词提取模型；
从所述历史问题反馈信息中获取视频信息，将所述视频信息作为训练样本训练第三反馈信息处理模型；其中，所述第三反馈信息处理模型包括图像特征提取模型、所述语音识别模型及所述关键词提取模型。
根据本发明优选实施例，所述得到目标问题后，所述方法还包括：
当所述目标类型为视频类型时，实时采集视频过程中的用户微表情特征；
调用预先训练的风险等级预测模型；
将所述用户微表情特征及所述目标问题输入至所述风险等级预测模型，得到目标风险等级；
当所述目标风险等级为预设风险等级时，按照与所述预设风险等级对应的优先级对所述问题反馈信息进行优先处理。
根据本发明优选实施例，所述方法还包括：
配置各风险等级与处理优先级的映射关系。
根据本发明优选实施例，所述调取预先构建的策略库前，所述方法还包括：
获取预设时间范围内的应对数据；
对所述应对数据进行聚类，得到每个问题，及每个问题对应的应对策略；
建立每个问题与对应的应对策略的映射关系；
基于所述映射关系构建所述策略库。
根据本发明优选实施例，所述基于所述映射关系构建所述策略库后，所述方法还包括：
将所述策略库保存至区块链节点；
每隔预设时间间隔，更新所述策略库。
根据本发明优选实施例，所述基于所述目标策略处理所述问题反馈信息包括：
当所述目标类型为在线反馈时，在指定界面上显示应答话术；
当所述目标类型为投诉类型时，将处理方式发送至指定联系人的终端设备。
一种企业问题反馈信息处理装置，所述企业问题反馈信息处理装置包括：
检测单元，用于当接收到问题反馈信息时，检测所述问题反馈信息的反馈方式作为目标类型；
调用单元，用于调用与所述目标类型对应的反馈信息处理模型作为目标模型；
识别单元，用于将所述问题反馈信息输入至所述目标模型进行识别，得到目标问题；
调取单元，用于调取预先构建的策略库；
查询单元，用于基于所述目标问题在所述策略库中进行查询，得到与所述目标问题对应的应对策略作为目标策略；
处理单元，用于基于所述目标策略处理所述问题反馈信息。
一种计算机设备，所述计算机设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现所述企业问题反馈信息处理方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现所述企业问题反馈信息处理方法。
由以上技术方案可以看出，本发明能够根据问题反馈信息的反馈方式调用对应的反馈信息处理模型，并将问题反馈信息输入至反馈信息处理模型进行识别得到目标问题，进而基于人工智能模型快速识别及提取出目标问题，基于目标问题在策略库中进行查询，以自动获取到与目标问题对应的应对策略，进而基于查询到的应对策略处理问题反馈信息，无需人为参与，保证了问题反馈信息处理的高效性及准确性。
附图说明
图1是本发明企业问题反馈信息处理方法的较佳实施例的流程图。
图2是本发明企业问题反馈信息处理装置的较佳实施例的功能模块图。
图3是本发明实现企业问题反馈信息处理方法的较佳实施例的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明企业问题反馈信息处理方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述企业问题反馈信息处理方法应用于一个或者多个计算机设备中，所述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(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，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任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述计算机设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，当接收到问题反馈信息时，检测所述问题反馈信息的反馈方式作为目标类型。
在本实施例中，所述问题反馈信息可以包括，但不限于：在线问题咨询或者投诉、电话咨询或者投诉、视频咨询或者投诉、使用情况反馈等。
在本实施例中，所述反馈方式可以包括，但不限于：视频类型、在线反馈、投诉类型等，类型的具体划分方式可以根据实际的业务需求进行配置，本发明不限制。
S11，调用与所述目标类型对应的反馈信息处理模型作为目标模型。
在本实施例中，所述调用与所述目标类型对应的反馈信息处理模型作为目标模型前，所述方法还包括：
获取历史问题反馈信息；
从所述历史问题反馈信息中获取文本信息，将所述文本信息作为训练样本训练第一反馈信息处理模型；其中，所述第一反馈信息处理模型包括文本识别模型及关键词提取模型；
从所述历史问题反馈信息中获取语音信息，将所述语音信息作为训练样本训练第二反馈信息处理模型；其中，所述第二反馈信息处理模型包括语音识别模型及所述关键词提取模型；
从所述历史问题反馈信息中获取视频信息，将所述视频信息作为训练样本训练第三反馈信息处理模型；其中，所述第三反馈信息处理模型包括图像特征提取模型、所述语音识别模型及所述关键词提取模型。
其中，所述文本识别模型、所述关键词提取模型、所述语音识别模型、所述图像特征提取模型可以为具有对应功能的神经网络模型、深度学习模型等，本发明对具体的模型类型不做限制。
其中，通过所述文本识别模型，能够从文本信息中识别到具体的文本内容。
其中，通过所述关键词提取模型，能够提取出待处理数据中的关键词。
其中，通过所述语音识别模型，能够从输入语音中提取出具体的语音内容。
其中，通过所述图像特征提取模型，能够从各帧图像中提取出对应的图像内容。
通过上述实施例，能够训练每种类型对应的人工智能模型。
具体地，可以将训练得到的模型部署于区块链节点，后续在需要调用时可以直接从区块链节点中获取对应的模型，如可以在存储模型时记录模型标识，后续在调用时可以直接根据模型标识在区块链节点上的各模型中进行匹配，以获取到对应的模型。
S12，将所述问题反馈信息输入至所述目标模型进行识别，得到目标问题。
通过上述实施例，基于人工智能模型自动提取出数据的主要特征，得到所述目标问题，无需人工参与，提高了问题确定的效率。
在本实施例中，所述得到目标问题后，所述方法还包括：
当所述目标类型为视频类型时，实时采集视频过程中的用户微表情特征；
调用预先训练的风险等级预测模型；
将所述用户微表情特征及所述目标问题输入至所述风险等级预测模型，得到目标风险等级；
当所述目标风险等级为预设风险等级时，按照与所述预设风险等级对应的优先级对所述问题反馈信息进行优先处理。
其中，所述风险等级预测模型可以为预先训练的一种具有预测功能的深度学习模型。
在上述实施例中，根据用户微表情特征及目标问题预测风险等级，以便根据不同的风险等级确定处理各问题的先后顺序。
在本实施例中，所述方法还包括：
配置各风险等级与处理优先级的映射关系。
通过上述实施例，预先配置了各风险等级与处理优先级的映射关系，以便后续根据不同的风险等级确定问题的处理顺序，保证风险等级高的问题被优先处理，避免耽误问题的处理时效，带来更多的客诉。
S13，调取预先构建的策略库。
其中，所述策略库用于存储每个问题与对应的应对策略的映射关系。
具体地，所述调取预先构建的策略库前，所述方法还包括：
获取预设时间范围内的应对数据；
对所述应对数据进行聚类，得到每个问题，及每个问题对应的应对策略；
建立每个问题与对应的应对策略的映射关系；
基于所述映射关系构建所述策略库。
其中，所述预设时间范围可以为从当前时间起，向前追溯的3个月内。
通过建立所述策略库，能够在后续辅助确定应对策略，这样，无论解决问题的工作人员经验如何，都可以利用所述策略库中的策略辅助进行决策，不仅提高了响应效率，且能够使问题解决的更好。
在本实施例中，所述基于所述映射关系构建所述策略库后，所述方法还包括：
将所述策略库保存至区块链节点；
每隔预设时间间隔，更新所述策略库。
其中，所述预设时间间隔可以为每个月等。
在上述实施例中，通过将所述策略库保存至区块链节点，能够避免数据被恶意篡改，保证了数据的安全性。并且，通过定期更新所述策略库，能够使所述策略库中所提供的策略保持有效性及实用性。
S14，基于所述目标问题在所述策略库中进行查询，得到与所述目标问题对应的应对策略作为目标策略。
具体地，可以利用所述目标问题在所述策略库中进行遍历，并将遍历到的问题所对应的应对策略作为所述目标策略。
S15，基于所述目标策略处理所述问题反馈信息。
在本实施例中，所述基于所述目标策略处理所述问题反馈信息包括：
当所述目标类型为在线反馈时，在指定界面上显示应答话术；
当所述目标类型为投诉类型时，将处理方式发送至指定联系人的终端设备。
例如：当提供了在线反馈渠道时，若用户进行在线反馈，则需要及时对客户的问题进行答复，此时，可以在聊天界面上显示应答话术，以辅助工作人员进行快速应答；若用户进行电话反馈，此时，在工作人员的可视界面上显示应答话术，这样，工作人员可以根据应答话术的提示应对用户；若用户进行的是线下反馈，如只是在意见反馈栏位提交了一个问题，则可以将处理方式发送至工作人员的终端设备，以辅助工作人员快速解决问题。
其中，所述意见反馈栏位上可以包括新增问题按钮、填写信息界面，及提交按钮。所述填写信息界面上可以包括问题类型、日期、问题详情、反馈意见等。进一步地，在问题提交后，可以将对应的问题发送至工作人员的终端设备，工作人员可以在指定的问题处理界面上查看各种提交的问题，并通过触发“处理”按钮或者“查看”按钮进行相应的操作。在有问题被解决后，可以对被解决的问题进行标记，如将已被处理的问题标记为“已解决”等，以避免问题被重复处理。
又比如：对于客户致电客服进行投诉的情况，可以由客服记录问题，并反馈给对应人员，处理后将处理结果反馈给客服，由客服再反馈给客户，在流程结束后，记录问题及对应的解决方案，便于后续更新策略库时使用，或者进行问题追溯时使用。
在本实施例中，记录每次企业问题反馈信息处理的全流程数据，以辅助后续进行查阅及追溯。
由以上技术方案可以看出，本发明能够根据问题反馈信息的反馈方式调用对应的反馈信息处理模型，并将问题反馈信息输入至反馈信息处理模型进行识别得到目标问题，进而基于人工智能模型快速识别及提取出目标问题，基于目标问题在策略库中进行查询，以自动获取到与目标问题对应的应对策略，进而基于查询到的应对策略处理问题反馈信息，无需人为参与，保证了问题反馈信息处理的高效性及准确性。
如图2所示，是本发明企业问题反馈信息处理装置的较佳实施例的功能模块图。所述企业问题反馈信息处理装置11包括检测单元110、调用单元111、识别单元112、调取单元113、查询单元114、处理单元115。本发明所称的模块/单元是指一种能够被处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
所述检测单元110，用于当接收到问题反馈信息时，检测所述问题反馈信息的反馈方式作为目标类型。
在本实施例中，所述问题反馈信息可以包括，但不限于：在线问题咨询或者投诉、电话咨询或者投诉、视频咨询或者投诉、使用情况反馈等。
在本实施例中，所述反馈方式可以包括，但不限于：视频类型、在线反馈、投诉类型等，类型的具体划分方式可以根据实际的业务需求进行配置，本发明不限制。
所述调用单元111，用于调用与所述目标类型对应的反馈信息处理模型作为目标模型。
在本实施例中，所述调用与所述目标类型对应的反馈信息处理模型作为目标模型前，获取历史问题反馈信息；
从所述历史问题反馈信息中获取文本信息，将所述文本信息作为训练样本训练第一反馈信息处理模型；其中，所述第一反馈信息处理模型包括文本识别模型及关键词提取模型；
从所述历史问题反馈信息中获取语音信息，将所述语音信息作为训练样本训练第二反馈信息处理模型；其中，所述第二反馈信息处理模型包括语音识别模型及所述关键词提取模型；
从所述历史问题反馈信息中获取视频信息，将所述视频信息作为训练样本训练第三反馈信息处理模型；其中，所述第三反馈信息处理模型包括图像特征提取模型、所述语音识别模型及所述关键词提取模型。
其中，所述文本识别模型、所述关键词提取模型、所述语音识别模型、所述图像特征提取模型可以为具有对应功能的神经网络模型、深度学习模型等，本发明对具体的模型类型不做限制。
其中，通过所述文本识别模型，能够从文本信息中识别到具体的文本内容。
其中，通过所述关键词提取模型，能够提取出待处理数据中的关键词。
其中，通过所述语音识别模型，能够从输入语音中提取出具体的语音内容。
其中，通过所述图像特征提取模型，能够从各帧图像中提取出对应的图像内容。
通过上述实施例，能够训练每种类型对应的人工智能模型。
具体地，可以将训练得到的模型部署于区块链节点，后续在需要调用时可以直接从区块链节点中获取对应的模型，如可以在存储模型时记录模型标识，后续在调用时可以直接根据模型标识在区块链节点上的各模型中进行匹配，以获取到对应的模型。
所述识别单元112，用于将所述问题反馈信息输入至所述目标模型进行识别，得到目标问题。
通过上述实施例，基于人工智能模型自动提取出数据的主要特征，得到所述目标问题，无需人工参与，提高了问题确定的效率。
在本实施例中，所述得到目标问题后，当所述目标类型为视频类型时，实时采集视频过程中的用户微表情特征；
调用预先训练的风险等级预测模型；
将所述用户微表情特征及所述目标问题输入至所述风险等级预测模型，得到目标风险等级；
当所述目标风险等级为预设风险等级时，按照与所述预设风险等级对应的优先级对所述问题反馈信息进行优先处理。
其中，所述风险等级预测模型可以为预先训练的一种具有预测功能的深度学习模型。
在上述实施例中，根据用户微表情特征及目标问题预测风险等级，以便根据不同的风险等级确定处理各问题的先后顺序。
在本实施例中，配置各风险等级与处理优先级的映射关系。
通过上述实施例，预先配置了各风险等级与处理优先级的映射关系，以便后续根据不同的风险等级确定问题的处理顺序，保证风险等级高的问题被优先处理，避免耽误问题的处理时效，带来更多的客诉。
所述调取单元113，用于调取预先构建的策略库。
其中，所述策略库用于存储每个问题与对应的应对策略的映射关系。
具体地，所述调取预先构建的策略库前，获取预设时间范围内的应对数据；
对所述应对数据进行聚类，得到每个问题，及每个问题对应的应对策略；
建立每个问题与对应的应对策略的映射关系；
基于所述映射关系构建所述策略库。
其中，所述预设时间范围可以为从当前时间起，向前追溯的3个月内。
通过建立所述策略库，能够在后续辅助确定应对策略，这样，无论解决问题的工作人员经验如何，都可以利用所述策略库中的策略辅助进行决策，不仅提高了响应效率，且能够使问题解决的更好。
在本实施例中，所述基于所述映射关系构建所述策略库后，将所述策略库保存至区块链节点；
每隔预设时间间隔，更新所述策略库。
其中，所述预设时间间隔可以为每个月等。
在上述实施例中，通过将所述策略库保存至区块链节点，能够避免数据被恶意篡改，保证了数据的安全性。并且，通过定期更新所述策略库，能够使所述策略库中所提供的策略保持有效性及实用性。
所述查询单元114，用于基于所述目标问题在所述策略库中进行查询，得到与所述目标问题对应的应对策略作为目标策略。
具体地，可以利用所述目标问题在所述策略库中进行遍历，并将遍历到的问题所对应的应对策略作为所述目标策略。
所述处理单元115，用于基于所述目标策略处理所述问题反馈信息。
在本实施例中，所述处理单元115基于所述目标策略处理所述问题反馈信息包括：
当所述目标类型为在线反馈时，在指定界面上显示应答话术；
当所述目标类型为投诉类型时，将处理方式发送至指定联系人的终端设备。
例如：当提供了在线反馈渠道时，若用户进行在线反馈，则需要及时对客户的问题进行答复，此时，可以在聊天界面上显示应答话术，以辅助工作人员进行快速应答；若用户进行电话反馈，此时，在工作人员的可视界面上显示应答话术，这样，工作人员可以根据应答话术的提示应对用户；若用户进行的是线下反馈，如只是在意见反馈栏位提交了一个问题，则可以将处理方式发送至工作人员的终端设备，以辅助工作人员快速解决问题。
其中，所述意见反馈栏位上可以包括新增问题按钮、填写信息界面，及提交按钮。所述填写信息界面上可以包括问题类型、日期、问题详情、反馈意见等。进一步地，在问题提交后，可以将对应的问题发送至工作人员的终端设备，工作人员可以在指定的问题处理界面上查看各种提交的问题，并通过触发“处理”按钮或者“查看”按钮进行相应的操作。在有问题被解决后，可以对被解决的问题进行标记，如将已被处理的问题标记为“已解决”等，以避免问题被重复处理。
又比如：对于客户致电客服进行投诉的情况，可以由客服记录问题，并反馈给对应人员，处理后将处理结果反馈给客服，由客服再反馈给客户，在流程结束后，记录问题及对应的解决方案，便于后续更新策略库时使用，或者进行问题追溯时使用。
在本实施例中，记录每次企业问题反馈信息处理的全流程数据，以辅助后续进行查阅及追溯。
由以上技术方案可以看出，本发明能够根据问题反馈信息的反馈方式调用对应的反馈信息处理模型，并将问题反馈信息输入至反馈信息处理模型进行识别得到目标问题，进而基于人工智能模型快速识别及提取出目标问题，基于目标问题在策略库中进行查询，以自动获取到与目标问题对应的应对策略，进而基于查询到的应对策略处理问题反馈信息，无需人为参与，保证了问题反馈信息处理的高效性及准确性。
如图3所示，是本发明实现企业问题反馈信息处理方法的较佳实施例的计算机设备的结构示意图。
所述计算机设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如企业问题反馈信息处理程序。
本领域技术人员可以理解，所述示意图仅仅是计算机设备1的示例，并不构成对计算机设备1的限定，所述计算机设备1既可以是总线型结构，也可以是星形结构，所述计算机设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述计算机设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是，所述计算机设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
其中，存储器12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、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是计算机设备1的内部存储单元，例如该计算机设备1的移动硬盘。存储器12在另一些实施例中也可以是计算机设备1的外部存储设备，例如计算机设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器12还可以既包括计算机设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于计算机设备1的应用软件及各类数据，例如企业问题反馈信息处理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述计算机设备1的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块(例如执行企业问题反馈信息处理程序等)，以及调用存储在所述存储器12内的数据，以执行计算机设备1的各种功能和处理数据。
所述处理器13执行所述计算机设备1的操作***以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个企业问题反馈信息处理方法实施例中的步骤，例如图1所示的步骤。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机程序在所述计算机设备1中的执行过程。例如，所述计算机程序可以被分割成检测单元110、调用单元111、识别单元112、调取单元113、查询单元114、处理单元115。
上述以软件功能模块的形式实现的集成的单元，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、计算机设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述企业问题反馈信息处理方法的部分。
所述计算机设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器等。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明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。
总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根直线表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出，所述计算机设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器13逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述计算机设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该计算机设备1与其他计算机设备之间建立通信连接。
可选地，该计算机设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的计算机设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述计算机设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
结合图1，所述计算机设备1中的所述存储器12存储多个指令以实现一种企业问题反馈信息处理方法，所述处理器13可执行所述多个指令从而实现：
当接收到问题反馈信息时，检测所述问题反馈信息的反馈方式作为目标类型；
调用与所述目标类型对应的反馈信息处理模型作为目标模型；
将所述问题反馈信息输入至所述目标模型进行识别，得到目标问题；
调取预先构建的策略库；
基于所述目标问题在所述策略库中进行查询，得到与所述目标问题对应的应对策略作为目标策略；
基于所述目标策略处理所述问题反馈信息。
具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
需要说明的是，本案中所涉及到的数据均为合法取得。
在本发明所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置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。
本发明可用于众多通用或专用的计算机***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***、基于微处理器的***、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***或设备的分布式计算环境等等。本发明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发明，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种企业问题反馈信息处理方法，其特征在于，所述企业问题反馈信息处理方法包括：
当接收到问题反馈信息时，检测所述问题反馈信息的反馈方式作为目标类型；
调用与所述目标类型对应的反馈信息处理模型作为目标模型；
将所述问题反馈信息输入至所述目标模型进行识别，得到目标问题；
调取预先构建的策略库；
基于所述目标问题在所述策略库中进行查询，得到与所述目标问题对应的应对策略作为目标策略；
基于所述目标策略处理所述问题反馈信息；
其中，所述调用与所述目标类型对应的反馈信息处理模型作为目标模型前，获取历史问题反馈信息；从所述历史问题反馈信息中获取文本信息，将所述文本信息作为训练样本训练第一反馈信息处理模型；其中，所述第一反馈信息处理模型包括文本识别模型及关键词提取模型；从所述历史问题反馈信息中获取语音信息，将所述语音信息作为训练样本训练第二反馈信息处理模型；其中，所述第二反馈信息处理模型包括语音识别模型及所述关键词提取模型；从所述历史问题反馈信息中获取视频信息，将所述视频信息作为训练样本训练第三反馈信息处理模型；其中，所述第三反馈信息处理模型包括图像特征提取模型、所述语音识别模型及所述关键词提取模型；
其中，所述调取预先构建的策略库前，获取预设时间范围内的应对数据；对所述应对数据进行聚类，得到每个问题，及每个问题对应的应对策略；建立每个问题与对应的应对策略的映射关系；基于所述映射关系构建所述策略库。
2.如权利要求1所述的企业问题反馈信息处理方法，其特征在于，所述得到目标问题后，所述方法还包括：
当所述目标类型为视频类型时，实时采集视频过程中的用户微表情特征；
调用预先训练的风险等级预测模型；
将所述用户微表情特征及所述目标问题输入至所述风险等级预测模型，得到目标风险等级；
当所述目标风险等级为预设风险等级时，按照与所述预设风险等级对应的优先级对所述问题反馈信息进行优先处理。
3.如权利要求2所述的企业问题反馈信息处理方法，其特征在于，所述方法还包括：
配置各风险等级与处理优先级的映射关系。
4.如权利要求1所述的企业问题反馈信息处理方法，其特征在于，所述基于所述映射关系构建所述策略库后，所述方法还包括：
将所述策略库保存至区块链节点；
每隔预设时间间隔，更新所述策略库。
5.如权利要求1所述的企业问题反馈信息处理方法，其特征在于，所述基于所述目标策略处理所述问题反馈信息包括：
当所述目标类型为在线反馈时，在指定界面上显示应答话术；
当所述目标类型为投诉类型时，将处理方式发送至指定联系人的终端设备。
6.一种企业问题反馈信息处理装置，其特征在于，所述企业问题反馈信息处理装置包括：
检测单元，用于当接收到问题反馈信息时，检测所述问题反馈信息的反馈方式作为目标类型；
调用单元，用于调用与所述目标类型对应的反馈信息处理模型作为目标模型；
识别单元，用于将所述问题反馈信息输入至所述目标模型进行识别，得到目标问题；
调取单元，用于调取预先构建的策略库；
查询单元，用于基于所述目标问题在所述策略库中进行查询，得到与所述目标问题对应的应对策略作为目标策略；
处理单元，用于基于所述目标策略处理所述问题反馈信息；
其中，所述调用与所述目标类型对应的反馈信息处理模型作为目标模型前，获取历史问题反馈信息；从所述历史问题反馈信息中获取文本信息，将所述文本信息作为训练样本训练第一反馈信息处理模型；其中，所述第一反馈信息处理模型包括文本识别模型及关键词提取模型；从所述历史问题反馈信息中获取语音信息，将所述语音信息作为训练样本训练第二反馈信息处理模型；其中，所述第二反馈信息处理模型包括语音识别模型及所述关键词提取模型；从所述历史问题反馈信息中获取视频信息，将所述视频信息作为训练样本训练第三反馈信息处理模型；其中，所述第三反馈信息处理模型包括图像特征提取模型、所述语音识别模型及所述关键词提取模型；
其中，所述调取预先构建的策略库前，获取预设时间范围内的应对数据；对所述应对数据进行聚类，得到每个问题，及每个问题对应的应对策略；建立每个问题与对应的应对策略的映射关系；基于所述映射关系构建所述策略库。
7. 一种计算机设备，其特征在于，所述计算机设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现如权利要求1至5中任意一项所述的企业问题反馈信息处理方法。
8.一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中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现如权利要求1至5中任意一项所述的企业问题反馈信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310976949.4A CN116976821B (zh) | 2023-08-03 | 2023-08-03 | 企业问题反馈信息处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310976949.4A CN116976821B (zh) | 2023-08-03 | 2023-08-03 | 企业问题反馈信息处理方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116976821A CN116976821A (zh) | 2023-10-31 |
| CN116976821B true CN116976821B (zh) | 2024-02-13 |
Family
ID=88484705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310976949.4A Active CN116976821B (zh) | 2023-08-03 | 2023-08-03 | 企业问题反馈信息处理方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116976821B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109688281A (zh) * | 2018-12-03 | 2019-04-26 | 复旦大学 | 一种智能语音交互方法及*** |
| CN110807388A (zh) * | 2019-10-25 | 2020-02-18 | 深圳追一科技有限公司 | 交互方法、装置、终端设备及存储介质 |
| CN112559687A (zh) * | 2020-12-15 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 问题识别及查询方法、装置、电子设备及存储介质 |
| CN112612874A (zh) * | 2020-12-28 | 2021-04-06 | 恒大新能源汽车投资控股集团有限公司 | 一种数据处理方法、装置及电子设备 |
| CN112735407A (zh) * | 2020-12-24 | 2021-04-30 | 北京三快在线科技有限公司 | 一种对话处理方法及装置 |
| CN113312461A (zh) * | 2021-05-25 | 2021-08-27 | 深圳平安综合金融服务有限公司 | 基于自然语言处理的智能问答方法、装置、设备及介质 |
| WO2021237227A1 (en) * | 2021-07-01 | 2021-11-25 | Innopeak Technology, Inc. | Method and system for multi-language text recognition model with autonomous language classification |
| CN114186044A (zh) * | 2021-12-06 | 2022-03-15 | 建信金融科技有限责任公司 | 问答***的处理方法、装置、设备及存储介质 |
| CN114398466A (zh) * | 2022-01-19 | 2022-04-26 | 平安国际智慧城市科技股份有限公司 | 基于语义识别的投诉分析方法、装置、计算机设备及介质 |
| WO2022095380A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技（深圳）有限公司 | 基于ai的虚拟交互模型生成方法、装置、计算机设备及存储介质 |
| CN115083392A (zh) * | 2022-05-27 | 2022-09-20 | 平安银行股份有限公司 | 客服应对策略的获取方法、装置、设备及存储介质 |
| CN115205729A (zh) * | 2022-06-08 | 2022-10-18 | 智己汽车科技有限公司 | 基于多模态特征融合的行为识别方法、*** |
| CN116186213A (zh) * | 2022-12-27 | 2023-05-30 | 北京汇易达数字科技有限公司 | 一种基于远程录音录像的应答策略的方法、装置及电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210096341A (ko) * | 2020-01-28 | 2021-08-05 | 엘지전자 주식회사 | 다수의 음성 인식 디바이스들을 제어하기 위한 장치, 시스템 및 제어 방법 |
-
2023
- 2023-08-03 CN CN202310976949.4A patent/CN116976821B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109688281A (zh) * | 2018-12-03 | 2019-04-26 | 复旦大学 | 一种智能语音交互方法及*** |
| CN110807388A (zh) * | 2019-10-25 | 2020-02-18 | 深圳追一科技有限公司 | 交互方法、装置、终端设备及存储介质 |
| WO2022095380A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技（深圳）有限公司 | 基于ai的虚拟交互模型生成方法、装置、计算机设备及存储介质 |
| CN112559687A (zh) * | 2020-12-15 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 问题识别及查询方法、装置、电子设备及存储介质 |
| CN112735407A (zh) * | 2020-12-24 | 2021-04-30 | 北京三快在线科技有限公司 | 一种对话处理方法及装置 |
| CN112612874A (zh) * | 2020-12-28 | 2021-04-06 | 恒大新能源汽车投资控股集团有限公司 | 一种数据处理方法、装置及电子设备 |
| CN113312461A (zh) * | 2021-05-25 | 2021-08-27 | 深圳平安综合金融服务有限公司 | 基于自然语言处理的智能问答方法、装置、设备及介质 |
| WO2021237227A1 (en) * | 2021-07-01 | 2021-11-25 | Innopeak Technology, Inc. | Method and system for multi-language text recognition model with autonomous language classification |
| CN114186044A (zh) * | 2021-12-06 | 2022-03-15 | 建信金融科技有限责任公司 | 问答***的处理方法、装置、设备及存储介质 |
| CN114398466A (zh) * | 2022-01-19 | 2022-04-26 | 平安国际智慧城市科技股份有限公司 | 基于语义识别的投诉分析方法、装置、计算机设备及介质 |
| CN115083392A (zh) * | 2022-05-27 | 2022-09-20 | 平安银行股份有限公司 | 客服应对策略的获取方法、装置、设备及存储介质 |
| CN115205729A (zh) * | 2022-06-08 | 2022-10-18 | 智己汽车科技有限公司 | 基于多模态特征融合的行为识别方法、*** |
| CN116186213A (zh) * | 2022-12-27 | 2023-05-30 | 北京汇易达数字科技有限公司 | 一种基于远程录音录像的应答策略的方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116976821A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111949708B (zh) | 基于时序特征提取的多任务预测方法、装置、设备及介质 | |
| CN113806434B (zh) | 大数据处理方法、装置、设备及介质 | |
| CN111798123A (zh) | 基于人工智能的合规性评价方法、装置、设备及介质 | |
| CN113887941B (zh) | 业务流程生成方法、装置、电子设备及介质 | |
| CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
| CN112101191A (zh) | 基于边框注意力网络的表情识别方法、装置、设备及介质 | |
| CN116823437A (zh) | 基于配置化风控策略的准入方法、装置、设备及介质 | |
| CN116976821B (zh) | 企业问题反馈信息处理方法、装置、设备及介质 | |
| CN116188189A (zh) | 数据对账方法、装置、设备及介质 | |
| CN115913763A (zh) | 流量异常检测方法、装置、设备及介质 | |
| CN115510219A (zh) | 话术推荐方法、装置、电子设备及存储介质 | |
| CN116957649B (zh) | 客户筛选方法、装置、设备及介质 | |
| CN116934263B (zh) | 产品批量准入方法、装置、设备及介质 | |
| CN116630048B (zh) | 基于期货行情k线的交易方法、装置、设备及介质 | |
| CN117975949B (zh) | 基于语音转换的事件记录方法、装置、设备及介质 | |
| CN113722590B (zh) | 基于人工智能的医学信息推荐方法、装置、设备及介质 | |
| CN116739611B (zh) | 客户信息跟踪管理方法、装置、设备及介质 | |
| CN118037198B (zh) | 事件关联物品管理方法、装置、设备及介质 | |
| CN117114845A (zh) | 企业风险预测方法、设备及介质 | |
| CN113688924B (zh) | 异常订单检测方法、装置、设备及介质 | |
| CN117438032A (zh) | 精麻类药物信息采集方法、装置、设备及介质 | |
| CN117151955A (zh) | 交通案件处理状态跟踪方法、装置、设备及介质 | |
| CN118333040A (zh) | 执法类文书优化方法、装置、设备及介质 | |
| CN116994279A (zh) | ***数据采集方法、装置、设备及介质 | |
| CN116823141A (zh) | 付款数据处理方法、装置、设备及介质 |
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 |