异常用户的识别方法、装置、设备及存储介质与流程

1.本发明涉及大数据技术领域，尤其涉及一种异常用户的识别方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着社会的发展，人们对生活质量的要求越来越高，对于各种服务的要求也越来越高，一旦有不满意就会产生投诉。如有的客户因为对银行的服务态度、收费问题等感到不满，而对银行提出投诉。但是有些异常用户为了达到自己的经济目的而恶意的投诉银行，违约还款、甚至不还，委托第三方投诉银行，这种行为可能会严重影响银行的正常业务。
3.而对于这种异常用户，目前主要是通过人工查看工单内容，听取录音，判定是否为黑产用户，这种方法耗时耗力，效率低下且差错率较高，因此，需要一种可以高效的识别异常用户的方法。


技术实现要素：

4.本发明提供一种异常用户的识别方法、装置及计算机可读存储介质，其主要目的在于提高异常用户的识别效率。
5.为实现上述目的，本发明提供的一种异常用户的识别方法，包括：
6.采集历史投诉工单信息，从所述历史投诉工单信息中提取诉求详情，得到多个用户的诉求详情文本；
7.提取每个所述诉求详情文本中的关键词，并基于所述关键词生成第一异常用户集；
8.基于所述历史投诉工单信息获取多个所述用户的设备信息，根据多个所述用户的设备信息和预设的设备信息条件生成第二异常用户集；
9.获取基于用户信息构建的用户知识图谱，根据所述第一异常用户集和所述第二异常用户集从所述用户知识图谱中识别生成第三异常用户集，并与所述第一异常用户集、所述第二异常用户集汇总得到异常用户集。
10.可选地，所述提取每个所述诉求详情文本中的关键词，包括：
11.将每个所述诉求详情文本切分成词，得到每个所述诉求详情文本对应的词语集；
12.计算每个所述词语集中每个词语的词频和逆向文件频率；
13.根据所述词频和所述逆向文件频率计算每个词语的权重；
14.将每个所述词语集中的词语按照所述权重从大到小进行排序，并选择排名前预设阈值个数的词语，得到每个所述诉求详情文本中的关键词。
15.可选地，所述计算每个所述词语集中每个词语的词频，包括：
16.分别统计每个词语在对应的诉求详情文本中出现的次数，得到出现次数；
17.统计所述词语集中所有词语的数量，得到总词数量；
18.根据所述出现次数和所述总词数量，利用预设第一公式生成每个词语的词频。
19.可选地，所述计算每个所述词语集中每个词语的逆向文件频率，包括：
20.统计所述词语集对应的诉求详情文本的总数量，得到总文档数量；
21.对所述词语集中每个词语，统计包含所述词语的诉求详情文本的数量，得到含词条文档数量；
22.根据所述总文档数量和所述含词条文档数量，利用预设第二公式计算生成每个词语的逆向文件频率。
23.可选地，所述设备信息包括用户提交投诉工单时所用设备的账号信息、电量、图片数量中的一项或多项，所述根据多个所述用户的设备信息和预设的设备信息条件生成第二异常用户集，包括：
24.若多个所述用户的设备信息中存在任一设备信息满足预设的设备信息条件，将所述任一设备信息对应的用户判断为异常用户，确定得到的所有异常用户组成第二异常用户集。
25.可选地，所述获取基于用户信息构建的用户知识图谱之前，所述方法还包括：
26.将各个所述用户作为实体，并以所述实体为知识图谱的节点；
27.提取所述历史投诉工单信息中的用户信息作为各实体的属性；
28.分析所述实体之间的关联关系，并根据所述实体的属性以及实体之间的关联关系构建多个三元组；
29.将所述多个三元组进行可视化，得到用户知识图谱。
30.可选地，所述根据所述第一异常用户集和所述第二异常用户集从所述用户知识图谱中识别生成第三异常用户集，并与所述第一异常用户集、所述第二异常用户集汇总得到异常用户集，包括：
31.将所述第一异常用户集和所述第二异常用户集中的用户在所述用户知识图谱中进行标记；
32.在所述用户知识图谱中查找与所述第一异常用户集和所述第二异常用户集中的异常用户具有相同电话属性的其余用户，并将所述其余用户标记为异常用户，得到第三异常用户集；
33.汇总所述第一异常用户集、第二异常用户集及第三异常用户集，得到异常用户集，并对所述异常用户集的用户进行转移处理。
34.为了解决上述问题，本发明还提供一种异常用户的识别装置，所述装置包括：
35.文本采集模块，采集历史投诉工单信息，从所述历史投诉工单信息中提取诉求详情，得到多个用户的诉求详情文本；
36.关键词提取模块，用于提取每个所述诉求详情文本中的关键词，并基于所述关键词生成第一异常用户集；
37.设备信息获取模块，用于基于所述历史投诉工单信息获取多个所述用户的设备信息，根据多个所述用户的设备信息和预设的设备信息条件生成第二异常用户集；
38.异常用户生成模块，用于获取基于用户信息构建的用户知识图谱，根据所述第一异常用户集和所述第二异常用户集从所述用户知识图谱中识别生成第三异常用户集，并与所述第一异常用户集、所述第二异常用户集汇总得到异常用户集。
39.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
40.至少一个处理器；以及，
41.与所述至少一个处理器通信连接的存储器；其中，
42.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的异常用户的识别方法。
43.为了解决上述问题，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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的异常用户的识别方法。
44.本发明实施例从历史投诉工单信息中提取诉求详情，保证了信息完整性；从诉求详情文本提取出关键词，将根据关键词和预先配置好的规则匹配，识别出第一异常用户，同时通过设备信息识别出第二异常用户，可以减少因查看诉求详情文本耗费的时间，有效提高效率；基于用户信息构建用户知识图谱，直接以用户为实体，更加直观清晰，便于获取异常用户信息。因此本发明提出的异常用户的识别方法、装置、电子设备及计算机可读存储介质，可以提高异常用户的识别效率。
附图说明
45.图1为本发明一实施例提供的异常用户的识别方法的流程示意图；
46.图2为本发明一实施例提供的提取关键词的流程示意图；
47.图3为本发明一实施例提供的异常用户的识别装置的功能模块图；
48.图4为本发明一实施例提供的实现所述异常用户的识别方法的电子设备的结构示意图。
49.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
50.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
51.本技术实施例提供一种异常用户的识别方法。所述异常用户的识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述异常用户的识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。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(content delivery 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。
52.参照图1所示，为本发明一实施例提供的异常用户的识别方法的流程示意图。在本实施例中，所述异常用户的识别方法包括：
53.s1、采集历史投诉工单信息，从所述历史投诉工单信息中提取诉求详情，得到多个用户的诉求详情文本。
54.本发明实施例中，所述历史投诉工单信息是用户在各种业务场景中因不满而提交的投诉信息，如对银行的响应或处理的结果不满意等，所述历史投诉工单信息包括但不限
于姓名、性别、电话、证件号、卡号、诉求详情、录音。本发明实施例可以从预设的后台数据库中获取所述历史投诉工单信息。
55.可选地，为进一步保证所述历史投诉工单信息的隐私性和安全性，所述历史投诉工单信息还可以从一区块链的节点中获取。
56.进一步地，本发明实施例从所述历史投诉工单信息中提取出诉求详情字段对应的文本数据，得到多个诉求详情文本。
57.本发明其中一个实施例中，可以按照用户的证件号从所述历史投诉工单信息中提取每个用户对应的诉求详情文本，从而得到多个用户对应的诉求详情文本。
58.可选地，本发明实施例还可以从所述历史投诉工单信息提取出每个投诉工单的投诉详情内容，并按照用户姓名进行分类整理，从而得到多个用户对应的诉求详情文本。
59.s2、提取每个所述诉求详情文本中的关键词，并基于所述关键词生成第一异常用户集。
60.本发明实施例利用关联词抽取算法提取每个所述诉求详情文本中的关键词，其中，所述关键词抽取算法是一种用于信息检索与数据挖掘的加权技术，可用于挖掘文章中的关键词，如tf-idf(term frequency
–
inverse document frequency)算法。
61.详细地，参照图2所示，所述提取每个所述诉求详情文本中的关键词，包括：
62.s21、将每个所述诉求详情文本切分成词，得到每个所述诉求详情文本对应的词语集；
63.s22、计算每个所述词语集中每个词语的词频和逆向文件频率；
64.s23、根据所述词频和所述逆向文件频率计算每个词语的权重；
65.s24、将每个所述词语集中的词语按照所述权重从大到小进行排序，并选择排名前预设阈值个数的词语，得到每个所述诉求详情文本中的关键词。
66.本发明其中一个实施例可以采用结巴分词法将每个所述诉求详情文本切分成词。
67.进一步地，所述词频(tf)表示词语(关键字)在文本中出现的频率。所述逆向文件频率(idf)是某一特定词语的idf，由总文档数目除以包含该词语的文档的数目，再将得到的商取对数得到；包含词语的文档数越少，idf越大，则说明词条具有很好的类别区分能力。
68.详细地，所述计算每个所述词语集中每个词语的词频，包括：
69.分别统计每个词语在对应的诉求详情文本中出现的次数，得到出现次数；
70.统计所述词语集中所有词语的数量，得到总词数量；
71.根据所述出现次数和所述总词数量，利用预设第一公式生成每个词语的词频。
72.其中，所述预设第一公式为：tf(c)＝词语c的出现次数/总词数量。
73.进一步地，所述计算每个所述词语集中每个词语的逆向文件频率，包括：
74.统计所述词语集对应的诉求详情文本的总数量，得到总文档数量；
75.对所述词语集中每个词语，统计包含所述词语的诉求详情文本的数量，得到含词条文档数量；
76.根据所述总文档数量和所述含词条文档数量，利用预设第二公式计算生成每个词语的逆向文件频率。
77.所述预设第二公式为：idf(c)＝log(总文档数量/包含词语c的含词条文档数量+1)。
78.进一步地，本发明实施例按照下述公式计算每个词语的权重：tf-idf＝词频(tf)*逆向文件频率(idf)。
79.详细地，所述基于所述关键词生成第一异常用户集，包括：
80.获取预设的模板关键词；
81.将每个所述诉求详情文本的关键词与所述模板关键词进行匹配，得到匹配结果；
82.若所述匹配结果为符合，则将所述关键词对应的用户标记为异常用户，得到第一异常用户集。
83.所述模板关键词是异常用户在投诉时惯常使用的词，如：威胁、立案等。所述匹配结果包括符合和完全不符。将所有历史投诉工单信息都提取关键词并进行匹配后，提取其中所有被标记为异常用户的用户，即可得到第一异常用户集。
84.如，某个用户提交了投诉工单信息以后，从所述投诉工单信息中提取出的关键词有态度恶劣、报警、威胁，其中，“威胁”与模板关键词中的关键词完全相同，则匹配结果为符合，将当前投诉工单信息对应的用户标记为异常用户。
85.s3、基于所述历史投诉工单信息获取多个所述用户的设备信息，根据多个所述用户的设备信息和预设的设备信息条件生成第二异常用户集。
86.本发明实施例中，所述用户设备信息是指用户在登录系统进行投诉时使用设备的相关信息，包括但不限于用户提交投诉工单时所用设备的账号信息、电量、图片数量。在用户提交投诉工单时，可通过预设的权限获取用户使用设备的相关信息并保存。
87.进一步地，根据多个所述用户的设备信息和预设的设备信息条件生成第二异常用户集，包括：
88.若多个所述用户的设备信息中存在任一设备信息满足预设的设备信息条件，将所述任一设备信息对应的用户判断为异常用户，确定得到的所有异常用户组成第二异常用户集。
89.其中，所述预设的设备信息条件包括但不限于：同一设备中登录过多个帐号；设备电量无变化；设备内的图片数量为零。
90.通常情况下，用户只会使用一个账号，且登录系统的时间不固定，设备电量也是不固定的，使用的设备内也会存有图片，而那些异常用户是为了恶意投诉，因此会使用多个账号进行投诉，或者使用某些恶意的投诉软件，获取到的设备信息就是虚拟的，则获取到的设备电量为恒定值，图片数量也为0，因此，可以通过设备信息判断是否为异常用户。
91.s4、获取基于用户信息构建的用户知识图谱，根据所述第一异常用户集和所述第二异常用户集从所述用户知识图谱中识别生成第三异常用户集，并与所述第一异常用户集、所述第二异常用户集汇总得到异常用户集。
92.本发明实施例中，所述用户信息包括但不限于姓名、性别、电话、证件号、卡号等。
93.详细地，所述获取基于用户信息构建知识图谱之前，还包括：
94.将各个所述用户作为实体，并以所述实体为知识图谱的节点；
95.提取所述历史投诉工单信息中的用户信息作为各实体的属性；
96.分析所述实体之间的关联关系，并根据所述实体的属性以及实体之间的关联关系构建多个三元组；
97.将所述多个三元组进行可视化，得到用户知识图谱。
98.本发明实施例所述分析对所述实体之间的关联关系是基于数据挖掘技术对所述实体数据进行关联挖掘，如两个用户的具有相同属性值(电话号码)，则表示这两个用户之间具有关联关系。
99.所述三元组可表示为“(a，b，c)”，其中，b为关系，a和c为图谱节点，例如：用户a与用户b之间，，用三元组表示为“(用户a，关联关系，用户c)”。
100.进一步地，所述根据所述第一异常用户集和所述第二异常用户集从所述用户知识图谱中识别生成第三异常用户集，并与所述第一异常用户集、所述第二异常用户集汇总得到异常用户集，包括：
101.将所述第一异常用户集和所述第二异常用户集中的用户在所述用户知识图谱中进行标记；
102.在所述用户知识图谱中查找与所述第一异常用户集和所述第二异常用户集中的异常用户的具有相同电话属性的其余用户，并将所述其余用户标记为异常用户，得到第三异常用户集；
103.汇总所述第一异常用户集、第二异常用户集及第三异常用户集，得到异常用户集，并对所述异常用户集的用户进行转移处理。
104.本发明实施例可以批量的识别出异常客户，降低工作人员识别的难度，提高识别效率，并针对异常客户做出进一步的应对策略，如移交相应的机关单位处理，降低群体投诉、舆情等方面的风险。
105.本发明实施例从历史投诉工单信息中提取诉求详情，保证了信息完整性；从诉求详情文本提取出关键词，将根据关键词和预先配置好的规则匹配，识别出第一异常用户，同时通过设备信息识别出第二异常用户，可以减少因查看诉求详情文本耗费的时间，有效提高效率；基于用户信息构建用户知识图谱，直接以用户为实体，更加直观清晰，便于获取异常用户信息。因此本发明提出的异常用户的识别方法、装置、电子设备及计算机可读存储介质，可以提高异常用户的识别效率。
106.如图3所示，是本发明一实施例提供的异常用户的识别装置的功能模块图。
107.本发明所述异常用户的识别装置100可以安装于电子设备中。根据实现的功能，所述异常用户的识别装置100可以包括文本采集模块101、关键词提取模块102、设备信息获取模块103及异常用户生成模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
108.在本实施例中，关于各模块/单元的功能如下：
109.所述文本采集模块101，用户采集历史投诉工单信息，从所述历史投诉工单信息中提取诉求详情，得到多个用户的诉求详情文本。
110.本发明实施例中，所述历史投诉工单信息是用户在各种业务场景中因不满而提交的投诉信息，如对银行的响应或处理的结果不满意等，所述历史投诉工单信息包括但不限于姓名、性别、电话、证件号、卡号、诉求详情、录音。本发明实施例可以从预设的后台数据库中获取所述历史投诉工单信息。
111.进一步地，本发明实施例从所述历史投诉工单信息中提取出诉求详情字段对应的文本数据，得到多个诉求详情文本。
112.所述关键词提取模块102，用于通过关键词抽取算法提取每个所述诉求详情文本中的关键词，并基于所述关键词生成第一异常用户集。
113.本发明实施例利用关联词抽取算法提取每个所述诉求详情文本中的关键词，其中，所述关键词抽取算法是一种用于信息检索与数据挖掘的加权技术，可用于挖掘文章中的关键词，如tf-idf(term frequency
–
inverse document frequency)算法。
114.详细地，所述关键词提取模块102具体用于：
115.将每个所述诉求详情文本切分成词，得到每个所述诉求详情文本对应的词语集；
116.计算每个所述词语集中每个词语的词频和逆向文件频率；
117.根据所述词频和所述逆向文件频率计算每个词语的权重；
118.将每个所述词语集中的词语按照所述权重从大到小进行排序，并选择排名前预设阈值个数的词语，得到每个所述诉求详情文本中的关键词。
119.详细地，所述计算每个所述词语集中每个词语的词频，包括：
120.分别统计每个词语在对应的诉求详情文本中出现的次数，得到出现次数；
121.统计所述词语集中所有词语的数量，得到总词数量；
122.根据所述出现次数和所述总词数量，利用预设第一公式生成每个词语的词频。
123.其中，所述预设第一公式为：tf(c)＝词语c的出现次数/总词数量。
124.进一步地，所述计算每个所述词语集中每个词语的逆向文件频率，包括：
125.统计所述词语集对应的诉求详情文本的总数量，得到总文档数量；
126.对所述词语集中每个词语，统计包含所述词语的诉求详情文本的数量，得到含词条文档数量；
127.根据所述总文档数量和所述含词条文档数量，利用预设第二公式计算生成每个词语的逆向文件频率。
128.所述预设第二公式为：idf(c)＝log(总文档数量/包含词语c的含词条文档数量+1)。
129.进一步地，本发明实施例按照下述公式计算每个词语的权重：tf-idf＝词频(tf)*逆向文件频率(idf)。
130.详细地，所述基于所述关键词生成第一异常用户集，包括：
131.获取预设的模板关键词；
132.将每个所述诉求详情文本的关键词与所述模板关键词进行匹配，得到匹配结果；
133.若所述匹配结果为符合，则将所述关键词对应的用户标记为异常用户，得到第一异常用户集。
134.所述设备信息获取模块103，用于基于所述历史投诉工单信息获取多个所述用户的设备信息，根据多个所述用户的设备信息和预设的设备信息条件生成第二异常用户集。
135.本发明实施例中，所述用户设备信息是指用户在登录系统进行投诉时使用设备的相关信息，包括但不限于用户提交投诉工单时所用设备的账号信息、电量、图片数量。在用户提交投诉工单时，可通过预设的权限获取用户使用设备的相关信息并保存。
136.进一步地，所述设备信息获取模块103具体用于：若多个所述用户的设备信息中存在任一设备信息满足预设的设备信息条件，将所述任一设备信息对应的用户判断为异常用户，确定得到的所有异常用户组成第二异常用户集。
137.其中，所述预设的设备信息条件包括但不限于：同一设备中登录过多个帐号；设备电量无变化；设备内的图片数量为零。
138.所述异常用户生成模块104，用于获取基于用户信息构建的用户知识图谱，根据所述第一异常用户集和所述第二异常用户集从所述用户知识图谱中识别生成第三异常用户集，并与所述第一异常用户集、所述第二异常用户集汇总得到异常用户集。
139.本发明实施例中，所述用户信息包括，但不限于姓名、性别、电话、证件号、卡号等。
140.详细地，所述异常用户生成模块104具体用于：
141.将所述第一异常用户集和所述第二异常用户集中的用户在所述用户知识图谱中进行标记；
142.在所述用户知识图谱中查找与所述第一异常用户集和所述第二异常用户集中的异常用户的具有相同电话属性的其余用户，并将所述其余用户标记为异常用户，得到第三异常用户集；
143.汇总所述第一异常用户集、第二异常用户集及第三异常用户集，得到异常用户集，并对所述异常用户集的用户进行转移处理。
144.如图4所示，是本发明一实施例提供的实现异常用户的识别方法的电子设备的结构示意图。
145.所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如异常用户的识别程序。
146.其中，所述处理器10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。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行异常用户的识别程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
147.所述存储器11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。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如异常用户的识别程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
148.所述通信总线12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。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
149.所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。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)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述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，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
150.图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备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。
151.例如，尽管未示出，所述电子设备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10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。所述电子设备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。
152.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。
153.所述电子设备1中的所述存储器11存储的异常用户的识别程序是多个指令的组合，在所述处理器10中运行时，可以实现：
154.采集历史投诉工单信息，从所述历史投诉工单信息中提取诉求详情，得到多个用户的诉求详情文本；
155.提取每个所述诉求详情文本中的关键词，并基于所述关键词生成第一异常用户集；
156.基于所述历史投诉工单信息获取多个所述用户的设备信息，根据多个所述用户的设备信息和预设的设备信息条件生成第二异常用户集；
157.获取基于用户信息构建的用户知识图谱，根据所述第一异常用户集和所述第二异常用户集从所述用户知识图谱中识别生成第三异常用户集，并与所述第一异常用户集、所述第二异常用户集汇总得到异常用户集。
158.具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
159.进一步地，所述电子设备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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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)。
160.本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
161.采集历史投诉工单信息，从所述历史投诉工单信息中提取诉求详情，得到多个用
户的诉求详情文本；
162.提取每个所述诉求详情文本中的关键词，并基于所述关键词生成第一异常用户集；
163.基于所述历史投诉工单信息获取多个所述用户的设备信息，根据多个所述用户的设备信息和预设的设备信息条件生成第二异常用户集；
164.获取基于用户信息构建的用户知识图谱，根据所述第一异常用户集和所述第二异常用户集从所述用户知识图谱中识别生成第三异常用户集，并与所述第一异常用户集、所述第二异常用户集汇总得到异常用户集。。
165.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，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。
166.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。
167.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。
168.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。
169.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。
170.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。
171.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。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、技术及应用系统。
172.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。系统权利要求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。
173.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。