任务数据处理方法及装置、电子设备、介质与流程

本发明涉及计算机视觉技术领域，尤其涉及一种任务数据处理方法及装置、电子设备、介质。

背景技术：

随着电子商务的迅猛发展，线上任务的创建与处理也越来越成为一种新潮流。

在进行线上任务的创建与处理中，对于各种异常任务，则需要对其任务数据进行分析以及处理。

如何提升对异常的任务数据进行处理的效率，成为亟待解决的问题。

技术实现要素：

本发明解决的问题是提升对异常的任务数据进行处理的准确性。

为解决上述问题，本发明实施例公开了a1，一种任务数据处理方法，包括：根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据；确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据；确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法；结合所述处理方法确定对该主体的所述任务数据的模板处理结果。

a2，如a1所述的方法中，所述处理模板为判决模板，所述对所述主体的任务数据的处理方法为所述判决模板中预置的判决规则，所述结合所述处理方法确定对该主体的所述任务数据的处理结果包括：基于所述主体数据以及任务数据全部或部分至得到与所述判决规则适配的特征因子；输入所述特征因子所述判决模板；根据所述判决规则得到所述模板处理结果。

a3，如a2所述的方法中，所述判决模板为决策树或规则脚本。

a4，如a1所述的方法中，还包括：通过机器学习模型对所述模板处理结果进行确认或调整，得到任务数据处理结果。

a5，如a4所述的方法中，所述任务数据包括所述从任务生成至触发获取时该任务的过程中，所述任务的主体与其交互对象进行交互的交互数据。

a6，如a5所述的方法中，通过机器学习模型对所述模板处理结果进行确认或调整包括：对所述交互数据进行语义识别；结合所述语义识别得到的识别结果以及所述任务数据中交互数据以外的信息对所述模板处理结果进行确认或调整。

a7，如a1所述的方法中，所述预置的触发条件包括:监听到任务队列中的任务取消事件。

本发明实施例还公开了b1，一种任务数据处理装置，包括：任务数据获取模块，用于根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据；主体数据确定模块，用于确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据；处理模板确定模块，用于确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法；处理结果确定模块，用于结合所述处理方法确定对该主体的所述任务数据的模板处理结果。

本发明实施例还公开了c1,一种电子设备，其包括至少一个存储器和至少一个处理器；所述存储器存储程序，所述处理器调用所述程序，所述程序用于：根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据；确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据；确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法；结合所述处理方法确定对该主体的所述任务数据的模板处理结果。

本发明实施例还公开了d1，一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行a1至a9任一项所述任务数据处理方法的步骤。

与现有技术相比，本发明的技术方案具有以下有益效果：

本发明实施例中，根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据，确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据，确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法，以及结合所述处理方法确定对该主体的所述任务数据的模板处理结果。从而，处理结果基于主体数据、任务数据、以及对应的处理模板生成，可以提升数据处理的效率。

附图说明

图1是本发明实施例中一种任务数据处理方法的流程图；

图2是本发明实施例中一种确定任务数据处理结果的方法的流程图；

图3是本发明实施例中一种对所述模板处理结果进行确认或调整的方法的流程图；

图4是本发明实施例中一种任务数据处理装置的结构示意图；

图5是本发明实施例中一种电子设备的结构示意图。

具体实施方式

由背景技术可知，在进行线上任务的创建与处理过程中，对于各种异常任务，则需要对其任务数据进行分析以及处理。

其中，任务可以是多种不同类型的任务，例如，对应于外卖领域，每一个任务可以与一个外卖订单相关联，对应于网上购物消费，每一个任务可以与一个购物订单相关联。

对应于外卖领域，异常任务可以是由于点错外卖、外卖配送超时限、用户对餐品不满意、商户少配餐品等情况下，存在的订单退单、或者是取消订单、以及与订单相关联的申请客服介入仲裁等；对应于网上购物，异常任务可以是对购买的产品不满意、或者是商户发送的货品有瑕疵、或者是地址填写错误从而导致的取消购物订单、或者是退货、以及与对订单申请客服介入仲裁等任务。对于此类任务，则需要对其任务数据进行处理。

在一种任务数据处理方法中，可以由人工对任务数据进行处理。

但是，人工对异常任务的任务数据进行处理，存在数据处理效率较低、数据处理准确性不高等问题。

如何提升对异常任务数据处理的效率成为亟待解决的问题。

本发明实施例中，根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据，确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据，确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法，以及结合所述处理方法确定对该主体的所述任务数据的模板处理结果。从而，处理结果基于主体数据、任务数据、以及对应的处理模板生成，从而可以提升对任务数据处理的效率。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明具体实施例做详细的说明。

参照图1所示的一种任务数据处理方法的流程图，在本发明实施例中，任务单数据处理可以包括如下流程：

步骤s11，根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据；

步骤s12，确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据；

步骤s13，确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法；

步骤s14，结合所述处理方法确定对该主体的所述任务数据的模板处理结果。

其中，本发明实施例中所述的任务可以是对应多种不同种类型的任务，具体的，可以是前文所述的订单，进一步，可以是外卖订单，或者是网上购物订单等。

任务的主体可以是具体应用场景中的用户，例如，对应于订单，可以是发起外卖订单、网上购物订单等的用户。

预置的触发条件可以是触发执行本发明任务数据处理方法的触发条件。在具体实施中，预置的触发条件可以包括监听到任务队列中的任务取消事件。

在具体实施中，对于订单，任务取消事件可以包括取消订单事件、以及退单事件等，或者也可以包括因为取消订单或退单而引起的仲裁事件。本领域技术人员可以理解的是，仲裁事件可以是与任务有关联关系的主体之间因为取消订单或退单等事件存在纠纷而申请仲裁的事件。

例如，在外卖场景中，可能出现用户点餐后退单或取消订单、在该过程中，用户和商家在意见不一时，会申请仲裁，或者订单完成后申请仲裁等事件。这些事件均可以在任务数据中得到体现，通过监听，可以从任务队列中获取任务取消事件。

在具体实施中，任务队列可以是订单队列，订单队列可以是记录以及跟踪网上购物、网上消费中多个订单的订单状态的队列。订单的订单状态可以包括多种状态，例如，下单、接单、未分配配送员、配送员分配中、已分配配送员、已分配配送员送货中、超时未配送等状态。

在具体实施中，运行本发明所述任务数据处理方法可以运行于数据处理队列，数据处理队列可以是不同于任务队列的队列，与所述任务队列并列存在的队列。

在一种具体实现中，可以是在数据处理队列中监听到任务队列中的任务取消事件时，获取任务数据，以进行任务数据的处理。

通过以数据处理队列进行任务数据处理，以任务队列进行任务状态跟踪，任务数据处理与任务状态跟踪分别以两个队列独立进行，从而可以避免在进行任务状态跟踪时，对数据处理队列的影响，进而可以提升数据处理的效率。

在具体实施中，任务数据可以包括从主体下单至任务完成过程中的所有数据，具体的，可以包括金额、成交时间、任务退订时间、配送方式、配送费用、配送时长、任务取消原因、任务退订原因以及沟通过程中的一种或多种。

主体数据可以包括主体的信用等级标签、主体的任务退订率中的一种或多种。在具体实施中，主体的信用等级标签可以是用户的信用等级标签，可以是黑名单用户、要客用户、普通用户、svip/vip用户等。

通过结合主体数据中包括的主体的信用等级标签、主体的任务退订率等对任务数据进行处理，得到处理结果。从而，可以从多个角度进行对异常的任务数据的判断，进而可以提升数据处理的准确性。

在具体实施中，处理模板可以为判决模板，判决模板可以是根据一定输入，得到对应输出的模板。具体的，判决模板可以为决策树或规则脚本。

其中，决策树可以是采用本领域技术人员能够实现的算法实现的决策树，规则脚本具体可以是通过脚本语言编写的，适用于计算机可读处理的脚本。例如，在一种具体实现中，规则脚本可以是通过groovy脚本等动态生成的不同的规则脚本。本领域技术人员可以理解的是，此处仅为举例说明，并非对决策树或规则脚本的限制。

所述处理模板中包括的对所述主体的任务数据的处理方法可以为所述判决模板中预置的判决规则。在具体实施中，可以根据应用场景和需要对该预置的判决规则进行调整和更新，以使该判决规则更加完备以及准确，从而可以提升任务数据处理的准确性。

在具体实施中，模板处理结果可以基于所述判决模板以及所述判决规则生成，具体的，结合参考图2，所述结合所述处理方法确定对该用户的所述任务数据的处理结果，具体可以包括如下步骤：

步骤s21，基于所述主体数据以及所述任务数据的全部或部分，得到与所述判决规则适配的特征因子；

步骤s22，输入所述特征因子至所述判决模板；

步骤s23，根据所述判决规则得到所述模板处理结果。

在具体实施中，特征因子可以包括不同内容，例如，对于外卖订单，特征因子可以包括金额、主体类型、取消任务、任务退订、地址填写错误、商家配送、配送员错送、配送员联系取消、商品与预期不符合、商品质量差等。

本领域技术人员可以理解的是，此处仅为举例说明，在具体实施中，特征因子的内容可以是多样的，对此不做限制。

在具体实施中，对应不同业务类型的任务数据以及主体数据，特征因子可以不同。例如，以外卖业务为例，特征因子可以包括忘记点主食、商家缺货打烊等，对应于网上购物业务，特征因子可以包括尺码过大、材质差等。

在具体实施中，可以将该特征因子输入判决模板，基于判断规则，得到模板处理结果。例如，对应于外卖订单，若基于主体数据以及任务数据，确定特征因子为用户为黑名单用户，则根据判决规则，可以判定该外卖订单不予退订；若特征因子为金额大于100元、用户为vip用户、用户30天内非首单退订、用户180内用户责任赔付红包大于100元、用户取消订单、配送员联系取消，则可以根据该特征因子以及判决规则，得到模板处理结果。可以理解的是，此处仅为举例，具体的判断规则可以是多样的，可以根据应用场景，以及实际需要进行设置和调整。

在具体实施中，在得到所述模板处理结果后，可以该模板处理结果作为该任务的任务数据处理结果。或者，也可以由人工再次确认或调整该处理结果。或者，也可以基于任务生成至触发获取该任务数据的过程中，结合任务的主体与其交互对象进行交互的交互数据，通过机器学习模型对该模板处理结果进行进一步的确认或调整，以得到该任务的任务数据处理结果。其它主体可以是前述用户以外的主体，具体可以是订单相关的商家，或者申请仲裁情境中的平台客服等。

其中，交互数据可以是与任务关联的多个主体之间的沟通数据，例如，对应外卖订单，可以点餐用户与商户之间的文字聊天数据，语音通话数据等。本领域技术人员可以理解得是，此处仅为举例说明，在具体实施中，沟通数据还可以包括更多的数据，例如视频录像数据等，对此不做限制。

其中，机器学习模型可以是预先训练得到模型，即通过预先训练，使得训练得到的机器学习模型具有根据任务数据和主体数据得到任务处理处理结果的能力，进而可以对模板处理结果进行确认或调整。

由于机器学习模型可以支持交互数据的输入，结合交互数据确认或调整模板处理结果，可以使得到的任务数据处理结果更加准确，并且可以覆盖处理模板的盲区，例如任务数据中存在处理模板不能匹配的数据或无对应的处理规则的情形，故通过训练的机器学习模型对模板处理结果进行确认或调整，可以提升任务数据处理的准确性。

可以理解的是，本发明实施例中的机器学习模型可以是通过历史数据进行训练后的机器学习模型，该历史数据可以是已获取的由人工确定过模板处理结果准确性的数据等。具体的，机器学习模型可以是线性模型、神经网络等，例如，全连接神经网络、卷积神经网络、循环神经网络等，在此不做限制。

在具体实施中，在对机器学习模型进行训练后，可以基于训练后的机器学习模型，对所述模板处理结果进行确认或调整。具体的，参考图3，通过机器学习模型对所述模板处理结果进行确认或调整可以包括如下步骤：

步骤s31，对所述交互数据进行语义识别；

步骤s32，结合所述语义识别得到的识别结果以及所述任务数据中交互数据以外的信息对所述模板处理结果进行确认或调整。

其中，对交互数据进行语义识别可以是基于训练机器学习模型时的语义标注，对交互数据进行语义识别。

在具体实施中，语义识别可以采用本领域技术人员能够实现的多种方式，在此不作限定。

在具体实施中，可以基于识别结果，以及任务数据，例如前文所述的金额、成交时间、任务退订时间、配送方式、配送费用、配送时长、任务取消原因、任务退订原因以及沟通过程中的一种或多种，对模板处理结果进行确认或调整。

在一种具体实现中，以外卖订单为例，若基于主体数据和任务数据得到的模板处理结果为拒绝订餐用户退单。通过语义识别得到的识别结果为该订餐用户未与商户进行退单沟通，也未向商户表明退单原因。则可以结合识别结果，对该模板处理结果进行确认，即拒绝该订餐用户退单。

在另一种具体实现中，继续以外卖订单为例，若订餐用户在申请退单后，基于任务数据以及主体数据得到的模板处理结果为拒绝订餐用户退单。通过语义识别得到的识别结果为该订餐用户与商户进行详细的沟通，说明是由于配送员的原因，导致餐品损坏，质量差，并上传了相关照片，从而提出取消订单等。从而，可以结合识别结果，对该模板处理结果进行调整，调整为同意订餐用户退单。

从而，可以结合交互数据对任务数据进行处理，可以覆盖处理模板中未能覆盖的情景，进而可以提升任务数据处理的准确性。

本发明实施例还提供了一种任务数据处理装置，参考图4，所述任务数据处理装置40可以包括：

任务数据获取模块41，用于根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据；

主体数据确定模块42，用于确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据；

处理模板确定模块43，用于确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法；

处理结果确定模块44，用于结合所述处理方法确定对该主体的所述任务数据的模板处理结果。

其中，本发明实施例中所述的任务可以是对应多种不同种类型的任务，具体的，可以是前文所述的订单，进一步，可以是外卖订单，或者是网上购物订单等。

任务的主体可以是具体应用场景中的用户，例如，对应于订单，可以是发起外卖订单、网上购物订单等的用户。

在具体实施中，所述处理模板可以为判决模板，所述对所述主体的任务数据的处理方法为所述判决模板中预置的判决规则，所述处理结果确定模块44可以包括：

特征因子生成子模块441，用于基于所述主体数据以及任务数据全部或部分至得到与所述判决规则适配的特征因子；

输入子模块442，用于输入所述特征因子至所述判决模板；

处理结果生成子模块443，用于根据所述判决规则得到所述模板处理结果。

在具体实施中，所述判决模板可以为决策树或规则脚本。

继续参考图4，在具体实施中，所述任务数据处理装置40还可以包括：确认与调整模块45，用于通过机器学习模型对所述模板处理结果进行确认或调整，得到任务数据处理结果。

在具体实施中，所述任务数据可以包括从任务生成至触发获取时该任务的过程中，所述任务的主体与其交互对象进行交互的交互数据，例如，对应外卖订单，交互数据可以包括用户与商家或客服进行沟通的沟通数据。具体的，可以是文字聊天数据、语音通话数据、视频录像数据等，对此不做限制。

在具体实施中，所述确认与调整模块45可以包括：

语义识别子模块451，用于对所述交互数据进行语义识别；

确认与调整子模块452，用于结合所述语义识别得到的识别结果以及所述任务数据中交互数据以外的信息对所述模板处理结果进行确认或调整。

在具体实施中，所述预置的触发条件可以包括监听到任务队列中的任务取消事件。

在具体实施中，所述任务数据可以包括金额、成交时间、任务退订时间、配送方式、配送费用、配送时长、任务取消原因、任务退订原因以及沟通过程中的任一种或多种。

在具体实施中，所述主体数据可以包括任务的信用等级标签、任务的任务退订率中的一种或多种。

本发明实施例中的任务数据处理装置的具体实现方式和有益效果，可以参见本发明实施例中的任务数据处理方法，在此不再赘述。

本发明实施例还提供一种电子设备，该电子设备可通过程序形式装载上述所述的任务数据处理装置；可选的，该电子设备的硬件结构可如图5所示，包括：至少一个处理器51，至少一个通信接口52，至少一个存储器53和至少一个通信总线54；

在本发明实施例中，处理器51、通信接口52、存储器53、通信总线54的数量为至少一个，且处理器51、通信接口52、存储器53通过通信总线54完成相互间的通信；

可选的，通信接口52可以为通信模块的接口，如gsm模块的接口。

处理器51可能是中央处理器cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。

存储器53可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

在本发明实施例中，存储器53可存储有程序，处理器51可调用存储器53所存储的程序，以执行本发明实施例提供的任务数据处理方法。

所述程序的具体实现和扩展实现可参照前文相应部分描述。

在本发明一具体实现中，本发明实施例所提供的电子设备可以是服务器，例如单台服务器或者多台服务器组成的服务器群组，在另一种具体实现中，本发明实施例所提供的电子设备也可以是终端设备。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器执行时实现所述任务数据处理方法的步骤。

其中，所述计算机可读存储介质可以是光盘、机械硬盘、固态硬盘等。

综上，本发明实施例公开了如下技术方案：

a1，一种任务数据处理方法，包括：根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据；确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据；确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的主体数据的处理方法；结合所述处理方法确定对该主体的所述任务数据的模板处理结果。

a2，如a1所述的方法中，所述处理模板为判决模板，所述对所述主体的任务数据的处理方法为所述判决模板中预置的判决规则，所述结合所述处理方法确定对该主体的所述任务数据的处理结果包括：基于所述主体数据以及任务数据全部或部分至得到与所述判决规则适配的特征因子；输入所述特征因子所述判决模板；根据所述判决规则得到所述模板处理结果。

a3，如a2所述的方法中，所述判决模板为决策树或规则脚本。

a4，如a1所述的方法中，还包括：通过机器学习模型对所述模板处理结果进行确认或调整，得到任务数据处理结果。

a5，如a4所述的方法中，所述任务数据包括所述从任务生成至触发获取时该任务的过程中，所述任务的主体与其交互对象进行交互的交互数据。

a6，如a5所述的方法中，通过机器学习模型对所述模板处理结果进行确认或调整包括：对所述交互数据进行语义识别；结合所述语义识别得到的识别结果以及所述任务数据中交互数据以外的信息对所述模板处理结果进行确认或调整。

a7，如a1所述的方法中，所述预置的触发条件包括:监听到任务队列中的任务取消事件。

a8，如a1所述的方法中，所述任务数据包括以下任一种或多种：金额、成交时间、任务退订时间、配送方式、配送费用、配送时长、任务取消原因、任务退订原因以及沟通过程。

a9，如a1所述的方法中，所述主体数据包括以下一种或多种：主体的信用等级标签、主体的任务退订率。

本发明实施例还公开了b1，一种任务数据处理装置，包括：任务数据获取模块，用于根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据；主体数据确定模块，用于确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据；处理模板确定模块，用于确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法；处理结果确定模块，用于结合所述处理方法确定对该主体的所述任务数据的模板处理结果。

本发明实施例还公开了c1,一种电子设备，其包括至少一个存储器和至少一个处理器；所述存储器存储程序，所述处理器调用所述程序，所述程序用于：根据预置的触发条件获取任务数据，所述任务数据包括从任务生成至触发获取时该任务的全部或部分数据；确定所述任务的主体数据，所述主体数据包括发起该任务的主体的标签分类数据；确定与所述主体数据以及所述任务数据对应的处理模板，所述处理模板包括对所述主体的任务数据的处理方法；结合所述处理方法确定对该主体的所述任务数据的模板处理结果。

c2，如c1所述的设备中，所述处理模板为判决模板，所述对所述主体的任务数据的处理方法为所述判决模板中预置的判决规则，所述结合所述处理方法确定对该主体的所述任务数据的处理结果，包括：基于所述主体数据以及任务数据全部或部分至得到与所述判决规则适配的特征因子；输入所述特征因子所述判决模板；根据所述判决规则得到所述模板处理结果。

c3，如c2所述的设备中，所述判决模板为决策树或规则脚本。

c4，如c1所述的设备中，所述程序还用于：通过机器学习模型对所述模板处理结果进行确认或调整，得到任务数据处理结果。

c5，如c4所述的设备中，所述任务数据包括所述从任务生成至触发获取时该任务的过程中，所述任务的主体与其交互对象进行交互的交互数据。

c6，如c5所述的设备中，所述通过机器学习模型对所述模板处理结果进行确认或调整，包括：对所述交互数据进行语义识别；结合所述语义识别得到的识别结果以及所述任务数据中交互数据以外的信息对所述模板处理结果进行确认或调整。

c7，如c1所述的设备中，所述预置的触发条件包括:监听到任务队列中的任务取消事件。

c8，如c1所述的设备中，所述任务数据包括以下任一种或多种：金额、成交时间、任务退订时间、配送方式、配送费用、配送时长、任务取消原因、任务退订原因以及沟通过程。

c9，如c1所述的设备中，所述主体数据包括以下一种或多种：主体的信用等级标签、主体的任务退订率。

本发明实施例还公开了d1，一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行a1至a9任一项所述任务数据处理方法的步骤。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。