一种确定投诉类别的方法、装置、智能终端及存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种确定投诉类别的方法、装置、智能终端及存储介质。


背景技术：

2.近年来，人民银行金融消费权益保护局联合银保监会消费者权益保护局制定出台银行业金融机构金融消费者投诉分类标准，建立金融消费者投诉数据统计报送制度，各家银行都依照三级业务类别标准报送投诉数据，且因为三级分类标准是基于各家银行的普适性业务形成的，所以为了监测具体是哪个业务场景产生了投诉，各家银行又以具体的业务场景细分，形成了五级投诉类别。
3.目前，针对五级投诉类别的投诉确定是通过人工的方式确定的，但是，由于银行负责处理投诉五级类别的业务人员的能力的参差，容易造成分类错误，并且，效率较低。


技术实现要素：

4.本技术实施例提供一种确定投诉类别的方法、装置、智能终端及存储介质，用于解决上述背景技术中的问题。
5.第一方面，本技术实施例提供一种确定投诉类别的方法，所述方法包括：
6.获取目标投诉工单；
7.对所述目标投诉工单进行解析，基于解析结果，获取所述目标投诉工单的目标原因关键词；
8.获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于所述关系图谱，查询与所述目标原因关键词对应的五级类别为关联五级类别；
9.将所述目标原因关键词、所述关联五级类别和所述目标投诉工单输入预先训练好的类别确定模型，由所述类别确定模型进行类别确定，并输出所述目标投诉工单的目标五级类别。
10.在一些实施例中，所述对所述目标投诉工单进行解析，基于解析结果，获取所述目标投诉工单的目标原因关键词，包括：
11.对所述目标投诉工单进行解析，基于解析结果，获取所述目标投诉工单的参考原因关键词；
12.将所述参考原因关键词与预设的关键词词典中包含的原因关键词进行匹配，基于匹配结果，将与所述关键词词典中包含的原因关键词匹配的参考原因关键词确定作为所述目标投诉工单的目标原因关键词。
13.在一些实施例中，在所述将与所述关键词词典中包含的原因关键词匹配的参考原因关键词确定作为所述目标投诉工单的目标原因关键词之后，还包括：
14.获取与所述关键词词典中包含的原因关键词不匹配的参考原因关键词作为待确定原因关键词；
15.确定所述待确定原因关键词的词语语义，基于所述词语语义，判断所述待确定原因关键词是否可作为原因关键词；
16.若是，将所述待确定原因关键词添加到所述关键词词典。
17.在一些实施例中，在所述对所述目标投诉工单进行解析，基于解析结果，获取所述目标投诉工单的参考原因关键词之后，还包括：
18.对所述参考原因关键词进行预处理，所述预处理包括分词处理和去停用词处理。
19.在一些实施例中，生成所述关键词词典的具体实施过程为：
20.获取历史投诉工单；
21.对所述历史投诉工单进行解析，基于解析结果，获取所述历史投诉工单的参考历史原因关键词；
22.对所述参考历史原因关键词进行预处理，得到目标历史原因关键词，其中，所述预处理包括去重处理、去除非单字名称处理以及动词抽出处理；
23.基于所述目标历史原因关键词以及预设的词典生成规则，生成关键词词典。
24.在一些实施例中，所述将所述目标原因关键词、所述关联五级类别和所述目标投诉工单输入预先训练好的类别确定模型，由所述类别确定模型进行类别确定，并输出所述目标投诉工单的目标五级类别，包括：
25.获取与所述关联五级类别相对应的五级类别符号、所述目标原因关键词的词数以及输入模型的预设的开始符号和分隔符号；
26.将所述开始符号、所述目标投诉工单、所述关联五级类别的五级类别符号以及所述分隔符号作为第一输入信息；
27.将所述关联五级类别的五级类别符号及其对应的所述目标原因关键词的词数作为第二输入信息；
28.将所述第一输入信息和所述第二输入信息分别输入预先训练好的类别确定模型。
29.在一些实施例中，所述获取目标投诉工单，包括：
30.获取目标投诉音频；
31.将所述目标投诉音频转化为目标投诉文本；
32.对所述目标投诉文件进行标准化处理，得到标准的目标投诉文本，并将所述标准的目标投诉文本作为目标投诉工单。
33.第二方面，本技术实施例还提供了一种确定投诉类别的装置，所述装置包括：
34.工单获取单元，用于获取目标投诉工单；
35.关键词获取单元，用于对所述目标投诉工单进行解析，基于解析结果，获取所述目标投诉工单的目标原因关键词；
36.查询单元，用于获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于所述关系图谱，查询与所述目标原因关键词对应的五级类别为关联五级类别；
37.类别确定单元，用于将所述目标原因关键词、所述关联五级类别和所述目标投诉工单输入预先训练好的类别确定模型，由所述类别确定模型进行类别确定，并输出所述目标投诉工单的目标五级类别。
38.第三方面，本技术实施例还提供一种智能终端，包括存储器和处理器，所述存储器用于存储指令和数据，所述处理器用于执行上述所述的确定投诉类别的方法。
39.第四方面，本技术实施例还提供一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述所述的确定投诉类别的方法。
40.本技术实施例中的确定投诉类别的方法，通过对目标投诉工单的解析获取目标投诉工单的目标原因关键词，并基于原因关键词和五级类别的对应关系，匹配出关系图谱中与目标原因关键词具有对应关系的五级类别为关联五级类别，将目标原因关键词、关联五级类别和目标投诉工单输入预先训练好的类别确定模型，由类别确定模型进行类别确定并输出目标投诉工单的目标五级类别。通过本技术的实施例的方式，可以实现准确及高效地确定投诉工单具体对应的五级类别。
附图说明
41.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，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。
42.图1是本技术实施例提供的一种确定投诉类别的方法的一流程图。
43.图2是本技术实施例提供的一种确定投诉类别的方法的另一流程图。
44.图3是本技术实施例提供的一种确定投诉类别的装置的结构示意图。
45.图4是本技术实施例提供的一种智能终端的结构示意图。
具体实施方式
46.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
47.在本技术实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
48.为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的过程进行详细阐述，以避免不必要的细节使本技术实施例的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术实施例所公开的原理和特征的最广范围相一致。
49.本技术实施例提供一种确定投诉类别的方法、装置、智能终端及存储介质，以下将分别进行详细说明。
50.请参阅图1，图1为本技术实施例提供的一种确定投诉类别的方法的一流程图，包括以下内容：
51.101、获取目标投诉工单。
52.102、对所述目标投诉工单进行解析，基于解析结果，获取所述目标投诉工单的目
标原因关键词。
53.银行为了更好地对投诉场景进行细分，将投诉类别划分为五级投诉类别，即包括第一级投诉类别、第二级投诉类别、第三级投诉类别、第四级投诉类别和第五级投诉类别。从第一级投诉类别到第五级投诉类别，其类别划分越来越细，越来越具体。可以认为，第一级投诉类别为一个大类别，第二级投诉类别为第一级投诉类别中的大类别的细分，以此类推，第五级投诉类别为最小级别的划分类别。
54.针对五级类别的举例为：第一级投诉类别包括银行卡，第二级投诉类别包括信用卡，可以理解的是，信用卡为银行卡的一种卡片，银行卡除了信用卡之外还包括其它类型和功能的卡片。第三级投诉类别包括信用卡使用和还款，信用卡使用和还款为信用卡类别中的一种细分类别。第四级投诉类别包括降额类和息费类，降额类和息费类均为信用卡使用和还款类别中的细分类别。第五级投诉类别包括逾期强降、风险等级、备用金和优享金。其中，逾期强降和风险等级为降额类的细分类别，备用金和优享金为息费类的细分类别。
55.可选的，针对五级类别的一种示例划分方式如下表1所示：
[0056][0057][0058]
表1
[0059]
目标投诉工单为待确定具体五级类别的投诉工单，由银行用户发起投诉再经银行负责处理投诉工单的五级类别的业务人员对投诉内容进行整理和处理得到的工单。
[0060]
通常，银行用户可通过客服电话、银行应用投诉入口或者网点投诉的方式实现投诉，相应的，银行会获取到银行用户的投诉内容，基于投诉内容以及银行用户的信息的整理和处理即可得到投诉工单。
[0061]
在获取到目标投诉工单之后，先判断目标投诉工单是否已经确定五级类别，若是，则不对目标投诉工单进行处理，若否，则进入下一个处理步骤。已经确定五级类别的目标投诉工单可通过打标的方式以便于区分，已经确定五级类别的目标又是工单也可以通过查询目标投诉工单中记录五级类别的位置处的内容信息进行确定。
[0062]
可选的，在一些实施例中，获取目标投诉工单，包括：获取目标投诉音频，将目标投诉音频转化为目标投诉文本，对目标投诉文件进行标准化处理，得到标准的目标投诉文本，并将标准的目标投诉文本作为目标投诉工单。
[0063]
例如，银行用户通过客服电话的方式对银行业务进行投诉，在电话投诉结束或者
电话投诉的过程中，银行获取银行用户针对投诉输入的目标投诉音频，将目标投诉音频进行asr语音转文本的转换，得到目标投诉音频的目标投诉文本，将目标投诉文本进行标准化处理得到目标投诉工单。
[0064]
可选的，在其它实施例中，在将目标投诉音频转化为目标投诉文本，对目标投诉文件进行标准化处理，得到标准的目标投诉文本，获取银行用户的用户信息，将用户信息整理入标准的目标投诉文本中，并将整理之后得到的目标投诉文本作为目标投诉工单。
[0065]
在得到目标投诉工单之后，对目标投诉工单进行解析，获取目标投诉工单中的目标原因关键词。其中，目标原因关键词可包括语气关键词、表达关键词、业务关键词等等。
[0066]
在本技术的实施例中，将目标投诉工单输入预先训练好的因果模型，通过因果模型对目标投诉工单的解析，得到并输入目标投诉工单的目标原因关键词。
[0067]
可选的，因果模型为可以获得工单文本的关键词的模型，在此，对因果模型的模型类别不作限制。
[0068]
可选的，也可以将目标投诉工单输入预先训练好的因果模型，通过因果模型对目标投诉工单的解析，得到并输入目标投诉工单的参考原因关键词，将参考原因关键词与预设的关键词词典进行匹配，基于匹配结果，从参考原因关键词中选取和确定目标投诉工单的目标原因关键词。
[0069]
可选的，也可以通过人工解析的方式获取目标投诉工单中的参考原因关键词，将参考原因关键词与预设的关键词词典进行匹配，基于匹配结果，从参考原因关键词中选取和确定目标投诉工单的目标原因关键词。
[0070]
可选的，也可以也可以将目标投诉工单输入预先训练好的因果模型，通过因果模型对目标投诉工单的解析，得到并输入目标投诉工单的参考原因关键词，再通过人工确定的方式，从参考原因关键词中确定出目标投诉工单的目标原因关键词。
[0071]
103、获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于所述关系图谱，查询与所述目标原因关键词对应的五级类别为关联五级类别。
[0072]
关系图谱中的节点和边用于表示的是五级类别和原因关键词的关系，关系图谱中的节点可为五级类别和原因关键词，通过图谱边将五级类别和关联的原因关键词进行连接，构建对应关系。其中，关系图谱中的节点的五级类别可以为第五级投诉类别。
[0073]
需要说明的是，在本技术的实施例中，对关系图谱的结构形式不作限制，即对关系图谱中的节点代表的内容以及对图片边代表的内容不作限制。
[0074]
在获取到目标投诉工单的目标原因关键词之后，通过目标原因关键词，可以从关系图谱中获取到与目标关键词对应的五级类别。那么，可以理解的是，由于一个目标投诉工单的目标原因关键词可能为多个，则从关系图谱中获取得到的五级类别也可能为多个。
[0075]
可选的，关系图谱的构建方式可以为：获取历史投诉工单，对所述历史投诉工单进行解析，确定历史投诉工单的原因关键词和五级类别，基于原因关键词和五级类别，通过图谱构建模型，构建用于表示原因关键词和五级类别的对应关系的关系图谱。
[0076]
其中，对历史投诉工单进行解析，在初始阶段可通过人工解析的方式进行。银行人员对所有或者部分或者指定的范围日期内接收到历史投诉工单进行解析，获取其中的原因关键词并确定五级类别。
[0077]
基于关系图谱，查询与目标原因关键词对应的五级类别为关联五级类别。由于多
个五级类别所包含的原因关键词可能相同，因此，一个目标原因关键词可能会查询到多个关联五级类别，多个目标原因关键词也会查询到多个关联五级类别。关联五级类别为与目标原因关键词在关系图谱中有对应关系的五级类别，并非目标投诉工单的最终的五级类别。
[0078]
104、将所述目标原因关键词、所述关联五级类别和所述目标投诉工单输入预先训练好的类别确定模型，由所述类别确定模型进行类别确定，并输出所述目标投诉工单的目标五级类别。
[0079]
在本技术的实施例中，类别确定模型为bert模型，通过bert模型对目标投诉工单的具体对应的五级类别进行确定。bert模型包括base层和softmax层，目标原因关键词、关联五级类别和目标投诉工单输入的是base层，输出目标投诉工单的目标五级类别的是softmax层。
[0080]
可选的，在一些实施例中，获取与关联五级类别相对应的五级类别符号、目标原因关键词的词数以及输入模型的预设的开始符号和分隔符号，将开始符号、目标投诉工单、关联五级类别的五级类别符号以及分隔符号作为第一输入信息，将关联五级类别的五级类别符号及其对应的目标原因关键词的词数作为第二输入信息，将第一输入信息和第二输入信息分别输入预先训练好的类别确定模型。
[0081]
可预先将每一个五级类别设置为相应的字符符号，通过字符符号的方式表示五级类别，此处所说的五级类别为第五级投诉类别。例如，一个五级类别的字符符号为abc，另外一个五级类别的字符符号为abe。
[0082]
针对开始符号和分隔符号，对于类别确定模型的设置，每一次输入的开始符号相同，每一次输入的分隔符号相同。开始符号和分隔符号也为字符符号的形式。例如，开始符号设置为cls，分隔符号设置为sep。
[0083]
针对目标原因关键词的词数，可以理解为，一个目标原因关键词的组成字数等于该目标原因关键词的词数。例如，一个目标原因关键词为xxx，该目标原因关键词由三个字组成，那么，该目标原因关键词的词数为3。
[0084]
将开始符号、目标投诉工单、关联五级类别的五级类别符号以及分隔符号作为第一输入信息的表达式可以为：开始符号+目标投诉工单+五级类别符号。目标投诉工单可以先存储到与类别确定模型连接的数据库，在进行类别确定时，输入的是目标投诉工单的工单编码，则类别确定模型会根据输入的工单编码从数据库中自动调取出对应的目标投诉工单。
[0085]
例如，一个目标投诉工单的工单编码为xxx，该目标投诉工单的关联五级类别的五级类别符号分别为abc、abe和abf，那么，该目标投诉工单的第一输入信息为：cls+xxx+abc and abe and abf。或者，该目标投诉工单的第一输入信息为：cls-xxx-(abc and abe and abf)。
[0086]
将关联五级类别的五级类别符号及其对应的目标原因关键词的词数作为第二输入信息可以为：五级类别符号+词数。
[0087]
例如，一个目标投诉工单的关联五级类别的五级类别符号分别为abc和abe，这两个关联五级类别分别对应的目标原因关键词为xxx和yy，则词数分别为3和2，那么，该目标投诉工单的第二输入信息为：abc*3+abe*2。或者，该目标投诉工单的第二输入信息为：abc*
3-abe*2。
[0088]
上述对于第一输入信息和第二输入信息的输入方式仅为本技术实施例提出的示例，在其它实施例中，第一输入信息和第二输入信息的输入方式可进行调整变更。
[0089]
上述第一输入信息中的目标投诉工单可以替换为目标投诉工单的原始投诉文本，相应的，目标投诉工单可以认为是由原始投诉文本经过整理得到的，原始投诉原本也应当存储在数据库中，并且，设置有相应的文本编码。目标投诉工单也应当设置有相应的工单编码，一个目标投诉工单的工单编码可以与其原始投诉文本的文本编码相同。
[0090]
可选的，类别确定模型的输入层包括三层，分别为token embeddings层、position embeddings层和segment embeddings层。输入的token embeddings层的部分为[cls]开始符号+目标投诉工单+[sep]分割符号+多个关联五级类别的五级类别符号，为词的向量表示；输入的segment embeddings层的部分为辅助模型区别句子对中的两个句子的向量表示；输入的position embeddings层的部分为输入顺序属性。
[0091]
在由类别确定模型进行类别确定，并输出目标投诉工单的目标五级类别之后，将目标五级类别记录入目标投诉工单中，更新并存储目标投诉工单。目标五级类别可以只为第五级投诉类别，也可以包括第一级投诉类别、第二级投诉类别、第三级投诉类别、第四级投诉类别和第五级投诉类别。
[0092]
可选的，由类别确定模型进行类别确定，并输出目标投诉工单的目标五级类别之后，基于目标投诉工单的工单编码、目标原因关键词和目标五级类别，在关系图谱中创建关联的对应关系。
[0093]
本技术实施例的确定投诉类别的方法，包括获取目标投诉工单；对目标投诉工单进行解析，基于解析结果，获取目标投诉工单的目标原因关键词；获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于关系图谱，查询与目标原因关键词对应的五级类别为关联五级类别；将目标原因关键词、关联五级类别和目标投诉工单输入预先训练好的类别确定模型，由类别确定模型进行类别确定，并输出目标投诉工单的目标五级类别。通过本技术实施例的方法，解决了由于银行负责处理投诉五级类别的业务人员的能力的参差导致分类错误以及效率低下的问题，保证投诉工单的五级类别的准确性。
[0094]
请参阅图2，图2为本技术实施例提供的一种确定投诉类别的方法的另一流程图，包括以下内容：
[0095]
1021、对所述目标投诉工单进行解析，基于解析结果，获取所述目标投诉工单的参考原因关键词。
[0096]
1022、将所述参考原因关键词与预设的关键词词典中包含的原因关键词进行匹配，基于匹配结果，将与所述关键词词典中包含的原因关键词匹配的参考原因关键词确定作为所述目标投诉工单的目标原因关键词。
[0097]
可选的，目标投诉工单的参考原因关键词可通过模型解析获取，也可以通过人为解析获取。针对通过模型解析获取的方式为，获取目标投诉工单的原始工单文本，将原始工单文本输入预先训练好的因果模型中，通过因果模型的解析获取得到，因果模型为可以获得工单文本的关键词的模型。当然，也可以将目标投诉工单直接输入预先训练好的因果模型中进行解析和获取。
[0098]
参考原因关键词可包括语气关键词、表达关键词、业务关键词等等。针对目标投诉
工单的参考原因关键词，可能部分参考原因关键词可以作为目标原因关键词，也可能全部参考原因关键词都作为目标原因关键词。
[0099]
若是对目标投诉工单进行解析之后，没有获取得到参考原因关键词，那么，判断目标投诉工单是否字迹模糊，若是，将目标投诉工单发送给对应的业务端进行人工处理，或者，将目标投诉工单输入预先训练好的深度卷积神经网络，通过深度卷积神经网络对目标投诉工单中的字迹进行辨别。
[0100]
可选的，在一些实施例中，生成关键词词典的具体实施过程为：获取历史投诉工单，对历史投诉工单进行解析，基于解析结果，获取历史投诉工单的参考历史原因关键词，对参考历史原因关键词进行预处理，得到目标历史原因关键词，其中，预处理包括去重处理、去除非单字名称处理以及动词抽出处理，基于目标历史原因关键词以及预设的词典生成规则，生成关键词词典。
[0101]
目标历史原因关键词可以基于模型获取的方式得到，也可以基于人工获取的方式得到。
[0102]
在获取得到目标投诉工单的参考原因关键词之后，可基于每一个参考原因关键词搜索关键词词典中是否包括该参考原因关键词，若是包括，则对应的参考原因关键词作为目标投诉工单的目标原因关键词，若不包括，则对应的参考原因关键词不可作为目标投诉工单的目标原因关键词。
[0103]
可选的，在一些实施例中，在获取得到目标投诉工单的参考原因关键词之后，对参考原因关键词进行预处理，预处理包括分词处理和去停用词处理。预处理的方式还可包括标准化处理、词语空格处理等等。对参考原因关键词进行预处理之后，再将进行预处理之后的参考原因关键词与关键词词典中的原因关键词进行匹配。
[0104]
1023、获取与所述关键词词典中包含的原因关键词不匹配的参考原因关键词作为待确定原因关键词。
[0105]
1024、确定所述待确定原因关键词的词语语义，基于所述词语语义，判断所述待确定原因关键词是否可作为原因关键词。
[0106]
1025、若是，将所述待确定原因关键词添加到所述关键词词典。
[0107]
可选的，在获取到待确定原因关键词之后，自动将待确定原因关键词输入预先训练好的语义分析模型，由语义分析模型对待确定原因关键词的词语语义进行分析，并基于词语语义，确定待确定原因关键词是否可以作为原因关键词，若是，将可以作为原因关键词的待确定原因关键词添加到关键词词典中，若否，将不可以作为原因关键词的待确定原因关键词摒弃。
[0108]
在语义分析模型对待确定原因关键词的词语语义进行解析之后，输出可作为原因关键词的待确定原因关键词。由语义分析模型输出的待确定原因关键词，可基于预设的添加规则添加到关键词词典中。
[0109]
除了通过语义分析模型对待确定原因关键词进行解析和确定是否可以作为原因关键词之外，也可以通过人工的方式对待确定原因关键词进行分析和确定是否可以作为原因关键词。
[0110]
请参阅图3，图3为本技术实施例提供的一种确定投诉类别的装置的结构示意图，该确定投诉类别的装置200包括以下单元：
[0111]
工单获取单元201，用于获取目标投诉工单。
[0112]
关键词获取单元202，用于对目标投诉工单进行解析，基于解析结果，获取目标投诉工单的目标原因关键词。
[0113]
查询单元203，用于获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于关系图谱，查询与目标原因关键词对应的五级类别为关联五级类别。
[0114]
类别确定单元204，用于将目标原因关键词、关联五级类别和目标投诉工单输入预先训练好的类别确定模型，由类别确定模型进行类别确定，并输出目标投诉工单的目标五级类别。
[0115]
可选的，上述关键词获取单元202可包括以下子单元：
[0116]
解析子单元，用于对目标投诉工单进行解析，基于解析结果，获取目标投诉工单的参考原因关键词。
[0117]
匹配子单元，用于将参考原因关键词与预设的关键词词典中包含的原因关键词进行匹配，基于匹配结果，将与关键词词典中包含的原因关键词匹配的参考原因关键词确定作为目标投诉工单的目标原因关键词。
[0118]
获取子单元，用于获取与关键词词典中包含的原因关键词不匹配的参考原因关键词作为待确定原因关键词。
[0119]
判断子单元，用于确定待确定原因关键词的词语语义，基于词语语义，判断待确定原因关键词是否可作为原因关键词。
[0120]
词添加子单元，用于若待确定原因关键词可作为原因关键词，将待确定原因关键词添加到关键词词典。
[0121]
可选的，上述类别确定单元204可包括以下子单元：
[0122]
信息获取子单元，用于获取与关联五级类别相对应的五级类别符号、目标原因关键词的词数以及输入模型的预设的开始符号和分隔符号。
[0123]
第一信息处理子单元，用于将开始符号、目标投诉工单、关联五级类别的五级类别符号以及分隔符号作为第一输入信息。
[0124]
第二信息处理子单元，用于将关联五级类别的五级类别符号及其对应的目标原因关键词的词数作为第二输入信息。
[0125]
信息输入子单元，用于将第一输入信息和第二输入信息分别输入预先训练好的类别确定模型。
[0126]
可选的，本技术实施例的确定投诉类别的装置200还包括其它单元以及子单元，在此不再赘述。
[0127]
本技术实施例的确定投诉类别的装置200，包括工单获取单元201，用于获取目标投诉工单；关键词获取单元202，用于对目标投诉工单进行解析，基于解析结果，获取目标投诉工单的目标原因关键词；查询单元203，用于获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于关系图谱，查询与目标原因关键词对应的五级类别为关联五级类别；类别确定单元204，用于将目标原因关键词、关联五级类别和目标投诉工单输入预先训练好的类别确定模型，由类别确定模型进行类别确定，并输出目标投诉工单的目标五级类别。通过本技术实施例的装置，解决了由于银行负责处理投诉五级类别的业务人员的能力的参差导致分类错误以及效率低下的问题，保证投诉工单的五级类别的准确性。
[0128]
请参阅图4，图4为本技术实施例提供的一种智能终端的结构示意图，该智能终端300可以为智能手机、平板电脑、笔记本电脑、触控屏幕、游戏机、个人计算机(pc，personal computer)、个人数字助理(personal digital assistant，pda)等智能终端设备。该智能终端300包括有一个或者一个以上处理核心的处理器301、有一个或一个以上计算机可读存储介质的存储器302及存储在存储器302上并可在处理器301上运行的计算机程序。其中，处理器301与存储器302电性连接。本领域技术人员可以理解，图中示出的智能终端结构并不构成对智能终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0129]
处理器301是智能终端300的控制中心，利用各种接口和线路连接整个智能终端300的各个部分，通过运行或加载存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行智能终端300的各种功能和处理数据，从而对智能终端300进行整体监控。
[0130]
在本技术实施例中，智能终端300中的处理器301会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能：
[0131]
获取目标投诉工单；
[0132]
对目标投诉工单进行解析，基于解析结果，获取目标投诉工单的目标原因关键词；
[0133]
获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于关系图谱，查询与目标原因关键词对应的五级类别为关联五级类别；
[0134]
将目标原因关键词、关联五级类别和目标投诉工单输入预先训练好的类别确定模型，由类别确定模型进行类别确定，并输出目标投诉工单的目标五级类别。
[0135]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0136]
可选的，智能终端300还包括触控显示屏303、输入单元304以及电源305，其中，处理器301均与触控显示屏303、输入单元304以及电源305电性连接。本领域技术人员可以理解，图4中示出的智能终端结构并不构成对智能终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0137]
触控显示屏303可用于显示图形用户界面以及接收用户作用于图形用户界面产生的操作指令，触控显示屏303可以包括显示面板和触控面板。其中，显示面板可用于显示由用户输入的信息或提供给用户的信息以及计算机设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。可选的，可以采用液晶显示器(lcd，liquid crystal display)、有机发光二极管(oled，organic light-emitting diode)等形式来配置显示面板。触控面板可用于收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并生成相应的操作指令，且操作指令执行对应程序。可选的，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器301，并能接收处理器301发来的命令并加以执行。触控面板可覆盖显示面板，当触控面板检测到在其上或附近的触摸操作后，传送给处理器301以确定触摸事件的类型，随后处理器301根据触摸事件的类型在显示面板上提供相应的视觉输出。在本申
请实施例中，可以将触控面板与显示面板集成到触控显示屏303而实现输入和输出功能。但是在某些实施例中，触控面板与触控面板可以作为两个独立的部件来实现输入和输出功能。即触控显示屏303也可以作为输入单元304的一部分实现输入功能。
[0138]
输入单元304可用于接收输入的数字、字符信息或用户特征信息(例如指纹、虹膜、面部信息等)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
[0139]
电源305用于给智能终端300的各个部件供电。可选的，电源305可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源305还可以包括一个或一个以上的直流或交流电源、再充电系统、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。
[0140]
尽管图4中未示出，智能终端300还可以包括传感器和射频模块等，在此不再赘述。
[0141]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0142]
由上可知，本实施例提供的智能终端300，获取目标投诉工单；对目标投诉工单进行解析，基于解析结果，获取目标投诉工单的目标原因关键词；获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于关系图谱，查询与目标原因关键词对应的五级类别为关联五级类别；将目标原因关键词、关联五级类别和目标投诉工单输入预先训练好的类别确定模型，由类别确定模型进行类别确定，并输出目标投诉工单的目标五级类别。
[0143]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
[0144]
为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条计算机程序，该计算机程序能够被处理器进行加载，以执行本技术实施例所提供的任一种确定投诉类别的方法中的步骤。例如，该计算机程序可以执行如下步骤：
[0145]
获取目标投诉工单；
[0146]
对目标投诉工单进行解析，基于解析结果，获取目标投诉工单的目标原因关键词；
[0147]
获取用于表示原因关键词和五级类别的对应关系的关系图谱，基于关系图谱，查询与目标原因关键词对应的五级类别为关联五级类别；
[0148]
将目标原因关键词、关联五级类别和目标投诉工单输入预先训练好的类别确定模型，由类别确定模型进行类别确定，并输出目标投诉工单的目标五级类别。
[0149]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0150]
其中，该存储介质可以包括：只读存储器(rom，re客户端账户d only memory)、随机存取记忆体(r客户端账户m，r客户端账户ndom客户端账户ccess memory)、磁盘或光盘等。
[0151]
由于该存储介质中所存储的计算机程序，可以执行本技术实施例所提供的任一种确定投诉类别的方法中的步骤，因此，可以实现本技术实施例所提供的任一种确定投诉类别的方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
[0152]
以上对本技术实施例所提供的一种确定投诉类别的方法、装置、智能终端及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理以及实施方式进行了阐述，
以上实施例的说明只是用于帮助理解本技术的方法及其核心思想，同时，对于本领域的技术人员而言，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。