[发明专利]一种数据处理方法、装置、电子设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取针对服务订单的客服工单；

对所述客服工单中记录的文本进行分词，得到分词数组；

利用事先训练好的向量转换模型将所述分词数组映射为对应的词向量序列；

将所述词向量序列中的各个向量按照在所述文本中的语序顺次输入到事先训练好的循环神经网络模型中进行处理，得到所述服务订单的危险系数。

2.根据权利要求1所述的方法，其特征在于，对所述客服工单中记录的文本进行分词，得到分词数组，包括：

对所述客服工单中记录的文本进行预处理，所述预处理包括以下中的至少一种：删除重复记录、删除客服话术、规范标点符号、删除冗余信息；

对预处理后的文本进行分词，得到分词数组。

3.根据权利要求1所述的方法，其特征在于，在得到所述服务订单的危险系数之后，所述方法还包括：

判断所述危险系数是否大于预设危险阈值；

在所述危险系数大于所述预设危险阈值时，将所述危险系数和所述文本发送至负责处理危险事件的客服组对应的终端，以使客服人员对所述客服工单进行处理。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取当前时刻能处理危险事件的客服人员数量；

根据所述客服人员数量更新所述预设危险阈值。

5.根据权利要求1所述的方法，其特征在于，将所述词向量序列中的各个向量按照在所述文本中的语序顺次输入到事先训练好的循环神经网络模型中进行处理，得到所述服务订单的危险系数，包括：

计算所述词向量序列与预设的业务关键词对应的词向量之间的余弦相似度；

在所述词向量序列的首位插入所述余弦相似度，得到更新后的词向量序列；

将所述更新后的词向量序列中的各个向量按照在所述文本中的语序顺次输入到事先训练好的循环神经网络模型中；

通过所述循环神经网络模型计算输入的词向量序列与训练得到的向量参数之间的相似度，并根据所述相似度得到所述服务订单的危险系数。

6.根据权利要求1-5中任一项所述的方法，其特征在于，在获取针对服务订单的客服工单之前，所述方法还包括：

获取所述服务订单之前的第一预设时间段内的历史服务订单的历史客服工单；

对每个所述历史客服工单中记录的文本进行分词，得到分词数组；

利用每个所述历史客服工单对应的分词数组对初始的向量转换模型进行训练，得到所述训练好的向量转换模型。

7.根据权利要求1-5中任一项所述的方法，其特征在于，在获取针对服务订单的客服工单之前，所述方法还包括：

获取所述服务订单之前的第二预设时间段内的历史服务订单的历史客服工单；

对每个所述历史客服工单中记录的文本依次进行分词、词向量转换处理，得到每个所述历史客服工单对应的词向量序列；

利用每个所述历史客服工单对应的词向量序列以及对应的标签，对初始的循环神经网络模型进行训练，得到所述训练好的循环神经网络模型。

8.一种数据处理装置，其特征在于，包括：

第一获取模块，用于获取针对服务订单的客服工单；

分词模块，用于对所述客服工单中记录的文本进行分词，得到分词数组；

转换模块，用于利用事先训练好的向量转换模型将所述分词数组映射为对应的词向量序列；

处理模块，用于将所述词向量序列中的各个向量按照在所述文本中的语序顺次输入到事先训练好的循环神经网络模型中进行处理，得到所述服务订单的危险系数。

9.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器连接；

所述存储器，用于存储程序；

所述处理器，用于调用存储于所述存储器中的程序，以执行如权利要求1-7中任一项所述的方法。

10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被计算机运行时执行如权利要求1-7中任一项所述的方法。