[发明专利]基于深度学习模型的案件类型识别方法、装置、设备及介质

权利要求书

1.一种基于深度学习模型的案件类型识别方法，其特征在于，所述基于深度学习模型的案件类型识别方法包括：

获取待辨别案件类型的目标案件；

获取所述目标案件中客户表达的沟通信息；

将所述沟通信息输入至预先训练好的深度学习模型得到第一输出结果作为案件关键字，其中，所述深度学习模型是由历史沟通信息和历史目标关键字作为样本训练得到；

当所述案件关键字包括预设的投诉关键字，且所述案件关键字不包括预设的咨询关键字时，确定所述目标案件的案件类型为投诉类型；

当所述案件关键字不包括预设的投诉关键字，或所述案件关键字包括预设的咨询关键字时，确定所述目标案件的案件类型为咨询类型。

2.如权利要求1所述的基于深度学习模型的案件类型识别方法，其特征在于，所述深度学习模型是由历史沟通信息和历史目标关键字作为样本训练得到，训练所述深度学习模型具体包括：

获取历史投诉案件中客户表达的历史沟通信息和历史目标关键字作为样本；

将所述样本中的历史沟通信息输入至所述深度学习模型，得到第二输出结果；

调整所述深度学习模型的隐层参数，以最小化所述第二输出结果与所述样本中的历史目标关键字之间的误差；

若所述误差满足预设的条件，则确定当前的所述深度学习模型为训练好的深度学习模型。

3.如权利要求1所述的基于深度学习模型的案件类型识别方法，其特征在于，在将所述沟通信息输入至预先训练好的深度学习模型得到第一输出结果作为案件关键字之后，所述基于深度学习模型的案件类型识别方法还包括：

判断所述案件关键字是否为非标点符号的文字；

若所述案件关键字不是非标点符号的文字，则将所述沟通信息和所述案件关键字确定为负样本，所述负样本用于更新所述深度学习模型；

若所述案件关键字是非标点符号的文字，则确定所述案件关键字为确定得到的所述案件关键字，并将所述沟通信息和所述案件关键字确定为正样本，所述正样本用于更新所述深度学习模型。

4.如权利要求1所述的基于深度学习模型的案件类型识别方法，其特征在于，所述沟通信息为语音，所述获取所述目标案件中客户表达的沟通信息包括：

在客服人员与客户沟通过程中，启动指定录音系统对客户的语音进行录音，得到所述沟通语音文件，其中，所述指定录音系统包括指定主录音系统和指定备录音系统；

监测所述指定主录音系统是否正常工作，当所述指定主录音系统处于非正常工作状态时，启动所述指定备录音系统对所述语音进行录音，当所述指定主录音系统处于正常工作状态时，则采用所述指定主录音系统对所述语音进行录音，同时关闭指定备录音系统；

采用预设的语音识别工具对所述沟通语音文件进行语音识别，得到沟通文本作为所述沟通信息。

5.如权利要求1至4中任一项所述的基于深度学习模型的案件类型识别方法，其特征在于，在所述确定所述目标案件的案件类型为投诉类型之后，所述基于深度学习模型的案件类型识别方法还包括：

采用预设的发送方式将案件类型为投诉类型的目标案件发送至专职处理人员，以使得所述专职处理人员完成目标案件的处理。

6.一种案件类型判断装置，其特征在于，所述基于深度学习模型的案件类型识别装置包括：

第一获取模块，用于获取待辨别案件类型的目标案件；

第二获取模块，用于获取所述目标案件中客户表达的沟通信息；

第一输入模块，用于将所述沟通信息输入至预先训练好的深度学习模型得到第一输出结果作为案件关键字，其中，所述深度学习模型是由历史沟通信息和历史目标关键字作为样本训练得到；

第一确定模块，用于当所述案件关键字包括预设的投诉关键字，且所述案件关键字不包括预设的咨询关键字时，确定所述目标案件的案件类型为投诉类型；

第二确定模块，用于当所述案件关键字不包括预设的投诉关键字，或所述案件关键字包括预设的咨询关键字时，确定所述目标案件的案件类型为咨询类型。