[发明专利]网约车的纠纷责任认定方法、装置和计算机可读存储介质

说明书

本发明提供了网约车的纠纷责任认定方法、装置和计算机可读存储介质。所述网约车的纠纷责任认定方法包括以下步骤：建立纠纷责任认定的神经网络模型，将订单维度信息、司机维度信息和乘客维度信息输入所述神经网络模型，以进行纠纷责任认定。本发明能够提高网约车纠纷责任认定的效率和准确性。

技术领域

本发明涉及信息技术的技术领域，具体而言，涉及网约车的纠纷责任认定方法、装置和计算机可读存储介质。

背景技术

在网约车业务中，乘客投诉、司机投诉，以及乘客和司机之间的纠纷案件时有发生。

相关技术中的其中一种责任认定方式是，对于投诉率高的尾部司机即认定为司机责任。相关技术中的另一种责任认定方式是，对每单投诉都进行判责，基于人工判责专家的标注结果，结合行程中的时空信息、订单基本信息、司机和乘客之间的沟通、行程中的录音或视频录像等特征，通过机器学习的方式，对异常场景进行建模和还原，从而产生最终的判责结果。

目前，相关技术中存在的不足如下。对于认定投诉率高的尾部司机为司机责任的责任认定方式，其召回率较低，该方式难以对兼职司机、偶犯司机进行召回和追责。对于基于人工判责专家的责任认定方式，其标注信息的利用率低，并且未考虑人工判责专家在标注时产出的中间信息，因此需要较多的标注样本才能得到一个较好的机器模型。此外，相关技术中多模型的判责方式比较复杂，在对模型更新时比较复杂周期较长。

因此，提供一种能够高效、准确的对网约车的纠纷责任进行认定的方法，是十分必要的。

发明内容

本发明旨在解决上述技术问题的至少之一。

为此，本发明的第一目的在于提供一种网约车的纠纷责任认定方法。

本发明的第二目的在于提供一种网约车的纠纷责任认定装置。

本发明的第三目的在于提供一种计算机可读存储介质。

为实现本发明的第一目的，本发明的实施例提供了一种网约车的纠纷责任认定方法，包括以下步骤：建立纠纷责任认定的神经网络模型，将订单维度信息、司机维度信息和乘客维度信息输入神经网络模型，以进行纠纷责任认定。

本实施例提供的网约车的纠纷责任认定方法的目的在于，对网约车乘客和司机之间的纠纷，进行高效而准确地责任认定。本实施例将三个维度的信息输入一个神经网络模型，该神经网络模型共享以上三个的订单、司机和乘客特征，由此对纠纷中的责任归属、严重程度、订单事实、投诉原因进行学习和预测，从而提高责任的效率和准确程度。

另外，本发明上述实施例提供的技术方案还可以具有如下附加技术特征：

上述技术方案中，建立纠纷责任认定的神经网络模型，将订单维度信息、司机维度信息和乘客维度信息输入神经网络模型，以进行纠纷责任认定的步骤包括：分别提取订单维度信息、司机维度信息和乘客维度信息的文本特征和表格特征，作为输入层信息；对输入层信息进行编码，以获得编码层信息；将编码层信息转换为向量，以获得表示层信息；使用表示层信息，执行预测任务，以获得纠纷责任认定的结果。

本实施例中，输入层包括订单、司机和乘客的三个维度的信息或特征。编码层为对序列文本特征和司机/乘客历史序列行为进行的编码，表示层输出向量。在获得了表示层信息后，根据表示层信息执行预测任务，从而进行纠纷责任认定的步骤。

上述任一技术方案中，在执行任一预测任务时，使用全部的表示层信息，对纠纷责任认定的结果进行预测。

本实施例在执行每个预测任务时，均使用各个维度的表示层信息来对该任务进行结果预测，由此提高结果预测的效率和准确程度。

上述任一技术方案中，预测任务包括：投诉原因预测任务、判责事实预测任务、责任归属预测任务和严重程度预测任务；表示层信息包括：订单维度表示层信息、司机维度表示层信息和乘客维度表示层信息。