(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211311424.0 (22)申请日 2022.10.25 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 金小蓉　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 专利代理师 李威 (51)Int.Cl. G06F 16/2458(2019.01) G06K 9/62(2022.01) G06Q 30/00(2012.01) (54)发明名称 一种类案检索的方法、 装置、 存储介质及电 子设备 (57)摘要 本说明书提供了一种类案检索的方法、 装 置、 存储介质及电子设备。 在本说明书提供的类 案检索方法中， 接收用户对业务的投诉请求， 投 诉请求中包含用户的反馈信息与被投诉方标识； 确定被投诉 方的历史业务信息； 将反馈信息和历 史业务信息输入 预先训练的风险预估模型中， 确 定案件的风险特征； 根据风险特征， 在案件库的 各历史投诉案件中确定候选案件； 将反馈信息输 入行为分析模型中， 确定被投诉方的行为特征； 根据行为特征， 在候选案件中确定目标案件的类 案。 在采用本说明书提供的类案检索方法时， 与 传统的仅采用单一特征进行检索的方式相比， 本 方法能够采用两个不同维度的特征以级联的形 式通过两次筛选检索案件， 可检索出相似程度更 高的类案。 权利要求书3页 说明书10页 附图3页 CN 115374190 A 2022.11.22 CN 115374190 A 1.一种类案检索的方法， 包括： 接收用户对业务的投诉请求， 确定目标案件， 所述投诉请求中至少包含所述用户的反 馈信息与被投诉方 标识； 根据被投诉方 标识， 确定所述被投诉方的历史业 务信息； 将所述反馈信 息和所述历史业务信 息输入预先训练 的风险预估模型中， 确定所述目标 案件的风险特 征； 根据所述 风险特征， 在案件库的各历史 投诉案件中确定候选 案件； 将所述反馈信 息输入预先训练 的行为分析模型中， 确定所述被投诉方在所述目标案件 中的行为特 征； 在所述候选案件中确定与所述行为特 征匹配的候选 案件， 作为所述目标案件的类案 。 2.如权利要求1所述的方法， 将所述反馈信息和所述历史业务信息输入预先训练的风 险预估模型中， 确定所述目标案件的风险特 征， 具体包括： 将所述反馈信 息和所述历史业务信 息输入预先训练 的风险预估模型中， 提取所述反馈 信息的第一特 征， 并提取 所述历史业 务信息的第二特 征； 对所述第一特 征和所述第二特 征进行拼接， 确定拼接特 征； 采用多层感知机处 理所述拼接特征， 得到所述目标案件的风险特 征。 3.如权利要求1所述的方法， 所述案件库中存储了各历史投诉案件以及各历史投诉案 件的风险特 征和行为特 征； 根据所述 风险特征， 在案件库的各历史 投诉案件中确定候选 案件， 具体包括： 针对所述案件库中的每个历史投诉案件， 确定该历史投诉案件的风险特征与 所述目标 案件的风险特 征之间的相似度， 作为该历史 投诉案件与所述目标案件之间的第一相似度； 根据所述第一相似度， 在各历史 投诉案件中确定候选 案件。 4.如权利要求3所述的方法， 根据所述第一相似度， 在各历史投诉案件中确定候选案 件， 具体包括： 针对每个历史投诉案件， 若该历史投诉案件与 所述目标案件之间的第 一相似度不小于 指定阈值， 则将该历史 投诉案件确定为 候选案件。 5.如权利要求3所述的方法， 在所述候选案件中确定与 所述行为特征匹配的候选案件， 具体包括： 针对每个候选案件， 确定该候选案件的行为特征与所述目标案件的行为特征之间的相 似度， 作为该候选 案件与所述目标案件之间的第二相似度； 根据所述第二相似度， 在各候选 案件中确定与所述目标案件匹配的候选 案件。 6.如权利要求5所述的方法， 根据所述第 二相似度， 在各候选案件中确定与 所述目标案 件匹配的案件， 具体包括： 在各候选案件中， 按照与所述目标案件之间的第二相似度从高到低的顺序， 确定指定 数量的候选 案件， 作为与所述目标案件匹配的候选 案件。 7.如权利要求6所述的方法， 所述方法还 包括： 按照与所述目标案件之间的第二相似度从高到低的顺序， 展示所述目标案件的类案 。 8.如权利要求1所述的方法， 预 先训练风险预估 模型， 具体包括： 获取样本反馈信息、 样本历史业 务信息以及标注标签；权　利　要　求　书 1/3 页 2 CN 115374190 A 2将所述样本反馈信 息输入待训练的风险预估模型中， 提取所述样本反馈信 息的第一特 征， 并提取 所述样本历史业 务信息的第二特 征； 对所述第一特 征和所述第二特 征进行拼接， 确定拼接特 征； 采用多层感知机处 理所述拼接特征， 得到风险特 征； 根据所述 风险特征， 确定风险标签； 以所述风险标签与 所述标注标签之间的差异最小为优化目标， 对所述风险预估模型进 行训练。 9.一种类案检索装置， 包括： 接收模块， 用于接收用户对业务的投诉请求， 确定目标案件， 所述投诉请求中至少包含 所述用户的反馈信息与被投诉方 标识； 信息确定模块， 用于根据被投诉方 标识， 确定所述被投诉方的历史业 务信息； 风险预估模块， 用于将所述反馈信 息和所述历史业务信 息输入预先训练 的风险预估模 型中， 确定所述目标案件的风险特 征； 候选案件确定模块， 用于根据所述风险特征， 在案件库的各历史投诉案件中确定候选 案件； 行为分析模块， 用于将所述反馈信息输入预先训练的行为分析模型中， 确定所述被投 诉方在所述目标案件中的行为特 征； 类案确定模块， 用于在所述候选案件中确定与所述行为特征匹配的候选案件， 作为所 述目标案件的类案 。 10.如权利要求9所述的装置， 所述风险预估模块， 具体用于将所述反馈信息和所述历 史业务信息输入预先训练的风险预估模型中， 提取所述反馈信息的第一特征， 并提取所述 历史业务信息的第二特征； 对所述第一特征和所述第二特征进 行拼接， 确定拼接特征； 采用 多层感知机处 理所述拼接特征， 得到所述目标案件的风险特 征。 11.如权利要求9所述的装置， 所述案件库中存储了各历史投诉案件以及各历史投诉案 件的风险特 征和行为特 征； 所述候选案件确定模块， 具体用于针对所述案件库中的每个历史投诉案件， 确定该历 史投诉案件的风险特征与所述目标案件的风险特征之 间的相似度， 作为该历史投诉案件与 所述目标案件之间的第一相似度； 根据所述第一相似度， 在各历史投诉案件中确定候选案 件。 12.如权利要求11所述的装置， 所述候选案件确定模块， 具体用于针对每个历史投诉案 件， 若该历史投诉案件与所述 目标案件之间的第一相似度不小于指定阈值， 则将该历史投 诉案件确定为 候选案件。 13.如权利要求11所述的装置， 所述类案确定模块， 具体用于针对每个候选案件， 确定 该候选案件的行为特征与所述目标案件的行为特征之 间的相似度， 作为该候选案件与所述 目标案件之间的第二相似度； 根据所述第二相似度， 在各候选案件中确定与所述 目标案件 匹配的候选 案件。 14.如权利要求13所述的装置， 所述类案确定模块， 具体用于在各候选案件中， 在各候 选案件中， 按照与所述 目标案件之间的第二相似度从高到低的顺序， 确定指定数量的候选 案件， 作为与所述目标案件匹配的候选 案件。权　利　要　求　书 2/3 页 3 CN 115374190 A 3