本技术属于数据处理领域，具体涉及一种申诉用户确定方法、装置、电子设备及可读存储介质。
背景技术：
1、随着通信服务业的发展，为了更好的满足用户诉求，运营商铺设的各种用户投诉渠道也日益增多。
2、目前的用户投诉处理通常由客服人员统一处理。客服人员在接收到用户投诉之后，基于自身对用户投诉的需求理解，从相关投诉处理知识库中查找解决该投诉的方案，进而对用户投诉进行反馈。
3、然而，人工处理投诉的方式，通常存在处理效果较为依赖客服人员的处理能力、投诉处理时长较长等问题。这就导致用户容易因处理效果不满意而进行申诉，使得用户申诉量增大。而用户申诉量对运营商影响较大。因此，如何有效预测投诉用户是否申诉，进而便于为可能申诉的用户提供更为有效地处理方案，以降低用户申诉量，就成为亟需解决的问题。
技术实现思路
1、本技术实施例提供的一种申诉用户确定方法、装置、电子设备及可读存储介质，在一定程度上可以解决如何有效预测投诉用户是否申诉的问题。
2、第一方面，提供一种申诉用户确定方法，所述方法包括：
3、响应于用户的投诉请求，确定用户投诉信息指示的目标投诉类别；
4、将所述目标投诉类别与用户时空信息，输入申诉识别模型得到识别结果，所述识别结果指示所述用户为申诉用户的概率，
5、其中，所述用户时空信息包括以下至少一种信息：常驻区域信息、用户网络质量信息、用户资费使用信息、历史投诉信息，所述常驻区域信息指示所述用户的常驻区域的网络质量、投诉情况。
6、可选地，所述用户投诉信息包括：投诉工单信息；所述确定用户投诉信息指示的投诉类别，包括：
7、将所述投诉工单信息输入工单打标模型，得到所述投诉工单信息对应的目标投诉类别。
8、可选地，所述将所述投诉工单信息输入工单打标模型，得到所述投诉工单信息对应的目标投诉类别，包括：
9、将所述投诉工单信息输入工单打标模型，得到所述投诉工单信息的第一语义表示向量；
10、根据语义表示向量与投诉类别的第一对应关系，确定与所述第一语义表示向量匹配的目标投诉类别，得到所述投诉工单信息对应的目标投诉类别，所述工单打标模型用于提取输入信息在融合全文语义后的表示向量。
11、可选地，所述用户投诉信息还包括：投诉音视频信息；所述确定用户投诉信息指示的投诉类别，包括：
12、提取所述投诉音视频信息的投诉文字信息；
13、将所述投诉文字信息输入音视频打标模型，得到所述投诉音视频信息对应的目标投诉类别。
14、可选地，所述将所述投诉文字信息输入音视频打标模型，得到所述投诉音视频信息对应的目标投诉类别，包括：
15、在所述投诉文字信息的字数小于字数阈值的情况下，将所述投诉文字信息输入音视频打标模型，得到所述投诉文字信息对应的第二语义表示向量；
16、根据语义表示向量与投诉类别的第二对应关系，确定与所述第二语义表示向量匹配的目标投诉类别，得到所述投诉音视频信息对应的目标投诉类别，
17、在所述投诉文字信息的字数大于或等于所述字数阈值的情况下，将所述投诉文字信息拆分为多个段落文字信息；
18、将每个所述段落文字信息输入所述音视频打标模型，得到每个所述段落文字信息对应的第三语义表示向量；
19、将多个所述第三语义表示向量进行池化处理，得到第四语义表示向量；
20、根据语义表示向量与投诉类别的第二对应关系，确定与所述第四语义表示向量匹配的目标投诉类别，得到所述投诉音视频信息对应的目标投诉类别，所述音视频打标模型用于提取输入信息在融合全文语义后的表示向量。
21、可选地，所述方法还包括：
22、提取所述用户投诉信息的目标摘要信息；
23、根据摘要信息与申诉原因类别的对应关系，确定与所述目标摘要信息对应的目标申诉原因类别，所述对应关系是根据多个历史用户投诉信息的摘要信息识别得到的，所述申诉原因类别包括多级风险类别，所述目标申诉原因类别包括所述目标摘要信息对应的每级风险类别。
24、可选地，所述申诉识别模型是根据模型性能参数，从多个训练模型中筛选得到的；每个所述训练模型是基于多组样本数据训练得到的；每组所述样本数据包括：用户的用户投诉信息指示的投诉类别以及用户时空信息，所述模型性能参数的取值反映所述训练模型的模型鲁棒性。
25、可选地，所述常驻区域信息包括以下至少一种信息：常驻区域的位置、网络质量评分、网络故障信息、投诉次数、所属小区的名称、所述小区的故障次数、所述小区的流量平均价格、所述小区与最近运营门店的距离，所述网络故障信息指示所述常驻区域当前网络是否故障，以及目标时段内的故障次数；
26、所述用户网络质量信息包括以下至少一种信息：所述用户最近两次发生网络故障的间隔时长、所述用户的网络故障的总次数、针对网速的申告次数、针对掉线的申告次数、针对卡顿的申告次数、针对网络连接问题的申告次数、群障拦截次数、宽度承载方式、光纤宽带质差信息、wifi质差信息、运营商的应用软件的质差信息、光猫与宽带速率的匹配信息、针对网络质量的投诉信息，所述针对网络质量的投诉信息指示最近一次针对网络质量投诉的处理结果是否满意；
27、所述用户资费使用信息包括以下至少一种信息：所述用户的资费套餐类型、所述用户在目标时段内的平均账户费用、用户资费补贴信息、所述用户的账户等级、宽带上行流量值、运营商的应用软件的首次激活时间、所述用户的机顶盒制式、所述用户的宽度资费套餐下所述应用软件的账号数量、所述用户在所述应用软件上的消费金额、所述用户的资费套餐下所述应用软件的账号数量、语音时长使用率、光猫的速率比、所述应用软件在目标时段内的使用时长、流量使用率、退费次数、针对用户资费问题的投诉信息，所述针对用户资费问题的投诉信息指示投诉次数、目标时段内是否产生投诉、最近一次投诉的处理结果是否满意，所述用户资费补贴信息指示在目标时段内是否出现过运营商资费补贴到期事件；
28、所述历史投诉信息包括以下至少一种信息：所述投诉请求的投诉时间、所述用户最近两次投诉的间隔时长、所述用户在目标时段内每天的流量使用轨迹、所述用户在目标时段内的总投诉次数。
29、第二方面，提供一种申诉用户确定装置，所述装置包括：
30、确定模块，用于响应于用户的投诉请求，确定用户投诉信息指示的目标投诉类别；
31、模型识别模块，用于将所述目标投诉类别与用户时空信息，输入申诉识别模型得到识别结果，所述识别结果指示所述用户为申诉用户的概率，
32、其中，所述用户时空信息包括以下至少一种信息：常驻区域信息、用户网络质量信息、用户资费使用信息、历史投诉信息，所述常驻区域信息指示所述用户的常驻区域的网络质量、投诉情况。
33、第三方面，提供一种电子设备，包括：处理器和存储器；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序时，实现如第一方面任一所述的方法步骤。
34、第四方面，提供一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面任一所述的方法步骤。
35、本技术实施例提供的申诉用户确定方法，在响应于用户的投诉请求的情况下，通过确定用户投诉信息指示的目标投诉类别，从而通过将目标投诉类别与用户时空信息输入申诉识别模型，得到用于指示用户为申诉用户的概率的识别结果，实现申诉用户的预测。并且，由于用户时空信息可以包括较为丰富的用户信息。因此，在一定程度上有效保障了申诉用户的预测准确性。
1.一种申诉用户确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述用户投诉信息包括：投诉工单信息；所述确定用户投诉信息指示的投诉类别，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述投诉工单信息输入工单打标模型，得到所述投诉工单信息对应的目标投诉类别，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述用户投诉信息还包括：投诉音视频信息；所述确定用户投诉信息指示的投诉类别，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述投诉文字信息输入音视频打标模型，得到所述投诉音视频信息对应的目标投诉类别，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述申诉识别模型是根据模型性能参数，从多个训练模型中筛选得到的；每个所述训练模型是基于多组样本数据训练得到的；每组所述样本数据包括：用户的用户投诉信息指示的投诉类别以及用户时空信息，所述模型性能参数的取值反映所述训练模型的模型鲁棒性。
8.根据权利要求1所述的方法，其特征在于，所述常驻区域信息包括以下至少一种信息：常驻区域的位置、网络质量评分、网络故障信息、投诉次数、所属小区的名称、所述小区的故障次数、所述小区的流量平均价格、所述小区与最近运营门店的距离，所述网络故障信息指示所述常驻区域当前网络是否故障，以及目标时段内的故障次数；
9.一种申诉用户确定装置，其特征在于，所述装置包括：
10.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；
11.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现权利要求1至8任一所述的方法。
