CN105792231A - 一种话务量预测方法及装置 - Google Patents

Abstract

本发明涉及计算机技术领域，本发明实施例提供一种话务量预测方法及装置，该方法包括：获取历史语音通话记录；将获取到的历史语音通话记录转换为文本通话记录；根据预设的关键字对所述文本通话记录进行过滤；根据过滤后的文本通话记录预测未来预设时间段内的话务量。本发明实施例中，将语音技术应用到话务预测领域，摒弃了现有技术中通过数学运算清除突发话务量的方式，改为在统计话务量之前，就将历史语音通话记录转换为文本通话记录，在通过预设关键字将文本通话记录中的突发话务量除去，提高了话务量预测才准确性和效率。

Description

一种话务量预测方法及装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种话务量预测方法及装置。

背景技术

随着移动通信应用的越来越广泛，客服中心作为客户与移动运营商之间的桥梁起着非常重要的作用。客服中心常常需要提前安排好合适的座席数量，以满足话务需求，防止出现座席数量过多造成人力资源浪费以及座席数量不足造成不能即时应答客户的情况。由于不同的时间段话务量可能存在很大的不同，所以预先对话务量进行预测以作为安排座席数量的基础是十分必要的。

在预测话务量之前，需要对历史语音通话记录进行清洗修正，只保留了在一定数据范围内的数据。现有技术中，对历史语音通话记录进行清洗时一般通过算法清除异常数据，例如随机过程分析算法等。这些算法复杂度高，而且通用性差，不能将一些由于突发状况导致波动较大的数据被从历史话务量中不正确地剔除掉了，从而不能得到准确的预测结果。

发明内容

本发明实施例提供一种话务量预测方法及装置，用以解决如何获得准确的话务预测结果的问题。

本发明实施例提供的一种话务量预测方法，包括：

获取历史语音通话记录；

将获取到的历史语音通话记录转换为文本通话记录；

根据预设的关键字对所述文本通话记录进行过滤；

根据过滤后的文本通话记录预测未来预设时间段内的话务量。

较佳的，所述将获取到的历史语音通话记录转换为文本通话记录，包括：

通过语音识别技术将将获取到的历史语音通话记录转换为文本通话记录。

较佳的，所述根据过滤后的文本通话记录预测未来预设时间段内的话务量，包括：

预测在y年x月内的话务量；

根据所述过滤后的文本通话记录确定出y年度之前的话务量的月平均增长率；

根据以下公式预测y年x月的话务量：

$A_{x,y}=\frac{A_{x,y-1}}{A_{x-1,y-1}}\×A_{x-2,y}\×Q$

其中，y为所述未来预设时间段所在年度，x为所述未来预设时间段在y年中所处的月份，A_x,y为y年x月内的话务量，A_x,y-1为y-1年x月内的话务量，A_x-1,y-1为y-1年x-1月内的话务量，A_x-2,y为y年x-2月内的话务量，Q为y年之前话务量的月平均增长率。

较佳的，根据以下公式预测在所述y年x月的z日内的话务量：

$A_{z,x,y}=\frac{A_{x,y}}{D_x}\×\frac{K_1\×A_{z,x,y-2}+K_2\×A_{z,x,y-1}}{K_3\×M_{x,y-2}+K_4\×M_{x,y-1}}\×W_z\×P_z$

其中，A_z,x,y为所述y年x月的z日的话务量，D_x为y年x月所拥有的天数，A_x,y为y年x月内的话务量，A_z,x,y-2为y-2年x月z日内的话务量，A_z,x,y-1为y-1年x月z日内的话务量，K₁为第一调节系数，K₂为第二调节系数，且K₁+K₂＝1，M_x,y-2为y-2年x月的日平均话务量，M_x,y-1为所述y-1年x月的日平均话务量，K₃为第三调节系数，K₄为第四调节系数，且K₃+K₄＝1，W_z为所述y年x月z日的星期因子，P_z为所述y年x月z日的日期因子。

较佳的，根据以下公式预测在所述y年x月的z日预设时间段内的话务量：

$A_{z,x,y}^{t1,t2}=A_{z,x,y}\×T_{z,x,y}^{t1,t2}$

其中，为所述y年x月的z日预设时间段内的话务量，A_z,x,y为所述y年x月的z日的话务量，为所述y年x月的z日预设时间段内的话务量的时间段因子，t1为所述y年x月的z日预设时间段内的起始时间，t2为所述y年x月的z日预设时间段的结束时间。

本发明实施例提供一种话务量预测装置，该装置包括：

获取单元，用于获取历史语音通话记录；

转换单元，用于将获取到的历史语音通话记录转换为文本通话记录；

过滤单元，用于根据预设的关键字对所述文本通话记录进行过滤；

预测单元，用于根据过滤后的文本通话记录预测未来预设时间段内的话务量。

较佳的，所述转换单元用于：

通过语音识别技术将将获取到的历史语音通话记录转换为文本通话记录。

较佳的，所述预测单元用于：

预测在y年x月内的话务量；

根据所述过滤后的文本通话记录确定出y年度之前的话务量的月平均增长率；

根据以下公式预测y年x月的话务量：

$A_{x,y}=\frac{A_{x,y-1}}{A_{x-1,y-1}}\×A_{x-2,y}\×Q$

其中，y为所述未来预设时间段所在年度，x为所述未来预设时间段在y年中所处的月份，A_x,y为y年x月内的话务量，A_x,y-1为y-1年x月内的话务量，A_x-1,y-1为y-1年x-1月内的话务量，A_x-2,y为y年x-2月内的话务量，Q为y年之前话务量的月平均增长率。

较佳的，所述预测单元用于：

根据以下公式预测在所述y年x月的z日内的话务量：

$A_{z,x,y}=\frac{A_{x,y}}{D_x}\×\frac{K_1\×A_{z,x,y-2}+K_2\×A_{z,x,y-1}}{K_3\×M_{x,y-2}+K_4\×M_{x,y-1}}\×W_z\×P_z$

其中，A_z,x,y为所述y年x月的z日的话务量，D_x为y年x月所拥有的天数，A_x,y为y年x月内的话务量，A_z,x,y-2为y-2年x月z日内的话务量，A_z,x,y-1为y-1年x月z日内的话务量，K₁为第一调节系数，K₂为第二调节系数，且K₁+K₂＝1，M_x,y-2为y-2年x月的日平均话务量，M_x,y-1为所述y-1年x月的日平均话务量，K₃为第三调节系数，K₄为第四调节系数，且K₃+K₄＝1，W_z为所述y年x月z日的星期因子，P_z为所述y年x月z日的日期因子。

较佳的，所述预测单元用于：

根据以下公式预测在所述y年x月的z日预设时间段内的话务量：

$A_{z,x,y}^{t1,t2}=A_{z,x,y}\×T_{z,x,y}^{t1,t2}$

其中，为所述y年x月的z日预设时间段内的话务量，A_z,x,y为所述y年x月的z日的话务量，为所述y年x月的z日预设时间段内的话务量的时间段因子，t1为所述y年x月的z日预设时间段内的起始时间，t2为所述y年x月的z日预设时间段的结束时间。

本发明实施例中，将语音技术应用到话务预测领域，摒弃了现有技术中通过数学运算清除突发话务量的方式，改为在统计话务量之前，就将历史语音通话记录转换为文本通话记录，在通过预设关键字将文本通话记录中的突发话务量除去，提高了话务量预测才准确性和效率。

附图说明

图1为本发明实施例提供的一种话务量预测方法流程图；

图2为本发明实施例提供的一种话务量预测装置结构图。

具体实施方式

下面结合说明书附图对本发明实施例做详细描述。

如图1所示，本发明实施例提供的一种话务量预测方法流程图，该方法包括：

步骤101：获取历史语音通话记录；

步骤102：将获取到的历史语音通话记录转换为文本通话记录；

步骤103：根据预设的关键字对所述文本通话记录进行过滤；

步骤104：根据过滤后的文本通话记录预测未来预设时间段内的话务量。

步骤102中，将通过步骤101获取的历史语音通话记录转换为文本通话记录。具体的，通过语音识别技术将将获取到的历史语音通话记录转换为文本通话记录。具体采用何种语音识别技术，本发明实施例在此并不限定。

文本通话记录是以文本形式存在的，因此历史语音通话记录转换的文本通话记录中不仅包含了历史语音通话记录中的所有语音信息，还包括每次通话的时间长度，通话开始时间，通话结束时间以及通话双方的标识信息等。通过文本通话记录，可以方便的查询每次历史语音通话记录。同时，为了能够为预测话务量提供准确的历史数据，还需要对由历史语音通话记录转换的文本通话记录进行过滤。

在步骤103中，通过将带有预设关键字的文本通话记录过滤掉，减少对话务量预测结果的影响。预设关键字是由一系列的关键字组成的。由于很多突发话务量往往存在共同的特征，这些共同特征可以由共同的关键字表示出来，将这些共同的关键字提取出来组成预设关键字。由于有些话务量是突发话务量，不具有典型性，对话务量预测存在影响，因此在对文本通话记录进行过滤时，需要将与突发话务量有关的文本通话记录过滤掉。例如，运营商升级系统导致某个区域的掉话率增加，此时用户会大量咨询运营商的客服中心，此时客服中心接到的咨询电话中往往包含“故障”、“无信号”、“通话异常中断”等关键字，那么预设关键字可以设定为“故障”、“无信号”、“通话异常中断”等。再例如，运营商在某个时段推出了某种业务优惠，那么预设关键字可以设定为“优惠”等。

步骤104中，根据获得到的过滤后的文本通话记录预测未来预设时间段内的话务量。未来预设时间段可以为一个自然月；也可以为一天，即24小时；也可以为一天中一个时间段，即小于24小时的一段时间。下面分别描述如何预测一个自然月、一天以及一天中一个时间段的话务量。

未来预设时间段为一个自然月：

在预测话务量之前，首先计算获得的文本通话记录中话务量的月平均增长率。话务量的月平均增长率是通过计算未来预设时间段所在年度之前话务量的年度增长率来确定的。

例如，未来预设时间段所在年度为y年，现有的过滤后的文本通话记录包括y-1年和y-2年的数据，现计算y-1年和y-2年的话务量的年度增长率，计算公式如下：

$P=\left(\underset{i=1}{\overset{12}{\mathrm{\Σ}}}\frac{A_{i,y-1}-A_{i,y-2}}{A_{i,y-2}}\right)/12;$

其中，P为话务量的年度增长率，A_i,y-1为y-1年i月的话务量，A_i,y-2为y-2年i月的话务量，i为大于等于1，且小于等于12的正整数。话务量的月平均增长率Q为：Q＝P/12。如果文本通话记录包含更多年份过滤后的文本通话记录，计算话务量的月平均增长率和话务量的年度增长率的方法和上述描述相同，在此不再赘述。

在获得话务量的月平均增长率后，根据以下公式预测所述未来预设时间段y年x月的话务量：

$A_{x,y}=\frac{A_{x,y-1}}{A_{x-1,y-1}}\×A_{x-2,y}\×Q$

其中，y为所述未来预设时间段所在年度，x为所述未来预设时间段在y年中所处的月份，A_x,y为y年x月内的话务量，A_x,y-1为y-1年x月内的话务量，A_x-1,y-1为y-1年x-1月内的话务量，A_x-2,y为y年x-2月内的话务量，Q为y年之前话务量的月平均增长率。

例如，预测2014年9月份的话务量，现有2012年和2013年的文本通话记录，先导入2012和2013年每个月的话务量，计算2014年之前话务量的年度增长率：

$P=(\frac{A_{\mathrm{1,2013}}-A_{\mathrm{1,2012}}}{A_{\mathrm{1,2012}}}+\frac{A_{\mathrm{2,2013}}-A_{\mathrm{2,2012}}}{A_{\mathrm{2,2012}}}+......+\frac{A_{\mathrm{12,2013}}-A_{\mathrm{12,2012}}}{A_{\mathrm{12,2012}}})/12;$

接着，计算话务量的月平均增长率Q：Q＝P/12；

最后预测出2014年9月份的话务量为：

未来预设时间段为一天：

预测一天的话务量时，需要先预测出该未来预设时间段所在月的一个月的话务量。一个月的话务量预测方法如上所描述，在此不再赘述。现根据上述描述的预测的y年x月的话务量，根据以下公式预测在所述y年x月的z日内的话务量：

$A_{z,x,y}=\frac{A_{x,y}}{D_x}\×\frac{K_1\×A_{z,x,y-2}+K_2\×A_{z,x,y-1}}{K_3\×M_{x,y-2}+K_4\×M_{x,y-1}}\×W_z\×P_z$

其中，A_z,x,y为所述y年x月的z日的话务量，D_x为y年x月所拥有的天数，A_x,y为y年x月内的话务量，A_z,x,y-2为y-2年x月z日内的话务量，A_z,x,y-1为y-1年x月z日内的话务量，K₁为第一调节系数，K₂为第二调节系数，且K₁+K₂＝1，M_x,y-2为y-2年x月的日平均话务量，M_x,y-1为所述y-1年x月的日平均话务量，K₃为第三调节系数，K₄为第四调节系数，且K₃+K₄＝1，W_z为所述y年x月z日的星期因子，P_z为所述y年x月z日的日期因子。第一调节系数K₁取值范围一般为取0≤K₁≤0.4，第二调节系数K₂取值范围一般为取0.6≤K₂≤1，第三调节系数K₃取值范围一般为取0≤K₃≤0.4，第四调节系数K₄取值范围一般为取0.6≤K₄≤1。

星期因子W_z的计算方法为：第一步，获取过滤后的文本通话记录中与该y年x月最接近的一个月的话务量；第二步，统计该月中每天的话务量，计算出星期一话务量的平均值，星期二话务量的平均值，星期三话务量的平均值，星期四话务量的平均值，星期五话务量的平均值，星期六话务量的平均值，星期日话务量的平均值；第三步，确定出星期一话务量的平均值、星期二话务量的平均值、星期三话务量的平均值、星期四话务量的平均值、星期五话务量的平均值、星期六话务量的平均值以及星期日话务量的平均值的平均值，作为周均值；第四步，用星期一话务量的平均值到星期日话务量的平均值分别除以周均值，获得星期一的星期因子至星期日的星期因子。优选的，获取过滤后的文本通话记录中与该y年x月最接近的一个月的话务量后，将该月中月末和月初的话务量去除，一般以5号之前作为月初，25号之后作为月末。

在预测y年x月z日的话务量时，确定该日是星期几，然后获取相应的星期因子带入上述公式中。

日期因子P_z的计算方法为：第一步，获取过滤后的文本通话记录中与该y年第x月最接近的一个月的话务量；第二步，统计该月中每天的话务量，并确定出该月每天话务量的平均值；第三步，确定该月中z日的话务量，并将确定出的该月中z日的话务量除以该月每天话务量的平均值，获得日期因子。

在预测y年x月的z日的话务量时，将计算出的日期因子带入上述公式中。

未来预测时间段为一天中一个时间段的话务量：

预测一天中一个时间段的话务量时，需要先预测出该未来预设时间段所在天的话务量。一天的话务量预测方法如上所描述，在此不再赘述。现根据上述描述的预测的y年x月的z日的话务量，根据以下公式预测在所述y年x月的z日预设时间段内的话务量：

$A_{z,x,y}^{t1,t2}=A_{z,x,y}\×T_{z,x,y}^{t1,t2}$

其中，为所述y年x月的z日预设时间段内的话务量，A_z,x,y为所述y年x月的z日的话务量，为所述y年x月的z日预设时间段内的话务量的时间段因子，t1为所述y年x月的z日预设时间段内的起始时间，t2为所述y年x月的z日预设时间段的结束时间。

若y年x月的z日为一个星期中的第j天，则时间段因子的计算方法为：第一步，获取过滤后的文本通话记录中与该y年x月z日的最接近的三个星期中每个星期的第j天的话务量；第二步，确定出该三个星期第j天的平均话务量，以及该三个星期j天中与y年x月z日预设时间段相对应的时间段的平均话务量；第二步，该三个星期第j天中与y年x月z日预设时间段相对应的时间段的平均话务量除以该三个星期第j天的平均话务量，获得y年x月z日预设时间段的时间段因子。

例如，预测2014年9月19日，星期五6点-9点的话务量，那么，需要先预测2014年9月19日的话务量，然后获取过滤后的文本通话记录中最近三周的星期五的平均话务量，以及最近三周的星期五中6点-9点的平均话务量，计算最近三周的星期五中6点-9点的平均话务量占最近三周的星期五的平均话务量的比例，再用2014年9月19日的话务量乘以该比例，就得到了2014年9月19日星期五6点-9点的话务量。

针对上述方法流程，本发明实施例还提供一种话务量预测装置，该话务量预测装置的具体内容可以参照上述方法实施，在此不再赘述。

如图2所示，本发明实施例提供的一种话务量预测装置结构图，包括：

获取单元201，用于获取历史语音通话记录；

转换单元202，用于将获取到的历史语音通话记录转换为文本通话记录；

过滤单元203，用于根据预设的关键字对所述文本通话记录进行过滤；

预测单元204，用于根据过滤后的文本通话记录预测未来预设时间段内的话务量。

较佳的，所述转换单元202用于：

通过语音识别技术将将获取到的历史语音通话记录转换为文本通话记录。

较佳的，所述预测单元204用于：

预测在y年x月内的话务量；

根据所述过滤后的文本通话记录确定出y年度之前的话务量的月平均增长率；

根据以下公式预测y年x月的话务量：

$A_{x,y}=\frac{A_{x,y-1}}{A_{x-1,y-1}}\×A_{x-2,y}\×Q$

其中，y为所述未来预设时间段所在年度，x为所述未来预设时间段在y年中所处的月份，A_x,y为y年x月内的话务量，A_x,y-1为y-1年x月内的话务量，A_x-1,y-1为y-1年x-1月内的话务量，A_x-2,y为y年x-2月内的话务量，Q为y年之前话务量的月平均增长率。

较佳的，所述预测单元204用于：

根据以下公式预测在所述y年x月的z日内的话务量：

$A_{z,x,y}=\frac{A_{x,y}}{D_x}\×\frac{K_1\×A_{z,x,y-2}+K_2\×A_{z,x,y-1}}{K_3\×M_{x,y-2}+K_4\×M_{x,y-1}}\×W_z\×P_z$

其中，A_z,x,y为所述y年x月的z日的话务量，D_x为y年x月所拥有的天数，A_x,y为y年x月内的话务量，A_z,x,y-2为y-2年x月z日内的话务量，A_z,x,y-1为y-1年x月z日内的话务量，K₁为第一调节系数，K₂为第二调节系数，且K₁+K₂＝1，M_x,y-2为y-2年x月的日平均话务量，M_x,y-1为所述y-1年x月的日平均话务量，K₃为第三调节系数，K₄为第四调节系数，且K₃+K₄＝1，W_z为所述y年x月z日的星期因子，P_z为所述y年x月z日的日期因子。

较佳的，所述预测单元204用于：

根据以下公式预测在所述y年x月的z日预设时间段内的话务量：

$A_{z,x,y}^{t1,t2}=A_{z,x,y}\×T_{z,x,y}^{t1,t2}$

其中，为所述y年x月的z日预设时间段内的话务量，A_z,x,y为所述y年x月的z日的话务量，为所述y年x月的z日预设时间段内的话务量的时间段因子，t1为所述y年x月的z日预设时间段内的起始时间，t2为所述y年x月的z日预设时间段的结束时间。

综上所述，本发明实施例中，将语音技术应用到话务预测领域，摒弃了现有技术中通过数学运算清除突发话务量的方式，改为在统计话务量之前，就将历史语音通话记录转换为文本通话记录，在通过预设关键字将文本通话记录中的突发话务量除去，提高了话务量预测才准确性和效率。本发明实施例中，对月段话务量、日段话务量及时段话务量的预测公式都是利用去除了突发话务量的统计数据进行，公式相对于现有技术进行了优化，尤其是日段话务量预测时，还考虑到了星期几对预测数据的影响。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存放介质(包括但不限于磁盘存放器和光学存放器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存放在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存放器中，使得存放在该计算机可读存放器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种话务量预测方法，其特征在于，该方法包括：

获取历史语音通话记录；

将获取到的历史语音通话记录转换为文本通话记录；

根据预设的关键字对所述文本通话记录进行过滤；

根据过滤后的文本通话记录预测未来预设时间段内的话务量。

2.如权利要求1所述的方法，其特征在于，所述将获取到的历史语音通话记录转换为文本通话记录，包括：

通过语音识别技术将将获取到的历史语音通话记录转换为文本通话记录。

3.如权利要求1所述的方法，其特征在于，所述根据过滤后的文本通话记录预测未来预设时间段内的话务量，包括：

预测在y年x月内的话务量；

根据所述过滤后的文本通话记录确定出y年度之前的话务量的月平均增长率；

根据以下公式预测y年x月的话务量：

$A_{x,y}=\frac{A_{x,y-1}}{A_{x-1,y-1}}\×A_{x-2,y}\×Q$

其中，y为所述未来预设时间段所在年度，x为所述未来预设时间段在y年中所处的月份，A_x,y为y年x月内的话务量，A_x,y-1为y-1年x月内的话务量，A_x-1,y-1为y-1年x-1月内的话务量，A_x-2,y为y年x-2月内的话务量，Q为y年之前话务量的月平均增长率。

4.如权利要求3所述的方法，其特征在于，根据以下公式预测在所述y年x月的z日内的话务量：

$A_{z,x,y}=\frac{A_{x,y}}{D_x}\×\frac{K_1\×A_{z,x,y-2}+K_2\×A_{z,x,y-1}}{K_3\×M_{x,y-2}+K_4\×M_{x,y-1}}\×W_z\×P_z$

其中，A_z,x,y为所述y年x月的z日的话务量，D_x为y年x月所拥有的天数，A_x,y为y年x月内的话务量，A_z,x,y-2为y-2年x月z日内的话务量，A_z,x,y-1为y-1年x月z日内的话务量，K₁为第一调节系数，K₂为第二调节系数，且K₁+K₂＝1，M_x,y-2为y-2年x月的日平均话务量，M_x,y-1为所述y-1年x月的日平均话务量，K₃为第三调节系数，K₄为第四调节系数，且K₃+K₄＝1，W_z为所述y年x月z日的星期因子，P_z为所述y年x月z日的日期因子。

5.如权利要求4所述的方法，其特征在于，根据以下公式预测在所述y年x月的z日预设时间段内的话务量：

$A_{z,x,y}^{t1,t2}=A_{z,x,y}\×T_{z,x,y}^{t1,t2}$

其中，为所述y年x月的z日预设时间段内的话务量，A_z,x,y为所述y年x月的z日的话务量，为所述y年x月的z日预设时间段内的话务量的时间段因子，t1为所述y年x月的z日预设时间段内的起始时间，t2为所述y年x月的z日预设时间段的结束时间。

6.一种话务量预测装置，其特征在于，该装置包括：

获取单元，用于获取历史语音通话记录；

转换单元，用于将获取到的历史语音通话记录转换为文本通话记录；

过滤单元，用于根据预设的关键字对所述文本通话记录进行过滤；

预测单元，用于根据过滤后的文本通话记录预测未来预设时间段内的话务量。

7.如权利要求6所述的装置，其特征在于，所述转换单元用于：

通过语音识别技术将将获取到的历史语音通话记录转换为文本通话记录。

8.如权利要求6所述的装置，其特征在于，所述预测单元用于：

预测在y年x月内的话务量；

根据所述过滤后的文本通话记录确定出y年度之前的话务量的月平均增长率；

根据以下公式预测y年x月的话务量：

$A_{x,y}=\frac{A_{x,y-1}}{A_{x-1,y-1}}\×A_{x-2,y}\×Q$

其中，y为所述未来预设时间段所在年度，x为所述未来预设时间段在y年中所处的月份，A_x,y为y年x月内的话务量，A_x,y-1为y-1年x月内的话务量，A_x-1,y-1为y-1年x-1月内的话务量，A_x-2,y为y年x-2月内的话务量，Q为y年之前话务量的月平均增长率。

9.如权利要求8所述的装置，其特征在于，所述预测单元用于：

根据以下公式预测在所述y年x月的z日内的话务量：

$A_{z,x,y}=\frac{A_{x,y}}{D_x}\×\frac{K_1\×A_{z,x,y-2}+K_2\×A_{z,x,y-1}}{K_3\×M_{x,y-2}+K_4\×M_{x,y-1}}\×W_z\×P_z$

其中，A_z,x,y为所述y年x月的z日的话务量，D_x为y年x月所拥有的天数，A_x,y为y年x月内的话务量，A_z,x,y-2为y-2年x月z日内的话务量，A_z,x,y-1为y-1年x月z日内的话务量，K₁为第一调节系数，K₂为第二调节系数，且K₁+K₂＝1，M_x,y-2为y-2年x月的日平均话务量，M_x,y-1为所述y-1年x月的日平均话务量，K₃为第三调节系数，K₄为第四调节系数，且K₃+K₄＝1，W_z为所述y年x月z日的星期因子，P_z为所述y年x月z日的日期因子。

10.如权利要求9所述的装置，其特征在于，所述预测单元用于：

根据以下公式预测在所述y年x月的z日预设时间段内的话务量：

$A_{z,x,y}^{t1,t2}=A_{z,x,y}\×T_{z,x,y}^{t1,t2}$

其中，为所述y年x月的z日预设时间段内的话务量，A_z,x,y为所述y年x月的z日的话务量，为所述y年x月的z日预设时间段内的话务量的时间段因子，t1为所述y年x月的z日预设时间段内的起始时间，t2为所述y年x月的z日预设时间段的结束时间。