CN109672795A - 呼叫中心资源管理方法及装置、电子设备、存储介质 - Google Patents

Abstract

本公开提供了一种呼叫中心资源管理方法及装置、电子设备、计算机可读存储介质，属于人工智能技术领域。该方法包括：获取呼叫中心的各业务模块在多个历史周期内的历史业务数据；基于所述历史业务数据，获得所述各业务模块在下一周期的预测业务数据；根据所述预测业务数据，确定所述各业务模块的资源配置。本公开可以依据实际运营的情况配置各业务模块的资源，减少资源不足或浪费的情况，并及时响应业务分布的变化而在资源配置方面做出应对性调整，提高呼叫中心的运营效率。

Description

呼叫中心资源管理方法及装置、电子设备、存储介质

技术领域

本公开涉及人工智能技术领域，特别涉及一种呼叫中心资源管理方法、呼叫中心资源管理装置、电子设备及计算机可读存储介质。

背景技术

随着互联网与通信服务的发展，呼叫中心的业务越来越综合化，除了传统的人工语音服务、短信服务外，互动式语音服务、视频服务、营销电话等也成为了呼叫中心的主要业务。因此，需要对各个业务模块的资源进行合理的配置与有效的管理。

现有的呼叫中心资源配置通常是在呼叫中心规划阶段决定的，在运营过程中几乎不进行调整。而规划阶段所预测的业务分布情况难免与实际运营情况有差别，因此资源配置可能存在与实际业务量不相符的情况，某些业务模块分配到的资源过多或者过少，导致资源浪费或不足，影响业务的正常进行，且当业务量发生较大变化时，难以做出有效的应对，导致呼叫中心的运营效率低下。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供了一种呼叫中心资源管理方法、呼叫中心资源管理装置、电子设备及计算机可读存储介质，进而至少在一定程度上克服现有的呼叫中心资源配置不合理以及运营效率低下的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种呼叫中心资源管理方法，包括：获取呼叫中心的各业务模块在多个历史周期内的历史业务数据；基于所述历史业务数据，获得所述各业务模块在下一周期的预测业务数据；根据所述预测业务数据，确定所述各业务模块的资源配置。

在本公开的一种示例性实施例中，所述基于所述历史业务数据，获得所述各业务模块在下一周期的预测业务数据包括：利用长短时记忆网络模型处理所述历史业务数据，得到所述各业务模块在下一周期的预测业务数据。

在本公开的一种示例性实施例中，所述方法还包括：从所述历史业务数据中提取样本历史数据与所述样本历史数据对应的样本预测数据；通过所述样本历史数据与所述样本预测数据训练并得到所述长短时记忆网络模型。

在本公开的一种示例性实施例中，所述预测业务数据包括多个指标的预测业务数据；所述根据所述预测业务数据，确定所述各业务模块的资源配置包括：利用逻辑回归模型处理所述多个指标的预测业务数据，得到所述各业务模块的资源配置。

在本公开的一种示例性实施例中，所述利用逻辑回归模型处理所述多个指标的预测业务数据，得到所述各业务模块的资源配置包括：将所述各业务模块的多个指标的预测业务数据与所述各业务模块的当前资源配置输入所述逻辑回归模型，输出所述各业务模块的资源配置。

在本公开的一种示例性实施例中，所述根据所述预测业务数据，确定所述各业务模块的资源配置包括：根据所述预测业务数据，确定所述各业务模块的资源配置比例；基于资源总量以及所述资源配置比例，确定所述各业务模块的资源配置分量。

在本公开的一种示例性实施例中，所述获取呼叫中心的各业务模块在多个历史周期内的历史业务数据包括：响应于呼叫中心的各业务模块中任意业务模块反馈资源不足信息，获取所述各业务模块在多个历史周期内的历史业务数据。

根据本公开的一个方面，提供一种呼叫中心资源管理装置，包括：数据获取模块，用于获取呼叫中心的各业务模块在多个历史周期内的历史业务数据；业务预测模块，用于基于所述历史业务数据，获得所述各业务模块在下一周期的预测业务数据；资源确定模块，用于根据所述预测业务数据，确定所述各业务模块的资源配置。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。

本公开的示例性实施例具有以下有益效果：

获取呼叫中心的各业务模块的历史业务数据后，可以预测各业务模块在下一周期的业务数据，从而预测各业务模块对于资源的需求，以确定资源配置。一方面，资源配置以业务数据的统计与预测作为依据，完全落实到实际运营的层面，避免规划层面的不合理导致的资源配置不合理，减少资源不足或浪费的情况。另一方面，实现了呼叫中心各业务模块的资源动态配置，当业务分布情况发生变化时，可以及时响应变化而在资源配置方面做出应对性调整，使呼叫中心系统具有较强的自适应性，提高运营效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本示例性实施例中一种呼叫中心资源管理方法的流程图；

图2示出本示例性实施例中另一种呼叫中心资源管理方法的流程图；

图3示出本示例性实施例中一种呼叫中心资源管理装置的结构框图；

图4示出本示例性实施例中一种用于实现上述方法的电子设备；

图5示出本示例性实施例中一种用于实现上述方法的计算机可读存储介质。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

本公开的示例性实施例首先提供了一种呼叫中心资源管理方法，可以应用于呼叫中心系统内指定的服务器或终端，其运行本示例性实施例以确定呼叫中心各业务模块的资源配置，并可以将资源配置的结果发送至呼叫中心系统内的管理资源服务器，由该服务器完成资源的调度，也可以由呼叫中心的资源管理服务器作为本示例性实施例的执行主体。参考图1所示，该方法可以包括以下步骤S110～S130：

步骤S110，获取呼叫中心的各业务模块在多个历史周期内的历史业务数据。

以保险服务的呼叫中心为例，各业务模块可以包括车险模块、寿险模块、理财险模块等，每个模块还可以下分为多个层级的子模块，例如车险模块可以分为车险电话服务模块、车险视频服务模块、车险自动语音服务模块等。

历史周期是指统计历史业务数据的时间段，例如一天、一周等，本实施例对此不做具体限定。在一示例性实施例中，呼叫中心的资源可以按照周期进行管理，每个周期执行一次本实施例的方法，以对各业务模块的资源进行重新配置，则统计历史业务数据的周期可以与该周期相同，例如以月为单位统计各业务模块的业务数据，并以月为单位实施资源配置。

历史业务数据是各业务模块在运营过程中已产生的数据，通常包含多种指标，可以以指标为单位进行统计，例如各业务模块在各历史周期的订单数、平均订单时长、长订单数、短订单数等。在一示例性实施例中，还可以按照资源的分类来统计历史业务数据，例如资源包含网段IP(Internet Protocol，网络协议)和分机号段两类时，分别统计每个业务模块在这两类资源下进行业务数据，例如网段IP可能对应于网络业务总流量、网络业务单数、网络业务流量峰值等，分机号段可能对应于电话业务单数、客服通话总时长、峰值来电数等，可以统计这些资源分类指标的历史业务数据。

步骤S120，基于历史业务数据，获得各业务模块在下一周期的预测业务数据。

若步骤S110中获取了N个历史周期的历史业务数据，下一周期可视为第N+1个周期，则步骤S120为根据N个数据预测第N+1个数据的过程，可以通过多种具体的方法实现，例如特定的计算公式、函数拟合等，预测计算的原理可以是基于已有的历史业务数据，计算变化的趋势，再根据变化的趋势计算下一周期的预测数据。举例而言，可以使用函数拟合的方法，一般通过sigmoid函数(一种S型函数)、幂函数、线性函数或多项式函数等对历史业务数据绘制函数图形，可以得到函数方程，再利用函数方程计算下一周期的预测业务数据。本实施例对于预测业务数据的计算方法不做特别限定。

步骤S130，根据预测业务数据，确定各业务模块的资源配置。

预测业务数据代表下一周期内各业务模块的业务量，与资源需求之间具有一定的对应关系，通常来说，业务量越大，需要的资源越多。由于预测业务数据可能包含多个指标，在计算时，可以对各指标的数据采用加权求和的方法，也可以通过其他计算模型进行处理，本实施例对此不做特别限定。

在一示例性实施例中，可以分别计算每个业务模块对于每类资源的需求，例如：网络资源需求＝a1*网络业务总流量+b1*网络业务单数+c1*网络业务流量峰值，号段资源需求＝a2*电话业务单数+b2*客服通话总时长+c2*峰值来电数，其中a1、b1、c1、a2、b2、c2是权重系数，可以根据经验确定其数值，也可以在使用中可以根据结果反馈对其数值进行优化调整。

在确定各业务模块对于各类资源的需求后，可以实现资源配置。

基于上述说明，在本示例性实施例中，获取呼叫中心的各业务模块的历史业务数据后，可以预测各业务模块在下一周期的业务数据，从而预测各业务模块对于资源的需求，以确定资源配置。一方面，资源配置以业务数据的统计与预测作为依据，完全落实到实际运营的层面，避免规划层面的不合理导致的资源配置不合理，减少资源不足或浪费的情况。另一方面，实现了呼叫中心各业务模块的资源动态配置，当业务分布情况发生变化时，可以及时响应变化而在资源配置方面做出应对性调整，使呼叫中心系统具有较强的自适应性，提高运营效率。

在一示例性实施例中，参考图2所示，步骤S110可以包括步骤S210：

步骤S210，响应于呼叫中心的各业务模块中任意业务模块反馈资源不足信息，获取各业务模块在多个历史周期内的历史业务数据。

即除了按照预设的周期执行资源配置流程外，还可以任一业务模块出现资源不足的警告信息时，立即启动本示例性实施例的资源管理方法的流程，对各业务模块进行历史业务数据统计与资源重配置，以解决当前的资源不足问题。从而提出了一种关于资源不足问题的应对机制，可以提高呼叫中心系统的稳定性。

在一示例性实施例中，步骤S120可以通过图2中的步骤S220实现：

步骤S220，利用长短时记忆网络模型处理历史业务数据，得到各业务模块在下一周期的预测业务数据。

长短时记忆网络模型是一种时间递归的神经网络模型，适合于处理和预测时间序列中具有一定间隔或延迟的事件。在本实施例中，可以将历史业务数据作为模型的输入，若历史业务数据为单指标数据，则N个历史周期的历史业务数据可以形成一个N维的输入向量，输出为预测业务数据的单一数值；若历史业务数据为多指标数据，例如包括M个指标，则N个历史周期的历史业务数据可以形成N个M维的输入向量，输出为M维的预测业务数据向量。长短时记忆网络模型通过设置与训练合适的“门”(gate)参数，可以体现时间序列中不同时期的历史业务数据对于预测业务数据的非线性影响，从而得到较为准确的预测结果。

进一步的，可以通过以下步骤得到上述长短时记忆网络模型：

从历史业务数据中提取样本历史数据与样本历史数据对应的样本预测数据；

通过样本历史数据与样本预测数据训练并得到长短时记忆网络模型。

举例而言，若长短时记忆网络模型的输入层为T个神经元，以最近一个历史周期为第1历史周期，向更早的历史周期递推，分别为第2历史周期、第3历史周期、…、第T历史周期、第T+1历史周期等，则可以将第2历史周期至第T+1历史周期(共T各历史周期)的历史业务数据作为样本历史数据，将第1历史周期的历史业务数据作为样本预测数据，可确定出一组训练数据，其中样本预测数据即模型训练中样本历史数据对应的结果标签。此外，可以将第3历史周期至第T+2历史周期的历史业务数据作为样本历史数据，将第2历史周期的历史业务数据作为样本预测数据，可确定出另一组训练数据，依照同样的方法可以获得多组训练数据。利用这些训练数据可以训练长短时记忆网络模型，通过迭代调整该模型的参数，使该模型处理样本历史数据的输出结果越来越接近于对应的样本预测数据，当达到一定的准确率时，可以认为训练完成，得到了可以实际应用的长短时记忆网络模型。

由上述过程可见，长短时记忆网络模型的训练数据可以来源于各业务模块的历史业务数据，训练数据充足，且无需进行人工标记，使得训练过程可以方便的实现。

在一示例性实施例中，预测业务数据可以包括多个指标的预测业务数据，则步骤S130可以通过以下步骤实现：

步骤S230，利用逻辑回归模型处理多个指标的预测业务数据，得到各业务模块的资源配置。

逻辑回归模型适于处理多指标之间的非线性回归关系。本实施例中，可以将每个业务模块的多个指标的预测业务数据形成多维的特征向量，输入到逻辑回归模型中，模型输出该业务模块的资源配置预测数值，为每个业务模块分别适用一次逻辑回归模型处理；也可以将全部业务模块的多个指标的预测业务数据形成特征矩阵或多个特征向量，输入到逻辑回归模型中，模型输出各业务模块的资源配置预测向量，为全部业务模块共同适用一次逻辑回归模型处理。

相较于一般的计算公式或加权算法，逻辑回归模型的处理方法可以挖掘预测业务数据的各指标间的影响与关联作用，其输出的资源配置结果更加准确。

在一示例性实施例中，上述利用逻辑回归模型处理多个指标的预测业务数据，得到各业务模块的资源配置的步骤又可以进一步通过以下步骤实现：

将各业务模块的多个指标的预测业务数据与各业务模块的当前资源配置输入逻辑回归模型，输出各业务模块的资源配置。

换而言之，可以将各业务模块的当前资源配置作为一个维度的特征，添加到预测业务数据的特征向量或特征矩阵中，共同作为逻辑回归模型的输入，使得逻辑回归模型在进行预测时，可以考虑当前资源配置这一因素，从而在满足业务需求的情况下，使下一周期的资源配置尽可能发生较小的变动，进一步提高资源管理的效率。

此外，还可以将各业务模块的新增业务作为一个维度的特征，纳入逻辑回归模型的处理范围，例如本月推出了新的寿险产品，那么预计下个月关于寿险的咨询电话、客服订单会出现明显增加，可以将寿险模块的“新增业务”维度确定为特定数值，其他模块无新增业务，“新增业务”维度的数值可以是0，输入到逻辑回归模型中，可以得到更准确的输出结果。

在一示例性实施例中，步骤S130还可以通过图2中的步骤S230与S240实现：

步骤S230，根据预测业务数据，确定各业务模块的资源配置比例；

步骤S230，基于资源总量以及资源配置比例，确定各业务模块的资源配置分量。

其中，可以通过上述加权计算、逻辑回归模型等具体方法由预测业务数据得到各业务模块的资源配置比例，而非实际的资源配置分量。这是由于随着业务的发展，各业务模块的业务量可能出现共同增长的情况，呼叫中心的资源总量可能难以满足全部业务模块重组的资源配置，此时需要根据各业务模块的业务量占比进行资源调配，因此可以计算上述资源配置比例，例如车险模块下一周期预测所需的资源配置比例为40％、寿险模块为15％、理财险模块为25％等。资源总量是指呼叫中心内部可调配的资源总量(通常可以留出一定的余量作为备用资源)，利用资源总量乘以各业务模块的资源配置比例可以得到资源配置分量，资源配置分量即最终的资源量值，例如分配的网段IP数量、分级号段数量等。通过计算资源配置比例以确定资源配置分量的方式具有更高的合理性。

本公开的示例性实施例还提供了一种呼叫中心资源管理装置，参考图所示，该装置可以包括：数据获取模块，用于获取呼叫中心的各业务模块在多个历史周期内的历史业务数据；业务预测模块，用于基于历史业务数据，获得各业务模块在下一周期的预测业务数据；资源确定模块，用于根据预测业务数据，确定各业务模块的资源配置。

在一示例性实施例中，业务预测模块可以用于利用长短时记忆网络模型处理历史业务数据，得到各业务模块在下一周期的预测业务数据。

在一示例性实施例中，业务预测模块可以包括：模型训练单元，用于从历史业务数据中提取样本历史数据与样本历史数据对应的样本预测数据，以及通过样本历史数据与样本预测数据训练并得到长短时记忆网络模型。

在一示例性实施例中，预测业务数据可以包括多个指标的预测业务数据；资源确定模块可以用于利用逻辑回归模型处理多个指标的预测业务数据，得到各业务模块的资源配置。

在一示例性实施例中，资源确定模块可以用于将各业务模块的多个指标的预测业务数据与各业务模块的当前资源配置输入逻辑回归模型，输出各业务模块的资源配置。

在一示例性实施例中，资源确定模块可以包括：资源比例确定单元，用于根据预测业务数据，确定各业务模块的资源配置比例；资源分类确定单元，用于基于资源总量以及资源配置比例，确定各业务模块的资源配置分量。

在一示例性实施例中，数据获取模块可以用于响应于呼叫中心的各业务模块中任意业务模块反馈资源不足信息，获取各业务模块在多个历史周期内的历史业务数据。

上述各装置中的模块/单元的具体细节已经在对应的方法部分实施例中进行了详细的说明，因此不再赘述。

本公开的示例性实施例还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图4来描述根据本公开的这种示例性实施例的电子设备400。图4显示的电子设备400仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430、显示单元440。

其中，存储单元存储有程序代码，程序代码可以被处理单元410执行，使得处理单元410执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元410可以执行图1所示的步骤S110～S130，也可以执行图2所示的步骤S210～S240等。

存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)421和/或高速缓存存储单元422，还可以进一步包括只读存储单元(ROM)423。

存储单元420还可以包括具有一组(至少一个)程序模块425的程序/实用工具424，这样的程序模块425包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备400也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且，电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器460通过总线430与电子设备400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开示例性实施例的方法。

本公开的示例性实施例还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

参考图5所示，描述了根据本公开的示例性实施例的用于实现上述方法的程序产品500，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的示例性实施例，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种呼叫中心资源管理方法，其特征在于，包括：

获取呼叫中心的各业务模块在多个历史周期内的历史业务数据；

基于所述历史业务数据，获得所述各业务模块在下一周期的预测业务数据；

根据所述预测业务数据，确定所述各业务模块的资源配置。

2.根据权利要求1所述的方法，其特征在于，所述基于所述历史业务数据，获得所述各业务模块在下一周期的预测业务数据包括：

利用长短时记忆网络模型处理所述历史业务数据，得到所述各业务模块在下一周期的预测业务数据。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

从所述历史业务数据中提取样本历史数据与所述样本历史数据对应的样本预测数据；

通过所述样本历史数据与所述样本预测数据训练并得到所述长短时记忆网络模型。

4.根据权利要求1所述的方法，其特征在于，所述预测业务数据包括多个指标的预测业务数据；

所述根据所述预测业务数据，确定所述各业务模块的资源配置包括：

利用逻辑回归模型处理所述多个指标的预测业务数据，得到所述各业务模块的资源配置。

5.根据权利要求4所述的方法，其特征在于，所述利用逻辑回归模型处理所述多个指标的预测业务数据，得到所述各业务模块的资源配置包括：

将所述各业务模块的多个指标的预测业务数据与所述各业务模块的当前资源配置输入所述逻辑回归模型，输出所述各业务模块的资源配置。

6.根据权利要求1所述的方法，其特征在于，所述根据所述预测业务数据，确定所述各业务模块的资源配置包括：

根据所述预测业务数据，确定所述各业务模块的资源配置比例；

基于资源总量以及所述资源配置比例，确定所述各业务模块的资源配置分量。

7.根据权利要求1所述的方法，其特征在于，所述获取呼叫中心的各业务模块在多个历史周期内的历史业务数据包括：

响应于呼叫中心的各业务模块中任意业务模块反馈资源不足信息，获取所述各业务模块在多个历史周期内的历史业务数据。

8.一种呼叫中心资源管理装置，其特征在于，包括：

数据获取模块，用于获取呼叫中心的各业务模块在多个历史周期内的历史业务数据；

业务预测模块，用于基于所述历史业务数据，获得所述各业务模块在下一周期的预测业务数据；

资源确定模块，用于根据所述预测业务数据，确定所述各业务模块的资源配置。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。