CN111311041B - 一种数据抽取方法及设备和相关装置 - Google Patents

一种数据抽取方法及设备和相关装置 Download PDF

Info

Publication number
CN111311041B
CN111311041B CN201811519629.1A CN201811519629A CN111311041B CN 111311041 B CN111311041 B CN 111311041B CN 201811519629 A CN201811519629 A CN 201811519629A CN 111311041 B CN111311041 B CN 111311041B
Authority
CN
China
Prior art keywords
extracted
agents
data
agent
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811519629.1A
Other languages
English (en)
Other versions
CN111311041A (zh
Inventor
徐俊杰
冯月
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mashang Xiaofei Finance Co Ltd
Original Assignee
Mashang Xiaofei Finance Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mashang Xiaofei Finance Co Ltd filed Critical Mashang Xiaofei Finance Co Ltd
Priority to CN201811519629.1A priority Critical patent/CN111311041B/zh
Publication of CN111311041A publication Critical patent/CN111311041A/zh
Application granted granted Critical
Publication of CN111311041B publication Critical patent/CN111311041B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种数据抽取方法及设备和相关装置。其中，所述方法包括获取多个坐席各自的已抽取数据；根据第一指标计算规则，基于所述多个坐席各自的已抽取数据分别计算本次数据抽取时所述多个坐席各自的公平性指标；基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出待抽取坐席；从待抽取数据源中抽取所述待抽取坐席的数据作为待质检数据。上述方案能够提高数据抽取的公平性。

Description

一种数据抽取方法及设备和相关装置
技术领域
本申请涉及数据质检技术领域，尤其涉及一种数据抽取方法及设备和相关装置。
背景技术
随着各行各业客服中心的建立和发展，客服中心的客服人员的服务工作对企业的影响越来越重要，他们代表着企业的形象并站在工作第一线，因此对他们的工作质量的评估也变得越来越重要。对于客服人员工作的服务数据的采集对如何更好的管理日益增多的客服人员，考核其工作绩效起着重要作用，这些服务数据能反映一个客服人员的工作情况，利用这些服务数据生成相应的报表，能够很好的反映整个客服中心的工作质量，进一步提高客服中心的服务质量。对这些服务数据的采集常常采用随机收取的方式，抽取的服务数据提交至质检部门由质检人员进行质检，根据质检情况即可对相应的客服人员的工作进行评估。
目前常用的服务数据采集方法是通过直接的随机抽取，将随机抽取的服务数据提交至质检部门进行质检，完成质检后在根据已质检的情况生成相应的报表，再将报表返回数据库，根据返回的报表进行统计进而进行下一次随机抽取。这样的数据抽取方式需要通过人工汇总每天已质检数据，再交由开发人员进行分析和抽取，需要耗费大量人力且存在较大出错概率；同时，当增加质检指标时，开发需要二次开发新指标和测试，周期长，易出错。
发明内容
本申请的目的在于提供一种数据抽取方法及设备和相关装置，能够提高数据抽取的公平性。
为了解决上述问题，本申请第一方面提供了一种数据抽取方法，包括：获取多个坐席各自的已抽取数据；根据第一指标计算规则，基于所述多个坐席各自的已抽取数据分别计算本次数据抽取时所述多个坐席各自的公平性指标；基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出待抽取坐席；从待抽取数据源中抽取所述待抽取坐席的数据作为待质检数据。
为了解决上述问题，本申请第二方面提供了一种数据抽取设备，包括相互连接的存储器和处理器；所述存储器用于存储所述处理器执行的计算机指令；所述处理器用于执行所述计算机指令以实现上述数据抽取方法。
为了解决上述问题，本申请第三方面提供了一种存储装置，所述存储装置存储有计算机指令，所述计算机指令能够被执行以实现上述数据抽取方法。
为了解决上述问题，本申请第四方面提供了一种数据抽取装置，包括：获取模块，用于获取多个坐席各自的已抽取数据；计算模块，用于根据第一指标计算规则，基于所述多个坐席各自的已抽取数据分别计算本次数据抽取时所述多个坐席各自的公平性指标；选择模块，用于基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出待抽取坐席；抽取模块，用于从待抽取数据源中抽取所述待抽取坐席的数据作为待质检数据。
上述方案，通过在执行数据抽取时对各个坐席的数据的抽取指标映射成表征数据离散程度的公平性指标，进而通过映射的公平性指标从多个坐席中选择待抽取坐席，完成待质检数据的抽取，提高了数据抽取的公平性；且上述方案的数据抽取过程可以不依赖过多的人为参与，避免了数据量较大时由于人为疏忽而导致抽取和统计错误。进一步，上述方案可在执行数据抽取的过程中进行数据抽取统计，进而节省了对数据抽取进行数据统计的人力成本。
附图说明
图1是本申请数据抽取方法第一实施例的流程示意图；
图2是图1所示的步骤S120在一实施方式中的流程示意图；
图3是图2所示的步骤S122在一实施方式中的流程示意图；
图4是本申请数据抽取方法第二实施例的流程示意图；
图5是图4所示的步骤S230在一实施方式中的流程示意图；
图6是图5所示的步骤S233在一实施方式中的流程示意图；
图7是本申请数据抽取方法第三实施例的流程示意图；
图8是本申请数据抽取方法第四实施例的流程示意图；
图9是本申请数据抽取方法第四实施例的系统流程示意图；
图10是本申请数据抽取方法第五实施例的流程示意图；
图11是本申请数据抽取方法第五实施例的系统流程示意图；
图12是本申请数据抽取设备一实施例的结构示意图；
图13是本申请数据抽取装置一实施例的结构示意图；
图14是本申请存储装置一实施例的结构示意图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
下面，对本申请数据抽取方法及其相关装置实施例进行具体说明。
请参阅图1，图1是本申请数据抽取方法第一实施例的流程示意图。本实施例中，该方法由数据抽取设备执行，该数据抽取设备可以为能够获取各个坐席产生的数据的任意设备，具体如服务器、电脑、手持终端等。
本实施例方法至少可包括以下步骤：
S110：获取多个坐席各自的已抽取数据。
本实施例以呼叫中心的数据抽取为例进行说明，本实施例中所提及的数据均可为语音数据，呼叫中心的每个坐席基于其语音服务业务而各自产生相应的数据，每隔一预设周期即会对每个坐席产生的数据进行抽取，并对抽取的数据中的部分或全部数据进行质检以对呼叫中心的服务情况进行评估，并对坐席相应的工作人员的工作情况进行考核。在其他实施例中，也可对文本数据等其他类型的数据进行抽取。进一步，本申请中每个坐席产生的数据可根据其属性进行类别标记，例如，根据语音数据的时长将数据标记为通话时长为10秒以上的数据和通话时长为10秒以下的数据；或根据语音数据中的关键词将数据标记为查询类数据、业务办理类数据、投诉类数据等。
本实施例中获取预设时长内呼叫中心包含的每个坐席的已抽取数据，其中，预设时长可包括上述的一个或几个预设周期，且预设时长大于或等于预设周期；例如，预设周期为一天，预设时长则可一个月；即每个坐席每天产生相应的数据后每天可对每个坐席抽取一定数量的数据，并将每天抽取的数据标记为已抽取数据，当该月结束后即可获取到该月每个坐席的已抽取数据。在其他实施例中，预设周期也可设置为2天、一周或两周等，预设时长也可对应为一周、两周、两个月等，本申请不做具体限定。
获取到的每个坐席的已抽取数据均标记有该已抽取数据的类别，由此，根据获取到的每个坐席的已抽取数据可确定每个坐席的已抽取数据量和已抽取数据的相应类别，表征了每个坐席在该预设时长内已经执行的数据抽取情况。
S120：根据第一指标计算规则，基于多个坐席各自的已抽取数据分别计算本次数据抽取时多个坐席各自的公平性指标。
进一步，本实施例将数据抽取公平性映射成一公平性指标，通过将公平性量化的方式更清晰直接地根据量化的公平性指标选择合适的坐席作为待抽取坐席。基于S110获取到的已抽取数据计算本次数据抽取时，对应于每个坐席的公平性指标，通过对应于每个坐席的公平性指标可表征本次若从该坐席抽取数据会对整体坐席的公平性的影响，通过比较每个坐席的公平性指标，即可从多个坐席中选择出相对公平性的影响较好的一个或多个坐席以对选择出的坐席执行本次数据抽取。
进一步，如图2所示，该S120可包括如下步骤：
S121：分别令多个坐席中的每个坐席作为本次数据抽取的待抽取坐席，获取待抽取坐席的待抽取数据量。
本实施例的公平性指标表征的是执行本次数据抽取之后，呼叫中心的所有坐席的整体公平性，换言之，假设不同的坐席来执行本次数据抽取会得到不同的公平性指标。本实施例中分别假设每个坐席作为本次数据抽取的待抽取坐席，进而对每个坐席作为待抽取坐席时的呼叫中心的整体的公平性指标进行计算。本实施例在S110的基础上进一步获取假设的待抽取坐席的待抽取数据量，待抽取数据量即为执行本次数据抽取时需要抽取的数据数量，本实施例以待抽取数据量是1为例，即每次执行数据抽取时仅抽取一条数据。例如，令呼叫中心的n个坐席中的第i个坐席为待抽取坐席，获取执行本次数据抽取时需要对第i个坐席进行数据抽取的待抽取数据量。
进一步，待抽取数据量也可根据数据抽取需求进行设置，例如2条、5条或10条，本申请不做具体限制。本实施例中，获取待抽取坐席的待抽取数据量时，可从待抽取数据源中按待抽取数据量假设随机抽取相应数量的数据，该数据可包括其所属类别；即待抽取数据量可进一步为某一类别数据的待抽取数据量。
S122：根据待抽取坐席的已抽取数据量、待抽取数据量和工作时长计算待抽取坐席的第一抽取指标。
进一步，根据获取的待抽取坐席的已抽取数据量和待抽取数据量，以及该待抽取坐席在预设时长内的工作时长，计算待抽取坐席的第一抽取指标。
具体地，根据上述假设的第i个坐席作为待抽取坐席，S122可采用如下公式计算第一抽取指标：
fetchi＝fetch_counti÷work_counti；
其中，fetchi为第i个坐席的第一抽取指标；fetch_counti为预设时长内的数据抽取量，其中，对待抽取坐席而言，fetch_counti为在预设时长内该坐席的已抽取数据量和本次数据抽取的待抽取数据量之和；work_counti为预设时长内的工作时长(例如，预设时长一个月内第i个坐席工作时长为22天)。由此，即可计算出第i个坐席的第一抽取指标。
S123：根据多个坐席中其他坐席各自的已抽取数据量和工作时长，分别计算多个坐席中其他坐席各自的第一抽取指标。
进一步，对呼叫中心中除假设的待抽取坐席的其他坐席分别计算各自的第一抽取指标。
具体地，该S123中计算第一抽取指标可采用如下公式进行计算：
fetchm＝fetch_countm÷work_countm；
其中，m指呼叫中心中的第m个坐席(除第i个坐席)；fetchm为第m个坐席的第一抽取指标；fetch_countm为第m个坐席在预设时长内的数据抽取量，其中，对除第i个坐席之外的其他坐席而言，fetch_countm为在预设时长内的已抽取数据量；work_countm为第m个坐席在预设时长内的工作时长。由此，即可计算出呼叫中心除待抽取坐席之外的每个坐席的第一抽取指标，进而执行后续公平性指标的计算步骤。
S124：基于待抽取坐席的第一抽取指标和多个坐席中其他坐席各自的第一抽取指标，计算得到待抽取坐席的公平性指标。
进一步，即可根据S122计算得到的fetchi和S123计算得到的除待抽取坐席之外的每个坐席的第一抽取指标计算第i个坐席作为待抽取坐席时的公平性指标。
具体地，如图3所示，S124可包括如下步骤：
S1241：令待抽取坐席的第一抽取指标和多个坐席中其他坐席各自的第一抽取指标组成第一数据集。
根据S122计算得到的fetchi和S123计算得到的除待抽取坐席之外的每个坐席的第一抽取指标fetchm构成第一数据集，本实施例中，第一数据集可以为一个一维数组。
具体地，根据上述计算得到的当第i个坐席作为待抽取坐席时，每个坐席的第一抽取指标构成的第一数据集可为：
arry_fetchi＝[fetch1,fetch2,fetch3,……,fetchi,……,fetchn]。
S1242：计算第一数据集的第一离散程度结果，将得到的第一离散程度结果作为待抽取坐席的公平性指标。
进一步即可根据S1241中的第一数据集arry_fetchi计算该数据集的离散程度结果，该离散程度结果即可作为假设第i个坐席作为待抽取坐席时对应的公平性指标。本实施例中计算第一离散程度结果可采用进行计算极差、方差、标准差或离散系数等计算方式。
进一步，对呼叫中心包含的n个坐席中的其他每个坐席分别执行上述S121至S124的计算步骤，即可得到呼叫中心的每个坐席分别作为待抽取坐席时各自对应的公平性指标，n个坐席即可计算得到n个公平性指标。可以理解的是，公平性指标为离散程度结果，可表征相应数据集中包含的每个数据的接近程度，若离散程度结果越优，则对应的数据集包含的每个数据越接近，换言之，与该公平性指标对应的坐席作为待抽取坐席进行数据抽取能够实现较好的公平性。
S130：基于多个坐席各自的公平性指标，从多个坐席中选择出待抽取坐席。
进一步，根据S120计算得到的n个坐席分别假设为待抽取坐席时的各自对应的n个公平性指标，即可基于n个公平性指标从n个坐席中选择满足预设标准的坐席作为待抽取坐席。本实施例中，预设标准可以为预设阈值、预设范围或最优条件，即从n个坐席中选择满足预设阈值、预设范围或最优条件的坐席作为待抽取坐席。
本实施例中，通过比较上述n个坐席分别假设为待抽取坐席时各自对应的n个公平性指标，即可得到相应的第一比较结果，基于第一比较结果从n个坐席中选择出待抽取坐席。具体地，根据第一比较结果，从n个公平性指标中离散程度结果的数值最小的公平性指标，将离散程度结果的数值最小的公平性指标对应的坐席作为待抽取坐席。可以理解的是，根据本实施例的上述待抽取坐席的选择方法，可能选择出多个离散程度结果相同的待抽取坐席。
S140：从待抽取数据源中抽取待抽取坐席的数据作为待质检数据。
从待抽取数据源中，抽取上述选择出的待抽取坐席进行待质检数据的抽取。进一步，若S130选择出的待抽取坐席多于一个，则本实施例在抽取待质检数据时，随机抽取多个待抽取坐席中的任意一个待抽取坐席的数据作为待质检数据。
进一步，请参阅图4，图4是本申请数据抽取方法第二实施例的流程示意图。本实施例方法至少可包括以下步骤：
S210：获取多个坐席各自的已抽取数据。
S220：根据第一指标计算规则，基于多个坐席各自的已抽取数据分别计算本次数据抽取时多个坐席各自的公平性指标。
本实施例中，该S210和S220分别与图1至图4所示的数据抽取方法第一实施例中的S110和S120相同，此处不再赘述。
S230：根据第二指标计算规则，基于多个坐席各自的已抽取数据分别计算本次数据抽取时多个坐席各自的综合指标。
本实施例中每个坐席的数据均根据其属性进行分类，并根据各自的类别进行类别标记，进一步，将坐席的多个类别的数据抽取指标映射为一综合指标。基于上述S210获取到的已抽取数据计算本次数据抽取时对应于每个坐席的综合指标。其中，综合指标对应于呼叫中心的每个坐席，进而通过对应于每个坐席的综合指标表征对呼叫中心的每个坐席的数据抽取时对每个类别的数据的公平情况，通过比较每个坐席的综合指标，即可从呼叫中心的每个坐席中选择出相对于综合指标较好的一个或多个坐席以执行本次数据抽取。
进一步，如图5所示，S230可包括如下步骤：
S231：分别令多个坐席中的每个坐席作为本次数据抽取的待抽取坐席，获取待抽取坐席的待抽取数据量。
令执行本次数据抽取的坐席为待抽取坐席，为了从每个坐席中选择出综合性较好的一个或多个坐席，则先分别假设每个坐席作为待抽取坐席，进而对每个坐席分别作为待抽取坐席时的综合指标进行计算。本实施例在S210的基础上进一步获取假设的待抽取坐席的待抽取数据量，待抽取数据量即为执行本次数据抽取时需要抽取的相应类别的数据数量。例如，令呼叫中心的n个坐席中的第i个坐席为待抽取坐席，获取执行本次数据抽取时需要对第i个坐席进行数据抽取的第k个类别的待抽取数据量。
进一步，待抽取数据量可根据数据抽取需求进行设置，获取待抽取坐席的待抽取数据量时，可从待抽取数据源中按第k个类别的待抽取数据量假设随机抽取相应类别和相应数量的数据。
S232：根据待抽取坐席的已抽取数据量和待抽取数据量，分别计算待抽取坐席的每个数据类别的第二数据抽取指标。
进一步，根据上述获取的待抽取坐席的已抽取数据量和待抽取数据量计算待抽取坐席的每个数据类别的第二抽取指标。
具体地，以第k个类别的数据为例，上述S232计算第二抽取指标可采用如下公式进行计算：
categoryk i＝(category_countk i÷fetch_counti)÷θ1；
其中，categoryki为第i个坐席的第二抽取指标；category_countk i为第i个坐席的第k个类别的已抽取数据量；fetch_counti为第i个坐席的抽取数据量，其中，对待抽取坐席而言，fetch_counti为在预设时长内该坐席的已抽取数据量和本次数据抽取的待抽取数据量之和；θ1为按预设的第k个类别的数据的抽取占比；进而计算出第i个坐席的m个类别中的的第k个类别的第二抽取指标。进一步，对第i个坐席的其他类别的数据分别执行上述第二抽取指标的计算，由此，计算得到第i个坐席作为待抽取坐席时每个类别的第二抽取指标。
S233：基于待抽取坐席的每个数据类别的第二数据抽取指标，计算得到待抽取坐席的综合指标。
进一步，即可根据S232计算得到的第i个坐席作为待抽取坐席时每个类别的第二抽取指标计算第i个坐席作为待抽取坐席时的综合指标。
具体地，如图6所示，S233可包括如下步骤：
S2331：令待抽取坐席的每个数据类别的第二数据抽取指标组成第二数据集。
根据上述S232计算得到的第i个坐席作为待抽取坐席时其每个类别的第二抽取指标构成第二数据集，本实施例中，第一数据集可以为一个一维数组。
具体地，根据上述计算得到的当第i个坐席作为待抽取坐席时其每个类别的第二抽取指标构成第二数据集可为：
arry_categoryi＝[category1 i,Category2 i,Category3 i,……,Categorym i]。
S2332：计算第二数据集的第二离散程度结果，得第二离散程度结果作为对应于待抽取坐席的综合指标。
进一步即可根据S2331中的第二数据集arry_categoryi计算该数据集的离散程度结果，该离散程度结果即可作为其第i个坐席作为待抽取坐席时的综合指标。本实施例中计算第二离散程度结果可采用进行计算极差、方差、标准差或离散系数等计算方式。
进一步，对呼叫中心包含的n个坐席中的其他每个坐席分别执行上述综合指标的计算步骤，即可得到呼叫中心的每个坐席分别假设为待抽取坐席时各自的综合指标。
S240：基于多个坐席各自的公平性指标和多个坐席各自的综合指标，从多个坐席中选择出待抽取坐席。
进一步，根据上述计算得到的n个坐席分别假设为待抽取坐席时的各自的公平性指标和综合指标，即可基于n个公平性指标和综合指标，从n个坐席中选择满足预设标准的坐席作为待抽取坐席。本实施例中，预设标准可以为预设阈值、预设范围或最优条件，即从n个坐席中选择满足预设阈值、预设范围或最优条件的坐席作为待抽取坐席。
本实施例中，通过比较上述n个坐席分别假设为待抽取坐席时的各自对应的公平性指标和综合指标，即可得到相应的第二比较结果，基于第二比较结果从n个坐席中选择出待抽取坐席。具体地，根据第一比较结果，从n个公平性指标中选择出离散程度结果的数值最小的公平性指标，即选择出公平性最优的坐席；进一步，从公平性最优的坐席中选择出离散程度结果的数值最小的综合指标，将选择出的公平性指标的数值和综合指标的数值均为最小的坐席作为待抽取坐席。可以理解的是，根据本实施例的上述待抽取坐席的选择方法，可能选择出多个待抽取坐席。
S250：从待抽取数据源中抽取待抽取坐席的数据作为待质检数据。
从待抽取数据源中，抽取上述选择出的待抽取坐席进行待质检数据的抽取。进一步，若S240选择出的待抽取坐席不止一个，则本实施例可在抽取待质检数据时，随机抽取多个待抽取坐席中的任意一个待抽取坐席的数据作为待质检数据。
进一步，请参阅图7，图7是本申请数据抽取方法第三实施例的流程示意图。本实施例方法是在图4～图6所示的数据抽取方法第二实施例的基础上改进得到的，如图7所示，本实施例在S250之后还包括如下步骤：
S260：在待抽取数据库中删除抽取的待质检数据，并根据抽取的待质检数据更新数据抽取参数。
本实施例为避免已经抽取的数据被重复抽取，则在S250抽取了待质检数据之后，在待抽取数据库中将该数据进行删除，并相应根据待质检数据更新数据抽取参数。
本实施例中，数据抽取参数可以为预设的需要抽取的数据总量，每次抽取了待质检数据后，根据抽取出的待质检数据的数据量，将数据抽取参数减去抽取出的待质检数据的数据量，得到更新后的数据抽取参数。本实施例假设数据抽取参数为P，以每次抽取1条待质检数据为例，当抽取了1条待质检数据后将数据抽取参数减去1，得到更新后的数据抽取参数P-1。在其他实施例中，数据抽取参数也可以为数据抽取的循环次数，则每次抽取了待质检数据后，将数据抽取参数相应减1。
S270：根据更新后的数据抽取参数判断是否满足迭代条件。
本实施例的迭代条件为更新后的数据抽取参数是否不为零；即根据S260得到的更新后的数据抽取参数，判断更新后的数据抽取参数是否不为零，若是，则返回S210以执行下一次的数据抽取。
S280：结束流程。
若更新后的数据抽取参数为零，则说明已经完成了数据抽取需求，则结束流程。
进一步，请参阅图8，如图8所示，S210进一步包括：
S211：遍历用于存储已抽取数据的统计数据池，根据遍历结果获取多个坐席各自的已抽取数据。
本实施例中设置有统计数据池，用于存储各个坐席在预设时长内的已抽取数据，进而可通过遍历统计数据池已获取呼叫中心的各个坐席的已抽取数据，进而执行上述公平性指标和综合指标的计算完成数据抽取。
此时，在S250之后还包括如下步骤：
S290：将待质检数据作为已抽取数据存储至统计数据池中。
此时，当S250抽取了待质检数据之后，进一步将该待质检数据作为已抽取数据存入统计数据池中，统计数据池可得以更新，以便下一次进行数据抽取而执行获取各个坐席的已抽取数据时，将本次抽取的数据作为已抽取数据进行计算，即将每次获取各个坐席的已抽取数据时能够基于上一次数据抽取的结果作为计算基础，以避免数据统计出现断层而导致后续的公平性指标和综合指标的计算出现较大误差。
进一步，上述S260和S290均为在S250之后对待质检数据执行的步骤，两者没有必然的先后执行顺序。
进一步，通过上述方案完成待质检数据的抽取后，将待质检数据发送至质检部分对应的服务器，由质检人员调取以进行质检，可以理解的是，质检人员可能并不会对全部的待质检数据进行质检，可能仅是部分待质检数据进行质检；由此，当质检人员完成质检后，根据质检情况将抽取的待质检数据分为未质检数据和质检数据进行数据统计，并将统计结果反馈回统计数据池，以使从统计数据池中查找到未质检数据，将未质检数据从统计数据池中删除。由此，即可进一步令下一次数据抽取时可基于本次的质检情况作为数据抽取基础，且可令未质检数据能够返回待抽取数据源中以参与下一次数据抽取，如此循环直至数据抽取参数等于零停止流程，相应的工作流程可如图9所示。
进一步，请参阅图10，图10是本申请数据抽取方法第五实施例的流程示意图。如图10所示，本实施例方法至少包括如下步骤：
S510：获取多个坐席各自的已抽取数据。
S520：根据第一指标计算规则，基于多个坐席各自的已抽取数据分别计算本次数据抽取时多个坐席各自的公平性指标。
本实施例中，该S510和S520分别与图1至图4所示的数据抽取方法第一实施例中的S110和S120相同，此处不再赘述。
S530：基于多个坐席各自的公平性指标，从多个坐席中选择出至少两个意向待抽取坐席。
本实施例的S530与图1至图4所示的数据抽取方法第一实施例中的S130相似，即根据S520计算得到的n个坐席分别假设为待抽取坐席时的各自对应的n个公平性指标，即可基于n个公平性指标从n个坐席中选择满足预设标准的坐席作为意向待抽取坐席。本实施例中，当基于公平性指标从n个坐席中选择出的坐席大于或等于两个时，则将基于公平性指标选择出的坐席定义为意向待抽取坐席。
其中，预设标准可以为预设阈值、预设范围或最优条件，即从n个坐席中选择满足预设阈值、预设范围或最优条件的坐席作为意向待抽取坐席。
本实施例中可令公平性指标为上述第一离散程度结果，即比较n个坐席分别假设为待抽取坐席时计算得到的n个第一离散程度结果，得到相应的第一比较结果，根据第一比较结果选择第一离散程度结果的数值满足预设标准的至少两个意向待抽取坐席。
S540：根据第二指标计算规则，基于至少两个意向待抽取坐席各自的已抽取数据分别计算本次数据抽取时至少两个意向待抽取坐席各自的综合指标。
进一步，根据第二指标计算规则，对上述S530中选择出的意向待抽取坐席分别计算各自的综合指标。具体地，根据第二指标计算规则对意向待抽取坐席分别计算各自的综合指标的方式可参见图5中S230的说明，即分别令每个意向待抽取坐席作为本次数据抽取的待抽取坐席，获取待抽取坐席的待抽取数据量；根据待抽取坐席的已抽取数据量和待抽取数据量，分别计算待抽取坐席的每个数据类别的第二数据抽取指标；基于待抽取坐席的每个数据类别的第二数据抽取指标，计算得到待抽取坐席的综合指标，具体的计算方式与图5至图6所示的S230计算方式相同，此处不再赘述。
S550：基于至少两个意向待抽取坐席各自的综合指标，从至少两个意向待抽取坐席中选择出待抽取坐席。
基于S540计算得到的选择出的意向待抽取坐席各自的综合指标，从选择出的意向待抽取坐席中最终选择出相应的待抽取坐席。本实施例中令综合指标为上述的至少两个意向待抽取坐席分别作为待抽取坐席时计算得到的第二离散程度结果，比较每个意向待抽取坐席分别作为待抽取坐席时计算得到的第二离散程度结果得到相应的第三比较结果，基于第三比较结果从至少两个意向待抽取坐席中选择出待抽取坐席，本实施例基于第三比较结果从至少两个意向待抽取坐席中选择出第二离散程度结果的数值满足预设标准的意向待抽取坐席作为待抽取坐席。其中，预设标准可以为预设阈值、预设范围或最优条件。
S560：从待抽取数据源中抽取待抽取坐席的数据作为待质检数据。
从待抽取数据源中，抽取上述选择出的待抽取坐席进行待质检数据的抽取。进一步，若S550选择出的待抽取坐席不止一个，则本实施例可在抽取待质检数据时，随机抽取多个待抽取坐席中的任意一个待抽取坐席的数据作为待质检数据。
本实施例通过在利用公平性指标选择出意向待抽取坐席后，对选择出的意向待抽取坐席计算各自的综合指标，进而利用综合指标从意向待抽取坐席中选择出合适的待抽取坐席。由此，即保证了数据抽取的公平性，又可相对的减少计算量，提高坐席确定的效率。
进一步，本实施例也可结合图7所示的数据抽取方法第三实施例，在S560抽取了待质检数据后，进一步执行图7所示的S260至S280的步骤内容。此外，也可结合图8所示的数据抽取方法第四实施例，令S510通过遍历用于存储已抽取数据的统计数据池，根据遍历结果获取多个坐席各自的已抽取数据。相应的工作流程可如图11所示。
请参阅图12，图12是本申请数据抽取设备一实施例的结构示意图。本实施例中，该数据抽取设备300包括存储器302和处理器301，其中，数据抽取设备300的各个组件可通过总线耦合在一起，或者数据抽取设备300的处理器301分别与其他组件一一连接。
存储器302用于存储处理器301执行的程序指令以及处理器301在处理过程中的数据，其中，该存储器302包括非易失性存储部分，用于存储上述程序指令。
处理器301控制数据抽取设备300的操作，处理器301还可以称为CPU(CentralProcessing Unit，中央处理单元)。处理器301可能是一种集成电路芯片，具有信号的处理能力。处理器301还可以是通用处理器301、数字信号处理器301(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器301可以是微处理器301或者该处理器301也可以是任何常规的处理器301等。
在本实施例中，处理器301通过调用存储器302存储的程序指令，用于：获取多个坐席各自的已抽取数据；根据第一指标计算规则，基于多个坐席各自的已抽取数据分别计算本次数据抽取时多个坐席各自的公平性指标；基于多个坐席各自的公平性指标，从多个坐席中选择出待抽取坐席；从待抽取数据源中抽取待抽取坐席的数据作为待质检数据。
在某些实施例中，处理器301执行根据第一指标计算规则，基于多个坐席各自的已抽取数据分别计算本次数据抽取时多个坐席各自的公平性指标，具体包括：分别令多个坐席中的每个坐席作为本次数据抽取的待抽取坐席，并对待抽取坐席执行至少以下步骤：获取待抽取坐席的待抽取数据量；根据待抽取坐席的已抽取数据量、待抽取数据量和工作时长计算待抽取坐席的第一抽取指标；根据多个坐席中其他坐席各自的已抽取数据量和工作时长，分别计算多个坐席中其他坐席各自的第一抽取指标；基于待抽取坐席的第一抽取指标和多个坐席中其他坐席各自的第一抽取指标，计算得到待抽取坐席的公平性指标。
在某些实施例中，处理器301执行基于待抽取坐席的第一抽取指标和多个坐席中其他坐席各自的第一抽取指标，计算得到待抽取坐席的公平性指标，具体包括：由待抽取坐席的第一抽取指标和多个坐席中其他坐席各自的第一抽取指标组成第一数据集；计算第一数据集的第一离散程度结果，将得到的第一离散程度结果作为待抽取坐席的公平性指标。
在某些实施例中，处理器301执行基于多个坐席各自的公平性指标，从多个坐席中选择出待抽取坐席，具体包括：比较多个坐席分别作为待抽取坐席时计算得到的第一离散程度结果得到第一比较结果，基于第一比较结果从多个坐席中选择出待抽取坐席。
在另一实施例中，该数据抽取设备300的处理器301还用于执行上述任一实施例的数据抽取方法。
请参阅图13，图13是本申请数据抽取装置一实施例的结构示意图。如图13所示，本实施例的数据抽取装置400包括获取模块401、第一计算模块402、选择模块404和抽取模块405。
获取模块401，用于获取多个坐席各自的已抽取数据；
第一计算模块402，用于根据第一指标计算规则，基于多个坐席各自的已抽取数据分别计算本次数据抽取时多个坐席各自的公平性指标；
选择模块404，用于基于多个坐席各自的公平性指标，从多个坐席中选择出待抽取坐席；
抽取模块405，用于从待抽取数据源中抽取待抽取坐席的数据作为待质检数据。
在某些实施例中，第一计算模块402包括：
第一坐席设置模块，用于分别令多个坐席中的每个坐席作为本次数据抽取的待抽取坐席，获取待抽取坐席的待抽取数据量；
第一抽取指标计算模块，用于根据多个坐席中其他坐席各自的已抽取数据量和工作时长，分别计算多个坐席中其他坐席各自的第一抽取指标。
公平性指标计算模块，用于基于待抽取坐席的第一抽取指标和多个坐席中其他坐席各自的第一抽取指标计算待抽取坐席的公平性指标。
进一步，公平性指标计算模块可包括：
第一数据模块，用于令待抽取坐席的第一抽取指标和多个坐席中其他坐席各自的第一抽取指标组成第一数据集；
第一离散程度计算模块，用于计算第一数据集的第一离散程度结果，将得到的第一离散程度结果作为待抽取坐席的公平性指标。
本实施例中，选择模块404进一步用于比较多个坐席分别作为待抽取坐席时计算得到的第一离散程度结果得到第一比较结果，基于第一比较结果从多个坐席中选择出待抽取坐席。
在某些实施例中，数据抽取装置400还包括第二计算模块403，第二计算模块403用于根据第二指标计算规则，基于多个坐席各自的已抽取数据分别计算本次数据抽取时多个坐席各自的综合指标。
本实施例中，选择模块404进一步用于基于多个坐席各自的公平性指标和多个坐席各自的综合指标，从多个坐席中选择出待抽取坐席。
在某些实施例中，第二计算模块403包括：
第二坐席设置模块，用于分别令多个坐席中的每个坐席作为本次数据抽取的待抽取坐席，获取待抽取坐席的待抽取数据量；
第二抽取指标计算模块，用于根据待抽取坐席的已抽取数据量和待抽取数据量，分别计算待抽取坐席的每个数据类别的第二数据抽取指标；
综合指标计算模块，用于基于待抽取坐席的每个数据类别的第二数据抽取指标，计算得到待抽取坐席的综合指标。
进一步，综合指标计算模块可包括：
第二数据模块，用于令待抽取坐席的每个数据类别的第二数据抽取指标组成第二数据集；
第二离散程度计算模块，用于计算第二数据集的第二离散程度结果，得第二离散程度结果作为对应于待抽取坐席的综合指标。
本实施例中，选择模块404进一步用于比较多个坐席分别作为待抽取坐席时计算得到的第二离散程度结果得到第二比较结果，基于第二比较结果和多个坐席各自的公平性指标，从多个坐席中选择出待抽取坐席。
其中，上述数据抽取装置400各模块具体描述可参阅上述实施例方法的相关步骤。
请参阅图14，本申请还提供一种存储装置的实施例的结构示意图。如图14所示，本实施例的存储装置500中存储有能够被执行的计算机指令501，该计算机指令501被执行能够实现上述实施例中的方法。
该存储装置500具体可以为U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等可以存储程序指令的介质，或者也可以为存储有该计算机指令的服务器，该服务器可将存储的计算机指令发送给其他设备运行，或者也可以自运行该存储的计算机指令。
在一实施例中，存储装置500还可以为如图12所示的存储器302。
上述方案，通过在执行数据抽取时，对各个坐席的各个类别的数据的抽取指标映射成表征数据离散程度的指标，进而通过映射的指标进而待抽取坐席的选择，完成待质检数据的抽取，提高了数据抽取的公平性；且上述方案的数据抽取过程可以不需要过多的人为参与，避免了数据量较大时由于人为疏忽而导致抽取、统计错误。进一步，上述方案可在执行数据抽取时完成数据抽取统计，进而节省了对数据抽取进行数据统计的人力成本。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种数据抽取方法，其特征在于，包括：
获取多个坐席各自的已抽取数据；
分别将所述多个坐席中的每个坐席作为待抽取坐席，以及确定所述待抽取坐席的公平性指标；其中，所述待抽取坐席的公平性指标的确定方式，包括：根据所述待抽取坐席的第一抽取指标和所述多个坐席中其他坐席各自的第一抽取指标，确定所述待抽取坐席的公平性指标，所述待抽取坐席的第一抽取指标是根据所述待抽取坐席的已抽取数据量、待抽取数据量和工作时长计算得到，所述其他坐席各自的第一抽取指标是根据所述其他坐席各自的已抽取数据量和工作时长计算得到；所述待抽取坐席的公平性指标表征所述待抽取坐席对应的数据集的离散程度，所述待抽取坐席对应的数据集包含每个待抽取坐席的第一抽取指标；
基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出最终的待抽取坐席；
从待抽取数据源中，抽取最终的所述待抽取坐席的数据作为待质检数据。
2.根据权利要求1所述的数据抽取方法，其特征在于，所述根据所述待抽取坐席的第一抽取指标和所述多个坐席中其他坐席各自的第一抽取指标，确定所述待抽取坐席的公平性指标，包括：
将所述待抽取坐席的第一抽取指标和所述多个坐席中其他坐席各自的第一抽取指标组成第一数据集；
计算所述第一数据集的第一离散程度结果，将得到的第一离散程度结果作为所述待抽取坐席的公平性指标；
和/或
所述基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出最终的待抽取坐席，包括：
比较所述多个坐席分别作为待抽取坐席时计算得到的第一离散程度结果得到第一比较结果，基于所述第一比较结果从所述多个坐席中选择出最终的待抽取坐席。
3.根据权利要求1所述的数据抽取方法，其特征在于，
在所述获取多个坐席各自的已抽取数据之后，还包括：
根据第二指标计算规则，基于所述多个坐席各自的已抽取数据分别计算本次数据抽取时所述多个坐席各自的综合指标；
所述基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出最终的待抽取坐席，包括：
基于所述多个坐席各自的公平性指标和所述多个坐席各自的综合指标，从所述多个坐席中选择出最终的待抽取坐席。
4.根据权利要求1所述的数据抽取方法，其特征在于，
所述基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出最终的待抽取坐席，包括：
基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出至少两个意向待抽取坐席；
根据第二指标计算规则，基于所述至少两个意向待抽取坐席各自的已抽取数据分别计算本次数据抽取时所述至少两个意向待抽取坐席各自的综合指标；
基于所述至少两个意向待抽取坐席各自的综合指标，从所述至少两个意向待抽取坐席中选择出最终的待抽取坐席。
5.根据权利要求3或4所述的数据抽取方法，其特征在于，
所述第二指标计算规则为：
分别令所述多个坐席或至少两个意向待抽取坐席中的每个坐席作为本次数据抽取的待抽取坐席，并对所述待抽取坐席执行至少以下步骤：
获取所述待抽取坐席的待抽取数据量；
根据所述待抽取坐席的已抽取数据量和待抽取数据量，分别计算所述待抽取坐席的每个数据类别的第二数据抽取指标；
基于所述待抽取坐席的每个数据类别的第二数据抽取指标，计算得到所述待抽取坐席的综合指标；
其中，所述至少两个意向待抽取坐席基于所述多个坐席各自的公平性指标从所述多个坐席中选择得到。
6.根据权利要求5所述的数据抽取方法，其特征在于，
所述基于所述待抽取坐席的每个数据类别的第二数据抽取指标，计算得到所述待抽取坐席的综合指标，包括：
令所述待抽取坐席的每个数据类别的第二数据抽取指标组成第二数据集；
计算所述第二数据集的第二离散程度结果，得所述第二离散程度结果作为对应于所述待抽取坐席的综合指标；
和/或
所述基于所述多个坐席各自的公平性指标和所述多个坐席各自的综合指标，从所述多个坐席中选择出待抽取坐席，包括：
比较所述多个坐席分别作为待抽取坐席时计算得到的第二离散程度结果得到第二比较结果，基于所述第二比较结果和所述多个坐席各自的公平性指标，从所述多个坐席中选择出待抽取坐席；
或
所述基于所述至少两个意向待抽取坐席各自的综合指标，从所述至少两个意向待抽取坐席中选择出待抽取坐席，包括：
比较所述至少两个意向待抽取坐席分别作为待抽取坐席时计算得到的第二离散程度结果得到第三比较结果，基于所述第三比较结果，从所述至少两个意向待抽取坐席中选择出待抽取坐席。
7.根据权利要求1所述的数据抽取方法，其特征在于，
所述获取多个坐席各自的已抽取数据，包括：
遍历用于存储已抽取数据的统计数据池，根据遍历结果获取多个坐席各自的已抽取数据；
所述从待抽取数据源中抽取所述待抽取坐席的数据作为待质检数据之后，还包括：
将所述待质检数据作为已抽取数据存储至所述统计数据池中。
8.一种数据抽取装置，其特征在于，包括：
获取模块，用于获取多个坐席各自的已抽取数据；
计算模块，用于分别将所述多个坐席中的每个坐席作为待抽取坐席，以及确定所述待抽取坐席的公平性指标；其中，所述待抽取坐席的公平性指标的确定方式，包括：根据所述待抽取坐席的第一抽取指标和所述多个坐席中其他坐席各自的第一抽取指标，确定所述待抽取坐席的公平性指标，所述待抽取坐席的第一抽取指标是根据所述待抽取坐席的已抽取数据量、待抽取数据量和工作时长计算得到，所述其他坐席各自的第一抽取指标是根据所述其他坐席各自的已抽取数据量和工作时长计算得到；所述待抽取坐席的公平性指标表征所述待抽取坐席对应的数据集的离散程度，所述待抽取坐席对应的数据集包含每个待抽取坐席的第一抽取指标；
选择模块，用于基于所述多个坐席各自的公平性指标，从所述多个坐席中选择出待抽取坐席；
抽取模块，用于从待抽取数据源中抽取所述待抽取坐席的数据作为待质检数据。
9.一种数据抽取设备，其特征在于，包括相互连接的存储器和处理器；
所述存储器用于存储所述处理器执行的计算机指令；
所述处理器用于执行所述计算机指令以实现权利要求1~7任意一项所述的数据抽取方法。
10.一种存储装置，其特征在于，所述存储装置存储有计算机指令，所述计算机指令能够被执行以实现权利要求1~7任意一项所述的数据抽取方法。
CN201811519629.1A 2018-12-12 2018-12-12 一种数据抽取方法及设备和相关装置 Active CN111311041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811519629.1A CN111311041B (zh) 2018-12-12 2018-12-12 一种数据抽取方法及设备和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811519629.1A CN111311041B (zh) 2018-12-12 2018-12-12 一种数据抽取方法及设备和相关装置

Publications (2)

Publication Number Publication Date
CN111311041A CN111311041A (zh) 2020-06-19
CN111311041B true CN111311041B (zh) 2024-02-20

Family

ID=71149235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811519629.1A Active CN111311041B (zh) 2018-12-12 2018-12-12 一种数据抽取方法及设备和相关装置

Country Status (1)

Country Link
CN (1) CN111311041B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998052341A1 (en) * 1997-05-12 1998-11-19 Teknekron Infoswitch Corporation Method and system for monitoring call center service representatives
CN101005540A (zh) * 2006-01-19 2007-07-25 北京讯鸟软件有限公司 实现坐席服务水平评价的呼叫中心服务方法
CN101662550A (zh) * 2009-09-11 2010-03-03 中兴通讯股份有限公司 呼叫中心服务质量检测方法及系统
CN101815134A (zh) * 2009-02-20 2010-08-25 华为技术有限公司 客户服务质检方法、装置及系统
CN102156907A (zh) * 2010-02-11 2011-08-17 中国科学院计算技术研究所 面向qa系统的质检方法
CN103584872A (zh) * 2013-10-29 2014-02-19 燕山大学 一种基于多生理参数融合的心理压力评估方法
US8787552B1 (en) * 2013-01-31 2014-07-22 Xerox Corporation Call center issue resolution estimation based on probabilistic models
WO2015007107A1 (zh) * 2013-07-18 2015-01-22 中兴通讯股份有限公司 一种对客服人员的服务质量进行质检的装置及方法
CN105184315A (zh) * 2015-08-26 2015-12-23 北京中电普华信息技术有限公司 一种质检处理方法及系统
CN105956940A (zh) * 2016-06-02 2016-09-21 广东电网有限责任公司 一种电力服务热线质检抽样方法及系统
CN106776806A (zh) * 2016-11-22 2017-05-31 广东电网有限责任公司佛山供电局 呼叫中心质检语音的评分方法和系统
CN107578331A (zh) * 2017-09-19 2018-01-12 马上消费金融股份有限公司 一种贷后风险监控的方法和系统
CN107798461A (zh) * 2017-09-15 2018-03-13 平安科技（深圳）有限公司 坐席监控方法、装置、设备及计算机可读存储介质
CN107995292A (zh) * 2017-12-05 2018-05-04 江苏飞视文化发展有限公司 一种会议文件传送的标记控制方法
CN108174046A (zh) * 2017-11-10 2018-06-15 大连金慧融智科技股份有限公司 一种用于呼叫中心的人员监控系统及方法
CN108399266A (zh) * 2018-03-23 2018-08-14 广州爱九游信息技术有限公司 数据抽取方法、装置、电子设备及计算机可读存储介质
CN108763499A (zh) * 2018-05-30 2018-11-06 平安科技（深圳）有限公司 基于智能语音的呼叫质检方法、装置、设备及存储介质
US10147058B1 (en) * 2012-09-07 2018-12-04 Noble Systems Corporation Monitoring schedule adherence of call center agents
CN108989588A (zh) * 2018-08-08 2018-12-11 携程旅游信息技术（上海）有限公司 呼叫分配方法、呼叫中心、电子设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130230160A1 (en) * 1997-02-10 2013-09-05 Igor Neyman Call and data correspondence in a call-in center employing virtual restructuring for computer telephony integrated functionality
US8180042B2 (en) * 2007-08-17 2012-05-15 Accenture Global Services Limited Agent communications tool for coordinated distribution, review, and validation of call center data
US8589384B2 (en) * 2010-08-25 2013-11-19 International Business Machines Corporation Methods and arrangements for employing descriptors for agent-customer interactions

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998052341A1 (en) * 1997-05-12 1998-11-19 Teknekron Infoswitch Corporation Method and system for monitoring call center service representatives
CN101005540A (zh) * 2006-01-19 2007-07-25 北京讯鸟软件有限公司 实现坐席服务水平评价的呼叫中心服务方法
CN101815134A (zh) * 2009-02-20 2010-08-25 华为技术有限公司 客户服务质检方法、装置及系统
CN101662550A (zh) * 2009-09-11 2010-03-03 中兴通讯股份有限公司 呼叫中心服务质量检测方法及系统
CN102156907A (zh) * 2010-02-11 2011-08-17 中国科学院计算技术研究所 面向qa系统的质检方法
US10147058B1 (en) * 2012-09-07 2018-12-04 Noble Systems Corporation Monitoring schedule adherence of call center agents
US8787552B1 (en) * 2013-01-31 2014-07-22 Xerox Corporation Call center issue resolution estimation based on probabilistic models
WO2015007107A1 (zh) * 2013-07-18 2015-01-22 中兴通讯股份有限公司 一种对客服人员的服务质量进行质检的装置及方法
CN103584872A (zh) * 2013-10-29 2014-02-19 燕山大学 一种基于多生理参数融合的心理压力评估方法
CN105184315A (zh) * 2015-08-26 2015-12-23 北京中电普华信息技术有限公司 一种质检处理方法及系统
CN105956940A (zh) * 2016-06-02 2016-09-21 广东电网有限责任公司 一种电力服务热线质检抽样方法及系统
CN106776806A (zh) * 2016-11-22 2017-05-31 广东电网有限责任公司佛山供电局 呼叫中心质检语音的评分方法和系统
CN107798461A (zh) * 2017-09-15 2018-03-13 平安科技（深圳）有限公司 坐席监控方法、装置、设备及计算机可读存储介质
CN107578331A (zh) * 2017-09-19 2018-01-12 马上消费金融股份有限公司 一种贷后风险监控的方法和系统
CN108174046A (zh) * 2017-11-10 2018-06-15 大连金慧融智科技股份有限公司 一种用于呼叫中心的人员监控系统及方法
CN107995292A (zh) * 2017-12-05 2018-05-04 江苏飞视文化发展有限公司 一种会议文件传送的标记控制方法
CN108399266A (zh) * 2018-03-23 2018-08-14 广州爱九游信息技术有限公司 数据抽取方法、装置、电子设备及计算机可读存储介质
CN108763499A (zh) * 2018-05-30 2018-11-06 平安科技（深圳）有限公司 基于智能语音的呼叫质检方法、装置、设备及存储介质
CN108989588A (zh) * 2018-08-08 2018-12-11 携程旅游信息技术（上海）有限公司 呼叫分配方法、呼叫中心、电子设备和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于公平性的云联络中心排班模型研究;王晓娜;李军祥;;电信工程技术与标准化(第02期);全文 *
电力95598客户服务质检抽样算法研究;刘建;赵加奎;杨维;顾国栋;李娟;何维民;方红旺;欧阳红;;电网技术(第11期);3163-3168 *
统计学在呼叫中心质量监控中的运用;刘益琳;陈骥明;;科技视界(第36期);全文 *
高校设备采购专家抽取和语音通知系统的构建;童吉;实验技术与管理;第30卷(第5期);第219-221页 *

Also Published As

Publication number Publication date
CN111311041A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN109615129B (zh) 房地产客户成交概率预测方法、服务器及计算机存储介质
CN109274842B (zh) 客服水平波动的关键因素定位方法、装置及设备
CN106485409A (zh) 一种工作量评估装置和方法
US20050278301A1 (en) System and method for determining an optimized process configuration
CN110427358B (zh) 数据清洗方法及装置和信息推荐方法及装置
CN107679766B (zh) 一种群智任务动态冗余调度方法及装置
CN114140152A (zh) 一种云平台客户管理系统及方法
CN111311041B (zh) 一种数据抽取方法及设备和相关装置
CN111190817B (zh) 软件缺陷的处理方法及装置
Rahman et al. A Risk Model of Requirements Change Impact Analysis.
Walter et al. Atlantic bigeye tuna stock synthesis projections and kobe 2 matrices
Kusa et al. Vombat: A tool for visualising evaluation measure behaviour in high-recall search tasks
CN110930106A (zh) 线上面试系统的信息处理方法、装置和系统
CN108805458A (zh) 一种企业技术竞争力评估方法及装置
Ryan et al. 9.5. 1 Characterizing the Accuracy of DoD Operating & Support Cost Estimates
TWI695285B (zh) 基於系統程式架構之迴歸測試方法及系統
CN112396430A (zh) 用于企业评价的处理方法及系统
CN109165238B (zh) 一种用于生成周期指标数据的数据处理方法及装置
KR101774759B1 (ko) 후방인용 기반의 기술수명지수 데이터베이스 생성 방법 및 이를 이용한 등록특허의 수익 예상 기간 산정 방법
CN112199269A (zh) 一种数据处理的方法以及相关装置
CN113951169B (zh) 生长性能测定模型的训练方法、测定方法及装置
CN111105059B (zh) 属性冲突发现方法、装置和计算机可读存储介质
CN114692647A (zh) 一种数据处理方法、装置、设备及介质
CN117764423A (zh) 工程效能的度量方法、装置、电子设备和存储介质
CN117522317A (zh) 一种业务流程审批方法、装置、设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant