CN112418975A - 一种业务处理系统、确定业务处理方式的方法及装置 - Google Patents
一种业务处理系统、确定业务处理方式的方法及装置 Download PDFInfo
- Publication number
- CN112418975A CN112418975A CN202011222434.8A CN202011222434A CN112418975A CN 112418975 A CN112418975 A CN 112418975A CN 202011222434 A CN202011222434 A CN 202011222434A CN 112418975 A CN112418975 A CN 112418975A
- Authority
- CN
- China
- Prior art keywords
- service processing
- processing mode
- user
- characteristic value
- service
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 536
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000007405 data analysis Methods 0.000 claims abstract description 53
- 238000012549 training Methods 0.000 claims description 31
- 238000012512 characterization method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 description 61
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006257 total synthesis reaction Methods 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Telephonic Communication Services (AREA)
Abstract
本说明书公开一种业务处理系统、确定业务处理方式的方法及装置,业务处理系统通过数据分析子系统获取用户对应的用户信息,针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式。根据用户信息,预测用户对第一业务处理方式接受程度的第一表征值,预测用户对第二处理方式接受程度的第二表征值,并确定该用户对应的通话接通率。根据第一表征值、至少一个第二表征值以及通话接通率,确定用户只接受第一业务处理方式的综合表征值并发送给决策子系统,若决策子系统确定综合表征值不小于设定表征值,采用第一业务处理方式为用户执行业务,从而给用户提供合理的业务处理方式。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种业务处理系统、确定业务处理方式的方法及装置。
背景技术
随着信息技术的不断发展,业务平台可以提供给用户多种多样的服务,为了便于用户体验业务平台中的服务,业务平台可以向用户推荐合适的服务。
当前,业务平台可以通过多种业务处理方式进行业务执行。例如,在商品推荐场景中,若需要向用户推荐业务平台中的商品,则业务平台可以选择向用户发送短信的方式,向用户发送包含有该商品信息的短信,以完成商品推荐,其中,这里提到的发送短信的方式,则是在向用户进行商品推荐时业务平台所选择出的业务处理方式。再例如,在借款业务场景中,若需要针对用户进行催收,可以通过向用户拨打包含有催收信息的语音通话(如,互动式语音应答(Interactive Voice Response,IVR)形式的语音通话)进行催收,其中,语音通话的方式即为在向用户催收时业务平台所选择的业务处理方式。
发明内容
本说明书提供一种业务处理系统、确定业务处理方式的方法及装置,以用于确定为用户执行业务的业务处理方式。
本说明书采用下述技术方案:
本说明书提供了一种业务处理系统,包括:数据分析子系统以及决策子系统;
所述数据分析子系统,通过预设的业务接口,获取用户对应的用户信息,针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式,根据所述用户信息,预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及预测所述用户对所述第二业务处理方式接受程度的表征值,作为第二表征值,并确定所述用户对应的通话接通率,根据所述第一表征值、至少一个第二表征值以及所述通话接通率,确定所述用户只接受所述第一业务处理方式的综合表征值,并将所述综合表征值发送给所述决策子系统;
所述决策子系统,接收所述数据分析子系统发送的所述综合表征值,若确定所述综合表征值不小于设定表征值,采用所述第一业务处理方式为所述用户执行业务。
可选地,所述决策子系统,若确定所述综合表征值小于所述设定表征值,针对除所述第一业务处理方式以外的每个其他业务处理方式,判断从所述数据分析子系统中获取到的该其他业务处理方式的综合表征值是否不小于所述设定表征值;若确定该其他业务处理方式的综合表征值不小于所述设定表征值,采用该其他业务处理方式为所述用户执行业务。
可选地,所述数据分析子系统,根据所述至少一个第二表征值以及所述通话接通率,确定针对所述第一业务处理方式的条件系数;根据所述第一表征值与所述条件系数,确定所述综合表征值。
可选地,所述数据分析子系统,从所述用户对应的用户信息中提取出特征信息;将所述特征信息输入到预先训练的第一模型,以确定所述用户对应的通话接通率。
可选地,所述业务处理系统还包括:第一模型训练子系统;
所述第一模型训练子系统,获取指定用户在历史上的通话接通次数,以及在历史上针对所述指定用户的通话呼叫次数;根据所述通话接通次数以及所述通话呼叫次数,确定所述指定用户在历史上的通话接通率,作为标注数据;从所述指定用户的用户信息中提取出特征信息,并将所述特征信息输入到所述第一模型中,得到针对所述指定用户预测出的通话接通率;以最小化所述预测出的通话接通率与所述标注数据之间的差异为优化目标,对所述第一模型进行训练。
可选地,所述数据分析子系统,从所述用户对应的用户信息中提取出特征信息;将所述特征信息以及所述第一业务处理方式对应的处理方式标识输入到预先训练的第二模型中,以预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及将所述特征信息和所述第二业务处理方式对应的处理方式标识输入到预先训练的第二模型中,以预测所述用户对所述第二业务处理方式接受程度的表征值,作为第二表征值。
可选地,所述业务处理系统还包括:第二模型训练子系统;
所述第二模型训练子系统,获取指定用户针对所述各业务处理方式的业务记录;针对每个业务处理方式,根据所述业务记录,确定所述指定用户基于该业务处理方式执行业务处理的执行结果;确定所述指定用户基于该业务处理方式执行业务处理时所对应的用户信息,作为目标用户信息,并从所述目标用户信息中提取出特征信息;将所述特征信息以及该业务处理方式对应的处理方式标识输入到所述第二模型中,以预测所述指定用户对该业务处理方式接受程度的表征值,作为预测表征值;以最小化所述预测表征值与所述执行结果之间的差异为优化目标,对所述第二模型进行训练。
可选地,在针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式之前,所述数据分析子系统,将预设的各业务处理方式按照所述各业务处理方式对应的业务损耗值进行排序,得到排序结果。
可选地,所述数据分析子系统,将所述排序结果中第N个业务处理方式确定为第一业务处理方式,以及将所述排序结果中位于第N个业务处理方式之后的至少一个业务处理方式确定为第二业务处理方式,N为不小于0的整数。
可选地,所述决策子系统,若确定所述第一业务处理方式的综合表征值小于所述设定表征值,向所述数据分析子系统发送获取请求,并判断所述数据分析子系统发送的重新确定的第一业务处理方式的综合表征值是否不小于设定表征值,直到重新确定出的第一业务处理方式的综合表征值不小于设定表征值为止;
所述数据分析子系统,接收所述决策子系统发送的所述获取请求,根据所述获取请求,将所述排序结果中第N+1个业务处理方式重新确定为第一业务处理方式,并将重新确定出的第一业务处理方式的综合表征值发送给所述决策子系统。
可选地,所述数据分析子系统,将第N+1个业务处理方式作为第二业务处理方式。
可选地,所述决策子系统,从确定基于所述第一业务处理方式执行业务的各用户中选取设定比例的用户,作为目标用户,并针对每个目标用户,为该目标用户重新分配除所述第一业务处理方式以外的其他业务处理方式。
本说明书提供了一种确定业务处理方式的方法,包括:
获取用户对应的用户信息;
针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式;
根据所述用户信息,预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及预测所述用户对所述第二处理方式接受程度的表征值,作为第二表征值,并确定所述用户对应的通话接通率;
根据所述第一表征值、至少一个第二表征值以及所述通话接通率,确定所述用户只接受所述第一业务处理方式的综合表征值;
若确定所述综合表征值不小于设定表征值,采用所述第一业务处理方式为所述用户执行业务。
本说明书提供了一种确定业务处理方式的装置,包括:
获取模块,用于获取用户对应的用户信息;
第一确定模块,用于针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式;
预测模块,用于根据所述用户信息,预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及预测所述用户对所述第二处理方式接受程度的表征值,作为第二表征值,并确定所述用户对应的通话接通率;
第二确定模块,用于根据所述第一表征值、至少一个第二表征值以及所述通话接通率,确定所述用户只接受所述第一业务处理方式的综合表征值;
执行模块,用于若确定所述综合表征值不小于设定表征值,采用所述第一业务处理方式为所述用户执行业务。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述确定业务处理方式的方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述确定业务处理方式的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的业务处理系统以及确定业务处理方式的方法中,业务处理系统可以通过包含的数据分析子系统获取用户对应的用户信息,并针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式。而后,根据用户信息,预测用户对第一业务处理方式接受程度的表征值,作为第一表征值,以及预测用户对第二处理方式接受程度的表征值,作为第二表征值,并确定出该用户对应的通话接通率。之后,根据第一表征值、至少一个第二表征值以及确定出的通话接通率,确定用户只接受第一业务处理方式的综合表征值,并由数据分析子系统将该综合表征值发送给决策子系统,若决策子系统确定综合表征值不小于设定表征值,采用第一业务处理方式为用户执行业务。
从上述方法中可以看出,对于一个业务处理方式来说,业务处理系统可以根据用户对该业务处理方式接受程度的表征值,用户对其他业务处理方式接收程度的表征值,以及用户对应的通话接通率,综合评估该业务处理方式与用户之间的匹配程度(即,确定出的综合表征值),相比于现有技术只根据业务处理方式本身确定与用户的匹配程度,本方法考虑的更为全面,在一定程度提高了确定出的业务处理方式的综合表征值的准确性,并为用户提供更为合理的业务处理方式。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种确定业务处理方式的方法的流程示意图;
图2为本说明书提供的一种向用户分配业务处理方式的示意图;
图3为本说明书提供的一种确定业务处理方式的装置的示意图;
图4为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
在实际应用中,对于每个用户来说,业务平台需要确定出向该用户进行推荐的推荐方式,以对用户进行业务执行的推荐。在现有技术中,业务平台可以确定出各推荐方式与用户之间的匹配程度,并确定出与用户匹配程度最高的推荐方式,为用户进行信息推荐。例如,假设需要向用户推荐业务平台中的促销活动,当前业务平台中有发送短信的推荐方式以及人工拨打语音通话的推荐方式。业务平台确定出与用户A匹配程度最高的推荐方式为人工拨打语音通话的推荐方式,则可以通过这一推荐方式向用户A进行推荐。然后在现有技术中,仅通过推荐方式本身,确定出推荐方式与用户之间的匹配程度并不是那么准确。
为了解决上述问题,本方法提出了一种业务处理系统以及确定业务处理方式的方法,在业务处理系统以及方法中,对于一个业务处理方式来说,业务处理系统可以根据用户对该业务处理方式接受程度的表征值,以及用户对其他业务处理方式接收程度的表征值,综合评估该业务处理方式与用户的匹配程度(即,确定出的综合表征值),相比于现有技术只确定业务处理方式本身确定与用户的匹配程度,本方法考虑的更为全面,在一定程度提高了确定出的业务处理方式的综合表征值的准确性。
需要说明的是,除上述提到的确定推荐方式外,本说明书提供的业务处理系统以及方法可以适用于多种业务场景,如,在借款业务中,业务处理系统中存在多种催促用户还款的催收方式(如,人工拨打语音通话、IVR形式的语音通话、短信方式等)。若存在需要还款的用户(如逾期的用户),业务处理系统可以使用本方法确定向该用户进行催收的催收方式。
在本说明书提供的业务处理系统可以包括数据分析子系统以及决策子系统,其中,数据分析子系统用于获取用户对应的用户信息,并基于用户信息,确定出业务处理方式对应的综合表征值,而决策子系统则用于根据数据分析子系统发送的综合表征值,采用何种业务处理方式为用户执行业务。
上述提到的业务处理系统可以由业务平台中的多个终端(如电脑)以及服务器来构成,相应的,数据分析子系统以及决策子系统可以由终端或是服务器单独构成,抑或是通过终端和服务器组合来构成。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种确定业务处理方式的方法的流程示意图,具体包括以下步骤:
S101:获取用户对应的用户信息。
在实际应用中,业务处理系统可以根据实际业务需求向用户进行业务执行的推荐,业务处理系统通过一定业务处理方式向用户进行推荐后,用户可能会执行相关的业务。例如,业务处理系统通过发送短信的方式向用户推荐商品后,用户可能会购买该商品。
基于此,业务处理系统通过其包括的数据分析子系统获取用户的用户信息,并根据该用户信息,确定出针对该用户的业务处理方式。这里提到的用户可以是指满足预设业务条件的用户。例如,业务处理系统需要向用户推荐商品,则预设业务条件可以设置为浏览同一商品次数超过设定次数。若业务处理系统监测到用户浏览某一商品次数超过设定次数,则可以获取该用户的用户信息,该商品为业务处理系统需要通过后续确定出的推荐方式向用户推荐的商品,该用户是需要分配推荐方式的用户,业务处理系统将采用分配的推荐方式向用户进行推荐。再例如,若业务处理系统需要向用户进行催收,则预设业务条件可以设置为逾期时长超过设定时长。若业务处理系统监测到用户未还款所持续的时长超过设定时长,则可以获取该用户的用户信息,该是需要分配催收方式的用户,业务处理系统将采用分配的催收方式向用户进行催收。
上述提到的用户信息可以是根据实际业务需求确定的与业务相关的用户信息。例如,在推荐商品的场景下,业务处理系统确定出需要推荐的商品后,可以获取到该用户历史上浏览该商品的次数、历史上被推荐商品后购买的次数以及该用户的收入等用户信息。再例如,在催收业务的场景下,用户信息可以是指该用户的收入、学历、信用评分以及历史催收记录(如历史上被催收的次数、历史上被催收时是否主动挂断电话等)等信息。
S102:针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式。
在本说明书中,数据分析子系统可以针对每个预设的业务处理方式,将该业务处理方式确定为第一业务处理方式,并将至少一个其他业务处理方式确定为第二业务处理方式。这里提到的各业务处理方式视实际业务而定,对于上述提到的推荐业务来说,业务处理方式是指推荐方式。而对于催收业务来说,业务处理方式是指催收方式。这里提到的至少一个其他业务处理方式,可以是指业务处理方式中除了该业务处理方式之外的任意一个业务处理方式,也可以是指除了该业务处理方式之外的任意多个业务处理方式。
例如,假设有A、B、C、D这四个业务处理方式,A为第一业务处理方式,则第二业务处理方式可以是业务处理方式B,也可以是业务处理方式C,也可以是业务处理方式D。当然,第二业务处理方式也可以是B以及C这两个业务处理方式,也可以是B、C以及D这三个业务处理方式。即,可以将其他业务处理方式进行任意组合,得到第二业务处理方式。
不管是哪一种业务,业务处理方式可以分为人工拨打语音通话、拨打IVR形式的语音通话,智能语音交互形式的语音通话、短信通知等方式,其中,不同工作人员拨打语音通话也可以视为不同的业务处理方式,不同算法所形成的智能语音交互形式的语音通话也可以视为不同的业务处理方式。
S103:根据所述用户信息,预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及预测所述用户对所述第二处理方式接受程度的表征值,作为第二表征值,并确定所述用户对应的通话接通率。
数据分析子系统获取到用户信息,并确定出第一业务处理方式以及第二业务处理方式后,可以根据用户信息,预测该用户对第一业务处理方式接受程度的表征值,作为第一表征值,以及预测该用户对第二处理方式接受程度的表征值,作为第二表征值,并确定出该用户对应的通话接通率。
这里提到的用户对业务处理方式接受程度的表征值越高,用户对业务处理方式的接受程度越高,而用户对业务处理方式的接受程度越高,则表明若业务平台采用该业务处理方式进行业务处理,用户进行业务执行的可能性较高。例如,对于上述提到的催收业务来说,用户对催收方式A接受程度的表征值越高,通过催收方式A对该用户进行催收后,该用户进行还款的可能性越高。该用户对应的通话接通率用于表示向该用户拨打语音通话后,该用户接通语音通话的可能性。
需要说明的是,上述提到的通话接通率可以是通过预先训练的第一模型预测出的,该第一模型的训练可以由业务处理系统中包含的第一模型训练子系统来完成。具体的,第一模型训练子系统可以从该用户对应的用户信息中提取出特征信息,并将特征信息输入到第一模型中,来确定该通话接通率,这里提到的用户信息可以包括用户所在城市、用户职业等信息。其中,第一模型训练子系统在训练该第一模型时,需要获取指定用户在历史上的通话接通次数,以及在历史上针对指定用户的通话呼叫次数(即业务处理系统拨打了语音通话的次数(包括用户未接通的次数))。这里提到的指定用户可以是指业务处理系统在历史上向其拨打过语音通话的用户。而后,第一模型训练子系统可以根据通话接通次数以及通话呼叫次数,确定指定用户在历史上的通话接通率,作为标注数据,并从指定用户的用户信息中提取需要输入到第一模型中的特征信息,以及将特征信息输入到第一模型中,得到针对指定用户预测出的通话接通率。最后,以最小化预测出的通话接通率与标注数据之间的差异为优化目标,对第一模型进行训练。其中,第一模型所使用到的算法可以是如SVM、神经网络等的常规算法,在此不进行限定。
当然,上述提到的通话接通率也可以通过其他方式来确定。如,第一模型训练子系统可以确定出用户在历史上的通话接通次数以及在历史上针对该用户的通话呼叫次数,并根据该通话接通次数以及通话呼叫次数,确定出该用户在历史上的通话接通率,作为该用户对应的通话接通率。
上述提到的第一表征值与该第二表征值均可以是通过预先训练的第二模型预测出的。数据分析子系统可以从该用户对应的用户信息中提取出需要输入到第一模型中的特征信息,并将特征信息以及第一业务处理方式对应的处理方式标识输入到第二模型中,预测出第一表征值,以及将特征信息以及第二业务处理方式对应的处理方式标识输入到第二模型中,预测出第二表征值。其中,这里提到的处理方式标识用于区分各业务处理方式。第二模型所使用到的算法可以是如支持向量机(Support Vector Machine,SVM)、神经网络等的常规算法,在此不进行限定。这里提到的用户信息可以是根据实际业务需求确定的与业务相关的用户信息。
在本说明书中,用户信息与业务处理方式的表征值存在一定关系。例如,在推荐商品的场景下,用户历史上浏览该商品的次数越多,对该用户进行推荐后,该用户购买商品的概率可能会越高,所以,该用户对业务处理方式接受程度的表征值可能会越高;用户历史上被推荐商品后购买的次数越多,该用户对业务处理方式接受程度的表征值可能会越高用户的收入越高,该用户对业务处理方式接受程度的表征值可能会越高。
再例如,在催收业务的场景下,用户的收入越高,有可能该用户被催收后进行还款的可能性会越高,即,该用户对业务处理方式接受程度的表征值可能会越高;用户的学历越高,该用户对业务处理方式接受程度的表征值可能会越高;用户的信用评分越高,该对业务处理方式接受程度的表征值可能会越高;用户历史上被催收的次数越少,该用户对业务处理方式接受程度的表征值可能会越高;若用户历史上被催收时主动挂断过电话,可能该用户对业务处理方式接受程度的表征值会较低。
在本说明书中,业务处理系统还可以包括第二模型训练子系统,通过该第二模型训练子系统可以预先对第二模型进行训练。具体的,第二模型训练子系统可以将历史上通过业务处理方式进行业务处理所涉及的用户作为指定用户。例如,对于催收业务来说,指定用户就是历史上进行催收过的用户。而后,第二模型训练子系统可以获取指定用户针对各业务处理方式的业务记录,并针对每个业务处理方式,根据该业务记录,确定指定用户基于该业务处理方式执行业务处理的执行结果。这里提到的执行结果用于表示指定用户是否执行了该业务处理方式所涉及的业务。例如,假设业务处理系统历史上是通过人工拨打语音通话的方式向指定用户进行催收的,则该指定用户接到该语音通话后,是否进行了还款即是这里提到的执行结果。
第二模型训练子系统确定出执行结果后,可以确定指定用户基于该业务处理方式执行业务处理时所对应的用户信息,作为目标用户信息,并从目标用户信息中提取出特征信息,而后,将特征信息以及该业务处理方式对应的处理方式标识输入到第二模型中,以预测指定用户对该业务处理方式接受程度的表征值,作为预测表征值。最后,以最小化预测表征值与执行结果之间的差异为优化目标,对第二模型进行训练。这里提到的目标用户信息,指的是业务处理系统采用该业务处理方式对用户进行业务处理时,用户所对应的用户信息。对于一个用户来说,历史上业务处理系统可能会对用户多次采用业务处理方式进行业务处理,以催收场景为例,用户的用户信息并不是一成不变的,而是会随着时间的变化而发生变化,如,用户信息中包含的收入、信用评分、历史催收记录等均可能会随着时间的变化而变化。这样一来,业务处理系统历史上可能会对同一个用户进行多次催收,而由于每次进行催收的时间是不同的,所以,每次催收时用户的用户信息也很可能是不同的。相应的,若是将每一次催收都作为一个训练样本,那么每次催收对应的训练样本中,从用户信息中提取出的特征信息也可能是不同的。所以,业务处理系统通过第二模型训练子系统训练第二模型时,需要确定出对指定用户采用业务处理方式进行业务处理时该指定用户所对应的用户信息,而不是确定该指定用户当前的用户信息。
S104:根据所述第一表征值、至少一个第二表征值以及所述通话接通率,确定所述用户只接受所述第一业务处理方式的综合表征值。
S105:若确定所述综合表征值不小于设定表征值,采用所述第一业务处理方式为所述用户执行业务。
在本说明书中,若第一业务处理方式涉及语音通话,则数据分析子系统可以根据确定出的第一表征值、至少一个第二表征值以及该用户对应的通话接通率,确定该用户只接受第一业务处理方式的综合表征值,并将该综合表征值发送给决策子系统。决策子系统接收到该综合表征值后,可以判断该综合表征值是否不小于设定表征值。若决策子系统确定该综合表征值不小于设定表征值,可以采用第一业务处理方式为用户执行业务。例如,在催收业务的场景下,假设第一业务处理方式为工作人员A拨打语音通话的方式,若确定该第一业务处理方式的综合表征值不小于设定表征值,则决策子系统可以将该工作人员A分配给用户,以使工作人员A向用户拨打催收电话。
若决策子系统确定该综合表征值小于设定表征值,则需要针对除该第一业务处理方式以外的每个其他业务处理方式,判断数据分析子系统中获取到的该其他业务处理方式的综合表征值是否不小于设定表征值,若确定该其他业务处理方式的综合表征值不小于设定表征值,采用该其他业务处理方式为所述用户执行业务。
上述提到的设定表征值可以是根据实际需求进行设定的。上述提到的综合表征值是参考其他业务处理方式,对该业务处理方式的评估。其中,该业务处理方式的第一表征值越高,综合表征值越高,其他业务处理方式的第二表征值越高,综合表征值越低,用户对应的通话接通率越高,综合表征值越高。在实际应用中,确定该综合表征值的方式可以有多种。例如,数据分析子系统可以根据该第二表征值以及该通话接通率,确定针对该第一业务处理方式的条件系数,并根据该第一表征值与该条件系数,确定该综合表征值,例如,可以采用下面的公式确定综合表征值:
PA=A(1-B)g
该公式中PA为作为第一业务处理方式的业务处理方式A所对应的综合表征值,A为业务处理方式A对应的第一表征值,B作为第二业务处理方式的业务处理方式B对应的第二表征值,g为通话接通率,(1-B)g为确定出的针对业务处理方式A的条件系数。从这里可以看出,由于是1-B的缘故,所以,PA用于表示只接受第一业务处理方式(即业务处理方式A)的综合表征值。若是存在多个第二业务处理方式,数据分析子系统将确定出多个第二表征值,则该公式中可以有多个第二业务处理方式对应的条件系数。如,假设有两个第二业务处理方式,则综合表征值为第一表征值与这两个业务处理方式对应的条件系数以及通话接通率的乘积,如以下公式所示:
PA=A(1-B)(1-C)g
其中,PA为作为第一业务处理方式的业务处理方式A所对应的综合表征值,A为业务处理方式A对应的第一表征值,B以及C分别是作为第二业务处理方式的业务处理方式B以及业务处理方式C所对应的第二表征值,g为通话接通率,(1-B)(1-C)g为确定出的针对业务处理方式A的条件系数。除了这种方式外,数据分析子系统还可以确定出第一表征值与第二表征值的比值,再将该比值与该用户对应的通话接通率的积值作为综合表征值。
当然,数据分析子系统也可以只针对涉及语音通话的业务处理方式,根据通话接通率来确定综合表征值,而对于不涉及语音通话的业务处理方式(如,短信方式),数据分析子系统可以不根据通话接通率来确定综合表征值(即,若第一业务处理方式不涉及语音通话,则根据第一表征值以及第二表征值确定出该第一业务处理方式对应的综合表征值)。例如,假设有四个业务处理方式A、B、C、D,业务处理方式A和B涉及语音通话,而业务处理方式C和D不涉及语音通话,则在确定业务处理方式A对应的综合表征值时,可以通过公式PA=A(1-B)g来确定,其中,g即为通话接通率,业务处理方式B的综合表征值亦是如此。而在确定业务处理方式C的综合表征值时,可以通过公式PC=C(1-D)来确定,即不需要与通话接通率相乘。相应的,在确定业务处理方式D的综合表征值时,也不需要与通话接通率相乘。
对于上述只涉及语音通话的业务处理方式,才根据通话接通率确定综合表征值的情况来说,若用户的通话接通率较低,则说明用户接听语音通话的可能性较低,所以,即使采用综合表征值较高,且涉及语音通话的业务处理方式分配给用户,很可能也会因为用户不接听语音通话而导致无法执行。所以,将通话接通率纳入到综合表征值的确定过程中,可以有效地防止上述情况的出现,即,若是用户接听语音通话的可能性较低,则即使业务平台确定出涉及语音通话的业务处理方式所对应的表征值较高,则也会因为通话接通率的存在,而降低该业务处理方式最终的综合表征值,从而导致业务处理系统很可能不会将该业务处理方式分配给该用户,进而有效地节省了成本。
在本说明书中,业务处理系统中的数据分析子系统还可以预先对各业务处理方式按照所述各业务处理方式对应的业务损耗值进行排序,得到排序结果,并通过该排序结果,确定出将要分配给该用户的业务处理方式,并采用该业务处理方式为用户进行业务执行。这里提到的业务损耗值可以用于表示业务处理系统通过业务处理方式进行业务处理所需的成本,业务损耗值与采用业务处理方式所消耗的成本成正相关的关系,即成本越高,业务损耗值越高。
在本说明书中,数据分析子系统对各业务处理方式的排序可以是按照各业务处理方式的业务损耗值从高到低进行排序,也可以是按照业务损耗值从低到高进行排序,下面以按照业务损耗值从高到低对各业务处理方式排序的方式对本说明书提供的确定业务处理方式的方法进行说明。
基于此,业务处理系统中的数据分析子系统可以将排序结果中第N个业务处理方式作为第一业务处理方式,以及将排序结果中位于第N个业务处理方式之后的至少一个业务处理方式作为第二业务处理方式。而后,数据分析子系统可以根据用户对应的用户信息,预测用户对第一业务处理方式接受程度的表征值,作为第一表征值,以及预测该用户对第二业务处理方式接受程度的表征值,作为第二表征值,其中,N为不小于0的整数。
这里提到的第二业务处理方式可以是指第N+1个业务处理方式。例如,假设数据分析子系统将A、B、C、D这四个业务处理方式进行排序后,得到B、A、D、C的排序结果,若N为1,则业务处理方式B为第一业务处理方式,业务处理方式A为第二业务处理方式。
当然,第二业务处理方式也可以是位于第N个业务处理方式之后的任意多个业务处理方式。对于这种情况来说,第二业务处理方式可以是位于第N个业务处理方式之后的任意一个业务处理方式,也可以是位于第N个业务处理方式之后的任意两个业务处理方式,以此类推。继续沿用上例,若N为1,则业务处理方式B为第一业务处理方式,相应的,位于业务处理方式B之后的业务处理方式A、D、C中的任意一个可以称之为是第二业务处理方式,也可以这三个业务处理方式中的任意两个统称为第二业务处理方式,抑或是将位于业务处理方式B之后的全部业务处理方式统称为第二业务处理方式。例如,如果将业务处理方式B之后的全部业务处理方式统称为第二业务处理方式,则第二业务处理方式是指业务处理方式A、D、C。若N为2,则第一业务处理方式为业务处理方式A,第二业务处理方式为业务处理方式C和D。
在本说明书中,业务处理系统的决策子系统采用业务处理方式为该用户执行业务,并不是用户自己使用这种业务处理方式。以催收业务为例,采用业务处理方式为该用户执行业务,即,向用户分配催收方式,业务处理系统需要采用该催收方式来对用户进行催收,而用户自己并不会使用这种催收方式。
在确定出该用户只接受第一业务处理方式的综合表征值后,若决策子系统确定该综合表征值不小于设定表征值,采用第一业务处理方式为用户执行业务。若决策子系统确定该综合表征值小于设定表征值,可以向数据分析子系统发送获取请求,相应的,数据分析子系统获取到该获取请求后,可以将排序结果中第N+1个业务处理方式重新确定为第一业务处理方式,并将重新确定出的第一业务处理方式的综合表征值发送给决策子系统。决策子系统可以进一步地判断重新确定出的第一业务处理方式的综合表征值是否不小于设定表征值,直到重新确定出的第一业务处理方式的综合表征值不小于设定表征值为止,如图2所示。
图2为本说明书提供的一种向用户分配业务处理方式的示意图。
如图2中,业务处理系统通过数据分析子系统以及决策子系统判断是否采用业务处理方式实际是一个循环的过程,从排在排序结果中的第一个的业务处理方式开始,确定该业务处理方式的综合表征值,若确定第一个业务处理方式的综合表征值不小于设定表征值,则可以确定采用该业务处理方式以及停止循环。否则,确定排在第二个的业务处理方式的综合表征值,同样的,若是确定第二个业务处理方式的综合表征值不小于设定表征值,可以采用该业务处理方式以及停止循环。否则继续确定下一个业务处理方式的综合表征值,直到确定出综合表征值不小于设定表征值的业务处理方式,将采用该业务处理方式进行业务执行。若循环到了排在最后一个的业务处理方式,则可以不确定该最后一个业务处理方式的综合表征值,直接采用最后一个业务处理方式进行业务执行。
在本说明书中,用户对业务处理方式接受程度的表征值越高,则说明该业务处理方式的业务执行效果较好。若两个业务处理方式的业务执行效果相差不大(即,第一表征值相差不大),则本方法可以在一定程度上将成本较小的业务处理方式分配给该用户。例如,假设按照业务损耗值排序后得到的排序结果为业务处理方式A、B、C,业务处理方式A与业务处理方式B的表征值相差不大并且都较高。在判断业务处理方式A是否可以分配给用户时,业务处理方式B的表征值较高,所以通过上述公式PA=A(1-B)g确定出业务处理方式A的综合表征值较低,同时也确定出该综合表征值小于设定表征值,则业务处理系统将继续确定是否可以采用业务处理方式B为用户执行业务。
由于业务处理系统确定出业务处理方式C的表征值较低,并且已确定出业务处理方式B的表征值较高,最终确定出业务处理方式B的综合表征值超过了设定表征值,则业务处理系统通过决策子系统将业务处理方式B分配给了用户。从这一例子可以看出,当两个业务处理方式的表征值相差不大时,业务处理系统有一定的概率采用成本较小的业务处理方式为用户进行业务执行,从而在一定程度上节省了成本。
需要说明的是,为了更加节省成本,业务处理系统还可以通过决策子系统从确定基于第一业务处理方式执行业务的各用户中选取设定比例的用户,作为目标用户,并针对每个目标用户,为该目标用户重新分配除第一业务处理方式以外的其他业务处理方式。其中,这里提到的设定比例可以是根据实际需求进行设定的,为该目标用户重新分配其他业务处理方式是指将重新通过本说明书提供的确定业务处理方式的方式确定出为该用户执行业务所采用的业务处理方式。
例如,假设确定出的分配第一业务处理方式的各用户有100名,设定比例为60%,则决策子系统将从这些用户中选取出60名用户,作为目标用户,并重新为60名用户分配除第一业务处理方式以外的其他业务处理方式。而其余的40名用户,决策子系统将直接分配第一业务处理方式。
其中,这里提到的其他业务处理方式可以根据实际业务需求进行确定。例如,若对各业务处理方式进行了排序,则可以将排在第一业务处理方式之后的各业务处理方式作为其他业务处理方式。再例如,可以将除了第一业务处理方式之外的全部业务处理方式作为其他业务处理方式。再例如,可以选取出除了第一业务处理方式之外任意一个业务处理方式,作为其他处理方式。
从上述方式中可以看出,对于一个业务处理方式来说,业务处理系统可以根据用户对该业务处理方式接受程度的表征值,以及用户对其他业务处理方式接收程度的表征值,综合评估该业务处理方式与用户的匹配程度(即,确定出的综合表征值),相比于现有技术只确定业务处理方式本身确定与用户的匹配程度,本方法考虑的更为全面,在一定程度提高了确定出的业务处理方式的综合表征值的准确性。
进一步地,现有技术仅仅是根据业务处理方式与用户的匹配程度,来选择适合用户的业务处理方式,没有考虑到各业务处理方式的成本,然而,与用户最匹配的业务处理方式恰恰可能是成本最高的业务处理方式。因此,在本方法中,不但考虑到了确定出的业务处理方式的效果,也考虑到了业务处理方式的成本。
也就是说,业务处理方式对应的业务损耗值可以表示按照该业务处理方式进行处理所需的成本,成本越高,业务损耗值越高。通过上述方式选择一个用户对应的业务处理方式,不单单考虑了用户对一个业务处理方式的接受程度,还考虑了业务处理方式的成本高低。并且,不管是将通话接通率纳入到确定综合表征值的维度,还是上述的选取设定比例的目标用户重新分配业务处理方式,这一系列过程均能够在一定程度上节省成本。
在上述描述中,对各业务处理方式的排序是按照业务损耗值从高到低的顺序进行排序。在实际应用中,对各业务处理方式的排序也可以按照业务损耗值从低到高的顺序进行排序。若是从低到高进行排序,业务处理系统将通过决策子系统首先判断成本最低的业务处理方式的综合表征值是否不低于设定表征值,若是该业务处理方式的综合表征值不低于设定表征值,则可以将采用该业务处理方式向用户进行业务执行,否则继续通过数据分析子系统确定排在第二个的业务处理方式的综合表征值,以此类推,直到确定出综合表征值不小于设定表征值的业务处理方式,采用该业务处理方式向用户进行业务执行。
从以上方式可以看出,业务处理系统优先从成本较低的业务处理方式中选取采用的业务处理方式,这样一来,不但能够保证选取出的业务处理方式的业务执行效果是较好的,也能够尽可能的降低达到预期业务执行效果所消耗的成本。
以上为本说明书的一个或多个实施例提供的确定业务处理方式的方法,基于同样的思路,本说明书还提供了相应的确定业务处理方式的装置,如图3所示。
图3为本说明书提供的一种确定业务处理方式的装置示意图,具体包括:
获取模块301,用于获取用户对应的用户信息;
第一确定模块302,用于针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式;
预测模块303,用于根据所述用户信息,预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及预测所述用户对所述第二处理方式接受程度的表征值,作为第二表征值,并确定所述用户对应的通话接通率;
第二确定模块304,用于根据所述第一表征值、至少一个第二表征值以及所述通话接通率,确定所述用户只接受所述第一业务处理方式的综合表征值;
执行模块305,用于若确定所述综合表征值不小于设定表征值,采用所述第一业务处理方式为所述用户执行业务。
可选地,所述执行模块305还用于,若确定所述综合表征值小于所述设定表征值,针对除所述第一业务处理方式以外的每个其他业务处理方式,判断该其他业务处理方式的综合表征值是否不小于所述设定表征值;若确定该其他业务处理方式的综合表征值不小于所述设定表征值,采用该其他业务处理方式为所述用户执行业务。
可选地,所述第二确定模块304具体用于,根据所述至少一个第二表征值以及所述通话接通率,确定针对所述第一业务处理方式的条件系数;根据所述第一表征值与所述条件系数,确定所述综合表征值。
可选地,所述第二确定模块304具体用于,从所述用户对应的用户信息中提取出特征信息;将所述特征信息输入到预先训练的第一模型,以确定所述用户对应的通话接通率。
可选地,所述装置还包括:
训练模块306,用于获取指定用户在历史上的通话接通次数,以及在历史上针对所述指定用户的通话呼叫次数;根据所述通话接通次数以及所述通话呼叫次数,确定所述指定用户在历史上的通话接通率,作为标注数据;从所述指定用户的用户信息中提取出特征信息,并将所述特征信息输入到所述第一模型中,得到针对所述指定用户预测出的通话接通率;以最小化所述预测出的通话接通率与所述标注数据之间的差异为优化目标,对所述第一模型进行训练。
可选地,所述预测模块303具体用于,从所述用户对应的用户信息中提取出特征信息;将所述特征信息以及所述第一业务处理方式对应的处理方式标识输入到预先训练的第二模型中,以预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及将所述特征信息和所述第二业务处理方式对应的处理方式标识输入到预先训练的第二模型中,以预测所述用户对所述第二业务处理方式接受程度的表征值,作为第二表征值。
可选地,所述训练模块306具体用于,获取指定用户针对所述各业务处理方式的业务记录;针对每个业务处理方式,根据所述业务记录,确定所述指定用户基于该业务处理方式执行业务处理的执行结果;确定所述指定用户基于该业务处理方式执行业务处理时所对应的用户信息,作为目标用户信息,并从所述目标用户信息中提取出特征信息;将所述特征信息以及该业务处理方式对应的处理方式标识输入到所述第二模型中,以预测所述指定用户对该业务处理方式接受程度的表征值,作为预测表征值;以最小化所述预测表征值与所述执行结果之间的差异为优化目标,对所述第二模型进行训练。
可选地,所述第一确定模块302针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式之前,所述装置还包括:
排序模块307,用于将预设的各业务处理方式按照所述各业务处理方式对应的业务损耗值进行排序,得到排序结果。
可选地,所述第一确定模块302具体用于,将所述排序结果中第N个业务处理方式确定为第一业务处理方式,以及将所述排序结果中位于第N个业务处理方式之后的至少一个业务处理方式确定为第二业务处理方式,N为不小于0的整数。
可选地,所述执行模块305具体用于,将所述排序结果中第N+1个业务处理方式重新确定为第一业务处理方式,并判断重新确定的第一业务处理方式的综合表征值是否不小于设定表征值,直到重新确定出的第一业务处理方式的综合表征值不小于设定表征值为止。
可选地,所述第一确定模块302具体用于,将第N+1个业务处理方式作为第二业务处理方式。
可选地,所述装置还包括:
选取模块308,用于从确定基于所述第一业务处理方式执行业务的各用户中选取设定比例的用户,作为目标用户,并针对每个目标用户,为该目标用户重新分配除所述第一业务处理方式以外的其他业务处理方式。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1所示的确定业务处理方式的方法。
本说明书还提供了图4所示的电子设备的示意结构图。如图4所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的确定业务处理方式的方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)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储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储器中,使得存储在该计算机可读存储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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书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,本说明书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储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (16)
1.一种业务处理系统,其特征在于,包括:数据分析子系统以及决策子系统;
所述数据分析子系统,通过预设的业务接口,获取用户对应的用户信息,针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式,根据所述用户信息,预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及预测所述用户对所述第二业务处理方式接受程度的表征值,作为第二表征值,并确定所述用户对应的通话接通率,根据所述第一表征值、至少一个第二表征值以及所述通话接通率,确定所述用户只接受所述第一业务处理方式的综合表征值,并将所述综合表征值发送给所述决策子系统;
所述决策子系统,接收所述数据分析子系统发送的所述综合表征值,若确定所述综合表征值不小于设定表征值,采用所述第一业务处理方式为所述用户执行业务。
2.如权利要求1所述的业务处理系统,其特征在于,所述决策子系统,若确定所述综合表征值小于所述设定表征值,针对除所述第一业务处理方式以外的每个其他业务处理方式,判断从所述数据分析子系统中获取到的该其他业务处理方式的综合表征值是否不小于所述设定表征值;若确定该其他业务处理方式的综合表征值不小于所述设定表征值,采用该其他业务处理方式为所述用户执行业务。
3.如权利要求1所述的业务处理系统,其特征在于,所述数据分析子系统,根据所述至少一个第二表征值以及所述通话接通率,确定针对所述第一业务处理方式的条件系数;根据所述第一表征值与所述条件系数,确定所述综合表征值。
4.如权利要求1所述的业务处理系统,其特征在于,所述数据分析子系统,从所述用户对应的用户信息中提取出特征信息;将所述特征信息输入到预先训练的第一模型,以确定所述用户对应的通话接通率。
5.如权利要求4所述的业务处理系统,其特征在于,所述业务处理系统还包括:第一模型训练子系统;
所述第一模型训练子系统,获取指定用户在历史上的通话接通次数,以及在历史上针对所述指定用户的通话呼叫次数;根据所述通话接通次数以及所述通话呼叫次数,确定所述指定用户在历史上的通话接通率,作为标注数据;从所述指定用户的用户信息中提取出特征信息,并将所述特征信息输入到所述第一模型中,得到针对所述指定用户预测出的通话接通率;以最小化所述预测出的通话接通率与所述标注数据之间的差异为优化目标,对所述第一模型进行训练。
6.如权利要求1所述的业务处理系统,其特征在于,所述数据分析子系统,从所述用户对应的用户信息中提取出特征信息;将所述特征信息以及所述第一业务处理方式对应的处理方式标识输入到预先训练的第二模型中,以预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及将所述特征信息和所述第二业务处理方式对应的处理方式标识输入到预先训练的第二模型中,以预测所述用户对所述第二业务处理方式接受程度的表征值,作为第二表征值。
7.如权利要求6所述的业务处理系统,其特征在于,所述业务处理系统还包括:第二模型训练子系统;
所述第二模型训练子系统,获取指定用户针对所述各业务处理方式的业务记录;针对每个业务处理方式,根据所述业务记录,确定所述指定用户基于该业务处理方式执行业务处理的执行结果;确定所述指定用户基于该业务处理方式执行业务处理时所对应的用户信息,作为目标用户信息,并从所述目标用户信息中提取出特征信息;将所述特征信息以及该业务处理方式对应的处理方式标识输入到所述第二模型中,以预测所述指定用户对该业务处理方式接受程度的表征值,作为预测表征值;以最小化所述预测表征值与所述执行结果之间的差异为优化目标,对所述第二模型进行训练。
8.如权利要求1所述的业务处理系统,其特征在于,在针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式之前,所述数据分析子系统,将预设的各业务处理方式按照所述各业务处理方式对应的业务损耗值进行排序,得到排序结果。
9.如权利要求8所述的业务处理系统,其特征在于,所述数据分析子系统,将所述排序结果中第N个业务处理方式确定为第一业务处理方式,以及将所述排序结果中位于第N个业务处理方式之后的至少一个业务处理方式确定为第二业务处理方式,N为不小于0的整数。
10.如权利要求9所述的业务处理系统,其特征在于,所述决策子系统,若确定所述第一业务处理方式的综合表征值小于所述设定表征值,向所述数据分析子系统发送获取请求,并判断所述数据分析子系统发送的重新确定的第一业务处理方式的综合表征值是否不小于设定表征值,直到重新确定出的第一业务处理方式的综合表征值不小于设定表征值为止;
所述数据分析子系统,接收所述决策子系统发送的所述获取请求,根据所述获取请求,将所述排序结果中第N+1个业务处理方式重新确定为第一业务处理方式,并将重新确定出的第一业务处理方式的综合表征值发送给所述决策子系统。
11.如权利要求9所述的业务处理系统,其特征在于,所述数据分析子系统,将第N+1个业务处理方式作为第二业务处理方式。
12.如权利要求1所述的业务处理系统,其特征在于,所述决策子系统,从确定基于所述第一业务处理方式执行业务的各用户中选取设定比例的用户,作为目标用户,并针对每个目标用户,为该目标用户重新分配除所述第一业务处理方式以外的其他业务处理方式。
13.一种确定业务处理方式的方法,其特征在于,包括:
获取用户对应的用户信息;
针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式;
根据所述用户信息,预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及预测所述用户对所述第二业务处理方式接受程度的表征值,作为第二表征值,并确定所述用户对应的通话接通率;
根据所述第一表征值、至少一个第二表征值以及所述通话接通率,确定所述用户只接受所述第一业务处理方式的综合表征值;
若确定所述综合表征值不小于设定表征值,采用所述第一业务处理方式为所述用户执行业务。
14.一种确定业务处理方式的装置,其特征在于,包括:
获取模块,用于获取用户对应的用户信息;
第一确定模块,用于针对预设的每个业务处理方式,将该业务处理方式确定为第一业务处理方式,将至少一个其他业务处理方式确定为第二业务处理方式;
预测模块,用于根据所述用户信息,预测所述用户对所述第一业务处理方式接受程度的表征值,作为第一表征值,以及预测所述用户对所述第二处理方式接受程度的表征值,作为第二表征值,并确定所述用户对应的通话接通率;
第二确定模块,用于根据所述第一表征值、至少一个第二表征值以及所述通话接通率,确定所述用户只接受所述第一业务处理方式的综合表征值;
执行模块,用于若确定所述综合表征值不小于设定表征值,采用所述第一业务处理方式为所述用户执行业务。
15.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求13所述的方法。
16.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求13所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011222434.8A CN112418975A (zh) | 2020-11-05 | 2020-11-05 | 一种业务处理系统、确定业务处理方式的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011222434.8A CN112418975A (zh) | 2020-11-05 | 2020-11-05 | 一种业务处理系统、确定业务处理方式的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112418975A true CN112418975A (zh) | 2021-02-26 |
Family
ID=74828025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011222434.8A Pending CN112418975A (zh) | 2020-11-05 | 2020-11-05 | 一种业务处理系统、确定业务处理方式的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418975A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117476011A (zh) * | 2023-12-28 | 2024-01-30 | 杭州度言软件有限公司 | 一种基于语音信号的催收对象识别方法与系统 |
-
2020
- 2020-11-05 CN CN202011222434.8A patent/CN112418975A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117476011A (zh) * | 2023-12-28 | 2024-01-30 | 杭州度言软件有限公司 | 一种基于语音信号的催收对象识别方法与系统 |
CN117476011B (zh) * | 2023-12-28 | 2024-03-01 | 杭州度言软件有限公司 | 一种基于语音信号的催收对象识别方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163417B (zh) | 一种业务量的预测方法、装置及设备 | |
CN107066518B (zh) | 数据处理方法及系统 | |
CN118227914A (zh) | 信息显示方法和装置、信息处理方法和装置 | |
CN111539739A (zh) | 一种风险检测方法、装置及设备 | |
CN113643119A (zh) | 一种模型训练的方法、业务风控的方法及装置 | |
CN112581261A (zh) | 一种风控规则确定方法及装置 | |
CN112596898A (zh) | 一种任务执行器调度的方法及装置 | |
CN110490595B (zh) | 一种风险控制方法和装置 | |
CN110245978B (zh) | 策略组中的策略评估、策略选择方法及装置 | |
CN115993991A (zh) | 一种业务决策方法、装置及设备 | |
CN112418975A (zh) | 一种业务处理系统、确定业务处理方式的方法及装置 | |
CN115048577A (zh) | 一种模型训练方法、装置、设备及存储介质 | |
CN113222649A (zh) | 一种业务执行方式的推荐方法以及装置 | |
CN112561162A (zh) | 一种信息推荐的方法及装置 | |
CN112016914B (zh) | 资源管控、资金管控方法、装置和设备 | |
CN112579292A (zh) | 一种资源分配的方法及装置 | |
CN116029556B (zh) | 一种业务风险的评估方法、装置、设备及可读存储介质 | |
CN112633891A (zh) | 一种业务执行方式的推荐方法及装置 | |
CN112135175A (zh) | 一种基于大数据与智慧城市的广告推送方法、系统及云平台 | |
CN115049433A (zh) | 一种模型训练方法、装置、存储介质及电子设备 | |
CN112434986A (zh) | 订单改派的方法、装置、计算机可读存储介质及电子设备 | |
CN114860967A (zh) | 一种模型训练的方法、信息推荐的方法以及装置 | |
CN114119139A (zh) | 一种信息推荐方法、装置、存储介质及电子设备 | |
CN109903165B (zh) | 一种模型合并方法和装置 | |
CN112184193A (zh) | 缴费处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210226 |