CN112633842B - 任务推送方法、装置及系统 - Google Patents

Abstract

本发明提供了一种任务推送方法、装置及系统，涉及计算机技术领域，在进行任务推送时，先获取待处理任务集合中每个任务对应的业务属性信息；该业务属性信息包括业务类型、涉及客户和所处的审批节点；根据每个任务对应的业务属性信息，确定该任务的预计耗时；根据各个任务的预计耗时，对待处理任务集合进行任务推送。这样基于待处理任务集合中每个任务的预计耗时进行任务推送，能够将最优先处理的任务推荐给操作员，也即实现了合理的任务推送，从而提高了业务办理效率。

Description

任务推送方法、装置及系统

技术领域

本发明涉及计算机技术领域，尤其是涉及一种任务推送方法、装置及系统。

背景技术

工作流系统用于日常工作的业务处理或协同工作。工作流系统通常包括个人工作台的功能，个人工作台中一个最重要的组成部分是“我的任务”。“我的任务”展示在当前登录的操作员下，包括可以执行业务操作的待办任务。

然而在某些工作流系统中，操作员的权限相对复杂，例如涉及的业务种类较多，涉及的业务流程较长等，导致大量的待办任务展示在“我的任务”中，给操作员造成选择性困难，并且一旦错过一些应该优先办理的业务，就会导致业务办理时间超时和客户投诉等问题。

发明内容

本发明的目的在于提供一种任务推送方法、装置及系统，以实现合理的任务推送，从而提高业务办理效率。

本发明实施例提供了一种任务推送方法，包括：

获取待处理任务集合中每个任务对应的业务属性信息；所述业务属性信息包括业务类型、涉及客户和所处的审批节点；

根据每个所述任务对应的业务属性信息，确定所述任务的预计耗时；

根据各个所述任务的预计耗时，对所述待处理任务集合进行任务推送。

进一步地，根据每个所述任务对应的业务属性信息，确定所述任务的预计耗时的步骤，包括：

将每个所述任务对应的业务属性信息，输入预先训练好的人工智能AI模型，得到所述AI模型输出的所述任务的预计耗时。

进一步地，根据每个所述任务对应的业务属性信息，确定所述任务的预计耗时的步骤，包括：

根据每个所述任务对应的业务属性信息，确定所述任务所属的任务类别；其中，所述任务类别包括业务操作耗时大于预设时长的第一类任务或者业务操作耗时小于或等于所述预设时长的第二类任务；

根据每个所述任务对应的业务属性信息和所属的任务类别，确定所述任务的预计耗时；其中，所述预计耗时包括与所述第一类任务对应的预计打开耗时或与所述第二类任务对应的预计完成耗时。

进一步地，根据各个所述任务的预计耗时，对所述待处理任务集合进行任务推送的步骤，包括：

根据各个所述任务的预计耗时，确定每个所述任务的优先级；

按照优先级从高到低的顺序，对各个所述任务进行任务推送。

进一步地，根据各个所述任务的预计耗时，确定每个所述任务的优先级的步骤，包括：

按照各个所述任务的预计耗时的长短关系，对各个所述任务进行排序，得到排序结果；

根据所述排序结果确定每个所述任务的优先级；其中，预计耗时最短的任务的优先级最高。

进一步地，所述方法还包括：

获取训练数据，所述训练数据包括历史任务集合中每个历史任务对应的业务属性信息和实际耗时；

根据所述训练数据，对待训练的AI模型进行训练，得到训练后的AI模型。

进一步地，所述历史任务集合包括第一任务集合和第二任务集合，所述第一任务集合中的历史任务属于第一类任务，所述第一类任务对应的业务操作耗时大于预设时长；所述第二任务集合中的历史任务属于第二类任务，所述第二类任务对应的业务操作耗时小于或等于所述预设时长；获取训练数据的步骤，包括：

获取第一训练数据和第二训练数据；其中，所述第一训练数据包括所述第一任务集合中每个历史任务对应的业务属性信息和实际打开耗时；所述第二训练数据包括所述第二任务集合中每个历史任务对应的业务属性信息和实际完成耗时；

对待训练的AI模型进行训练，得到训练后的AI模型的步骤，包括：

采用随机森林算法对待训练的AI模型进行训练，得到训练后的AI模型。

本发明实施例还提供了一种任务推送装置，包括：

获取模块，用于获取待处理任务集合中每个任务对应的业务属性信息；所述业务属性信息包括业务类型、涉及客户和所处的审批节点；

确定模块，用于根据每个所述任务对应的业务属性信息，确定所述任务的预计耗时；

推送模块，用于根据各个所述任务的预计耗时，对所述待处理任务集合进行任务推送。

本发明实施例还提供了一种任务推送系统，包括互连的电子设备和客户端；所述电子设备包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的任务推送方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的任务推送方法。

本发明实施例提供了一种任务推送方法、装置及系统，在进行任务推送时，先获取待处理任务集合中每个任务对应的业务属性信息；该业务属性信息包括业务类型、涉及客户和所处的审批节点；根据每个任务对应的业务属性信息，确定该任务的预计耗时；根据各个任务的预计耗时，对待处理任务集合进行任务推送。这样基于待处理任务集合中每个任务的预计耗时进行任务推送，能够将最优先处理的任务推荐给操作员，也即实现了合理的任务推送，从而提高了业务办理效率。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种任务推送方法的流程示意图；

图2为本发明实施例提供的一种AI模型的训练流程示意图；

图3为本发明实施例提供的一种任务推送方法的应用场景；

图4为本发明实施例提供的一种任务推送装置的结构示意图；

图5为本发明实施例提供的另一种任务推送装置的结构示意图；

图6为本发明实施例提供的一种任务推送系统的结构示意图；

图7为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

以工作流系统为国际贸易结算系统为例，“我的任务”展示在当前登录柜员下，具有权限可以执行业务操作的待办业务，这些待办业务包括通过电子渠道申请发起需要银行柜员经办的(例如网银、手机银行)、接收同业报文发起的需要银行柜员经办的(例如汇入汇款报文)、客户到银行柜台提交纸质资料需要银行柜员经办的，以及这些完成经办环节的业务审批流程(一般需要复核，在特殊场景下，会有多次不同级别授权)。

在国际贸易结算系统中，一般银行柜员的权限相对复杂，例如涉及的业务种类比较多，涉及的业务流程比较长(存在同一个银行柜员，在不同业务流程中承担不同的职责，例如在A业务是经办环节，在B业务是复核环节)。

大量的任务展示在我的任务中，对于银行柜员来说，往往造成选择性困难，虽然系统提供了默认的排序规则(如默认按业务的创建时间排序，创建时间越早，排序越靠前)，同时也提供多样的筛查条件，但确认当前最应该优先办理的业务，还是依托于内部的作业规章制度、柜员的业务办理经验、以及客户或前序处理流程人员的催促等，而一旦错过了一些应该优先办理的业务，则会出现办理时间过长导致客户投诉，错过外币的清算时间导致延期隔日处理(进而会造成客户投诉、产生隔夜利息或者费用、同业口碑下降)等问题。

基于此，本发明实施例提供的一种任务推送方法、装置及系统，可以实现合理的任务推送，从而提高业务办理效率。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种任务推送方法进行详细介绍。

本发明实施例提供了一种任务推送方法，该方法可以由具有数据处理能力的电子设备执行，该电子设备可以是台式电脑、笔记本电脑、平板电脑和或手机等。该方法可以适用于工作流系统中的任务推送，该工作流系统可以但不限于为贸易系统(例如国际贸易系统)。参见图1所示的一种任务推送方法的流程示意图，该方法主要包括如下步骤S102～步骤S106：

步骤S102，获取待处理任务集合中每个任务对应的业务属性信息；该业务属性信息包括业务类型、涉及客户和所处的审批节点。

这里的待处理任务集合中的各个任务为工作流系统中等待处理的任务，待处理任务集合通常包括多个任务，每个任务都有各自的业务属性信息。业务属性信息为影响任务处理时间的相关信息，以贸易系统为例，业务属性信息可以包括交易类型(即业务类型)、客户类型(即涉及客户)、交易步骤(所处的审批节点)、提交业务的网点(即发起渠道)、业务的币种金额、滞留时间(即业务申请时间)、清算渠道和紧急业务等级等。

步骤S104，根据每个任务对应的业务属性信息，确定该任务的预计耗时。

可选地，为了提高确定预计耗时的准确性，可以将每个任务对应的业务属性信息，输入预先训练好的AI(Artificial Intelligence，人工智能)模型，得到AI模型输出的任务的预计耗时。

步骤S106，根据各个任务的预计耗时，对待处理任务集合进行任务推送。

可选地，步骤S106可以通过如下步骤实现：根据各个任务的预计耗时，确定每个任务的优先级；按照优先级从高到低的顺序，对各个任务进行任务推送，即优先推送优先级较高的任务。

实际处理时，可以将预计耗时最短的任务作为最优先处理的任务，推荐给操作员处理。基于此，可以按照各个任务的预计耗时的长短关系，对各个任务进行排序，得到排序结果；根据排序结果确定每个任务的优先级；其中，预计耗时最短的任务的优先级最高。具体实现时，可以但不限于按预计耗时从短到长排序，从而可以将当下最优先需要处理的业务，推送到处理审批人(操作员)的待办队列首位。

进一步，考虑到某些任务对应的业务操作耗时过长(例如对于需要查看资料或者录入系统的贷款业务，因为资料多，导致办理时长可能达到30分钟才完成)，会导致最终的完成耗时(指业务进入某个步骤，创建相应的任务后，该业务在当前步骤完成的耗时)较长，若所有任务均按照完成耗时进行优先级排序，则这类任务的优先级总是低于常规业务(如转账业务)对应的任务的优先级，与操作员的实际处理顺序不一致，本实施例中，将任务分为两类：业务操作耗时较长的第一类任务和业务操作耗时较短的第二类任务；当这两类任务进行比较时，第一类任务需要用预计打开耗时(指业务进入某个步骤，创建相应的任务后，该任务出现在工作台，第一次有操作员进入这笔任务所需的时长)来定义优先级，第二类任务需要用预计完成耗时来定义优先级。

基于此，在一些可能的实施例中，上述步骤S104可以通过如下过程实现：根据每个任务对应的业务属性信息，确定该任务所属的任务类别；其中，该任务类别包括业务操作耗时大于预设时长的第一类任务或者业务操作耗时小于或等于预设时长的第二类任务；根据每个任务对应的业务属性信息和所属的任务类别，确定任务的预计耗时；其中，预计耗时包括与第一类任务对应的预计打开耗时或与第二类任务对应的预计完成耗时。

上述预设时长可以根据实际需求设置，这里不做限定。具体实现时，可以通过查找预设的业务属性信息与任务类别的对应关系，得到相应任务所属的任务类别。

相应的，AI模型只输出第一类任务的预计打开耗时和第二类任务的预计完成耗时，当然AI模型的训练也是与此对应的。

本发明实施例提供的任务推送方法，在进行任务推送时，先获取待处理任务集合中每个任务对应的业务属性信息；该业务属性信息包括业务类型、涉及客户和所处的审批节点；根据每个任务对应的业务属性信息，确定该任务的预计耗时；根据各个任务的预计耗时，对待处理任务集合进行任务推送。这样基于待处理任务集合中每个任务的预计耗时进行任务推送，能够将最优先处理的任务推荐给操作员，也即实现了合理的任务推送，从而提高了业务办理效率。

本发明实施例还提供了上述AI模型的训练过程，参见图2所示的一种AI模型的训练流程示意图，该AI模型的训练过程包括如下步骤：

步骤S202，获取训练数据，该训练数据包括历史任务集合中每个历史任务对应的业务属性信息和实际耗时。

可选地，上述历史任务集合包括第一任务集合和第二任务集合，第一任务集合中的历史任务属于第一类任务，第一类任务对应的业务操作耗时大于预设时长；第二任务集合中的历史任务属于第二类任务，第二类任务对应的业务操作耗时小于或等于预设时长。基于此，上述步骤S202可以通过如下过程实现：获取第一训练数据和第二训练数据；其中，第一训练数据包括第一任务集合中每个历史任务对应的业务属性信息和实际打开耗时；第二训练数据包括第二任务集合中每个历史任务对应的业务属性信息和实际完成耗时。

步骤S204，根据上述训练数据，对待训练的AI模型进行训练，得到训练后的AI模型。

可选地，可以采用随机森林算法对待训练的AI模型进行训练，得到训练后的AI模型。

以国际贸易系统为例，可以获取已经完成的历史业务，将历史业务每个步骤(每个步骤与历史任务一一对应)的业务属性信息(包括交易步骤、交易类型、币种金额、发起渠道、业务申请时间、客户类型、清算渠道和紧急业务等)，以及历史任务的实际打开耗时或历史任务的实际完成耗时，放入AI模型进行训练，训练算法采用随机森林算法，从而得到训练好的AI模型。

另外，在实际运行过程中，还可以将新完成任务对应的业务属性信息和实际耗时，放入AI模型中训练，以更新AI模型。

为了便于理解，以国际贸易系统为例，本发明实施例还提供了一种任务推送方法的应用场景。参见图3所示的一种任务推送方法的应用场景，该应用场景中涉及历史数据、AI模型和与该任务推送方法对应的任务推送装置，其中，历史数据包括历史任务对应的业务属性信息和实际耗时，该实际耗时为实际打开耗时或者实际完成耗时。该应用场景包括如下过程：(1)根据历史数据对AI模型进行数据训练，训练后得到预测模型，其中训练的输入包括：交易步骤、交易类型、币种金额、发起渠道、业务申请时间、客户类型、清算渠道和紧急业务等级，训练的输出包括预测的任务打开耗时或者任务完成耗时(后简称为任务耗时)；(2)操作员通过业务终端，提交相关资料后，发起业务申请，业务在国际贸易系统中开始运转→业务申请进入处理审批流程后，采集任务的业务属性信息，并输入到预测模型中→获取预测模型预测的任务耗时→根据预测的任务耗时进行任务推荐；(3)业务完成后，采集新完成的业务的相应数据(包括业务属性信息和任务耗时)，并将采集到的数据作为历史数据，来更新AI模型。

本发明实施例中，根据预测耗时对实时任务进行优先排序，将预测耗时最短的任务，优先推荐给业务人员办理，实现了合理的任务推送，避免了办理时间过长导致客户投诉以及错过外币的清算时间导致延期隔日处理等问题。

对应于上述的任务推送方法，本发明实施例还提供一种任务推送装置，参见图4所示的一种任务推送装置的结构示意图，该装置包括：

获取模块42，用于获取待处理任务集合中每个任务对应的业务属性信息；该业务属性信息包括业务类型、涉及客户和所处的审批节点；

确定模块44，用于根据每个任务对应的业务属性信息，确定该任务的预计耗时；

推送模块46，用于根据各个任务的预计耗时，对待处理任务集合进行任务推送。

本发明实施例提供的任务推送装置，在进行任务推送时，先获取待处理任务集合中每个任务对应的业务属性信息；该业务属性信息包括业务类型、涉及客户和所处的审批节点；根据每个任务对应的业务属性信息，确定该任务的预计耗时；根据各个任务的预计耗时，对待处理任务集合进行任务推送。这样基于待处理任务集合中每个任务的预计耗时进行任务推送，能够将最优先处理的任务推荐给操作员，也即实现了合理的任务推送，从而提高了业务办理效率。

进一步，上述确定模块44具体用于：将每个任务对应的业务属性信息，输入预先训练好的AI模型，得到AI模型输出的任务的预计耗时。

进一步，上述确定模块44还用于：根据每个任务对应的业务属性信息，确定任务所属的任务类别；其中，该任务类别包括业务操作耗时大于预设时长的第一类任务或者业务操作耗时小于或等于预设时长的第二类任务；根据每个任务对应的业务属性信息和所属的任务类别，确定该任务的预计耗时；其中，预计耗时包括与第一类任务对应的预计打开耗时或与第二类任务对应的预计完成耗时。

进一步，上述推送模块46具体用于：根据各个任务的预计耗时，确定每个任务的优先级；按照优先级从高到低的顺序，对各个任务进行任务推送。

进一步，上述推送模块46还用于：按照各个任务的预计耗时的长短关系，对各个任务进行排序，得到排序结果；根据排序结果确定每个任务的优先级；其中，预计耗时最短的任务的优先级最高。

进一步，参见图5所示的另一种任务推送装置的结构示意图，在图4的基础上，上述装置还包括训练模块52，用于：获取训练数据，该训练数据包括历史任务集合中每个历史任务对应的业务属性信息和实际耗时；根据该训练数据，对待训练的AI模型进行训练，得到训练后的AI模型。

进一步，上述历史任务集合包括第一任务集合和第二任务集合，第一任务集合中的历史任务属于第一类任务，第一类任务对应的业务操作耗时大于预设时长；第二任务集合中的历史任务属于第二类任务，第二类任务对应的业务操作耗时小于或等于预设时长；基于此，上述训练模块52具体用于：获取第一训练数据和第二训练数据；其中，第一训练数据包括第一任务集合中每个历史任务对应的业务属性信息和实际打开耗时；第二训练数据包括第二任务集合中每个历史任务对应的业务属性信息和实际完成耗时。

进一步，上述训练模块52还用于：采用随机森林算法对待训练的AI模型进行训练，得到训练后的AI模型。

本实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

本发明实施例还提供了一种任务推送系统，参见图6所示的一种任务推送系统的结构示意图，该系统包括互连的电子设备62和客户端64；电子设备62包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的任务推送方法；客户端64用于接收电子设备62的任务推送结果。

参见图7，本发明实施例还提供一种电子设备62，包括：处理器70，存储器71，总线72和通信接口73，所述处理器70、通信接口73和存储器71通过总线72连接；处理器70用于执行存储器71中存储的可执行模块，例如计算机程序。

其中，存储器71可能包含随机存取存储器(RandomAccessMemory，简称RAM)，也可能还包括非易失性存储器(non-volatilememory，简称NVM)，例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线72可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器71用于存储程序，所述处理器70在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流程定义的装置所执行的方法可以应用于处理器70中，或者由处理器70实现。

处理器70可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器70中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器70可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71，处理器70读取存储器71中的信息，结合其硬件完成上述方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行前面方法实施例中所述的任务推送方法。该计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述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例方案的目的。

另外，在本发明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。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种任务推送方法，其特征在于，应用于贸易系统，包括：

获取待处理任务集合中需要银行柜员经办的每个任务对应的业务属性信息；所述业务属性信息为影响业务处理时间的相关信息，所述业务属性信息包括所述任务所在业务的业务类型、所述业务所涉及客户和执行所述任务时所处的审批节点；

根据每个所述任务对应的业务属性信息，确定所述任务所属的任务类别；其中，所述任务类别包括业务操作耗时大于预设时长的第一类任务或者业务操作耗时小于或等于所述预设时长的第二类任务，所述业务操作耗时为银行柜员完成业务办理所需要的人工操作时长；

将每个所述任务所属业务的业务类型、所述业务所涉及客户、执行所述任务时所处的审批节点和所述任务所属的任务类别输入采用随机森林算法的AI模型中，得到与所述第一类任务对应的预计打开耗时和/或与所述第二类任务对应的预计完成耗时；所述预计打开耗时是指该任务从创建完至第一次被操作之间所需时间；

将所述待处理任务集合中属于所述第一类任务的任务按照所述预计打开耗时进行优先级排序，并根据排序结果进行任务推送；和/或，

将所述待处理任务集合中属于所述第二类任务的任务按照所述预计完成耗时进行优先级排序，并根据排序结果进行任务推送。

2.根据权利要求1所述的任务推送方法，其特征在于，所述方法还包括：

获取训练数据，所述训练数据包括历史任务集合中每个历史任务对应的业务属性信息和实际耗时；

根据所述训练数据，对待训练的AI模型进行训练，得到训练后的AI模型。

3.根据权利要求2所述的任务推送方法，其特征在于，所述历史任务集合包括第一任务集合和第二任务集合，所述第一任务集合中的历史任务属于所述第一类任务；所述第二任务集合中的历史任务属于所述第二类任务；获取训练数据的步骤，包括：

获取第一训练数据和第二训练数据；其中，所述第一训练数据包括所述第一任务集合中每个历史任务对应的业务属性信息和实际打开耗时；所述第二训练数据包括所述第二任务集合中每个历史任务对应的业务属性信息和实际完成耗时；

对待训练的AI模型进行训练，得到训练后的AI模型的步骤，包括：

采用随机森林算法对待训练的AI模型进行训练，得到训练后的AI模型。

4.一种任务推送装置，其特征在于，应用于贸易系统，包括：

获取模块，用于获取待处理任务集合中需要银行柜员经办的每个任务对应的业务属性信息；所述业务属性信息为影响业务处理时间的相关信息，所述业务属性信息包括所述任务所在业务的业务类型、所述业务所涉及客户和执行所述任务时所处的审批节点；

确定模块，用于根据每个所述任务对应的业务属性信息，确定所述任务所属的任务类别；其中，所述任务类别包括业务操作耗时大于预设时长的第一类任务或者业务操作耗时小于或等于所述预设时长的第二类任务，所述业务操作耗时为银行柜员完成业务办理所需要的人工操作时长；

将每个所述任务所属业务的业务类型、所述业务所涉及客户、执行所述任务时所处的审批节点和所述任务所属的任务类别输入采用随机森林算法的AI模型中，得到与所述第一类任务对应的预计打开耗时和/或与所述第二类任务对应的预计完成耗时；所述预计打开耗时是指该任务从创建完至第一次被操作之间所需时间；

推送模块，用于将所述待处理任务集合中属于所述第一类任务的任务按照所述预计打开耗时进行优先级排序，并根据排序结果进行任务推送；和/或，将所述待处理任务集合中属于所述第二类任务的任务按照所述预计完成耗时进行优先级排序，并根据排序结果进行任务推送。

5.一种任务推送系统，其特征在于，包括互连的电子设备和客户端；所述电子设备包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-3中任一项所述的任务推送方法；所述客户端用于接收所述电子设备的任务推送结果。

6.一种计算机可读存储介质，所述计算机可读存储介质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运行时执行权利要求1-3中任一项所述的任务推送方法。

Images