CN113850666A - 业务调度的方法、装置、设备及存储介质 - Google Patents

业务调度的方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113850666A
CN113850666A CN202111105855.7A CN202111105855A CN113850666A CN 113850666 A CN113850666 A CN 113850666A CN 202111105855 A CN202111105855 A CN 202111105855A CN 113850666 A CN113850666 A CN 113850666A
Authority
CN
China
Prior art keywords
service
label
examined
approver
determining
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
Application number
CN202111105855.7A
Other languages
English (en)
Inventor
汪伟
殷雪琴
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.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank 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 Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202111105855.7A priority Critical patent/CN113850666A/zh
Publication of CN113850666A publication Critical patent/CN113850666A/zh
Pending legal-status Critical Current

Links

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Molecular Biology (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及人工智能技术领域，本申请提供一种业务调度的方法、装置、设备及存储介质，该方法包括：获取至少一个待审业务中每个待审业务的业务信息，根据该待审业务的业务信息确定该待审业务的类别标签，该待审业务的类别标签用于指示该待审业务所属业务类别，获取至少一个审批人员中每个审批人员的用户画像，该用户画像中包括该审批人员的至少一个能力标签，该能力标签用于指示该审批人员的审批业务类别，根据该待审业务的类别标签与每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定该待审业务对应的审批人员，将该至少一个待审业务发送给对应的审批人员。实施本申请，可以提高业务审批的效率。

Description

业务调度的方法、装置、设备及存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种业务调度的方法、装置、设备及存储介质。
背景技术
银行贷款，是指银行根据国家政策以一定的利率将资金贷放给资金需要者，并约定期限归还的一种经济行为。在借款人进行贷款申请后，银行需要进行贷款审批，贷款审批是主管信贷业务的人员在规定的审批权限内，依据借款申请书和贷前调查意见，进行“认定事实，掌握政策，确定贷款”的过程。
现在银行对于贷款审批通常采取审批人员集中处理的方式，业务通常随机分配给审批人员，是一种随机审批模式。待审业务随机分配给审批人员，审批人员要应对各种类型的贷款业务，且审批人员的业务能力有限，因此造成审批效率不高。
发明内容
基于此，有必要针对上述技术问题，提供一种业务调度的方法、装置、设备及存储介质，通过待审业务的类别标签和审批人员的用户画像的能力标签之间的匹配，确定各个待审业务对应的审批人员，从而有针对性的分配待审业务，提高业务审批的效率。
第一方面，本申请提供一种业务调度的方法，所述方法包括：
获取至少一个待审业务中每个待审业务的业务信息；根据所述待审业务的业务信息确定所述待审业务的类别标签，所述待审业务的类别标签用于指示所述待审业务所属业务类别；获取至少一个审批人员中每个审批人员的用户画像，所述用户画像中包括所述审批人员的至少一个能力标签，所述能力标签用于指示所述审批人员的审批业务类别；根据所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定所述待审业务对应的审批人员；将所述至少一个待审业务发送给对应的审批人员。
在上述方法中，根据待审业务的业务信息对待审业务进行了分类并打上类别标签，获取审批人员的用户画像，该用户画像中包括至少一个能力标签，该能力标签指示着审批人员的审批业务类别，在分发待审业务时，将待审业务的类别标签与审批人员的能力标签匹配，从而有针对性的分配待审业务让审批人员处理其擅长的业务，提高业务审批的效率。
结合第一方面，在一些实施例中，所述待审业务的业务信息包括用于描述所述待审业务内容的文本信息；
所述根据所述待审业务的业务信息确定所述待审业务的类别标签，包括：
对所述文本信息进行分词处理，获得至少一个分词；通过词向量模型将所述至少一个分词中每个分词转换为词向量；将所述至少一个分词中每个分词的词向量输入分类器模型进行业务类别的分类，获得所述待审业务的类别标签。
在上述方法中，对该文本信息中的每个句子进行分词处理，获得每个句子的至少一个分词，将每个句子的每个分词通过词向量模型转换为对应的词向量，将词向量输入分类器模型进行业务类别的分类，根据输出的业务类别确定业务的类别标签，该类别标签用于之后与审批人员的能力标签匹配，业务与审批人员匹配度高能够提高业务审批的效率。
结合第一方面，在一些实施例中，所述分类器模型包括长短期记忆网络LSTM层和平均池化层，所述LSTM层包括至少一个LSTM神经单元；
所述将所述至少一个分词中每个分词的词向量输入分类器模型进行业务类别的分类，获得所述待审业务的类别标签，包括：
确定所述至少一个分词中每个分词对应的LSTM单元，一个分词对应于所述至少一个LSTM神经单元中的一个LSTM神经单元；分别将所述每个分词的词向量输入所述分词对应的LSTM神经单元，获得所述至少一个LSTM单元输出的至少一个特征向量；将所述至少一个特征向量输入所述平均池化层进行平均池化处理，获得目标特征向量；根据所述目标特征向量，获得所述待审业务的类别标签。
结合第一方面，在一些实施例中，所述待审业务的业务信息包括用于标识所述待审业务的业务编码，所述业务编码包括M个字符，所述M为大于1的自然数；
所述根据所述待审业务的业务信息确定所述待审业务的类别标签，包括：
确定所述待审业务的业务编码中N个预设位置的字符值，所述N为自然数，且所述N的值小于或者等于所述M的值；将所述N个预设位置的字符值所对应的类别标签确定为所述待审业务的类别标签。
在上述方法中，根据待审业务的业务编码中预设位置的字符值所对应的类别标签确定为该待审业务的类别标签，该类别标签用于之后与审批人员的能力标签匹配，业务与审批人员匹配度高能够提高业务审批的效率。
结合第一方面，在一些实施例中，所述根据所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定所述待审业务对应的审批人员，包括：
将所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签进行匹配，若所述审批人员的用户画像中存在与所述待审业务的类别标签匹配的能力标签，则将所述审批人员确定为所述待审业务对应的备选审批人员；若所述待审业务对应的备选审批人员的数量等于1，则将所述备选审批人员确定为所述待审业务对应的审批人员；若所述待审业务对应的备选审批人员的数量大于1，获取所述待审业务对应的至少两个备选审批人员，并根据所述至少两个备选审批人员的未处理审批业务，确定所述待审业务对应的审批人员。
在上述方法中，将待审业务的类别标签与每个审批人员的用户画像中的至少一个能力标签进行匹配，并根据匹配到的审批人员确定备选审批人员，再根据备选审批人员未处理审批业务的数量来选择合适的审批人员，这时，待审业务有了对应的审批人员。将待审业务的类别标签与审批人员的能力标签进行匹配，审批人员可以处理其擅长的业务，避免了处理某些业务时专业能力薄弱造成的审批过慢等问题，提高了业务审批的效率。
结合第一方面，在一些实施例中，在所述将所述至少一个待审业务发送给对应的审批人员之前，还包括：
根据所述至少一个待审业务中每个待审业务的类别标签，确定所述每个待审业务的业务优先级；获取所述至少一个待审业务中每个待审业务的提交时间；根据所述每个待审业务的业务优先级和所述每个待审业务的提交时间，确定所述至少一个待审业务的发送顺序；
所述将所述至少一个待审业务发送给对应的审批人员，包括：
按照所述发送顺序将所述至少一个待审业务发送给对应的审批人员。
在上述方法中，根据待审业务的类别标签确定了每个待审业务的业务优先级，并且根据每个待审业务的提交时间和每个待审业务的业务优先级进行了排序，再按照排序依次将待审业务发送给对应的审批人员，在对待审业务进行了排序后，不再仅仅按照先来后到的顺序进行排序再分发，业务的排序更加合理，一些紧急的业务可以优先分发给审批人员，避免了业务处理不及时的问题，提高了业务审批的效率。
结合第一方面，在一些实施例中，所述根据所述至少一个待审业务中每个待审业务的类别标签，确定所述每个待审业务的业务优先级，包括：
分别确定所述至少一个待审业务中每个待审业务的类别标签所属目标标签集合，所述目标标签集合包括多个类别标签；将所述目标标签集合所对应的目标优先级确定为所述待审业务的业务优先级，不同标签集合对应不同的优先级。
在上述方法中，每个待审业务的类别标签集合属于一个目标标签集合，目标标签集合包括着多个类别标签，这个目标标签集合对应着一个目标优先级，因此，待审业务的优先级确定为目标优先级，确定优先级后能够在之后与业务提交时间结合进行分发顺序的排序，业务的排序和分发更加合理，一些紧急的业务可以优先分发给审批人员，避免了业务处理不及时的问题，提高了业务审批的效率。
第二方面，本申请提供一种业务调度的装置，该装置包括：
获取单元，用于获取至少一个待审业务中每个待审业务的业务信息；
确定单元，用于根据所述待审业务的业务信息确定所述待审业务的类别标签，所述待审业务的类别标签用于指示所述待审业务所属业务类别；
所述获取单元，还用于获取至少一个审批人员中每个审批人员的用户画像，所述用户画像中包括所述审批人员的至少一个能力标签，所述能力标签用于指示所述审批人员的审批业务类别；
所述确定单元，还用于根据所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定所述待审业务对应的审批人员；
发送单元，用于将所述至少一个待审业务发送给对应的审批人员。
结合第二方面，在一些实施例中，该装置还包括：
处理单元，用于对所述文本信息进行分词处理，获得至少一个分词；
转换单元，用于通过词向量模型将所述至少一个分词中每个分词转换为词向量；
分类单元，用于将所述至少一个分词中每个分词的词向量输入分类器模型进行业务类别的分类，获得所述待审业务的类别标签。
结合第二方面，在一些实施例中，所述确定单元，具体用于确定所述至少一个分词中每个分词对应的LSTM单元，一个分词对应于所述至少一个LSTM神经单元中的一个LSTM神经单元；
所述处理单元，具体用于分别将所述每个分词的词向量输入所述分词对应的LSTM神经单元，获得所述至少一个LSTM单元输出的至少一个特征向量；
所述处理单元，具体用于将所述至少一个特征向量输入所述平均池化层进行平均池化处理，获得目标特征向量；
所述获取单元，还用于根据所述目标特征向量，获得所述待审业务的类别标签。
结合第二方面，在一些实施例中，所述确定单元具体用于：
确定所述待审业务的业务编码中N个预设位置的字符值，所述N为自然数，且所述N的值小于或者等于所述M的值；
将所述N个预设位置的字符值所对应的类别标签确定为所述待审业务的类别标签。
结合第二方面，在一些实施例中，该装置还包括：
匹配单元，用于将所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签进行匹配，若所述审批人员的用户画像中存在与所述待审业务的类别标签匹配的能力标签，则将所述审批人员确定为所述待审业务对应的备选审批人员；
所述确定单元，具体用于若所述待审业务对应的备选审批人员的数量等于1，则将所述备选审批人员确定为所述待审业务对应的审批人员；
所述确定单元，具体用于若所述待审业务对应的备选审批人员的数量大于1，获取所述待审业务对应的至少两个备选审批人员，并根据所述至少两个备选审批人员的未处理审批业务，确定所述待审业务对应的审批人员。
结合第二方面，在一些实施例中，所述确定单元，还用于根据所述至少一个待审业务中每个待审业务的类别标签，确定所述每个待审业务的业务优先级；
所述获取单元，还用于获取所述至少一个待审业务中每个待审业务的提交时间；
所述确定单元，还用于根据所述每个待审业务的业务优先级和所述每个待审业务的提交时间，确定所述至少一个待审业务的发送顺序；
所述发送单元，还用于按照所述发送顺序将所述至少一个待审业务发送给对应的审批人员。
结合第二方面，在一些实施例中，所述确定单元具体用于：
分别确定所述至少一个待审业务中每个待审业务的类别标签所属目标标签集合，所述目标标签集合包括多个类别标签；
将所述目标标签集合所对应的目标优先级确定为所述待审业务的业务优先级，不同标签集合对应不同的优先级。
第三方面，本申请提供一种业务调度设备，包括处理器、存储器以及通信接口，该处理器、存储器和通信接口相互连接，其中，该通信接口用于接收和发送数据，该存储器用于存储程序代码，该处理器用于调用该程序代码，执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序；当该计算机程序在一个或多个处理器上运行时，使得该终端设备执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
本申请实施例中，根据待审业务的业务信息对待审业务进行了分类并打上类别标签，获取审批人员的用户画像，该用户画像中包括至少一个能力标签，该能力标签指示着审批人员的审批业务类别，在分发待审业务时，将待审业务的类别标签与审批人员的能力标签匹配，从而有针对性的获取到擅长处理某一类待审业务的审批人员，让审批人员处理其擅长的业务可以提高其处理业务的效率，可以提高业务审批的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种业务调度方法的应用场景图；
图2为本申请实施例提供的一种业务调度方法的流程示意图；
图3为本申请实施例提供的一种文本信息确定业务类别标签方法的流程示意图；
图4为本申请实施例提供的一种业务排序方法的案例图；
图5为本申请实施例提供的一种业务调度装置的结构示意图；
图6为本申请实施例提供的一种业务调度设备的结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供了一种业务调度的方法，为了更清楚地描述本申请的方案，下面对本申请涉及的一些附图作进一步介绍。
请参阅图1，图1为本申请实施例提供的一种业务调度方法的应用场景图，包含101待审业务集、102审批人员组、A类业务、B类业务、C类业务、审批人员1、审批人员2和审批人员3。
首先获取101待审业务集中每个待审业务的业务信息，根据业务信息给101待审业务集中的待审业务打上类别标签，将101待审业务集分为A类、B类和C类业务，再根据待审业务的优先级和业务的提交时间对同类业务中的各个业务进行排序，此排序为业务分发的顺序，获取102审批人员组中每个审批人员的用户画像，确定每个审批人员的能力标签，其中，每个审批人员至少有一个能力标签，将各类业务的能力标签与每个审批人员的能力标签进行匹配，假设审批人员1的能力标签与A类业务的类别标签匹配，审批人员2的能力标签与B类业务的类别标签匹配，审批人员3的能力标签与C类业务的类别标签匹配，则将审批人员1确定为A类业务对应的审批人员，将审批人员2确定为B类业务对应的审批人员，将审批人员3确定为C类业务对应的审批人员，将A类业务按照之前的排序分发给审批人员1，将B类业务按照之前的排序分发给审批人员2，将C类业务按照之前的排序分发给审批人员3。
请参阅图2，图2为本申请实施例提供的一种业务调度方法的流程示意图，如图2所示，所述方法包括以下步骤：
S201：获取至少一个待审业务中每个待审业务的业务信息；
S202：根据该待审业务的业务信息确定该待审业务的类别标签，该待审业务的类别标签用于指示该待审业务所属业务类别；
本申请实施例中，待审业务的业务信息可以是包括用于描述该待审业务内容的文本信息。对该文本信息中的每个句子进行分词处理，获得每个句子的至少一个分词，将每个句子的每个分词通过词向量模型转换为对应的词向量，从而获得每个句子对应的词向量序列，该词向量序列中包括该句子中每个分词对应的词向量，该词向量序列可以称为句子向量。其中，词向量模型可以是word2vec模型。可选的，可以通过打补丁或者截断的方式保证每个句子向量的维度一致。将句子向量中每个分词对应的词向量输入分类器模型进行业务类别的分类，其中，该分类器模型可以包括长短期记忆网络(Long Short Term Mermorynetwork，LSTM)层，该LSTM层包括n个LSTM神经单元，将各个分词对应的词向量分别输入该n个LSTM神经单元，获得该n个LSTM神经单元输出的n个特征向量，进一步通过平均池化层将该n个特征向量进行平均池化处理，获得第一向量，进一步将该第一向量输入softmax层，获得类别分布概率向量，该类别分布概率向量用于指示该待审业务属于各个业务类别的概率，将最大概率所对应的业务类别确定为待审业务的业务类别，给该待审业务打上该业务类别的类别标签。
本申请实施例中，待审业务的业务信息可以是包括用于标识该待审业务的业务编码。上述待审业务编码包括M个字符，上述M为大于1的自然数，确定待审业务编码中的N个预设位置的字符值，上述N为自然数，且N的值小于或等于上述M的值，将上述N个预设位置的字符值对应的类别标签确定为该待审业务的类别标签，
比如，假设A业务的业务编码为3349957，取待审业务编码中的前三位字符值，则确定业务编码中的前三位的字符值为“334”，假设已知前三位字符值为“334”的对应的类别标签为B类，因此“334”对应类别标签的B类确定为上述A业务的类别标签，即上述A业务的类别标签为B类。
S203:获取至少一个审批人员中每个审批人员的用户画像，该用户画像中包括该审批人员的至少一个能力标签，该能力标签用于指示该审批人员的审批业务类别；
其中，审批人员的用户画像可以通过对审批人员的信息数据集使用使用LR、FM、SVM、GBDT等模型获得，可选的，审批人员的信息数据集可以包括审批人员的基本信息、专业能力信息和发展信息，该基本信息可以包括审批人员的姓名、性别、年龄、学历、工作年限和入职时间，该专业能力信息可以包括审批人员擅长审核的业务范围、审核的各种类别业务的案件数和审核的各种类别业务的平均时效，该发展信息可以包括审批人员的意向培养方向。根据用户画像得到审批人员的至少一个能力标签。
S204:根据该待审业务的类别标签与该每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定该待审业务对应的审批人员；
本申请实施例中，将上述待审业务的类别标签与上述每个审批人员的用户画像中的至少一个能力标签进行匹配，若上述审批人员的用户画像中存在与上述待审业务的类别标签匹配的能力标签，则将上述审批人员确定为上述待审业务对应的备选审批人员；若上述待审业务对应的备选审批人员的数量等于1，则将上述备选审批人员确定为上述待审业务对应的审批人员；若上述待审业务对应的备选审批人员的数量大于1，获取上述待审业务对应的至少两个备选审批人员，并根据上述至少两个备选审批人员的未处理审批业务，确定上述待审业务对应的审批人员。
S205:将该至少一个待审业务发送给对应的审批人员。
在本申请实施例中，在将上述至少一个待审业务发送给对应的审批人员之前，还需要根据上述至少一个待审业务中每个待审业务的类别标签，确定上述每个待审业务的业务优先级，获取上述至少一个待审业务中每个待审业务的提交时间，根据上述每个待审业务的业务优先级和上述每个待审业务的提交时间，确定上述至少一个待审业务的发送顺序，再按照上述发送顺序将上述至少一个待审业务发送给对应的审批人员。
其中，上述根据上述至少一个待审业务中每个待审业务的类别标签，确定上述每个待审业务的业务优先级，包括：
分别确定上述至少一个待审业务中每个待审业务的类别标签所属目标标签集合，上述目标标签集合包括多个类别标签；
将上述目标标签集合所对应的目标优先级确定为上述待审业务的业务优先级，不同标签集合对应不同的优先级。
请参阅图3，图3为本申请实施例提供的一种文本信息确定业务类别标签方法的流程示意图，如图3所示，所述方法包括以下步骤。
S301：对该文本信息中的每个句子进行分词处理，获得每个句子的至少一个分词；
S302：将每个句子的每个分词通过词向量模型转换为对应的词向量，从而获得每个句子对应的词向量序列；
S303：将词向量序列输入分类器模型，首先进入LSTM层，经过一个时间序列后得到隐藏LSTM神经单元的特征向量；
S304：隐藏LSTM神经单元的特征向量进入平均池化层，得到向量h；
S305：向量h进入Softmax层，得到类别分布概率向量，该类别分布概率向量用于指示该待审业务属于各个业务类别的概率；
S306：将最大概率所对应的业务类别确定为待审业务的业务类别，给该待审业务打上该业务类别的类别标签。
请参阅图4，图4为本申请实施例提供的一种业务排序方法的案例图。
其中，高优先级的业务A、业务B和业务C按照排序规则置顶，三者按照提交时间顺序排在置顶第一、置顶第二和置顶第三位置；中优先级和低优先级内的业务先按照提交时间顺序进行内部排序，业务E和业务X提交时间相同但业务E的优先级高于业务X，因此业务E排第一位置，业务F虽然优先级高于业务X，但业务F的提交时间比业务X晚，因此业务X排第二位置，业务F优先级高于业务Y且提交时间比业务Y早，因此业务F排第三位置，业务G和业务Y提交时间相同，而业务G的优先级高于业务Y，因此业务G排第四位置，业务Y排第五位置。
请参见图5，图5为本申请实施例提供的一种业务调度装置的结构示意图，该业务调度装置包括获取单元501、确定单元502、发送单元503、处理单元504、转换单元505、分类单元506和匹配单元507，其中，各个单元的详细描述如下：
获取单元501，用于获取至少一个待审业务中每个待审业务的业务信息；
确定单元502，用于根据上述待审业务的业务信息确定上述待审业务的类别标签，上述待审业务的类别标签用于指示上述待审业务所属业务类别；
该获取单元501，还用于获取至少一个审批人员中每个审批人员的用户画像，上述用户画像中包括上述审批人员的至少一个能力标签，上述能力标签用于指示上述审批人员的审批业务类别；
该确定单元502，还用于根据上述待审业务的类别标签与上述每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定上述待审业务对应的审批人员；
发送单元503，用于将上述至少一个待审业务发送给对应的审批人员。
在一种可能的设计中，该装置还包括：
处理单元504，用于对上述文本信息进行分词处理，获得至少一个分词；
转换单元505，用于通过词向量模型将上述至少一个分词中每个分词转换为词向量；
分类单元506，用于将上述至少一个分词中每个分词的词向量输入分类器模型进行业务类别的分类，获得上述待审业务的类别标签。
在一种可能的设计中，
该确定单元502，具体用于确定上述至少一个分词中每个分词对应的LSTM单元，一个分词对应于上述至少一个LSTM神经单元中的一个LSTM神经单元；
该处理单元504，具体用于分别将上述每个分词的词向量输入上述分词对应的LSTM神经单元，获得上述至少一个LSTM单元输出的至少一个特征向量；
该处理单元504，具体用于将上述至少一个特征向量输入上述平均池化层进行平均池化处理，获得目标特征向量；
该获取单元501，还用于根据上述目标特征向量，获得上述待审业务的类别标签。
在一种可能的设计中，该确定单元502具体用于：
确定上述待审业务的业务编码中N个预设位置的字符值，上述N为自然数，且上述N的值小于或者等于上述M的值；
将上述N个预设位置的字符值所对应的类别标签确定为上述待审业务的类别标签。
在一种可能的设计中，该装置还包括：
匹配单元507，用于将上述待审业务的类别标签与上述每个审批人员的用户画像中的至少一个能力标签进行匹配，若上述审批人员的用户画像中存在与上述待审业务的类别标签匹配的能力标签，则将上述审批人员确定为上述待审业务对应的备选审批人员；
该确定单元502具体用于：
若上述待审业务对应的备选审批人员的数量等于1，则将上述备选审批人员确定为上述待审业务对应的审批人员；
若上述待审业务对应的备选审批人员的数量大于1，获取上述待审业务对应的至少两个备选审批人员，并根据上述至少两个备选审批人员的未处理审批业务，确定上述待审业务对应的审批人员。
在一种可能的设计中，
该确定单元502，还用于根据上述至少一个待审业务中每个待审业务的类别标签，确定上述每个待审业务的业务优先级；
该获取单元501，还用于获取上述至少一个待审业务中每个待审业务的提交时间；
该确定单元502，还用于根据上述每个待审业务的业务优先级和上述每个待审业务的提交时间，确定上述至少一个待审业务的发送顺序；
该发送单元503，还用于按照上述发送顺序将上述至少一个待审业务发送给对应的审批人员。
在一种可能的设计中，该确定单元502具体用于：
分别确定上述至少一个待审业务中每个待审业务的类别标签所属目标标签集合，上述目标标签集合包括多个类别标签；
将上述目标标签集合所对应的目标优先级确定为上述待审业务的业务优先级，不同标签集合对应不同的优先级。
请参阅图6，图6为本申请实施例提供的一种业务调度设备的结构示意图，如图6所示，该业务调度设备600可以包括：至少一个处理器601，例如CPU，至少一个通信接口603，存储器604，至少一个通信总线602。其中，通信总线602用于实现这些组件之间的连接通信。通信接口603可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器604可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器604可选的还可以是至少一个位于远离前述处理器601的存储装置。如图6所示，作为一种计算机存储介质的存储器604中可以包括操作系统、网络通信单元以及程序指令。
在图6所示的基于意图识别模型的通信装置600中，处理器601可以用于加载存储器604中存储的程序指令，并具体执行以下操作：
获取至少一个待审业务中每个待审业务的业务信息；
根据上述待审业务的业务信息确定上述待审业务的类别标签，上述待审业务的类别标签用于指示上述待审业务所属业务类别；
获取至少一个审批人员中每个审批人员的用户画像，上述用户画像中包括上述审批人员的至少一个能力标签，上述能力标签用于指示上述审批人员的审批业务类别；
根据上述待审业务的类别标签与上述每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定上述待审业务对应的审批人员；
将上述至少一个待审业务发送给对应的审批人员。
需要说明的是，具体执行过程可以参见图1或图2所示方法实施例的具体说明，在此不进行赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘)等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (10)

1.一种业务调度方法，其特征在于，包括：
获取至少一个待审业务中每个待审业务的业务信息；
根据所述待审业务的业务信息确定所述待审业务的类别标签，所述待审业务的类别标签用于指示所述待审业务所属业务类别；
获取至少一个审批人员中每个审批人员的用户画像，所述用户画像中包括所述审批人员的至少一个能力标签，所述能力标签用于指示所述审批人员的审批业务类别；
根据所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定所述待审业务对应的审批人员；
将所述至少一个待审业务发送给对应的审批人员。
2.如权利要求1所述的方法，其特征在于，所述待审业务的业务信息包括用于描述所述待审业务内容的文本信息；
所述根据所述待审业务的业务信息确定所述待审业务的类别标签，包括：
对所述文本信息进行分词处理，获得至少一个分词；
通过词向量模型将所述至少一个分词中每个分词转换为词向量；
将所述至少一个分词中每个分词的词向量输入分类器模型进行业务类别的分类，获得所述待审业务的类别标签。
3.如权利要求2所述的方法，其特征在于，所述分类器模型包括长短期记忆网络LSTM层和平均池化层，所述LSTM层包括至少一个LSTM神经单元；
所述将所述至少一个分词中每个分词的词向量输入分类器模型进行业务类别的分类，获得所述待审业务的类别标签，包括：
确定所述至少一个分词中每个分词对应的LSTM单元，一个分词对应于所述至少一个LSTM神经单元中的一个LSTM神经单元；
分别将所述每个分词的词向量输入所述分词对应的LSTM神经单元，获得所述至少一个LSTM单元输出的至少一个特征向量；
将所述至少一个特征向量输入所述平均池化层进行平均池化处理，获得目标特征向量；
根据所述目标特征向量，获得所述待审业务的类别标签。
4.如权利要求1所述的方法，其特征在于，所述待审业务的业务信息包括用于标识所述待审业务的业务编码，所述业务编码包括M个字符，所述M为大于1的自然数；
所述根据所述待审业务的业务信息确定所述待审业务的类别标签，包括：
确定所述待审业务的业务编码中N个预设位置的字符值，所述N为自然数，且所述N的值小于或者等于所述M的值；
将所述N个预设位置的字符值所对应的类别标签确定为所述待审业务的类别标签。
5.如权利要求1-4任一项所述的方法，其特征在于，所述根据所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定所述待审业务对应的审批人员，包括：
将所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签进行匹配，若所述审批人员的用户画像中存在与所述待审业务的类别标签匹配的能力标签，则将所述审批人员确定为所述待审业务对应的备选审批人员；
若所述待审业务对应的备选审批人员的数量等于1，则将所述备选审批人员确定为所述待审业务对应的审批人员；
若所述待审业务对应的备选审批人员的数量大于1，获取所述待审业务对应的至少两个备选审批人员，并根据所述至少两个备选审批人员的未处理审批业务，确定所述待审业务对应的审批人员。
6.如权利要求1所述的方法，其特征在于，所述将所述至少一个待审业务发送给对应的审批人员之前还包括：
根据所述至少一个待审业务中每个待审业务的类别标签，确定所述每个待审业务的业务优先级；
获取所述至少一个待审业务中每个待审业务的提交时间；
根据所述每个待审业务的业务优先级和所述每个待审业务的提交时间，确定所述至少一个待审业务的发送顺序；
所述将所述至少一个待审业务发送给对应的审批人员，包括：
按照所述发送顺序将所述至少一个待审业务发送给对应的审批人员。
7.如权利要求6所述的方法，其特征在于，所述根据所述至少一个待审业务中每个待审业务的类别标签，确定所述每个待审业务的业务优先级，包括：
分别确定所述至少一个待审业务中每个待审业务的类别标签所属目标标签集合，所述目标标签集合包括多个类别标签；
将所述目标标签集合所对应的目标优先级确定为所述待审业务的业务优先级，不同标签集合对应不同的优先级。
8.一种业务调度的装置，其特征在于，包括：
获取单元，用于获取至少一个待审业务中每个待审业务的业务信息；
确定单元，用于根据所述待审业务的业务信息确定所述待审业务的类别标签，所述待审业务的类别标签用于指示所述待审业务所属业务类别；
所述获取单元，还用于获取至少一个审批人员中每个审批人员的用户画像，所述用户画像中包括所述审批人员的至少一个能力标签，所述能力标签用于指示所述审批人员的审批业务类别；
所述确定单元，还用于根据所述待审业务的类别标签与所述每个审批人员的用户画像中的至少一个能力标签之间的匹配结果，确定所述待审业务对应的审批人员；
发送单元，用于将所述至少一个待审业务发送给对应的审批人员。
9.一种业务调度的装置，其特征在于，包括处理器、存储器以及通信接口，所述处理器、存储器和通信接口相互连接，其中，所述通信接口用于接收和发送数据，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序；当所述计算机程序在一个或多个处理器上运行时，执行如权利要求1-7中任一项所述的方法。
CN202111105855.7A 2021-09-22 2021-09-22 业务调度的方法、装置、设备及存储介质 Pending CN113850666A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111105855.7A CN113850666A (zh) 2021-09-22 2021-09-22 业务调度的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111105855.7A CN113850666A (zh) 2021-09-22 2021-09-22 业务调度的方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113850666A true CN113850666A (zh) 2021-12-28

Family

ID=78975059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111105855.7A Pending CN113850666A (zh) 2021-09-22 2021-09-22 业务调度的方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113850666A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115203361A (zh) * 2022-06-13 2022-10-18 华院计算技术(上海)股份有限公司 事件分拨方法及装置、存储介质、终端
CN116703129A (zh) * 2023-08-07 2023-09-05 匠达(苏州)科技有限公司 基于人员数据画像的智能任务匹配调度方法及系统
CN117726307A (zh) * 2024-02-18 2024-03-19 成都汇智捷成科技有限公司 一种基于业务中台的数据治理方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115203361A (zh) * 2022-06-13 2022-10-18 华院计算技术(上海)股份有限公司 事件分拨方法及装置、存储介质、终端
CN115203361B (zh) * 2022-06-13 2024-04-02 华院计算技术(上海)股份有限公司 事件分拨方法及装置、存储介质、终端
CN116703129A (zh) * 2023-08-07 2023-09-05 匠达(苏州)科技有限公司 基于人员数据画像的智能任务匹配调度方法及系统
CN116703129B (zh) * 2023-08-07 2023-10-24 匠达(苏州)科技有限公司 基于人员数据画像的智能任务匹配调度方法及系统
CN117726307A (zh) * 2024-02-18 2024-03-19 成都汇智捷成科技有限公司 一种基于业务中台的数据治理方法
CN117726307B (zh) * 2024-02-18 2024-04-30 成都汇智捷成科技有限公司 一种基于业务中台的数据治理方法

Similar Documents

Publication Publication Date Title
CN113850666A (zh) 业务调度的方法、装置、设备及存储介质
CN109872162B (zh) 一种处理用户投诉信息的风控分类识别方法及系统
US11429810B2 (en) Question answering method, terminal, and non-transitory computer readable storage medium
CN112988963B (zh) 基于多流程节点的用户意图预测方法、装置、设备及介质
CN112507704B (zh) 多意图识别方法、装置、设备及存储介质
CN110995459B (zh) 异常对象识别方法、装置、介质及电子设备
CN112686022A (zh) 违规语料的检测方法、装置、计算机设备及存储介质
CN111159417A (zh) 文本内容关键信息的提取方法、装置、设备及存储介质
CN110443236A (zh) 贷后文本要点信息提取方法及装置
CN111695337A (zh) 智能面试中专业术语的提取方法、装置、设备及介质
CN113705909A (zh) 基于预测模型的风险等级预测方法、装置与存储介质
CN113704474B (zh) 银行网点设备操作指引生成方法、装置、设备及存储介质
CN113641794A (zh) 简历文本的评估方法、装置及服务器
CN110532448B (zh) 基于神经网络的文档分类方法、装置、设备及存储介质
CN114742645B (zh) 基于多阶段时序多任务的用户安全等级识别方法及装置
CN113806538B (zh) 标签提取模型训练方法、装置、设备与存储介质
CN113570286B (zh) 基于人工智能的资源分配方法、装置、电子设备及介质
CN113298360B (zh) 一种用于资源分配的风险控制方法、装置和系统
CN112560427B (zh) 问题扩展方法、装置、电子设备及介质
CN113626605A (zh) 信息分类方法、装置、电子设备及可读存储介质
CN114492446A (zh) 法律文书处理方法、装置、电子设备及存储介质
CN113822215A (zh) 设备操作指引文件生成方法、装置、电子设备及存储介质
CN113902404A (zh) 基于人工智能的员工晋升分析方法、装置、设备及介质
CN112861962A (zh) 样本处理方法、装置、电子设备和存储介质
CN111783869A (zh) 训练数据筛选方法、装置、电子设备及存储介质

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