CN114298460A - 素材工单分派处理方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及数据处理技术领域，本发明公开了一种素材工单分派处理方法、装置、设备及存储介质，所述方法包括：获取与素材工单对应的包含设计等级、风格需求类别和期限日期的需求数据；获取与设计等级匹配的待分派人员标识；获取与各匹配的待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值；基于期限日期、工作排期和效率值，预估按期达成率；根据风格需求类别和与各待分派人员标识对应的擅长风格类别集合以及按期达成率，预测出派单匹配率；向与最大的派单匹配率对应的待分派人员标识分派素材工单，并插入工作排期中。因此，本发明实现了准确地、科学地匹配出最合适的待分派人员标识，提高了素材工单的分派效率以及完成效率。

Description

素材工单分派处理方法、装置、设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种素材工单分派处理方法、装置、设备及存储介质。

背景技术

随着传媒技术的发展，随处都可以看到各种各样的广告，广告设计的需求量突飞猛进，必然导致广告的素材工单量剧增，面对海量的广告的素材工单，现有的方案，大部分是通过逐级的人工分派方式派单给广告设计师，通常根据按照客户提交的时间顺序，先进先出的原则进行分配的，且大部分依赖逐级的主观因素进行分派，这样就会耗费长时间的素材工单的分派上，甚至会影响素材工单的完成进度，导致人力资源浪费和效率的低下，而且由于主观因素的影响，难免会出现差异化的分派结果，会存在一个设计师的素材工单众多，无法按时完成任务，最终影响客户的满意度，导致客户的流失。

发明内容

本发明提供一种素材工单分派处理方法、装置、计算机设备及存储介质，实现了准确地、科学地匹配出最合适的待分派人员标识，并自动插入至该待分派人员标识的工作排期中，无需人工分派，节省了人工分派的工作量，提高了素材工单的分派效率以及完成效率。

一种素材工单分派处理方法，包括：

获取与素材工单对应的需求数据；所述需求数据包括设计等级、风格需求类别和期限日期；

获取与所述设计等级匹配的待分派人员标识；

获取与各匹配的所述待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值；

基于所述期限日期以及与各所述待分派人员标识对应的所述工作排期和所述效率值，预估与各所述待分派人员标识对应的按期达成率；

根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率；

向与最大的派单匹配率对应的所述待分派人员标识分派所述素材工单，并将所述素材工单插入至与该分派人员对应的所述工作排期中。

一种素材工单分派处理装置，包括：

第一获取模块，用于获取与素材工单对应的需求数据；所述需求数据包括设计等级、风格需求类别和期限日期；

匹配模块，用于获取与所述设计等级匹配的待分派人员标识；

第二获取模块，用于获取与各匹配的所述待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值；

预估模块，用于基于所述期限日期以及与各所述待分派人员标识对应的所述工作排期和所述效率值，预估与各所述待分派人员标识对应的按期达成率；

预测模块，用于根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率；

分派模块，用于向与最大的派单匹配率对应的所述待分派人员标识分派所述素材工单，并将所述素材工单插入至与该分派人员对应的所述工作排期中。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并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素材工单分派处理方法的步骤。

一种计算机可读存储介质，所述计算机可读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素材工单分派处理方法的步骤。

本发明提供的素材工单分派处理方法、装置、计算机设备及存储介质，通过获取与素材工单对应的需求数据；所述需求数据包括设计等级、风格需求类别和期限日期；获取与所述设计等级匹配的待分派人员标识；获取与各匹配的所述待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值；基于所述期限日期以及与各所述待分派人员标识对应的所述工作排期和所述效率值，预估与各所述待分派人员标识对应的按期达成率；根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率；向与最大的派单匹配率对应的所述待分派人员标识分派所述素材工单，并将所述素材工单插入至与该分派人员对应的所述工作排期中，因此，实现了自动匹配相应设计等级的待分派人员标识，并综合待分派人员标识的擅长风格类别结果、工作排期和效率值，准确地、科学地匹配出最合适的待分派人员标识，并自动插入至该待分派人员标识的工作排期中，实现自动分派素材工单至最合适的待分派人员标识，无需人工分派，节省了人工分派的工作量，而且加快了素材工单的完成进度，从而提高了素材工单的分派效率以及完成效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中素材工单分派处理方法的应用环境示意图；

图2是本发明一实施例中素材工单分派处理方法的流程图；

图3是本发明一实施例中素材工单分派处理方法的步骤S50的流程图；

图4是本发明一实施例中素材工单分派处理装置的原理框图；

图5是本发明一实施例中素材工单分派处理装置的预测模块的原理框图；

图6是本发明一实施例中计算机设备的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中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作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。

本发明提供的素材工单分派处理方法，可应用在如图1的应用环境中，其中，客户端(计算机设备或终端)通过网络与服务器进行通信。其中，客户端(计算机设备或终端)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种素材工单分派处理方法，其技术方案主要包括以下步骤S10-S60：

S10，获取与素材工单对应的需求数据；所述需求数据包括设计等级、风格需求类别和期限日期。

可理解地，在创作一个广告投放的时候，需要创建该广告投放所对应的一系列的素材，所述素材为展现与该广告投放的需求数据相符合的图像或/和视频等可展现的媒体文件，所述素材工单为广告投放下的一系列素材所赋予的唯一工单编号，一个所述素材工单对应一个投放广告的所述需求数据，在接收到所述素材工单的分派请求时，获取与所述素材工单对应的所述需求数据，所述分派请求为需要对所述素材工单分派到素材的设计师而触发，所述需求数据体现了所述素材工单需要满足的需求内容的集合，所述需求数据包括所述设计等级、所述风格需求类别和所述期限日期，所述设计等级为设计师的评分等级，所述风格需求类别为设计的素材需符合的风格的类型，所述期限日期为设计完成素材工单的素材的最后日期。

在一实施例中，所述步骤S10之前，即所述获取与素材工单对应的需求数据之前，包括：

获取与所述素材工单对应的需求文件和参考素材。

可理解地，所述需求文件为该投放广告所提出的涉及需求的相关文件，所述需求文件为图像、文本、视频等可展现需求的文件，所述需求文件的格式可以根据收集需求的方式进行确定，如果收集需求的时候为通过录音的方式获得，则需求文件的格式为音频文件；如果收集需求的时候为通过文本记录的方式获得，则需求文件的格式为文本文件；如果收集需求的时候为通过拍摄视频的方式获得，则需求文件的格式为视频文件，其中，所述参考素材为需参考风格类别的素材，所述参考素材提供了生成符合需求提供风格相似的素材。

对所述需求文件进行文本识别及需求提取，得到所述设计等级和所述期限日期，以及对所述参考素材进行素材风格识别，得到所述风格需求类别。

可理解地，所述文本识别为对输入的文件识别出文本内容的过程，所述需求提取为提取出文本识别后获得的文本内容中的与需求相关的关键字的提取，在从提取出的关键字中筛选出与设计等级和期限日期相关的内容的过程，所述对所述需求文件进行文本识别及需求提取的过程包括：首先，对所述需求文件进行相应格式的文本转换，转换成文字格式的需求文本；然后，运用训练完成的素材关键字检测模型对该需求文本进行与需求要素相关的关键词提取，其中，所述素材关键字检测模型的网络结构可以为基于Bi-LSTM(又称：Bi-directional Long Short-Term Memory，双向长短时记忆算法)的网络结构，所述双向长短时记忆算法为在LSTM(Long short-term memory，长短期记忆)的基础上，结合了输入序列在前向和后向两个方向上的信息的算法；最后，通过关键字检测模型对识别出关键词进行分类，将时间维度和素材设计维度的类别进行聚合，得到时间维度的关键词和素材设计维度的关键词，将时间维度的关键词记录为所述期限日期，根据素材设计维度的关键词，映射出与其相对应的所述设计等级，即设计维度的各种关键词之间的组合产物存储了一个设计等级与其相映射，当识别出的设计维度的关键词与某一种组合产物相一致时，将该组合产物映射的设计等级记录为与设计维度的关键词对应的设计等级。

可理解地，所述素材风格识别为对素材进行风格特征的提取，并根据提取的风格特征进行聚类，从而识别出素材具有的风格的识别过程，所述对所述参考素材进行素材风格识别的过程可以通过训练完成的图像风格检测模型进行实现，所述图像风格检测模型的网络结构可以根据需求设定，比如图像风格检测模型的网络结构为CNN的网络结构，或者为VGG16的网络结构，其对所述参考素材进行素材风格识别的过程可以为：首先，通过图像风格检测模型对所述参考素材进行图像预处理，通过图像预处理可以将参考素材中的线条的纹理特征进行增强，所述图像预处理为运用图像增强算法对所述参考素材进行处理的过程，所述图像增强算法包括图像去燥、增加清晰度(对比度)、灰度化或者获取图像边缘特征或者对图像进行卷积、二值化、直方图均衡化、拉普拉斯变换和伽马变换等算法，从而得到预处理图像；其次，对所述预处理图像进行风格特征提取，所述风格特征提取可以为基于统计分布的参数化纹理特征提取方法，也可以为基于马尔科夫随机场的非参数化纹理特征提取方法，其中，所述基于统计分布的参数化纹理特征提取方法为通过统计学的方式对提取的纹理进行参数化向量体现的统计方法，所述基于马尔科夫随机场的非参数化纹理特征提取方法为运用马尔科夫网络提取纹理特征；最后，对提取的纹理特征进行分类，以及预测各素材风格的类别的概率分布，将超过预设阈值的素材风格的类别进行汇总，从而得到风格需求类别。

其中，LSTM算法为通过对细胞状态中信息遗忘和记忆新的信息使得对后续时刻计算有用的信息得以传递，而无用的信息被丢弃，并在每个时间步都会输出隐层状态，其中遗忘、记忆与输出是由通过上个时刻的隐层状态和当前输入计算出的遗忘门，记忆门，输出门进行综合控制获得，所述风格特征为图像中的线条或者区域呈现的与纹理的风格相关的特征。

在一实施例中，所述对所述需求文件进行相应格式的文本转换，转换成文字格式的需求文本，包括：

在检测到所述文件格式为音频格式时，运用语音识别技术，对所述需求文件进行语音文本转换，得到所述需求文本。

可理解地，所述语音识别技术(Automatic Speech Recognition，ASR)是一种将人的语音转换为文本的技术，也即对输入的音频格式的文件进行声纹特征提取，即提取出该文件中的具有梅尔倒谱系数(MFCC)的声纹特征，通过声纹特征识别出与该声纹特征相对应的发音的字，从而能够转换出相应的文本内容的技术，所述语音文本转换的过程为运用所述语音识别技术中的算法进行转换的过程。

在检测到所述文件格式为视频格式时，运用音频提取技术和语音识别技术，对所述需求文件进行视频转换，得到所述需求文本。

可理解地，所述音频提取技术为通过音频提取器播放输入的视频格式的文件，在播放过程中采集音频流的内容，并对采集音频流的内容进行噪音过滤的技术，所述视频转换的过程为先运用所述音频提取技术提取出所述需求文件中的音频流内容，再运用所述语音识别技术，将音频流内容转换成文本的过程，最终得到需求文本。

在检测到所述文件格式为图像格式时，运用OCR技术，对所述需求文件进行文本提取，得到所述需求文本。

可理解地，所述光学字符识别技术，也称Optical Character Recognition(OCR)技术，采用光学的方式将抄写在纸质文档中的文字拍摄成为黑白点阵的图像文件，并通过训练完成的文字识别网络将图像中的文字转换成文本的技术，所述文本提取的过程为运用光学字符识别技术识别出需求文件中的文字的过程。

如此，能够通过检测到不同格式的需求文件，自动选择相应的技术，做相应的转换，得到需求文本，无需人工一个个识别及人工转换，提高了需求文本转换的效率和准确性。

将所述设计等级、所述期限日期和所述风格识别结果记录为与素材工单对应的所述需求数据。

如此，本发明实现了通过获取与所述素材工单对应的需求文件和参考素材；对所述需求文件进行文本识别及需求提取，得到所述设计等级和所述期限日期，以及对所述参考素材进行素材风格识别，得到所述风格需求类别；将所述设计等级、所述期限日期和所述风格识别结果记录为与素材工单对应的所述需求数据，实现了运用文本识别、需求提取以及素材风格识别，自动识别出最终的需求数据，大大减少了人工识别需求的工作量，提高了需求数据识别的效率。

S20，获取与所述设计等级匹配的待分派人员标识。

可理解地，所述待分派人员标识为可分派素材任务的设计师所对应的唯一标识，比如待分派人员标识为设计师的员工编号、身份证号等等，任务已满或者缺勤的设计师不在所述待分派人员标识之列，每个所述待分派人员标识均有一个评分等级关联，一个评分等级可以关联多个待分派人员标识，从所有所述待分派人员标识中查询与所述设计等级一致的评分等级所关联的所述待分派人员标识，并将其确定为与所述设计等级匹配的待分派人员标识，以及获取该待分派人员标识。

S30，获取与各匹配的所述待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值。

可理解地，一个所述待分派人员标识对应一个所述擅长风格类别集合，以及一个所述工作排期和一个效率值，所述擅长风格类别集合为相应的待分派人员擅长设计的素材所符合的风格类别的集合，所述擅长风格类别集合为一个文本数组，例如：{古典风；复古风；唯美风}，{现代风；激进风；色调突变风}等等，所述工作排期为所述待分派人员(设计师)的工作任务的按照时间顺序排列的任务队列，所述工作排期在数据库中会实时更新，所述效率值为所述待分派人员在预设时间段内的效率百分比，所述效率值在数据库中会随着时间的推移实时计算。

在一实施例中，所述步骤S30之前，即所述获取与各匹配的所述待分派人员标识对应的擅长风格类别集合之前，包括：

获取与各所述待分派人员标识关联的所有历史工单。

可理解地，在数据库中存储了所有待分派人员标识关联的所有所述历史工单，所述历史工单为由相关联的待分派人员标识已经完成的历史的素材工单，每个所述待分派人员标识均关联各自完成的所有所述历史工单。

基于获取的所有所述历史工单，构建与各所述待分派人员标识对应的工单图谱。

可理解地，所述工单图谱为将待分派人员标识与其关联的所有历史工单的关联关系的图谱，构建一个待分派人员所对应的所述工单图谱的过程为以该待分派人员为中心，各关联的历史工单作为节点与该中心建立连接，其中，每个节点包含相应的历史工单完成的作品和该作品赋予的评分值，所述作品为完成的历史素材，中心与节点连接的关系的远近根据该节点的评分值进行衡量，即将评分值取对数再与预设长度相加，得到连接关系的远近距离，评分值越高越靠近中心，评分值越低越远离中心。

在一实施例中，所述基于获取的所有所述历史工单，构建与各所述待分派人员标识对应的工单图谱，包括：

在检测到与所述待分派人员标识关联的所有历史工单为空时，运用网络爬虫技术，爬取与所述待分派人员标识匹配的素材样本，将爬取的各所述素材样本作为与所述待分派人员标识关联的各历史工单中的作品，以及赋予各历史工单预设的评分值。

可理解地，在开始构建所述工单图谱时，检测与所述待分派人员标识关联的所有所述历史工单，若检测到所述待分派人员标识所关联的所有所述历史工单为空或者不存在，表明该待分派人员标识并未在数据库中存储完成的历史素材，此时，触发爬取该待分派人员标识的素材样本请求，爬取的过程为：首先，获取该待分派人员标识的基础属性，所述基础属性包括待分派人员的姓名、性别和历史就职企业；其次，将所述基础属性作为文本匹配的基准，运用网络爬虫技术，爬取与所述基础属性匹配的网页；最后，在爬取的网页中提取出与该待分派人员的姓名的标签关联图像，将提取的图像记录为与所述待分派人员标识匹配的所述素材样本。

其中，所述网络爬虫技术为运用文本匹配的规则，自动地抓取万维网信息的程序、图像标签或者脚本的技术，将爬取的各所述素材样本作为与所述待分派人员标识关联的各历史工单中的作品，以及赋予各历史工单预设的评分值，所述预设的评分值可以根据需求设定，比如合格的分值或者满分的一半的分值等等，所述作品为完成的历史素材，在赋予各历史工单预设的评分值之后，重新检测与所述待分派人员标识关联的所有所述历史工单。

在检测到与所述待分派人员标识关联的所有历史工单不为空时，以所述待分派人员标识为中心连接各所述历史工单，并构建与所述待分派人员标识对应的所述工单图谱。

可理解地，若检测到与所述待分派人员标识关联的所有所述历史工单不为空，以该待分派人员为中心，各关联的历史工单作为节点与该中心建立连接，其中，每个节点包含相应的历史工单完成的作品和该作品赋予的评分值，所述作品为完成的历史素材，中心与节点连接的关系的远近根据该节点的评分值进行衡量，即将评分值取对数再与预设长度相加，得到连接关系的远近距离，评分值越高越靠近中心，评分值越低越远离中心，从而构建出该待分派人员标识所对应的所述工单图谱。

如此，本发明实现了在待分派人员标识无历史工单时，自动从网络中爬取与其匹配的素材样本，并作为该待分派人员标识的历史工单，避免无历史工单无法定义擅长风格类别的情况，在待分派人员标识有历史工单时，则按照以该待分派人员标识为中心连接各历史工单，并构建工单图谱，为后续的擅长风格类别集合的生成提供了数据基础。

根据与各所述待分派人员标识对应的工单图谱，对各所述待分派人员标识进行风格画像，得到与各所述待分派人员标识对应的所述擅长风格类别集合。

可理解地，所述风格画像为根据每一个待分派人员标识的作品所属的风格标签和分值，聚类输出每一个待分派人员的擅长的风格类别或者风格标签，从而给每一个待分派人员标识打上擅长风格类别集合的标签，所述风格画像的过程可以为：首先，对所述工单图谱中的各所述历史工单中的作品进行风格标签识别，识别出各所述历史工单所对应的风格标签；然后，对各所述历史工单所对应的所述风格标签进行基于评分值的打分，构建各所述待分派人员标识的工单风格图谱；最后，对与所述待分派人员标识对应的所述工单风格图谱进行聚类的风格画像，输出与所述待分派人员标识对应的所述擅长风格类别集合的过程。

本发明实现了通过获取与各所述待分派人员标识关联的所有历史工单；基于获取的所有所述历史工单，构建与各所述待分派人员标识对应的工单图谱；根据与各所述待分派人员标识对应的工单图谱，对各所述待分派人员标识进行风格画像，得到与各所述待分派人员标识对应的所述擅长风格类别集合，

在一实施例中，所述根据与各所述待分派人员标识对应的工单图谱，对各所述待分派人员标识进行风格画像，得到与各所述待分派人员标识对应的所述擅长风格类别集合，包括：

对所述工单图谱中的各所述历史工单中的作品进行风格标签识别，得到各所述历史工单所对应的风格标签。

可理解地，所述风格标签识别可以通过训练完成的用于快速识别出输入图像的风格类别的风格识别模型来实现，也可以通过所述图像风格检测模型实现，所述风格标签识别可以与所述素材风格识别相同，也可以与所述素材风格识别不同，所述风格识别模型为轻量化的神经网络模型，优选地，所述风格识别模型的网络结构为Xception的网络结构，所述风格标签识别的过程可以为对所述作品做纹理特征的提取，根据提取的纹理特征进行softmax的分类，从而得出输入作品的风格类别，从而得到每个所述历史工单所对应的风格标签。

根据各所述历史工单中的评分值，对各所述历史工单所对应的所述风格标签进行打分，并构建与所述待分派人员标识对应的工单风格图谱。

可理解地，所述打分的过程为将各个所述历史工单的评分值作为该历史工单的风格标签的分值过程，构建与所述待分派人员标识对应的工单风格图谱的过程为将该待分派人员标识所对应的工单图谱中的作品由相应的风格标签代替，各风格标签赋予一个分值，从而得到所述工单风格图谱。

对与所述待分派人员标识对应的所述工单风格图谱进行聚类的风格画像，得到与所述待分派人员标识对应的所述擅长风格类别集合。

可理解地，所述聚类的风格画像的过程为运用聚类的方式统计风格标签，将最终密集度高的风格标签作为该待分派人员标识所对应的擅长风格类别集合，其中，所述运用聚类的方式统计风格标签的过程为以风格标签作为横轴，以分值作为纵轴，建立空间坐标，在该空间坐标中定位出所述工单风格图谱中的各个节点的坐标点，定位完工单风格图谱的所有节点之后，通过聚类算法计算密集度高的簇点，根据该簇点落入的风格标签的位置确定为所述擅长风格类别集合中的一个子集，汇总所有子集得到所述擅长风格类别集合。

本发明实现了通过对所述工单图谱中的各所述历史工单中的作品进行风格标签识别，得到各所述历史工单所对应的风格标签；根据各所述历史工单中的评分值，对各所述历史工单所对应的所述风格标签进行打分，并构建与所述待分派人员标识对应的工单风格图谱；对与所述待分派人员标识对应的所述工单风格图谱进行聚类的风格画像，得到与所述待分派人员标识对应的所述擅长风格类别集合，如此，实现了自动基于工单图谱构建工单风格图谱，并运用聚类方法，自动进行风格画像，得到客观地、准确地、科学的待分派人员标识的擅长风格类别集合。

S40，基于所述期限日期以及与各所述待分派人员标识对应的所述工作排期和所述效率值，预估与各所述待分派人员标识对应的按期达成率。

可理解地，所述效率值为所述待分派人员在预设时间段内的效率百分比，所述效率值在数据库中会随着时间的推移实时计算，其中，所述预设时间段可以根据需求设定，比如一周或者两周等等，所述效率值的计算方式为在预设时间段内所有完成的任务的标准时长与消耗时长的百分占比的平均值，根据所述期限日期在所述工作排期中的位置之前的未完成的任务数，通过未完成的任务数按照所述效率值的方式完成任务，即标准时长与所述效率值相除，再将相除的结果与未完成的任务数相乘，得到未完成的任务数所需时长，将当前距离所述期限日期之前的总时长减去未完成的任务数所需时长，可以得到剩余的时长，将该剩余的时长与标准时长相除，得到该待分派人员标识的按期达成率，所述按期达成率体现了待分派人员能够按期完成的理论概率。

S50，根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率。

可理解地，所述预测的过程为综合所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合之间的匹配程度，以及所述按期达成率，输出按期完成素材工单的最终概率的过程，所述预测的过程可以为比对所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合，得到各所述待分派人员标识相应的体现文本之间匹配程度的擅长匹配度，再对所述擅长匹配度和所述按期达成率进行加成处理，得到与各所述待分派人员标识对应的所述派单匹配率的过程，所述加成处理可以为分别对所述擅长匹配度和所述按期达成率赋予各自权重，两者的权重之和为一，将所述擅长匹配度和所述按期达成率分别与各自的权重相乘后再求和的处理过程，也可以为将所述擅长匹配度和所述按期达成率相乘的处理过程，所述派单匹配率体现了待分派人员按期完成所述素材工单的最终概率。

在一实施例中，如图3所示，所述步骤S50中，即所述根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率，包括：

S501，根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合，生成与各所述待分派人员标识对应的擅长匹配度。

可理解地，运用文本匹配算法，将所述风格需求类别与各所述待分派人员标识对应的擅长风格类别集合中的子集一一匹配，计算出所述风格需求类别与各子集之间的相似度，对所有与相同的待分派人员对应的相似度取平均值，将该平均值确定为与该待分派人员标识对应的所述擅长匹配度，所述擅长匹配度体现了待分派人员所擅长的风格标签与当前的风格需求类别的匹配程度。

其中，所述文本匹配算法为运用文本的词向量匹配出相似度，并根据相似度进行衡量匹配程度的算法，其中，相似度的计算方法为运用余弦相似度算法进行计算，即通过计算两个文本的词向量之间的余弦值衡量两个文本的相似度。

S502，根据与各所述待分派人员标识对应的所述擅长匹配度，对各与所述擅长匹配度相对应的所述按期达成率进行加成处理，得到与各所述待分派人员标识对应的所述派单匹配率。

可理解地，所述加成处理为将与所述待分派人员标识对应的所述擅长匹配度和所述按期达成率相乘的处理过程，从而得到与各所述待分派人员标识对应的所述派单匹配率，所述派单匹配率体现了待分派人员按期完成所述素材工单的最终概率。

本发明实现了通过根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合，生成与各所述待分派人员标识对应的擅长匹配度；根据与各所述待分派人员标识对应的所述擅长匹配度，对各与所述擅长匹配度相对应的所述按期达成率进行加成处理，得到与各所述待分派人员标识对应的所述派单匹配率，如此，实现了自动生成各待分派人员标识针对素材工单的擅长匹配度，并基于擅长匹配度，自动加成按期达成率，从而自动预测出各待分派人员标识相应的派单匹配率，为后续的素材工单分派提供分派条件，实现了自动分派，以及提高素材工单分派的准确性和可靠性。

S60，向与最大的派单匹配率对应的所述待分派人员标识分派所述素材工单，并将所述素材工单插入至与该分派人员对应的所述工作排期中。

可理解地，对所有所述派单匹配率进行降序排序，获取排序后序列第一的派单匹配率作为最大的派单匹配率，并向最大的派单匹配率所对应的待分派人员标识的任务队列推送所述素材工单，将所述素材工单在所述工作排期的最后一个任务的尾部插入所述素材工单，完成所述素材工单的分派动作。

本发明实现了通过获取与素材工单对应的需求数据；所述需求数据包括设计等级、风格需求类别和期限日期；获取与所述设计等级匹配的待分派人员标识；获取与各匹配的所述待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值；基于所述期限日期以及与各所述待分派人员标识对应的所述工作排期和所述效率值，预估与各所述待分派人员标识对应的按期达成率；根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率；向与最大的派单匹配率对应的所述待分派人员标识分派所述素材工单，并将所述素材工单插入至与该分派人员对应的所述工作排期中，因此，实现了自动匹配相应设计等级的待分派人员标识，并综合待分派人员标识的擅长风格类别结果、工作排期和效率值，准确地、科学地匹配出最合适的待分派人员标识，并自动插入至该待分派人员标识的工作排期中，实现自动分派素材工单至最合适的待分派人员标识，无需人工分派，节省了人工分派的工作量，而且加快了素材工单的完成进度，从而提高了素材工单的分派效率以及完成效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种素材工单分派处理装置，该素材工单分派处理装置与上述实施例中素材工单分派处理方法一一对应。如图4所示，该素材工单分派处理装置包括第一获取模块11、匹配模块12、第二获取模块13、预估模块14、预测模块15和分派模块16。各功能模块详细说明如下：

第一获取模块11，用于获取与素材工单对应的需求数据；所述需求数据包括设计等级、风格需求类别和期限日期；

匹配模块12，用于获取与所述设计等级匹配的待分派人员标识；

第二获取模块13，用于获取与各匹配的所述待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值；

预估模块14，用于基于所述期限日期以及与各所述待分派人员标识对应的所述工作排期和所述效率值，预估与各所述待分派人员标识对应的按期达成率；

预测模块15，用于根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率；

分派模块16，用于向与最大的派单匹配率对应的所述待分派人员标识分派所述素材工单，并将所述素材工单插入至与该分派人员对应的所述工作排期中。

在一实施例中，如图5所示，所述预测模块15包括：

生成单元51，用于根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合，生成与各所述待分派人员标识对应的擅长匹配度；

加成单元52，用于根据与各所述待分派人员标识对应的所述擅长匹配度，对各与所述擅长匹配度相对应的所述按期达成率进行加成处理，得到与各所述待分派人员标识对应的所述派单匹配率。

关于素材工单分派处理装置的具体限定可以参见上文中对于素材工单分派处理方法的限定，在此不再赘述。上述素材工单分派处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是客户端或者服务端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、内存储器。该可读存储介质存储有操作系统、计算机程序和数据库。该内存储器为可读存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种素材工单分派处理方法。

在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现上述实施例中素材工单分派处理方法。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中素材工单分派处理方法。

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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述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精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种素材工单分派处理方法，其特征在于，包括：

获取与素材工单对应的需求数据；所述需求数据包括设计等级、风格需求类别和期限日期；

获取与所述设计等级匹配的待分派人员标识；

获取与各匹配的所述待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值；

基于所述期限日期以及与各所述待分派人员标识对应的所述工作排期和所述效率值，预估与各所述待分派人员标识对应的按期达成率；

根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率；

向与最大的派单匹配率对应的所述待分派人员标识分派所述素材工单，并将所述素材工单插入至与该分派人员对应的所述工作排期中。

2.如权利要求1所述的素材工单分派处理方法，其特征在于，所述获取与素材工单对应的需求数据之前，包括：

获取与所述素材工单对应的需求文件和参考素材；

对所述需求文件进行文本识别及需求提取，得到所述设计等级和所述期限日期，以及对所述参考素材进行素材风格识别，得到所述风格需求类别；

将所述设计等级、所述期限日期和所述风格识别结果记录为与素材工单对应的所述需求数据。

3.如权利要求1所述的素材工单分派处理方法，其特征在于，所述获取与各匹配的所述待分派人员标识对应的擅长风格类别集合之前，包括：

获取与各所述待分派人员标识关联的所有历史工单；

基于获取的所有所述历史工单，构建与各所述待分派人员标识对应的工单图谱；

根据与各所述待分派人员标识对应的工单图谱，对各所述待分派人员标识进行风格画像，得到与各所述待分派人员标识对应的所述擅长风格类别集合。

4.如权利要求3所述的素材工单分派处理方法，其特征在于，所述基于获取的所有所述历史工单，构建与各所述待分派人员标识对应的工单图谱，包括：

在检测到与所述待分派人员标识关联的所有历史工单为空时，运用网络爬虫技术，爬取与所述待分派人员标识匹配的素材样本，将爬取的各所述素材样本作为与所述待分派人员标识关联的各历史工单中的作品，以及赋予各历史工单预设的评分值；

在检测到与所述待分派人员标识关联的所有历史工单不为空时，以所述待分派人员标识为中心连接各所述历史工单，并构建与所述待分派人员标识对应的所述工单图谱。

5.如权利要求3所述的素材工单分派处理方法，其特征在于，所述根据与各所述待分派人员标识对应的工单图谱，对各所述待分派人员标识进行风格画像，得到与各所述待分派人员标识对应的所述擅长风格类别集合，包括：

对所述工单图谱中的各所述历史工单中的作品进行风格标签识别，得到各所述历史工单所对应的风格标签；

根据各所述历史工单中的评分值，对各所述历史工单所对应的所述风格标签进行打分，并构建与所述待分派人员标识对应的工单风格图谱；

对与所述待分派人员标识对应的所述工单风格图谱进行聚类的风格画像，得到与所述待分派人员标识对应的所述擅长风格类别集合。

6.如权利要求1所述的素材工单分派处理方法，其特征在于，所述根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率，包括：

根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合，生成与各所述待分派人员标识对应的擅长匹配度；

根据与各所述待分派人员标识对应的所述擅长匹配度，对各与所述擅长匹配度相对应的所述按期达成率进行加成处理，得到与各所述待分派人员标识对应的所述派单匹配率。

7.一种素材工单分派处理装置，其特征在于，包括：

第一获取模块，用于获取与素材工单对应的需求数据；所述需求数据包括设计等级、风格需求类别和期限日期；

匹配模块，用于获取与所述设计等级匹配的待分派人员标识；

第二获取模块，用于获取与各匹配的所述待分派人员标识对应的擅长风格类别集合，以及工作排期和效率值；

预估模块，用于基于所述期限日期以及与各所述待分派人员标识对应的所述工作排期和所述效率值，预估与各所述待分派人员标识对应的按期达成率；

预测模块，用于根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合以及所述按期达成率，预测出与各所述待分派人员标识对应的派单匹配率；

分派模块，用于向与最大的派单匹配率对应的所述待分派人员标识分派所述素材工单，并将所述素材工单插入至与该分派人员对应的所述工作排期中。

8.如权利要求7所述的素材工单分派处理装置，其特征在于，所述预测模块包括：

生成单元，用于根据所述风格需求类别和与各所述待分派人员标识对应的擅长风格类别集合，生成与各所述待分派人员标识对应的擅长匹配度；

加成单元，用于根据与各所述待分派人员标识对应的所述擅长匹配度，对各与所述擅长匹配度相对应的所述按期达成率进行加成处理，得到与各所述待分派人员标识对应的所述派单匹配率。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至6任一项所述素材工单分派处理方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述素材工单分派处理方法。

Images