CN115601004A - 基于机器学习的用户工作代办提醒系统 - Google Patents

Abstract

本发明公开了基于机器学习的用户工作代办提醒系统，涉及工业信息管理技术领域，包括任务分配模块、任务提醒模块、人员调度模块以及任务评估模块；任务分配模块用于对数据库中存储的待办事项进行分配，并生成对应处理人员的待办事项处理表；在处理人员处理待办事项过程中，任务提醒模块用于获取待办事项的处理进度并进行分析，判断当前进度是否迟滞；人员调度模块用于接收到迟滞信号后安排调度人员对处理人员进行辅助；任务评估模块用于根据用户的浏览、评论对代办事项进行处理系数评估；若处理系数大于预设处理阈值，则将代办事项同时通过全部预设方式发送至对应的处理人员终端，以提醒处理人员优先处理，进一步提高待办事项的处理效率。

Description

基于机器学习的用户工作代办提醒系统

技术领域

本发明涉及工业信息管理技术领域，具体是基于机器学习的用户工作代办提醒系统。

背景技术

工业信息管理系统处理待办事项的过程一般包括：先通过系统中的处理任务触发提醒事件，生成一个待办事项，再通过网络将生成的待办事项，以提示文本的形式，发送给用户终端，以使用户根据接收到的提示文本处理相应的任务。目前信息管理系统需要用户通过PC端登录进系统中，系统会在专门的待办事项列表里显示对应的待办事项，待用户点击后进行操作，用户操作完成之后该待办事项会自动默认为关闭。

从上述待办事项的处理方式可知，在系统中建立待办事项的时候，用户必须登录进系统中方能看到自己的待办事项，这样导致待办事项处理不及时，特别在处理流程相关的待办事项时，例如文件校核确认等，如果处理不及时，会导致整个流程处理滞后，严重影响办公效率，且系统无法根据特定的推送优先级，将待办事项以第三方程序插件推送、专用应用程序推送和信息链接推送中的一种或同时进行推送，从而适应不同的用户终端环境，避免用户无法接收到待办事项的情况发生，缓解处理不及时现象；基于以上不足，本发明提出基于机器学习的用户工作代办提醒系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于机器学习的用户工作代办提醒系统。

为实现上述目的，根据本发明的第一方面的实施例提出基于机器学习的用户工作代办提醒系统，包括任务分配模块、任务处理模块、任务提醒模块、人员调度模块、任务展示模块以及任务评估模块；

所述任务分配模块用于对数据库中存储的待办事项进行分配，将同一处理人员的待办事项按照优先值YX大小进行降序排列，生成对应处理人员的待办事项处理表，并将待办事项处理表发送至服务器；

所述任务处理模块用于处理人员从服务器中调取相应的待办事项处理表，并根据待办事项处理表的排序依次对待办事项进行处理；

在处理人员对待办事项进行处理过程中，所述任务提醒模块用于获取待办事项的处理进度并进行分析，判断当前进度是否迟滞；所述人员调度模块用于接收到迟滞信号后安排调度人员对处理人员进行辅助；

所述任务展示模块用于同步展示数据库中存储的代办事项，供用户进行浏览、评论；其中评论是指用户对代办事项进行投票；

所述任务评估模块用于根据用户的浏览、评论对代办事项进行处理系数评估；若处理系数CL大于预设处理阈值，则将所述代办事项同时通过全部预设方式发送至对应的处理人员终端，以提醒处理人员优先处理。

进一步地，所述任务分配模块的具体分配步骤为：

将同一处理人员的待办事项进行统合，得到人员待办事项集合；

获取人员待办事项集合中的待办事项，根据所述待办事项获取待处理任务的安全级别并标记为A1；根据所述待办事项获取待处理任务的操作难度级别并标记为A2；根据所述待办事项获取待处理任务的参与处理人数并标记为R1；获取所述待办事项的触发时刻，将触发时刻与系统当前时间进行时间差计算得到触发时长CT；

利用公式YX＝(A1×g1+R1×g2+CT×g3)/A2计算得到对应待办事项的优先值YX，其中g1、g2、g3为预设系数因子。

进一步地，还包括任务触发模块；所述任务触发模块与服务器相连接，用于通过待处理任务触发提醒事件，生成待办事项并将生成的待办事项存储至数据库中；所述待处理任务包含需要处理的任务数据以及参与任务处理的人员信息；其中，一个待处理任务对应多个待办事项。

进一步地，所述任务提醒模块的具体工作步骤为：

获取处理人员正在处理中的待办事项，从服务器中调取对应待处理任务的操作难度级别A2；根据操作难度级别A2确定对应的处理时长阈值为WT；

将当前待办事项的处理时长与处理时长阈值相比较；当处理时长达到处理时长阈值WT时，则生成提醒信号至处理人员的手机终端上，以提醒处理人员加快进度；

若在发送提醒信号后第一时间阈值内，所述任务提醒模块未接收到处理人员发送的解决信号，则判断对应待办事项进度迟滞，生成迟滞信号至人员调度模块。

进一步地，根据操作难度级别A2确定对应的处理时长阈值为WT，具体为：所述数据库内存储有操作难度级别与处理时长阈值的对照表。

进一步地，所述任务处理模块包括任务执行单元、任务确认单元，具体为：

处理人员通过任务执行单元对待办事项进行处理，同时对应修改该待办事项的当前状态，其中当前状态包括未处理、处理中以及已完成；

处理人员完成待办事项后，在任务确认单元中确认，同时将已确认完成的待办事项从数据库中删去。

进一步地，所述任务评估模块的具体评估方法为：

在预设时间段内，获取对应代办事项所有的浏览记录；所述浏览记录包括浏览开始时刻、浏览结束时刻以及是否投票；

统计该代办事项的浏览总次数为L1，将每次浏览的浏览时长进行累加得到浏览总时长LZ；统计该代办事项的投票率为Lb；

利用公式CL＝L1×d1+LZ×d2+Lb×d3计算得到该代办事项的处理系数CL，其中d1、d2、d3均为预设系数因子。

进一步地，其中，所述预设方式包括第三方程序插件推送、专用应用程序推送和信息链接推送。

与现有技术相比，本发明的有益效果是：

1、本发明中所述任务分配模块用于对数据库中存储的待办事项进行分配；首先将同一处理人员的待办事项进行统合，得到人员待办事项集合；获取人员待办事项集合中的待办事项，根据待办事项对应待处理任务的安全级别、操作难度级别以及参与处理人数，计算得到对应待办事项的优先值YX；将待办事项按照优先值YX大小进行降序排列，生成对应处理人员的待办事项处理表；所述任务处理模块用于处理人员根据待办事项处理表的排序依次对待办事项进行处理，提高待办事项的处理效率；

2、本发明中所述任务提醒模块用于获取待办事项的处理进度并进行分析，判断当前进度是否迟滞；根据对应待处理任务的操作难度级别A2确定对应的处理时长阈值为WT；当待办事项的处理时长达到处理时长阈值WT时，则生成提醒信号至处理人员的手机终端上，以提醒处理人员加快进度；若在发送提醒信号后第一时间阈值内，对应待办事项还未完成，则利用人员调度模块安排调度人员进行辅助，共同完成对应待办事项，以提高办公效率；

3、本发明中所述任务展示模块用于同步展示数据库中存储的代办事项，供用户进行浏览、评论；所述任务评估模块用于根据用户的浏览、评论对代办事项进行处理系数评估，结合浏览总次数、浏览总时长以及投票率，计算得到该代办事项的处理系数CL；若CL大于预设处理阈值，则将所述代办事项同时通过全部预设方式发送至对应的处理人员终端，以适应不同的用户终端环境并提醒处理人员优先处理；避免用户无法接收到待办事项的情况发生，缓解处理不及时现象，进一步提高待办事项的处理效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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为本发明基于机器学习的用户工作代办提醒系统的系统框图。

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，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。

如图1所示，基于机器学习的用户工作代办提醒系统，包括任务触发模块、服务器、数据库、任务分配模块、任务处理模块、任务提醒模块、人员调度模块、任务展示模块以及任务评估模块；

任务触发模块与服务器相连接，用于通过待处理任务触发提醒事件，生成待办事项；具体为：

管理员在服务器端或者由一个用户终端向服务器端发起一个待处理任务；待处理任务包含需要处理的任务数据，以及参与任务处理的人员(终端)信息；

发起待处理任务后，通过执行服务器上的信息管理程序，可以触发提醒事件，以至于生成待办事项；

实际应用中，每个发送给用户终端的包含待处理任务的消息即一个待办事项，显然，对于一个待处理任务，其可以对应多个待办事项，例如，每发送给一个用户进行处理，即需要生成一个待办事项。并且，针对不同的任务处理阶段，发送给用户的待办事项先后顺序也不同；

任务触发模块用于将对应的待办事项存储至数据库中；任务分配模块与数据库相连接，用于对数据库中存储的待办事项进行分配，具体分配步骤为：

将同一处理人员的待办事项进行统合，得到人员待办事项集合；

获取人员待办事项集合中的待办事项，根据待办事项获取待处理任务的安全级别并标记为A1；实际应用中，如果当前待处理任务的安全级别较低，如进行一般报表的核对工作，则其待办事项的优先级较低；

根据待办事项获取待处理任务的操作难度级别并标记为A2；

实际应用中，可以通过服务器中的管理系统，对各种类型的任务进行操作难度分级，例如，可以通过数字代表操作难度级别，一级代表操作难度简单，如点击同意或反对按钮即可；二级代表操作难度为一般，如需要对数值进行修正等；三级代表操作难度复杂，如需要对图表或图形实施操作等；一般来说，操作难度级别越高，则需要花费的时间越长，为了提高任务处理效率，通常都是按照先易后难的顺序进行处理；

根据待办事项获取待处理任务的参与处理人数并标记为R1；实际应用中，对于一个待处理任务，其可以对应多个待办事项，需要多个待办事项相互配合，才能完成任务；若其中一个待办事项处理不及时，则会导致整个流程处理滞后，严重影响办公效率；因此若参与处理人数较多，则其待办事项的优先级较高；

获取待办事项的触发时刻，将触发时刻与系统当前时间进行时间差计算得到触发时长CT；将安全级别A1、操作难度级别A2、参与处理人数R1以及触发时长CT进行归一化处理并取其数值；

利用公式YX＝(A1×g1+R1×g2+CT×g3)/A2计算得到对应待办事项的优先值YX，其中g1、g2、g3为预设系数因子；

将待办事项按照优先值YX大小进行降序排列，生成对应处理人员的待办事项处理表；任务分配模块用于将待办事项处理表发送至服务器；

任务处理模块用于处理人员从服务器中调取相应的待办事项处理表，并根据待办事项处理表的排序依次对待办事项进行处理；任务处理模块包括任务执行单元以及任务确认单元，具体工作步骤为：

处理人员通过任务执行单元对待办事项进行处理，同时对应修改该待办事项的当前状态，其中当前状态包括未处理、处理中以及已完成；

处理人员完成待办事项后，在任务确认单元中确认，同时将已确认完成的待办事项从数据库中删去；

任务提醒模块与任务处理模块相连接；在处理人员对待办事项进行处理过程中，任务提醒模块用于获取待办事项的处理进度并进行分析，判断当前进度是否迟滞，具体分析步骤为：

获取处理人员正在处理中的待办事项；根据确定的待办事项，从服务器中调取对应待处理任务的操作难度级别A2；

根据操作难度级别A2确定对应的处理时长阈值为WT；具体为：数据库内存储有操作难度级别与处理时长阈值的对照表；

将当前待办事项的处理时长与处理时长阈值相比较；当处理时长达到处理时长阈值WT时，则生成提醒信号至处理人员的手机终端上；

处理人员接收到提醒信号后合理加快进度，当完成当前待办事项后，发送解决信号至任务提醒模块；

若在发送提醒信号后第一时间阈值内，任务提醒模块未接收到处理人员发送的解决信号，则判断对应待办事项进度迟滞，生成迟滞信号至人员调度模块；人员调度模块接收到迟滞信号后安排调度人员对处理人员进行辅助，共同完成对应待办事项，以提高办公效率；

任务展示模块与数据库相连接，用于同步展示数据库中存储的代办事项，供用户进行浏览、评论；其中评论是指用户对代办事项进行投票，其中投票是指用户同意该代办事项应该尽快处理；

任务评估模块与任务展示模块相连接，用于根据用户的浏览、评论对代办事项进行处理系数评估，具体评估方法为：

在预设时间段内，获取对应代办事项所有的浏览记录；浏览记录包括浏览开始时刻、浏览结束时刻以及是否投票；

统计该代办事项的浏览总次数为L1，将每次浏览的浏览时长进行累加得到浏览总时长LZ；统计该代办事项的投票率为Lb；

将浏览总次数、浏览总时长以及投票率进行归一化处理并取其数值，利用公式CL＝L1×d1+LZ×d2+Lb×d3计算得到该代办事项的处理系数CL，其中d1、d2、d3均为预设系数因子；

将处理系数CL与预设处理阈值相比较；若CL大于预设处理阈值，则将代办事项同时通过全部预设方式发送至对应的处理人员终端，以提醒处理人员优先处理，进一步提高待办事项的处理效率；

其中，预设方式包括第三方程序插件推送、专用应用程序推送和信息链接推送；从而适应不同的用户终端环境，避免用户无法接收到待办事项的情况发生，缓解处理不及时现象。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

基于机器学习的用户工作代办提醒系统，在工作时，任务触发模块通过待处理任务触发提醒事件，生成待办事项并将待办事项存储至数据库中；任务分配模块用于对数据库中存储的待办事项进行分配；首先将同一处理人员的待办事项进行统合，得到人员待办事项集合；获取人员待办事项集合中的待办事项，根据待办事项对应待处理任务的安全级别、操作难度级别以及参与处理人数，计算得到对应待办事项的优先值YX；将待办事项按照优先值YX大小进行降序排列，生成对应处理人员的待办事项处理表；任务处理模块用于处理人员根据待办事项处理表的排序依次对待办事项进行处理，提高待办事项的处理效率；

在处理人员对待办事项进行处理过程中，任务提醒模块用于获取待办事项的处理进度并进行分析，判断当前进度是否迟滞；根据对应待处理任务的操作难度级别A2确定对应的处理时长阈值为WT；当待办事项的处理时长达到处理时长阈值WT时，则生成提醒信号至处理人员的手机终端上，以提醒处理人员加快进度；若在发送提醒信号后第一时间阈值内，对应待办事项还未完成，则利用人员调度模块安排调度人员进行辅助，共同完成对应待办事项，以提高办公效率；

任务展示模块用于同步展示数据库中存储的代办事项，供用户进行浏览、评论；任务评估模块用于根据用户的浏览、评论对代办事项进行处理系数评估，结合浏览总次数、浏览总时长以及投票率，计算得到该代办事项的处理系数CL；若CL大于预设处理阈值，则将代办事项同时通过全部预设方式发送至对应的处理人员终端，以适应不同的用户终端环境并提醒处理人员优先处理；避免用户无法接收到待办事项的情况发生，缓解处理不及时现象，进一步提高待办事项的处理效率。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (8)

1.基于机器学习的用户工作代办提醒系统，其特征在于，包括任务分配模块、任务处理模块、任务提醒模块、人员调度模块、任务展示模块以及任务评估模块；

所述任务分配模块用于对数据库中存储的待办事项进行分配，将同一处理人员的待办事项按照优先值YX大小进行降序排列，生成对应处理人员的待办事项处理表，并将待办事项处理表发送至服务器；

所述任务处理模块用于处理人员从服务器中调取相应的待办事项处理表，并根据待办事项处理表的排序依次对待办事项进行处理；

在处理人员对待办事项进行处理过程中，所述任务提醒模块用于获取待办事项的处理进度并进行分析，判断当前进度是否迟滞；所述人员调度模块用于接收到迟滞信号后安排调度人员对处理人员进行辅助；

所述任务展示模块用于同步展示数据库中存储的代办事项，供用户进行浏览、评论；其中评论是指用户对代办事项进行投票；

所述任务评估模块用于根据用户的浏览、评论对代办事项进行处理系数评估；若处理系数CL大于预设处理阈值，则将所述代办事项同时通过全部预设方式发送至对应的处理人员终端，以提醒处理人员优先处理。

2.根据权利要求1所述的基于机器学习的用户工作代办提醒系统，其特征在于，所述任务分配模块的具体分配步骤为：

将同一处理人员的待办事项进行统合，得到人员待办事项集合；

获取人员待办事项集合中的待办事项，根据所述待办事项获取待处理任务的安全级别并标记为A1；根据所述待办事项获取待处理任务的操作难度级别并标记为A2；根据所述待办事项获取待处理任务的参与处理人数并标记为R1；获取所述待办事项的触发时刻，将触发时刻与系统当前时间进行时间差计算得到触发时长CT；

利用公式YX＝(A1×g1+R1×g2+CT×g3)/A2计算得到对应待办事项的优先值YX，其中g1、g2、g3为预设系数因子。

3.根据权利要求2所述的基于机器学习的用户工作代办提醒系统，其特征在于，还包括任务触发模块；所述任务触发模块与服务器相连接，用于通过待处理任务触发提醒事件，生成待办事项并将生成的待办事项存储至数据库中；所述待处理任务包含需要处理的任务数据以及参与任务处理的人员信息；其中，一个待处理任务对应多个待办事项。

4.根据权利要求2所述的基于机器学习的用户工作代办提醒系统，其特征在于，所述任务提醒模块的具体工作步骤为：

获取处理人员正在处理中的待办事项，从服务器中调取对应待处理任务的操作难度级别A2；根据操作难度级别A2确定对应的处理时长阈值为WT；

将当前待办事项的处理时长与处理时长阈值相比较；当处理时长达到处理时长阈值WT时，则生成提醒信号至处理人员的手机终端上，以提醒处理人员加快进度；

若在发送提醒信号后第一时间阈值内，所述任务提醒模块未接收到处理人员发送的解决信号，则判断对应待办事项进度迟滞，生成迟滞信号至人员调度模块。

5.根据权利要求4所述的基于机器学习的用户工作代办提醒系统，其特征在于，根据操作难度级别A2确定对应的处理时长阈值为WT，具体为：所述数据库内存储有操作难度级别与处理时长阈值的对照表。

6.根据权利要求1所述的基于机器学习的用户工作代办提醒系统，其特征在于，所述任务处理模块包括任务执行单元、任务确认单元，具体为：

处理人员通过任务执行单元对待办事项进行处理，同时对应修改该待办事项的当前状态，其中当前状态包括未处理、处理中以及已完成；

处理人员完成待办事项后，在任务确认单元中确认，同时将已确认完成的待办事项从数据库中删去。

7.根据权利要求1所述的基于机器学习的用户工作代办提醒系统，其特征在于，所述任务评估模块的具体评估方法为：

在预设时间段内，获取对应代办事项所有的浏览记录；所述浏览记录包括浏览开始时刻、浏览结束时刻以及是否投票；

统计该代办事项的浏览总次数为L1，将每次浏览的浏览时长进行累加得到浏览总时长LZ；统计该代办事项的投票率为Lb；

利用公式CL＝L1×d1+LZ×d2+Lb×d3计算得到该代办事项的处理系数CL，其中d1、d2、d3均为预设系数因子。

8.根据权利要求1所述的基于机器学习的用户工作代办提醒系统，其特征在于，其中，所述预设方式包括第三方程序插件推送、专用应用程序推送和信息链接推送。

Images