CN115936355A - 工单匹配方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供一种工单匹配方法、装置、设备及存储介质，涉及数据处理技术领域，能够通过确定与对待处理工单对应的候选处理人进行工单匹配，以提高工单处理的效率。该方法包括：获取包括多种工单类型的工单的工单数据集以及用于表征每个工单处理人的工单处理情况的属性信息；基于工单数据集以及工单处理人的属性信息，以确定用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单的推荐信息；推荐信息为根据用于表征工单处理人的工单处理能力；因此，向第一用户提供推荐信息后，可以使得第一用户根据推荐信息为待处理工单准确的匹配目标工单处理人，从而提高工单处理的效率。

Description

工单匹配方法、装置、设备及存储介质

技术领域

本公开涉及数据处理技术领域，尤其涉及一种工单匹配方法、装置、设备及存储介质。

背景技术

随着经济发展，以数字化、信息化、智能化为主要特征的信息科技进步和互联网商业模式----数字化转型。在数字化转型中，集约化是一个重要的必经阶段。在地市级运营商公司中，集约化的进程将有效节省资源，进一步实现资源动态调配，尤其是在政企的受理集约生产场景当中。

目前在地市级运营商中较常见的集约处理工单方法为抢单式工单系统及指定派单式工单系统。在抢单式工单系统中，工单处理人对于难度较低的工单处理意愿高，因此存在难度较高的工单无人处理的情况；而在指定派单式工单系统中，工单指派管理员对于每个工单处理人的了解情况不同，存在向工单处理人指派该工单处理人不熟悉的工单。也就是说，现有的两种工单模式均是通过人的主观意识实现工单的匹配，存在工单处理效率不高的问题。

发明内容

本公开提供一种工单匹配方法、装置、设备及存储介质，用于提高工单处理的效率。

为达到上述目的，本公开采用如下技术方案：

第一方面，提供一种工单匹配方法，方法包括：

获取工单数据集以及多个工单处理人的属性信息；其中工单数据集包括多种工单类型的工单；每个工单处理人的属性信息用于表征工单处理人的工单处理情况，工单处理情况包括工单类型、已处理过每种工单类型的工单处理数量、未处理过的工单类型；

基于工单数据集以及工单处理人的属性信息，确定推荐信息；推荐信息用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单；工单对应的候选处理人为处理工单类型的工单的工单处理人中，综合评分大于第一预设评分阈值的工单处理人，工单处理人对应的候选处理工单包括工单数据集中，综合评分大于第二预设评分阈值的工单；综合评分用于表征工单处理人的工单处理能力；

向第一用户提供推荐信息，以使得第一用户根据推荐信息为待处理工单匹配目标工单处理人；其中待处理工单包括在工单数据集中。

结合上述第一方面，在一种可能的实现方式中，获取工单数据集之前，方法还包括：

基于第二用户输入的工单信息创建待校验工单；

基于预设的校验规则对待校验工单进行校验；其中，预设的校验规则用于对待校验工单中的工单信息的格式进行校验；

在待校验工单通过校验的情况下，得到工单并将工单发送至工单数据集中。

结合上述第一方面，在一种可能的实现方式中，方法还包括：

对于工单处理人已处理过的工单类型的工单，基于工单处理人的属性信息确定工单处理人已处理过的工单类型的工单的综合评分；

对于工单处理人未处理过的工单类型的工单，基于与工单处理人对应的临近工单处理人的属性信息确定工单处理人未处理过的工单类型的工单的综合评分，其中，与工单处理人对应的临近工单处理人和工单处理人之间的相关性大于预设相关性阈值，临近工单处理人已处理过的工单类型包括工单处理人已处理过的工单类型以及未处理过的工单类型。

结合上述第一方面，在一种可能的实现方式中，属性信息包括工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度；

基于工单处理人的属性信息确定工单处理人已处理过的工单类型的工单的综合评分，包括：

确定工单处理人的属性信息中工单处理人已处理过的工单类型的工单数量以及处理满意度；

基于工单数量以及处理满意度计算工单处理人已处理过的工单类型的综合评分。

结合上述第一方面，在一种可能的实现方式中，属性信息包括工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度；

基于与工单处理人对应的临近工单处理人的属性信息确定工单处理人未处理过的工单类型的工单的综合评分，包括：

基于临近工单处理人与工单处理人之间的相似度以及临近工单处理人的属性信息推测工单处理人未处理过的工单类型的工单的综合评分；其中，临近工单处理人的属性信息包括与工单处理人已处理过的工单类型以及工单处理人未处理过的工单类型分别对应的工单数量以及处理满意度。

结合上述第一方面，在一种可能的实现方式中，方法还包括：

获取第一用户反馈的待领取列表；待领取列表包括工单数据集中的所有工单以及目标工单处理人对应的候选处理工单；

向目标工单处理人发送待领取列表。

结合上述第一方面，在一种可能的实现方式中，方法还包括：

创建待办列表，待办列表包括已领取和已指派的工单的相关信息。

结合上述第一方面，在一种可能的实现方式中，方法还包括：

在处理完成待处理工单之后，将已完成工单、已完成工单的工单类型以及工单处理数据对应存储在历史工单数据库中。

结合上述第一方面，在一种可能的实现方式中，方法还包括：

基于设定的分析参数从历史工单数据库中获取已完成工单、已完成工单的工单类型以及工单处理数据；

基于已完成工单、已完成工单的工单类型以及工单处理数据生成工单处理分析报告。

结合上述第一方面，在一种可能的实现方式中，方法还包括：

获取待处理工单中，未认领的待处理工单的数量；

在未认领的待处理工单的数量大于预设数量阈值时，发出警报信息；其中，未认领的待处理工单包括未匹配到目标工单处理人的待处理工单。

第二方面，提供一种工单匹配装置，装置包括：

工单获取模块，用于获取工单数据集以及多个工单处理人的属性信息；其中工单数据集包括多种工单类型的工单；每个工单处理人的属性信息用于表征工单处理人的工单处理情况，工单处理情况包括工单类型、已处理过每种工单类型的工单处理数量、未处理过的工单类型；

推荐信息确定模块，用于基于工单数据集以及工单处理人的属性信息，确定推荐信息；推荐信息用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单；工单对应的候选处理人为处理工单类型的工单的工单处理人中，综合评分大于第一预设评分阈值的工单处理人，工单处理人对应的候选处理工单包括工单数据集中，综合评分大于第二预设评分阈值的工单；综合评分用于表征工单处理人的工单处理能力；

推荐模块，用于向第一用户提供推荐信息，以使得第一用户根据推荐信息为待处理工单匹配目标工单处理人；其中待处理工单包括在工单数据集中。

结合上述第二方面，在一种可能的实现方式中，装置还包括：

工单创建模块，用于基于第二用户输入的工单信息创建待校验工单；

工单校验模块，用于基于预设的校验规则对待校验工单进行校验；其中，预设的校验规则用于对待校验工单中的工单信息的格式进行校验；

工单收集模块，用于在待校验工单通过校验的情况下，得到工单并将工单发送至工单数据集中。

结合上述第二方面，在一种可能的实现方式中，装置还包括：

第一综合评分确定模块，用于对于工单处理人已处理过的工单类型的工单，基于工单处理人的属性信息确定工单处理人已处理过的工单类型的工单的综合评分；

第二综合评分确定模块，用于对于工单处理人未处理过的工单类型的工单，基于与工单处理人对应的临近工单处理人的属性信息确定工单处理人未处理过的工单类型的工单的综合评分，其中，与工单处理人对应的临近工单处理人和工单处理人之间的相关性大于预设相关性阈值，临近工单处理人已处理过的工单类型包括工单处理人已处理过的工单类型以及未处理过的工单类型。

结合上述第二方面，在一种可能的实现方式中，属性信息包括工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度；

第一综合评分确定模块包括：

已处理工单数据确定单元，用于确定工单处理人的属性信息中工单处理人已处理过的工单类型的工单数量以及处理满意度；

综合评分计算单元，用于基于工单数量以及处理满意度计算工单处理人已处理过的工单类型的综合评分。

结合上述第二方面，在一种可能的实现方式中，属性信息包括工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度；

第二综合评分确定模块包括：

综合评分推测单元，用于基于临近工单处理人与工单处理人之间的相似度以及临近工单处理人的属性信息推测工单处理人未处理过的工单类型的工单的综合评分；其中，临近工单处理人的属性信息包括与工单处理人已处理过的工单类型以及工单处理人未处理过的工单类型分别对应的工单数量以及处理满意度。

结合上述第二方面，在一种可能的实现方式中，方法还包括：

待领取列表获取模块，用于获取第一用户反馈的待领取列表；待领取列表包括工单数据集中的所有工单以及目标工单处理人对应的候选处理工单；

待领取列表发送模块，用于向目标工单处理人发送待领取列表。

结合上述第二方面，在一种可能的实现方式中，方法还包括：

待办列表创建模块，用于创建待办列表，待办列表包括已领取和已指派的工单的相关信息。

结合上述第二方面，在一种可能的实现方式中，方法还包括：

历史工单数据库存储模块，用于在处理完成待处理工单之后，将已完成工单、已完成工单的工单类型以及工单处理数据对应存储在历史工单数据库中。

结合上述第二方面，在一种可能的实现方式中，方法还包括：

工单分析数据获取模块，用于基于设定的分析参数从历史工单数据库中获取已完成工单、已完成工单的工单类型以及工单处理数据；

分析报告生成模块，用于基于已完成工单、已完成工单的工单类型以及工单处理数据生成工单处理分析报告。

结合上述第二方面，在一种可能的实现方式中，方法还包括：

未认领工单获取模块，用于获取待处理工单中，未认领的待处理工单的数量；

警报模块，用于在未认领的待处理工单的数量大于预设数量阈值时，发出警报信息；其中，未认领的待处理工单包括未匹配到目标工单处理人的待处理工单。

第三方面，提供一种工单匹配设备，该工单匹配设备包括：处理器以及存储器；其中，存储器用于存储计算机执行指令，当工单匹配设备运行时，处理器执行存储器存储的计算机执行指令，以使工单匹配设备执行如第一方面和第一方面的任一种可能的实现方式中描述的工单匹配方法。

第四方面，本公开提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机可读存储介质中的指令由工单匹配设备的处理器执行时，使得工单匹配设备能够执行如第一方面和第一方面的任一种可能的实现方式中描述的工单匹配方法。

在本公开中，上述工单匹配设备的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本公开类似，属于本公开权利要求及其等同技术的范围之内。

本公开的这些方面或其他方面在以下的描述中会更加简明易懂。

本公开提供的技术方案至少带来以下有益效果：

本公开提供的工单匹配方法包括：获取工单数据集以及多个工单处理人的属性信息；其中工单数据集包括多种工单类型的工单；每个工单处理人的属性信息用于表征工单处理人的工单处理情况，工单处理情况包括工单类型、已处理过每种工单类型的工单处理数量、未处理过的工单类型；基于工单数据集以及工单处理人的属性信息，确定推荐信息；推荐信息用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单；工单对应的候选处理人为处理工单类型的工单的工单处理人中，综合评分大于第一预设评分阈值的工单处理人，工单处理人对应的候选处理工单包括工单数据集中，综合评分大于第二预设评分阈值的工单；综合评分用于表征工单处理人的工单处理能力；向第一用户提供推荐信息，以使得第一用户根据推荐信息为待处理工单匹配目标工单处理人；其中待处理工单包括在工单数据集中。推荐信息为根据用于表征工单处理人的工单处理能力；因此，向第一用户提供推荐信息后，可以使得第一用户根据推荐信息为待处理工单准确的匹配目标工单处理人，从而提高工单处理的效率。通过确定与对待处理工单对应的候选处理人进行工单匹配，以提高工单处理的效率。

附图说明

图1为本公开提供的一种工单匹配方法的流程示意图；

图2为本公开提供的另一种工单匹配方法的流程示意图；

图3为本公开提供的一种工单匹配装置的结构示意图；

图4为本公开提供的一种工单匹配设备的硬件结构示意图。

具体实施方式

下面结合附图对本公开实施例提供的工单匹配方法、装置及存储介质进行详细地描述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。

本公开的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。

此外，本公开的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，本公开实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本公开实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

以下，对本申请涉及到的名词进行解释。

1、工单

工单定义由一个和多个作业组成的简单维修或制造计划，上级部门下达任务，下级部门领受任务的依据。工单可以是独立的，也可以是大型项目的一部分，工单中包括有任务内容。

2、协同过滤算法

协同过滤是利用集体智慧的一个典型方法。主要思想就是利用与当前用户具有相同兴趣或者历史行为的其他用户群，通过分析这些用户群目前的喜好或者行为信息来预测当前用户可能喜欢的东西或者可能产生的行为。主要分为基于用户的最近邻推荐和基于物品最近邻推荐思想。

3、皮尔逊相关系数

用于度量两个变量X和Y之间的线性相关程度，两个变量之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商。利用皮尔逊相关系数表示两个用户之间相关性时，取值范围为[-1，+1]，其中-1表示强负相关，+1表示强正相关，0表示不相关。公式为：

其中，u表示用户u，v表示用户v，l_u,v表示用户u和用户v之间的相关系数，c表示工单，r_u,c表示用户u处理工单c的综合评分，

表示用户u对所有工单进行处理的综合评分的均值，r_v,c表示用户v处理工单c的综合评分，

表示用户v对所有工单进行处理的综合评分的均值。

4、从文本到语音技术(Text To Speech，4S)

4S是语音合成应用的一种，它将储存于电脑中的文件，如帮助文件或者网页，转换成自然语音输出。4S不仅能帮助有视觉障碍的人阅读计算机上的信息，更能增加文本文档的可读性。4S应用包括语音驱动的邮件以及声音敏感系统，并常与声音识别程序一起使用。

在工单被创建之后，目前常用的分配方式包括工单处理人抢单的方式及管理员指定派单的方式，然而，在工单处理人抢单的过程中，存在员工更倾向于选择简单的工单进行处理，从而导致大量高难度的待处理工单长时间无人处理的情况。此时，可以通过管理员对无人处理的工单进行指派，将高难度的工单分配给指定的处理人，避免高难度的工单无人处理。然而管理员在进行工单指派时，需要通过管理员的主观意识进行判断，例如，结合管理员对工单处理人的能力的了解情况以及工单处理人处理工单的历史情况等，判断安排适合的工单给对应的处理人。该操作需要耗费管理员较多的时间实现分配的过程，且对管理员的管理能力要求也很高，管理员需要对每个工单处理人的工单处理情况以及工单难度了如指掌，并对每个工单处理人的工单处理经验情况进行熟练掌握，才能够保证工单被准确的分配到合适的工单处理人手中，从而提高工单分配的效率。

此外，对于处理工单速度过慢或工单量过少的人员，管理员通常采用派单及阀值警告的方式进行督促，以提高工单的处理效率，但该种方法实质上无法给予低产人员有效的帮助，例如，工单处理能力较低的人员实际上需要获得与其能力匹配的工单以提高速度和工单数量，但由于管理员可能并不能准确的知晓该员工的能力，并为其指派响应的工单，因此，实际上这些员工存在无法得到匹配的工单的情况，因此无法有效的提高工单处理效率。

为了解决上述工单处理效率低技术问题，本申请提供一种工单匹配方法，请参看图1，该方法包括如下步骤(S110-S130)：

步骤S110：获取工单数据集以及多个工单处理人的属性信息。

其中工单数据集包括多种工单类型的工单；每个工单处理人的属性信息用于表征工单处理人的工单处理情况，工单处理情况包括工单类型、已处理过每种工单类型的工单处理数量、未处理过的工单类型。

工单的工单类型与工单中的任务内容有关，工单类型可以表示工单中任务内容的工作内容和类别，示例性地，对于通信运营服务工单来说，工单类型可以包括移网类型、创新类型，其中移网类型的工单具体包括手机卡、校园卡等任务，创新类型的工单具体可以包括云计算、大数据、物联网以及大安防等任务。对于某类家电销售产生的工单，其工单类型可以包括送货安装类型、维修类型等，其中，送货安装类型的工单的具体任务内容涉及到搬运重物的体力劳动，维修类型的工单的具体任务内容涉及到对家电的故障进行测试和维修的技术性劳动。可以理解地，工单类型应当根据具体的应用场景进行设置，此处不对工单类型做限制，如，若工单的任务内容差别不大的情况下，工单类型还可以用于表示任务内容的难易程度。

每个工单处理人的属性信息用于表征工单处理人的工单处理情况，例如，已处理过的工单类型、已处理过每种工单类型的工单处理数量、未处理过的工单类型等。

此外，在获取工单数据集以及多个工单处理人的属性信息时，工单数据集中包括的工单为工单处理人未认领的待处理工单，工单数据集中的工单可以是销售人员或客服人员根据用户的需求建立并传入的，此外，也可以是用户根据自己的需求创建工单后提交的。工单处理人的属性信息则可以是根据工单处理人处理工单的历史数据分析得到的。

步骤S120：基于工单数据集以及工单处理人的属性信息，确定推荐信息。

推荐信息用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单；工单对应的候选处理人为处理工单类型的工单的工单处理人中，综合评分大于第一预设评分阈值的工单处理人，工单处理人对应的候选处理工单包括工单数据集中，综合评分大于第二预设评分阈值的工单；综合评分用于表征工单处理人的工单处理能力。

示例性地，工单数据集中包括移网类型的工单与创新类型的工单，其中，确定出的推荐信息用于指示：与移网类型的工单对应的候选处理人为工单处理人A和工单处理人B，与创新类型的工单对应的候选处理人为工单处理人A和工单处理人C。推荐信息还用于指示：与工单处理人A对应的候选处理工单为移网类型的工单以及创新类型的工单，与工单处理人B对应的候选处理工单为移网类型的工单，与工单处理人C对应的候选处理工单为创新类型的工单。

在确定推荐信息时，与工单对应的候选处理人为所有工单处理人中，处理该类型工单的工单处理人处理过该类型的综合评分大于第一评分阈值的工单处理人，例如，若第一评分阈值为80，工单处理人A在处理移网类型的工单的综合评分为95，工单处理人B在处理移网类型的综合评分为85，工单处理人C在处理移网类型的综合评分为75，则与移网类型的工单对应的候选处理人为工单处理人A和工单处理人B。与工单处理人对应的候选处理工单包括工单数据集中，综合评分大于第二预设评分阈值的工单，例如，第二预设评分阈值为80，工单处理人A处理移网类型的工单综合评分为95，且处理创新类型的工单的得分为85。则与工单处理人A对应的候选处理工单为移网类型的工单以及创新类型的工单。其中，综合评分用于表征工单处理人的工单处理能力，其计算方式在后续进行介绍，此处不做赘述。

步骤S130：向第一用户提供推荐信息，以使得第一用户根据推荐信息为待处理工单匹配目标工单处理人。

其中待处理工单包括在工单数据集中。

确定出推荐信息后，可以向第一用户提供推荐信息，该第一用户可以为工单管理员，也可以为工单处理人。示例性地，若第一用户为工单管理员，在推荐信息被提供至工单管理员后，工单管理员可以依据推荐信息为待处理工单匹配目标工单处理人，如，推荐信息为与移网类型的工单对应的候选处理人为工单处理人A和工单处理人B，与创新类型的工单对应的候选处理人为工单处理人A和工单处理人C。则工单管理员可以为工单数据集中的移网类型的待处理工单匹配工单处理人A为目标工单处理人，以使该移网类型的待处理工单被分配至工单处理人A的名下；同时，工单管理员还可以为工单数据集中的创新类型的待处理工单匹配工单处理人C为目标工单处理人，以使该移网类型的待处理工单被分配至工单处理人A的名下。当然，在候选处理人为多个时，管理员可以依据自己的主观判断进行目标工单处理人的选择。若第一用户为工单处理人，则工单处理人可以依据推荐信息对工单数据集中的待处理工单进行领取。如，与工单处理人A对应的候选处理工单为移网类型的工单以及创新类型的工单，则工单处理人A可以选择任意一个候选处理工单，并将自己匹配为该候选处理工单的目标工单处理人。若工单处理人B对应的候选处理工单为移网类型的工单，则工单处理人B可以选择移网类型的工单并将自己匹配为该候选处理工单的目标工单处理人。

结合上述实施方式，获取工单数据集之前，可以通过下述步骤(S210-S230)确定工单数据集，请参看图2：

步骤S210：基于第二用户输入的工单信息创建待校验工单。

第二用户可以为销售人员或客服人员，例如，销售人员可以依据客户的订单创建待校验工单，以便于工单处理人可以依据该待校验工单为客户进行服务或提供服务。第二用户还可以为客户，客户可以自己根据自己的需求创建待校验工单，以便于工单处理人可以依据该待校验工单为客户进行服务或提供服务。第二用户可以根据实际的应用确定。

可以在创建待校验工单时，选择与待校验工单对应的工单类型。示例性的，在第二用户为通信运营服务商的工作人员时，其创建的待校验工单的工单类型可以包括多级分类，例如，第一级分类包括移网、双线、创新业务。第二级分类为基于第一级分类进行更详细的分类，第一级分类为移网的第二级分类包括:工作手机、校园卡；第一级分类为双线的第二级分类包括:互联网专线、数据专线、语音专线、APN专线、5GtoB专网、MPLSVPN专线、集团短彩信专线；第一级分类为创新业务的第二级分类包括：cop、bpo、idc、ict、云计算、大数据、物联网、大安防。

此外，工单中可以包括业务详细描述，例如，详细备注客户一些个性化需求，产品的数量要求等等。

步骤S220：基于预设的校验规则对待校验工单进行校验；其中，预设的校验规则用于对待校验工单中的工单信息的格式进行校验。

例如，若预设的校验规则中可以包括对手机号码位数进行校验，且待校验工单中包括手机号码，则在对待校验工单中的工单信息的格式进行校验时，可以校验该待校验工单中的手机号码的位数是否为预设位数，若待校验工单中的手机号码的位数仅有9位，而预设的校验规则中预设位数为11位，则该待校验工单无法通过校验。校验的预设规则可以依据实际的工单内容进行确定。

步骤S230：在待校验工单通过校验的情况下，得到工单并将工单发送至工单数据集中。

请继续参看图2，在待校验工单通过检验之后，即可将工单发送至工单数据集中，工单数据集也称为工单池，工单数据集可以为但不限于Graphite、influxDB、ES、Mysql、Redis、PgSql以及Oracle的数据库。

在基于工单数据集以及工单处理人的属性信息确定的推荐信息，用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单。其中，工单对应的候选处理人为处理工单类型的工单的工单处理人中，综合评分大于第一预设评分阈值的工单处理人，工单处理人对应的候选处理工单包括工单数据集中，综合评分大于第二预设评分阈值的工单；综合评分用于表征工单处理人的工单处理能力。

在本申请的工单匹配方法中可以通过以下方法计算综合评分：

首先，对于工单处理人已处理过的工单类型的工单，基于工单处理人的属性信息确定工单处理人已处理过的工单类型的工单的综合评分；

其次，对于工单处理人未处理过的工单类型的工单，基于与工单处理人对应的临近工单处理人的属性信息确定工单处理人未处理过的工单类型的工单的综合评分，其中，与工单处理人对应的临近工单处理人和工单处理人之间的相关性大于预设相关性阈值，临近工单处理人已处理过的工单类型包括工单处理人已处理过的工单类型以及未处理过的工单类型。

作为一种实施方式，属性信息包括工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度，则基于工单处理人的属性信息确定工单处理人已处理过的工单类型的工单的综合评分时，可以先确定工单处理人的属性信息中工单处理人已处理过的工单类型的工单数量以及处理满意度；然后，基于工单数量以及处理满意度计算工单处理人已处理过的工单类型的综合评分。

示例性的，从工单处理人对处理某种工单类型的工单的历史处理数量以及客户或者管理员对该工单处理人对属于该种工单类型的所有工单的满意度两个维度确定综合评分，并采用归一和加权的计算方法进行综合评分的计算，公式如下：

Z＝P*30％+Q×70％

其中，Z表示综合评分，P表示一个工单处理人处理某种工单类型的工单的历史工单数的归一化分数，P＝Pt/Pm*10；Pt表示该工单处理人处理该种工单类型的工单的历史工单数量，Pm表示所有工单处理人处理该种类型工单的工单的历史工单数最多的数量，Q表示历史满意评分。

作为另一种实施方式，属性信息包括工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度，则基于与工单处理人对应的临近工单处理人的属性信息确定工单处理人未处理过的工单类型的工单的综合评分时，可以基于临近工单处理人与工单处理人之间的相似度以及临近工单处理人的属性信息推测工单处理人未处理过的工单类型的工单的综合评分；其中，临近工单处理人的属性信息包括与工单处理人已处理过的工单类型以及工单处理人未处理过的工单类型分别对应的工单数量以及处理满意度。

具体地，对于工单处理人未处理过的工单类型，可以基于用户的协同过滤算法预测出其综合评分。可以利用所有工单处理人处理每种工单类型的综合评分，以及未处理过该种工单类型的工单处理人处理的所有工单以及其处理这些工单综合评分的，使用皮尔逊相关系数来表示两个工单处理人之间的相关性，找出与当前工单处理人过去行为历史具有相似行为或者偏好的K个其他工单处理人，这些工单处理人叫近邻工单处理人，计算出未处理过该种工单类型的工单处理人的临近工单处理人之后，对未处理过该种工单类型的工单处理人未见过的每种的工单类型的工单，利用临近工单处理人对这种工单类型的工单的综合评分，推测未处理过该种工单类型的工单处理人处理这种工单类型的工单的综合评分。如，若当前工单处理人A未处理过工单类型为搬家的工单，则利用皮尔逊系数计算出工单处理人A的临近工单处理人D，可以将工单处理人D处理类型为搬家的工单的综合评分作为工单处理人A处理工单类型为搬家的工单的预测的综合评分。此外，临近工单处理人的数量可能存在有多个的情况，综合评分的计算方式。可以理解地，基于临近工单处理人的属性信息推测综合评分时，可以通过不同的方式预测，如上例子，可以直接将临近工单处理人的综合评分作为未处理过该类工单的工单处理人的综合评分，还可以基于神经网络等算法基于临近工单处理人的综合评分进行学习和预测，此处不对具体的推测方式进行限定。

示例性地，当确定出工单处理人的临近工单处理人后，可以基于下述公式预测该工单处理人对于该未处理或未见过的工单类型综合评分：

其中，score(u，c)表示用户u对其没有处理过的工单c的综合评分，u表示未处理过工单c的工单处理人u，v表示临近工单处理人v，l_u,v表示工单处理人u和临近工单处理人v之间的相关系数，c表示工单，

表示工单处理人u对所有工单进行处理的综合评分的均值，r_v,c表示临近工单处理人v处理工单c的综合评分，

表示临近工单处理人v对所有工单进行处理的综合评分的均值。

在对工单进行管理的过程中，工单的状态包括待领取、处理中、完结三种状态，结合上述实施方式，工单匹配方法还包括以下过程：

首先，获取第一用户反馈的待领取列表；待领取列表包括工单数据集中的所有工单以及目标工单处理人对应的候选处理工单；

待领取列表中包括处于待领取状态的所有工单。

然后，向目标工单处理人发送待领取列表。

在一种可能的实现方式中，还可以创建待办列表，待办列表包括已领取和已指派的工单的相关信息。待办列表中包括处于处理中状态的所有工单。

该工单匹配方法还包括：在处理完成待处理工单之后，将已完成工单、已完成工单的工单类型以及工单处理数据对应存储在历史工单数据库中。历史工单数据库中包括处于完结状态的工单，其中，完结状态可以包括已解决的工单以及不能解决的作废工单。

为了保证可以对工单进行分析，可以基于设定的分析参数从历史工单数据库中获取已完成工单、已完成工单的工单类型以及工单处理数据；基于已完成工单、已完成工单的工单类型以及工单处理数据生成工单处理分析报告。

例如，在需要对已完成工单的工单总数以及工单类型进行分类的数量分析时，则设定的分析参数每种工单类型的工单的数量以及每种工单类型的工单分别在所有工单中的比例等参数。基于该分析参数，可以分析得到相关数据，并生成工单处理分析报告，工单处理分析报告可以包括图表等利于观看的视觉性内容以及便于比较的数据。可以理解地，工单处理数据还可以包括对所有工单的平均响应时长、不同工单类型的工单的平均响应时长、所有工单的平均满意度、每个工单处理人处理工单的平均满意度及工单处理时长等数据。

为了提高工单处理的效率，可以获取待处理工单中，未认领的待处理工单的数量；在未认领的待处理工单的数量大于预设数量阈值时，发出警报信息；其中，未认领的待处理工单包括未匹配到目标工单处理人的待处理工单。具体来说，可以通过短信文本的方式把工单超时及拥塞的情况提醒到工单处理人和管理员，同时利用4S技术结合语音广播的形式把未认领的待处理工单发送至工单处理人以及管理员。

可以看出，上述主要从方法的角度对本公开实施例提供的技术方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

本公开实施例可以根据上述方法示例对工单匹配设备进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。可选的，本公开实施例中对模块的划分是示意性的，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。

如图3所示，为本公开实施例提供的一种工单匹配装置300，装置包括：

工单获取模块310，用于获取工单数据集以及多个工单处理人的属性信息；其中工单数据集包括多种工单类型的工单；每个工单处理人的属性信息用于表征工单处理人的工单处理情况，工单处理情况包括工单类型、已处理过每种工单类型的工单处理数量、未处理过的工单类型；

推荐信息确定模块320，用于基于工单数据集以及工单处理人的属性信息，确定推荐信息；推荐信息用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单；工单对应的候选处理人为处理工单类型的工单的工单处理人中，综合评分大于第一预设评分阈值的工单处理人，工单处理人对应的候选处理工单包括工单数据集中，综合评分大于第二预设评分阈值的工单；综合评分用于表征工单处理人的工单处理能力；

推荐模块330，用于向第一用户提供推荐信息，以使得第一用户根据推荐信息为待处理工单匹配目标工单处理人；其中待处理工单包括在工单数据集中。

可选地，在一种可能的实现方式中，装置还包括：

工单创建模块，用于基于第二用户输入的工单信息创建待校验工单；

工单校验模块，用于基于预设的校验规则对待校验工单进行校验；其中，预设的校验规则用于对待校验工单中的工单信息的格式进行校验；

工单收集模块，用于在待校验工单通过校验的情况下，得到工单并将工单发送至工单数据集中。

可选地，在一种可能的实现方式中，装置还包括：

第一综合评分确定模块，用于对于工单处理人已处理过的工单类型的工单，基于工单处理人的属性信息确定工单处理人已处理过的工单类型的工单的综合评分；

第二综合评分确定模块，用于对于工单处理人未处理过的工单类型的工单，基于与工单处理人对应的临近工单处理人的属性信息确定工单处理人未处理过的工单类型的工单的综合评分，其中，与工单处理人对应的临近工单处理人和工单处理人之间的相关性大于预设相关性阈值，临近工单处理人已处理过的工单类型包括工单处理人已处理过的工单类型以及未处理过的工单类型。

可选地，在一种可能的实现方式中，属性信息包括工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度；

第一综合评分确定模块包括：

已处理工单数据确定单元，用于确定工单处理人的属性信息中工单处理人已处理过的工单类型的工单数量以及处理满意度；

综合评分计算单元，用于基于工单数量以及处理满意度计算工单处理人已处理过的工单类型的综合评分。

可选地，在一种可能的实现方式中，属性信息包括工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度；

第二综合评分确定模块包括：

综合评分推测单元，用于基于临近工单处理人与工单处理人之间的相似度以及临近工单处理人的属性信息推测工单处理人未处理过的工单类型的工单的综合评分；其中，临近工单处理人的属性信息包括与工单处理人已处理过的工单类型以及工单处理人未处理过的工单类型分别对应的工单数量以及处理满意度。

可选地，在一种可能的实现方式中，方法还包括：

待领取列表获取模块，用于获取第一用户反馈的待领取列表；待领取列表包括工单数据集中的所有工单以及目标工单处理人对应的候选处理工单；

待领取列表发送模块，用于向目标工单处理人发送待领取列表。

可选地，在一种可能的实现方式中，方法还包括：

待办列表创建模块，用于创建待办列表，待办列表包括已领取和已指派的工单的相关信息。

可选地，在一种可能的实现方式中，方法还包括：

历史工单数据库存储模块，用于在处理完成待处理工单之后，将已完成工单、已完成工单的工单类型以及工单处理数据对应存储在历史工单数据库中。

可选地，在一种可能的实现方式中，方法还包括：

工单分析数据获取模块，用于基于设定的分析参数从历史工单数据库中获取已完成工单、已完成工单的工单类型以及工单处理数据；

分析报告生成模块，用于基于已完成工单、已完成工单的工单类型以及工单处理数据生成工单处理分析报告。

可选地，在一种可能的实现方式中，方法还包括：

未认领工单获取模块，用于获取待处理工单中，未认领的待处理工单的数量；

警报模块，用于在未认领的待处理工单的数量大于预设数量阈值时，发出警报信息；其中，未认领的待处理工单包括未匹配到目标工单处理人的待处理工单。

本公开实施例提供了一种工单匹配设备，用于执行上述数据完整性确定系统中任一设备所需执行的方法。该工单匹配设备可以为本公开中涉及的工单匹配设备，或者工单匹配装置中的模块；或者是工单匹配设备中的芯片，也可以是其他用于执行工单匹配方法的装置，本公开对此不做限定。

在通过硬件实现时，本申请实施例中的工单匹配设备具体实现方式如图4所示，图4为本公开实施例提供的一种工单匹配设备的结构示意图，该工单匹配设备400包括至少一个处理器401，通信线路402，以及至少一个通信接口404，还可以包括存储器403。其中，处理器401，存储器403以及通信接口404三者之间可以通过通信线路402连接。

处理器401可以是一个中央处理器(central processing unit，CPU)，也可以是特定集成电路(application specific integrated circuit，ASIC)，或者是被配置成实施本公开实施例的一个或多个集成电路，例如：一个或多个数字信号处理器(digital signalprocessor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)。

通信线路402可以包括一通路，用于在上述组件之间传送信息。

通信接口404，用于与其他设备或通信网络通信，可以使用任何收发器一类的装置，如以太网，无线接入网(radio access network，RAN)，无线局域网(wireless localarea networks，WLAN)等。

存储器403可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable re ad-only memory，EEPROM)、只读光盘(compact disc read-only memor y，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于包括或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

一种可能的设计中，存储器403可以独立于处理器401存在，即存储器403可以为处理器401外部的存储器，此时，存储器403可以通过通信线路402与处理器401相连接，用于存储执行指令或者应用程序代码，并由处理器401来控制执行，实现本公开下述实施例提供的工单匹配方法。又一种可能的设计中，存储器403也可以和处理器401集成在一起，即存储器403可以为处理器401的内部存储器，例如，该存储器403为高速缓存，可以用于暂存一些数据和指令信息等。

作为一种可实现方式，处理器401可以包括一个或多个CPU，例如图4中的CPU0和CPU1。作为另一种可实现方式，工单匹配设备400可以包括多个处理器，例如图4中的处理器401和处理器407。作为再一种可实现方式，工单匹配设备400还可以包括输出设备405和输入设备406。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能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模块完成，即将网络节点的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，模块和网络节点的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本公开实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，该计算机执行上述方法实施例所示的方法流程中的各个步骤。

其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘。随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-On ly Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的人以合适的组合、或者本领域数值的任何其他形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integ rated Circuit，ASIC)中。在本公开实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

本公开的实施例提供一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如上述方法实施例中的工单匹配方法。由于本公开的实施例中的装置、设备、计算机可读存储介质、计算机程序产品可以应用于上述方法，因此，其所能获得的技术效果也可参考上述方法实施例，本公开实施例在此不再赘述。

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、设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，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，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接口，设备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。

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，在本申请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。

以上，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何在本公开揭露的技术范围内的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应该以权利要求的保护范围为准。

Claims (12)

1.一种工单匹配方法，其特征在于，所述方法包括：

获取工单数据集以及多个工单处理人的属性信息；其中所述工单数据集包括多种工单类型的工单；每个所述工单处理人的属性信息用于表征所述工单处理人的工单处理情况，所述工单处理情况包括工单类型、已处理过每种工单类型的工单处理数量、未处理过的工单类型；

基于所述工单数据集以及所述工单处理人的属性信息，确定推荐信息；所述推荐信息用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单；所述工单对应的候选处理人为处理所述工单类型的工单的工单处理人中，综合评分大于第一预设评分阈值的工单处理人，所述工单处理人对应的候选处理工单包括所述工单数据集中，综合评分大于第二预设评分阈值的工单；所述综合评分用于表征所述工单处理人的工单处理能力；

向第一用户提供所述推荐信息，以使得所述第一用户根据所述推荐信息为待处理工单匹配目标工单处理人；其中所述待处理工单包括在所述工单数据集中。

2.根据权利要求1所述的方法，其特征在于，所述获取工单数据集之前，所述方法还包括：

基于第二用户输入的工单信息创建待校验工单；

基于预设的校验规则对所述待校验工单进行校验；其中，所述预设的校验规则用于对所述待校验工单中的工单信息的格式进行校验；

在所述待校验工单通过校验的情况下，得到工单并将所述工单发送至所述工单数据集中。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

对于所述工单处理人已处理过的工单类型的工单，基于所述工单处理人的属性信息确定所述工单处理人已处理过的工单类型的工单的综合评分；

对于所述工单处理人未处理过的工单类型的工单，基于与所述工单处理人对应的临近工单处理人的属性信息确定所述工单处理人未处理过的工单类型的工单的综合评分，其中，与所述工单处理人对应的临近工单处理人和所述工单处理人之间的相关性大于预设相关性阈值，所述临近工单处理人已处理过的工单类型包括所述工单处理人已处理过的工单类型以及未处理过的工单类型。

4.根据权利要求3所述的方法，其特征在于，所述属性信息包括所述工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度；

所述基于所述工单处理人的属性信息确定所述工单处理人已处理过的工单类型的工单的综合评分，包括：

确定所述工单处理人的属性信息中所述工单处理人已处理过的工单类型的工单数量以及处理满意度；

基于所述工单数量以及处理满意度计算所述工单处理人已处理过的工单类型的综合评分。

5.根据权利要求3所述的方法，其特征在于，所述属性信息包括所述工单处理人处理每种工单类型对应的工单数量以及每种工单类型对应的处理满意度；

所述基于与所述工单处理人对应的临近工单处理人的属性信息确定所述工单处理人未处理过的工单类型的工单的综合评分，包括：

基于所述临近工单处理人与所述工单处理人之间的相似度以及所述临近工单处理人的属性信息推测所述工单处理人未处理过的工单类型的工单的综合评分；其中，所述临近工单处理人的属性信息包括与所述工单处理人已处理过的工单类型以及所述工单处理人未处理过的工单类型分别对应的工单数量以及处理满意度。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述第一用户反馈的待领取列表；所述待领取列表包括工单数据集中的所有工单以及所述目标工单处理人对应的候选处理工单；

向所述目标工单处理人发送所述待领取列表。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在处理完成所述待处理工单之后，将已完成工单、所述已完成工单的工单类型以及工单处理数据对应存储在历史工单数据库中。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

基于设定的分析参数从所述历史工单数据库中获取已完成工单、所述已完成工单的工单类型以及工单处理数据；

基于所述已完成工单、所述已完成工单的工单类型以及工单处理数据生成工单处理分析报告。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述待处理工单中，未认领的待处理工单的数量；

在未认领的待处理工单的数量大于预设数量阈值时，发出警报信息；其中，所述未认领的待处理工单包括未匹配到目标工单处理人的待处理工单。

10.一种工单匹配装置，其特征在于，所述装置包括：

工单获取模块，用于获取工单数据集以及多个工单处理人的属性信息；其中所述工单数据集包括多种工单类型的工单；每个所述工单处理人的属性信息用于表征所述工单处理人的工单处理情况，所述工单处理情况包括工单类型、已处理过每种工单类型的工单处理数量、未处理过的工单类型；

推荐信息确定模块，用于基于所述工单数据集以及所述工单处理人的属性信息，确定推荐信息；所述推荐信息用于指示每个工单类型的工单对应的候选处理人和/或每个工单处理人对应的候选处理工单；所述工单对应的候选处理人为处理所述工单类型的工单的工单处理人中，综合评分大于第一预设评分阈值的工单处理人，所述工单处理人对应的候选处理工单包括所述工单数据集中，综合评分大于第二预设评分阈值的工单；所述综合评分用于表征所述工单处理人的工单处理能力；

推荐模块，用于向第一用户提供所述推荐信息，以使得所述第一用户根据所述推荐信息为待处理工单匹配目标工单处理人；其中所述待处理工单包括在所述工单数据集中。

11.一种工单匹配设备，其特征在于，包括：处理器以及存储器；其中，所述存储器用于存储计算机执行指令，当所述工单匹配设备运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述工单匹配设备执行权利要求1-9中任一项所述的工单匹配方法。

12.一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指令，当计算机可读存储介质中的指令由工单匹配设备的处理器执行时，使得所述工单匹配设备执行权利要求1-9中任一项所述的工单匹配方法。

Images