CN116962579A - 话务调度方法、装置、计算机设备、存储介质 - Google Patents
话务调度方法、装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN116962579A CN116962579A CN202310833572.7A CN202310833572A CN116962579A CN 116962579 A CN116962579 A CN 116962579A CN 202310833572 A CN202310833572 A CN 202310833572A CN 116962579 A CN116962579 A CN 116962579A
- Authority
- CN
- China
- Prior art keywords
- event
- information
- scheduling
- service data
- telephone traffic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 7
- 230000000295 complement effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5232—Call distribution algorithms
- H04M3/5234—Uniform load distribution
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063116—Schedule adjustment for a person or group
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5175—Call or contact centers supervision arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5238—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing with waiting time or load prediction arrangements
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Signal Processing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请涉及一种话务调度方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取话务服务数据;基于事件识别模型获取话务服务数据对应的事件信息,并根据事件信息确定对应的事件类型及事件调度概率;在事件类型属于调度事件,或者事件调度概率高于预设值的情况下,根据实例库信息确定事件信息对应的目标调度方案;根据目标调度方案对话务运营参数进行调整。采用本方法能够提高话务调度效率及调度准确性。
Description
技术领域
本申请涉及计算机通信技术领域,特别是涉及一种话务调度方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着人们对于高品质生活的追求,对客服(客户服务)质量的要求也越来越高,为满足众多不同用户的高质量需求,往往通过构建分布式大型呼叫中心或者是采用多个分散式呼叫中心提供属地化服务的方式以扩大服务的规模。
但是,在话务服务运营过程中,由于话务结构和业务结构等差异,会出现各个分散式服务网点资源负荷不均衡的情况。目前,需要依赖运营人员实时监控各个运营网点的资源负荷情况,当发生各个分散式服务网点资源负荷不均衡的情形时,通过运营人员凭借经验进行调度处理,导致调度效率不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高调度效率的话务调度方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种话务调度方法。所述方法包括:
获取话务服务数据;
基于事件识别模型获取所述话务服务数据对应的事件信息,并根据所述事件信息确定对应的事件类型及事件调度概率;
在所述事件类型属于调度事件,或者所述事件调度概率高于预设值的情况下,根据实例库信息确定所述事件信息对应的目标调度方案;
根据所述目标调度方案对话务运营参数进行调整。
在其中一个实施例中,所述事件信息包括事件特征信息、事件关系链路信息和事件趋势预测信息;所述根据所述事件信息确定对应的事件类型及事件调度概率,包括:
根据事件特征信息和事件关系链路信息确定对应的事件类型;
根据所述事件关系链路信息和所述事件趋势预测信息确定对应的事件调度概率。
在其中一个实施例中,所述根据所述事件关系链路信息和所述事件趋势预测信息确定对应的事件调度概率,包括:
通过所述事件趋势预测信息和所述事件关系链路信息,确定所述话务服务数据对应的目标事件趋势线;
通过所述目标事件趋势线与历史话务数据对应的基准事件趋势线之间的偏离程度,确定所述话务服务数据对应的事件调度概率。
在其中一个实施例中,所述根据实例库信息确定所述事件信息对应的目标调度方案,包括:
将所述事件信息中的事件特征信息与实例库中的标准事件特征进行匹配;
在所述事件特征信息与所述标准事件特征之间的匹配度高于预设匹配度的情况下,将所述标准事件特征所对应的调度方案作为所述事件信息对应的目标调度方案。
在其中一个实施例中,所述方法还包括:
在所述事件特征信息与所述标准事件特征之间的匹配度不高于预设匹配度的情况下,将所述事件信息对应的事件确定为未知事件,并为所述未知事件标记对应的未知事件标识;
获取所述未知事件标识对应的标准事件特征以及调度方案,并将所述未知事件标识对应的标准事件特征和调度方案保存至所述实例库中。
在其中一个实施例中,所述事件识别模型的训练方式包括:
获取历史话务服务数据;
将第一比例的所述历史话务服务数据输入初始化模型,得到所述历史话务服务数据对应的第一事件信息;
将第二比例的所述历史话务服务数据输入初始化模型,得到所述历史话务服务数据对应的第二事件信息;
当所述第二事件信息与所述第一事件信息之间的相似度不高于第一预设相似度时,根据所述第二事件信息调整所述初始化模型的模型参数;
当所述第二事件信息与所述第一事件信息之间的相似度高于第一预设相似度时,将对应的初始化模型,作为事件识别模型。
在其中一个实施例中,所述方法还包括:
获取实时话务服务数据;
将所述历史话务服务数据输入所述事件识别模型,得到所述历史话务服务数据对应的第三事件信息;
将所述实时话务服务数据输入所述事件识别模型,得到所述实时话务服务数据对应的第四事件信息;
当所述第四事件信息与所述第三事件信息之间的相似度不高于第二预设相似度时,根据所述第四事件信息调整所述事件识别模型的模型参数;
当所述第四事件信息与所述第三事件信息之间的相似度高于第二预设相似度时对应的事件识别模型,作为更新后的事件识别模型。
在其中一个实施例中,所述方法还包括:
在实例库中保存未知事件标识对应的标准事件特征以及调度方案的情况下,响应于对所述事件识别模型进行补充训练的触发,根据所述未知事件标识对应的标准事件特征调整所述事件识别模型的参数,得到更新后的事件识别模型。
第二方面,本申请还提供了一种话务调度装置。所述装置包括:
数据存储模块,用于获取话务服务数据;
事件信息模块,用于基于事件识别模型获取所述话务服务数据对应的事件信息,并根据所述事件信息确定对应的事件类型及事件调度概率;
调度方案模块,用于在所述事件类型属于调度事件,或者所述事件调度概率高于预设值的情况下,根据实例库信息确定所述事件信息对应的目标调度方案;
参数调整模块,用于根据所述目标调度方案对话务运营参数进行调整。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取话务服务数据;
基于事件识别模型获取所述话务服务数据对应的事件信息,并根据所述事件信息确定对应的事件类型及事件调度概率;
在所述事件类型属于调度事件,或者所述事件调度概率高于预设值的情况下,根据实例库信息确定所述事件信息对应的目标调度方案;
根据所述目标调度方案对话务运营参数进行调整。
第四方面,本申请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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取话务服务数据;
基于事件识别模型获取所述话务服务数据对应的事件信息,并根据所述事件信息确定对应的事件类型及事件调度概率;
在所述事件类型属于调度事件,或者所述事件调度概率高于预设值的情况下,根据实例库信息确定所述事件信息对应的目标调度方案;
根据所述目标调度方案对话务运营参数进行调整。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取话务服务数据;
基于事件识别模型获取所述话务服务数据对应的事件信息,并根据所述事件信息确定对应的事件类型及事件调度概率;
在所述事件类型属于调度事件,或者所述事件调度概率高于预设值的情况下,根据实例库信息确定所述事件信息对应的目标调度方案;
根据所述目标调度方案对话务运营参数进行调整。
上述话务调度方法、装置、计算机设备、存储介质和计算机程序产品,通过获取话务服务数据,并基于事件识别模型获取话务服务数据对应的事件信息,根据事件信息确定对应的事件类型及事件调度概率,在事件类型属于调度事件或者对应的事件调度概率高于预设值的情况下,根据实例库信息确定对应的目标调度方案,从而根据目标调度方案对话务运营参数进行调整,实现对话务进行调度,可以避免人工调度出现的调度延迟等问题,提高话务调度效率以及调度的准确性,节省人力。
附图说明
图1为一个实施例中话务调度方法的应用环境图;
图2为一个实施例中话务调度方法的流程示意图;
图3为一个实施例中事件识别模型训练的流程示意图;
图4为另一个实施例中话务调度方法的流程示意图;
图5为一个实施例中话务调度装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的话务调度方法,可以应用于如图1所示的应用环境中。核心网获取各个话务中心产生的话务服务数据,基于事件识别模型获取话务服务数据对应的事件信息,根据事件信息确定对应的事件类型及事件调度概率,在事件类型属于调度事件或者对应的事件调度概率高于预设值的情况下,根据实例库信息确定对应的目标调度方案,从而根据目标调度方案对话务运营参数进行调整,实现对各个话务中心的话务调度。
在此需要说明的是,本申请实施例提供的话务调度方法还可以通过服务器或者终端实现,以及服务器和终端结合实现。
示例性地,服务器或者终端可以通过获取话务服务数据,基于事件识别模型获取话务服务数据对应的事件信息,根据事件信息确定对应的事件类型及事件调度概率,在事件类型属于调度事件或者对应的事件调度概率高于预设值的情况下,根据实例库信息确定对应的目标调度方案,从而根据目标调度方案对话务运营参数进行调整,实现话务调度。或者,终端通过网络与服务器进行通信,终端将话务服务数据发送给服务器,服务器获取话务服务数据可以存储在数据存储系统中,数据存储系统可以集成在服务器上,也可以放在云上或其他网络服务器上,服务器基于事件识别模型获取话务服务数据对应的事件信息,根据事件信息确定对应的事件类型及事件调度概率,在事件类型属于调度事件或者对应的事件调度概率高于预设值的情况下,根据实例库信息确定对应的目标调度方案,从而根据目标调度方案对话务运营参数进行调整,实现话务调度。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备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。
在一个实施例中,如图2所示,提供了一种话务调度方法,以该方法应用于图1中的核心网为例进行说明,包括以下步骤202至步骤208。
步骤202,获取话务服务数据。
核心网,是通信网络的三大组成部分之一,是起到核心交换或者呼叫路由功能的网元,可以提供用户连接、对用户的管理以及对业务完成承载,作为承载网络提供到外部网络的接口,用户连接的建立包括移动性管理(Mobile Management,MM)、呼叫管理(CallManagement,CM)、交换/路由、录音通知(结合智能网业务完成到智能网外围设备的连接关系)等功能。核心网可以获取对应管理范围内的各话务中心的话务服务数据,从而实现对话务服务数据进行计算和分析,根据需求进行处理。
话务服务数据可以是各话务中心的历史话务服务数据或实时话务服务数据,或者是某一时间段内的话务服务数据,例如话务数据、坐席数据、历史调度数据、排班数据、考勤数据或者服务资源数据等,其中,历史调度数据包括各话务中心的话务调度数据、坐席人员调度数据及班组人员调度数据等,服务资源数据包括各话务中心对应的服务器资源数据,例如CPU(Central Processing Unit,中央处理器)占用率、内存占用率、存储资源率、信令处理速度等。在实际应用场景中,各话务中心可以实时通过数据采集接口将产生的话务服务数据发送给核心网对应的数据存储系统中,以供核心网在需要时进行调用。
步骤204,基于事件识别模型获取话务服务数据对应的事件信息,并根据事件信息确定对应的事件类型及事件调度概率。
本实施例中,核心网可以基于事件识别模型获取话务服务数据对应的事件信息,从而根据事件信息确定对应的事件类型以及事件调度概率。事件识别模型通过对话务服务数据进行分析和计算,可以得到对应的事件信息,其中,事件信息可以包括话务服务数据对应的事件特征信息、事件关系链路信息和事件趋势预测信息等信息。事件特征信息是用于表征事件特征的信息;事件关系链路信息表征事件关系之间的因果关系,例如可以是计算事件关系因果关系的公式;事件趋势预测信息用于预测事件的趋势走向,例如,可以是进行事件趋势预测的预测公式。
本实施例中的事件识别模型可以是事件识别算法或者可以通过对话务服务数据计算分析后得到对应的事件信息的方法或公式等。例如,将获取的话务服务数据进行标准化预处理,得到邻接矩阵的矩阵数值,一类数据可以对应一个邻接矩阵,通过线性算法、RNN(Recurrent Neural Network,循环神经网络)、分类算法等对邻接矩阵进行排列计算,可以得到事件特征参数、事件关系链路参数及事件趋势预测参数等,其中,事件特征参数可以获取话务服务数据对应的事件特征信息,事件关系链路参数可以获取事件关系链路信息,事件趋势预测参数可以计算获取话务服务数据对应的事件趋势预测信息。本示例中的事件特征参数、事件关系链路参数及事件趋势预测参数等即可视为事件识别模型。本实施例可以通过事件识别模型获取话务服务数据对应的事件信息,同时也可以根据话务服务数据对事件识别模型进行更新训练。
在基于事件识别模型获取话务服务数据对应的事件信息后,可以根据事件信息确定对应的事件类型和事件调度概率,其中,事件类型用于识别是否属于需要调度的事件,事件调度概率表征对应事件为需要进行调度的事件的概率。可选地,事件识别模型可以根据不同用户等级对应的话务服务数据对应输出不同的事件信息。
步骤206,在事件类型属于调度事件,或者事件调度概率高于预设值的情况下,根据实例库信息确定事件信息对应的目标调度方案。
将事件信息对应的事件类型与预设调度事件进行匹配,若事件类型属于预设调度事件,那么对应的事件类型属于调度事件,则根据实例库信息确定事件信息对应的目标调度方案。若事件调度概率高于预设值,则根据实例库信息确定事件信息对应的目标调度方案。
在事件类型属于调度事件,或者事件调度概率高于预设值的情况下,核心网可以根据实例库信息确定事件信息对应的目标调度方案。其中,实例库信息中存储有各类标准事件特征以及对应的调度方案。通过将事件信息与标准事件特征进行匹配,若事件信息与标准事件特征之间的匹配度高于预设匹配度,那么该标准事件特征对应的调度方案作为事件信息对应的目标调度方案。
步骤208,根据目标调度方案对话务运营参数进行调整。
核心网根据目标调度方案对话务运营参数进行调整。话务运营参数例如可以是话务中心的话务调度数量、运营人员的工作时长以及工作类型等参数。例如,当话务中心A的话务量较大时,可以通过减少分配给话务中心A计划承担的话务数量,或者将话务中心A的话务量指派给相对空闲的话务中心B,或者调整话务中心A的工作人员的工作时长以及对应工作类型等,从而减少话务中心A的话务负担,提高用户服务质量。
上述话务调度方法,通过获取话务服务数据,并基于事件识别模型获取话务服务数据对应的事件信息,根据事件信息确定对应的事件类型及事件调度概率,在事件类型属于调度事件或者对应的事件调度概率高于预设值的情况下,根据实例库信息确定对应的目标调度方案,从而根据目标调度方案对话务运营参数进行调整,实现对话务进行调度,可以避免人工调度出现的调度延迟等问题,提高话务调度效率以及调度的准确性,节省人力。
在一个实施例中,事件信息包括事件特征信息、事件关系链路信息和事件趋势预测信息;根据事件信息确定对应的事件类型及事件调度概率,包括:
根据事件特征信息和事件关系链路信息确定对应的事件类型;根据事件关系链路信息和事件趋势预测信息确定对应的事件调度概率。
本实施例中,可以根据事件特征信息和事件关系链路信息确定对应的事件类型是否属于调度事件。可选地,可以将事件特征信息和事件关系链路信息对应添加到邻接矩阵中,通过邻接矩阵计算出对应的行程数据线,通过该行程数据线与标准数据线进行比对,当行程数据线与标准数据线之间的差异大于预设差异,说明对应的事件类型属于调度事件;当行程数据线与标准数据线之间的差异不大于预设差异,说明对应的事件类型不属于调度事件,则无需进行处理。
根据事件关系链路信息和事件趋势预测信息可以确定对应的事件调度概率。可选地,通过邻接矩阵根据事件关系链路信息和事件趋势预测信息确定对应的事件调度概率。
上述实施例中,可以根据事件特征信息和事件关系链路信息确定对应的事件类型,根据事件关系链路信息和事件趋势预测信息确定对应的事件调度概率,可以准确地确定话务服务数据对应的事件类型以及事件调度概率,从而可以准确实现对需调度事件进行调度,提高调度效率和准确性。
在一些实施例中,根据事件关系链路信息和事件趋势预测信息确定对应的事件调度概率,包括:
通过事件趋势预测信息和事件关系链路信息,确定话务服务数据对应的目标事件趋势线;通过目标事件趋势线与历史话务数据对应的基准事件趋势线之间的偏离程度,确定话务服务数据对应的事件调度概率。
可选地,可以将事件关系链路信息以及标准化处理后的话务服务数据输入至事件趋势预测信息中,此时的事件趋势预测信息可以理解为趋势预测公式,从而可以得到每个数据点在邻接矩阵行程的目标事件趋势线,将目标事件趋势线与基准事件趋势线进行匹配,其中,基准事件趋势线是根据历史话务数据计算的事件趋势线,根据目标事件趋势线与基准事件趋势线之间的偏离程度,确定话务服务数据对应的事件调度概率。示例性地,当目标事件趋势线与基准事件趋势线之间的偏离程度越大,调度事件发生的概率越高,话务服务数据对应的事件调度概率越大。
在一个示例中,可以获取话务服务数据,将话务服务数据根据事件类型等进行聚类分析,得到聚类数据,将聚类数据根据对应的维度依次加入到邻接矩阵中,得到对应的矩阵值,不同时刻的话务服务数据对应不同的矩阵值,将多个时刻对应的矩阵值进行拼接,得到矩阵散点图,将矩阵散点图进行散点计算,得到目标事件趋势线。
上述话务调度方法,通过事件趋势预测信息和事件关系链路信息,确定话务服务数据对应的目标事件趋势线;通过目标事件趋势线与历史话务数据对应的基准事件趋势线之间的偏离程度,确定话务服务数据对应的事件调度概率,可以准确确定事件调度概率,实现对事件信息进行准确预测,从而对需要调度事件及时进行调度,可以提高调度效率,为用户及时提供对应的话务需求。
在一个实施例中,根据实例库信息确定事件信息对应的目标调度方案,包括:将事件信息中的事件特征信息与实例库中的标准事件特征进行匹配;在事件特征信息与标准事件特征之间的匹配度高于预设匹配度的情况下,将标准事件特征所对应的调度方案作为事件信息对应的目标调度方案。
事件信息包括事件特征信息,将事件信息中的事件特征信息与实例库中的标准事件特征进行匹配,实例库储存有预设的标准事件特征以及对应的调度方案,在事件特征信息与标准事件特征之间的匹配度高于预设匹配度的情况下,说明事件特征信息与标准事件特征之间的相似度较高,将标准事件特征所对应的调度方案作为事件信息对应的目标调度方案。在具体应用场景中,实例库中的标准事件特征可能相对简单,但是事件信息中的事件特征信息相对具体复杂,因此,在匹配时,可以将事件信息中的事件特征信息与实例库中的标准事件特征进行语义匹配,在事件特征信息与标准事件特征之间的语义匹配度高于预设匹配度的情况下,将标准事件特征对应的调度方案作为事件信息对应的目标调度方案。
上述实施例中,通过将事件信息中的事件特征信息与实例库中的标准事件特征进行匹配,在事件特征信息与标准事件特征之间的匹配度高于预设匹配度的情况下,将标准事件特征所对应的调度方案作为事件信息对应的目标调度方案,可以快速确定事件信息对应的调度方案,实现快速调度,提高调度效率。
在一些实施例中,在事件特征信息与标准事件特征之间的匹配度不高于预设匹配度的情况下,将事件信息对应的事件确定为未知事件,并为该未知事件标记对应的未知事件标识;获取未知事件标识对应的标准事件特征以及调度方案并将未知事件标识对应的标准事件特征和调度方案保存至实例库中。
在事件特征信息与标准事件特征之间的匹配度不高于预设匹配度的情况下,说明事件特征信息与标准事件特征之间的相似度不高,不属于相同或相似的特征,也不能使用实例库中标准事件特征对应的调度方案进行调度,则将事件信息对应的事件确定为未知事件,并为该未知事件标记对应的未知事件标识;获取未知事件标识对应的标准事件特征以及调度方案,并将未知事件标识对应的标准事件特征和调度方案保存至实例库中。其中,未知事件标识对应的标准事件特征以及调度方案,可以通过人工从接口或者交互屏输入,核心网获取后,将未知事件标识对应的标准事件特征和调度方案保存至实例库中。
本实施例中,将未知事件标识对应的标准事件特征和调度方案保存至实例库中,可以供事件信息在后续与实例库信息进行匹配时,能够增加事件信息与实例库信息相匹配的概率,更快地确定事件信息对应的目标调度方案,提高调度效率。
在一个实施例中,如图3所示,事件识别模型的训练方式包括以下步骤302至步骤310。
步骤302,获取历史话务服务数据。
历史话务服务数据,可以包括历史话务数据、历史坐席数据、历史调度数据、历史排班数据、历史考勤数据或者历史服务资源数据。可以理解地,针对事件识别模型的训练数据,历史话务服务数据越多越好。
步骤304,将第一比例的历史话务服务数据输入初始化模型,得到历史话务服务数据对应的第一事件信息。
步骤306,将第二比例的历史话务服务数据输入初始化模型,得到历史话务服务数据对应的第二事件信息。
步骤308,当第二事件信息与第一事件信息之间的相似度不高于第一预设相似度时,根据第二事件信息调整初始化模型的模型参数。
步骤310,当第二事件信息与第一事件信息之间的相似度高于第一预设相似度时,将对应的初始化模型,作为事件识别模型。
本实施例中,第一比例和第二比例可以根据需要进行设置,例如第一比例为80%,第二比例为20%;或者第一比例为20%,第二比例为80。第一事件信息可以包括第一事件特征信息、第一事件关系链路信息和第一事件趋势预测信息;第二事件信息可以包括第二事件特征信息、第二事件关系链路信息和第二事件趋势预测信息。第一事件信息和第二事件信息之间的相似度,包括第一事件特征信息的标注逻辑和第二事件特征信息的标注逻辑之间的第一相似度,第一事件关系链路信息和第二事件关系链路信息之间的第二相似度,以及第一事件趋势预测信息和第二事件趋势预测信息之间的第三相似度。可选地,第一相似度、第二相似度和第三相似度进行加权求和后,可以得到第一事件信息和第二事件信息之间的相似度。根据第二事件信息调整初始化模型的模型参数,是指以第二事件信息作为初始化模型的标准输出,从而指导初始化模型的模型参数的调整。
可选地,当第二事件信息与第一事件信息之间的相似度高于第一预设相似度时,停止模型训练,将对应的初始化模型,作为事件识别模型。其中,第一预设相似度可以根据需要进行设置,例如90%。可以通过重复预设次数的第一比例和第二比例的历史话务数据按照步骤302至步骤310的方法对模型进行训练,进一步提高事件识别模型的准确度。
在一个可选的实施例中,本实施例中的初始化模型,可以是初始化构建的事件特征参数、事件关系链路参数及事件趋势预测参数。可以通过选取目标话务服务数据对初始化模型的准确性进行验证,针对目标话务服务数据对应的矩阵散点图生成第一事件趋势线,根据历史服务数据输入初始化模型得到对应的矩阵散点图,根据矩阵散点图生成第二事件趋势线,通过第一事件趋势线和第二事件趋势线之间的偏离程度,确定初始化模型的准确度。可选地,在第一事件趋势线和第二事件趋势线之间的偏离程度小于预设偏离度时,确认初始化模型准确,例如偏离程度小于5%时,则认为初始化模型准确,偏离程度大于或等于5%,则认为初始化模型不准确。
在一些实施例中,事件识别模型的训练方式,还包括:
获取实时话务服务数据;将历史话务服务数据输入事件识别模型,得到历史话务服务数据对应的第三事件信息;将实时话务服务数据输入事件识别模型,得到实时话务服务数据对应的第四事件信息;当第四事件信息与第三事件信息之间的相似度不高于第二预设相似度时,根据第四事件信息调整所述事件识别模型的模型参数;当所述第四事件信息与所述第三事件信息之间的相似度高于第二预设相似度时对应的事件识别模型,作为更新后的事件识别模型。
本实施例中,通过历史话务服务数据输入事件识别模型得到第三事件信息,其中,第三事件信息可以包括第三事件特征信息、第三事件关系链路信息和第三事件趋势预测信息;通过实时话务服务数据输入事件识别模型得到第四事件信息,其中,第四事件信息可以包括第四事件特征信息、第四事件关系链路信息和第四事件趋势预测信息。第三事件信息和第四事件信息之间的相似度,包括第三事件特征信息的标注逻辑和第四事件特征信息的标注逻辑之间的第四相似度,第三事件关系链路信息和第四事件关系链路信息之间的第五相似度,以及第三事件趋势预测信息和第四事件趋势预测信息之间的第六相似度。可选地,第四相似度、第五相似度和第六相似度进行加权求和后,可以得到第三事件信息和第四事件信息之间的相似度。根据第四事件信息调整事件识别模型的模型参数,是指以第四事件信息作为事件识别模型的标准输出,从而指导事件识别模型的模型参数的调整。
上述实施例中,通过历史数据和实时话务服务数据对事件识别模型进行训练,只要有新的话务服务数据,都会触发事件识别模型进行训练,可以不断使用新数据修正事件识别模型,从而得到更新后的事件识别模型,提高事件识别模型的准确度,进而提高事件信息的准确度,对应确定准确的调度方案,提高调度效率。
在一些实施例中,可以获取预设时段内的话务服务数据,将历史话务服务数据输入事件识别模型,得到历史话务服务数据对应的第三事件信息;将预设时段内的话务服务数据输入事件识别模型,得到实时话务服务数据对应的第四事件信息;当第四事件信息与第三事件信息之间的相似度不高于第二预设相似度时,根据第四事件信息调整事件识别模型的模型参数;当第四事件信息与第三事件信息之间的相似度高于第二预设相似度时对应的事件识别模型,作为更新后的事件识别模型。
在一些实施例中,事件识别模型的训练方式,还包括:在实例库中保存未知事件标识对应的标准事件特征以及调度方案的情况下,响应于对事件识别模型进行补充训练的触发,根据未知事件标识对应的标准事件特征调整事件识别模型的参数,得到更新后的事件识别模型。
在事件特征信息与标准事件特征之间的匹配度不高于预设匹配度的情况下,核心网将事件信息对应的事件确定为未知事件,并为未知事件标记对应的未知事件标识,获取未知事件标识对应的标准事件特征以及调度方案,并将未知事件标识对应的标准事件特征和调度方案保存至实例库中,在实例库中保存未知事件标识对应的标准事件特征以及调度方案的情况下,触发对事件识别模型进行补充训练,根据未知事件标识对应的标准事件特征调整事件识别模型的参数,得到更新后的事件识别模型。
可选地,根据未知事件标识对应的标准事件特征调整事件识别模型的参数,得到更新后的事件识别模型,可以是将未知事件标识对应的标准事件特征对应的事件特征参数添加至事件识别模型中。
上述实施例中,在获取未知事件对应的标准事件特征以及对应的调度方案之后,根据未知事件对应的标准事件特征对事件识别模型进行训练,使得事件识别模型再次对话务服务数据进行分析时,能够识别到该未知事件,也就是将该未知事件转化为事件识别模型能够识别的事件,进而获取对应的事件特征信息,增加事件识别模型的识别能力和识别范围,减少由于未知事件不能及时识别导致不能及时调度的情形。
在一个实施例中,话务调度方法流程如图4所示,通过通信接口实时采集各话务中心的话务服务数据,话务服务数据包括话务数据、坐席数据、排班数据、考勤数据等,将实时采集的话务服务数据存储至数据仓库中,事件识别模型调用数据仓库中的存储的话务服务数据进行异常事件分析,确定话务服务数据对应的事件信息是否属于调度事件,如果事件信息属于调度事件,则通过调度实例库中存储的标准事件特征以及对应的调度方案确定事件信息对应的目标调度方案,具体是将事件信息中的事件特征信息与调度实例库中的标准事件特征进行匹配,如果匹配度高于预设匹配度,那么将对应的标准事件特征对应的调度方案作为事件信息的目标调度方案,参数控制模块根据目标调度方案对话务调度模块的话务调度参数和运营监控模块的运营监控参数进行调整。话务调度模型与各个话务中心通信连接,可以实时获取各话务中心的话务服务数据,也可以实时对各话务中心的话务调度参数进行调整。
资源侦听模块实时监测各话务中心的服务资源数据,事件识别模型根据话务中心的服务资源数据进行分析,如果出现话务服务中心与服务资源断连的情况,断连是指话务中心未能与服务资源中心实现握手,则根据断连对应的错误代码、延时情况或者日志,通过调度实例库匹配对应的目标调度方案进行调度。
事件识别模型如果识别到话务服务数据对应某话务中心故障或者断连时,对应的目标调度方案可以是将故障或断连的话务中心对应的话务任务转派至正常工作的话务中心,转派机制为尽量转派至其他资源负荷小的话务中心,资源负荷越小,转派的比例越大。
根据话务服务数据,基于事件识别模型,可以计算各话务中心的话务趋势和资源负荷趋势,当某话务中心的话务趋势的波动程度大于预设波动度时,则存在调度需求,例如,话务量突然变大或者变小20%;当某话务中心的资源负荷与其他话务中心的资源负荷差异大于预设差值时,则存在调度需求,例如,资源负荷差异大于10%,则存在调度需求。在一个示例中,有四个话务中心A,B,C,D,初始分派的话务任务比例分别为25%的话务工作量,经过一段时间后,话务中心A的资源占用率为60%,话务中心B的资源占用率为30%,话务中心C的资源占用率为50%,话务中心D的资源占用率为80%,那么,可以按照20%,45%,30%,5%的话务量进行分派,同时,话务中心A转派至话务中心B5%的话务量,话务中心D转派至话务中心C5%的话务量,话务中心D还向话务中心B转派20%的话务量。其中,分派是指核心网往下纵向分配的话务任务,指派是指横向指派,例如,将已经分派给话务中心A的任务,再由话务中心A转给话务中心B。
在识别到事件信息对应的事件为未知事件的情况下,将未知事件进行标识并存储至未知事件库中,通过预警/告警模块发出告警,给予运营人员录入对应的标准事件特征以及对应的调度方案的提示,在获取到未知事件标识对应的标准事件特征以及调度方案,并将未知事件标识对应的标准事件特征和调度方案保存至所述实例库中。事件识别模块在识别到未知事件库存在更新时,通过未知事件对事件识别模型进行训练,即将未知事件标识对应的话务服务数据输入至事件识别模型中,得到对应的事件信息,通过特定比例的事件信息对事件识别模型进行训练,直至该特定比例对应的事件信息与剩余比例对应的事件信息之间的相似度大于预设相似度时,得到更新后的事件识别模型。在实例库中保存未知事件标识对应的标准事件特征以及调度方案的情况下,再次根据未知事件标识对应的标准事件特征调整事件识别模型的参数,得到更新后的事件识别模型。
上述实施例中的话务调度方法,可以实现基于历史话务服务数据和实时的话务服务数据以及调度实例库中的标准事件特征,对事件识别模型分别进行更新,可以提高事件识别模型的准确性,降低模型的存储资源,提高计算机资源利用率,同时,通过未知事件的识别,更新对应的实例库信息,减少未知事件的发生,进一步提高调度效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的话务调度方法的话务调度装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个话务调度装置实施例中的具体限定可以参见上文中对于话务调度方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种话务调度装置,包括:数据存储模块502、事件信息模块504、调度方案模块506和参数调整模块508,其中:
数据存储模块502,用于获取话务服务数据;
事件信息模块504,用于基于事件识别模型获取所述话务服务数据对应的事件信息,并根据所述事件信息确定对应的事件类型及事件调度概率;
调度方案模块506,用于在所述事件类型属于调度事件,或者所述事件调度概率高于预设值的情况下,根据实例库信息确定所述事件信息对应的目标调度方案;
参数调整模块508,用于根据所述目标调度方案对话务运营参数进行调整。
在一个实施例中,所述事件信息包括事件特征信息、事件关系链路信息和事件趋势预测信息;事件信息模块504还用于:根据事件特征信息和事件关系链路信息确定对应的事件类型;根据所述事件关系链路信息和所述事件趋势预测信息确定对应的事件调度概率。
在一个实施例中,事件信息模块504还用于:通过所述事件趋势预测信息和所述事件关系链路信息,确定所述话务服务数据对应的目标事件趋势线;通过所述目标事件趋势线与历史话务数据对应的基准事件趋势线之间的偏离程度,确定所述话务服务数据对应的事件调度概率。
在一个实施例中,调度方案模块506还用于:将所述事件信息中的事件特征信息与实例库中的标准事件特征进行匹配;在所述事件特征信息与所述标准事件特征之间的匹配度高于预设匹配度的情况下,将所述标准事件特征所对应的调度方案作为所述事件信息对应的目标调度方案。
在一个实施例中,话务调度装置还包括未知事件模块,用于在所述事件特征信息与所述标准事件特征之间的匹配度不高于预设匹配度的情况下,将所述事件信息对应的事件确定为未知事件,并为所述未知事件标记对应的未知事件标识;获取所述未知事件标识对应的标准事件特征以及调度方案,并将所述未知事件标识对应的标准事件特征和调度方案保存至所述实例库中。
在一个实施例中,话务调度装置还包括模型训练模块,用于对事件识别模型进行训练,包括:获取历史话务服务数据;将第一比例的所述历史话务服务数据输入初始化模型,得到所述历史话务服务数据对应的第一事件信息;将第二比例的所述历史话务服务数据输入初始化模型,得到所述历史话务服务数据对应的第二事件信息;当所述第二事件信息与所述第一事件信息之间的相似度不高于第一预设相似度时,根据所述第二事件信息调整所述初始化模型的模型参数;当所述第二事件信息与所述第一事件信息之间的相似度高于第一预设相似度时,将对应的初始化模型,作为事件识别模型。
在一个实施例中,模型训练模块还用于:获取实时话务服务数据;将所述历史话务服务数据输入所述事件识别模型,得到所述历史话务服务数据对应的第三事件信息;将所述实时话务服务数据输入所述事件识别模型,得到所述实时话务服务数据对应的第四事件信息;当所述第四事件信息与所述第三事件信息之间的相似度不高于第二预设相似度时,根据所述第四事件信息调整所述事件识别模型的模型参数;当所述第四事件信息与所述第三事件信息之间的相似度高于第二预设相似度时对应的事件识别模型,作为更新后的事件识别模型。
在一个实施例中,模型训练模块还用于:在实例库中保存未知事件标识对应的标准事件特征以及调度方案的情况下,响应于对所述事件识别模型进行补充训练的触发,根据所述未知事件标识对应的标准事件特征调整所述事件识别模型的参数,得到更新后的事件识别模型。
上述话务调度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服务器,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。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非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储话务服务数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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话务调度方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述话务调度方法实施例的步骤。
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话务调度方法实施例。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述话务调度方法实施例。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种话务调度方法,其特征在于,所述方法包括:
获取话务服务数据;
基于事件识别模型获取所述话务服务数据对应的事件信息,并根据所述事件信息确定对应的事件类型及事件调度概率;
在所述事件类型属于调度事件,或者所述事件调度概率高于预设值的情况下,根据实例库信息确定所述事件信息对应的目标调度方案;
根据所述目标调度方案对话务运营参数进行调整。
2.根据权利要求1所述的方法,其特征在于,所述事件信息包括事件特征信息、事件关系链路信息和事件趋势预测信息;所述根据所述事件信息确定对应的事件类型及事件调度概率,包括:
根据事件特征信息和事件关系链路信息确定对应的事件类型;
根据所述事件关系链路信息和所述事件趋势预测信息确定对应的事件调度概率。
3.根据权利要求2所述的方法,其特征在于,所述根据所述事件关系链路信息和所述事件趋势预测信息确定对应的事件调度概率,包括:
通过所述事件趋势预测信息和所述事件关系链路信息,确定所述话务服务数据对应的目标事件趋势线;
通过所述目标事件趋势线与历史话务数据对应的基准事件趋势线之间的偏离程度,确定所述话务服务数据对应的事件调度概率。
4.根据权利要求1所述的方法,其特征在于,所述根据实例库信息确定所述事件信息对应的目标调度方案,包括:
将所述事件信息中的事件特征信息与实例库中的标准事件特征进行匹配;
在所述事件特征信息与所述标准事件特征之间的匹配度高于预设匹配度的情况下,将所述标准事件特征所对应的调度方案作为所述事件信息对应的目标调度方案。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在所述事件特征信息与所述标准事件特征之间的匹配度不高于预设匹配度的情况下,将所述事件信息对应的事件确定为未知事件,并为所述未知事件标记对应的未知事件标识;
获取所述未知事件标识对应的标准事件特征以及调度方案,并将所述未知事件标识对应的标准事件特征和调度方案保存至所述实例库中。
6.根据权利要求1所述的方法,其特征在于,所述事件识别模型的训练方式包括:
获取历史话务服务数据;
将第一比例的所述历史话务服务数据输入初始化模型,得到所述历史话务服务数据对应的第一事件信息;
将第二比例的所述历史话务服务数据输入初始化模型,得到所述历史话务服务数据对应的第二事件信息;
当所述第二事件信息与所述第一事件信息之间的相似度不高于第一预设相似度时,根据所述第二事件信息调整所述初始化模型的模型参数;
当所述第二事件信息与所述第一事件信息之间的相似度高于第一预设相似度时,将对应的初始化模型,作为事件识别模型。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
获取实时话务服务数据;
将所述历史话务服务数据输入所述事件识别模型,得到所述历史话务服务数据对应的第三事件信息;
将所述实时话务服务数据输入所述事件识别模型,得到所述实时话务服务数据对应的第四事件信息;
当所述第四事件信息与所述第三事件信息之间的相似度不高于第二预设相似度时,根据所述第四事件信息调整所述事件识别模型的模型参数;
当所述第四事件信息与所述第三事件信息之间的相似度高于第二预设相似度时对应的事件识别模型,作为更新后的事件识别模型。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在实例库中保存未知事件标识对应的标准事件特征以及调度方案的情况下,响应于对所述事件识别模型进行补充训练的触发,根据所述未知事件标识对应的标准事件特征调整所述事件识别模型的参数,得到更新后的事件识别模型。
9.一种话务调度装置,其特征在于,所述装置包括:
数据存储模块,用于获取话务服务数据;
事件信息模块,用于基于事件识别模型获取所述话务服务数据对应的事件信息,并根据所述事件信息确定对应的事件类型及事件调度概率;
调度方案模块,用于在所述事件类型属于调度事件,或者所述事件调度概率高于预设值的情况下,根据实例库信息确定所述事件信息对应的目标调度方案;
参数调整模块,用于根据所述目标调度方案对话务运营参数进行调整。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其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执行时实现权利要求1至8中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310833572.7A CN116962579A (zh) | 2023-07-07 | 2023-07-07 | 话务调度方法、装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310833572.7A CN116962579A (zh) | 2023-07-07 | 2023-07-07 | 话务调度方法、装置、计算机设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116962579A true CN116962579A (zh) | 2023-10-27 |
Family
ID=88452192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310833572.7A Pending CN116962579A (zh) | 2023-07-07 | 2023-07-07 | 话务调度方法、装置、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116962579A (zh) |
-
2023
- 2023-07-07 CN CN202310833572.7A patent/CN116962579A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021109578A1 (zh) | 业务运维中告警的预测方法、装置与电子设备 | |
WO2020259421A1 (zh) | 一种业务系统的监控方法及装置 | |
WO2021213247A1 (zh) | 一种异常检测方法及装置 | |
KR102087959B1 (ko) | 통신망의 인공지능 운용 시스템 및 이의 동작 방법 | |
CN111355610A (zh) | 一种基于边缘网络的异常处理方法及装置 | |
CN109271356B (zh) | 日志文件格式处理方法、装置、计算机设备和存储介质 | |
US10218575B2 (en) | Provision, configuration and use of a telecommunications network | |
CN112087334A (zh) | 告警根因分析方法、电子设备和存储介质 | |
US20220284352A1 (en) | Model update system, model update method, and related device | |
CN112817785A (zh) | 一种微服务系统的异常检测方法及装置 | |
CN112051771B (zh) | 多云数据采集方法、装置、计算机设备和存储介质 | |
CN112202617A (zh) | 资源管理系统监控方法、装置、计算机设备和存储介质 | |
EP2980701B1 (en) | Stream processing with context data affinity | |
CN105162931B (zh) | 一种通信号码的分类方法及装置 | |
CN104937613A (zh) | 量化数据质量的探试 | |
CN115689320A (zh) | 基站运行的健康管理方法、装置及计算机可读存储介质 | |
JP2022549407A (ja) | レジーム・シフトの識別及び分析のための方法及びシステム | |
CN116962579A (zh) | 话务调度方法、装置、计算机设备、存储介质 | |
CN113918577A (zh) | 数据表识别方法、装置、电子设备及存储介质 | |
CN111708818B (zh) | 一种智能计算方法 | |
CN116680141B (zh) | 异常预测方法、装置、存储介质及电子设备 | |
WO2017023322A1 (en) | Influence spread maximization in social networks | |
CN117194092A (zh) | 根因定位方法、根因定位装置、计算机设备及存储介质 | |
CN116993218A (zh) | 基于人工智能的指标分析方法、装置、设备及存储介质 | |
CN116541685A (zh) | 特征重要性评估指标的确定方法、确定装置及电子设备 |
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 |