[发明专利]基于决策树算法的坐席能力评估方法和装置

权利要求书

1.一种基于决策树算法的坐席能力评估方法，其特征在于，包括：

构建多层级指标体系，所述多层级指标体系包括一级指标和二级指标，各个所述一级指标对应多个不同的二级指标；

利用已知样本，基于决策树算法分别对各个一级指标对应的多个二级指标进行路径分裂，获得多条分裂路径，其中，每条分裂路径对应唯一的分类结果，所述分类结果对应的分数为所述一级指标的分数；

根据各个所述一级指标的分数，以及，各个所述一级指标的权重，计算各个所述已知样本的坐席能力分数；

利用聚类分析算法，将所述已知样本的坐席能力分数进行聚类分析，获得多个聚类等级，各个所述聚类等级对应不同的坐席能力分数区间；

根据所述分裂路径，确定未知样本的分类结果；

根据所述未知样本的分类结果对应的分数，计算所述未知样本的坐席能力分数；

根据所述未知样本的坐席能力分数对应的坐席能力分数区间，确定所述未知样本的聚类等级。

2.根据权利要求1所述的方法，其特征在于，利用已知样本，基于决策树算法分别对各个一级指标对应的多个二级指标进行路径分裂，获得多条分裂路径，包括：

将已知样本的二级指标及其分类结果作为样本集合D，根据以下公式计算样本集合D的信息熵：

其中，Entropy(D)为样本集合D的信息熵，y为已知样本的分类结果的数量，k为已知样本的分类结果的可能取值，k＝1,2……|y|，p_k为已知样本的分类结果为k的概率；

根据以下公式计算各个所述二级指标的信息增益：

其中，a为一级指标对应的其中一个二级指标，Gain(D,a)为所述二级指标的信息增益，假定a有v个可能的划分区间，|D^x|/|D|为已知样本落在区间x的概率，x＝1,2……v，Entropy(D^x)为区间x中的二级指标的信息熵；

选择信息增益最大的二级指标作为路径分裂的根节点，根据所述根节点对已知样本进行划分，获得多个第一分支；

对所述根节点对应的二级指标以外的剩余二级指标重新进行信息增益的计算，选取后一级分支节点，直至划分出来的已知样本对应的分类结果一致，停止路径分裂，将路径分裂获得的各条路径作为分裂路径。

3.根据权利要求1所述的方法，其特征在于，根据所述分裂路径，确定未知样本的分类结果，包括：

根据未知样本对应的二级指标，获取与所述未知样本匹配的目标分裂路径；

将所述目标分裂路径对应的分类结果作为所述未知样本的分类结果。

4.根据权利要求1所述的方法，其特征在于，根据各个所述一级指标的分数，以及，各个所述一级指标的权重，计算各个所述已知样本的坐席能力分数，包括：

根据以下公式计算坐席能力分数：

其中，S为坐席能力分数，n为一级指标的数量，i为其中一个一级指标，i＝1,2……n，w_i为第i个一级指标的权重，Score_i为第i个一级指标的分数。