[发明专利]一种基于人工智能的名单分配方法及相关设备

权利要求书

1.一种基于人工智能的名单分配方法，其特征在于，所述方法包括：

获取训练数据集，所述训练数据集包括历史坐席的历史特征矩阵，以及所述历史坐席的对象分配决策，所述历史特征矩阵用于表征所述历史坐席的特征信息，所述对象分配决策用于表征决策对象依照所述特征信息对所述历史坐席所作出的分配行为；

确定待进行模型训练对应的轮次，并获取所述轮次的模型训练对应的模型决策函数；第j轮次的模型训练对应的模型决策函数为：

或者，第j轮次的模型训练对应的模型决策函数为：

其中，P_j =P_j-1+N_j -L_j，N_j表征第j轮次的模型训练对应新坐席的数量，P_j表征第j轮次的模型训练对应在职坐席的数量，P_j-1表征第j-1轮次模型训练对应在职坐席的数量，L_j表征第j轮次的模型训练对应离职坐席的数量；所述为第j轮次的模型训练对应的决策比例，所述表征第j轮次的模型训练，由分配模型学习得到的初始预测分配决策，所述表征第j轮次的模型训练，由决策对象决策得到的对象分配决策；第j轮次的模型训练过程中分配模型输出的最终预测分配决策与所述第j轮次的模型训练对应的模型决策函数关联；是第j轮次对应的训练数据集中的数据量和分配模型的迭代次数确定的；

根据所述模型决策函数和所述训练数据集对分配模型进行训练，以更新分配模型的网络参数；

确定下一次模型训练对应的新轮次，并依照所述新轮次更新所述模型决策函数；

获取指定数量的新特征矩阵，以及各新特征矩阵对应的新对象分配决策，任一新对象分配决策用于表征决策对象依照对应的新特征矩阵所做出的分配行为；

通过所述指定数量的新特征矩阵、所述各新特征矩阵对应的新对象分配决策以及所述训练数据集，构成新数据集；所述指定数量的新特征矩阵可以包括新坐席的新特征矩阵和目标历史坐席的新特征矩阵，或者，所述指定数量的新特征矩阵可以包括目标历史坐席的新特征矩阵，所述新坐席为当前新入职的坐席，所述目标历史坐席为当前处于在职状态的坐席；

依照所述新数据集和更新后的模型决策函数，对网络参数更新后的分配模型进行新轮次的训练，以得到目标分配模型；

接收名单分配请求，所述名单分配请求中携带有目标坐席的目标特征矩阵；

调用所述目标分配模型对所述目标特征矩阵进行数据分析，确定针对所述目标坐席的目标预测分配决策，所述目标预测分配决策指示了向所述目标坐席分配目标名单。

2.如权利要求1所述的方法，其特征在于，所述待进行模型训练对应的轮次为i，所述新轮次为i+1，所述i为大于等于1的整数，当所述i为1时，为1，所述依照所述新轮次更新所述模型决策函数，包括：

按照降低所述i轮次对应的模型决策函数中决策比例的方向，更新所述i轮次对应的模型决策函数。

3.如权利要求1所述的方法，其特征在于，所述历史坐席包括多个，所述根据所述模型决策函数和所述训练数据集对分配模型进行训练，以更新分配模型的网络参数，包括：

根据所述模型决策函数调用分配模型对所述训练数据集进行数据分析，确定针对多个历史坐席的预测分配决策；

依照所述针对多个历史坐席的预测分配决策和所述对象分配决策，计算所述分配模型对应损失函数的值；

按照所述损失函数的值下降的方向，更新所述分配模型的网络参数。

4.如权利要求3所述的方法，其特征在于，所述预测分配决策指示了针对每一个历史坐席的分配行为，每一个历史坐席的分配行为包括存在名单分配的有效分配行为，或者不存在名单分配的无效分配行为，所述获取指定数量的新特征矩阵，包括：

解析所述多个历史坐席的预测分配决策，并依照解析结果从所述多个历史坐席中筛选存在有效分配行为的目标历史坐席；

为所述目标历史坐席分配与对应有效分配行为匹配的目标名单，以便于所述目标历史坐席依照目标名单执行对应的目标业务；

在检测到所述目标历史坐席执行完成所述目标业务后，获取指定数量的目标历史坐席的新特征信息；

依照各新特征信息更新对应目标历史坐席的历史特征矩阵，得到指定数量的新特征矩阵。