[发明专利]一种基于人工智能的名单分配方法及相关设备

说明书

本申请实施例公开了一种基于人工智能的名单分配方法及相关设备，该方法应用于人工智能技术领域，其中所述方法包括：接收携带有目标坐席的目标特征矩阵的名单分配请求，调用目标分配模型对目标特征矩阵进行数据分析，确定针对目标坐席的目标预测分配决策。有利于提高对坐席进行名单分配的效率和智能性。本申请涉及区块链技术，如可将目标分配模型写入区块链。

技术领域

本申请涉及计算机技术领域，具体涉及人工智能技术领域，涉及一种基于人工智能的名单分配方法及相关设备，尤其涉及一种基于人工智能的名单分配方法，一种名单分配装置、一种名单分配设备以及一种计算机可读存储介质。

背景技术

企业拓展业务的两种途径分为线下代理人和线上电话坐席，线上电话坐席即由坐席根据用户画像模型筛选后的名单拨打用户电话，从而进行业务的沟通和介绍，来提高用户的购买意愿，最终促成交易。在实际电话拨打过程中，名单在不同坐席之间的分配会对业务营销的效果有所影响，因此找到名单与坐席之间的最优分配，可以使坐席进行更高效、更高质量的电话沟通，帮助企业了解用户偏好的接听体验，提高电话的拨打效率。

传统对不同表现的坐席进行名单的分配，主要是由决策对象直接分配，效率低下，不够智能化。

发明内容

本申请实施例提供了一种基于人工智能的名单分配方法及相关设备，有利于简单高效的实现对坐席的名单分配，提高名单分配的智能性。

一方面，本申请实施例提供了一种基于人工智能的名单分配方法，该方法包括：

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，并获取所述轮次对应的模型决策函数；

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；

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。

在一个实施例中，第j轮次的模型训练对应的模型决策函数为：

其中，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。

在一个实施例中，所述待进行模型训练对应的轮次为i，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的具体实施方式为：

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。