[发明专利]基于人工智能的名单派发方法、装置、设备及介质

权利要求书

1.一种基于人工智能的名单派发方法，其特征在于，包括：

获取目标客户对应的待识别特征数据；

采用预先创建的目标派单模型对所述待识别特征数据进行识别，获取至少一个识别概率值，每一识别概率值对应一坐席类别；

选取最大的识别概率值对应的坐席类别作为目标坐席类别，根据所述目标坐席类别对所述目标客户进行标注，获取标注单；

基于所述标注单和预设派发规则进行名单派发处理，获取派发表单，每一所述派发表单对应一坐席工号；

将每一所述派发表单发送给与所述坐席工号对应的坐席终端，以完成名单派发；

其中，预先创建目标派单模型，包括：

获取坐席个人信息，基于所述坐席个人信息进行分类，获取坐席类别；

基于所述坐席类别查找大数据平台，获取原始特征数据；

对所述原始特征数据进行向量化表示，获取目标特征数据；

对所述目标特征数据进行中心化处理和标准化处理，获取训练特征数据；

采用激活函数对输入的所述训练特征数据进行计算，获取多层全连接神经网络模型隐藏层的输出值；所述激活函数的计算公式包括其中，H_j表示所述多层全连接神经网络模型隐藏层第j个神经元的输出值；w_ij表示多层全连接神经网络模型输入层到多层全连接神经网络模型隐藏层的权重；x_i表示所述多层全连接神经网络模型输入层的输入；上标n表示所述多层全连接神经网络模型输入层神经元的数量；下标i表示所述多层全连接神经网络模型输入层第i个神经元；下标j表示所述多层全连接神经网络模型隐藏层第j个神经元；a_j表示所述多层全连接神经网络模型输入层到所述多层全连接神经网络模型隐藏层的偏置，g为激活函数；

对所述多层全连接神经网络模型隐藏层的输出值进行计算，获取多层全连接神经网络模型输出层的输出值；所述对所述多层全连接神经网络模型隐藏层的输出值进行计算的公式包括其中，k表示所述多层全连接神经网络模型输出层第k个神经元；下标j表示所述多层全连接神经网络模型隐藏层中的第j个神经元；o_k表示所述多层全连接神经网络模型输出层的第k个神经元的输出；上标l表示所述多层全连接神经网络模型隐藏层中神经元的数量；H_j表示所述多层全连接神经网络模型隐藏层的输出值；w_jk表示所述多层全连接神经网络模型隐藏层到所述多层全连接神经网络模型输出层的权重；b_k表示所述多层全连接神经网络模型隐藏层到所述多层全连接神经网络模型输出层的偏置；

根据所述多层全连接神经网络模型输出层的输出值对所述多层全连接神经网络模型进行误差反传更新，获取更新后的模型参数；

将所述更新后的模型参数应用在所述多层全连接神经网络模型中，获取所述目标派单模型。

2.如权利要求1所述的基于人工智能的名单派发方法，其特征在于，所述目标坐席类别对应的坐席数量为N；每一坐席对应一最大承接量为M；

所述基于所述目标坐席类别和预设派发规则进行名单派发处理，获取派发表单，包括：

对所述标注单进行统计，获取所述目标坐席类别对应的目标客户数量；

若所述目标客户数量大于所述预设派发规则的规则参数，则按照给所述目标坐席类别对应的每一坐席随机下发M个所述目标客户，获取派发表单；其中，所述预设派发规则的规则参数为M*N；

若所述目标客户数量不大于所述预设派发规则的规则参数，则采用公式获取随机分配数量，依据所述随机分配数量给所述目标坐席类别对应的每一坐席随机下发S个所述目标客户；其中，S为随机分配数量，X为目标客户数量；符号为向下取整符号；

采用公式Y＝X-N*S计算依据所述随机分配数量随机分配之后的剩余目标客户数量，从N个坐席中选取Y个坐席，并给所述Y个坐席中的每一坐席随机派发一个所述目标客户，获取派发表单；其中，Y为依据所述随机分配数量随机分配之后的剩余目标客户数量。