[发明专利]话务量预测方法、系统、设备及介质

说明书

本发明公开了一种话务量预测方法、系统、设备及介质。其中，话务量预测方法包括：通过获取预设周期内的历史话务量并基于时间粒度进行划分，得到了历史设定时间范围内不同第一时段对应的第一话务量，进一步地对第一话务量进行处理以获取与之时段对应的第一基准话务量，从而能够在预设时间周期内目标设定时间范围内基于第一基准话务量预测目标设定时间范围内的第一预测话务量。本发明实现了对不合理数据的清洗，避免了不合理数据对预测结果的干扰，提高了对每天、以及每天各个的时间段的话务量预测的准确性，从而有效地实现了客服人员排班、配置等运营策略，为企业实现资源最优化配置提供依据，降低企业成本，提升效益。

技术领域

本发明涉及话务量预测技术领域，具体涉及一种话务量预测方法、系统、设备及介质。

背景技术

在现在的话务量预测方法中，主要基于一些机器学习模型，比如支持向量机、树模型、神经网络模型等，在运用这些机器学习模型时，会把话务量预测当成一个回归问题来解决，同时划分历史数据为训练数据和测试数据来训练预测机器学习回归模型，而这些方法都存在着以下问题：在实际生活中，事物是不断发展变化的，比如随着智能客服智能化程度的提高，需要人工客服的订单会逐渐变少，因此人工客服相关的时间序列数据(比如人工客服话务量)的性质会处于不断变化之中，而机器学习模型在使用这些一直在变化的历史数据进行训练时，会造成过拟合，从而影响未来的预测精度；对于历史上只出现一次或者系统的一次突然故障，机器学习模型对这些异常事件数据的学习十分困难；机器学习模型解释性较差，在一些对解释性高要求的场景(比如用以展示用途的客流量预测看板)无法满足要求；机器学习模型由于其黑盒模型的性质，预测结果不稳定，有时会输出一些不是特别合理的结果；机器学习模型往往需要一年甚至更长的数据来支撑其模型训练的需要，因此在一些仅有几个月数据的时序数据上无法较好的应用；机器学习黑盒模型的不可解释性，一线运营人员无法很好地基于实时情况与模型预测结果进行实时特殊事件的调控。比如一线运营人员无法确认模型是否已经考虑到一个近期的一个突发事件，因此无法确认是否要对当天的模型结果进行调整，且对调整量未知。

发明内容

本发明要解决的技术问题是为了克服现有技术的话务量预测易受不合理数据影响而导致预测结果不准确的缺陷，提供一种话务量预测方法、系统、设备及介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种话务量预测方法，所述话务量预测方法包括：

获取预设时间周期内若干个历史设定时间范围对应的历史话务量；

采用第一时间粒度对所述历史话务量进行划分，以获取所述历史设定时间范围内不同的第一时段对应的第一话务量；

对所述第一话务量进行处理以获取每个不同的所述历史设定时间范围内对应的第一基准话务量；

获取所述预设时间周期内目标设定时间范围；

基于所述第一基准话务量预测所述目标设定时间范围对应的第一预测话务量。

较佳地，所述基于所述第一基准话务量预测所述目标设定时间范围对应的第一预测话务量的步骤包括：

选取与所述目标设定时间范围对应的第一预测话务量关联的若干个所述历史设定时间范围对应的所述第一基准话务量；

基于所选取的若干个所述第一基准话务量预测所述目标设定时间范围对应的第一预测话务量。

较佳地，所述基于所选取的若干个所述第一基准话务量预测所述目标设定时间范围对应的第一预测话务量的步骤对应的计算公式如下：