[发明专利]一种外呼业务案件分配方法及装置

说明书

本申请实施例提供了一种外呼业务案件分配方法及装置，基于神经网络模型深度挖掘外呼业务案件与坐席的组合与完成案件结果之间的潜在关系，利用深度神经网络模型对所有案件分配组合的能够完成案件目标的概率进行预测，基于预测结果构建网络流图并寻找到案件和坐席间最优的分配组合，从而实现了将合适的案件分配给合适的坐席，既保证了案件分配的公平性，又能够提升案件目标的完成率，还有利于提高坐席的工作积极性，由此可见，本申请实施例的技术方案解决了目前催收或营销等外呼业务场景中的案件与坐席无法实现最优分配的问题。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种外呼业务案件分配方法及装置。

背景技术

在电话营销或电话催收等外呼业务场景中，一个批次的任务通常会包含很多案件，这些案件一般会被分配给若干个坐席(例如电话营销业务中的营销员、电话催收业务中的催收员等)进行处理。坐席接收案件之后，负责给案件涉及的客户拨打电话和后续的跟进，以达成某种业务目标(如订单转化、回款等)。在外呼业务场景中，由于不同的坐席、不同的案件均有其各自的特点，因此案件和坐席之间如何分配，往往会对整体的业务效果(例如整体的订单转化率、汇款率等)产生很大的影响。

现有技术中，案件和坐席之间通常采用无差别的方式进行分配，例如将一个批次的案件平均分配给多个坐席，或者随机分配给多个坐席，这样的分配方式无法根据坐席的特点与案件的特点实现案件与坐席之间的最优分配，无法实现整体收益的最大化，另外在催收难易程度上也无法实现对各个坐席进行公平分配，容易降低坐席的积极性，导致业务效果较差。

发明内容

本申请实施例提供了一种外呼业务案件分配方法及装置，以解决目前催收或营销等外呼业务场景中的案件与坐席无法实现最优分配的问题。

第一方面，本申请实施例提供了一种外呼业务案件分配方法，包括：

对于每个案件，分别生成各坐席对应的案件目标完成的概率估计值，生成各坐席对应的案件目标完成的概率估计值包括：生成当前坐席画像信息、案件被叫画像信息、案件信息对应的第一卷积特征向量，以及，生成被叫历史通话内容对应的第二卷积特征向量；将第一卷积特征向量和第二卷积特征向量进行叉乘，得到组合特征向量；使用多种不同的池化方式对组合特征向量进行池化处理，以得到组合特征向量的多个中间表示向量；对多个中间表示向量进行拼接，得到表示案件与当前坐席的最终表示向量；通过激活函数输出最终表示向量的分值，分值为案件与当前坐席对应的案件目标完成的概率估计值；根据多个案件与多个坐席对应的概率估计值，进行多个案件的坐席分配。

在一种实现方式中，生成案件的坐席画像信息、被叫画像信息、案件信息对应的第一卷积特征向量，包括：对坐席画像信息、被叫画像信息、案件信息的结构化文本进行编码，得到第一文本特征向量；使用卷积神经网络从第一文本特征向量中提取卷积特征，得到第一卷积特征向量。

在一种实现方式中，生成被叫历史通话内容对应的第二卷积特征向量，包括：将被叫历史通话内容使用语音合成技术转换为对话文本信息；对对话文本信息进行编码，得到对应的第二文本特征向量；使用卷积神经网络对第二文本特征向量进行处理，得到第二卷积特征向量。

在一种实现方式中，使用卷积神经网络从第二文本特征向量中提取卷积特征，得到第二卷积特征向量，包括：使用大小不同的多个卷积核分别从第二文本特征向量中提取卷积特征，将提取到的卷积特征拼接得到第二卷积特征向量。

在一种实现方式中，池化方式包括以下至少两种：最大池化、平均池化、全局平均池化、混合池化、随机池化、幂平均池化。

在一种实现方式中，激活函数为sigmoid激活函数。