本申請實(shí)施例涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別涉及一種分流方法。本申請實(shí)施例同時(shí)還涉及一種分流設(shè)備。

背景技術(shù)：

現(xiàn)有技術(shù)中，熱線服務(wù)需投入人力觀察即時(shí)的外包服務(wù)情況，根據(jù)觀察結(jié)果，人為調(diào)節(jié)分流比例，以達(dá)到最大化利用外包資源的目的，例如，如果當(dāng)前外包公司A的用戶訴求排隊(duì)量比較大，而外包公司B可以處理更多的用戶訴求，那么就人為的調(diào)大外包公司B的分流比例，以使外包公司B能獲得更多訴求流量。當(dāng)所有外包公司的服務(wù)都處于飽和狀態(tài)時(shí)，就完全根據(jù)相關(guān)工作人員的經(jīng)驗(yàn)來調(diào)節(jié)分流比例。在此過程中首先消耗了大量的人力資源，且人為操作會增加了線上故障風(fēng)險(xiǎn)；其次，外包公司的服務(wù)質(zhì)量有高低之分，如果外包公司A和外包公司B都能處理用戶訴求S，但是A公司比B公司的服務(wù)質(zhì)量高，那么顯然將訴求分配給A公司能提高用戶體驗(yàn)，增強(qiáng)用戶對客服的信任感，然而，人工調(diào)節(jié)分流比例是隨機(jī)將訴求S分配到A和B，無法達(dá)到這種效果，另外，當(dāng)外包公司的服務(wù)都處于飽和狀態(tài)時(shí)，人工調(diào)節(jié)分流比例，容易犯經(jīng)驗(yàn)主義錯誤，因?yàn)槿说念A(yù)判能力會根據(jù)時(shí)間、環(huán)境的變化而變化，所以人工控制分流比例，無法使外包公司的承接量最大化。

目前也存在簡單的自動分流，是通過計(jì)算外包公司的業(yè)務(wù)吞吐量(單位時(shí)間內(nèi)處理的用戶訴求數(shù))，以此作為外包分流的依據(jù)，這種方案會將用戶訴求分配給業(yè)務(wù)吞吐量最大的外包公司。但是，這存在一個明顯的缺陷，業(yè)務(wù)吞吐量的計(jì)算公式為：

(過去一段時(shí)間內(nèi)處理的用戶訴求數(shù))/(時(shí)間間隔)，

考慮在排隊(duì)的情況下，過去一段時(shí)間內(nèi)處理的用戶數(shù)越多，那么就會有相應(yīng)的新訴求占用客服資源，要解放這些客服資源，需要更長時(shí)間，所以導(dǎo)致外包公司最快處理當(dāng)前業(yè)務(wù)訴求的能力下降。故，這種分流方法不適用于排隊(duì)情況。

綜上，面對業(yè)務(wù)越來越多樣，客戶問題越來越復(fù)雜的情況，現(xiàn)有的分流方案不夠智能，考慮的因素單一，導(dǎo)致分流結(jié)果不完善，向客戶提供服務(wù)的效率不高。

技術(shù)實(shí)現(xiàn)要素：

本申請實(shí)施例提供了一種分流方法和設(shè)備，在本申請中，實(shí)現(xiàn)了快速且精準(zhǔn)的分流，提高了處理對象的處理效率，分流過程智能化，節(jié)省了大量人力資源，避免了人為操作的失誤，降低線上故障風(fēng)險(xiǎn)，提高了用戶體驗(yàn)，增強(qiáng)了用戶對公司的信任感。

為此，本申請實(shí)施例提供了一種分流方法，包括：

接收用戶請求；

基于所述用戶請求的內(nèi)容判斷用戶問題的類型；

基于所述用戶問題的類型和分流模型，對所述用戶請求進(jìn)行分流預(yù)測；

基于所述分流預(yù)測的結(jié)果，將所述用戶請求分流至相應(yīng)的處理對象。

優(yōu)選的，所述基于所述用戶請求的內(nèi)容判斷用戶問題的類型，具體包括：

接收所述用戶請求，獲得語音形式的用戶問題描述；

將所述語音形式的用戶問題描述轉(zhuǎn)化成文本形式的用戶問題描述；

對所述文本形式的用戶問題描述進(jìn)行修正；

識別修正后的文本形式的用戶問題描述，確定用戶問題的類型。

優(yōu)選的，所述基于所述用戶問題的類型和分流模型，對所述用戶請求進(jìn)行分流預(yù)測，具體包括：

基于所述用戶問題的類型，確定備選處理對象；

對所述備選處理對象進(jìn)行優(yōu)先級排序；

基于所述優(yōu)先級排序結(jié)果確定所述分流預(yù)測結(jié)果；

優(yōu)選的，所述對所述備選處理對象進(jìn)行優(yōu)先級排序，具體包括：

基于計(jì)算得出的優(yōu)先級參數(shù)對所述備選處理對象進(jìn)行優(yōu)先級排序；

其中，所述優(yōu)先級參數(shù)為

$X=\ln S+\mathrm{\δ}ln(P-T)=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}lnF+\mathrm{\δ}ln(P-T),(P\>T);$

其中，S為所述處理對象在當(dāng)前時(shí)刻之后的一段預(yù)設(shè)時(shí)間內(nèi)處理用戶請求的能力的量化值；C為當(dāng)前時(shí)刻之前的一段預(yù)設(shè)時(shí)間內(nèi)所述處理對象接收用戶請求的數(shù)量；R為所述處理對象的待處理用戶請求的數(shù)量；N為所述處理對象中處理單元的數(shù)量；F為所述處理對象中空閑處理單元的數(shù)量；T為所述處理對象當(dāng)前已接收用戶請求的數(shù)量；P為所述處理對象接收用戶請求的預(yù)估量；α、β、γ、δ為參數(shù)。

優(yōu)選的，所述參數(shù)的確定方式，具體為：

通過預(yù)設(shè)確定；和/或,

通過監(jiān)督學(xué)習(xí)的過程確定；和/或，

通過自適應(yīng)學(xué)習(xí)的過程確定。

本申請實(shí)施例還公開了一種分流設(shè)備，包括：

接收模塊，用于接收用戶請求；

判斷模塊，用于基于所述用戶請求的內(nèi)容判斷用戶問題的類型；

預(yù)測模塊，用于基于所述用戶問題的類型和分流模型，對所述用戶請求進(jìn)行分流預(yù)測；

分流模塊，用于基于所述分流預(yù)測的結(jié)果，將所述用戶請求分流至相應(yīng)的處理對象。

優(yōu)選的，所述判斷模塊，具體包括：

接收所述用戶請求，獲得語音形式的用戶問題描述；

將所述語音形式的用戶問題描述轉(zhuǎn)化成文本形式的用戶問題描述；

對所述文本形式的用戶問題描述進(jìn)行修正；

識別修正后的文本形式的用戶問題描述，確定用戶問題的類型。

優(yōu)選的，所述預(yù)測模塊，具體包括：

基于所述用戶問題的類型，確定備選處理對象；

對所述備選處理對象進(jìn)行優(yōu)先級排序；

基于所述優(yōu)先級排序結(jié)果確定所述分流預(yù)測結(jié)果；

優(yōu)選的，所述預(yù)測模塊對所述備選處理對象進(jìn)行優(yōu)先級排序，具體包括：

基于計(jì)算得出的優(yōu)先級參數(shù)對所述備選處理對象進(jìn)行優(yōu)先級排序；

其中，所述優(yōu)先級參數(shù)為

$X=\ln S+\mathrm{\δ}ln(P-T)=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}\ln F+\mathrm{\δ}ln(P-T),(P\>T);$

其中，S為所述處理對象在當(dāng)前時(shí)刻之后的一段預(yù)設(shè)時(shí)間內(nèi)處理用戶請求的能力的量化值；C為當(dāng)前時(shí)刻之前的一段預(yù)設(shè)時(shí)間內(nèi)所述處理對象接收用戶請求的數(shù)量；R為所述處理對象的待處理用戶請求的數(shù)量；N為所述處理對象中處理單元的數(shù)量；F為所述處理對象中空閑處理單元的數(shù)量；T為所述處理對象當(dāng)前已接收用戶請求的數(shù)量；P為所述處理對象接收用戶請求的預(yù)估量；α、β、γ、δ為參數(shù)。

優(yōu)選的，所述參數(shù)的確定方式，具體為：

通過預(yù)設(shè)確定；和/或,

通過監(jiān)督學(xué)習(xí)的過程確定；和/或，

通過自適應(yīng)學(xué)習(xí)的過程確定。

與現(xiàn)有技術(shù)相比，本申請中通過接收用戶請求；基于所述用戶請求的內(nèi)容判斷用戶問題的類型；基于所述用戶問題的類型和分流模型，對所述用戶請求進(jìn)行分流預(yù)測；基于所述分流預(yù)測的結(jié)果，將所述用戶請求分流至相應(yīng) 的處理對象，以此通過簡單的步驟，實(shí)現(xiàn)了快速且精準(zhǔn)的分流，提高了處理對象的處理效率，分流過程更加智能化，節(jié)省了大量人力資源，避免了人為操作的失誤，降低線上故障風(fēng)險(xiǎn)。

附圖說明

圖1為應(yīng)用本申請實(shí)施例中的一種分流方法的流程示意圖；

圖2為本申請實(shí)施例提出的具體場景下的分流方法的流程示意圖；

圖3為本申請實(shí)施例提出的具體場景下的分流方法的時(shí)序圖；

圖4為本申請實(shí)施例提出的一種分流設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

針對現(xiàn)有技術(shù)中存在的上述問題，本申請實(shí)施例提供了一種分流方法和設(shè)備，用以克服現(xiàn)有技術(shù)中的缺陷。

下面結(jié)合附圖對本發(fā)明實(shí)施例進(jìn)行詳細(xì)描述。

本申請實(shí)施例一提供了一種分流方法和設(shè)備，如圖1所示，包括以下步驟：

步驟S101、接收用戶請求；

用戶向系統(tǒng)發(fā)起請求，例如用戶撥打電話，或者使用其他能與系統(tǒng)進(jìn)行交互的方式，系統(tǒng)與用戶建立連接后，可通過提示信息提示用戶提供關(guān)于其問題的表述，以此獲得了用戶請求的內(nèi)容，例如，系統(tǒng)通過播放一段預(yù)設(shè)的語音向用戶說明如何提供其問題，用戶可按照說明中的步驟正確提供其問題的表述。

步驟S102、基于所述用戶請求的內(nèi)容判斷用戶問題的類型；

系統(tǒng)接收到的用戶請求，并且用戶向系統(tǒng)提供的是是語音形式的問題描述，則系統(tǒng)首先使用ARS(Automatic Speech Recognition，自動語音識別技術(shù))或者其他類似技術(shù)，將所述語音形式的用戶問題描述轉(zhuǎn)化成文本形式的 用戶問題描述，然后對所述文本形式的用戶問題描述進(jìn)行修正，最后識別修正后的文本形式的用戶問題描述，確定用戶問題的類型。

其中，將所述語音形式的用戶問題描述轉(zhuǎn)化成文本形式的用戶問題描述時(shí)，可記錄用戶的停頓，之后對所述文本形式的用戶問題描述進(jìn)行修正時(shí)，可以以用戶停頓以及“的”等詞語為間隔斷句，把用戶問題分為若干單元，通過預(yù)先建立的有關(guān)業(yè)務(wù)信息的常用字庫結(jié)合已有的用于文本糾錯的基礎(chǔ)數(shù)據(jù)庫，采用比對的方式，或者采取類似模糊搜索的方式，首先可以查找文本中有沒有語音轉(zhuǎn)文本時(shí)常見的錯誤，如果查找到則將其替換為正確的字詞，其次可以設(shè)定閾值，如果某個句子單元與涉及業(yè)務(wù)信息的常用詞語相似度超過閾值則進(jìn)行替換。

最后識別修正后的問題描述，可以提取語句中的關(guān)鍵字，關(guān)鍵字一般為文本中的動詞和名詞，若干關(guān)鍵詞的不同組合形成不同的問題類型，例如“資金”、“錢”等與“盜”、“丟失”、“少”等組合代表的用戶問題一般就是資金被盜。這樣，通過建立關(guān)鍵字以及其組合與問題類型對應(yīng)關(guān)系的數(shù)據(jù)庫，即可確定用戶問題類型。

步驟S103、基于所述用戶問題的類型和分流模型，對所述用戶請求進(jìn)行分流預(yù)測；

首先基于步驟S102中確定的用戶問題的類型，確定備選處理對象，其中，所述確定的備選處理對象是專門處理此類用戶問題的，可以是提供客戶服務(wù)的公司中的技能組，例如有若干個公司，若干個公司中又有若干個技能組，那么如果用戶問題類型是資金被盜，那么所有公司中解決資金被盜問題的技能組就被確定為了備選處理對象。

接著，對所述備選處理對象進(jìn)行優(yōu)先級排序，排序是基于計(jì)算得出的優(yōu)先級參數(shù)，優(yōu)先級參數(shù)為X，

$X=\ln S+\mathrm{\δ}ln(P-T)=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}\ln F+\mathrm{\δ}ln(P-T),(P\>T);$

其中，S為所述處理對象在當(dāng)前時(shí)刻之后的一段預(yù)設(shè)時(shí)間內(nèi)處理用戶請求的能力的量化值；C為當(dāng)前時(shí)刻之前的一段預(yù)設(shè)時(shí)間內(nèi)所述處理對象接收用戶請求的數(shù)量；R為所述處理對象的待處理用戶請求的數(shù)量；N為所述處理對象中處理單元的數(shù)量；F為所述處理對象中空閑處理單元的數(shù)量；T為所述處理對象當(dāng)前已接收用戶請求的數(shù)量；P為所述處理對象接收用戶請求的預(yù)估量；α、β、γ、δ為參數(shù)，代表在計(jì)算優(yōu)先級參數(shù)X時(shí)各數(shù)據(jù)的重要性程度，若考慮到所述處理對象應(yīng)符合的商業(yè)規(guī)則，則δ不為0，其中，商業(yè)規(guī)則是指，處理對象需要完成的工作量或者其他預(yù)先制定的規(guī)則，例如客戶服務(wù)公司的處理量需在一天內(nèi)達(dá)到日預(yù)估量，可超過預(yù)估的15％；

其中，如果存在X值相同的處理對象，可以隨機(jī)安排所述X值相同的處理對象之間的先后順序，也可以獲取所述處理對象在預(yù)設(shè)時(shí)間內(nèi)的處理評價(jià)分?jǐn)?shù)，處理評價(jià)分?jǐn)?shù)高的處理對象優(yōu)先級排序靠前。

基于所述優(yōu)先級排序結(jié)果確定所述分流預(yù)測結(jié)果，通常分流預(yù)測結(jié)果是將此用戶請求分流至優(yōu)先級排序第一的處理對象。

其中，所述參數(shù)的確定方式有三種：

第一種，通過預(yù)設(shè)確定；

公式中的δ值可以通過預(yù)設(shè)確定，具體可根據(jù)偏離商業(yè)規(guī)則的程度，例如處理對象當(dāng)前完成的工作量遠(yuǎn)小于需要完成的工作量，則可預(yù)設(shè)較大的δ值。

第二種，通過監(jiān)督學(xué)習(xí)的過程確定；

監(jiān)督學(xué)習(xí)是指利用一組已知類別的樣本調(diào)整分類器的參數(shù)，使其達(dá)到所要求性能的過程，也稱為監(jiān)督訓(xùn)練或有教師學(xué)習(xí)，監(jiān)督學(xué)習(xí)是從標(biāo)記的訓(xùn)練數(shù)據(jù)來推斷一個功能的機(jī)器學(xué)習(xí)任務(wù)。訓(xùn)練數(shù)據(jù)包括一套訓(xùn)練示例。在監(jiān)督學(xué)習(xí)中，每個實(shí)例都是由一個輸入對象和一個期望的輸出值(也稱為監(jiān)督信號)組成。監(jiān)督學(xué)習(xí)算法是分析該訓(xùn)練數(shù)據(jù)，并產(chǎn)生一個推斷的功能。

在本申請中，訓(xùn)練數(shù)據(jù)有F，C，R，N，Label(1)，Label(2)，Label(3)， Label(4)，其中，Label(i)代表分流結(jié)果為第i個處理對象的人工評分。

$X=\ln S+\mathrm{\δ}ln(P-T)=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}\ln F+\mathrm{\δ}ln(P-T),(P\>T)$

$L={\mathrm{\Σ}}_{i=1}^{n}Score(fi,ci,ri,ni)$(目標(biāo)函數(shù))

Score(fi,ci,ri,ni)是第i條數(shù)據(jù)分流結(jié)果的得分。

其中，訓(xùn)練的目標(biāo)是讓目標(biāo)函數(shù)值L最大。

第三種，通過自適應(yīng)學(xué)習(xí)的過程確定。

自適應(yīng)學(xué)習(xí)通常是指給學(xué)習(xí)中提供相應(yīng)的學(xué)習(xí)的環(huán)境、實(shí)例或場域，通過學(xué)習(xí)者自身在學(xué)習(xí)中發(fā)現(xiàn)總結(jié)，最終形成理論并能自主解決問題的學(xué)習(xí)方式。本方案中的自適應(yīng)學(xué)習(xí)指：能夠根據(jù)目標(biāo)結(jié)果的好壞，調(diào)節(jié)自身模型參數(shù)，使決策結(jié)果更優(yōu)。

在本申請中，可以將α、β、γ的初始值設(shè)為1，步長c設(shè)為0.01，隨機(jī)對α、β、γ的值進(jìn)行+、-操作，將訓(xùn)練天數(shù)設(shè)置為U，統(tǒng)計(jì)每天的用戶平均等待時(shí)長、以及處理對象中每個處理單元的平均處理量作為評估標(biāo)準(zhǔn)，若用戶平均等待時(shí)長比上一天短，且每個處理單元的平均處理量比上一天要多，則參數(shù)進(jìn)化成功，當(dāng)訓(xùn)練天數(shù)等于U，停止學(xué)習(xí)，U可以根據(jù)具體情況設(shè)置。

確定方式可以是其中的一種，或者根據(jù)實(shí)際情況，選擇以上三種方式中的兩種或三種結(jié)合，以達(dá)到最優(yōu)的分流效果。

步驟S104、基于所述分流預(yù)測的結(jié)果，將所述用戶請求分流至相應(yīng)的處理對象；

參考所述分流預(yù)測的結(jié)果中確定的處理對象，將用戶請求分流至最合適的處理對象處理，具體可以是通過一個平臺，以訴求派單的方式進(jìn)行，如將用戶的電話的轉(zhuǎn)接至確定的公司的相應(yīng)技能組處。

以下為了進(jìn)一步對本申請進(jìn)行說明，本申請實(shí)施例二提出了一種具體場景下的分流方法，如圖2所示，包括：

步驟S201、用戶通過電話描述自己的問題，系統(tǒng)獲得語音形式的問題描述；

客戶服務(wù)一般分為自助服務(wù)、在線服務(wù)和熱線服務(wù)三種，接聽用戶電話后，可通過語音菜單的形式確定用戶是使用何種業(yè)務(wù)時(shí)出現(xiàn)了問題，以及用戶需要何種服務(wù)，用戶可通過按鍵的方式進(jìn)行選擇，如果此時(shí)確定了用戶需要熱線服務(wù)，則提示用戶可以開始描述其問題，并告知用戶描述完畢的指令。例如，用戶撥通客服熱線，系統(tǒng)提示“支付寶業(yè)務(wù)請按1，淘寶業(yè)務(wù)請按2……”，用戶選擇相應(yīng)的之后，系統(tǒng)提示“自助服務(wù)請按1，熱線服務(wù)請按2……”若用戶選擇了熱線服務(wù)，則系統(tǒng)提示用戶可以開始描述其問題，描述完其問題后以“#”鍵結(jié)束，在此過程中也可加入讓用戶輸入其身份信息的步驟，后續(xù)處理過程會更有針對性，如圖3所示，此過程可通過CSIVR(互動式語音應(yīng)答支持平臺)實(shí)現(xiàn)，CSIVR的作用是為IVR(互動式語音應(yīng)答系統(tǒng))提供后臺的數(shù)據(jù)支持，包括菜單模塊的生成，菜單模塊的錄音，菜單模塊的按鍵等，模塊化控制IVR菜單。

步驟S202、通過語音轉(zhuǎn)文本技術(shù)將語音形式的問題描述轉(zhuǎn)化成文本形式；

如圖3所示，此過程可通過ASR(Automatic Speech Recognition，自動語音識別技術(shù))，或者其他的語音識別技術(shù)，將語音形式的問題描述轉(zhuǎn)化成文本形式的問題描述。

步驟S203、對文本形式的問題描述進(jìn)行糾錯；

通過語音轉(zhuǎn)文本技術(shù)獲得的文本形式的問題描述比較粗糙，比如：會將“余額寶”轉(zhuǎn)成“余額?！?，需進(jìn)行糾錯；

此過程中可建立用于文本糾錯的基礎(chǔ)數(shù)據(jù)庫，記錄常用詞、關(guān)鍵字以及常見的錯誤，便于快速糾錯；

如圖3所示，此過程可通過AGAP(算法平臺)實(shí)現(xiàn)。

步驟S204、對用戶描述的問題進(jìn)行精準(zhǔn)識別；

識別糾錯后的文本形式的問題描述，實(shí)現(xiàn)問題類型和問題所屬技能組的定位；

在此過程中，可先確定問題描述中的關(guān)鍵字，再通過所述關(guān)鍵字查找預(yù)先設(shè)置的數(shù)據(jù)庫的方式來實(shí)現(xiàn)；

如圖3所示，對用戶輸入的問題描述進(jìn)行定位的過程可通過Csrobot(機(jī)器人支持平臺)實(shí)現(xiàn)；

如果未能定位出問題類型，則可直接將此問題分配給全能的技能組，或者增設(shè)中轉(zhuǎn)技能組，由中轉(zhuǎn)技能組人工接聽電話，若中轉(zhuǎn)技能組可解決用戶問題則直接自行解決用戶問題，若不能解決，則確定出用戶問題類型再轉(zhuǎn)接至相應(yīng)的專門的技能組；

步驟S205、使用本發(fā)明提出的基于自適應(yīng)學(xué)習(xí)的熱線外包智能分流模型，對用戶的訴求進(jìn)行分流預(yù)測；

所述智能分流模型作用是基于實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)，將用戶訴求分配給多家外包公司中的一家，使用戶訴求得到快速處理，并支持商業(yè)規(guī)則。

從實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)中選取了如下幾個特征值，X是我們決策的最終依據(jù)，其它特征為預(yù)測X提供支持，如圖3所示，特征值由可通過建立一個csmonitor(服務(wù)監(jiān)控支持平臺)來監(jiān)控獲取，此平臺同時(shí)也可以是分流決策模型的宿主；

X：最終決策依據(jù)

S：外包公司最快處理當(dāng)前訴求的能力。

C：100秒內(nèi)的呼入量。(時(shí)間間隔可以設(shè)定，本申請中將該時(shí)間暫且定為100秒，時(shí)間間隔100-150秒最佳)

R：當(dāng)前排隊(duì)用戶數(shù)。

N：客服的總數(shù)。

F：空閑客服的人數(shù)。

T：當(dāng)前的接起量。

P：日預(yù)估量。

α、β、γ、δ為業(yè)務(wù)重要性參數(shù)。

分流依據(jù)函數(shù)如下：

$X=\ln S+\mathrm{\δ}ln(P-T)=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}\ln F+\mathrm{\δ}ln(P-T),(P\>T)$ 公式(1)

函數(shù)解釋：1)C與S成反比，即100秒內(nèi)呼入量C越高，外包公司在未來一段時(shí)間內(nèi)，最快處理當(dāng)前訴求的能力就越弱。因?yàn)樵?0秒內(nèi)接入的呼入量占用的客服資源最晚才釋放。為解決每個公司的客服人數(shù)不一樣的問題，對呼入量C做歸一化操作，將呼入量除以外包公司客服人數(shù)(C/N)，最后，C/N的值越大，未來一段時(shí)間內(nèi)外包公司處理當(dāng)前用戶訴求的能力就越弱，反之越強(qiáng)。

2)R與S成反比，即當(dāng)前排隊(duì)人數(shù)越高，那么外包公司在未來一段時(shí)間內(nèi)最快處理當(dāng)前訴求的能力就越弱，反之越強(qiáng)

3)F與S成正比，即當(dāng)前空閑客服的人數(shù)越大，那么外包公司在未來一段時(shí)間內(nèi)處理用戶訴求的能力就強(qiáng)，反之越弱。

故，$S=\frac{F}{\left(\frac{C}{N}\right)*R}=\frac{N*F}{C*R}$ 公式(2)

雖然公式(2)已經(jīng)滿足了業(yè)務(wù)需求，但是在業(yè)務(wù)上，C/N、R、F這3個因素的業(yè)務(wù)重要性是各不相同，而公式(2)將這3個因素的作用視為相同。為解決該問題，將公式變種為：

$\ln S=ln\frac{N*F}{C*R}=ln\frac{N}{C}+ln\frac{1}{R}+\ln F$ 公式(3)

加入重要性參數(shù)：

$\ln S=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}\ln F$ 公式(4)

在公式(4)中，α，β，γ分別是C/N、R、F這3個因素的業(yè)務(wù)重要性程度。

異常情況考慮：當(dāng)C、R、F為0時(shí)，取1，代表該因素不參與S的評估。

商業(yè)規(guī)則考慮(加入兩個因素)：P-T越大，表示現(xiàn)在接起量離預(yù)估量越遠(yuǎn)，需優(yōu)先被分流，X應(yīng)該越大。

$X=\ln S+\mathrm{\δ}ln(P-T)=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}\ln F+\mathrm{\δ}ln(P-T),(P\>T)$ 公式(5)

業(yè)務(wù)解釋：α，β，γ這3個參數(shù)調(diào)節(jié)模型的效果，與商業(yè)規(guī)則無關(guān)，其值會逐漸穩(wěn)定。δ的值默認(rèn)為0，表示不考慮商業(yè)規(guī)則，只有當(dāng)模型的運(yùn)行結(jié)果與商業(yè)規(guī)則差距較大時(shí)，才會調(diào)節(jié)δ，調(diào)節(jié)的結(jié)果是使當(dāng)前接起量比日預(yù)估量相差較大的外包公司更可能分配到用戶請求，但不保證會完全符合預(yù)估。

分流依據(jù)：lnS越大，外包公司最快處理當(dāng)前訴求的能力越強(qiáng)(不考慮商業(yè)規(guī)則的情況下)，反之越弱。

關(guān)于重要性參數(shù)的確定，除了通過預(yù)設(shè)確定外，還有兩種更優(yōu)的確定方式，包括監(jiān)督學(xué)習(xí)和自適應(yīng)學(xué)習(xí)的方式。

首先對監(jiān)督學(xué)習(xí)的方式進(jìn)行說明，監(jiān)督學(xué)習(xí)是指利用一組已知類別的樣本調(diào)整分類器的參數(shù)，使其達(dá)到所要求性能的過程，也稱為監(jiān)督訓(xùn)練或有教師學(xué)習(xí)，監(jiān)督學(xué)習(xí)是從標(biāo)記的訓(xùn)練數(shù)據(jù)來推斷一個功能的機(jī)器學(xué)習(xí)任務(wù)。訓(xùn)練數(shù)據(jù)包括一套訓(xùn)練示例。在監(jiān)督學(xué)習(xí)中，每個實(shí)例都是由一個輸入對象和一個期望的輸出值(也稱為監(jiān)督信號)組成。監(jiān)督學(xué)習(xí)算法是分析該訓(xùn)練數(shù)據(jù)，并產(chǎn)生一個推斷的功能。

在本申請中，訓(xùn)練數(shù)據(jù)有F，C，R，N，Label(1)，Label(2)，Label(3)，Label(4)，其中，Label(i)代表分流結(jié)果為第i個處理對象的人工評分。

$X=\ln S+\mathrm{\δ}ln(P-T)=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}\ln F+\mathrm{\δ}ln(P-T),(P\>T)$

$L={\mathrm{\Σ}}_{i=1}^{n}Score(fi,ci,ri,ni)$(目標(biāo)函數(shù))

Score(fi,ci,ri,ni)是第i條數(shù)據(jù)分流結(jié)果的得分。

其中，訓(xùn)練的目標(biāo)是讓目標(biāo)函數(shù)值L最大。

其次是通過自適應(yīng)學(xué)習(xí)的方式，自適應(yīng)學(xué)習(xí)通常是指給學(xué)習(xí)中提供相應(yīng)的學(xué)習(xí)的環(huán)境、實(shí)例或場域，通過學(xué)習(xí)者自身在學(xué)習(xí)中發(fā)現(xiàn)總結(jié)，最終形成理論并能自主解決問題的學(xué)習(xí)方式。本方案中的自適應(yīng)學(xué)習(xí)指：能夠根據(jù)目標(biāo)結(jié)果的好壞，調(diào)節(jié)自身模型參數(shù)，使決策結(jié)果更優(yōu)。

在本申請中，可以將α、β、γ的初始值設(shè)為1，步長c設(shè)為0.01，隨機(jī)對α、β、γ的值進(jìn)行+、-操作，將訓(xùn)練天數(shù)設(shè)置為U，統(tǒng)計(jì)每天的用戶平均等待時(shí)長、以及處理對象中每個處理單元的平均處理量作為評估標(biāo)準(zhǔn)，若用戶平均等待時(shí)長比上一天短，且每個處理單元的平均處理量比上一天要多，則參數(shù)進(jìn)化成功，當(dāng)訓(xùn)練天數(shù)等于U，停止學(xué)習(xí)，U可以根據(jù)具體情況設(shè)置。

步驟S206、根據(jù)智能分流模型的預(yù)測結(jié)果，將用戶訴求分流到對應(yīng)的外包公司；

將用戶訴求分流至預(yù)測結(jié)果中確定的外包公司，完成分流過程完成，或者所述預(yù)測結(jié)果僅是一個參考，在現(xiàn)實(shí)中也可綜合其他因素，例如有的外包公司可能優(yōu)先級不是最高的，但排序也比較靠前，同時(shí)該公司與該用戶同屬一個地區(qū)，考慮到方言等因素，也可以將該用戶訴求派發(fā)至該公司處理。

本申請實(shí)施例三還提出了一種分流設(shè)備，如圖4所示，包括：

接收模塊41，用于接收用戶請求；

判斷模塊42，用于基于所述用戶請求的內(nèi)容判斷用戶問題的類型；

預(yù)測模塊43，用于基于所述用戶問題的類型和分流模型，對所述用戶請求進(jìn)行分流預(yù)測；

分流模塊44，用于基于所述分流預(yù)測的結(jié)果，將所述用戶請求分流至相應(yīng)的處理對象。

所述判斷模塊，具體包括：

接收所述用戶請求，獲得語音形式的用戶問題描述；

將所述語音形式的用戶問題描述轉(zhuǎn)化成文本形式的用戶問題描述；

對所述文本形式的用戶問題描述進(jìn)行修正；

識別修正后的文本形式的用戶問題描述，確定用戶問題的類型。

所述預(yù)測模塊，具體包括：

基于所述用戶問題的類型，確定備選處理對象；

對所述備選處理對象進(jìn)行優(yōu)先級排序；

基于所述優(yōu)先級排序結(jié)果確定所述分流預(yù)測結(jié)果；

所述預(yù)測模塊對所述備選處理對象進(jìn)行優(yōu)先級排序，具體包括：

基于計(jì)算得出的優(yōu)先級參數(shù)對所述備選處理對象進(jìn)行優(yōu)先級排序；

其中，所述優(yōu)先級參數(shù)為

$X=\ln S+\mathrm{\δ}ln(P-T)=\mathrm{\α}ln\frac{N}{C}+\mathrm{\β}ln\frac{1}{R}+\mathrm{\γ}\ln F+\mathrm{\δ}ln(P-T),(P\>T);$

其中，S為所述處理對象在當(dāng)前時(shí)刻之后的一段預(yù)設(shè)時(shí)間內(nèi)處理用戶請求的能力的量化值；C為當(dāng)前時(shí)刻之前的一段預(yù)設(shè)時(shí)間內(nèi)所述處理對象接收用戶請求的數(shù)量；R為所述處理對象的待處理用戶請求的數(shù)量；N為所述處理對象中處理單元的數(shù)量；F為所述處理對象中空閑處理單元的數(shù)量；T為所述處理對象當(dāng)前已接收用戶請求的數(shù)量；P為所述處理對象接收用戶請求的預(yù)估量；α、β、γ、δ為參數(shù)。

所述參數(shù)的確定方式，具體為：

通過預(yù)設(shè)確定；和/或,

通過監(jiān)督學(xué)習(xí)的過程確定；和/或，

通過自適應(yīng)學(xué)習(xí)的過程確定。

與現(xiàn)有技術(shù)相比，本申請實(shí)現(xiàn)了快速且精準(zhǔn)的分流，提高了處理對象的處理效率，分流過程智能化，節(jié)省了大量人力資源，避免了人為操作的失誤， 降低線上故障風(fēng)險(xiǎn)，且本發(fā)明不僅根據(jù)處理對象能不能處理用戶請求來分流，還根據(jù)外包公司能不能處理好用戶請求來分流，提高了用戶體驗(yàn)，增強(qiáng)了用戶對公司的信任感。

通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到本申請可以通過硬件實(shí)現(xiàn)，也可以借助軟件加必要的通用硬件平臺的方式來實(shí)現(xiàn)?；谶@樣的理解，本申請的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來，該軟件產(chǎn)品可以存儲在一個非易失性存儲介質(zhì)(可以是CD-ROM，U盤，移動硬盤等)中，包括若干指令用以使得一臺計(jì)算機(jī)設(shè)備(可以是個人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本申請各個實(shí)施場景所述的方法。

本領(lǐng)域技術(shù)人員可以理解附圖只是一個優(yōu)選實(shí)施場景的示意圖，附圖中的模塊或流程并不一定是實(shí)施本申請所必須的。

本領(lǐng)域技術(shù)人員可以理解實(shí)施場景中的裝置中的模塊可以按照實(shí)施場景描述進(jìn)行分布于實(shí)施場景的裝置中，也可以進(jìn)行相應(yīng)變化位于不同于本實(shí)施場景的一個或多個裝置中。上述實(shí)施場景的模塊可以合并為一個模塊，也可以進(jìn)一步拆分成多個子模塊。

上述本申請序號僅僅為了描述，不代表實(shí)施場景的優(yōu)劣。

以上公開的僅為本申請的幾個具體實(shí)施場景，但是，本申請并非局限于此，任何本領(lǐng)域的技術(shù)人員能思之的變化都應(yīng)落入本申請的保護(hù)范圍。