[发明专利]请求分发方法和装置

权利要求书

1.一种请求分发方法，包括：

响应于接收到信息咨询请求，确定与所述信息咨询请求匹配的客服终端编号集合；

基于预先确定的空闲分值，从所述客服终端编号集合中选择出其中一个客服终端编号，将所述信息咨询请求分发至所选择出的客服终端编号对应的客服终端，其中，空闲分值是通过将客服终端记录的工作状态信息输入至预先训练的空闲状态预测模型，而得到的模型输出，所述模型输出用于表征客服终端的状态为空闲状态的概率。

2.根据权利要求1所述的方法，其中，所述空闲状态预测模型是基于训练样本，对深度神经网络和分类模型进行训练得到的。

3.根据权利要求1所述的方法，其中，所述空闲状态预测模型通过如下步骤训练得到：

获取训练样本集，所述训练样本集包括样本工作状态信息和样本工作状态信息的标注结果，标注结果用于指示样本工作状态信息对应的工作状态是否为空闲状态；

基于训练样本集中的训练样本，执行如下训练步骤：

将该训练样本中的样本工作状态信息输入至待训练的空闲状态预测子模型，得到第一样本特征值；将所得到的第一样本特征值和样本工作状态信息输入至待训练的分类模型，得到样本预测结果，样本预测结果用于指示与样本工作状态信息对应的工作状态是否为空闲状态的指示结果和为空闲状态的概率；

确定预设损失函数的损失值是否达到预设目标值，其中，预设损失函数用于指示所得到的样本预测结果集合中与样本工作状态信息对应的指示结果和标注结果之间的误差；

响应于确定预设损失函数的损失值达到预设目标值，确定空闲状态预测模型训练完成；

响应于确定预设损失函数的损失值未达到预设目标值，调整空闲状态预测子模型和/或分类模型的参数，继续执行所述训练步骤。

4.根据权利要求3所述的方法，其中，空闲状态预测子模型是通过广义线性模型和深度神经网络联合训练得到的；以及

所述将该训练样本中的样本工作状态信息输入至待训练的空闲状态预测子模型，得到第一样本子特征值，包括：

将该训练样本中的样本工作状态信息分别输入至待训练的广义线性模型和深度神经网络，分别得到第一样本子特征值和第二样本子特征值；

将所得到的第一样本子特征值和第二样本子特征值输入至全连接层，得到第一样本特征值。

5.根据权利要求1所述的方法，其中，所述方法还包括：

响应于接收到客服终端发送的已更新工作状态信息的指令，更新发送所述指令的客服终端对应的空闲分值。

6.一种请求分发装置，包括：

确定单元，被配置成响应于接收到信息咨询请求，确定与所述信息咨询请求匹配的客服终端编号集合；

分配单元，被配置成基于预先确定的空闲分值，从所述客服终端编号集合中选择出其中一个客服终端编号，将所述信息咨询请求分发至所选择出的客服终端编号对应的客服终端，其中，空闲分值是通过将客服终端记录的工作状态信息输入至预先训练的空闲状态预测模型，而得到的模型输出，所述模型输出用于表征客服终端的状态为空闲状态的概率。

7.根据权利要求6所述的装置，其中，所述空闲状态预测模型是基于训练样本，对深度神经网络和分类模型进行训练得到的。