[发明专利]批价进程效率预测方法、装置、设备及存储介质

权利要求书

1.一种批价进程效率预测方法，其特征在于，包括：

接收用户输入的多项影响参数，其中，所述影响参数为对话单计费系统中的批价进程效率有影响的参数；

将各项影响参数输入经过训练的神经网络模型中，得到所述神经网络模型输出的批价进程效率的预测值，其中，所述预测值用于对所述话单计费系统进行调整；

显示所述预测值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采集多个样本数据，其中，每个样本数据包括多项影响参数样本及相应的批价进行效率值；

构建所述神经网络模型；

通过多个样本数据对所述神经网络模型进行训练，得到训练后的神经网络模型。

3.根据权利要求2所述的方法，其特征在于，采集多个样本数据，包括：

在所述话单计费系统运行时，采集多个时刻的各项影响参数以及批价进程效率；

将同一时刻的各项影响参数以及批价进程效率组成一个样本数据，得到多个样本数据。

4.根据权利要求2所述的方法，其特征在于，通过多个样本数据对所述神经网络模型进行训练，包括：

将多个样本数据划分为训练集和测试集；

通过所述训练集对所述神经网络模型的网络参数进行训练，并通过所述测试集对训练后的神经网络模型进行测试。

5.根据权利要求1所述的方法，其特征在于，所述神经网络模型为长短期记忆网络模型。

6.根据权利要求1-5任一项所述的方法，其特征在于，接收用户输入的多项影响参数，包括：

显示参数配置界面；

接收用户在所述参数配置界面上输入的多项影响参数，其中，所述影响参数包括以下中的至少一项：

中央处理器CPU的内存值、CPU的负载量、话单积压量、网络负载。

7.一种批价进程效率预测装置，其特征在于，包括：

接收模块，用于接收用户输入的多项影响参数，其中，所述影响参数为对话单计费系统中的批价进程效率有影响的参数；

处理模块，用于将各项影响参数输入经过训练的神经网络模型中，得到所述神经网络模型输出的批价进程效率的预测值，其中，所述预测值用于对所述话单计费系统进行调整；

显示模块，用于显示所述预测值。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括训练模块；

所述训练模块，用于：

采集多个样本数据，其中，每个样本数据包括多项影响参数样本及相应的批价进行效率值；

构建所述神经网络模型；

通过多个样本数据对所述神经网络模型进行训练，得到训练后的神经网络模型。

9.根据权利要求8所述的装置，其特征在于，所述训练模块，用于：

在所述话单计费系统运行时，采集多个时刻的各项影响参数以及批价进程效率；

将同一时刻的各项影响参数以及批价进程效率组成一个样本数据，得到多个样本数据。

10.根据权利要求8所述的装置，其特征在于，所述训练模块，用于：

将多个样本数据划分为训练集和测试集；

通过所述训练集对所述神经网络模型的网络参数进行训练，并通过所述测试集对训练后的神经网络模型进行测试。

11.根据权利要求7所述的装置，其特征在于，所述神经网络模型为长短期记忆网络模型。

12.根据权利要求7-11任一项所述的装置，其特征在于，所述接收模块，用于：

显示参数配置界面；

接收用户在所述参数配置界面上输入的多项影响参数，其中，所述影响参数包括以下中的至少一项：

中央处理器CPU的内存值、CPU的负载量、话单积压量、网络负载。