[发明专利]坐席转接方法及装置

权利要求书

1.一种坐席转接方法，其特征在于，应用于坐席集中处理器，所述方法包括：

接收一坐席终端发送的转接指令；

从优质坐席标识集中筛选满足接待条件的一个坐席标识；

发送所述转接指令至所述坐席标识对应的坐席终端；

其中，所述优质坐席标识集是基于预先训练好的神经网络模型所输出的各个坐席终端的客户满意度确定的标识集合；

所述神经 网络模型的训练方法包括：

获取训练样本集，并构建一个包含三层神经网络的神经网络模型；

通过遗传算法确定最优训练样本，基于所述最优训练样本确定各层神经网络的初始权值和阈值；并基于所述训练样本集对所述神经网络模型进行有监督训练；

将达到训练结束条件后所获的神经网络模型作为所述预先训练好的神经网络模型；其中，所述预先训练好的神经网络模型以任一坐席的历史数据为输入，以客户满意度为输出。

2.如权利要求1所述的方法，其特征在于，所述从优质坐席标识集中筛选满足接待条件的一个坐席标识包括：

从优质坐席标识集中按客户满意度由高至低的顺序确定一坐席标识；

验证坐席标识对应的坐席状态是否满足接待条件；

若满足接待条件，则确定为待转接的坐席标识；

若不满足接待条件，则进入步骤从优质坐席标识集中按客户满意度由高至低的顺序确定一坐席标识。

3.如权利要求1或2所述的方法，其特征在于，所述接待条件包括：

处于空闲状态，且，接待量小于最高接待量。

4.如权利要求1所述的方法，其特征在于，还包括：

收集各个坐席终端的历史数据；

输入各个坐席终端的历史数据至预先训练好的神经网络模型，获得神经网络模型输出的各个坐席终端的客户满意度；

确定客户满意度大于预设阈值的多个坐席终端；

将所述多个坐席终端对应的坐席标识组成优质坐席标识集。

5.如权利要求3所述的方法，其特征在于，还包括定期更新优质坐席标识集。

6.一种坐席转接装置，其特征在于，应用于坐席集中处理器，所述装置包括：

接收单元，用于接收一坐席终端发送的转接指令；

筛选单元，用于从优质坐席标识集中筛选满足接待条件的一个坐席标识；

发送单元，用于发送所述转接指令至所述坐席标识对应的坐席终端；

其中，所述优质坐席标识集是基于预先训练好的神经网络模型所输出的各个坐席终端的客户满意度确定的标识集合；

所述神经 网络模型的训练方法包括：

获取训练样本集，并构建一个包含三层神经网络的神经网络模型；

通过遗传算法确定最优训练样本，基于所述最优训练样本确定各层神经网络的初始权值和阈值；并基于所述训练样本集对所述神经网络模型进行有监督训练；

将达到训练结束条件后所获的神经网络模型作为所述预先训练好的神经网络模型；其中，所述预先训练好的神经网络模型以任一坐席的历史数据为输入，以客户满意度为输出。

7.如权利要求6所述的装置，其特征在于，所述筛选单元，具体包括从优质坐席标识集中按客户满意度由高至低的顺序确定一坐席标识；验证坐席标识对应的坐席状态是否满足接待条件；若满足接待条件，则确定为待转接的坐席标识；若不满足接待条件，则进入步骤从优质坐席标识集中按客户满意度由高至低的顺序确定一坐席标识。

8.如权利要求6或7所述的装置，其特征在于，所述接待条件包括：

处于空闲状态，且，接待量小于最高接待量。

9.如权利要求6所述的装置，其特征在于，还包括：

收集单元，用于收集各个坐席终端的历史数据；

输入单元，输入各个坐席终端的历史数据至预先训练好的神经网络模型，获得神经网络模型输出的各个坐席终端的客户满意度；

确定单元，用于确定客户满意度大于预设阈值的多个坐席终端；

组成单元，用于将所述多个坐席终端对应的坐席标识组成优质坐席标识集。

10.如权利要求9所述的装置，其特征在于，还包括：

更新单元，用于定期更新优质坐席标识集。