[发明专利]基于决策树的呼叫数据处理方法、装置、设备及存储介质

说明书

本发明公开一种基于决策树的呼叫数据处理方法、装置、设备及存储介质。该方法包括：获取历史呼叫数据，历史呼叫数据包括呼叫结果标识和K个原始特征对应的历史特征值；对K个原始特征对应的历史特征值进行可控性分析，从K个原始特征中确定L个可控特征；采用呼叫结果标识对L个可控特征对应的历史特征值进行关联性分析，从L个可控特征中确定N个目标特征；基于呼叫结果标识和N个目标特征对应的历史特征值，形成训练呼叫数据；采用决策树模型对训练呼叫数据进行处理，获取目标决策树，获取目标决策树中每一节点对应的节点属性信息。该方法可根据目标决策树中的节点属性信息进行呼叫策略调整，使得呼叫策略调整具有灵活性，提高效率和准确性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于决策树的呼叫数据处理方法、装置、设备及存储介质。

背景技术

语音呼叫系统是采用人工智能技术实现语音呼叫的系统，是采用机器人替代人工向客户拨打呼叫电话所形成的系统。一般来说，语音呼叫系统安排呼叫任务时，需对历史呼叫数据进行特征分析处理，确定何时呼叫接通率最高，以便制定合理的呼叫策略。现有技术中，一般采用统计分析方法(如透视表分析)，通过人工调整特征的特征分箱阈值进行统计，对统计结果进行数据可视化，从而确定黄金分割点，再利用黄金分割点调整呼叫策略。该黄金分割点为呼叫接通率最高的特征分箱阈值。这种统计分析方法存在灵活性不高，耗时长，效率低，且容易出现在一定范围内寻找局部最优解，导致其确定的黄金分割点不是全局最优解的情况，即所确定的黄金分割点准确性低的问题。

发明内容

本发明实施例提供一种基于决策树的呼叫数据处理方法、装置、计算机设备及存储介质，以解决采用统计分析方法分析确定呼叫策略存在的灵活性不高、耗时长、效率低和准确性低的问题。

一种基于决策树的呼叫数据处理方法，包括：

获取历史呼叫数据，所述历史呼叫数据包括呼叫结果标识和K个原始特征对应的历史特征值，所述原始特征包括呼叫时机特征，其中，K≧2；

对K个所述原始特征对应的历史特征值进行可控性分析，从K个所述原始特征中确定L个可控特征，其中，2≦L≦K；

采用所述呼叫结果标识对L个所述可控特征对应的历史特征值进行关联性分析，从L个所述可控特征中确定N个目标特征，所述目标特征包括所述呼叫时机特征，其中，2≦N≦L；

基于所述呼叫结果标识和N个所述目标特征对应的历史特征值，形成训练呼叫数据；

采用决策树模型对所述训练呼叫数据进行处理，获取目标决策树，获取所述目标决策树中每一节点对应的节点属性信息，所述节点属性信息包括节点类别信息、节点熵值和节点样本信息。

一种基于决策树的呼叫数据处理装置，包括：

历史呼叫数据获取模块，用于获取历史呼叫数据，所述历史呼叫数据包括呼叫结果标识和K个原始特征对应的历史特征值，所述原始特征包括呼叫时机特征，其中，K≧2；

可控特征确定模块，用于对K个所述原始特征对应的历史特征值进行可控性分析，从K个所述原始特征中确定L个可控特征，其中，2≦L≦K；

目标特征确定模块，用于采用所述呼叫结果标识对L个所述可控特征对应的历史特征值进行关联性分析，从L个所述可控特征中确定N个目标特征，所述目标特征包括所述呼叫时机特征，其中，2≦N≦L；

训练呼叫数据获取模块，用于基于所述呼叫结果标识和N个所述目标特征对应的历史特征值，形成训练呼叫数据；

目标决策树获取模块，用于采用决策树模型对所述训练呼叫数据进行处理，获取目标决策树，获取所述目标决策树中每一节点对应的节点属性信息，所述节点属性信息包括节点类别信息、节点熵值和节点样本信息。

一种基于决策树的呼叫数据处理方法，包括：