[发明专利]一种等待时长的预测方法、设备及存储介质

权利要求书

1.一种等待时长的预测方法，其特征在于，包括：

若客户进线排队，从分布式缓存集群中调用与当前排队场景对应的目标网络模型和数据标准化策略；

获取所述当前排队场景下所述客户排队过程中的特征数据；

基于所述数据标准化策略对所述特征数据进行标准化处理得到特征值；

将所述特征值输入所述目标网络模型，得到所述目标网络模型输出的预测值；

对所述预测值进行处理，得到所述客户的预测等待时长。

2.根据权利要求1中所述的方法，其特征在于，所述特征数据包括所述当前排队场景下的当前服务客服数、当前客服示闲数、队列总排队数、当前排队位置、平均服务时长、所述客户进线排队的进线时间点。

3.根据权利要求2中所述的方法，其特征在于，所述基于所述数据标准化策略对所述特征数据进行标准化处理得到特征值，包括：

分别获取所述当前服务客服数对应的第一中位数、所述当前客服示闲数对应的第二中位数、所述队列总排队数对应的第三中位数以及所述当前排队位置对应的第四中位数；

计算所述第一中位数与所述当前服务客服数之和得到第一参数，并基于所述第一参数和所述第一中位数，生成第一特征值；

计算所述第二中位数与所述当前客服示闲数之和得到第二参数，并基于所述第二参数和所述第二中位数，生成第二特征值；

计算所述第三中位数与所述队列总排队数之和得到第三参数，并基于所述第三参数和所述第三中位数，生成第三特征值；

计算所述第四中位数与所述当前排队位置之和得到第四参数，并基于所述第四参数和所述第四中位数，生成第四特征值；

将所述平均服务时长转换成标准分数，得到所述平均服务时长对应的第五特征值；

将所述进线时间点映射到目标区间，得到所述进线时间点对应的第六特征值。

4.根据权利要求1中所述的方法，其特征在于，所述若客户进线排队，从分布式缓存集群中调用与当前排队场景对应的目标网络模型和数据标准化策略之前，包括：

根据获取的训练集中的不同排队场景下的样本数据，训练各个所述排队场景下的初始网络模型；其中，不同所述排队场景包括所述当前排队场景；

根据获取的测试集中的不同所述排队场景下的测试数据，确定各个所述排队场景下的所述初始网络模型的预测准确率；其中，所述测试数据与所述样本数据至少部分不同；

若所述预测准确率属于目标准确率范围，从各个所述排队场景下的所述初始网络模型中确定所述目标网络模型。

5.根据权利要求4中所述的方法，其特征在于，所述初始网络模型对应的样本数据的数量为第一数量时，所述初始网络模型的初始学习率为第一学习率；所述初始网络模型对应的样本数据的数量为第二数量时，所述初始网络模型的初始学习率为第二学习率；其中，所述第一数量小于所述第二数量，所述第一学习率大于所述第二学习率。

6.根据权利要求4所述的方法，其特征在于，所述根据获取的训练集中的不同排队场景下的样本数据，训练各个所述排队场景下的初始网络模型之后，包括：

获取所述初始网络模型的训练因子中的训练次数i；其中，所述i的取值范围从1到n的正整数，n为训练的最大次数；

若所述i小于目标次数n，获取当前第i次训练过程中的所述初始网络模型的当前学习率；

确定i+1次训练过程中，所述初始网络模型的目标学习率为所述当前学习率的一半；

根据获取的训练集中的不同排队场景下的样本数据和所述目标学习率，执行第i+1次训练各个所述排队场景下的所述初始网络模型；

若i+1大于所述n，停止训练。