[发明专利]基于深度神经网络的业务分配方法、装置、设备及介质

权利要求书

1.一种基于深度神经网络的业务分配方法，其特征在于，所述方法包括：

获取坐席的历史客户数据，按照是否有成交业务订单将所述历史客户数据划分为第一训练样本和第二训练样本；

利用所述第一训练样本对预先构建的原始深度神经网络进行第一训练，得到初始深度神经网络及第一训练结果；

获取用户对所述第一训练结果的反馈信息，利用所述反馈信息与所述第二训练样本对所述初始深度神经网络进行第二训练，得到标准深度神经网络；

利用所述标准深度神经网络对预先获取的多个待接待客户的数据进行分析，得到所述坐席和每个待接待客户达成成交业务订单的概率值；

获取所述多个待接待客户的业务，根据所述概率值对所述坐席进行所述业务的分配。

2.如权利要求1所述的基于深度神经网络的业务分配方法，其特征在于，所述利用所述第一训练样本对预先构建的原始深度神经网络进行第一训练之前，所述方法还包括：

获取深度神经网络框架；

在所述深度神经网络框架中构建特征输入层；

在所述特征输入层之后建立多层全连接层；

在所述多层全连接层之间构建批标准化层以及丢弃层，得到原始深度神经网络。

3.如权利要求1所述的基于深度神经网络的业务分配方法，其特征在于，所述按照是否有成交业务订单将所述历史客户数据划分为第一训练样本和第二训练样本，包括：

提取所述历史客户数据中每个数据的状态字段；

判断所述状态字段与预设的标准字段是否相同，若所述状态字段与所述标准字段相同，则确定所述历史客户数据中有成交业务订单，将所述状态字段对应的数据分类为第一训练样本；

若所述状态字段与所述标准字段不同，则确定所述历史客户数据中没有成交业务订单，将所述状态字段对应的数据分类为第二训练样本。

4.如权利要求1所述的基于深度神经网络的业务分配方法，其特征在于，所述利用所述第一训练样本对预先构建的原始深度神经网络进行第一训练，得到初始深度神经网络及第一训练结果，包括：

获取所述第一训练样本的第一数据特征；

利用所述第一数据特征对所述原始深度神经网络进行第一训练；

利用预设的第一损失函数计算所述第一训练产生的训练结果的第一损失值；

根据所述第一损失值对所述原始深度神经网络的参数进行调整，并返回第一训练的步骤，直至所述第一训练的次数达到预设第一次数，输出初始深度神经网络，以及第一训练生成的第一训练结果。

5.如权利要求4所述的基于深度神经网络的业务分配方法，其特征在于，所述根据所述第一损失值对所述原始深度神经网络的参数进行调整，包括：

根据所述所述第一损失值，利用预设优化算法计算所述原始深度神经网络中参数的更新梯度；

根据所述更新梯度对所述原始深度神经网络的参数进行更新。

6.如权利要求1至5中任一项所述的基于深度神经网络的业务分配方法，其特征在于，所述根据所述概率值对所述坐席进行所述业务的分配，包括：

将所述概率值与预设概率阈值进行比对；

选取所述概率值大于所述预设概率阈值的待接待客户的业务分配给所述坐席。

7.如权利要求1至5中任一项所述的基于深度神经网络的业务分配方法，其特征在于，所述根据所述概率值对所述坐席进行所述业务的分配，包括：

按照所述概率值从大到小的顺序将所述多个待接待客户进行排序，得到客户列表；

按照从前向后的顺序依次从所述客户列表中选取预设数量的待接待客户，并将选取的待接待客户的业务分配给所述坐席。