[发明专利]任务预测处理方法、设备、产品和介质

权利要求书

1.一种任务预测处理方法，其特征在于，包括：

针对待处理任务和多个候选任务执行者中的任一候选任务执行者，获取静态特征和时序特征；其中，所述静态特征包括：所述待处理任务的任务特征，所述候选任务执行者的执行者特征和所述待处理任务的作用方特征；所述时序特征包括：在预设最近一个时间段内，所述候选任务执行者的行为特征和所述待处理任务的作用方的变化特征；

利用神经网络模型，基于所述静态特征和所述时序特征，预测所述任一候选任务执行者完成多目标的综合概率，以便基于所述综合概率从所述多个候选任务执行者中确定所述待处理任务的任务执行者；其中，所述完成多目标包括：完成所述待处理任务且完成所述待处理任务的关联目标。

2.根据权利要求1所述的方法，其特征在于，所述利用神经网络模型，基于所述静态特征和所述时序特征，预测所述任一候选任务执行者完成多目标的综合概率，包括：

将所述静态特征输入深度神经网络，经所述深度神经网络输出第一特征；

将所述时序特征输入递归神经网络，经所述递归神经网络输出第二特征；

将所述第一特征和所述第二特征进行融合，得到融合特征；

基于所述融合特征预测所述任一候选任务执行者完成所述多目标的综合概率。

3.根据权利要求1或2所述的方法，其特征在于，还包括：

基于所述多个候选任务执行者完成多目标的综合概率，将所述待处理任务分配给所述综合概率最高的候选任务执行者。

4.根据权利要求1或2所述的方法，其特征在于，所述待处理任务为多个；

所述针对待处理任务和多个候选任务执行者中的任一候选任务执行者，获取静态特征和时序特征，包括：

分别针对多个待处理任务中的任一待处理任务，针对所述任一待处理任务和多个候选任务执行者中的任一候选任务执行者，获取静态特征和时序特征；

所述利用神经网络模型，基于所述静态特征和所述时序特征，预测所述任一候选任务执行者完成多目标的综合概率，包括：

利用神经网络模型，基于所述静态特征和所述时序特征，预测所述任一候选任务执行者完成所述任一待处理任务对应的多目标的综合概率；

所述方法还包括：

基于所述多个候选任务执行者完成所述多个待处理任务对应的综合概率由高到低的顺序和预设任务分配规则，分别确定所述多个待处理任务中各待处理任务的任务执行者，并将各待处理任务分配给确定的任务执行者。

5.根据权利要求1-4任一所述的方法，其特征在于，所述待处理任务为房源任务体系中的任务；所述完成多目标的综合概率包括：完成所述待处理任务且完成房源成交的综合概率；

所述任务特征包括以下任意一项或多项特征：任务类型，任务幅度；

所述执行者特征包括以下任意一项或多项特征：经纪人的年龄，经纪人的学历，经纪人的工龄；

所述作用方特征包括以下任意一项或多项特征：房源特征和房源的业主特征；所述房源特征包括以下任意一项或多项特征：房源价格，房源位置，房源性质；所述业主特征包括以下任意一项或多项特征：业主是否换房，业主是否已买房；

所述候选任务执行者的行为特征包括以下任意一项或多项特征：经纪人执行的任务类型和次数；

所述待处理任务的作用方的变化特征包括以下任意一项或多项特征：房源的价格变动，房源被执行各任务类型的次数。