[发明专利]一种基于智能抽选的外呼方法、系统、装置及存储介质

权利要求书

1.一种基于智能抽选的外呼方法，其特征在于，包括：

获取待抽选的原始数据集；

设置抽选约束；

基于设置的抽选约束，根据预构建的抽选算法对原始数据集进行抽选生成抽选数据集；

根据抽选数据集进行外呼并保存外呼记录。

2.根据权利要求1所述的一种基于智能抽选的外呼方法，其特征在于，所述抽选约束包括：

抽选模式：定量抽选和定比抽选；所述定量抽选为每个周期抽选的目标数据的数量为预设常数；所述定比抽选为每个周期抽选的目标数据的数量为原始数据集的预设比例；

复选模式：不重复抽选和可重复抽选；所述不重复抽选为若原始数据集中存在未呼通的目标数据，则不抽选已呼通的目标数据；所述可重复抽选为可抽选任意目标数据；

周期模式：按天抽选、按周抽选、按月抽选、按季度抽选、按年抽选。

3.根据权利要求1所述的一种基于智能抽选的外呼方法，其特征在于，所述抽选算法包括：

基于K-Means聚类算法对原始数据集进行聚类生成聚类簇；

对每个聚类簇，统计聚类簇中每类目标数据的数量；

将目标数据的数量大于数量阈值的目标数据定义为多数类样本，将目标数据的数量小于等于数量阈值的目标数据定义为少数类样本；

计算聚类簇中多数类样本、少数类样本的抽选数量：

式中，为第j个聚类簇中多数类样本、少数类样本的抽选数量，为第j个聚类簇中多数类样本、少数类样本的数量，X⁺、X^-为J个聚类簇中多数类样本、少数类样本的数量，k为对的倍数；

基于聚类簇中多数类样本、少数类样本的抽选数量计算聚类簇中的抽选数量：

式中，SX_j为第j个聚类簇中的抽选数量；

基于聚类簇中的抽选数量从聚类簇中随机抽取目标数据。

4.根据权利要求3所述的一种基于智能抽选的外呼方法，其特征在于，所述基于K-Means聚类算法对原始数据集进行聚类生成聚类簇包括：

从原始数据集中随机抽取J个目标数据作为初始聚类中心，记为{c₁,c₂,…,c_J},1J≤I，I为每个周期抽选的目标数据的数量；

依次计算原始数据集中每个目标数据到初始聚类中心的欧式距离d：

式中：x_i,c_j分别为第i个目标数据和第j个初始聚类中心，i＝1,2,…,I；j＝1,2,…,J，x_it,c_jt分别为第i个目标数据和第j个初始聚类中心的第t个属性值，q为属性值的数量；

根据欧氏距离最小原则，把每个目标数据划分至欧式距离d最小的初始聚类中心中得到聚类簇，记为{S₁,S₂,…,S_J}；

根据均值方法计算每个聚类簇的聚类中心，将所述聚类中心作为初始聚类中心带入依次计算原始数据集中每个目标数据到初始聚类中心的欧式距离d进行迭代，直至聚类中心不发生移动，输出最终的聚类中心和聚类簇。

5.根据权利要求3所述的一种基于智能抽选的外呼方法，其特征在于，所述根据抽选数据集进行外呼之前，还包括对抽选数据集中的目标数据进行格式校验和重复校验，将未通过格式校验或重复校验的目标数据剔除并其所在的聚类簇中再次随机抽取目标数据补入抽选数据集中。

6.根据权利要求3所述的一种基于智能抽选的外呼方法，其特征在于，所述根据抽选数据集进行外呼之前，还包括对抽选数据集中的目标数据进行数量校验，若抽选数据集中的目标数据的数量大于抽选模式确定的数量，则从抽选数据集中随机删除多余数量的目标数据；若抽选数据集中的目标数据的数量小于抽选模式确定的数量，则从原始数据集中随机抽取缺少数量的目标数据补入抽选数据集中。