[發(fā)明專利]網(wǎng)點(diǎn)業(yè)務(wù)分配方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011509999.4
• 申請(qǐng)日: 2020-12-18
• 公開（公告）號(hào): CN112529325A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 杜亮
• 申請(qǐng)（專利權(quán)）人: 平安銀行股份有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06F40/295;G06F16/906;G06F16/951;G06N3/04;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 楊毅玲;劉麗華

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，提供一種網(wǎng)點(diǎn)業(yè)務(wù)分配方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，包括：對(duì)各個(gè)網(wǎng)點(diǎn)的新聞文本進(jìn)行業(yè)務(wù)需求事件抽取；基于業(yè)務(wù)需求事件對(duì)全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，并在每輪迭代訓(xùn)練的過程中對(duì)全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行分割并對(duì)分割后的全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行精簡(jiǎn)，得到業(yè)務(wù)需求分類模型；獲取業(yè)務(wù)需求分類模型的輸出得到各個(gè)網(wǎng)點(diǎn)的業(yè)務(wù)需求概率；調(diào)用環(huán)境出行預(yù)測(cè)模型基于各個(gè)網(wǎng)點(diǎn)的環(huán)境信息進(jìn)行預(yù)測(cè)，得到各個(gè)網(wǎng)點(diǎn)的用戶出行概率；根據(jù)各個(gè)網(wǎng)點(diǎn)的用戶出行概率校正對(duì)應(yīng)網(wǎng)點(diǎn)的業(yè)務(wù)需求概率，得到各個(gè)網(wǎng)點(diǎn)的目標(biāo)業(yè)務(wù)需求量；根據(jù)各個(gè)網(wǎng)點(diǎn)的目標(biāo)業(yè)務(wù)需求量進(jìn)行網(wǎng)點(diǎn)業(yè)務(wù)分配。本發(fā)明能夠準(zhǔn)確的預(yù)測(cè)網(wǎng)點(diǎn)的業(yè)務(wù)量，提高業(yè)務(wù)的分配精度。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，具體涉及一種網(wǎng)點(diǎn)業(yè)務(wù)分配方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著經(jīng)濟(jì)和科技的發(fā)展，銀行業(yè)務(wù)從人工柜臺(tái)逐漸轉(zhuǎn)換為網(wǎng)點(diǎn)柜臺(tái)，通過互聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)業(yè)務(wù)的辦理，但現(xiàn)有技術(shù)中，網(wǎng)點(diǎn)設(shè)備和人員單純基于人群的密度進(jìn)行規(guī)劃配置，由于不同網(wǎng)點(diǎn)的業(yè)務(wù)量不同，使得網(wǎng)點(diǎn)業(yè)務(wù)和設(shè)備以及人員的配置并不匹配，部分網(wǎng)點(diǎn)設(shè)備和人員超負(fù)荷運(yùn)營，另一部分設(shè)備閑置，銀行每年都要花費(fèi)大量的人力和物力對(duì)銀行網(wǎng)點(diǎn)的設(shè)備和人員進(jìn)行管理，無法實(shí)現(xiàn)精準(zhǔn)的網(wǎng)點(diǎn)管理。

現(xiàn)有技術(shù)中，雖然根據(jù)網(wǎng)點(diǎn)的天氣對(duì)網(wǎng)點(diǎn)的業(yè)務(wù)進(jìn)行預(yù)測(cè)，但是僅僅通過天氣這一單一數(shù)據(jù)，導(dǎo)致網(wǎng)點(diǎn)的業(yè)務(wù)預(yù)準(zhǔn)確率較差。而由于無法準(zhǔn)確的預(yù)測(cè)網(wǎng)點(diǎn)的業(yè)務(wù)量，則導(dǎo)致業(yè)務(wù)量的分配精度也較低。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，有必要提出一種網(wǎng)點(diǎn)業(yè)務(wù)分配方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，能夠準(zhǔn)確的預(yù)測(cè)網(wǎng)點(diǎn)的業(yè)務(wù)量，提高業(yè)務(wù)量的分配精度。

本發(fā)明的第一方面提供一種網(wǎng)點(diǎn)業(yè)務(wù)分配方法，所述方法包括：

對(duì)各個(gè)網(wǎng)點(diǎn)的新聞文本進(jìn)行業(yè)務(wù)需求事件抽取；

基于所述業(yè)務(wù)需求事件對(duì)全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，并在每輪迭代訓(xùn)練的過程中，對(duì)所述全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行分割并對(duì)分割后的全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行精簡(jiǎn)，在迭代訓(xùn)練結(jié)束時(shí)，得到業(yè)務(wù)需求分類模型；

獲取所述業(yè)務(wù)需求分類模型的輸出，得到各個(gè)網(wǎng)點(diǎn)的業(yè)務(wù)需求概率；

獲取各個(gè)網(wǎng)點(diǎn)的環(huán)境信息，并調(diào)用預(yù)先訓(xùn)練的環(huán)境出行預(yù)測(cè)模型基于所述環(huán)境信息進(jìn)行預(yù)測(cè)，得到各個(gè)網(wǎng)點(diǎn)的用戶出行概率；

根據(jù)各個(gè)網(wǎng)點(diǎn)的用戶出行概率校正對(duì)應(yīng)網(wǎng)點(diǎn)的業(yè)務(wù)需求概率，得到各個(gè)網(wǎng)點(diǎn)的目標(biāo)業(yè)務(wù)需求量；

根據(jù)各個(gè)網(wǎng)點(diǎn)的目標(biāo)業(yè)務(wù)需求量進(jìn)行網(wǎng)點(diǎn)業(yè)務(wù)分配。

在一個(gè)可選的實(shí)施例中，所述基于所述業(yè)務(wù)需求事件對(duì)全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，并在每輪迭代訓(xùn)練的過程中，對(duì)所述全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行分割并對(duì)分割后的全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行精簡(jiǎn)，在迭代訓(xùn)練結(jié)束時(shí)，得到業(yè)務(wù)需求分類模型包括：

對(duì)所述新聞文本進(jìn)行分詞并轉(zhuǎn)化為詞向量；

對(duì)所述詞向量與對(duì)應(yīng)的所述業(yè)務(wù)需求事件進(jìn)行拼接得到文本描述；

輸入所述文本描述至所述全連接神經(jīng)網(wǎng)絡(luò)中進(jìn)行迭代訓(xùn)練；

獲取當(dāng)前層全連接層的多個(gè)神經(jīng)元的輸出，并根據(jù)所述當(dāng)前層全連接層的多個(gè)神經(jīng)元的輸出確定所述當(dāng)前層全連接層的神經(jīng)元輸出分布；

確定所述當(dāng)前層全連接層的神經(jīng)元輸出分布中的極小值點(diǎn)；

以所述極小值點(diǎn)為分割點(diǎn)分割所述當(dāng)前層全連接層的多個(gè)神經(jīng)元為多個(gè)神經(jīng)元組；

獲取神經(jīng)元輸出分布服從高斯分布的神經(jīng)元組中的相同輸出，并將相同輸出對(duì)應(yīng)的兩個(gè)神經(jīng)元中的一個(gè)神經(jīng)元進(jìn)行刪除，另一個(gè)神經(jīng)元進(jìn)行保留，將刪除神經(jīng)元后的輸出作為所述當(dāng)前層的下一層全連接層的輸入；

重復(fù)上述過程，直至迭代訓(xùn)練結(jié)束，得到業(yè)務(wù)需求分類模型。