[發(fā)明專利]基于深度學習的話務(wù)預測方法、裝置及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210495833.4
• 申請日: 2022-05-09
• 公開（公告）號: CN114595901A
• 公開（公告）日: 2022-06-07
• 發(fā)明（設(shè)計）人: 鄧文靜;劉冬;陳茂強
• 申請（專利權(quán)）人: 廣州云趣信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06F16/22;G06F16/2458;G06N3/04;G06N3/08
• 代理公司: 北京博雅睿泉專利代理事務(wù)所(特殊普通合伙) 11442
• 代理人: 馬鐵良

本公開提供了一種基于深度學習的話務(wù)預測方法、裝置及可讀存儲介質(zhì)。所述方法包括：獲取步驟，獲取歷史話務(wù)數(shù)據(jù)：包括時間信息和對應(yīng)所述時間信息的話務(wù)量；第一構(gòu)建步驟，將時間信息轉(zhuǎn)換為第一時間索引，基于第一時間索引構(gòu)建時間序列對象；第二構(gòu)建步驟，從時間信息中篩選出特定時間的時間信息，將特定時間的時間信息轉(zhuǎn)換為第二時間索引，基于第二時間索引構(gòu)建協(xié)變量序列對象；序列轉(zhuǎn)換步驟，將時間序列對象與協(xié)變量序列對象排序合并為多維序列并轉(zhuǎn)換為一維序列；建模步驟，使用深度神經(jīng)網(wǎng)絡(luò)模型對一維序列進行建模處理，生成預測模型；預測步驟，通過預測模型輸出話務(wù)量預測結(jié)果。通過本公開的方法能夠應(yīng)對復雜業(yè)務(wù)場景，提高預測準確率。

技術(shù)領(lǐng)域

本公開涉及深度學習、機器學習、數(shù)據(jù)科學等領(lǐng)域，更具體地，涉及一種基于深度學習的話務(wù)預測方法、裝置及可讀存儲介質(zhì)。

背景技術(shù)

隨著社會發(fā)展與科技發(fā)展，移動通信用戶數(shù)量迅速增長。為合理應(yīng)對高話務(wù)問題，緩解通信網(wǎng)絡(luò)中的話務(wù)堵塞、統(tǒng)籌安排人員座席、提升接通率，呼叫中心需要對未來一段時間的話務(wù)量進行預測。

話務(wù)預測的本質(zhì)為時間序列預測，目前主流算法仍然是基于統(tǒng)計學的方法：一類是平滑預測法，該類方法主要計算加權(quán)平均值對未來進行預測；另一類是自回歸模型，該類模型首先對時間序列進行平穩(wěn)性檢測，如果檢測為不平穩(wěn)，即時間序列中含有趨勢性和季節(jié)性，則需要通過使用差分變換使時間序列平穩(wěn)。對于平穩(wěn)的時間序列需要進行白噪聲檢驗，計算非白噪聲序列的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)，使用模型識別，確定模型參數(shù)，最后預測并分析。

但是在實際業(yè)務(wù)場景中，情況更加復雜，話務(wù)量會受到已知或未知事件的影響，例如，在節(jié)假日或重大事件（例如，突發(fā)社會事件時）往往會遇到高話務(wù)問題。而現(xiàn)有的話務(wù)預測方法，無法進行準確預測，繼而導致話務(wù)堵塞等情況。

發(fā)明內(nèi)容

為了解決解決上述問題，應(yīng)對包含節(jié)假日或重大事件等的復雜業(yè)務(wù)場景，提高預測的準確率，本公開提供一種基于深度學習的話務(wù)預測方法。

根據(jù)本公開的第一方面，提供了一種基于深度學習的話務(wù)預測方法，所述方法包括：

獲取步驟，獲取歷史話務(wù)數(shù)據(jù)，所述歷史話務(wù)數(shù)據(jù)包括時間信息和對應(yīng)所述時間信息的話務(wù)量；

第一構(gòu)建步驟，將所述時間信息轉(zhuǎn)換為第一時間索引，基于所述第一時間索引構(gòu)建時間序列對象；

第二構(gòu)建步驟，從所述時間信息中篩選出特定時間的時間信息，將所述特定時間的時間信息轉(zhuǎn)換為第二時間索引，基于所述第二時間索引構(gòu)建協(xié)變量序列對象；

序列轉(zhuǎn)換步驟，將時間序列對象與協(xié)變量序列對象排序合并為多維序列，將所述多維序列轉(zhuǎn)換為一維序列；

建模步驟，使用深度神經(jīng)網(wǎng)絡(luò)模型對所述一維序列進行建模處理，生成預測模型；

預測步驟，通過所述預測模型對預定的時間步長的話務(wù)量進行預測，將所述預定的時間步長轉(zhuǎn)換為實際時間，并與預定的時間步長的話務(wù)量進行對齊，輸出對應(yīng)所述實際時間的話務(wù)量預測結(jié)果。

可選地，所述歷史話務(wù)數(shù)據(jù)是經(jīng)過預處理的話務(wù)數(shù)據(jù)，所述預處理包括：

排序與時間填充步驟，按照時間信息對歷史話務(wù)數(shù)據(jù)進行排序，自動補充缺失的時間；

話務(wù)量填充步驟，對于缺失的話務(wù)量，統(tǒng)一填充為NaN；

去重步驟，對于時間信息相同的重復數(shù)據(jù)，僅保留一條，刪除多余數(shù)據(jù)；

存儲步驟，將經(jīng)過預處理的話務(wù)數(shù)據(jù)存儲為文本文件格式。

可選地，所述文本文件格式為逗號分隔值文件格式。

可選地，所述特定時間為節(jié)假日或設(shè)定事件的發(fā)生日。

可選地，所述時間信息為日期信息：年、月、日，在所述第一構(gòu)建步驟中，按照年、月、日轉(zhuǎn)換為第一時間索引，來構(gòu)建時間序列對象；在所述第二構(gòu)建步驟中，按照年、月、日轉(zhuǎn)換為第二時間索引，來構(gòu)建協(xié)變量序列對象。