[發明專利]基于人工智能的任務分配方法、裝置、計算機設備及介質

在審

• 申請號: 202210734376.X
• 申請日: 2022-06-27
• 公開（公告）號: CN115049289A
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 葉盛曉
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 譚果林

1.一種基于人工智能的任務分配方法，其特征在于，所述任務分配方法包括：

檢測為分配對象進行任務分配的配課模式的類別及類別數量；

若檢測所述配課模式的類別數量不少于兩個，將各個所述配課模式的類別與歷史配課模式的類別、歷史業務驗收成績組成的目標序列，輸入至專用的業務驗收成績預測模型，以輸出各個所述配課模式的預測業務驗收成績；

基于各個所述配課模式的預測業務驗收成績，確定各個所述配課模式的配課效果值；

比較各個所述配課模式的配課效果值大小，判斷出配課效果值最大的配課模式，將所述出配課效果值最大的配課模式的任務分配至所述分配對象。

2.根據權利要求1所述的基于人工智能的任務分配方法，其特征在于，在檢測為分配對象進行任務分配的配課模式的類別及類別數量之前，還包括：

獲取業務場景指令，根據所述業務場景指令確定對應的任務分配規則，根據所述任務分配規則，為所述分配對象進行相應配課模式下的任務分配。

3.根據權利要求1所述的基于人工智能的任務分配方法，其特征在于，在所述目標序列輸入至專用的業務驗收成績預測模型之前，還包括：

在設定的歷史時間段內，獲取所述分配對象的歷史配課模式的類別、歷史業務驗收成績。

4.根據權利要求1所述的基于人工智能的任務分配方法，其特征在于，基于各個所述配課模式的預測業務驗收成績，確定各個所述配課模式的配課效果值包括：

判斷各個預測業務驗收成績是否落入預設的配課效果級別對應的業務驗收成績范圍；

根據各個所述預測業務驗收成績落入的業務驗收成績范圍，判定各個預測業務驗收成績所屬的配課效果級別，以確定各個所述配課模式的配課效果值。

5.根據權利要求1所述的基于人工智能的任務分配方法，其特征在于，所述業務驗收成績預測模型的訓練過程包括：

獲取N組訓練樣本，N≧2，每組訓練樣本包括單個分配對象的第i個歷史配課模式，以及在第i個歷史配課模式下的實際業務驗收成績；i＝1,2,…,M,M≧2；

建立用于預測業務驗收成績的神經網絡模型，利用所述N組訓練樣本對所述神經網絡模型進行訓練，更新模型的參數，得到所述業務驗收成績預測模型。

6.根據權利要求5所述的基于人工智能的任務分配方法，其特征在于，所述神經網絡模型采用TCN網絡模型，包括依次連接的輸入層、卷積層、殘差模塊、輸出層，所述輸入層用于輸入每組所述訓練樣本中M個歷史配課模式的輸入量，所述M個歷史配課模式的輸入量形成目標序列，所述卷積層用于對所述目標序列進行卷積運算，所述殘差模塊用于將所述目標序列與所述卷積層的計算結果進行疊加，所述輸出層用于根據所述進行疊加得到的結果，輸出業務驗收成績。

7.根據權利要求5所述的基于人工智能的任務分配方法，其特征在于，所述業務驗收成績預測模型的訓練過程還包括：

設置損失函數為：由N組訓練樣本得到的預測業務驗收成績與實際業務驗收成績之間的均值平方誤差；

當訓練至所述損失函數減小至設定閾值以內時，更新模型的參數，得到所述業務驗收成績預測模型。

8.一種基于人工智能的任務分配裝置，其特征在于，所述任務分配裝置包括：

檢測模塊，用于檢測為分配對象進行任務分配的配課模式的數量；

預測模塊，用于在檢測所述配課模式的數量不少于兩個時，將各個所述配課模式的類別與歷史配課模式的類別、歷史業務驗收成績組成的目標序列，輸入至專用的業務驗收成績預測模型，以輸出各個所述配課模式的預測業務驗收成績；

效果值計算模塊，用于根據各個所述配課模式的預測業務驗收成績，確定所述分配對象在不同配課模式下的各個所述配課模式的配課效果值；

分配模塊，用于比較各個所述配課模式的配課效果值大小，判斷出配課效果值最大的配課模式；將所述出配課效果值最大的配課模式的任務分配至所述分配對象。