一种智能客服工单渠道分配方法、系统、设备及介质与流程

摘要: 本发明涉及电力智能客服,尤其涉及一种智能客服工单渠道分配方法、系统、设备及介质。背景技术:1、随着电网智能客服业务规模的不断扩大,智能客服系统中的工单数量呈现持...
一种智能客服工单渠道分配方法、系统、设备及介质与流程

本发明涉及电力智能客服,尤其涉及一种智能客服工单渠道分配方法、系统、设备及介质。

背景技术:

1、随着电网智能客服业务规模的不断扩大,智能客服系统中的工单数量呈现持续增长趋势,每天需处理大量来自用户的咨询、报修、投诉及业务办理请求。为提高客户服务效率并降低人工客服压力,现代智能客服系统通常构建多种服务处理渠道,包括短信自动回复、语音电话及人工客服等。不同渠道在处理能力、服务质量和响应效率等方面存在明显差异,同时,不同类型工单在处理复杂度和服务需求方面也存在差异。其中,标准化程度较高的问题可通过自动化渠道完成处理,而复杂程度较高或风险较高的工单通常需要人工客服参与处理。因此,如何在多种服务渠道之间实现合理的工单分配,已成为智能客服系统运行中的关键问题。

2、传统的工单调度方法通常基于规则策略或单目标优化方法实现工单分配。该类方法在系统规模较小或业务规则较为简单的情况下能够满足基本需求,但在多约束条件与多优化目标并存的复杂场景中,往往难以获得稳定且高质量的分配结果。当系统需要同时兼顾多个优化目标时,传统方法缺乏足够的灵活性,难以在不同目标之间实现有效权衡。

3、近年来,多目标进化算法因其在复杂优化问题中的良好搜索能力而受到广泛关注,并逐渐应用于资源调度与任务分配等领域。其中,约束双档案进化算法(ctaea)通过构建可行解档案与不可行解档案进行协同搜索,在求解带约束的多目标优化问题方面表现出一定优势。然而,在约束条件较为复杂或可行解比例较低的情况下,现有算法在搜索过程中通常采用固定的种群演化策略,难以根据问题约束难度动态调整搜索行为,导致搜索效率下降或收敛速度减慢。因此,亟须研究一种能够感知约束难度并自适应调整搜索策略的优化方法,以提高工单渠道分配问题的求解效率,并获得更加合理的分配。

技术实现思路

1、鉴于上述现有存在的问题,提出了本发明。

2、因此,本发明提供了一种智能客服工单渠道分配方法及系统,解决目前方法无法感知约束难度而采用固定策略导致搜索效率下降、难以兼顾多个优化目标的问题。

3、为解决上述技术问题,本发明提供如下技术方案:

4、第一方面,本发明提供了一种智能客服工单渠道分配方法,包括:

5、获取待处理工单集合和可用处理渠道集合;

6、将各待处理工单与各处理渠道的映射关系构建为决策变量,并结合多项优化目标和实际业务运行约束,建立工单渠道分配的多目标优化模型;

7、在多目标优化模型中的解空间中生成初始种群,每个个体表示一种候选方案,并计算各候选方案在各优化目标下的目标函数值和约束违反度;根据各候选方案的约束违反度构建收敛档案,根据各候选方案与预设参考方向的关联度构建多样性档案;

8、根据当前候选方案中的可行解比例及各方案的约束违反度统计量,构建约束难度指标,并基于所述约束难度指标和可行解比例确定父代方案从所述多样性档案中被选中的概率,以从收敛档案或多样性档案中选取父代方案;

9、对选取的父代方案进行交叉变异生成新候选分配方案种群,根据所述新候选分配方案种群分别更新所述收敛档案和多样性档案,并判断是否满足迭代终止条件;

10、响应于满足终止条件,从当前收敛档案中提取pareto最优解集作为工单渠道分配的最优方案集合。

11、作为本发明所述的一种智能客服工单渠道分配方法的一种优选方案,其中:所述多项优化目标包括:客户满意度最大化目标、总处理时间最小化目标和人工利用率优化目标;

12、其中,所述客户满意度最大化目标用于衡量不同处理渠道处理不同风险等级工单时的满意度差异以及人工渠道负载状态对满意度的影响,所述总处理时间最小化目标用于衡量各渠道的处理效率以及拥堵程度对处理时间的影响,所述人工利用率优化目标用于衡量人工渠道负载率与预设理想水平之间的偏差程度;

13、所述实际业务运行约束包括:人工容量约束、各渠道容量约束以及风险处理能力约束。

14、作为本发明所述的一种智能客服工单渠道分配方法的一种优选方案,其中:根据各候选方案的约束违反度构建收敛档案,根据各候选方案与预设参考方向的关联度构建多样性档案,包括:

15、对所述初始种群中的各候选方案进行非支配排序,从约束违反度为零的可行方案中,按非支配排序等级从低到高的顺序选取个体构建收敛档案,直至达到预设档案容量;

16、根据各候选方案与各预设参考方向的距离,为每个参考方向选取距离最近的方案构建多样性档案。

17、作为本发明所述的一种智能客服工单渠道分配方法的一种优选方案,其中:根据当前候选方案中的可行解比例及各方案的约束违反度统计量,构建约束难度指标,包括:

18、统计当前候选方案中约束违反度为零的方案数量与方案总数的比值,得到所述可行解比例;

19、计算当前所有候选方案的约束违反度的平均值和最大值;

20、根据所述可行解比例、所述约束违反度的平均值与最大值的比值,得到约束难度指标。

21、作为本发明所述的一种智能客服工单渠道分配方法的一种优选方案,其中:基于所述约束难度指标和可行解比例确定父代方案从所述多样性档案中被选中的概率,包括:

22、将所述约束难度指标和所述可行解比例的互补值进行加权求和,得到基础选择概率;

23、将所述基础选择概率限制在预设概率下限和概率上限之间,得到自适应选择概率;

24、在所述约束难度指标取值为第一数值时对应的所述自适应选择概率,大于所述约束难度指标取值为第二数值时对应的所述自适应选择概率;

25、所述第一数值大于所述第二数值。

26、作为本发明所述的一种智能客服工单渠道分配方法的一种优选方案,其中:根据所述新候选分配方案种群分别更新所述收敛档案和多样性档案,包括:

27、将当前收敛档案与所述新候选分配方案种群合并后,若合并集合中可行方案的数量未超过档案容量,则从所有可行方案以及按约束违反度和收敛性指标选取的不可行方案中确定新的收敛档案;若可行方案数量超过档案容量,则通过非支配排序和拥挤度筛选确定新的收敛档案;

28、将当前多样性档案与所述新候选分配方案种群合并后,根据各方案与各参考方向的关联关系,将合并集合中的所有方案划分至不同的子区域,并按区域选取与对应参考方向距离最小的方案确定新的多样性档案。

29、作为本发明所述的一种智能客服工单渠道分配方法的一种优选方案,其中:响应于满足终止条件,从当前收敛档案中提取pareto最优解集作为工单渠道分配的最优方案集合,其中:所述迭代终止条件为达到预设的最大迭代代数;

30、在满足迭代终止条件时,从当前收敛档案中筛选出满足所有约束条件且不被其他方案pareto支配的方案,形成pareto最优解集并输出;

31、响应于不满足终止条件,返回执行约束难度指标的构建及后续步骤。

32、第二方面,本发明提供了一种智能客服工单渠道分配系统,包括:

33、获取模块,用于获取待处理工单集合和可用处理渠道集合;

34、优化模型构建模块,用于将各待处理工单与各处理渠道的映射关系构建为决策变量,并结合多项优化目标和实际业务运行约束,建立工单渠道分配的多目标优化模型;

35、档案构建模块,用于在多目标优化模型中的解空间中生成初始种群,每个个体表示一种候选方案,并计算各候选方案在各优化目标下的目标函数值和约束违反度;根据各候选方案的约束违反度构建收敛档案,根据各候选方案与预设参考方向的关联度构建多样性档案;

36、选取模块,用于根据当前候选方案中的可行解比例及各方案的约束违反度统计量,构建约束难度指标,并基于所述约束难度指标和可行解比例确定父代方案从所述多样性档案中被选中的概率,以从收敛档案或多样性档案中选取父代方案;

37、更新模块,用于对选取的父代方案进行交叉变异生成新候选分配方案种群,根据所述新候选分配方案种群分别更新所述收敛档案和多样性档案,并判断是否满足迭代终止条件;

38、输出模块,用于响应于满足终止条件,从当前收敛档案中提取pareto最优解集作为工单渠道分配的最优方案集合。

39、第三方面,本发明提供了一种计算机设备,包括:

40、存储器和处理器;

41、所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现一种智能客服工单渠道分配方法的步骤。

42、第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述一种智能客服工单渠道分配方法的步骤。

43、与现有技术相比,本发明的有益效果:本发明通过构建包含多项优化目标与约束条件的工单渠道分配模型,能够将智能客服系统中的业务调度问题转化为多目标优化问题进行系统化求解;通过引入约束难度感知机制,使算法自动识别当前优化问题的约束复杂程度,并据此动态调整搜索策略,在约束条件复杂时能够有效增强种群多样性以突破约束限制,在约束条件简单时能够加速收敛以提升搜索效率;同时,通过设计基于约束难度的自适应交配策略,实现探索与利用之间的动态平衡,有效规避传统固定策略易导致的早熟收敛或搜索停滞问题;结合收敛档案与多样性档案基于约束状态的动态协同更新,实现计算资源在不同档案之间的合理分配,以提升整体搜索质量;整体能够获得满足多目标要求的pareto最优工单渠道分配方案集合,提升智能客服系统在复杂业务场景下的工单分配决策能力与鲁棒性。