一种目标事件的智能分类方法、设备及介质与流程

摘要: 本公开涉及计算机数据处理,特别是涉及一种目标事件的智能分类方法、设备及介质。背景技术:1、随着金融催收、保险理赔等业务的信息化发展,大量业务事件需要由系统按照一...
一种目标事件的智能分类方法、设备及介质与流程

本公开涉及计算机数据处理,特别是涉及一种目标事件的智能分类方法、设备及介质。

背景技术:

1、随着金融催收、保险理赔等业务的信息化发展,大量业务事件需要由系统按照一定规则分类并分配至相应处理人员或处理小组。现有业务系统通常根据事件的标的金额、逾期天数、产品类型等属性设置分类条件、优先级或权重,并结合处理人员的当前任务量、人员标签等信息完成分配。该类方法能够降低人工分派工作量,但在批量事件连续分配场景下,预设阈值、固定排序或静态配额通常在分配开始前确定,前序事件分配后接收方的承接状态发生变化时,后续事件仍可能沿既定顺序处理,容易形成路径依赖。同时,现有分配方式通常侧重案件金额、数量或单次匹配程度,对各接收方已承接事件的属性构成及新增事件对该构成的影响考虑不足,可能造成部分接收方承接金额偏离目标,或者同类事件过度集中,难以兼顾任务量均衡与任务组合的合理分散。

技术实现思路

1、本公开提供一种目标事件的智能分类方法、设备及介质,以至少解决如前所述背景技术中存在的部分技术问题。

2、根据本公开的第一方面,提供了一种目标事件的智能分类方法,包括以下步骤:

3、获取当日待分配的目标事件集合,每个目标事件携带标的金额和业务属性信息;获取各候选接收方的当前偏差值,所述偏差值为接收方的目标标的金额与累计已接收标的金额的差值;

4、统计各候选接收方已接收事件的属性类别分布,计算各候选接收方的任务组合多样性得分;

5、对所述目标事件集合执行迭代分类处理,每轮迭代包括:

6、针对待分配事件集合中每个事件与每个偏差值为正的候选接收方的配对,计算适配得分,所述适配得分由事件标的金额与接收方当前偏差值的匹配程度和事件加入接收方后的任务组合多样性得分变化量加权融合得到;

7、选取适配得分最高的配对,将对应事件确定为当轮优先事件并分配给对应接收方;更新该接收方的累计已接收标的金额、偏差值和任务组合多样性得分,将该事件从待分配事件集合中移除;若待分配事件集合非空则返回执行下一轮迭代,否则结束迭代。

8、在一个实施例中,所述事件标的金额与接收方当前偏差值的匹配程度,通过以下方式确定:计算事件标的金额与接收方当前偏差值之间的差值绝对值;以当前全部偏差值为正的候选接收方中偏差值的最大值作为归一化基准;将所述差值绝对值除以所述归一化基准,以1减去所得商值,作为所述匹配程度。

9、在一个实施例中,所述任务组合多样性得分变化量通过以下方式确定:将待评估事件假设加入候选接收方的已接收事件中,重新计算加入后的任务组合多样性得分;以加入后的任务组合多样性得分减去加入前的任务组合多样性得分,所得差值作为所述任务组合多样性得分变化量。

10、在一个实施例中,所述任务组合多样性得分通过以下方式计算:统计接收方已接收事件中各属性类别的事件数量占已接收事件总数量的比例;对各属性类别的比例分别取平方后求和得到平方和值;以1减去所述平方和值,作为该接收方的任务组合多样性得分。

11、在一个实施例中,所述属性类别由目标事件的逾期天数区间与产品类型的组合构成;逾期天数按预设的区间边界划分为多个区间段,各区间段与各产品类型逐一组合形成全部属性类别。

12、在一个实施例中,所述加权融合中的权衡系数通过历史数据回溯标定确定,具体为取过去多个统计周期的历史分配记录,分别以不同候选权衡系数值代入所述迭代分类处理对各统计周期执行模拟分配;统计各候选值对应的全部接收方在统计周期末的偏差值离散程度和任务组合多样性得分均值;选取偏差值离散程度不超过预设容忍阈值且任务组合多样性得分均值最高时对应的候选值,作为所述权衡系数。

13、在一个实施例中,当存在多组适配得分相同的配对时,选取其中标的金额最大的事件所在配对作为当轮分配决策。

14、在一个实施例中,当全部候选接收方的偏差值均为非正值时,将待分配事件集合中的剩余事件按标的金额从大到小排列,依次分配给当前偏差值绝对值最小的候选接收方,直至全部事件分配完毕。

15、在一个实施例中,当候选接收方因异常情况退出时,将该接收方已分配但尚未处置完毕的事件退回所述待分配事件集合;以剩余在岗候选接收方的当前偏差值和任务组合多样性得分为基础,对退回的事件执行所述迭代分类处理。

16、根据本公开实施例的第二方面,提供一种电子设备,包括,处理器;用于存储所述处理器可执行的计算机程序的存储器;其中,所述处理器被配置为执行所述存储器中的计算机程序,以实现第一方面所述的方法。

17、根据本公开实施例的第三方面,提供一种计算机可读存储介质,当所述存储介质中的可执行的计算机程序由处理器执行时,能够实现第一方面所述的方法。

18、本公开实施例中,通过在每轮事件分配后更新候选接收方的累计已接收标的金额、偏差值及任务组合多样性得分,并基于更新后的状态重新计算待分配事件与候选接收方之间的适配关系,使后续分类结果能够反映前序分配对当前承接状态的影响;同时,将标的金额与偏差值的匹配程度和事件加入后的任务组合多样性得分变化量进行加权融合,并通过历史分配数据对权衡系数进行标定,从而减少固定分类顺序造成的路径依赖,使事件分类与分配过程能够在接收方承接金额趋于均衡的基础上保持任务属性构成的合理分散,提高批量目标事件分类分配结果的稳定性和适应性。

1.一种目标事件的智能分类方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述事件标的金额与接收方当前偏差值的匹配程度,通过以下方式确定:计算事件标的金额与接收方当前偏差值之间的差值绝对值;以当前全部偏差值为正的候选接收方中偏差值的最大值作为归一化基准;将所述差值绝对值除以所述归一化基准,以1减去所得商值,作为所述匹配程度。

3.根据权利要求1所述的方法,其特征在于,所述任务组合多样性得分变化量通过以下方式确定:将待评估事件假设加入候选接收方的已接收事件中,重新计算加入后的任务组合多样性得分;以加入后的任务组合多样性得分减去加入前的任务组合多样性得分,所得差值作为所述任务组合多样性得分变化量。

4.根据权利要求3所述的方法,其特征在于,所述任务组合多样性得分通过以下方式计算:统计接收方已接收事件中各属性类别的事件数量占已接收事件总数量的比例;对各属性类别的比例分别取平方后求和得到平方和值;以1减去所述平方和值,作为该接收方的任务组合多样性得分。

5.根据权利要求4所述的方法,其特征在于,所述属性类别由目标事件的逾期天数区间与产品类型的组合构成;逾期天数按预设的区间边界划分为多个区间段,各区间段与各产品类型逐一组合形成全部属性类别。

6.根据权利要求1所述的方法,其特征在于,所述加权融合中的权衡系数通过历史数据回溯标定确定,具体为取过去多个统计周期的历史分配记录,分别以不同候选权衡系数值代入所述迭代分类处理对各统计周期执行模拟分配;统计各候选值对应的全部接收方在统计周期末的偏差值离散程度和任务组合多样性得分均值;选取偏差值离散程度不超过预设容忍阈值且任务组合多样性得分均值最高时对应的候选值,作为所述权衡系数。

7.根据权利要求1所述的方法,其特征在于,当存在多组适配得分相同的配对时,选取其中标的金额最大的事件所在配对作为当轮分配决策。

8.根据权利要求1所述的方法,其特征在于,当全部候选接收方的偏差值均为非正值时,将待分配事件集合中的剩余事件按标的金额从大到小排列,依次分配给当前偏差值绝对值最小的候选接收方,直至全部事件分配完毕。

9.一种电子设备,其特征在于,包括:

10.一种存储介质,其特征在于,当所述存储介质中的可执行的计算机程序由处理器执行时,能够实现如权利要求1至8任一项所述的方法。