【技术实现步骤摘要】
智能化人力分配方法、装置及计算机可读存储介质
本专利技术涉及人工智能
，尤其涉及一种人力分配的方法、装置及计算机可读存储介质。
技术介绍
随着科技的快速发展，基于互联网的汽车预约、外卖配送等服务如雨后春笋之多，但由于需要服务大量的用户，可供分配服务的人力往往会出现不足的情况。现有的人力分配方案多基于比例派工法，比例派工法最大的缺陷就是不能达到时间上的均衡，它是基于已有数据做比例核对，如人力A所占分配服务的比例为20％，在没有达到设定的比例之前，会一直将新来的用户请求分配给人力A，因此会造成同一个人力过于繁忙其他人力相对轻松，且目前多数人力分配方案是基于大数据计算背景下，对于计算机的处理时效性要求很高，因此一种耗时短、占用内存少、计算简便的人力资源分配方法急需解决。
技术实现思路
本专利技术提供一种智能化人力分配方法、装置及计算机可读存储介质，其主要目的在于根据当前用户请求而进行智能化人力分配。为实现上述目的，本专利技术提供的一种智能化人力分配方法，包括：获取包括来源标识的原始历史订单...
【技术保护点】
1.一种智能化人力分配方法，其特征在于，所述方法包括：/n获取包括来源标识的原始历史订单数据集和人力可分配名单，将所述原始历史订单数据集进行数据异常去除处理后得到标准历史订单数据集；/n基于所述原始历史订单数据集的来源标识对所述标准历史订单数据集进行分类，并存储至预先构建的数据库中；/n从所述数据库中依次读取标准历史订单数据集中的历史订单数据，对每一笔所述历史订单数据进行响应权重分析，得到响应权重集；/n接收用户输入的订单数据，对所述响应权重集和人力可分配名单进行层次分析得到分配优先级，根据用户输入的所述订单数据和所述分配优先级分配人力，完成智能化人力分配。/n
【技术特征摘要】
1.一种智能化人力分配方法，其特征在于，所述方法包括：
获取包括来源标识的原始历史订单数据集和人力可分配名单，将所述原始历史订单数据集进行数据异常去除处理后得到标准历史订单数据集；
基于所述原始历史订单数据集的来源标识对所述标准历史订单数据集进行分类，并存储至预先构建的数据库中；
从所述数据库中依次读取标准历史订单数据集中的历史订单数据，对每一笔所述历史订单数据进行响应权重分析，得到响应权重集；
接收用户输入的订单数据，对所述响应权重集和人力可分配名单进行层次分析得到分配优先级，根据用户输入的所述订单数据和所述分配优先级分配人力，完成智能化人力分配。
2.如权利要求1所述的智能化人力分配方法，其特征在于，所述响应权重分析包括：
对所述标准历史订单数据集的属性进行量化及归一化处理得到数据形式的属性集；
将所述数据形式的属性集构建成列向量集；
将所述列向量集进行降维处理得到降维属性集；
根据权重分配公式计算所述降维属性集得到所述响应权重集。
3.如权利要求2所述的智能化人力分配方法，其特征在于，所述归一化处理的计算方法为：
其中，Xnormal为所述归一化后的属性，X为所述归一化前的属性，Xmax所述标准历史订单数据集中数值最大的属性，Xmin为所述标准历史订单数据集中数值最小的属性。
4.如权利要求2或3所述的智能化人力分配方法，其特征在于，所述将所述列向量集进行降维处理得到降维属性集，包括：
将所述列向量集组合成M*N矩阵；
预设K个正交基，根据所述K个正交基求解所述M*N矩阵的协方差优化模型，其中K为降维后的属性个数；
最优化所述协方差优化模型得到降低后的K个属性，根据所述降低后的K个属性构建得到降维属性集。
5.如权利要求4所述的智能化人力分配方法，其特征在于，所述协方差优化模型为：
其中，D为所述协方差优化模型优化后的矩阵，其中维度为所述K个，P为所述正交基，PT为所述正交基的转置矩阵，X为所述M*N矩阵，XT为所述M*N矩阵的转置矩阵，M所述列向量集的数量。
6.一种...
【专利技术属性】
技术研发人员：姬华强，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。