本公开涉及机器学习技术领域，公开了智能排班的设置方法、装置、计算机设备及存储介质，该方法包括：获取训练样本集，其中，训练样本集包含目标对象的对象信息，且每个目标对象携带有对应的目标排班标签；根据对象信息以及目标排班标签对初始建模模型进行训练，得到目标建模模型；在确定发生更改排班信息的频次大于第一阈值或者接收到触发特定场景的指示信息的情况下，获取目标建模模型的当前节点状态、第一动作以及由第一动作确定的下一节点状态，其中，第一动作为从当前节点状态对应的所有动作中选取的任一动作；在下一节点状态为目标状态的情况下，将处于回报矩阵中与下一节点状态对应的目标动作输出。解决当前排班易出错、效率低下的问题。低下的问题。低下的问题。
【技术实现步骤摘要】
智能排班的设置方法、装置、计算机设备及存储介质
[0001]本公开涉及机器学习领域，具体涉及智能排班的设置方法、装置、计算机设备及存储介质。
技术介绍
[0002]在传统的排班方式中，通常由主管或排班员手动安排员工的工作时间，容易出现以下问题：
[0003](1)手动排班容易出现排班错误，排班员工或主管在排班时可能会出现人为疏忽或计算错误，导致排班不准确或不公平。
[0004](2)排班不够灵活，传统排班方式可能会使员工的工作时间过于固定化，不利于员工的个人需求和生活安排。
[0005](3)排班效率低下，手动排班需要排班员或主管花费大量时间和精力，这对于企业来说是一种浪费。
[0006](4)排班不公平，传统排班方式可能存在主管偏袒某些员工的情况，导致其他员工不满。
[0007](5)排班员工容易疲劳，长时间手动排班可能会导致排班员工感到疲劳和压力。
[0008]因此，现有的排班方式存在排班易出错、排班时间不灵活、排班不公平等问题。
技术实现思路
[0009]有鉴于此，本公开提供了一种智能排班的设置方法、装置、计算机设备及存储介质，以解决现有的排班方式存在排班易出错、排班时间不灵活、排班不公平的问题。
[0010]第一方面，本公开提供了一种智能排班的设置方法，该方法包括：
[0011]获取训练样本集，其中，训练样本集包含目标对象的对象信息，且每个目标对象携带有对应的目标排班标签；
[0012]根据对象信息以及目标排班标签对初始建模模型进行训练，得到目标建模模型；
[0013]在确定发生更改排班信息的频次大于第一阈值或者接收到触发特定场景的指示信息的情况下，获取目标建模模型的当前节点状态、第一动作以及由第一动作确定的下一节点状态，其中，第一动作为从当前节点状态对应的所有动作中选取的任一动作；
[0014]在下一节点状态为目标状态的情况下，将处于回报矩阵中与下一节点状态对应的目标动作输出，其中，目标动作对应排班设置。
[0015]在本公开实施例中，根据训练样本集生成目标建模模型，根据该目标建模模型可以避免人为排班，提高工作效率以及降低错误率，同时在出现触发特定场景的特殊情况或者发生更改排班信息的频次较高的情况时，使用强化学习算法的嵌入，根据目标建模模型的当前节点状态、第一动作以及由第一动作确定的下一节点状态，输出目标动作，进而得到考虑到更多的需求问题，排班更加人性化的排班设置结果，进而解决现有的排班方式存在排班易出错、排班时间不灵活、排班不公平的问题。
[0016]在一种可选的实施方式中，根据对象信息以及目标排班标签对初始建模模型进行训练，得到目标建模模型，包括：
[0017]将对象信息输入初始建模模型内，输出对象信息对应的每种排班分类标签的概率值；
[0018]根据概率值调整初始建模模型的模型参数，直到概率值大于或者等于第二阈值时，对象信息的排班分类标签对应为目标排班标签，则停止对模型参数的调整，得到目标建模模型。
[0019]在本公开实施例中，通过根据初始建模模型输出的每种排班分类标签的概率值调整模型参数，进而得到目标建模模型，这样基于目标建模模型即可得到排班信息，避免了人为排班出现的易出错和低效率的问题。
[0020]在一种可选的实施方式中，在将对象信息输入初始建模模型之前，方法还包括：
[0021]对每个对象信息进行预处理，得到统一数据格式后的目标信息；
[0022]将目标信息输入初始建模模型。
[0023]在本公开实施例中，通过对对象信息进行统一数据格式的处理，有利于后续数据建模的生成。
[0024]在一种可选的实施方式中，在停止对模型参数的调整之后，方法还包括：
[0025]获取中间建模模型和测试样本集；
[0026]将测试样本集内的测试信息输入中间建模模型，得到分类结果；
[0027]利用目标验证算法对分类结果进行验证，得到对中间建模模型的评价数值；
[0028]在评价数值大于第三阈值的情况下，将中间建模模型设置为目标建模模型。
[0029]在本公开实施例中，以测试样本集作为测试中间建模模型的参数，然后结合目标验证算法对中间建模模型针对测试样本集输出的分类结果进行验证，进而确定出最终的目标建模模型，使得生成的目标建模模型输出的排班信息更准确。
[0030]在一种可选的实施方式中，在获取目标建模模型的当前节点状态、第一动作以及由第一动作确定的下一节点状态之后，方法还包括：
[0031]在下一节点状态不为目标状态的情况下，将下一节点状态设置为当前节点状态，并利用矩阵更新函数对回报矩阵进行更新；
[0032]获取当前节点状态、第二动作以及由第二动作确定的下一节点状态，判断下一节点状态是否为目标状态，其中，第二动作为从更新后的回报矩阵中选取出的数值最大的动作。
[0033]在本公开实施例中，在确定目标建模模型的第一动作确定的下一节点状态不为目标状态时，通过对回报矩阵进行更新，再得到第二动作，以及第二动作确定的下一节点状态，再判断下一节点状态是否为目标状态，以此循环，进而得到节点状态为目标状态时下对应的目标动作，得出满足个性化需求的排班信息。
[0034]在一种可选的实施方式中，在利用矩阵更新函数对回报矩阵进行更新之前，方法还包括：
[0035]获取回报矩阵中下一节点状态下所有动作所在区间的区间节点最大值和区间节点最小值；
[0036]根据所在区间节点最大值和区间节点最小值生成矩阵更新函数。
[0037]在本公开实施例中，根据回报矩阵中下一节点状态下所有动作中的最大值或最小值，生成矩阵更新函数，用于更新奖励回报值。
[0038]在一种可选的实施方式中，该方法还包括：
[0039]生成可被调用接口；
[0040]基于可被调用接口对目标建模模型进行调用。
[0041]在本公开实施例中，对模型生成可被调用接口，便于后续的调用和使用。
[0042]第二方面，本公开提供了一种智能排班的设置装置，该装置包括：
[0043]第一获取模块，用于获取训练样本集，其中，训练样本集包含目标对象的对象信息，且每个目标对象携带有对应的目标排班标签；
[0044]第一得到模块，用于根据对象信息以及目标排班标签对初始建模模型进行训练，得到目标建模模型；
[0045]第二获取模块，用于在确定发生更改排班信息的频次大于第一阈值或者接收到触发特定场景的指示信息的情况下，获取目标建模模型的当前节点状态、第一动作以及由第一动作确定的下一节点状态，其中，第一动作为从当前节点状态对应的所有动作中选取的任一动作；
[0046]输出模块，用于在下一节点状态为目标状态的情况下，将处于回报矩阵中与下一节点状态对应的目标动作输出，其中，目标动作对应排班设置。
[0047]第三方面，本公开提供了一种计算机设备，包括：存储器和处理器，存储器和本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智能排班的设置方法，其特征在于，所述方法包括：获取训练样本集，其中，所述训练样本集包含目标对象的对象信息，且每个所述目标对象携带有对应的目标排班标签；根据所述对象信息以及所述目标排班标签对初始建模模型进行训练，得到目标建模模型；在确定发生更改排班信息的频次大于第一阈值或者接收到触发特定场景的指示信息的情况下，获取所述目标建模模型的当前节点状态、第一动作以及由所述第一动作确定的下一节点状态，其中，所述第一动作为从所述当前节点状态对应的所有动作中选取的任一动作；在所述下一节点状态为目标状态的情况下，将处于回报矩阵中与所述下一节点状态对应的目标动作输出，其中，所述目标动作对应排班设置。2.根据权利要求1所述的方法，其特征在于，所述根据所述对象信息以及所述目标排班标签对初始建模模型进行训练，得到目标建模模型，包括：将所述对象信息输入初始建模模型内，输出所述对象信息对应的每种排班分类标签的概率值；根据所述概率值调整所述初始建模模型的模型参数，直到所述概率值大于或者等于第二阈值时，所述对象信息的排班分类标签对应为所述目标排班标签，则停止对所述模型参数的调整，得到所述目标建模模型。3.根据权利要求1所述的方法，其特征在于，在所述将所述对象信息输入初始建模模型之前，所述方法还包括：对每个所述对象信息进行预处理，得到统一数据格式后的目标信息；将所述目标信息输入所述初始建模模型。4.根据权利要求2所述的方法，其特征在于，在所述停止对所述模型参数的调整之后，所述方法还包括：获取模型参数调整后得到的中间建模模型和测试样本集；将所述测试样本集内的测试信息输入所述中间建模模型，得到分类结果；利用目标验证算法对所述分类结果进行验证，得到对所述中间建模模型的评价数值；在所述评价数值大于第三阈值的情况下，将所述中间建模模型设置为所述目标建模模型。5.根据权利要求1所述的方法，其特征在于，在所述获取所述目标建模模型的当前节点状态、第一动作以及由所述第一动作确定的下一节点状态之后，所述方法还包括：在所述下一节点...
【专利技术属性】
技术研发人员：付惠斌，吴辉，谭永波，王鑫，
申请(专利权)人：三一环境产业有限公司，
类型：发明
国别省市：
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。