【技术实现步骤摘要】
本申请涉及人工智能，尤其是涉及到一种线索资源的分配方法、装置及设备。
技术介绍
1、在外呼场景中，不同等级的服务对象可通过分配体系可获取到不同类型的线索资源，该资源线索通常是从包含几千万条线索池中筛选出来的优质线索，通过分配体系中业务逻辑的约束可将服务对象准确对接到更具有成单概率的线索，进而提高服务对象的线索转化率。
2、相关技术中，分配体系会通过策略、模型等工具对服务对象在各种类型的线索资源下拨打能力进行个性化评估，根据评估后的结果对每个服务对象领取到不同类型的线索资源的数量进行个性化配置，以使得服务对象的拨打能力以及线索成单潜力的最大化。然而，在线索资源的分配过程中，分配体系中业务逻辑的约束通常是等级高的服务对象分配线索资源的数量多，等级第的服务对象分配线索资源的数量少，这种固定约束并不能发挥服务对象的个性化能力，很难实现线索资源的高效转化。
技术实现思路
1、有鉴于此，本申请提供了一种线索资源的分配方法、装置及设备，主要目的在于解决现有技术中固定约束并不能发挥服务对象的个性化能力，很难实现线索资源的高效转化的问题。
2、根据本申请的第一个方面，提供了一种线索资源的分配方法，包括：
3、获取服务对象的资源匹配信息，所述资源匹配信息包括服务对象在各个线索资源类型上的领取数量；
4、根据服务对象的历史拨打记录对服务对象在各个线索资源类型上的转化能力进行评估，得到服务对象的转化能力参数；
5、根据所述服务对象的转化能力参数，
6、根据至少一次调整后的资源匹配信息向服务对象分配线索资源。
7、进一步地，所述获取服务对象的资源匹配信息，具体包括：
8、获取样本数据经过联合建模得到的匹配预测模型；
9、利用所述匹配预测模型将服务对象与线索池中各个线索资源类型进行交叉匹配，得到服务对象与各个线索资源类型的匹配分值；
10、将所述匹配分值大于预设数值的线索资源分配至服务对象，得到服务对象的资源匹配信息。
11、进一步地，所述获取样本数据经过联合建模得到的匹配预测模型，具体包括：
12、分别获取样本服务对象的特征参数和样本线索资源的特征参数，所述样本服务对象的特征属性参数包括样本服务对象的静态特征参数和样本服务对象拨打各个类型样本线索资源反馈的动态特征参数，所述样本线索资源的特征参数包括样本线索资源的静态特征参数以及样本线索资源经过历史拨打反馈的动态特征参数；
13、将所述样本服务对象的特征参数和样本线索资源的特征参数进行联合建模，得到匹配预测模型。
14、进一步地，所述将所述样本服务对象的特征参数和样本线索资源的特征参数进行联合建模，得到匹配预测模型，具体包括：
15、对所述样本服务对象的特征参数和样本线索资源的特征参数进行预处理，以得到具有相同尺度的特征参数；
16、将所述具有相同尺度的特征参数组合得到联合特征参数后，使用所述联合特征参数训练机器学习模型；
17、在模型训练过程中，对所述机器学习模型的性能进行评估，当所述机器学习模型的性能符合评估条件时，将符合评估条件的机器学习模型作为匹配预测模型。
18、进一步地，所述根据服务对象的历史拨打记录对服务对象在各个线索资源类型上的转化能力进行评估，得到服务对象的转化能力参数，具体包括：
19、根据服务对象的历史拨打记录，计算服务对象在各个线索资源类型上的边际收益参数；
20、利用所述边际收益参数对服务对象在各个线索资源上的转化能力进行评估，得到服务对象的转化能力参数。
21、进一步地，所述根据所述服务对象的转化能力参数，在领取数量约束的基础上对所述资源匹配信息进行至少一次调整，具体包括：
22、对服务对象在各个线索资源类型上的转化能力参数进行排序，以获取服务对象具有最高转化能力的第一线索资源类型和具有最低转化能力的第二线索资源类型；
23、在领取数量约束的基础上对服务对象在第一线索资源类型上的领取数量进行至少一次增量调整以及对服务对象在第二线索资源类型上的领取数量进行至少一次减量调整；
24、在领取数量进行至少一次增量以及减量调整的过程中，计算资源匹配信息的匹配能力参数，当所述匹配能力参数具有全局最高时，输出至少一次调整后的资源匹配信息。
25、进一步地，在所述根据至少一次调整后的资源匹配信息向服务对象分配线索资源之后，所述方法还包括：
26、在服务对象使用分配得到的线索资源进行拨打后，根据所述服务对象在预设时间内生成的拨打记录，多次更新服务对象在各个线索资源类型上的转化能力参数；
27、当多次更新后服务对象的转化能力参数呈现反向下降趋势，在领取数量约束的基础上对所述调整后的资源匹配信息进行二次调整，以使得二次调整后服务对象在各个线索资源类型上的转换能力参数呈现平衡状态；
28、根据二次调整后的资源匹配信息向服务对象分配线索资源。
29、根据本申请的第二个方面，提供了一种线索资源的分配装置，包括：
30、获取单元，用于获取服务对象的资源匹配信息，所述资源匹配信息包括服务对象在各个线索资源类型上的领取数量；
31、评估单元，用于根据服务对象的历史拨打记录对服务对象在各个线索资源类型上的转化能力进行评估，得到服务对象的转化能力参数；
32、第一调整单元，用于根据所述服务对象的转化能力参数，在领取数量约束的基础上对所述资源匹配信息进行至少一次调整，以使得至少一次调整后的资源匹配信息具有全局最高的匹配能力参数，所述领取数量约束为服务对象在所有线索资源上的领取总数量保持不变，所述匹配能力参数为服务对象与各个线索资源类型进行交叉匹配得到综合评估参数；
33、第一分配单元，用于根据至少一次调整后的资源匹配信息向服务对象分配线索资源。
34、进一步地，所述获取单元包括：
35、获取模块，用于获取样本数据经过联合建模得到的匹配预测模型；
36、匹配模块，用于利用所述匹配预测模型将服务对象与线索池中各个线索资源类型进行交叉匹配，得到服务对象与各个线索资源类型的匹配分值；
37、分配单元，用于将所述匹配分值大于预设数值的线索资源分配至服务对象，得到服务对象的资源匹配信息。
38、进一步地，获取模块包括：
39、获取子模块，用于分别获取样本服务对象的特征参数和样本线索资源的特征参数，所述样本服务对象的特征属性参数包括样本服务对象的静态特征参数和样本服务对象拨打各个类型样本线索资源反馈本文档来自技高网...
【技术保护点】
1.一种线索资源的分配方法，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，所述获取服务对象的资源匹配信息，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述获取样本数据经过联合建模得到的匹配预测模型，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述样本服务对象的特征参数和样本线索资源的特征参数进行联合建模，得到匹配预测模型，具体包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述根据服务对象的历史拨打记录对服务对象在各个线索资源类型上的转化能力进行评估，得到服务对象的转化能力参数，具体包括：
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述根据所述服务对象的转化能力参数，在领取数量约束的基础上对所述资源匹配信息进行至少一次调整，具体包括：
7.根据权利要求1-4中任一项所述的方法，其特征在于，在所述根据至少一次调整后的资源匹配信息向服务对象分配线索资源之后，所述方法还包括：
8.一种线索资源的分配装置，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述线索资源的分配方法的步骤。
...【技术特征摘要】
1.一种线索资源的分配方法，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，所述获取服务对象的资源匹配信息，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述获取样本数据经过联合建模得到的匹配预测模型，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述样本服务对象的特征参数和样本线索资源的特征参数进行联合建模，得到匹配预测模型，具体包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述根据服务对象的历史拨打记录对服务对象在各个线索资源类型上的转化能力进行评估，得到服务对象的转化能力参数，具体包括：
6.根据权利要求1-4中任一项所述的方法，其特征在...
【专利技术属性】
技术研发人员：沈鹏，王之琢，洪金凤，陈辉亮，黄明星，周晓波，
申请(专利权)人：北京水滴科技集团有限公司，
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。