【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体而言，涉及一种基于机器学习技术的人工客服来电量的预测方法及装置。
技术介绍
1、人工客服的职能是为客户解决复杂及个性化问题，人工客服的排班是否充足将直接影响客服的呼入接通率和客户满意度，是运营管理的重要环节。
2、当前人工客服的排班依赖于每日来电量的预测结果。针对每日来电量的预测问题，传统方法是采用人工预测或单一时间序列模型。但是，存在预测准确率低的问题。
技术实现思路
1、本专利技术实施例提供了一种基于机器学习技术的人工客服来电量的预测方法及装置，以至少解决了相关技术中存在预测准确率低的问题。
2、根据本专利技术的一个实施例，提供了一种基于机器学习技术的人工客服来电量的预测方法，包括：
3、基于原数据进行特征加工得到特征信息表，其中，所述特征信息表至少包括以下之一：日期型特征、日期二值型特征、日期距离型特征、业务日二值型特征、业务日距离型特征、时间序列因子；
4、使用prophet模型基于所述特征信息表得到第
本文档来自技高网...【技术保护点】
1.一种基于机器学习技术的人工客服来电量的预测方法，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，基于原数据进行特征加工得到特征信息表之后，包括：
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求3所述的方法，其特征在于，使用决策树算法对剧变点进行检测，以得到剧变点对时间序列的影响程度，包括：
5.根据权利要求1所述的方法，其特征在于，基于原数据进行特征加工得到特征信息表，包括：
6.根据权利要求3所述的方法，其特征在于，使用KDE模型得到Prophet模型参数的初始化值，
...
【技术特征摘要】
1.一种基于机器学习技术的人工客服来电量的预测方法，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，基于原数据进行特征加工得到特征信息表之后，包括：
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求3所述的方法，其特征在于，使用决策树算法对剧变点进行检测，以得到剧变点对时间序列的影响程度，包括：
5.根据权利要求1所述的方法，其特征在于，基于原数据进行特征加工得到特征信息表，包括：
6.根据权利要求3所述...
【专利技术属性】
技术研发人员：黄成，卢晓萍，崔绢，
申请(专利权)人：中国光大银行股份有限公司，
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。