一种数据处理方法及装置制造方法及图纸

本发明专利技术公开了一种数据处理方法及装置，可以使用熟练度评估模型来获得柜员对于目标待评估业务的熟练度评估分数，可以使用整体等待时长评估模型来获得客户在办理目标待评估业务时所需的整体等待时长评估分数，并通过将熟练度评估分数的倒数和整体等待时长评估分数的和值，确定为对目标待评估业务进行评估的最终有效分数，而该最终有效分数即可以定量评估目标待评估业务在作为网点机器人的学习对象时，对目标网点的网点效能产生的提高幅度，有效实现对目标待评估业务的评估。效实现对目标待评估业务的评估。效实现对目标待评估业务的评估。

【技术实现步骤摘要】
一种数据处理方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种数据处理方法及装置。

技术介绍

[0002]随着智能科学技术的提高，银行对于网点机器人的部署及应用范围不断扩大。
[0003]网点机器人可以是银行网点部署的业务处理设备，可以在与客户闲聊和协助解答客户问题的基础上，办理客户提出的业务请求，解决客户需求。其中，银行网点需要处理的业务类型众多，网点机器人由于处理资源有限而无法全面覆盖所有业务。
[0004]当前，现有技术可以分别评估各业务在作为网点机器人的学习对象时，银行网点可以取得的网点效能的提高幅度，并可以将对银行网点的网点效能具有最大提高幅度的业务确定为网点机器人的学习对象。
[0005]但是，在上述对业务进行评估的过程中，现有技术未能有效的对业务进行评估。

技术实现思路

[0006]鉴于上述问题，本专利技术提供一种克服上述问题或者至少部分地解决上述问题的数据处理方法及装置，技术方案如下：
[0007]一种数据处理方法，包括：
[0008]获得目标网点中各柜员的工作信息，所述工作信息至少包括年龄和入职时间；
[0009]获得所述目标网点对目标待评估业务的历史办理信息，所述历史办理信息包括在所述历史时段内的办理数量和办理时长信息；
[0010]将第一输入数据输入至训练好的熟练度评估模型中，获得所述熟练度评估模型输出的熟练度评估分数，所述第一输入数据中包括各所述柜员的工作信息、所述历史办理信息和所述目标待评估业务；/>[0011]获得所述目标网点在目标时段内办理各请求业务的时间信息，所述时间信息包括叫号时间和等待时长；
[0012]将第二输入数据输入至训练好的整体等待时长评估模型，获得所述整体等待时长评估模型输出的整体等待时长评估分数，所述第二输入数据由有序排列的至少一个元素数据构成，各所述元素数据中均包括所述目标待评估业务、所述目标网点在所述目标时段内办理的一个所述请求业务及相应的所述时间信息；
[0013]将所述熟练度评估分数的倒数与所述整体等待时长评估分数的和值，确定为所述目标待评估业务对应的最终有效分数。
[0014]可选的，所述目标待评估业务为待评估业务集中的待评估业务，所述待评估业务集中包括至少一个待评估业务；所述方法还包括：
[0015]分别获得所述待评估业务集中各待评估业务对应的最终有效分数；
[0016]按照由高分数至低分数的次序，对各所述最终有效分数进行排序，将排序序号不大于预设阈值的最终有效分数所对应的待评估业务，确定为网点机器人的待学习业务。
[0017]可选的，所述目标时段的时长为一天；所述方法还包括：
[0018]通过叫号机，对第一网点每天办理请求业务的时间信息进行收集；
[0019]利用所述第一网点在同一天内办理的各请求业务及相应的时间信息，确定所述整体等待时长评估模型的一个训练样本，其中，所述训练样本由有序排列的至少一个子数据构成，各所述子数据中均包括第一待评估业务、所述第一网点在当天办理的一个所述请求业务及相应的所述时间信息；
[0020]获得正样本或者负样本，所述正样本为人工基于优化所述第一网点的网点效能的原则所确定的所述训练样本，所述负样本为人工基于优化所述第一网点的网点效能的原则所确定的所述训练样本。
[0021]可选的，所述方法还包括：
[0022]当所述训练样本为正样本时，将所述训练样本对应的整体等待时长评估分数标记为1；
[0023]当所述训练样本为负样本时，将所述训练样本对应的整体等待时长评估分数标记为0；
[0024]使用所述训练样本对所述整体等待时长评估模型进行训练。
[0025]可选的，所述方法还包括：
[0026]获得第一网点中各柜员的工作信息；
[0027]获得所述第一网点对第一待评估业务的历史办理信息；
[0028]确定第一训练样本，所述第一训练样本中包括所述第一网点中各柜员的工作信息、所述第一网点对第一待评估业务的历史办理信息和所述第一待评估业务；
[0029]获得各柜员和业务专家对于所述第一待评估业务的第一熟练度评估分数；
[0030]将所述第一训练样本对应的熟练度评估分数，标记为所述第一熟练度评估分数；
[0031]使用标记有第一熟练度评估分数的第一训练样本对所述熟练度评估模型进行训练。
[0032]一种数据处理装置，包括：第一获得单元、第二获得单元、第一输入单元、第三获得单元、第四获得单元、第二输入单元、第五获得单元和第一确定单元，其中：
[0033]所述第一获得单元，被配置为执行：获得目标网点中各柜员的工作信息，所述工作信息至少包括年龄和入职时间；
[0034]所述第二获得单元，被配置为执行：获得所述目标网点对目标待评估业务的历史办理信息，所述历史办理信息包括在所述历史时段内的办理数量和办理时长信息；
[0035]所述第一输入单元，被配置为执行：将第一输入数据输入至训练好的熟练度评估模型中，所述第一输入数据中包括各所述柜员的工作信息、所述历史办理信息和所述目标待评估业务；
[0036]所述第三获得单元，被配置为执行：获得所述熟练度评估模型输出的熟练度评估分数；
[0037]所述第四获得单元，被配置为执行：获得所述目标网点在目标时段内办理各请求业务的时间信息，所述时间信息包括叫号时间和等待时长；
[0038]所述第二输入单元，被配置为执行：将第二输入数据输入至训练好的整体等待时长评估模型，所述第二输入数据由有序排列的至少一个元素数据构成，各所述元素数据中
均包括所述目标待评估业务、所述目标网点在所述目标时段内办理的一个所述请求业务及相应的所述时间信息；
[0039]所述第五获得单元，被配置为执行：获得所述整体等待时长评估模型输出的整体等待时长评估分数；
[0040]所述第一确定单元，被配置为执行：将所述熟练度评估分数的倒数与所述整体等待时长评估分数的和值，确定为所述目标待评估业务对应的最终有效分数。
[0041]可选的，所述目标待评估业务为待评估业务集中的待评估业务，所述待评估业务集中包括至少一个待评估业务；所述装置还包括：第六获得单元、排序单元和第二确定单元，其中：
[0042]所述第六获得单元，被配置为执行：分别获得所述待评估业务集中各待评估业务对应的最终有效分数；
[0043]所述排序单元，被配置为执行：按照由高分数至低分数的次序，对各所述最终有效分数进行排序；
[0044]所述第二确定单元，被配置为执行：将排序序号不大于预设阈值的最终有效分数所对应的待评估业务，确定为网点机器人的待学习业务。
[0045]可选的，所述目标时段的时长为一天；所述装置还包括：收集单元、第三确定单元和第七获得单元，其中：
[0046]所述收集单元，被配置为执行：通过叫号机，对第一网点每天办理请求业务的时间信息进行收集；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获得目标网点中各柜员的工作信息，所述工作信息至少包括年龄和入职时间；获得所述目标网点对目标待评估业务的历史办理信息，所述历史办理信息包括在所述历史时段内的办理数量和办理时长信息；将第一输入数据输入至训练好的熟练度评估模型中，获得所述熟练度评估模型输出的熟练度评估分数，所述第一输入数据中包括各所述柜员的工作信息、所述历史办理信息和所述目标待评估业务；获得所述目标网点在目标时段内办理各请求业务的时间信息，所述时间信息包括叫号时间和等待时长；将第二输入数据输入至训练好的整体等待时长评估模型，获得所述整体等待时长评估模型输出的整体等待时长评估分数，所述第二输入数据由有序排列的至少一个元素数据构成，各所述元素数据中均包括所述目标待评估业务、所述目标网点在所述目标时段内办理的一个所述请求业务及相应的所述时间信息；将所述熟练度评估分数的倒数与所述整体等待时长评估分数的和值，确定为所述目标待评估业务对应的最终有效分数。2.根据权利要求1所述的方法，其特征在于，所述目标待评估业务为待评估业务集中的待评估业务，所述待评估业务集中包括至少一个待评估业务；所述方法还包括：分别获得所述待评估业务集中各待评估业务对应的最终有效分数；按照由高分数至低分数的次序，对各所述最终有效分数进行排序，将排序序号不大于预设阈值的最终有效分数所对应的待评估业务，确定为网点机器人的待学习业务。3.根据权利要求1所述的方法，其特征在于，所述目标时段的时长为一天；所述方法还包括：通过叫号机，对第一网点每天办理请求业务的时间信息进行收集；利用所述第一网点在同一天内办理的各请求业务及相应的时间信息，确定所述整体等待时长评估模型的一个训练样本，其中，所述训练样本由有序排列的至少一个子数据构成，各所述子数据中均包括第一待评估业务、所述第一网点在当天办理的一个所述请求业务及相应的所述时间信息；获得正样本或者负样本，所述正样本为人工基于优化所述第一网点的网点效能的原则所确定的所述训练样本，所述负样本为人工基于优化所述第一网点的网点效能的原则所确定的所述训练样本。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：当所述训练样本为正样本时，将所述训练样本对应的整体等待时长评估分数标记为1；当所述训练样本为负样本时，将所述训练样本对应的整体等待时长评估分数标记为0；使用所述训练样本对所述整体等待时长评估模型进行训练。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获得第一网点中各柜员的工作信息；获得所述第一网点对第一待评估业务的历史办理信息；确定第一训练样本，所述第一训练样本中包括所述第一网点中各柜员的工作信息、所述第一网点对第一待评估业务的历史办理信息和所述第一待评估业务；
获得各柜员和业务专家对于所述第一待评估业务的第一熟练度评估分数；将所述第一训练样本对应的熟练度评估分数，标记为所述第一熟练度评估分数；使用标记有第一熟练度评估分数的第一训练样本对所述熟练度评估模型进行训练。6.一种数据处理装置，其特征在于，包括：第一获得单元、第二获得单元、第一输入单元、第三获得单元、第四获得单元、第二输入单元、第五获得单元和第一确定单元，其中：所述第一获得单元，被配置为执行：获得目标网点中各柜员的工作信息，所述工作信息至少包括年龄和入职时间；所述第二获得单元，被配置为执行：获得所述目标网点对目标待评估业务的历史办理信息，所述历史办理信息包括在所述历史时段内的办理数量和办理时长信息；所述第一输入单元，被配置为执行：将第一输入数据输入至训练好的熟练度评估模型中，所述第一输入数据中包括各所述柜员的工作信息、所述历史办理信息和所述...

【专利技术属性】
技术研发人员：宋雨，程璐，杨晓明，赵辉，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：