【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种人员分配方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在售前环节，存在大量客户分配，即针对一个新客户或需二次分配的客户，系统基于人工智能技术为客户精准匹配最合适的销售人员，使得成单概率最大或客户体验最佳，从而最大程度促进交易，提升客户满意度。
2、相关技术中，通常将待分配的客户与销售人员直接进行匹配，筛选出与客户最匹配的销售人员。具体来说，将客户特征和销售人员特征同时输入至神经网络模型，神经网络将双方信息进行充分交互、抽取、转换、表示，得到匹配度得分，得分最高的销售人员即为系统分配结果。但是，由于客户特征与销售人员特征无法全部一一对应，导致两者在语义表示上存在差别，因此可能无法提取各自最优的语义表示，导致客户与销售人员的匹配度得分不准确，进而存在为客户分配的销售人员匹配度较低的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种人员分配方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种人员分配方法。所述方法包括：
3、将待分配客户的客户特征信息输入训练好的语义表示网络，得到所述待分配客户的客户语义向量；
4、基于所述待分配客户的客户语义向量，在预先构建的客户语义向量库中检索，确定出与所述待分配客户的客户语义向量相似的多个目标客户数据；所述客户语义向量库是基于历史客户数据确定的，每一所述历史客户数据基于客户、对应的销售人员和成单
5、基于各所述目标客户数据中与所述待分配客户的客户语义向量的相似度得分、对应的销售人员以及成单标签，从多个目标客户数据对应的销售人员中确定出目标销售人员，并将所述目标销售人员分配至所述待分配客户。
6、在其中一个实施例中，所述将待分配客户的客户特征信息输入训练好的语义表示网络，得到所述待分配客户的客户语义向量，包括：
7、基于所述待分配客户的客户标识符，获取客户特征库中所述待分配客户对应的客户特征信息；所述客户特征库是用于存储客户标识符、客户画像、客户行为数据、客户关系网络和客户来源渠道中至少一种数据；所述客户特征信息包含多个特征键值对，所述特征键值对包含一一对应的特征名和特征值；所述待分配客户的客户特征信息预先存储在所述客户特征库；
8、将所述待分配客户对应的客户特征信息输入训练好的语义表示网络，得到所述待分配客户的客户语义向量；其中，所述语义表示网络接收所述客户特征信息中多个所述特征键值对的特征值向量，并基于训练好的多层感知机网络对各所述特征值向量进行处理，得到所述待分配客户的客户语义向量。
9、在其中一个实施例中，所述基于所述待分配客户的客户语义向量，在预先构建的客户语义向量库中检索，确定出与所述待分配客户的客户语义向量相似的多个目标客户数据，包括：
10、针对所述客户语义向量库包含的各客户语义向量，确定所述待分配客户的客户语义向量与所述客户语义向量库对应的客户语义向量之间的相似度得分，得到多个相似度得分；
11、按照从大到小的顺序，获取预设数量的相似度得分各自对应的客户、对应的销售人员，以及所述客户与所述销售人员之间的成单标签，并作为多个所述目标客户数据。
12、在其中一个实施例中，所述基于各所述目标客户数据中与所述待分配客户的客户语义向量的相似度得分、对应的销售人员以及成单标签，从多个目标客户数据对应的销售人员中确定出目标销售人员，包括：
13、针对各所述目标客户数据，确定所述目标客户数据对应的销售人员的销售得分；所述销售得分是基于所述目标客户数据对应的相似度得分以及所述成单标签的标签值确定的；
14、将同一销售人员对应的多个销售得分求和，得到各销售人员更新后的销售得分，并将最高销售得分对应的销售人员作为目标销售人员。
15、在其中一个实施例中，所述方法还包括：
16、基于历史客户的客户标识符，从客户特征库中获取多个历史客户的客户特征信息；
17、将多个所述历史客户的客户特征信息输入训练好的语义表示网络，得到多个所述历史客户的客户语义向量，并基于多个所述历史客户的客户语义向量构建所述客户语义向量库
18、在其中一个实施例中，所述方法还包括：
19、在所述目标销售人员完成对所述待分配客户的服务之后，将所述待分配客户、所述目标销售人员，以及所述待分配客户对应的成单标签，更新至所述待分配客户的客户特征信息，得到更新后的所述待分配客户的客户特征信息；
20、将更新后的所述待分配客户的客户特征信息输入训练好的语义表示网络，得到所述待分配客户的客户语义向量，并将所述待分配客户的客户语义向量存储至客户语义向量库。
21、第二方面，本申请还提供了一种人员分配装置。所述装置包括：
22、语义向量确定模块，用于将待分配客户的客户特征信息输入训练好的语义表示网络，得到所述待分配客户的客户语义向量；
23、客户确定模块，用于基于所述待分配客户的客户语义向量，在预先构建的客户语义向量库中检索，确定出与所述待分配客户的客户语义向量相似的多个目标客户数据；所述客户语义向量库是基于历史客户数据确定的，每一所述历史客户数据基于客户、对应的销售人员和成单标签而生成；
24、人员分配模块，用于基于各所述目标客户数据中与所述待分配客户的客户语义向量的相似度得分、对应的销售人员以及成单标签，从多个目标客户数据对应的销售人员中确定出目标销售人员，并将所述目标销售人员分配至所述待分配客户。
25、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。
26、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
27、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述方法的步骤。
28、上述人员分配方法、装置、计算机设备、存储介质和计算机程序产品，通过将待分配客户的客户特征信息输入至语义表示网络，得到待分配客户的客户语义向量，并在预先构建的客户语义向量库中确定多个与客户语义向量相似的目标客户，以及目标客户对应的数据。由于目标客户和待分配客户的客户语义向量相近，客户之间的相似度较大，将目标客户对应的销售人员分配给待分配客户具有更好的匹配度，并且目标客户和待分配客户的客户特征信息均能够一一对应，两者在语义表示上完全相同，从而使得服务器能够更准确的得到目标客户和待分配客户的匹配度。基于此，服务器从多个目标客户数据中，通过相似度得分、对应的销售人员，以及对应的成单标签，确定最优的目标销售人员，并将目标销售本文档来自技高网...
【技术保护点】
1.一种人员分配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将待分配客户的客户特征信息输入训练好的语义表示网络，得到所述待分配客户的客户语义向量，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述待分配客户的客户语义向量，在预先构建的客户语义向量库中检索，确定出与所述待分配客户的客户语义向量相似的多个目标客户数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于各所述目标客户数据中与所述待分配客户的客户语义向量的相似度得分、对应的销售人员以及成单标签，从多个目标客户数据对应的销售人员中确定出目标销售人员，包括：
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：
6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
7.一种人员分配装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种人员分配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将待分配客户的客户特征信息输入训练好的语义表示网络，得到所述待分配客户的客户语义向量，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述待分配客户的客户语义向量，在预先构建的客户语义向量库中检索，确定出与所述待分配客户的客户语义向量相似的多个目标客户数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于各所述目标客户数据中与所述待分配客户的客户语义向量的相似度得分、对应的销售人员以及成单标签，从多个目标客户数据对应的销售人员中确定出目标销售人员，包括：
5.根据权利要求...
【专利技术属性】
技术研发人员：梁华，黄欢，秦宗国，
申请(专利权)人：中国人寿保险股份有限公司，
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。