CN113762695A - 一种任务单分配方法和装置 - Google Patents
一种任务单分配方法和装置 Download PDFInfo
- Publication number
- CN113762695A CN113762695A CN202110062986.5A CN202110062986A CN113762695A CN 113762695 A CN113762695 A CN 113762695A CN 202110062986 A CN202110062986 A CN 202110062986A CN 113762695 A CN113762695 A CN 113762695A
- Authority
- CN
- China
- Prior art keywords
- task
- list
- hierarchy
- information
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种任务单分配方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级。该实施方式提高了任务单分配效率和分配精确率,提升了用户体验。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种任务单分配方法和装置。
背景技术
随着网络内容的发展,由直播带货开始兴起的互联网潮流改变了从供应端到MCN(Multi-Channel Network,一种多频道网络的产品形态)平台到KOL(Key Opinion Leader,关键意见领袖)再到用户的产业链结构,影响了MCN平台的发展及决策。MCN平台如何将供应端提供的任务单精准、高效的分配至相应的KOL对象进行任务处理,以维持整条产业链的运作并提升各方效益,是目标亟需解决的问题。
现有技术中至少存在如下问题:
现有的任务单分配方法中存在分配效率低、分配精确率低、用户体验差、不利于任务对象的良性发展等技术问题。
发明内容
有鉴于此,本发明实施例提供一种任务单分配方法和装置,能够提高任务单分配效率和分配精确率,促进任务对象的良性发展,提升用户体验。
为实现上述目的,根据本发明实施例的第一方面,提供了一种任务单分配方法,包括:
根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;
获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;
根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级。
进一步地,确定任务标签的步骤包括:
获取多个任务单对应的任务单信息,根据任务单信息对多个任务单进行分类处理;
根据分类处理结果确定各任务单对应的任务等级,根据任务等级和任务领域生成任务标签。
进一步地,根据任务单信息对多个任务单进行分类处理,还包括:
从多个任务单对应的任务单信息中分别提取各任务单对应的任务属性;
根据任务属性计算各任务单对应的任务值;
根据任务值和分类算法对多个任务单进行分类处理。
进一步地,根据任务属性计算各任务单对应的任务值,还包括:
分别配置各任务单对应的多个任务属性的权重系数;其中,各任务单对应的多个任务系数的权重系数之和为1;
将多个任务属性对应的属性值与权重系数的乘积进行加权处理,得到各任务单对应的任务值。
进一步地,用户信息包括用户偏好信息和用户行为信息;根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级,还包括:
获取任务对象对应的历史任务信息,根据历史任务信息计算任务对象对应的对象值;
根据用户偏好信息计算用户对应的第一特征值,根据用户行为信息计算用户对应的第二特征值;
根据任务对象对应的对象值,以及任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级。
进一步地,根据任务对象对应的对象值,以及任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级,还包括:
根据任务对象对应的对象值,以及任务对象对应用户的第一特征值和第二特征值进行计算层级值;
将层级值进行排序,根据分层条件和排序结果确定各任务对象对应的层级。
进一步地,还包括:
获取任务对象对应的特征值,根据特征值对任务对象对应的层级进行更新。
进一步地,根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,还包括:
根据任务对象对应的任务领域确定目标任务单集合;
根据任务对象对应的层级和目标任务单集合内各任务单的任务等级确定目标任务单;
将目标任务单分配至任务对象。
进一步地,还包括:
获取任务对象对所分配任务单的任务处理状态,根据任务处理状态对分配状况进行更新。
进一步地,所述获取任务对象对所分配任务单的任务处理状态,根据任务处理状态对分配状况进行更新,还包括:
获取所述任务对象对所分配任务单的任务处理状态,根据指数分布模型计算各任务处理状态对应的概率;
根据所述各任务处理状态对应的概率以及任务对象信息计算任务完成值;
根据所述任务完成值和安全阈值对分配状况进行更新。
根据本发明实施例的第二方面,提供了一种任务单分配装置,包括:
集合确定模块,用于根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;
层级确定模块,用于获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;
任务单分配模块,用于根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级。
根据本发明实施例的第三方面,提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述任一种任务单分配方法。
根据本发明实施例的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述任一种任务单分配方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级的技术手段,所以克服了现有的任务单分配方法中存在的任务单分配效率低、分配精确率低、不利于任务对象的良性发展、用户体验差的技术问题,进而达到提高任务单分配效率和分配精确率,促进任务对象的良性发展,提升用户体验的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明第一实施例提供的任务单分配方法的主要流程的示意图;
图2a是根据本发明第二实施例提供的任务单分配方法的主要流程的示意图;
图2b是图2a所述方法中任务对象对所分配的任务单进行任务处理时任务处理状态的示意图;
图3是根据本发明实施例提供的任务单分配装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性***架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例提供的任务单分配方法的主要流程的示意图;如图1所示,本发明实施例提供的任务单分配方法主要包括:
步骤S101,根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合。
具体地,上述任务类型指示了任务对象所服务的任务领域,可通过对多个任务对象的聚类处理,将属于相同任务领域的多个任务对象聚类为一个集合。根据本发明实施例的一具体实施方式,还可以对多个任务对象进行多次聚类处理,进而得到多个子集合,以便于后续对任务对象进行更细粒度的层级划分,提升了后续任务单的分配精确率。
步骤S102,获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级。
通过上述设置,根据服务于同一任务领域(即处于同一集合下)的任务对象进行层级划分,有利于后续根据任务对象的层级分配相应的任务单,进一步提高了任务单的分配效率和分配精确度,提升了用户体验。
具体地,根据本发明实施例,上述用户信息包括用户偏好信息和用户行为信息;上述根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级,还包括:
获取任务对象对应的历史任务信息,根据历史任务信息计算任务对象对应的对象值;
根据用户偏好信息计算用户对应的第一特征值,根据用户行为信息计算用户对应的第二特征值;
根据任务对象对应的对象值,以及任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级。
进一步地,根据本发明实施例,上述根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级,还包括:
根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值进行计算层级值;
将所述层级值进行排序,根据分层条件和排序结果确定各任务对象对应的层级。
根据本发明实施例,上述任务对象的历史任务信息包括任务对象在过去一段时间内对应的产品种类及数量等信息,根据该历史任务信息,利用预测模型(如指数模型、winter季节预测模型等)可以对该任务对象当前所产生的任务效益进行计算,即得到任务对象对应的对象值。通过该任务对象对应的用户信息(包括用户偏好信息、用户行为信息等)可以分别计算出用户偏好值(即第一特征值)和用户质量值(即第二特征值)。通过上述设置,以任务对象本身的预测值(即上述对象值)和该任务对象对应用户的特征值(即上述第一特征值和第二特征值)作为参数,对任务对象进行层级划分,有助于精确地划任务对象的层级。
进一步地,根据本发明实施例,上述任务单分配方法还包括:
获取任务对象对应的特征值,根据特征值对任务对象对应的层级进行更新。
具体地,上述任务对象对应的特征值包括:平均UV(Unique Visi tor,独立访客)流量、ROI(return on investment,投资回报率)合格率、用户总体价值等个性化特征值,根据本发明实施例的一具体实施方式,可根据上述特征值构建特征向量,利用分类算法对该特征向量进行分类处理,并根据分类处理结果对上述任务对象对应的层级进行更新,以进一步提升所划分的任务对象层级的精确度。
步骤S103,根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级。
通过上述设置,结合各任务对象划分的层级,以及任务单对应的任务标签(主要包括任务领域和任务等级)来进行任务单分配,有利于合理、高效地进行任务单分配,提升了用户体验,促进了任务对象的良性发展。
具体地,根据本发明实施例,上述确定任务标签的步骤包括:
获取多个任务单对应的任务单信息,根据任务单信息对多个任务单进行分类处理;
根据分类处理结果确定各任务单对应的任务等级,根据任务等级和任务领域生成任务标签。
具体地,根据本发明实施例,任务对象管理平台接收到供应端发起的任务单处理请求后,可通过任务单信息(如任务单处理时间、发布平台、处理形式、任务领域等)来对多个任务单进行分类处理,并根据分类处理结果确定任务单对应的任务等级,进而根据任务等级和任务领域生成任务标签。
进一步地,根据本发明实施例,上述根据任务单信息对多个任务单进行分类处理,还包括:
从多个任务单对应的任务单信息中分别提取各任务单对应的任务属性;
根据任务属性计算各任务单对应的任务值;
根据任务值和分类算法对多个任务单进行分类处理。
通过上述设置,从任务单信息中提取任务属性(如报价、预期收益、影响力等),可根据实际需求为各任务属性设置相应的权重系数,进而通过计算得到任务单对应的任务值;再根据任务值和分类算法对任务单进行分类处理,以确定任务单的任务等级。
示例性地,根据本发明实施例,上述根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级,还包括:
根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值进行计算层级值;
将所述层级值进行排序,根据分层条件和排序结果确定各任务对象对应的层级。
优选地,根据本发明实施例,上述根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,还包括:
根据任务对象对应的任务领域确定目标任务单集合;
根据任务对象对应的层级和目标任务单集合内各任务单的任务等级确定目标任务单;
将目标任务单分配至任务对象。
具体地,根据本发明实施例,可先在同一任务领域内确定多个任务单作为目标任务单集合;进而根据任务对象的层级和目标任务单集合中各任务单的任务等级确定目标任务单。通过上述设置,提高了任务单的分配效率和分配精确率。
进一步地,上述任务单分配方法还包括:
获取任务对象对所分配任务单的任务处理状态,根据任务处理状态对分配状况进行更新。
具体地,根据本发明实施例,上述获取任务对象对所分配任务单的任务处理状态,根据任务处理状态对分配状况进行更新,还包括:
获取所述任务对象对所分配任务单的任务处理状态,根据指数分布模型计算各任务处理状态对应的概率;
根据所述各任务处理状态对应的概率以及任务对象信息计算任务完成值;
根据所述任务完成值和安全阈值对分配状况进行更新。
通过上述设置,可在规定周期内(如任务单的处理周期内),获取该任务单的任务处理状态,可通过构建数学模型,监控该任务单的任务处理风险值,并与风险阈值进行比对,进而对该任务单的分配状况进行更新。根据本发明实施例的一具体实施方式,更新措施可以是为该任务对象进行任务培训、增加任务对象或者将该任务单重新分配任务对象等方式。通过上述设置,提升了所分配任务单的处理效率,保障了所分配任务单的处理效果。
根据本发明实施例的技术方案,因为采用根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级的技术手段,所以克服了现有的任务单分配方法中存在的任务单分配效率低、分配精确率低、不利于任务对象的良性发展、用户体验差的技术问题,进而达到提高任务单分配效率和分配精确率,促进任务对象的良性发展,提升用户体验的技术效果。
图2a是根据本发明第二实施例提供的任务单分配方法的主要流程的示意图;本发明实施例的一应用场景是MSN平台将从供应端接收的的任务单分配至KOL,如图2a所示,本发明实施例提供的任务单分配方法主要包括:
步骤S201,获取多个任务单对应的任务单信息,从任务单信息中分别提取各任务单对应的任务属性。
具体地,接收到供应端(上游商家)提供的任务单后,从任务单信息(如任务单处理时间、发布平台、处理形式、任务领域等)中提取任务属性。
步骤S202,根据任务属性计算各任务单对应的任务值,根据任务值和分类算法对多个任务单进行分类处理。
根据本发明实施例的一具体实施方式,所提取的任务属性包括报价、预期收益、影响力,设置各项属性对应的权重系数为且各项属性对应的权重系数之和为1,即记上述报价为X1;预计收益为X2,其中,a为风险系数(0<a<1),Dj为预算成本区间;记影响力(指商品/品牌的影响力)为X3,其中N为商品/品牌行业内排名,M为行业内商品/品牌总量,c为商家通过MCN渠道成交的预计销量或最低销量,p为MCN端单件利润。综上,该任务值记为Pj(j=1,2,…,n),则记多个任务单对应的任务值集合为B={P1,P2,…,Pj}。
再将多个任务单对应的任务值集合中的所有元素按照从大到小的顺序排列,得到采用ABC库存法对其进行分类处理。根据本发明实施例的一具体实施方式,当时,即前k1项任务单为A类任务;当时,即此区间集合内的任务单为B类任务,对于集合内的其余任务单记为C类任务。需要说明的是,上述分类方法仅为示例,还可采用现有技术中的其他分类方法。
步骤S203,根据分类处理结果确定各任务单对应的任务标签。
通过上述分类处理结果确定了各任务单对应的任务评级,根据任务单对应的任务领域和任务评级即可生成任务标签。
根据本发明实施例的一具体实施方式,以食品对应的任务领域为例,某企业发布广告任务单用于推销某食品类商品,要求通过X平台渠道销售该食品类商品10000件,生成任务单信息[食品,X平台,销售带货]。
根据任务单信息,商家给出该任务单报价10万元,则X1为100000;销量为10000,即c=10000,单件利润为15元,则p=15。MCN估计该任务成本位于[4,6](单位:万元),风险系数为a=0.1,则maxDj=60000,minDj=40000,计算得假设该食品领域包含50种品牌,该品牌在食品行业综合销量排10位,则N=10,M=50,则综上即可计算得到该任务单对应的任务值。
进一步假设当前任务领域对应的任务单集合中现有100项任务单,通过排序得到该任务在任务集合中排序为7,前10项任务单的任务值达到任务单集合的总价值的70%,则该项任务单的任务等级为A。
根据任务等级与任务领域生成任务标签,得到任务标签[食品,X平台,销售带货,A级],存储至数据库中以便后续筛选。
步骤S204,根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合。
具体地,上述任务类型指示了任务对象所服务的任务领域,可通过对多个任务对象的聚类处理,将属于相同任务领域的多个任务对象聚类为一个集合。根据本发明实施例的一具体实施方式,还可以对多个任务对象进行多次聚类处理,进而得到多个子集合,以便于后续对任务对象进行更细粒度的层级划分,提升了后续任务单的分配精确率。
根据本发明实施例的一具体实施方式,可根据KOL(任务对象)的主营任务标签(对应的任务类型,如旅游、生活、影视等),进行聚类确定相同领域内的任务对象集合。
步骤S205,获取任务对象对应的历史任务信息,根据历史任务信息计算任务对象对应的对象值。
具体地,距离当前时间越近的历史任务信息,所计算得到的对象值越精确。根据本发明实施例,采用随着时间变化权重计算不同数学模型下的任务对象值。以指数方式为例——设最近点的权重为ηi(0<η<1),随着时间间隔增大衰减,即为ηk,k>2, 其中,参数k为相距的时间间隔的数量,最终相隔时间较大(即距离当前时段的时间较远)的历史任务信息对应的权重趋近于0。利用预测模型(如指数模型、winter季节预测模型等)可以对该任务对象对应的历史任务信息进行计算,即得到任务对象对应的对象值χi。
步骤S206,获取同一集合下各任务对象对应的用户信息,根据用户信息计算用户对应的第一特征值和第二特征值。
具体地,上述用户信息包括用户偏好信息和用户行为信息。
根据本发明实施例,从数据库中获取MCN平台旗下KOL在内容发布平台内用户的所有静态和动态信息,静态信息包括关注时长、消费累计金额、消费平均周期、用户性别、年龄、地域等信息;动态信息包括用户平台内的浏览、关注、消费、查询、评论、点赞等信息。
根据数据库中的用户历史记录(上述用户静态信息和用户动态信息)可归纳匹配出用户偏好信息(指示了用户偏好内容领域)。用户偏好信息包括用户内容偏好以及相应的用户消费力指数。根据本发明实施例的一具体实施方式,针对某领域KOL的全部用户,某一个性化内容标签(即某一任务领域)的偏好程度=偏好用户所占子***(上述任务对象集合)用户量的比率×消费力指数高于平均的该偏好用户所占比率;以一个内容领域为例,例如食品类标签包括甜点、熟食、中餐、日料、海鲜等,某一标签如甜点有100位用户相关,MCN食品类总共涵盖2000位用户,则偏好用户所占比率为5%,食品类用户平均消费60元,100位该标签相关用户中有50位平台消费高于60,则消费力高于平均的用户比率为50%,取用户偏好程度最高的9项个性化内容标签,以此构建用户偏好内容标签列表records=[plq]=[pl1,pl2,…,pl9],引入布尔变量bool,当某KOL个性化标签与列表中已有标签相同时,bool=1,反之为bool=0。当bool=1时,依照对应个性化标签在列表的位置顺序给定位置权重(多个相同取最前),得到布尔量加权偏好特征值(即用户对应的第一特征值)
根据本发明实施例又一具体实施方式,上述用户行为信息包括是否有在KOL渠道的购买历史(Ln)、互动频次(Tn)、关注时长(Mn)等信息。以上述三项信息为例,用户hn对该KOL(任务对象)的质量其中,ψ为消费平均质量系数,Mz为注册时长,故该KOL对应用户的用户价值(即第二特征值)为
步骤S207,根据任务对象对应的对象值,以及任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级。
具体地,根据本发明实施例,根据任务对象对应的对象值,以及任务对象对应用户的第一特征值和第二特征值进行计算,可得:
其中,v为热门内容加成值,根据计算结果进行排序后,按照10%、20%、70%的比例(即分层条件)进行分层。需要说明的是,上述分层方式以及对应的分层数值仅为示例,可根据实际情况进行调整分层数值或调整分层方法。
进一步地,根据本发明实施例,上述任务单分配方法还包括:
获取任务对象对应的特征值,根据特征值对任务对象对应的层级进行更新。
具体地,上述任务对象对应的特征值包括:平均UV(Unique Visi tor,独立访客)流量、ROI(return on investment,投资回报率)合格率、用户总体价值等个性化特征值,根据本发明实施例的一具体实施方式,可根据上述特征值构建特征向量,利用分类算法对该特征向量进行分类处理,并根据分类处理结果对上述任务对象对应的层级进行更新,以进一步提升所划分的任务对象层级的精确度。
通过上述设置,通过对足够多数量的用户信息、内容信息数据进行标定,可以获得充足的训练数据,进而可构建任务对象分层模型,从上文列举的分类方法中选择(包括但不限于K近邻(K-Nearest Neig hbor,KNN),分类回归决策树(Classification AndRegression Tree,CART),朴素贝叶斯(Bayesian),基于核方法的支持向量机(Supp ortVector Machine,SVM),神经网络(Neural Network)并训练得到一个有效的特征分类器,可用于进行解决KOL分层。具体步骤主要包括特征工程、模型训练、模型验证。
根据本发明实施例的一具体实施方式,某KOL在过去3个月的历史任务数据(上述历史任务信息)为{50,70,60},根据指数平滑法计算出该KOL本月的任务价值应达到63,则有χi=63。
以该KOL对应的一个用户为例,该用户历史数据为有购买记录,互动频次为0.5次/天,关注时长200天,账号注册时长300天,在消费平均质量系数的模型下,该用户的用户质量的量化指标Pn为0.7。同理可计算出该KOL涵盖的所有用户的用户质量量化指标总和Pz,i。
假定该KOL排序为10,所属任务领域共有50位KOL,则该KOL处于第二层级。此外,假定个性化指标(任务属性)为5项,即任务对象对应的特征值数量l=5,标定训练数据集,训练数据例如<1|0.1,0.4,3.2,20245,1>,对该训练数据进行归一化处理后,可利用支持向量分类(Support Vector Classification,SVC)方法,选用高斯核(RBF Kernel)构建模型,并进行模型训练,得到参数为C=1.27,g=3.55的SVM分类模型C。利用模型对特征数据进行预测,特征数据例如<0.5,0.7,3.1,9011,0.1>,将特征数据输入训练的模型C,得到预测结果为第二层级,可以此对该任务对象的层级进行更新/修正。
步骤S208,根据任务对象对应的任务领域确定目标任务单集合,根据任务对象对应的层级和目标任务单集合内各任务单的任务等级确定目标任务单,将目标任务单分配至任务对象。
具体地,根据本发明实施例,可先在同一任务领域内确定多个任务单作为目标任务单集合;进而根据任务对象的层级和目标任务单集合中各任务单的任务等级确定目标任务单。通过上述设置,提高了任务单的分配效率和分配精确率。
根据本发明实施例的一具体实施方式,可依照上述步骤中KOL层级排序遍历任务单的任务标签集合,筛选任务领域内的优质任务单后,再次筛选与主标签一致的任务单,若标签成功对应,则依照衰减函数降低当前KOL的综合评分(降低当前KOL的层级),同时设置相关规则(如限制KOL的A类任务对象的个数),确保之后轮次选择时该任务对象(该KOL)不会被分配过多的A类任务;若未成功对应,则去除标签再次筛选,此时KOL综合评分需乘以偏差系数β,派发评分范围内的最优任务单。同时,标记已选任务为空元素,保证任务单集合中的虚拟总量不变,各任务单对应的等级不变。同理,依照排名轮换至下一个KOL进行任务派发,直至任务派发完成,即任务单集合中的任务单元素均为空。
步骤S209,获取任务对象对所分配任务单的任务处理状态,根据任务处理状态对分配状况进行更新。
上述步骤实际上构建了一种任务单分配***,利用该分配***进行任务单分配。在实际应用时,还可根据该任务单分配***中的组成结构(包括供应端、MCN、KOL、用户),引入可靠性状态模型,计算在时间因素影响下的分配***的可靠性,并根据现有发展策略设定可靠信阈值,从而进行风险预测并针对风险提前做出调整决策。详细流程如下:
建立子***(上述聚类处理得到的任务对象集合,包括多个KOL)可靠性结构,在一个规定周期内(通常取合约时长),记KOL个体正常工作状态为0,由突发情况等因素导致KOL不能正常工作的状态记为1,以指数分布模型为例,设定参数λ、μ服从指数分布,该参数均由标准数学模型决定,则该KOL在一个周期内的状态转换情况如图2b所示,共包含P00、P01、P10和P11四种任务处理状态,P00为经过Δt时间后,KOL的状态不变的情况;P01为t时刻为0状态,经过Δt时间后变为1状态;、P10和P11的含义同理。上述四种任务处理状态出现的概率通过下列公式进行计算:
P00{Δt}=P{X(t+Δt)=0|X(t)=0}=1-λΔt+o(Δt)
P01{Δt}=P{X(t+Δt)=1|X(t)=0}=λΔt+o(Δt)
P10{Δt}=P{X(t+Δt)=0|X(t)=1}=μΔt+o(Δt)
P11{Δt}=P{X(t+Δt)=1|X(t)=1}=1-μΔt+o(Δt)
根据上述子***可靠性计算公式可推导出串联***、并联***、表决***的整体可靠性值,记为Pc,通常状态下,子***及子***构成的整体***分别为表决***和并联***结构。
进一步地,通过设定***安全阈值,根据当前MCN端的抗风险能力,制定安全阈值τ,当整体***可靠性低于该阈值时,即Pc≤τ时,能够提早采取措施并快速定位问题到某个子***下的KOL,提升了供应流的运转速率。此外,根据市场需求变动和企业发展变动,相应指标也应随之进行柔性调整,使预测更加精准。
以食品类子***为例,假设子***包含5位kol,且五位kol同时工作才可完成流量需求,则该***为串联***,根据任务对象信息(如入职时间,历史任务处理状况等)计算当前时间下kol的可靠度(即任务完成值,指示了以当前的分配状态,所分配的任务单的完成状况),则***可靠性为Pc=P1(t1)*P2(t2)*P3(t3)*P4(t4)*P5(t5),再将其与安全阈值τ进行比对,判断Pc与τ的大小,若Pc≤τ,即对分配状况进行更新,更新措施可以是为该任务对象进行任务培训、增加任务对象或者将该任务单重新分配任务对象等方式。通过上述设置,提升了所分配任务单的处理效率,保障了所分配任务单的处理效果。
根据本发明实施例的技术方案,因为采用根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级的技术手段,所以克服了现有的任务单分配方法中存在的任务单分配效率低、分配精确率低、不利于任务对象的良性发展、用户体验差的技术问题,进而达到提高任务单分配效率和分配精确率,促进任务对象的良性发展,提升用户体验的技术效果。
图3是根据本发明实施例提供的任务单分配装置的主要模块的示意图;如图3所示,本发明实施例提供的任务单分配装置300主要包括:
集合确定模块301,用于根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合。
具体地,上述任务类型指示了任务对象所服务的任务领域,可通过对多个任务对象的聚类处理,将属于相同任务领域的多个任务对象聚类为一个集合。根据本发明实施例的一具体实施方式,还可以对多个任务对象进行多次聚类处理,进而得到多个子集合,以便于后续对任务对象进行更细粒度的层级划分,提升了后续任务单的分配精确率。
层级确定模块302,用于获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级。
通过上述设置,根据服务于同一任务领域(即处于同一集合下)的任务对象进行层级划分,有利于后续根据任务对象的层级分配相应的任务单,进一步提高了任务单的分配效率和分配精确度,提升了用户体验。
具体地,根据本发明实施例,上述层级确定模块302还用于:
获取任务对象对应的历史任务信息,根据历史任务信息计算任务对象对应的对象值;
根据用户偏好信息计算用户对应的第一特征值,根据用户行为信息计算用户对应的第二特征值;
根据任务对象对应的对象值,以及任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级。
进一步地,根据本发明实施例,上述层级确定模块302还用于:
根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值进行计算层级值;
将所述层级值进行排序,根据分层条件和排序结果确定各任务对象对应的层级。
根据本发明实施例,上述任务对象的历史任务信息包括任务对象在过去一段时间内对应的产品种类及数量等信息,根据该历史任务信息,利用预测模型(如指数模型、winter季节预测模型等)可以对该任务对象当前所产生的任务效益进行计算,即得到任务对象对应的对象值。通过该任务对象对应的用户信息(包括用户偏好信息、用户行为信息等)可以分别计算出用户偏好值(即第一特征值)和用户质量值(即第二特征值)。通过上述设置,以任务对象本身的预测值(即上述对象值)和该任务对象对应用户的特征值(即上述第一特征值和第二特征值)作为参数,对任务对象进行层级划分,有助于精确地划任务对象的层级。
进一步地,根据本发明实施例,上述任务单分配装置300还包括层级更新模块,用于:
获取任务对象对应的特征值,根据特征值对任务对象对应的层级进行更新。
具体地,上述任务对象对应的特征值包括:平均UV流量、ROI合格率、用户总体价值等个性化特征值,根据本发明实施例的一具体实施方式,可根据上述特征值构建特征向量,利用分类算法对该特征向量进行分类处理,并根据分类处理结果对上述任务对象对应的层级进行更新,以进一步提升所划分的任务对象层级的精确度。
任务单分配模块303,用于根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级。
通过上述设置,结合各任务对象划分的层级,以及任务单对应的任务标签(主要包括任务领域和任务等级)来进行任务单分配,有利于合理、高效地进行任务单分配,提升了用户体验,促进了任务对象的良性发展。
具体地,根据本发明实施例,上述任务单分配装置300还包括任务标签生成模块,用于:
获取多个任务单对应的任务单信息,根据任务单信息对多个任务单进行分类处理;
根据分类处理结果确定各任务单对应的任务等级,根据任务等级和任务领域生成任务标签。
具体地,根据本发明实施例,任务对象管理平台接收到供应端发起的任务单处理请求后,可通过任务单信息(如任务单处理时间、发布平台、处理形式、任务领域等)来对多个任务单进行分类处理,并根据分类处理结果确定任务单对应的任务等级,进而根据任务等级和任务领域生成任务标签。
进一步地,根据本发明实施例,上述任务标签生成模块还用于:
从多个任务单对应的任务单信息中分别提取各任务单对应的任务属性;
根据任务属性计算各任务单对应的任务值;
根据任务值和分类算法对多个任务单进行分类处理。
通过上述设置,从任务单信息中提取任务属性(如报价、预期收益、影响力等),可根据实际需求为各任务属性设置相应的权重系数,进而通过计算得到任务单对应的任务值;再根据任务值和分类算法对任务单进行分类处理,以确定任务单的任务等级。
示例性地,根据本发明实施例,上述任务标签生成模块还用于:
根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值进行计算层级值;
将所述层级值进行排序,根据分层条件和排序结果确定各任务对象对应的层级。
优选地,根据本发明实施例,上述任务单分配模块303还用于:
根据任务对象对应的任务领域确定目标任务单集合;
根据任务对象对应的层级和目标任务单集合内各任务单的任务等级确定目标任务单;
将目标任务单分配至任务对象。
具体地,根据本发明实施例,可先在同一任务领域内确定多个任务单作为目标任务单集合;进而根据任务对象的层级和目标任务单集合中各任务单的任务等级确定目标任务单。通过上述设置,提高了任务单的分配效率和分配精确率。
进一步地,上述任务单分配装置300还包括分配状态更新模块,用于:
获取任务对象对所分配任务单的任务处理状态,根据任务处理状态对分配状况进行更新。
具体地,根据本发明实施例,上述获取任务对象对所分配任务单的任务处理状态,根据任务处理状态对分配状况进行更新,还包括:
获取所述任务对象对所分配任务单的任务处理状态,根据指数分布模型计算各任务处理状态对应的概率;
根据所述各任务处理状态对应的概率以及任务对象信息计算任务完成值;
根据所述任务完成值和安全阈值对分配状况进行更新。
通过上述设置,可在规定周期内(如任务单的处理周期内),获取该任务单的任务处理状态,可通过构建数学模型,监控该任务单的任务处理风险值,并与风险阈值进行比对,进而对该任务单的分配状况进行更新。根据本发明实施例的一具体实施方式,更新措施可以是为该任务对象进行任务培训、增加任务对象或者将该任务单重新分配任务对象等方式。通过上述设置,提升了所分配任务单的处理效率,保障了所分配任务单的处理效果。
根据本发明实施例的技术方案,因为采用根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级的技术手段,所以克服了现有的任务单分配方法中存在的任务单分配效率低、分配精确率低、不利于任务对象的良性发展、用户体验差的技术问题,进而达到提高任务单分配效率和分配精确率,促进任务对象的良性发展,提升用户体验的技术效果。
图4示出了可以应用本发明实施例的任务单分配方法或任务单分配装置的示例性***架构400。
如图4所示,***架构400可以包括终端设备401、402、403,网络404和服务器405(此架构仅仅是示例,具体架构中包含的组件可以根据申请具体情况调整)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如任务单分配类应用、数据处理类应用等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所(进行任务单分配/进行数据处理)的服务器(仅为示例)。该服务器可以对接收到的任务类型、用户信息等数据进行分析等处理,并将处理结果(例如任务对象对应的集合、任务对象对应的层级--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的任务单分配方法一般由服务器405执行,相应地,任务单分配装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备或服务器的计算机***500的结构示意图。图5示出的终端设备或服务器仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括集合确定模块、层级确定模块和任务单分配模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,集合确定模块还可以被描述为“用于根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级。
根据本发明实施例的技术方案,因为采用根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;获取同一集合下各任务对象对应的用户信息,根据用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;根据任务对象对应的层级和任务单对应的任务标签,将任务单分配至相应的任务对象,其中,任务标签指示了任务单对应的任务领域和任务等级的技术手段,所以克服了现有的任务单分配方法中存在的任务单分配效率低、分配精确率低、不利于任务对象的良性发展、用户体验差的技术问题,进而达到提高任务单分配效率和分配精确率,促进任务对象的良性发展,提升用户体验的技术效果。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (13)
1.一种任务单分配方法,其特征在于,包括:
根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;
获取同一集合下各任务对象对应的用户信息,根据所述用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;
根据所述任务对象对应的层级和任务单对应的任务标签,将所述任务单分配至相应的任务对象,其中,所述任务标签指示了所述任务单对应的任务领域和任务等级。
2.根据权利要求1所述的任务单分配方法,其特征在于,确定所述任务标签的步骤包括:
获取多个任务单对应的任务单信息,根据所述任务单信息对所述多个任务单进行分类处理;
根据分类处理结果确定各任务单对应的任务等级,根据所述任务等级和任务领域生成任务标签。
3.根据权利要求2所述的任务单分配方法,其特征在于,所述根据所述任务单信息对所述多个任务单进行分类处理,还包括:
从所述多个任务单对应的任务单信息中分别提取各任务单对应的任务属性;
根据所述任务属性计算各任务单对应的任务值;
根据所述任务值和分类算法对所述多个任务单进行分类处理。
4.根据权利要求3所述的任务单分配方法,其特征在于,所述根据所述任务属性计算各任务单对应的任务值,还包括:
分别配置各任务单对应的多个任务属性的权重系数;其中,各任务单对应的多个任务系数的权重系数之和为1;
将所述多个任务属性对应的属性值与权重系数的乘积进行加权处理,得到各任务单对应的任务值。
5.根据权利要求1所述的任务单分配方法,其特征在于,所述用户信息包括用户偏好信息和用户行为信息;所述根据所述用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级,还包括:
获取所述任务对象对应的历史任务信息,根据所述历史任务信息计算所述任务对象对应的对象值;
根据所述用户偏好信息计算所述用户对应的第一特征值,根据所述用户行为信息计算所述用户对应的第二特征值;
根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级。
6.根据权利要求5所述的任务单分配方法,其特征在于,所述根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级,还包括:
根据所述任务对象对应的对象值,以及所述任务对象对应用户的第一特征值和第二特征值进行计算层级值;
将所述层级值进行排序,根据分层条件和排序结果确定各任务对象对应的层级。
7.根据权利要求5所述的任务单分配方法,其特征在于,还包括:
获取所述任务对象对应的特征值,根据所述特征值对所述任务对象对应的层级进行更新。
8.根据权利要求1所述的任务单分配方法,其特征在于,所述根据所述任务对象对应的层级和任务单对应的任务标签,将所述任务单分配至相应的任务对象,还包括:
根据所述任务对象对应的任务领域确定目标任务单集合;
根据所述任务对象对应的层级和所述目标任务单集合内各任务单的任务等级确定目标任务单;
将所述目标任务单分配至所述任务对象。
9.根据权利要求1所述的任务单分配方法,其特征在于,还包括:
获取所述任务对象对所分配任务单的任务处理状态,根据所述任务处理状态对分配状况进行更新。
10.根据权利要求9所述的任务单分配方法,其特征在于,所述获取任务对象对所分配任务单的任务处理状态,根据任务处理状态对分配状况进行更新,还包括:
获取所述任务对象对所分配任务单的任务处理状态,根据指数分布模型计算各任务处理状态对应的概率;
根据所述各任务处理状态对应的概率以及任务对象信息计算任务完成值;
根据所述任务完成值和安全阈值对分配状况进行更新。
11.一种任务单分配装置,其特征在于,包括:
集合确定模块,用于根据任务类型对多个任务对象进行聚类处理,以确定各任务对象对应的集合;
层级确定模块,用于获取同一集合下各任务对象对应的用户信息,根据所述用户信息对同一集合下的任务对象进行层级划分,以确定各任务对象对应的层级;
任务单分配模块,用于根据所述任务对象对应的层级和任务单对应的任务标签,将所述任务单分配至相应的任务对象,其中,所述任务标签指示了所述任务单对应的任务领域和任务等级。
12.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
13.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062986.5A CN113762695A (zh) | 2021-01-18 | 2021-01-18 | 一种任务单分配方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062986.5A CN113762695A (zh) | 2021-01-18 | 2021-01-18 | 一种任务单分配方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113762695A true CN113762695A (zh) | 2021-12-07 |
Family
ID=78786348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110062986.5A Pending CN113762695A (zh) | 2021-01-18 | 2021-01-18 | 一种任务单分配方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762695A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784424A (zh) * | 2017-06-26 | 2018-03-09 | 平安科技(深圳)有限公司 | 任务管理方法、装置、计算机设备及存储介质 |
CN108184144A (zh) * | 2017-12-27 | 2018-06-19 | 广州虎牙信息科技有限公司 | 一种直播方法、装置、存储介质及电子设备 |
CN109359798A (zh) * | 2018-08-21 | 2019-02-19 | 平安科技(深圳)有限公司 | 任务分配方法、装置及存储介质 |
CN109472456A (zh) * | 2018-10-16 | 2019-03-15 | 平安国际融资租赁有限公司 | 任务分配方法、装置、计算机设备和存储介质 |
CN109872036A (zh) * | 2019-01-10 | 2019-06-11 | 平安科技(深圳)有限公司 | 基于分类算法的任务分配方法、装置及计算机设备 |
CN110400027A (zh) * | 2018-04-20 | 2019-11-01 | 香港乐蜜有限公司 | 直播平台中主播的统计管理方法和装置 |
CN110766269A (zh) * | 2019-09-02 | 2020-02-07 | 平安科技(深圳)有限公司 | 一种任务分配方法、装置、可读存储介质及终端设备 |
WO2020098251A1 (zh) * | 2018-11-15 | 2020-05-22 | 平安科技(深圳)有限公司 | 基于用户偏好的众包任务推送方法及相关装置 |
CN111951041A (zh) * | 2020-07-20 | 2020-11-17 | 北京明略昭辉科技有限公司 | 一种广告投放方法、***及互联网服务*** |
CN112163614A (zh) * | 2020-09-24 | 2021-01-01 | 广州虎牙信息科技有限公司 | 一种主播分类方法、装置、电子设备及存储介质 |
-
2021
- 2021-01-18 CN CN202110062986.5A patent/CN113762695A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784424A (zh) * | 2017-06-26 | 2018-03-09 | 平安科技(深圳)有限公司 | 任务管理方法、装置、计算机设备及存储介质 |
CN108184144A (zh) * | 2017-12-27 | 2018-06-19 | 广州虎牙信息科技有限公司 | 一种直播方法、装置、存储介质及电子设备 |
CN110400027A (zh) * | 2018-04-20 | 2019-11-01 | 香港乐蜜有限公司 | 直播平台中主播的统计管理方法和装置 |
CN109359798A (zh) * | 2018-08-21 | 2019-02-19 | 平安科技(深圳)有限公司 | 任务分配方法、装置及存储介质 |
CN109472456A (zh) * | 2018-10-16 | 2019-03-15 | 平安国际融资租赁有限公司 | 任务分配方法、装置、计算机设备和存储介质 |
WO2020098251A1 (zh) * | 2018-11-15 | 2020-05-22 | 平安科技(深圳)有限公司 | 基于用户偏好的众包任务推送方法及相关装置 |
CN109872036A (zh) * | 2019-01-10 | 2019-06-11 | 平安科技(深圳)有限公司 | 基于分类算法的任务分配方法、装置及计算机设备 |
CN110766269A (zh) * | 2019-09-02 | 2020-02-07 | 平安科技(深圳)有限公司 | 一种任务分配方法、装置、可读存储介质及终端设备 |
CN111951041A (zh) * | 2020-07-20 | 2020-11-17 | 北京明略昭辉科技有限公司 | 一种广告投放方法、***及互联网服务*** |
CN112163614A (zh) * | 2020-09-24 | 2021-01-01 | 广州虎牙信息科技有限公司 | 一种主播分类方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751497B (zh) | 一种商品补货方法和装置 | |
CN110392899B (zh) | 用于模型生成的动态特征选择 | |
JP7121118B2 (ja) | 重み付けされた混合機械学習モデルを使用した需要予測 | |
Miao et al. | Context‐based dynamic pricing with online clustering | |
US11127032B2 (en) | Optimizing and predicting campaign attributes | |
CN112598472B (zh) | 产品推荐方法、装置、***、介质和程序产品 | |
JP2020047156A (ja) | 商品推薦装置及びプログラム | |
US20160117703A1 (en) | Large-Scale Customer-Product Relationship Mapping and Contact Scheduling | |
EP3779836A1 (en) | Device, method and program for making recommendations on the basis of customer attribute information | |
CN113763019A (zh) | 一种用户信息管理方法和装置 | |
CN114663015A (zh) | 补货方法和装置 | |
Apichottanakul et al. | Customer behaviour analysis based on buying-data sparsity for multi-category products in pork industry: A hybrid approach | |
JP6193817B2 (ja) | 需要予測装置およびプログラム | |
Göçken et al. | Characterizing continuous (s, S) policy with supplier selection using Simulation Optimization | |
CA2909957A1 (en) | Large-scale customer-product relationship mapping and contact scheduling | |
CN113780611A (zh) | 一种库存管理方法和装置 | |
US8473331B2 (en) | Computer-implemented systems and methods for determining future profitability | |
CN113744009A (zh) | 目标对象输出方法、装置、计算机可读介质及电子设备 | |
Chen et al. | Managing the personalized order-holding problem in online retailing | |
JP6276655B2 (ja) | 需要予測装置およびプログラム | |
US11276081B1 (en) | Targeted communication using order fulfillment logic | |
CN116029794A (zh) | 商品价格确定方法、装置、电子设备及存储介质 | |
CN113762695A (zh) | 一种任务单分配方法和装置 | |
CN110838019A (zh) | 确定试用品发放人群的方法和装置 | |
CN111401935B (zh) | 资源分配方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |