CN113886033A - 一种任务处理的方法及装置 - Google Patents

一种任务处理的方法及装置 Download PDF

Info

Publication number
CN113886033A
CN113886033A CN202111051827.1A CN202111051827A CN113886033A CN 113886033 A CN113886033 A CN 113886033A CN 202111051827 A CN202111051827 A CN 202111051827A CN 113886033 A CN113886033 A CN 113886033A
Authority
CN
China
Prior art keywords
task processing
user
processing mode
task
determining
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
Application number
CN202111051827.1A
Other languages
English (en)
Inventor
王喜
张振华
陈焜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202111051827.1A priority Critical patent/CN113886033A/zh
Publication of CN113886033A publication Critical patent/CN113886033A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G06F16/90348—Query processing by searching ordered data, e.g. alpha-numerically ordered data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/48—Indexing scheme relating to G06F9/48
    • G06F2209/483—Multiproc

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本说明书公开了一种任务处理的方法及装置，可以获取用户的用户相关信息以及各任务处理方式的处理方式信息，而后，可以确定用户对应的用户特征，以及针对每个任务处理方式，确定该任务处理方式的处理方式特征，并根据用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方的话术特点为用户任务处理后，用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率，根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为用户任务处理所采用的任务处理方式，作为目标任务处理方式，并为用户任务处理，从而提高用户的业务执行效率。

Description

一种任务处理的方法及装置
技术领域
本说明书涉及计算机技术领域，尤其涉及一种任务处理的方法及装置。
背景技术
随着信息技术的不断发展，业务平台可以向用户提供各种各样的业务，如推荐业务、借款业务等。
而在一种业务中，往往存在多个任务，业务平台需要将各任务通过多种任务处理方式进行任务处理，例如，业务平台可以通过业务员拨打语音通话的方式或互动式语音应答(Interactive Voice Response，IVR)语音通话的方式，来进行任务处理，通过不同业务员或是不同IVR进行任务处理可以视为通过不同的任务处理方式进行任务处理。在现有技术中，可以确定出与用户较为匹配的任务处理方式，为用户进行任务处理，但是有可能选取出的任务处理方式，不是最为准确的任务处理方式，使得为用户进行任务处理后，用户的业务执行效率较低。
所以，如何选取出最为准确的任务处理方式，提高用户的业务执行效率，则是一个亟待解决的问题。
发明内容
本说明书提供一种任务处理的方法及装置，以部分地解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种任务处理的方法，包括：
获取用户的用户相关信息以及各任务处理方式的处理方式信息，其中，不同任务处理方式对应不同处理方，针对每个任务处理方式，该任务处理方式对应的处理方式信息包括该任务处理方式对应的处理方的语音数据；
根据所述用户的用户相关信息，确定所述用户对应的用户特征，以及针对每个任务处理方式，根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征；
根据所述用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方的话术特点为所述用户进行任务处理后，所述用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率；
根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为所述用户任务处理所采用的任务处理方式，作为目标任务处理方式，并通过所述目标任务处理方式，为所述用户进行任务处理。
可选地，所述用户相关信息中包含所述用户的历史语音数据以及用户业务信息；
根据所述用户的用户相关信息，确定所述用户对应的用户特征，具体包括：
根据所述历史语音数据，确定所述用户对应的通话特征，以及根据所述用户业务信息，确定所述用户对应的业务特征，所述业务特征用于表征所述用户进行业务执行的特点，所述通话特征用于表征所述用户在语音通话时的通话特点；
根据所述通话特征以及所述业务特征，确定所述用户特征。
可选地，根据所述历史语音数据，确定所述用户对应的通话特征，具体包括：
针对所述历史语音数据进行文本转换，得到所述用户对应的语音通话内容；和/或
根据所述历史语音数据，确定所述用户的语音基本特征；和/或
根据所述历史语音数据，确定所述用户的语速相关信息；和/或
根据所述历史语音数据，确定所述用户的音量相关信息；
根据所述语音通话内容、所述语速相关信息、所述音量相关信息、所述语音基本特征中的至少一种，确定所述通话特征。
可选地，所述用户业务信息包括所述用户的画像信息、所述用户的历史行为信息中的至少一种，所述画像信息包括：用户的属性信息、任务相关信息中的至少一种，所述属性信息包括年龄、性别、所处地理位置、信用评分中的至少一种，所述任务相关信息包括所需处理的任务对应的业务资源量、所需处理的任务对应的延迟时长中的至少一种。
可选地，所述处理方式信息还包括语气标签，所述语气标签用于表示所述处理方式信息对应的处理方进行任务处理时的语气习惯；
根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征，具体包括：
根据该任务处理方式对应的语音数据以及所述语气标签，确定该任务处理方式对应的处理方式特征。
可选地，存在若干用户对应的任务需要进行任务处理；
根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为所述用户任务处理所采用的任务处理方式，作为目标任务处理方式，具体包括：
按照各任务处理方式对应的资源损耗值从小到大的顺序，对各任务处理方式进行排序，得到排序结果；
针对所述排序结果中的第N个任务处理方式，确定所述若干用户中除通过前N-1个任务处理方式进行任务处理的用户外的其他用户，并针对每个其他用户，根据预测出的通过第N个任务处理方式为该其他用户进行任务处理后，该其他用户的业务执行概率，判断是否通过所述第N个任务处理方式为该其他用户进行任务处理，若确定通过所述第N个任务处理方式为该其他用户进行任务处理，将所述第N个任务处理方式作为该其他用户对应的目标任务处理方式；
若确定不通过所述第N个任务处理方式为该其他用户进行任务处理，继续判断是否通过下一任务处理方式为该其他用户进行任务处理，直到确定出所述若干用户中全部用户对应的任务处理方式，N为正整数。
可选地，根据预测出的通过第N个任务处理方式为该其他用户进行任务处理后，该其他用户的业务执行概率，判断是否通过所述第N个任务处理方式为该其他用户进行任务处理，具体包括：
若确定该其他用户的业务执行概率在各其他用户的业务执行概率的排名不小于设定排名，确定通过所述第N个任务处理方式为该其他用户进行任务处理。
可选地，所述处理方包括虚拟业务员或实际业务员中的至少一种，所述处理方式信息包括任务处理方式对应的虚拟业务员类型；
所述方法还包括：
确定各虚拟业务员类型，并获取每个虚拟业务员类型对应的实际业务员的语音数据；
根据每个虚拟业务员类型对应的实际业务员的语音数据对待训练的语音生成模型进行训练，以使所述语音生成模型训练完成后，按照预设的虚拟业务员类型，输出所述预设的虚拟业务员类型对应的虚拟业务员的语音数据；
根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征，具体包括：
若该任务处理方式对应的处理方为虚拟业务员，根据所述语音生成模型生成的该任务处理方式对应的虚拟业务员类型的语音数据以及该任务处理方式对应的虚拟业务员类型，确定该任务处理方式的处理方式特征。
可选地，通过所述目标任务处理方式为所述用户进行任务处理，具体包括：
若所述目标任务处理方式对应的处理方为虚拟业务员，根据所述目标任务处理方式对应的虚拟业务员类型，通过所述语音生成模型，生成所述目标任务处理方式对应的语音数据，以及通过所述目标任务处理方式对应的语音通话数据，为所述用户进行任务处理。
本说明书提供了一种任务处理的装置，包括：
获取模块，用于获取用户的用户相关信息以及各任务处理方式的处理方式信息，其中，不同任务处理方式对应不同处理方，针对每个任务处理方式，该任务处理方式对应的处理方式信息包括该任务处理方式对应的处理方的语音数据；
确定模块，用于根据所述用户的用户相关信息，确定所述用户对应的用户特征，以及针对每个任务处理方式，根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征；
预测模块，用于根据所述用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方的话术特点为所述用户进行任务处理后，所述用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率；
处理模块，用于根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为所述用户任务处理所采用的任务处理方式，作为目标任务处理方式，并通过所述目标任务处理方式，为所述用户进行任务处理。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任务处理的方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任务处理的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的任务处理的方法及装置中，业务平台可以获取用户的用户相关信息以及各任务处理方式的处理方式信息，其中，不同任务处理方式对应不同处理方，针对每个任务处理方式，该任务处理方式对应的处理方式信息包括该任务处理方式对应的处理方的语音数据，而后，可以根据用户的用户相关信息，确定用户对应的用户特征，以及针对每个任务处理方式，根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征，并根据用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方的话术特点为用户任务处理后，用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率，根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为用户任务处理所采用的任务处理方式，作为目标任务处理方式，并通过目标任务处理方式，为用户任务处理。
从上述方法中可以看出，相比于现有技术，本方案可以通过任务处理方式下的处理方的语音数据，以及用户的用户相关信息，预测出按照处理方的话术特点为用户进行任务处理后用户进行业务执行的概率，并根据这个概率以及任务处理方式对应的资源损耗值来确定出适合用户的任务处理方式，从而，能够提高用户的业务执行效率，以及提高用户的业务执行概率，并且，还兼顾了各任务处理方式的成本。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中一种任务处理的方法的流程示意图；
图2为本说明书提供的一种确定业务特征的示意图；
图3为本说明书中一种任务处理的装置的示意图；
图4为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种任务处理的方法的流程示意图，具体包括以下步骤：
S101：获取用户的用户相关信息以及各任务处理方式的处理方式信息，其中，不同任务处理方式对应不同处理方，针对每个任务处理方式，该任务处理方式对应的处理方式信息包括该任务处理方式对应的处理方进行任务处理时的语音数据。
在实际应用中，业务平台可以向用户提供各种业务，如推荐业务、借贷业务等。在这些业务中，业务平台可以通过多种任务处理方式为用户进行任务处理，例如，对于推荐业务来说，可以存在有多个处理方，每个处理方在进行任务处理时的风格不同，因此，可以将通过不同处理方为用户进行推荐视为不同的推荐方式(即，任务处理方式)。对于借款业务来说，通常需要对未还款的用户进行催款，因此，对于借款业务来说，也可以通过多种催款方式(即，任务处理方式)对用户进行催款。那么，对于需要进行任务处理的用户(如需要进行推荐的用户、需要进行催款的用户)，则需要确定出为该用户进行任务处理的任务处理方式。
基于此，业务平台可以获取用户的用户相关信息以及各任务处理方式的处理方式信息，其中，不同任务处理方式可以对应不同处理方，针对每个任务处理方式，该任务处理方式对应的处理方式信息可以包括该任务处理方式对应的处理方式的语音数据，处理方可以是指进行任务处理的主体，即，由处理方进行任务处理。
这里提到的处理方可以包括实际业务员，也可以包括虚拟业务员，也就是说，可以通过真实的业务员进行任务处理，也可以将IVR形式的虚拟业务员作为，为用户进行任务处理的处理方(可以理解为该虚拟业务员为与用户自动进行通话的语音***)。因此，任务处理方式可以包括通过实际业务员进行任务处理的方式，也可以包括通过虚拟业务员进行任务处理的方式，对于虚拟业务员来说，也可以存在有多种在任务处理时话术特点不同的虚拟业务员，也就是说，不同虚拟业务员进行的语音对话，可以具备有不同的说话方式、音色、语气等，因此，通过不同虚拟业务员进行任务处理可以作为不同任务处理方式。实际业务员不同，或虚拟业务员不同，均可以视为不同的任务处理方式。
其中，用户相关信息中可以包括用户的历史语音数据以及用户业务信息，该历史语音数据可以是指在历史上为用户进行任务处理时与该用户进行语音通话所得到的该用户的语音数据，用户业务信息可以是指通过用户在业务平台中所执行过的业务所整合出的信息，用户业务信息中可以包含用户的画像信息、以及用户的历史行为信息。
上述提供的用户的画像信息可以有多种，例如，用户的年龄、性别、所处地理位置、信用评分等属性信息，再例如，此次所需处理的任务的业务资源量、此次任务对应的延迟时长、历史逾期次数等与此次任务相关的任务相关信息，再例如，用户历史执行消费业务的次数、消费业务对应的类型、平均消耗的业务资源量等消费信息。
当然，若需要处理的任务不同，则相应的画像信息也可以有所不同，例如，对于上述借款业务来说，此次所需处理的任务的业务资源量可以是指用户的借款金额，此次任务对应的延迟时长可以是指用户的欠款时长，平均消耗的业务资源量可以是指平均消费的金额。再例如，对于上述推荐业务来说，此次所需处理的任务的业务资源量可以是指推荐的商品的金额、此次任务对应的延迟时长可以是指距离上次向用户进行推荐的时长，平均消耗的业务资源量也可以是指用户平均消费的金额。
S102：根据所述用户的用户相关信息，确定所述用户对应的用户特征，以及针对每个任务处理方式，根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征。
S103：根据所述用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方的话术特点为所述用户进行任务处理后，所述用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率。
业务平台获取到用户相关信息以及各任务处理方式对应的处理方式信息后，可以根据用户相关信息确定出用户特征，以及针对每个任务处理方式，确定该任务处理方式的处理方式特征，并根据该用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方式的话术特点为该用户处理任务后，该用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率。
也就是说，业务平台可以分别针对用户以及任务处理方式进行特征提取，并根据提取出的用户特征以及处理方式特征，来预测通过某个任务处理方式为用户进行任务处理后，用户进行业务执行的概率，例如，对于推荐业务来说，可以预测出通过一个推荐方式来对用户进行推荐后，用户进行购买的概率，再例如，对于借款业务来说，可以预测出通过一个催款方式来进行催款后，用户进行还款的概率。
由于处理方式信息中包含了处理方的语音数据，因此，处理方式特征可以表征出处理方的话术特点，也就是说，上述针对用户预测出一个任务处理方式对应的业务执行概率，可以在一定程度上表示出该任务处理方式中的处理方所使用的话术特点适合该用户的程度，在确定出该任务处理方式对应处理方式特征时，还可以确定出该处理方式对应的语气标签，该语气标签可以用于表示该处理方式信息对应的处理方进行任务处理时的语气习惯。
也就是说，该语气标签可以用于表示处理方在语音通话时的语气，例如，该处理方的语气为“严肃”、“温柔”或“强硬”等。因此，处理方式特征可以通过语音数据以及语气标签来共同确定出，其中，对该语音数据进行特征提取的方式可以和对用户的历史语音数据进行特征提取的方式相同，即，可以确定出该语音数据的基本语音特征，也可以确定出该语音数据对应的通话内容、语速相关信息、音量相关信息等，确定出该该语音数据对应的特征，并通过该语音数据对应的特征，来确定出处理方式特征。
这里提到的语速相关信息可以用于表示用户(或处理方)的语速，例如，该语速相关信息中可以包括最大语速、最小语速、平均语速、语速的方差等，这里提到的音量相关信息(或处理方)可以用于表示用户的音量，例如，该音量相关信息中可以包括最大音量、最小音量、平均音量、音量的方差等。
需要说明的是，在上述内容提到了用户相关信息中可以包括用户的历史语音数据以及用户业务信息，因此，用户特征中可以融合有多种信息所对应的特征，例如，可以通过历史语音数据，确定出该用户的通话特征，以及根据该用户业务信息，确定出该用户的业务特征，并根据该业务特征以及通话特征，来确定出用户特征。
在确定出该用户的通话特征时，可以仅通过该历史语音数据进行特征提取，得到该用户语音基本特征(如，梅尔频谱特征(Mel-frequency Cepstral Coefficients，MFCC)、频谱图特征、i-vector特征、声强特征等)，并将该语音基本特征作为通话特征，当然，也可以对该历史语音数据进行一定分析后，再结合分析后的数据得到该通话特征，例如，可以根据该历史语音数据，确定出用户的语速相关信息、音量相关信息，以及针对该历史语音数据进行文本转换，得到该用户对应的语音通话内容。因此，业务平台可以根据该语速相关信息、音量相关信息、语音通话内容、语音基本特征等，确定该用户的通话特征。
需要说明的是，在确定出该用户的通话特征时，可以对该历史语音数据进行分片处理，再通过分片处理后的每个分片语音，确定出该通话特征，即，可以将原始的历史语音数据分为多个语音片段，再确定出每个语音片段对应的特征，并将各语音片段对应的特征进行融合，得到通话特征，
在上述内容中提到过，用户业务信息中包含有多种维度的信息，如画像信息、历史行为信息等，因此，业务特征中也融合有多种维度的特征，如图2所示。
图2为本说明书中提供的一种确定业务特征的示意图。
从图2中可以看出，业务平台可以通过画像信息确定出画像特征，以及通过历史行为信息，确定出用户的行为特征，并将行为特征以及画像特征进行熔融合，得到业务特征，其中，画像特征可以表征出用户执行业务的能力，行为特征可以表征用户使用业务平台的行为的特点。该历史行为信息可以包括用户打开业务平台对应的应用(Application，App)的次数、频率、用户在业务平台中所打开的历史页面等。
S104：根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为所述用户任务处理所采用的任务处理方式，作为目标任务处理方式，并通过所述目标任务处理方式，为所述用户进行任务处理。
确定出各任务处理方式对应的业务执行概率后，可以根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为该用户任务处理所采用的任务处理方式，作为目标任务处理方式，并通过该目标任务处理方式，为该用户进行任务业务。
例如，可以针对每个任务处理方式，确定出该任务处理方式对应的业务执行概率与任务处理方式对应的资源损耗值之间的比值，并将比值最大的任务处理方式，作为目标任务处理方式。当然，这一例子是以为一个用户确定任务处理方式为例进行说明，但在实际应用中，通常需要为多个用户对应的任务确定出任务处理方式，那么为了提高确定出各用户的任务处理方式的效率，则可以批量确定出各用户对应的任务处理方式。这里提到的资源损耗值可以是指使用一个任务处理方式进行一次任务处理所需要耗费的资源(如成本、计算资源等)。
因此，若存在若干用户对应的任务需要进行任务处理，则业务平台可以按照各任务处理方式对应的资源损耗值从小到大的顺序，对各任务处理方式进行排序，得到排序结果，并针对该排序结果中的第N个任务处理方式，确定若干用户中除通过前N-1个任务处理方式进行任务处理的用户外的其他用户，并针对每个其他用户，根据预测出的通过第N个任务处理方式为该其他用户进行任务处理后，该其他用户的业务执行概率，判断是否通过第N个任务处理方式为该其他用户进行任务处理，若确定通过第N个任务处理方式为该其他用户进行任务处理，则可以将第N个任务处理方式作为该其他用户对应的目标任务处理方式，若确定不通过第N个任务处理方式为该其他用户进行任务处理，则可以继续判断是否通过下一任务处理方式为该其他用户进行任务处理，直到确定出上述若干用户中全部用户对应的任务处理方式。
也就是说，上述方式可以先将各任务处理方式按照资源损耗值(如成本)从小到大进行排序，从排在第一个的任务处理方式(即资源损耗值最低的任务处理方式)开始，确定出将分配该任务处理方式的用户，即，确定出该任务处理方式为目标任务处理方式的用户，并确定出剩余未确定出任务处理方式的用户，然后轮到排在第二位的任务处理方式，并确定出剩余的用户中通过该任务处理方式进行任务处理的用户，以此类推，可以确定出每个任务处理方式下的用户。
在确定将一个任务处理方式分配给哪些用户时(以第N个任务处理方式为例)，可以针对每个除通过前N-1个任务处理方式进行任务处理的用户外的其他用户，若确定该其他用户的业务执行概率在各其他用户的业务执行概率的排名不小于设定排名，则可以确定通过第N个任务处理方式为该其他用户进行任务处理。也就是说，若该其他用户的业务执行概率较高(高于设定比例的其他用户的业务执行概率)，则可以将该第N个任务处理方式，作为该其他用户的目标任务处理方式，当然，也可以通过其他方式判断是否将该第N个任务处理方式分配给该其他用户，例如，若确定该其他用户的业务执行概率高于设定数值，则可以确定通过该第N个任务处理方式为该其他用户进行任务处理，其中，设定数值以及设定排名均可以预先进行设定。
在上述内容中，也可以根据任务处理方式的任务完成率(或任务完成率以及资源损耗值共同)来对各任务处理方式进行排序，也可以按照任务完成率从小到大的顺序来进行排序，该任务完成率是指一个任务处理方式进行任务处理后用户平均进行业务执行的概率，可以用来衡量任务处理方式的任务处理能力，进行排序后，依次按照排序结果中任务处理方式的顺序，通过上述方式为各用户确定出任务处理方式。
需要说明的是，由于本说明书中的处理方可以是虚拟业务员，因此，可以预先确定出各虚拟业务员类型，并确定出每个虚拟业务员类型对应的实际业务员的语音数据，以及根据每个虚拟业务员类型对应的实际业务员的语音数据，对待训练的语音生成模型进行训练，以使语音生成模型训练完成后，按照预设的虚拟业务员类型，输出该预设的业务员类型对应的业务员的语音数据。
这里提到的虚拟业务员类型可以表示出虚拟业务员的音色、语气、话术等，例如，虚拟业务员类型A可以是“音色甜美、语气温柔、在语术上体现出比较平和的态度”，虚拟业务员类型B可以是“音色低沉、语气严肃、在话术上体现出比较强硬的态度”，不同虚拟业务员类型所生成的语音数据能够体现出不同虚拟业务员类型的虚拟业务员在任务处理时应有的任务处理特点。
不同任务处理方式的虚拟业务员的虚拟业务员类型不同，因此，上述语音生成模型也可以存在多个(当然，也可以仅通过一个语音生成模型来生成多个虚拟业务员类型的语音数据)，即，每个语音生成模型用于生成一种虚拟业务员类型的语音数据。那么，由于虚拟业务员的语音数据是由语音生成模型自动生成的，则业务平台在确定出一种任务处理方式对应的处理方式特征时，可以根据上述语音生成模型历史上生成的该任务处理方式对应的虚拟业务员类型的语音数据，确定该任务处理方式的处理方式特征。
并且，在确定一个用户的目标任务处理方式后，根据该目标任务处理方式对为该用户进行任务处理的同时，可以根据该目标任务处理方式对应的虚拟业务员类型，通过语音生成模型，生成目标任务处理方式对应的语音数据，以及通过该语音数据，为该用户进行任务处理，其中，在进行任务处理时，可以通过上述语音生成模型，按照该目标任务处理方式对应的虚拟业务员的虚拟业务员类型下的话术特点，生成相应的语音数据，并且，需要按照用户的回复，通过该语音生成模型实时生成相应的回复语音。
从上述方法中可以看出，业务平台可以通过任务处理方式下的处理方的语音数据，以及用户的用户相关信息，预测出按照处理方的话术特点为用户进行任务处理后用户进行业务执行的概率，并根据这个概率以及任务处理方式对应的资源损耗值来确定出适合用户的任务处理方式，从而，能够提高用户的业务执行效率，或是提高用户的业务执行概率，并且，还兼顾了任务处理方式的成本。
以上为本说明书的一个或多个实施例提供的任务处理的方法，基于同样的思路，本说明书还提供了相应的任务处理的装置，如图3所示。
图3为本说明书提供的一种任务处理的装置的示意图，具体包括：
获取模块301，用于获取用户的用户相关信息以及各任务处理方式的处理方式信息，其中，不同任务处理方式对应不同处理方，针对每个任务处理方式，该任务处理方式对应的处理方式信息包括该任务处理方式对应的处理方的语音数据；
确定模块302，用于根据所述用户的用户相关信息，确定所述用户对应的用户特征，以及针对每个任务处理方式，根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征；
预测模块303，用于根据所述用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方的话术特点为所述用户进行任务处理后，所述用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率；
处理模块304，用于根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为所述用户任务处理所采用的任务处理方式，作为目标任务处理方式，并通过所述目标任务处理方式，为所述用户进行任务处理。
可选地，所述用户相关信息中包含所述用户的历史语音数据以及用户业务信息；
所述确定模块302具体用于，根据所述历史语音数据，确定所述用户对应的通话特征，以及根据所述用户业务信息，确定所述用户对应的业务特征，所述业务特征用于表征所述用户进行业务执行的特点，所述通话特征用于表征所述用户在语音通话时的通话特点；根据所述通话特征以及所述业务特征，确定所述用户特征。
可选地，所述确定模块302具体用于，针对所述历史语音数据进行文本转换，得到所述用户对应的语音通话内容；和/或根据所述历史语音数据，确定所述用户的语音基本特征；和/或根据所述历史语音数据，确定所述用户的语速相关信息；和/或根据所述历史语音数据，确定所述用户的音量相关信息；根据所述语音通话内容、所述语速相关信息、所述音量相关信息、所述语音基本特征中的至少一种，确定所述通话特征。
可选地，所述用户业务信息包括所述用户的画像信息、所述用户的历史行为信息中的至少一种，所述画像信息包括：用户的属性信息、任务相关信息中的至少一种，所述属性信息包括年龄、性别、所处地理位置、信用评分中的至少一种，所述任务相关信息包括所需处理的任务的业务资源量、所需处理的任务对应的延迟时长中的至少一种。
可选地，所述处理方式信息还包括语气标签，所述语气标签用于表示所述处理方式信息对应的处理方进行任务处理时的语气习惯；
所述确定模块302具体用于，根据该任务处理方式对应的语音数据以及所述语气标签，确定该任务处理方式对应的处理方式特征。
可选地，存在若干用户对应的任务需要进行任务处理；所述处理模块304具体用于，按照各任务处理方式对应的资源损耗值从小到大的顺序，对各任务处理方式进行排序，得到排序结果；针对所述排序结果中的第N个任务处理方式，确定所述若干用户中除通过前N-1个任务处理方式进行任务处理的用户外的其他用户，并针对每个其他用户，根据预测出的通过第N个任务处理方式为该其他用户进行任务处理后，该其他用户的业务执行概率，判断是否通过所述第N个任务处理方式为该其他用户进行任务处理，若确定通过所述第N个任务处理方式为该其他用户进行任务处理，将所述第N个任务处理方式作为该其他用户对应的目标任务处理方式；若确定不通过所述第N个任务处理方式为该其他用户进行任务处理，继续判断是否通过下一任务处理方式为该其他用户进行任务处理，直到确定出所述若干用户中全部用户对应的任务处理方式，N为正整数。
可选地，所述处理模块304具体用于，若确定该其他用户的业务执行概率在各其他用户的业务执行概率的排名不小于设定排名，确定通过所述第N个任务处理方式为该其他用户进行任务处理。
可选地，所述处理方包括虚拟业务员或实际业务员中的至少一种，所述处理方式信息包括任务处理方式对应的虚拟业务员类型；所述装置还包括：
训练模块305，用于确定各虚拟业务员类型，并获取每个虚拟业务员类型对应的实际业务员的语音数据；根据每个虚拟业务员类型对应的实际业务员的语音数据对待训练的语音生成模型进行训练，以使所述语音生成模型训练完成后，按照预设的虚拟业务员类型，输出所述预设的虚拟业务员类型对应的虚拟业务员的语音数据；所述确定模块302具体用于，若该任务处理方式对应的处理方为虚拟业务员，根据所述语音生成模型生成的该任务处理方式对应的虚拟业务员类型的语音数据以及该任务处理方式对应的虚拟业务员类型，确定该任务处理方式的处理方式特征。
可选地，所述处理模块304具体用于，若所述目标任务处理方式对应的业务员为虚拟业务员，根据所述目标任务处理方式对应的虚拟业务员类型，通过所述语音生成模型，生成所述目标任务处理方式对应的语音数据，以及通过所述目标任务处理方式对应的语音数据，为所述用户进行任务处理。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1所示的任务处理的方法。
本说明书还提供了图4所示的电子设备的示意结构图。如图4所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的任务处理的方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、***或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (12)

1.一种任务处理的方法，其特征在于，包括：
获取用户的用户相关信息以及各任务处理方式的处理方式信息，其中，不同任务处理方式对应不同处理方，针对每个任务处理方式，该任务处理方式对应的处理方式信息包括该任务处理方式对应的处理方进行任务处理时的语音数据；
根据所述用户的用户相关信息，确定所述用户对应的用户特征，以及针对每个任务处理方式，根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征；
根据所述用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方的话术特点为所述用户进行任务处理后，所述用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率；
根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为所述用户任务处理所采用的任务处理方式，作为目标任务处理方式，并通过所述目标任务处理方式，为所述用户进行任务处理。
2.如权利要求1所述的方法，其特征在于，所述用户相关信息中包含所述用户的历史语音数据以及用户业务信息；
根据所述用户的用户相关信息，确定所述用户对应的用户特征，具体包括：
根据所述历史语音数据，确定所述用户对应的通话特征，以及根据所述用户业务信息，确定所述用户对应的业务特征，所述业务特征用于表征所述用户进行业务执行的特点，所述通话特征用于表征所述用户在语音通话时的通话特点；
根据所述通话特征以及所述业务特征，确定所述用户特征。
3.如权利要求2所述的方法，其特征在于，根据所述历史语音数据，确定所述用户对应的通话特征，具体包括：
针对所述历史语音数据进行文本转换，得到所述用户对应的语音通话内容；和/或
根据所述历史语音数据，确定所述用户的语音基本特征；和/或
根据所述历史语音数据，确定所述用户的语速相关信息；和/或
根据所述历史语音数据，确定所述用户的音量相关信息；
根据所述语音通话内容、所述语速相关信息、所述音量相关信息、所述语音基本特征中的至少一种，确定所述通话特征。
4.如权利要求2所述的方法，其特征在于，所述用户业务信息包括所述用户的画像信息、所述用户的历史行为信息中的至少一种，所述画像信息包括：用户的属性信息、任务相关信息中的至少一种，所述属性信息包括年龄、性别、所处地理位置、信用评分中的至少一种，所述任务相关信息包括所需处理的任务对应的业务资源量、所需处理的任务对应的延迟时长中的至少一种。
5.如权利要求1所述的方法，其特征在于，所述处理方式信息还包括语气标签，所述语气标签用于表示所述处理方式信息对应的处理方进行任务处理时的语气习惯；
根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征，具体包括：
根据该任务处理方式对应的语音数据以及所述语气标签，确定该任务处理方式对应的处理方式特征。
6.如权利要求1所述的方法，其特征在于，存在若干用户对应的任务需要进行任务处理；
根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为所述用户任务处理所采用的任务处理方式，作为目标任务处理方式，具体包括：
按照各任务处理方式对应的资源损耗值从小到大的顺序，对各任务处理方式进行排序，得到排序结果；
针对所述排序结果中的第N个任务处理方式，确定所述若干用户中除通过前N-1个任务处理方式进行任务处理的用户外的其他用户，并针对每个其他用户，根据预测出的通过第N个任务处理方式为该其他用户进行任务处理后，该其他用户的业务执行概率，判断是否通过所述第N个任务处理方式为该其他用户进行任务处理，若确定通过所述第N个任务处理方式为该其他用户进行任务处理，将所述第N个任务处理方式作为该其他用户对应的目标任务处理方式；
若确定不通过所述第N个任务处理方式为该其他用户进行任务处理，继续判断是否通过下一任务处理方式为该其他用户进行任务处理，直到确定出所述若干用户中全部用户对应的任务处理方式，N为正整数。
7.如权利要求6所述的方法，其特征在于，根据预测出的通过第N个任务处理方式为该其他用户进行任务处理后，该其他用户的业务执行概率，判断是否通过所述第N个任务处理方式为该其他用户进行任务处理，具体包括：
若确定该其他用户的业务执行概率在各其他用户的业务执行概率的排名不小于设定排名，确定通过所述第N个任务处理方式为该其他用户进行任务处理。
8.如权利要求1所述的方法，其特征在于，所述处理方包括虚拟业务员或实际业务员中的至少一种，所述处理方式信息包括任务处理方式对应的虚拟业务员类型；
所述方法还包括：
确定各虚拟业务员类型，并获取每个虚拟业务员类型对应的实际业务员的语音数据；
根据每个虚拟业务员类型对应的实际业务员的语音数据对待训练的语音生成模型进行训练，以使所述语音生成模型训练完成后，按照预设的虚拟业务员类型，输出所述预设的虚拟业务员类型对应的虚拟业务员的语音数据；
根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征，具体包括：
若该任务处理方式对应的处理方为虚拟业务员，根据所述语音生成模型生成的该任务处理方式对应的虚拟业务员类型的语音数据以及该任务处理方式对应的虚拟业务员类型，确定该任务处理方式的处理方式特征。
9.如权利要求8所述的方法，其特征在于，通过所述目标任务处理方式，为所述用户进行任务处理，具体包括：
若所述目标任务处理方式对应的处理方为虚拟业务员，根据所述目标任务处理方式对应的虚拟业务员类型，通过所述语音生成模型，生成所述目标任务处理方式对应的语音数据，以及通过所述目标任务处理方式对应的语音通话数据，为所述用户进行任务处理。
10.一种任务处理的装置，其特征在于，包括：
获取模块，用于获取用户的用户相关信息以及各任务处理方式的处理方式信息，其中，不同任务处理方式对应不同处理方，针对每个任务处理方式，该任务处理方式对应的处理方式信息包括该任务处理方式对应的处理方的语音数据；
确定模块，用于根据所述用户的用户相关信息，确定所述用户对应的用户特征，以及针对每个任务处理方式，根据该任务处理方式的处理方式信息，确定该任务处理方式的处理方式特征；
预测模块，用于根据所述用户特征以及该任务处理方式对应的处理方式特征，预测基于该任务处理方式对应的处理方的话术特点为所述用户进行任务处理后，所述用户能够执行业务的概率，作为该任务处理方式对应的业务执行概率；
处理模块，用于根据各任务处理方式对应的业务执行概率以及各任务处理方式对应的资源损耗值，确定为所述用户任务处理所采用的任务处理方式，作为目标任务处理方式，并通过所述目标任务处理方式，为所述用户进行任务处理。
11.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～9任一项所述的方法。
12.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～9任一项所述的方法。
CN202111051827.1A 2021-09-08 2021-09-08 一种任务处理的方法及装置 Pending CN113886033A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111051827.1A CN113886033A (zh) 2021-09-08 2021-09-08 一种任务处理的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111051827.1A CN113886033A (zh) 2021-09-08 2021-09-08 一种任务处理的方法及装置

Publications (1)

Publication Number Publication Date
CN113886033A true CN113886033A (zh) 2022-01-04

Family

ID=79008805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111051827.1A Pending CN113886033A (zh) 2021-09-08 2021-09-08 一种任务处理的方法及装置

Country Status (1)

Country Link
CN (1) CN113886033A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114661450A (zh) * 2022-05-26 2022-06-24 南京云信达科技有限公司 基于时间序列学习和预测的备份***任务调度方法及***
CN116663853A (zh) * 2023-07-24 2023-08-29 太平金融科技服务（上海）有限公司 任务分派方法、装置、计算机设备和存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114661450A (zh) * 2022-05-26 2022-06-24 南京云信达科技有限公司 基于时间序列学习和预测的备份***任务调度方法及***
CN116663853A (zh) * 2023-07-24 2023-08-29 太平金融科技服务（上海）有限公司 任务分派方法、装置、计算机设备和存储介质
CN116663853B (zh) * 2023-07-24 2023-10-24 太平金融科技服务（上海）有限公司 任务分派方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN110674408B (zh) 业务平台、训练样本的实时生成方法及装置
CN113688313A (zh) 一种预测模型的训练方法、信息推送的方法及装置
WO2024114374A1 (zh) 服务处理方法及装置
CN113641896A (zh) 一种模型训练以及推荐概率预测方法及装置
CN113886033A (zh) 一种任务处理的方法及装置
CN110390182B (zh) 一种确定小程序类目的方法、***及设备
CN112966186A (zh) 一种模型训练和信息推荐的方法及装置
CN112733024A (zh) 一种信息推荐的方法及装置
CN108920183B (zh) 一种业务决策方法、装置及设备
CN113079201B (zh) 一种信息的处理***、方法、装置及设备
CN115048577A (zh) 一种模型训练方法、装置、设备及存储介质
CN112966577B (zh) 一种模型训练以及信息提供的方法及装置
CN113222649A (zh) 一种业务执行方式的推荐方法以及装置
CN110738562B (zh) 一种风险提醒信息的生成方法、装置及设备
CN112633891A (zh) 一种业务执行方式的推荐方法及装置
CN115660105A (zh) 一种模型训练的方法、业务风控的方法及装置
CN113344078B (zh) 一种模型训练的方法及装置
CN113344590A (zh) 一种模型训练以及投诉率预估的方法及装置
CN111241395B (zh) 认证服务的推荐方法及装置
CN109903165B (zh) 一种模型合并方法和装置
CN111400632B (zh) 一种评论信息展示方法、装置、设备及介质
CN114116816A (zh) 一种推荐方法及装置
CN111160973A (zh) 广告推送方法及装置
CN112418975A (zh) 一种业务处理***、确定业务处理方式的方法及装置
CN112579292A (zh) 一种资源分配的方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication