CN118037007A - 案件最优分配方法、装置、设备及存储介质 - Google Patents
案件最优分配方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118037007A CN118037007A CN202410430695.0A CN202410430695A CN118037007A CN 118037007 A CN118037007 A CN 118037007A CN 202410430695 A CN202410430695 A CN 202410430695A CN 118037007 A CN118037007 A CN 118037007A
- Authority
- CN
- China
- Prior art keywords
- case
- matched
- personnel
- capability
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 13
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000021018 plums Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种案件最优分配方法、装置、设备及存储介质,该方法包括:获取待分配案件需要的能力标签集合和待匹配人员集合;确定每种案件类型所匹配的能力标签候选集,生成每种案件类型所匹配的能力标签的案件特征值;确定每个待匹配人员对应的能力标签的人员特征值,计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离;确定案件匹配隶属度,确定每种案件类型的最优匹配人员。本发明通过案件特征值和人员特征值,使用欧式距离确定待匹配人员的匹配程度、使用隶属度计算隶属度,确定初选匹配人员、使用加权求和评估出最优人选,将案件分配更改为定量指标,进行个性化及自主性的评判,更合理的确定案件最优分配。
Description
技术领域
本发明涉及城市管理案件分配技术领域,尤其涉及到一种案件最优分配方法、装置、设备及存储介质。
背景技术
在城市治理中,若收到城市管理事件的处理案件,需要派遣对应的处理人员前往对应位置进行城市管理事件处理
传统的案件分配是指通过人力资源手工操作来进行。在这种模式下,城市管理工作由政府和其他相关部门的工作人员负责。尽管传统人工综合管理在过去起到了一定作用,但也存在一些问题。例如,人工案件分配很难充分考虑到每个处理者的工作负载和能力,导致部分人员可能负担过重而导致效率低下,同时分配时易受到人员主观意识和个人偏好的影响,导致分配不合理,因此需要更高效、准确的分配方法来应对。
因此,如何提供更高效、合理、准确的城市管理案件分配方法,是一个亟需解决的技术问题。
发明内容
本发明的主要目的在于提供一种案件最优分配方法、装置、设备及存储介质,旨在解决目前城市管理案件分配的效率与准确性不高的技术问题。
为实现上述目的,本发明提供一种案件最优分配方法,包括以下步骤:
获取待分配案件需要的能力标签集合和待匹配人员集合;
基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集,并生成每种案件类型所匹配的能力标签的案件特征值;
基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,并计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离;
基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,并根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员。
可选的,所述能力标签集合为A={A1,A2,A3,A4},A1为专业能力,A2为沟通协调能力,A3为案件处置能力,A4为态度;其中,A1={u1,u2},A2={u3,u4},A3={u5,u6,u7},A4={u8,u9,u10},u1为法律知识,u2为业务能力,u3为协调能力,u4为沟通能力,u5为调查取证能力,u6为决策能力,u7为应急处置能力,u8为责任心,u9为团队合作,u10为抗压能力。
可选的,基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集步骤,具体包括:
在历史案件数据库中获取每种案件类型的若干个历史案件信息;其中,所述历史案件信息包括案件描述摘要,所述案件描述摘要包括案件缘由描述信息和案件解决描述信息;
提取所述案件缘由描述信息和所述案件解决描述信息中的关键词,根据所述关键词与不同能力标签的关联性,确定每个历史案件信息所匹配的能力标签;将每种案件类型的若干个历史案件信息所匹配的全部能力标签作为每种案件类型的能力标签候选集。
可选的,生成每种案件类型所匹配的能力标签的案件特征值步骤,具体包括:
将每种案件类型中每个历史案件信息所匹配的能力标签分别发送至特征值评估端,由特征值评估端根据所有历史案件中每种案件类型所匹配的能力表标签的数量总和的比例,来确定每种案件类型所匹配的能力标签候选集中每个能力标签的案件特征值的比例;
根据所述案件特征值的比例和案件特征值的分制,确定每种案件类型所匹配的能力标签候选集中每个能力标签的案件特征值。
可选的,基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值步骤,具体包括:
将所述待匹配人员集合发送至特征值评估端,由特征值评估端根据所有历史案件中每个待匹配人员处理不同案件类型时的耗时比例,来确定每个待匹配人员所对应案件类型的能力标签的人员特征值的比例;
根据所述人员特征值的比例和人员特征值的分制,确定每个待匹配人员所对应的能力标签的人员特征值。
可选的,计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离步骤,具体包括:
欧氏距离的表达式,具体为:
;
其中,表示人员特征点与每个聚类中心之间的距离;/>表示待匹配人员的人员特征值;/>表示案件特征值;/>表示案件需要匹配的能力标签个数。
可选的,基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,具体包括:
案件匹配隶属度的表达式,具体为:
;
其中,u表示待匹配人员的集合中的任意一个因素;表示u相对于/>的隶属函数;/>表示人员特征点与每个聚类中心之间的距离;/>表示案件需要匹配的能力标签个数;
根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员步骤,具体包括:计算案件匹配隶属度排名前N名待匹配人员针对目标案件类型的人员特征值加权和,将加权和最高的待匹配人员作为最优匹配人员;
针对目标案件类型的人员特征值加权和的表达式,具体为:
;
其中,S为目标案件类型的人员特征值加权和,为目标案件类型中每种人员特征值的需求权重。
此外,为了实现上述目的,本发明还提供了一种案件最优分配装置,包括:
获取模块,用于获取待分配案件需要的能力标签集合和待匹配人员集合;
生成模块,用于基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集,并生成每种案件类型所匹配的能力标签的案件特征值;
其中,基于所述能力标签集合,确定每种案件类型所匹配的能力标签,具体包括:获取历史案件信息;其中,所述历史案件信息包括案件描述摘要,所述案件描述摘要包括案件缘由描述信息和案件解决描述信息;提取所述案件缘由描述信息和所述案件解决描述信息中的关键词,根据所述关键词与不同能力标签的关联性,确定每种案件类型所匹配的能力标签;
其中,生成每种案件类型所匹配的能力标签的案件特征值,具体包括:将每种案件类型所匹配的能力标签发送至特征值评估端,由特征值评估端根据所有历史案件中每种案件类型所匹配的能力表标签的数量总和的比例,来确定每种案件类型所匹配的能力标签的案件特征值的比例;根据所述案件特征值的比例和案件特征值的分制,确定每种案件类型所匹配的能力标签的案件特征值;
计算模块,用于基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,并计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离;
其中,基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,具体包括:将所述待匹配人员集合发送至特征值评估端,由特征值评估端根据所有历史案件中每个待匹配人员处理不同案件类型时的耗时比例,来确定每个待匹配人员所对应案件类型的能力标签的人员特征值的比例;根据所述人员特征值的比例和人员特征值的分制,确定每个待匹配人员所对应的能力标签的人员特征值;
确定模块,用于基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,并根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员。
此外,为了实现上述目的,本发明还提供了一种案件最优分配设备,所述案件最优分配设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的案件最优分配程序,所述案件最优分配程序被所述处理器执行时实现如上所述的案件最优分配方法的步骤。
此外,为了实现上述目的,本发明还提供了一种存储介质,所述存储介质上存储有案件最优分配程序,所述案件最优分配程序被处理器执行时实现上述的案件最优分配方法的步骤。
本发明的有益效果在于:提出了一种案件最优分配方法、装置、设备及存储介质,通过案件特征值和人员特征值,使用欧式距离计算公式确定待匹配人员的匹配程度、使用隶属度计算公式计算隶属度,确定初选匹配人员、使用加权求和评估出最优人选,通过该方法能够将案件分配更改为定量指标,进行个性化及自主性的评判,更合理的确定案件最优分配。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明案件最优分配方法实施例的流程示意图;
图3为本发明具体应用中计算的隶属度排名;
图4为本发明实施例中一种案件最优分配装置的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。
如图1所示,该装置可以包括:处理器1001,例如CPU,通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的装置的结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及案件最优分配程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的案件最优分配程序,并执行以下操作:
获取待分配案件需要的能力标签集合和待匹配人员集合;
基于所述能力标签集合,确定每种案件类型所匹配的能力标签,并生成每种案件类型所匹配的能力标签的案件特征值;
基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,并计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离;
基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,并根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员。
本发明应用于装置的具体实施例与下述应用案件最优分配方法的各实施例基本相同,在此不作赘述。
本发明实施例提供了一种案件最优分配方法,参照图2,图2为本发明案件最优分配方法实施例的流程示意图。
本实施例中,所述案件最优分配方法,包括以下步骤:
S100:获取待分配案件需要的能力标签集合和待匹配人员集合;
S200:基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集,并生成每种案件类型所匹配的能力标签的案件特征值;
S300:基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,并计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离;
S400:基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,并根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员。
需要说明的是,传统的案件分配是指通过人力资源手工操作来进行。在这种模式下,城市管理工作由政府和其他相关部门的工作人员负责。尽管传统人工综合管理在过去起到了一定作用,但也存在一些问题。例如,人工案件分配很难充分考虑到每个处理者的工作负载和能力,导致部分人员可能负担过重而导致效率低下,同时分配时易受到人员主观意识和个人偏好的影响,导致分配不合理,因此需要更高效、准确的分配方法来应对。
为了解决上述问题,本实施例通过提取案件特征值和人员特征值,使用欧式距离计算公式确定待匹配人员的匹配程度、使用隶属度计算公式计算隶属度,确定初选匹配人员、使用加权求和评估出最优人选,通过该方法能够将案件分配更改为定量指标,进行个性化及自主性的评判,更合理的确定案件最优分配。
在优选的实施例中,所述能力标签集合为A={A1,A2,A3,A4},A1为专业能力,A2为沟通协调能力,A3为案件处置能力,A4为态度;其中,A1={u1,u2},A2={u3,u4},A3={u5,u6,u7},A4={u8,u9,u10},u1为法律知识,u2为业务能力,u3为协调能力,u4为沟通能力,u5为调查取证能力,u6为决策能力,u7为应急处置能力,u8为责任心,u9为团队合作,u10为抗压能力。其中,能力标签集合如下表所示。
表1:能力标签集合
在优选的实施例中,基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集步骤,具体包括:在历史案件数据库中获取每种案件类型的若干个历史案件信息;其中,所述历史案件信息包括案件描述摘要,所述案件描述摘要包括案件缘由描述信息和案件解决描述信息;提取所述案件缘由描述信息和所述案件解决描述信息中的关键词,根据所述关键词与不同能力标签的关联性,确定每个历史案件信息所匹配的能力标签;将每种案件类型的若干个历史案件信息所匹配的全部能力标签作为每种案件类型的能力标签候选集。其中,生成每种案件类型所匹配的能力标签的案件特征值步骤,具体包括:将每种案件类型中每个历史案件信息所匹配的能力标签分别发送至特征值评估端,由特征值评估端根据所有历史案件中每种案件类型所匹配的能力表标签的数量总和的比例,来确定每种案件类型所匹配的能力标签候选集中每个能力标签的案件特征值的比例;根据所述案件特征值的比例和案件特征值的分制,确定每种案件类型所匹配的能力标签候选集中每个能力标签的案件特征值。
在实际应用中,示例性的,先从历史案件数据库中对每种案件类型分别提取200个历史案件信息,通过提取每个历史案件信息中的关键词,并计算关键词与能力标签集合中每个能力标签的关联性,将关联性排名前TOP-N个能力标签作为对应历史案件信息所匹配的能力标签,然后将每种案件类型中每个历史案件信息所对应的能力标签的集合作为每种案件类型的能力标签候选集。在此之后,为了充分考虑每种案件类型在被解决时所更依赖的能力标签,从而实现更为准确的案件最优分配,需要对每个能力标签在对应案件类型下的案件特征值进行分析;具体而言,特征值评估端统计每种案件类型的500个历史案件信息分别匹配到的能力标签的整体分布情况,例如200个历史案件信息的能力标签候选集中第一能力标签出现的次数为n(1),第二能力标签出现的次数为n(2),……,第i能力标签出现的次数为n(i),最后,以出现次数为200次为分制的满分100分判断标准,则第一能力标签对应的案件特征值为100×n(1)/200,第二能力标签对应的案件特征值为100×n(2)/200,第i能力标签对应的案件特征值为100×n(i)/200;由此,通过统计每个能力标签在能力标签候选集中出现的次数的比例,来分别衡量每个能力标签在处理该类型案件中所起到的作用,进而根据比例生成每个能力标签的案件特征值,该案件特征值用于表征对应能力标签对目标案件类型的解决所起到的贡献程度。
其中,案件类型的大类包括社区纠纷案件、突发事件、界面秩序等,社区纠纷案件具体包括公共资源占用、邻里关系、噪声等,突发事件具体包括道路积水、供水管道破裂、火灾等,界面秩序具体包括无照经营、流浪乞讨、黑车拉客、机动车乱停放等。由此,按照本实施例提供的案件特征值计算方法,可以得到每种案件类型具有所匹配的能力标签的不同案件特征值,示例性的,如表2所示,按照上述案件特征值的计算方法,获得的解决社区纠纷案件等城市管理事件所需要的能力标签的案件特征值:法律知识75、业务能力85、协调能力90、沟通能力90、调查取证能力85、决策能力85、应急处置能力80、责任心75、团队合作75以及抗压能力75。
表2:每种案件类型具有所匹配的能力标签的不同案件特征值的示例
在优选的实施例中,基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值步骤,具体包括:将所述待匹配人员集合发送至特征值评估端,由特征值评估端根据所有历史案件中每个待匹配人员处理不同案件类型时的耗时比例,来确定每个待匹配人员所对应案件类型的能力标签的人员特征值的比例;根据所述人员特征值的比例和人员特征值的分制,确定每个待匹配人员所对应的能力标签的人员特征值。
在实际应用中,示例性的,为了充分考虑每个待匹配人员在解决不同类型案件时所具有的能力,从而实现更为准确的案件最优分配,需要对每个待匹配人员在处理对应类型案件的人员特征值进行分析;具体而言,特征值评估端获取每个待匹配人员处理不同类型历史案件的耗时,例如第一类型案件的总耗时为t(1),第二类型案件的总耗时为t(2),……,第j类型案件的总耗时为t(j),在此之后,根据每种类型案件在其对应的能力标签候选集中的能力标签分布比例,考虑每个待匹配人员处理不同类型案件的处理能力,计算待匹配人员的每个能力标签被分配到的耗时情况,例如第一个能力标签的人员特征值的分配耗时T1为t(1)×n(1,1)/200+t(2)×n(1,2)/200+…+t(j)×n(1,j)/200,第二个能力标签的人员特征值的分配耗时T2为t(1)×n(2,1)/200+t(2)×n(2,2)/200+…+t(j)×n(2,j)/200,……,第i个能力标签的人员特征值的分配耗时Ti为t(1)×n(i,1)/200+t(2)×n(i,2)/200+…+t(i,j)×n(i,j)/200;其中,t(i,j)表示第j类型案件中第i个能力标签的总耗时,其中,n(i,j)表示第j类型案件中第i个能力标签的出现次数。由此,可以获得每个待匹配人员的每个能力标签的分配耗时:T1,T2,……,Ti,将该分配耗时的比例作为每个待匹配人员的每个能力标签的人员特征值比例(即待匹配人员在过去处理的某一类案件越多或涉及到某一类能力标签越多,经验更丰富,则该能力标签的人员特征值越高),最后根据每个能力标签的人员特征值比例和分制来计算每个能力标签的人员特征值u。
在实际应用中,示例性的,按照上述人员特征值进行计算后,获得的每个待匹配人员所对应的能力标签的人员特征值,如下表所示。
表3:每个待匹配人员所对应人员特征值
在优选的实施例中,计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离步骤,具体包括:
;
其中,表示人员特征点与每个聚类中心之间的距离;/>表示待匹配人员的人员特征值;/>表示案件特征值;/>表示案件需要匹配的能力标签个数。
在优选的实施例中,基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,具体包括:
案件匹配隶属度的表达式,具体为:
;
其中,u表示待匹配人员的集合中的任意一个因素;表示u相对于/>的隶属函数;/>表示人员特征点与每个聚类中心之间的距离;/>表示案件需要匹配的能力标签个数;隶属度可以表示成一个介于0和1之间的连续值,能够表示人员对待分配案件的匹配度,可以帮助***做出合适的决策。如图3所示,通过隶属度排名计算,获取隶属度值最高的5位人员为:李**、洪**、谢**、罗**、吴*。
根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员步骤,具体包括:计算案件匹配隶属度排名前N名待匹配人员针对目标案件类型的人员特征值加权和,将加权和最高的待匹配人员作为最优匹配人员;
针对目标案件类型的人员特征值加权和的表达式,具体为:
;
其中,S为目标案件类型的人员特征值加权和,为目标案件类型中每种人员特征值的需求权重。
在本实施例中,提供了一种案件最优分配方法,通过案件特征值和人员特征值,使用欧式距离计算公式确定待匹配人员的匹配程度、使用隶属度计算公式计算隶属度,确定初选匹配人员、使用加权求和评估出最优人选,通过该方法能够将案件分配更改为定量指标,进行个性化及自主性的评判,更合理的确定案件最优分配。
参照图4,图4为本发明案件最优分配装置实施例的结构框图。
如图4所示,本发明实施例提出的案件最优分配装置包括:
获取模块10,用于获取待分配案件需要的能力标签集合和待匹配人员集合;
生成模块20,用于基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集,并生成每种案件类型所匹配的能力标签的案件特征值;
计算模块30,用于基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,并计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离;
确定模块40,用于基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,并根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员。
本发明案件最优分配装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
此外,本发明还提出一种案件最优分配设备,所述案件最优分配设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的案件最优分配程序,所述案件最优分配程序被所述处理器执行时实现如上所述的案件最优分配方法的步骤。
本申请案件最优分配设备的具体实施方式与上述案件最优分配方法各实施例基本相同,在此不再赘述。
此外,本发明还提出一种可读存储介质,所述可读存储介质包括计算机可读存储介质,其上存储有案件最优分配程序。所述可读存储介质可以是图1的终端中的存储器1005,也可以是如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘中的至少一种,所述可读存储介质包括若干指令用以使得一台具有处理器的案件最优分配设备执行本发明各个实施例所述的案件最优分配方法。
本申请可读存储介质中的具体实施方式与上述案件最优分配方法各实施例基本相同,在此不再赘述。
可以理解的是,在本说明书的描述中,参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例~第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
Claims (7)
1.一种案件最优分配方法,其特征在于,包括以下步骤:
获取待分配案件需要的能力标签集合和待匹配人员集合;
基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集,并生成每种案件类型所匹配的能力标签的案件特征值;
其中,基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集步骤,具体包括:在历史案件数据库中获取每种案件类型的若干个历史案件信息;其中,所述历史案件信息包括案件描述摘要,所述案件描述摘要包括案件缘由描述信息和案件解决描述信息;提取所述案件缘由描述信息和所述案件解决描述信息中的关键词,根据所述关键词与不同能力标签的关联性,确定每个历史案件信息所匹配的能力标签;将每种案件类型的若干个历史案件信息所匹配的全部能力标签作为每种案件类型的能力标签候选集;
其中,生成每种案件类型所匹配的能力标签的案件特征值步骤,具体包括:将每种案件类型中每个历史案件信息所匹配的能力标签分别发送至特征值评估端,由特征值评估端根据所有历史案件中每种案件类型所匹配的能力表标签的数量总和的比例,来确定每种案件类型所匹配的能力标签候选集中每个能力标签的案件特征值的比例;根据所述案件特征值的比例和案件特征值的分制,确定每种案件类型所匹配的能力标签候选集中每个能力标签的案件特征值;
基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,并计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离;
其中,基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值步骤,具体包括:将所述待匹配人员集合发送至特征值评估端,由特征值评估端根据所有历史案件中每个待匹配人员处理不同案件类型时的耗时比例,来确定每个待匹配人员所对应案件类型的能力标签的人员特征值的比例;根据所述人员特征值的比例和人员特征值的分制,确定每个待匹配人员所对应的能力标签的人员特征值;
基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,并根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员。
2.如权利要求1所述的案件最优分配方法,其特征在于,所述能力标签集合为A={A1,A2,A3,A4},A1为专业能力,A2为沟通协调能力,A3为案件处置能力,A4为态度;其中,A1={u1,u2},A2={u3,u4},A3={u5,u6,u7},A4={u8,u9,u10},u1为法律知识,u2为业务能力,u3为协调能力,u4为沟通能力,u5为调查取证能力,u6为决策能力,u7为应急处置能力,u8为责任心,u9为团队合作,u10为抗压能力。
3.如权利要求1所述的案件最优分配方法,其特征在于,计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离步骤,具体包括:
欧氏距离的表达式,具体为:
;
其中,表示人员特征点与每个聚类中心之间的距离;/>表示待匹配人员的人员特征值;/>表示案件特征值;/>表示案件需要匹配的能力标签个数。
4.如权利要求3所述的案件最优分配方法,其特征在于,基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,具体包括:
案件匹配隶属度的表达式,具体为:
;
其中,u表示待匹配人员的集合中的任意一个因素;表示u相对于/>的隶属函数;表示人员特征点与每个聚类中心之间的距离;/>表示案件需要匹配的能力标签个数;
根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员步骤,具体包括:计算案件匹配隶属度排名前N名待匹配人员针对目标案件类型的人员特征值加权和,将加权和最高的待匹配人员作为最优匹配人员;
针对目标案件类型的人员特征值加权和的表达式,具体为:
;
其中,S为目标案件类型的人员特征值加权和,为目标案件类型中每种人员特征值的需求权重。
5.一种案件最优分配装置,其特征在于,包括:
获取模块,用于获取待分配案件需要的能力标签集合和待匹配人员集合;
生成模块,用于基于所述能力标签集合,确定每种案件类型所匹配的能力标签候选集,并生成每种案件类型所匹配的能力标签的案件特征值;
其中,基于所述能力标签集合,确定每种案件类型所匹配的能力标签,具体包括:获取历史案件信息;其中,所述历史案件信息包括案件描述摘要,所述案件描述摘要包括案件缘由描述信息和案件解决描述信息;提取所述案件缘由描述信息和所述案件解决描述信息中的关键词,根据所述关键词与不同能力标签的关联性,确定每种案件类型所匹配的能力标签;
其中,生成每种案件类型所匹配的能力标签的案件特征值,具体包括:将每种案件类型所匹配的能力标签发送至特征值评估端,由特征值评估端根据所有历史案件中每种案件类型所匹配的能力表标签的数量总和的比例,来确定每种案件类型所匹配的能力标签的案件特征值的比例;根据所述案件特征值的比例和案件特征值的分制,确定每种案件类型所匹配的能力标签的案件特征值;
计算模块,用于基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,并计算每种案件类型的案件特征值与每个待匹配人员的人员特征值的欧氏距离;
其中,基于所述待匹配人员集合,确定每个待匹配人员所对应的能力标签的人员特征值,具体包括:将所述待匹配人员集合发送至特征值评估端,由特征值评估端根据所有历史案件中每个待匹配人员处理不同案件类型时的耗时比例,来确定每个待匹配人员所对应案件类型的能力标签的人员特征值的比例;根据所述人员特征值的比例和人员特征值的分制,确定每个待匹配人员所对应的能力标签的人员特征值;
确定模块,用于基于每种案件类型与每个待匹配人员的欧氏距离,确定案件匹配隶属度,并根据所述案件匹配隶属度,确定每种案件类型的最优匹配人员。
6.一种案件最优分配设备,其特征在于,所述案件最优分配设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的案件最优分配程序,所述案件最优分配程序被所述处理器执行时实现如权利要求1至4中任一项所述的案件最优分配方法的步骤。
7.一种存储介质,其特征在于,所述存储介质上存储有案件最优分配程序,所述案件最优分配程序被处理器执行时实现如权利要求1至4中任一项所述的案件最优分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410430695.0A CN118037007B (zh) | 2024-04-11 | 案件最优分配方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410430695.0A CN118037007B (zh) | 2024-04-11 | 案件最优分配方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118037007A true CN118037007A (zh) | 2024-05-14 |
CN118037007B CN118037007B (zh) | 2024-07-02 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070027739A1 (en) * | 2005-07-28 | 2007-02-01 | Connors Daniel P | System and method for overcoming infeasibility determinations in using constraint satisfaction programming for scheduling human resources |
CN109685301A (zh) * | 2018-08-21 | 2019-04-26 | 平安普惠企业管理有限公司 | 资源管理方法、装置、设备及可读存储介质 |
CN110728429A (zh) * | 2019-09-18 | 2020-01-24 | 平安科技(深圳)有限公司 | 案件分配方法、装置、介质和计算机设备 |
CN113439279A (zh) * | 2018-11-19 | 2021-09-24 | 瑞米尼街道公司 | 用于提供多维人力资源配置顾问的方法和*** |
CN113570269A (zh) * | 2021-08-03 | 2021-10-29 | 工银科技有限公司 | 运维项目的管理方法、装置、设备、介质和程序产品 |
CN115204614A (zh) * | 2022-06-22 | 2022-10-18 | 中国银行股份有限公司 | 任务分配方法及装置 |
CN115994651A (zh) * | 2022-11-18 | 2023-04-21 | 国网河北省电力有限公司营销服务中心 | 工单分配方法、装置、终端及存储介质 |
CN117408662A (zh) * | 2023-09-18 | 2024-01-16 | 深圳市沃特沃德信息有限公司 | 智能工作分配比例提醒方法、装置、设备和介质 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070027739A1 (en) * | 2005-07-28 | 2007-02-01 | Connors Daniel P | System and method for overcoming infeasibility determinations in using constraint satisfaction programming for scheduling human resources |
CN109685301A (zh) * | 2018-08-21 | 2019-04-26 | 平安普惠企业管理有限公司 | 资源管理方法、装置、设备及可读存储介质 |
CN113439279A (zh) * | 2018-11-19 | 2021-09-24 | 瑞米尼街道公司 | 用于提供多维人力资源配置顾问的方法和*** |
CN110728429A (zh) * | 2019-09-18 | 2020-01-24 | 平安科技(深圳)有限公司 | 案件分配方法、装置、介质和计算机设备 |
CN113570269A (zh) * | 2021-08-03 | 2021-10-29 | 工银科技有限公司 | 运维项目的管理方法、装置、设备、介质和程序产品 |
CN115204614A (zh) * | 2022-06-22 | 2022-10-18 | 中国银行股份有限公司 | 任务分配方法及装置 |
CN115994651A (zh) * | 2022-11-18 | 2023-04-21 | 国网河北省电力有限公司营销服务中心 | 工单分配方法、装置、终端及存储介质 |
CN117408662A (zh) * | 2023-09-18 | 2024-01-16 | 深圳市沃特沃德信息有限公司 | 智能工作分配比例提醒方法、装置、设备和介质 |
Non-Patent Citations (2)
Title |
---|
MO, LY: "Optimizing Plurality for Human Intelligence Tasks", CIKM \'13: PROCEEDINGS OF THE 22ND ACM INTERNATIONAL CONFERENCE ON INFORMATION & KNOWLEDGE MANAGEMENT, 27 October 2013 (2013-10-27), pages 1929 - 1938 * |
刘涛;刘敏;郝立宏;罗玮;郑维;: "基于ERP的人力资源评价模型探索", 能源科技, no. 09, 26 September 2020 (2020-09-26), pages 90 - 93 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kahraman et al. | Hospital location selection using spherical fuzzy TOPSIS | |
Yeh et al. | Fuzzy multicriteria analysis for performance evaluation of bus companies | |
Parker et al. | A consumer preference approach to the planning of rural primary health-care facilities | |
Thomas et al. | Modelling and assessment of critical risks in BOT road projects | |
Currim | Predictive testing of consumer choice models not subject to independence of irrelevant alternatives | |
Triantaphyllou et al. | Multi-criteria decision making: an operations research approach | |
CN111428137B (zh) | 一种电动汽车充电设施的推荐方法及推荐装置 | |
CN112148986B (zh) | 一种基于众包的top-N服务再推荐方法及*** | |
Tushara et al. | Mode choice modelling for work trips in Calicut City | |
CN112530562A (zh) | 入院信息处理方法、装置、***、存储介质 | |
CN114117226A (zh) | 一种产品推荐方法、***、设备及介质 | |
CN101217427B (zh) | 不确定网络环境中网络服务评价和优选方法 | |
CN115239177A (zh) | 一种城市韧性调控方法及*** | |
CN111179055A (zh) | 授信额度调整方法、装置和电子设备 | |
CN113837631B (zh) | 员工评价方法、装置、电子设备及可读存储介质 | |
CN113379318A (zh) | 公共交通***运营服务质量评价方法、装置和计算机设备 | |
CN112598244B (zh) | 风险收益的管理方法、装置、***及计算机可读存储介质 | |
CN118037007B (zh) | 案件最优分配方法、装置、设备及存储介质 | |
CN118037007A (zh) | 案件最优分配方法、装置、设备及存储介质 | |
CN110706122A (zh) | 基于大数据分析提升社保代理效率方法、设备及可读介质 | |
CN111209403A (zh) | 数据处理方法、装置、介质及电子设备 | |
CN115660902A (zh) | 基于大数据的智慧旅游评价*** | |
Verma et al. | How do stakeholders perceive transit service quality attributes?–a study through Fuzzy-AHP | |
CN116402485A (zh) | 智慧城市就业管理方法及物联网***、存储介质及装置 | |
Çakır et al. | IoT Feature Assessment for Smart Cities via Intuitionistic Fuzzy Selected Element Reduction Approach (IF-SERA) |
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 | ||
GR01 | Patent grant |