案件分配方法、装置及计算机设备与流程

计算;推算;计数设备的制造及其应用技术1.本技术涉及人工智能技术领域和数据处理领域，尤其涉及一种案件分配方法、装置、计算机设备及存储介质。背景技术：2.随着社会的高速发展，在一些以人力为驱动的业务案件不断增长，这些业务案件中往往需要工作人员与业务对象进行沟通，比如推销业务、催收业务、贷款业务、跑腿业务等都是人力为驱动的业务案件，由于不同的业务案件的执行主体(业务人员或团队)具有不同的行动特征，现有的案件分配主要是人工分配，但在业务案件的数量较大的情况下，如果将案件统一进行分发，案件的分配合理性则很大程度上取决于分案主管的专业性，也存在合规风险，如果针对案件情况进行针对性分配，则会极大提高分案主管对案件的解读成本以及对执行主体的认知成本，从而导致案件分配效率低。技术实现要素：3.本技术实施例的目的在于提出一种案件分配方法、装置、计算机设备及存储介质，以解决案件分配效率低的问题。4.为了解决上述技术问题，本技术实施例提供一种案件分配方法，采用了如下所述的技术方案：5.接收到分案终端的分案操作请求时，获取所述分案终端在预设时间段内的案件分配记录；6.根据所述案件分配记录，提取所述分案终端的历史分案模型以及各个历史分案模型对应的历史案件回报率；7.针对所述分案终端的当前案件池和当前人员池，结合所述历史分案模型以及所述历史案件回报率，预测各个分案模型的案件预期回报率，所述当前案件池中包括待分配案件，所述当前人员池中包括等待案件分配的执行人员；8.选取案件预期回报率最高的分案模型作为目标分案模型，并通过所述目标分案模型将所述待分配案件分配给所述执行人员。9.为了解决上述技术问题，本技术实施例还提供一种案件分配装置，采用了如下所述的技术方案：10.获取模块，用于接收到分案终端的分案操作请求时，获取所述分案终端在预设时间段内的案件分配记录；11.提取模块，用于根据所述案件分配记录，提取所述分案终端的历史分案模型以及各个历史分案模型对应的历史案件回报率；12.预测模块，用于针对所述分案终端的当前案件池和当前人员池，结合所述历史分案模型以及所述历史案件回报率，预测各个分案模型的案件预期回报率，所述当前案件池中包括待分配案件，所述当前人员池中包括等待案件分配的执行人员；13.分配模块，用于选取案件预期回报率最高的分案模型作为目标分案模型，并通过所述目标分案模型将所述待分配案件分配给所述执行人员。14.为了解决上述技术问题，本技术实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述的案件分配方法的步骤。15.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质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上述所述的案件分配方法的步骤。16.与现有技术相比，本技术实施例主要有以下有益效果：在需要进行案件分配时，会先获取分案终端在预设时间段内的案件分配记录，从案件分配记录中提取出分案终端的历史分案模型以及各个历史分案模型对应的案件回报率，在当前案件池与当前人员池的情况下，结合历史分案模型以及历史案件回报率对各个分案模型的回报率进行预测，得到各个分案模型的案件预期回报率，根据各个分案模型的案件预期回报率匹配对应的分案模型来对待分配案件进行分配，可以实现案件的智能分配，在保证案件预期回报率的同时，提高了案件分配效率。附图说明17.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。18.图1是本技术可以应用于其中的示例性系统架构图；19.图2是根据本技术的案件分配方法的一个实施例的流程图；20.图3是根据本技术中基于知识图谱进行案件分配的一个实施例的流程图；21.图4是根据本技术中基于案件分类进行案件分配的一个实施例的流程图；22.图5是根据本技术中基于优先级进行案件分配的一个实施例的流程图；23.图6是根据本技术的案件分配方法的另一个实施例的流程图；24.图7是根据本技术的案件分配方法的另一个实施例的流程图；25.图8是根据本技术的案件分配装置的一个实施例的结构示意图；26.图9是根据本技术的计算机设备的一个实施例的结构示意图。具体实施方式27.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。28.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。29.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。30.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。31.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。32.终端设备101、102、103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、电子书阅读器、mp3播放器(moving picture expertsgroup audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。33.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。34.需要说明的是，本技术实施例所提供的案件分配方法一般由服务器执行，相应地，案件分配装置一般设置于服务器中。35.应该理解，图1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。36.继续参考图2，示出了根据本技术的案件分配方法的一个实施例的流程图。所述的案件分配方法，包括以下步骤：37.步骤s201，接收到分案终端的分案操作请求时，获取分案终端在预设时间段内的案件分配记录。38.在本实施例中，案件分配方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式与终端进行通信。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。39.具体的，服务器接收到分案终端的分案操作请求时，可以到历史数据库中查找该分案终端对应的案件分配记录。分案操作请求可以是分案主管通过操作分案终端所产生的。进一步的，分案主管可以通过终端设备中的交互界面发起分案操作请求，终端设备将分案操作请求发送到服务器上。40.历史数据库中存储有各个分案主管根据不同分案模型进行案件分配的记录，案件分配记录中可以包括案件分配时间，每次案件分配时所用的分案模型，案件分配后的执行状态，每次案件分配的案件信息、每次案件分配时的执行人员信息。41.预设时间可以是默认时间，比如默认时间为1年，则获取分案主管一年内的案件分配记录。预设时间也可以根据分案主管的案件分配频率进行确定，比如，若分案主管的案件分配频率为1个月10次，则预设时间为12个月，分案主管的案件分配频率为1个月40次，则预设时间为3个月，这样可以充分考虑案件的回报周期，进而提取到更多的案件分配后的状态。42.需要强调的是，为进一步保证上述案件分配记录的私密和安全性，上述案件分配记录还可以存储于一区块链的节点中。43.本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。44.步骤s202，根据案件分配记录，提取分案终端的历史分案模型以及各个历史分案模型对应的历史案件回报率。45.具体的，服务器在获取到分案主管的案件分配记录后，提取分案主管在预设时间段内每次案件分配时所用的分案模型，以及各个历史分案模型对应的历史案件回报率，回报率可以理解为案件成功处理，具体可以根据案件分配后的执行状态进行确定，案件分配后的执行状态可以分为执行中、执行完成、执行失败。计算预设时间内通过一个分案模型分配出去的案件中执行状态处于执行成功的案件数量所占该个分案模型分配出去的总案件数量的比例。46.分案模型为预设的多个分案模型，每个分案模型对应不同的分案逻辑以及分案算法。例如基于知识图像谱的分案模型、基于案件分类的分案模型、基于优先级的分案模型等。47.步骤s203，针对分案终端的当前案件池和当前人员池，结合历史分案模型以及历史案件回报率，预测各个分案模型的案件预期回报率。48.具体的，当前案件池中包括待分配案件，当前人员池中包括等待案件分配的执行人员。服务器在获取到分案主管的案件分配记录后，还可以从案件数据库中获取分案主管的待分配案件，并临时构建当前案件池，同时，还可以从执行人员库中获取当前处于等待案件分配的执行人员信息，根据当前处于等待案件分配的执行人员信息构建当前人员池。49.需要强调的是，为进一步保证上述待分配案件与执行人员信息的私密和安全性，上述案件数据库、执行人员库、当前案件池和当前人员池还可以分别存储于对应区块链的节点中。50.待分配案件可以是根据企业业务合同信息进行获取，待分配案件可以理解为业务合同信息增量案件。51.服务器基于历史分案模型以及历史案件回报率，利用当前案件池和当前人员池预测各个分案模型的案件预期回报率。具体可以通过预设的预测网络对各个分案模型的案件预期回报率进行预测，预测网络可以是基于卷积神经网络(cnn)构建的预测网络，比如可以是基于vgg－net，res－net等卷积神经网络进行构建的预测网络。预设的预测网络可以根据不同分案主管的历史分配记录以及历史案件回报率的标签来进行训练，得到具有预测功能的预测网络，将当前案件池中的待分配案件和当前人员池中的执行人员信息进行编码，得到输入向量，将输入向量输入到预测网络中，预测案件预期回报率。52.在将当前案件池中的待分配案件和当前人员池中的执行人员信息输入到预测网络之前，可以通过当前分案主管的历史分案模型以及案件回报率对预测网络进行微调，从而使得预测网络更适应于当前分案主管，提高案件预期回报率的预测准确性。53.步骤s204，选取案件预期回报率最高的分案模型作为目标分案模型，并通过目标分案模型将待分配案件分配给执行人员。54.具体的，服务器在分案主管对应的各个分案模型的案件预期回报率后，可以选取案件预期回报率最高的分案模型来进行案件分配。55.服务器调用案件预期回报率最高的分案模型来待分配案件分配给执行人员，分案模型则会根据最优分配情况对案件进行分配。56.本实施例中，在需要进行案件分配时，会先获取分案终端在预设时间段内的案件分配记录，从案件分配记录中提取出分案终端的历史分案模型以及各个历史分案模型对应的案件回报率，在当前案件池与当前人员池的情况下，结合历史分案模型以及历史案件回报率对各个分案模型的回报率进行预测，得到各个分案模型的案件预期回报率，根据各个分案模型的案件预期回报率匹配对应的分案模型来对待分配案件进行分配，可以实现案件的智能分配，在保证案件预期回报率的同时，提高了案件分配效率。57.进一步的，分案模型为预设的多个分案模型，每个分案模型对应不同的分案逻辑以及分案算法。本实施例中，分案模型可以包括基于知识图像谱的分案模型、基于案件分类的分案模型、基于优先级的分案模型等。继续参考图3，图3示出了本技术中基于知识图谱进行案件分配的一个实施例的流程图。在步骤s204中，当目标分案模型为所述基于知识图谱的分案模型时，通过目标分案模型将待分配案件分配给执行人员的步骤具体包括：58.步骤s2041，从当前案件池中获取待分配案件信息，以及从当前人员池中获取执行人员信息。59.具体的，服务器确定目标分案模型为基于知识图谱的分案模型后，从当前案件池中获取待分配案件信息以及从当前人员池中获取执行人员信息。待分配案件信息中包括案件主体的社会关系，执行人员信息包括执行人员的社会关系以及案件执行信息。60.举例来说，以催收案件为例，案件主体为债务人与债权人，案件主体的社会关系包括债务人的社会关系与债权人的社会关系，社会关系可以包括担保关系、商圈关系、交易关系、户籍关系、诉讼关系等。61.执行人员的社会关系可以包括商圈关系、交易关系、户籍关系、诉讼关系，执行人员案件执行信息可以是相似待分配案件的回报率。62.步骤s2042，通过待分配案件信息与执行人员信息之间的关系确定关系边，将待分配案件信息与执行人员信息作为节点，通过关系边进行连接，构建待分配案件信息与执行人员信息之间的关系图谱。63.具体的，在关系图谱中，待分配案件信息与执行人员信息之间通过关系边进行连接，关系边通过待分配案件信息与执行人员信息之间的关系进行确定。64.具体的，服务器在获取到待分配案件信息与执行人员信息后，可以将待分配案件信息与执行人员信息作为节点，利用大数据分析方法，挖掘各个节点之间的关系，从而形成关系图谱。在形成关系图谱的过程中，每两个节点之间通过一边关系边进行连接，关系边具有关系值，关系值可以通过大数据分析方法进行挖掘，比如通过对商圈关系进行挖掘，得到对应关系值，形成对应的关系边。也可以通过对应担保关系、商圈关系、交易关系、户籍关系、诉讼关系等进行综合的大数据分析，挖掘出各个节点之间关系值，形成对应的关系边。当关系值大于预设值时，则认为是强关系，当关系值小于预设值时，则认为是弱关系。对于没有关系值的节点，则设置为孤点。65.在一种可能的实施例中，关系值可以分为强关系或弱关系，强关系可以是担保、关联、交易对手、同原告、同被告、主被告、同为第三方、原告第三方、被告第三方等。弱关系可以是同商圈、同籍贯等。66.步骤s2043，基于关系图谱将待分配案件分配给执行人员。67.具体的，服务器在构建完成关系图谱后，可以将关系图谱展示给分案主管，分案主管根据关系图谱对待分配案件进行分配，将待分配案件分配给关系值最大或强关系的执行人员。或者，服务器可以自动将待分配案件分配给关系值最大或强关系的执行人员。68.本实施例中，在确定目标分案模型为基于知识图谱的分案模型后，从当前案件池中获取待分配案件信息，以及从当前人员池中获取执行人员信息来构建待分配案件信息与执行人员信息之间的关系图谱，并基于关系图谱将待分配案件分配给执行人员，可以充分考虑待分配案件与执行人员之间的关系，从而实现案件的智能分配，在进一步保证案件预期回报率的同时，提高案件分配效率。69.进一步的，在步骤s2043中，基于关系图谱将所述待分配案件分配给所述执行人员的具体步骤可以是根据关系图谱中的节点与关系边，构建强关系圈与弱关系圈，强关系圈包括强关系边，弱关系圈包括弱关系边；将强关系圈中对应的待分配案件分配到强关系圈中的执行人员，将弱关系圈中对应的待分配案件分配到强关系圈中的执行人员，将孤点随机分配到执行人员。70.具体的，服务器构建完成关系图谱后，根据各节点之间的关系边构建对应的关系圈，可以将具有强关系对应的关系边进行连接的节点划分为强关系圈，将具有弱关系对应的关系边进行连接的节点划分为弱关系圈。需要说明的是，构建完成强关系圈与弱关系圈后的关系图谱中包括强关系圈、弱关系圈与孤点。71.进一步的，可以通过对应担保关系、商圈关系、交易关系、户籍关系、诉讼关系等进行综合的大数据分析，挖掘出各个节点之间关系值，形成对应的关系边。当关系边的关系值大于预设值时，则认为是强关系，当关系边的关系值小于预设值时，则认为是弱关系。对于没有关系值的节点，则设置为孤点。72.具体的，服务器在构建完成强关系圈与弱关系圈后，可以将强关系圈中对应的待分配案件分配到强关系圈中的执行人员，将弱关系圈中对应的待分配案件分配到弱关系圈中的执行人员，将孤点随机分配到执行人员。73.进一步的，对于强关系圈中对应的待分配案件，若存在案件主体与历史案件主体相同或与历史案件主体有两度内强关系，则可以将该待分配案件分配给执行过该与历史案件主体对应的历史案件的执行人员。两度内强关系可以是被认定为强关系的次数为两次。74.进一步的，对于强关系圈中对应的待分配案件，若存在与案件主体相关的关联案件主体为历史案件主体，或者存在与案件主体相关的关联案件主体与所述历史案件主体存在一度内强关系，则可以将该待分配案件分配给执行过该与历史案件主体对应的历史案件的执行人员。75.本实施例中，在确定目标分案模型为基于知识图谱的分案模型后，从当前案件池中获取待分配案件信息，以及从当前人员池中获取执行人员信息来构建待分配案件信息与执行人员信息之间的关系图谱，并根据关系图谱中的节点与关系边，构建强关系圈与弱关系圈，强关系圈包括强关系边，弱关系圈包括弱关系边，通过强关系圈与弱关系圈将待分配案件分配给执行人员，可以充分考虑待分配案件与执行人员之间的强弱关系，从而实现案件的智能分配，进一步保证案件预期回报率。76.进一步的，分案模型为预设的多个分案模型，每个分案模型对应不同的分案逻辑以及分案算法。本实施例中，分案模型可以包括基于知识图谱的分案模型、基于案件分类的分案模型、基于优先级的分案模型等。继续参考图4，图4示出了本技术中基于案件分类进行案件分配的一个实施例的流程图。在步骤s204中，当目标分案模型为所述基于案件分类的分案模型时，通过目标分案模型将待分配案件分配给执行人员的步骤具体包括：77.步骤s2044，将从当前案件池中获取的待分配案件信息输入到预设的分类模型中，得到待分配案件信息的分类结果。78.具体的，服务器确定分案模型为基于案件分类的分案模型后，从当前案件池中获取待分配案件信息。待分配案件信息中包括案件主体的内部数据与外部数据，其中，内部数据可以是基本信息、合同信息、历史案件状态信息、交易信息等，外部数据可以是征信负债数据、征信逾期信息、工商信息、财产线索信息、失信和限高信息等。79.将案件主体的内部数据与外部数据输入到预设的分类模型中，预测案件主体的案件结案率，根据案件结案率将待分配案件进行分类，当案件结案率低于第一预设结案率时，则认为待分配案件为难办案件，当案件结案率高于第一预设结案率时且低于第二预设结案率时，则认为待分配案件为一般案件，当案件结案率高于第二预设结案率时，则认为待分配案件为简单案件。80.步骤s2045，根据分类结果将待分配案件分配给执行人员。81.具体的，服务器确定分案待分配案件的分类结果后，可以将难办案件、一般案件以及简单案件按比例进行分配，以使每个执行人员分配到的案件难度合理，防止出现某些易收案件或难收案件集中分给某个执行人员，避免分案资源分配不均衡的问题。82.本实施例中，在确定目标分案模型为基于案件分类的分案模型后，从当前案件池中获取的待分配案件信息输入到预设的分类模型中，得到待分配案件信息的分类结果，根据分类结果将待分配案件分配给所述执行人员，可以充分考虑待分配案件与执行人员之间的分类匹配度，从而实现案件的智能分配，避免分案资源分配不均衡的问题。83.进一步的，在步骤s2044之前，根据历史案件的内部数据与外部数据构建数据集。构建多个类型的分类模型，并通过数据集对多个类型的分类模型进行训练，得到训练好的多个类型的分类模型。选取训练好的多个类型的分类模型中精度最高的分类模型作为预设的分类模型。84.具体的，服务器可以从历史数据库中提取历史案件的内部数据与外部数据构建成数据集，其中，内部数据可以是基本信息、合同信息、历史案件状态信息、交易信息等，外部数据可以是征信负债数据、征信逾期信息、工商信息、财产线索信息、失信和限高信息等。可以将内部数据与外部数据进行数据加工，数据加工包括信息拼接和信息标注，从而得到数据集。85.具体的，服务器可以从网络渠道获取多个类型的分类模型，也可以通过工作人员上传得到多个类型的分模型，多个类型的分类模型可以是随机森林、逻辑回归、svm、gbdt、xgboost基于机器学习算法的模型。86.通过数据集分别对随机森林、逻辑回归、svm、gbdt、xgboost等模型进行训练，当模型收敛后或达到预设的迭代次数后，得到训练好的随机森林、逻辑回归、svm、gbdt、xgboost等模型。87.具体的，服务器在训练好多个类型的分类模型后，可以计算每个训练好的分类模型的数度，选取精度最高的分类模型作为预设的分类模型。88.服务器可以定期更新数据集，增加数据集中的数据量，通过更新后的数据集对多个类型的分类模型进行微调，再计算每个微调后的分类模型的精度，对精度提高的分类模型进行更新，这样，可以使预设的分类模型的精度得到提高。89.服务器可以定期增加新的分类模型，对新的分类模型进行训练，计算新的分类模型的精度，若新的分类模型的精度高于预设的分类模型的精度，则并新的分类模型作为预设的分类模型。这样，可以使预设的分类模型的精度得到提高。90.本实施例中，根据历史案件的内部数据与外部数据构建数据集，构建多个类型的分类模型，并通过数据集对多个类型的分类模型进行训练，得到训练好的多个类型的分类模型，选取训练好的多个类型的分类模型中精度最高的分类模型作为预设的分类模型，可以对待分配案件信息的分类准确度，从而实现案件的智能分配，进一步避免分案资源分配不均衡的问题。91.进一步的，分案模型为预设的多个分案模型，每个分案模型对应不同的分案逻辑以及分案算法。本实施例中，分案模型可以包括基于知识图谱的分案模型、基于案件分类的分案模型、基于优先级的分案模型等。继续参考图5，图5示出了本技术中基于优先级进行案件分配的一个实施例的流程图。在步骤s204中，当目标分案模型为基于优先级的分案模型时，通过目标分案模型将待分配案件分配给执行人员的步骤具体包括：92.步骤s2046，从当前案件池中获取待分配案件信息。93.具体的，服务器确定分案模型为基于优先级的分案模型后，从当前案件池中获取待分配案件信息。待分配案件信息中包括待分配案件的属性信息，属性信息可以是案件主体的户籍、居住地、工作等信息。94.步骤s2047，根据待分配案件信息，提取第一优先级分配指标。95.具体的，服务器从所述当前案件池中获取待分配案件信息后，从待分配案件的属性信息中提取对应的属性信息作为第一优先级分配指标，比如，提取户籍属性作为第一优先级分配指标。96.步骤s2048，根据第一优先级分配指标从当前人员池中获取执行人员信息。97.具体的，服务器可以从当前人员池中获取执行人员信息，执行人员信息包括执行人员的属性信息，执行人员的属性信息可以与第一优先级分配指标相同，比如，第一优先级分配指标为户籍，则提取执行人员的属性信息为户籍信息。98.步骤s2049，根据执行人员信息与第一优先级分配指标对待分配案件进行分配。99.具体的，服务器可以将待分配案件分配给具有对应第一优先级分配指标的执行人员，比如第一优先级分配指标为户籍，则将第一优先级分配指标为户籍待分配案件分配具有相同户籍信息的执行人员。100.本实施例中，在确定目标分案模型为基于优先级的分案模型后，根据待分配案件信息，提取第一优先级分配指标，根据第一优先级分配指标从当前人员池中获取执行人员信息，根据所述执行人员信息与第一优先级分配指标对待分配案件进行分配，可以充分考虑待分配案件的优先级别，从而实现案件的智能分配，进一步保证案件预期回报率。101.进一步的，可以根据执行人员信息提取第二优先级分配指标；根据第一优先级分配指标与第二优先级分配指标对待分配案件进行分配。102.具体的，服务器确定分案模型为基于优先级的分案模型后，从当前案件池中获取待分配案件信息。待分配案件信息中包括待分配案件的属性信息，属性信息可以是案件主体的户籍、居住地、工作等信息。103.具体的，服务器从所述当前案件池中获取待分配案件信息后，从待分配案件的属性信息中提取对应的属性信息作为第一优先级分配指标，比如，提取户籍属性作为第一优先级分配指标。104.具体的，服务器可以从当前人员池中获取执行人员信息，执行人员信息包括执行人员的属性信息与案件业绩。执行人员的属性信息可以与第一优先级分配指标相同，比如，第一优先级分配指标为户籍，则提取执行人员的属性信息为户籍信息。执行人员的案件业绩可以是案件回收率，案件回收率越高，执行人员的案件业绩越好。可以根据执行人员的案件业绩，提取第二优先级分配指标。105.具体的，服务器可以将待分配案件分配给具有对应第一优先级分配指标的执行人员，比如第一优先级分配指标为户籍，则将第一优先级分配指标为户籍待分配案件分配具有相同户籍信息的执行人员。106.若存在多个与第一优先级分配指标对应的执行人员，则通过第二优先级分配指标对待分配案件进行分配，比如，第一优先级分配指标为户籍，第二优先级分配指标为业绩，相同户籍信息的执行人员有多个，则将待分配案件分配给业绩最高的执行人员。107.或者，若不存在与第一优先级分配指标对应的执行人员，则通过第二优先级分配指标对待分配案件进行分配。108.举例来说，请参考图6，图6为一个实施例中案件分配方法的流程图，第一优先级分配指标为户籍，第二优先级分配指标为业绩，当前案件池中存在n个待分配案件，当前人员池中存在i个执行人员。判断户籍匹配执行人员是否为0，若为0，则将待分配案件n跳转到业绩分配；若不为0，判断户籍匹配案件数量n1是否等于户籍匹配执行人员数量i1的l倍，若户籍匹配案件数量n1等于户籍匹配执行人员数量i1的l倍，则将n1个户籍匹配案件按业绩全部分配给i1个户籍匹配执行人员，并将n－n1个户籍不匹配案件按业绩分配给剩余的i－i1个执行人员；若户籍匹配案件数量n1不等于户籍匹配执行人员数量i1的l倍，则判断户籍匹配案件数量n1是否大于户籍匹配执行人员数量i1的l倍，若户籍匹配案件数量n1大于户籍匹配执行人员数量i1的l倍，则将i1*l户籍匹配案件按业绩全部分配给i1个户籍匹配执行人员，并将n-i1*l个待分配案件按业绩分配给剩余的i-i1个执行人员；若户籍匹配案件数量n1小于户籍匹配执行人员数量i1的l倍，则将n1个户籍匹配案件按业绩分配给i1个户籍匹配执行人员，并将n－n1个户籍不匹配案件按业绩分配给剩余的i－i1+i2个执行人员。其中，i2为没有分配到户籍匹配案件的户籍匹配执行人员数量，l为正整数，当l为1时，i 2＝i1－n1。109.请参考图7，图7为一个实施例中案件分配方法的流程图，第一优先级分配指标为户籍，第二优先级分配指标为业绩，当前案件池中存在n个待分配案件，当前人员池中存在i个执行人员。判断待分配案件数量n是否大于预设数量l，预设数量可以是当前案件池中的易处理案件数量；当待分配案件数量n小于或等于预设数量l时，则将n个待分配案件数量分配到业绩排序top1的执行人员；当待分配案件数量n大于预设数量l时，则判断待分配案件数量n是否大于预设数量2l；当待分配案件数量n大于l但小于或等于预设数量2l时，则将l个待分配案件分配到业绩排序top1的执行人员，将n－l个待分配案件分配到业绩排序top2的执行人员，……，判断待分配案件数量n是否大于预设数量nl；当待分配案件数量n大于(n-1)l但小于或等于预设数量nl时，则将l个易处理案件分配到业绩排序top1的执行人员，将l个易处理案件分配到业绩排序top2的执行人员，直到将n－nl个易处理案件分配到业绩排序topn的执行人员，迭代上述分配方案直到所有案件分配完毕。110.本实施例中，在确定目标分案模型为基于优先级的分案模型后，根据待分配案件信息，提取第一优先级分配指标，根据第一优先级分配指标从当前人员池中获取执行人员信息，根据执行人员信息提取第二优先级分配指标；根据第一优先级分配指标与第二优先级分配指标对待分配案件进行分配，可以充分考虑待分配案件的优先级别和执行人员的优先级别，从而实现案件的智能分配，进一步保证案件预期回报率。111.本技术可应用于智慧城市领域中，从而推动智慧城市的建设。例如，本技术可应用于智慧城市领域中的广告识别、车牌识别、实体文本识别等多种涉及文字图像的应用领域。112.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。113.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。114.进一步参考图8，作为对上述图2所示方法的实现，本技术提供了一种案件分配装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。115.如图8所示，本实施例所述的案件分配装置800包括：获取模块801、提取模块802、预测模块803以及分配模块804，其中：116.获取模块801，用于接收到分案终端的分案操作请求时，获取所述分案终端在预设时间段内的案件分配记录；117.提取模块802，用于根据所述案件分配记录，提取所述分案终端的历史分案模型以及各个历史分案模型对应的历史案件回报率；118.预测模块803，用于针对所述分案终端的当前案件池和当前人员池，结合所述历史分案模型以及所述历史案件回报率，预测各个分案模型的案件预期回报率，所述当前案件池中包括待分配案件，所述当前人员池中包括等待案件分配的执行人员；119.分配模块804，用于选取案件预期回报率最高的分案模型作为目标分案模型，并通过所述目标分案模型将所述待分配案件分配给所述执行人员。120.本实施例中，在需要进行案件分配时，会先获取分案终端在预设时间段内的案件分配记录，从案件分配记录中提取出分案终端的历史分案模型以及各个历史分案模型对应的案件回报率，在当前案件池与当前人员池的情况下，结合历史分案模型以及历史案件回报率对各个分案模型的回报率进行预测，得到各个分案模型的案件预期回报率，根据各个分案模型的案件预期回报率匹配对应的分案模型来对待分配案件进行分配，可以实现案件的智能分配，在保证案件预期回报率的同时，提高了案件分配效率。121.在本实施例的一些可选的实现方式中，分配模块804包括：第一获取单元、第一构建单元、第一分配单元，其中：122.第一获取单元，用于从所述当前案件池中获取待分配案件信息，以及从所述当前人员池中获取执行人员信息；123.第一构建单元，用于通过所述待分配案件信息与所述执行人员信息之间的关系确定关系边，将待分配案件信息与执行人员信息作为节点，通过所述关系边进行连接，构建所述待分配案件信息与所述执行人员信息之间的关系图谱；124.第一分配单元，用于基于所述关系图谱将所述待分配案件分配给所述执行人员。125.本实施例中，在确定目标分案模型为基于知识图谱的分案模型后，从当前案件池中获取待分配案件信息，以及从当前人员池中获取执行人员信息来构建待分配案件信息与执行人员信息之间的关系图谱，并基于关系图谱将待分配案件分配给执行人员，可以充分考虑待分配案件与执行人员之间的关系，从而实现案件的智能分配，在进一步保证案件预期回报率的同时，提高案件分配效率。126.在本实施例的一些可选的实现方式中，第一分配单元包括：构建子单元、第一分配子单元，其中：127.构建子单元，用于根据所述关系图谱中的节点与关系边，构建强关系圈与弱关系圈，所述强关系圈包括强关系边，所述弱关系圈包括弱关系边；128.第一分配子单元，用于将强关系圈中对应的待分配案件分配到强关系圈中的执行人员，将弱关系圈中对应的待分配案件分配到强关系圈中的执行人员，将孤点随机分配到执行人员。129.本实施例中，在确定目标分案模型为基于知识图谱的分案模型后，从当前案件池中获取待分配案件信息，以及从当前人员池中获取执行人员信息来构建待分配案件信息与执行人员信息之间的关系图谱，并根据关系图谱中的节点与关系边，构建强关系圈与弱关系圈，强关系圈包括强关系边，弱关系圈包括弱关系边，通过强关系圈与弱关系圈将待分配案件分配给执行人员，可以充分考虑待分配案件与执行人员之间的强弱关系，从而实现案件的智能分配，进一步保证案件预期回报率。130.在本实施例的一些可选的实现方式中，分配模块804包括：第二获取单元、第二分配单元，其中，131.第二获取单元，用于将从所述当前案件池中获取的待分配案件信息输入到预设的分类模型中，得到所述待分配案件信息的分类结果；132.第二分配单元，用于根据所述分类结果将所述待分配案件分配给所述执行人员；133.本实施例中，在确定目标分案模型为基于案件分类的分案模型后，从当前案件池中获取的待分配案件信息输入到预设的分类模型中，得到待分配案件信息的分类结果，根据分类结果将待分配案件分配给所述执行人员，可以充分考虑待分配案件与执行人员之间的分类匹配度，从而实现案件的智能分配，避免分案资源分配不均衡的问题。134.在本实施例的一些可选的实现方式中，分配模块804还包括：第二构建单元、第三构建单元以及分类单元，其中135.第二构建单元，用于根据历史案件的内部数据与外部数据构建数据集；136.第三构建单元，用于构建多个类型的分类模型，并通过所述数据集对所述多个类型的分类模型进行训练，得到训练好的多个类型的分类模型；137.分类单元，用于选取训练好的多个类型的分类模型中精度最高的分类模型作为预设的分类模型。138.本实施例中，根据历史案件的内部数据与外部数据构建数据集，构建多个类型的分类模型，并通过数据集对多个类型的分类模型进行训练，得到训练好的多个类型的分类模型，选取训练好的多个类型的分类模型中精度最高的分类模型作为预设的分类模型，可以对待分配案件信息的分类准确度，从而实现案件的智能分配，进一步避免分案资源分配不均衡的问题。139.在本实施例的一些可选的实现方式中，分配模块804还包括：第三获取单元、提取单元、第四获取单元以及第三分配单元，其中：140.第三获取单元，用于从所述当前案件池中获取待分配案件信息；141.提取单元，用于根据所述待分配案件信息，提取第一优先级分配指标；142.第四获取单元，用于根据所述第一优先级分配指标从所述当前人员池中获取执行人员信息；143.第三分配单元，用于根据所述执行人员信息与所述第一优先级分配指标对待分配案件进行分配。144.本实施例中，在确定目标分案模型为基于优先级的分案模型后，根据待分配案件信息，提取第一优先级分配指标，根据第一优先级分配指标从当前人员池中获取执行人员信息，根据所述执行人员信息与第一优先级分配指标对待分配案件进行分配，可以充分考虑待分配案件的优先级别，从而实现案件的智能分配，进一步保证案件预期回报率。145.在本实施例的一些可选的实现方式中，第三分配单元包括：提取子单元以及第二分配子单元，其中：146.提取子单元，用于根据所述执行人员信息提取第二优先级分配指标；147.第二分配子单元，用于根据所述第一优先级分配指标与所述第二优先级分配指标对待分配案件进行分配。148.本实施例中，在确定目标分案模型为基于优先级的分案模型后，根据待分配案件信息，提取第一优先级分配指标，根据第一优先级分配指标从当前人员池中获取执行人员信息，根据执行人员信息提取第二优先级分配指标；根据第一优先级分配指标与第二优先级分配指标对待分配案件进行分配，可以充分考虑待分配案件的优先级别和执行人员的优先级别，从而实现案件的智能分配，进一步保证案件预期回报率。149.本实施例中，在需要进行案件分配时，会先获取分案终端在预设时间段内的案件分配记录，从案件分配记录中提取出分案终端的历史分案模型以及各个历史分案模型对应的案件回报率，在当前案件池与当前人员池的情况下，结合历史分案模型以及历史案件回报率对各个分案模型的回报率进行预测，得到各个分案模型的案件预期回报率，根据各个分案模型的案件预期回报率匹配对应的分案模型来对待分配案件进行分配，可以实现案件的智能分配，在保证案件预期回报率的同时，提高了案件分配效率。150.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图9，图9为本实施例计算机设备基本结构框图。151.所述计算机设备9包括通过系统总线相互通信连接存储器91、处理器92、网络接口93。需要指出的是，图中仅示出了具有组件91-93的计算机设备9，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。152.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。153.所述存储器91至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器91可以是所述计算机设备9的内部存储单元，例如该计算机设备9的硬盘或内存。在另一些实施例中，所述存储器91也可以是所述计算机设备9的外部存储设备，例如该计算机设备9上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器91还可以既包括所述计算机设备9的内部存储单元也包括其外部存储设备。本实施例中，所述存储器91通常用于存储安装于所述计算机设备9的操作系统和各类应用软件，例如案件分配方法的计算机可读指令等。此外，所述存储器91还可以用于暂时地存储已经输出或者将要输出的各类数据。154.所述处理器92在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器92通常用于控制所述计算机设备9的总体操作。本实施例中，所述处理器92用于运行所述存储器91中存储的计算机可读指令或者处理数据，例如运行所述案件分配方法的计算机可读指令。155.所述网络接口93可包括无线网络接口或有线网络接口，该网络接口93通常用于在所述计算机设备9与其他电子设备之间建立通信连接。156.本实施例中提供的计算机设备可以执行上述案件分配方法的步骤。此处案件分配方法的步骤可以是上述各个实施例的案件分配方法中的步骤。157.本实施例中，在需要进行案件分配时，会先获取分案终端在预设时间段内的案件分配记录，从案件分配记录中提取出分案终端的历史分案模型以及各个历史分案模型对应的案件回报率，在当前案件池与当前人员池的情况下，结合历史分案模型以及历史案件回报率对各个分案模型的回报率进行预测，得到各个分案模型的案件预期回报率，根据各个分案模型的案件预期回报率匹配对应的分案模型来对待分配案件进行分配，可以实现案件的智能分配，在保证案件预期回报率的同时，提高了案件分配效率。158.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的案件分配方法的步骤。159.本实施例中，在需要进行案件分配时，会先获取分案终端在预设时间段内的案件分配记录，从案件分配记录中提取出分案终端的历史分案模型以及各个历史分案模型对应的案件回报率，在当前案件池与当前人员池的情况下，结合历史分案模型以及历史案件回报率对各个分案模型的回报率进行预测，得到各个分案模型的案件预期回报率，根据各个分案模型的案件预期回报率匹配对应的分案模型来对待分配案件进行分配，可以实现案件的智能分配，在保证案件预期回报率的同时，提高了案件分配效率。160.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。161.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!