本公开实施例公开了一种任务预测处理方法、设备、产品和介质,针对待处理任务和多个候选任务执行者中的任一候选任务执行者,获取静态特征和时序特征;静态特征包括:任务特征,执行者特征和待处理任务的作用方特征;时序特征包括:在预设最近一个时间段内,候选任务执行者的行为特征和待处理任务的作用方的变化特征;利用神经网络模型,基于静态特征和时序特征,预测任一候选任务执行者完成多目标的综合概率,以便基于综合概率从多个候选任务执行者中确定待处理任务的任务执行者;其中,完成多目标包括:完成待处理任务且完成待处理任务的关联目标。本公开实施例可以提高任务完成和任务完成之后项目目标达成的综合效果。
背景技术
将任务和作业人员进行匹配,对作业人员进行任务分配是工业界会经常遇到的问题。例如在房产交易应用领域,为了提高房产经纪人的工作效率,平台方会向经纪人发放任务,例如对某房源进行议价、对某房源进行客户的带看等,以指导经纪人工作,从而提高经纪人和平台方的效益。
通常情况下,一个平台方会同时存在大量的项目,每个项目会涉及多个环节的任务,不同项目在同一个环节的任务难易程度可能不同,而同一个项目中不同环节的任务难易程度也可能不同,并且,每个环节的任务的难易程度以及完成情况都可能影响项目最终的目标达成。
现有技术中,主要基于单目标模型排序方法进行任务排序和分配:即将某一重要的优化目标作为排序的标准,使用模型对该目标进行预估,例如,在房源任务体系中,构造出预测任务完成与否的预估模型,将该预估模型输出的预测任务完成与否的概率作为标准,对任务进行排序和分配。
在实现本公开的过程中,发明人通过研究发现,上述基于单目标模型排序方法仅考虑某一单个目标进行任务排序,而未综合考虑任务完成之后对项目最终的目标达成的影响,单个目标排序靠前的任务可能对项目最终的目标达成帮助不大,例如,在房源任务体系中,只利用预估模型输出的预测任务完成与否的概率进行任务排序,而排序靠前的任务可能对房源成交这一项目最终目标的帮助不大,因此,基于单目标模型排序方法进行任务排序和分配的方式在项目目标达成效果上不佳。
因此,如何对项目的任务进行合理分配,以同时实现任务完成和任务完成之后项目目标达成,是至关重要的。
实现思路