-
题名面向在线客服系统的调度算法研究
被引量：4
- 1
-
-
作者
嵇友浪
朱君
邹云峰
周子馨
陈兴
-
机构
国网江苏省电力有限公司营销服务中心
河海大学计算机与信息学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2020年第12期2242-2251,共10页
-
基金
国网江苏省电力有限公司科技项目(J2018020)。
-
文摘
与传统客服系统相比,在线客服系统的坐席需同时为多位客户提供业务服务,使客服与客户之间的适配与调度问题更为复杂。在分析在线客服特征的基础上,提出了一种面向在线客服系统的调度模型,模型由客户多优先级客户队列、系统状态集及其转换关系、状态与调度策略之间的映射构成,并设计了相应的调度算法。通过实验验证了模型的合理性和算法的有效性。与运营中的客服系统相比,算法在实现较高质量服务的情况下,既较大幅度地降低了客户的平均等待时间,又确保了客服之间的负载均衡。
-
关键词
在线客服系统
调度模型
调度算法
多队列
状态转换
-
Keywords
online customer service system
scheduling model
scheduling algorithm
multi-queue
state transition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名探索式测试在企业在线客服系统测试中的应用研究
- 2
-
-
作者
聂敏
刘晓强
-
机构
东华大学计算机科学与技术学院
-
出处
《信息与电脑》
2018年第4期9-11,共3页
-
文摘
近年来,企业在线客服系统作为一种连接企业和用户的即时通讯软件被广泛应用。而由于互联网产品趋于轻型,研发过程迭代周期短、测试时间紧、测试文档不完备,使得软件测试过程和方法也要随之变化。笔者利用探索式测试技术和在线客服系统的特点,将探索式测试应用到企业在线客服系统的测试工作中,从而提高在线客服系统的测试效率,保证测试质量。
-
关键词
在线客服
系统测试
探索式测试
-
Keywords
online customer service
system test
exploratory testing
-
分类号
TP311.53
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于人工智能的在线电力智慧客服系统设计策略
被引量：3
- 3
-
-
作者
成思远
殷娣娣
张冬亚
-
机构
国网河北省电力有限公司信息通信分公司
-
出处
《电工技术》
2021年第18期39-41,共3页
-
文摘
人工智能时代背景下,电力企业动态创新客服服务模式,以便尽快地迎合新时代发展趋势,为电力用户提供优质服务。在人工智能技术辅助下,精细化设计在线电力智慧客服系统,一定程度上强化客服部门业务处理能力,解决用户投诉多、人工客服成本高等问题。首先介绍人工智能发展进程,然后分析智慧客服系统运用的必要性,最后重点探究人工智能基础上在线电力智慧客服系统设计策略,旨在为智慧客服系统设计人员提供新思路,真正加快电力企业智能化步伐,使客服服务水平提升到新台阶。
-
关键词
人工智能
在线电力智慧客服系统
设计策略
-
Keywords
artificial intelligence
online power smart customer service system
design strategy
-
分类号
TM911
[电气工程—电力电子与电力传动]
-
-
题名面向在线客服系统的服务量预测算法
- 4
-
-
作者
周子馨
-
机构
河海大学计算机与信息学院
-
出处
《计算机系统应用》
2020年第4期137-143,共7页
-
基金
国网江苏省电力有限公司科技项目(J2018020)。
-
文摘
在线客服系统的服务量受到多种因素影响,为提高系统的服务量预测精度,本文基于离散变异控制参数的自适应差分进化算法DMPSADE,提出了一种改进算法IDMPSADE,并将其与长短时记忆神经网络LSTM相结合建立了对服务量的预测模型IDMPSADE-LSTM.在IDMPSADE中,当子代种群测试函数寻优性能没有父代种群好时,对父代种群个体进行反向引导,跳出局部最优,提升搜索到全局最优能力.由于LSTM的神经元数量、迭代次数、学习率以及训练批次需要通过经验进行设置,具有较大的随机性,故利用IDMPSADE对这些参数进行寻优.IDMPSADE-LSTM将分析得到的气温、降水量作为影响因素结合服务量的时间特征对系统的服务量进行预测.文中实验结果表明, IDMPSADE-LSTM预测模型比一般的神经网络以及SARIMA-SVM混合预测模型的精确度要高.
-
关键词
在线客服系统服务量
时间序列预测
差分进化算法
长短时记忆神经网络
-
Keywords
service volume of online customer service system
time series prediction
differential evolution algorithm
Long-Short Term Memory (LSTM)
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
F274
[自动化与计算机技术—控制科学与工程]
-
