本发明涉及数据分析的,特别是涉及一种基于深度学习的办事大厅业务处理方法及系统。
背景技术:
1、办事大厅是一类提供政务、金融、医疗、教育和商业等多种服务的公共场所;提供给人们寻求各种服务的地方,例如办理各种证件、缴纳税款、预约医生、检查或修理车辆、购买保险、进行银行交易等。
2、传统业务办理流程需要各个环节逐步进行人工判断和处理,而且需要许多文件和资料的衔接,导致办理时间较长;并且在传统业务办理中,因为基本上是用户自己根据工作人员的口头提示进行各种资料的准备,容易出现疏漏和错误,影响业务办理质量和效率。。
技术实现思路
1、为解决上述技术问题,本发明提供一种提高业务办理的质量和效率的基于深度学习的办事大厅业务处理方法。
2、第一方面,本发明提供了基于深度学习的办事大厅业务处理方法,所述方法包括:
3、s1、获取所需办理的业务类型和用户的个人信息;
4、s2、对业务类型和个人信息进行数据预处理,得到办理业务所需的输入特征;
5、s3、利用预先构建的业务办理资料预测模型对特征信息进行决策处理,得到用户所需要准备的办理材料;
6、s4、利用预先构建的业务办理路径规划模型对办理材料进行特征识别,得到用户在多个业务窗口之间时长最短的办理路径;
7、s5、将所需要准备的办理材料以及最优的办理路径展示给用户。
8、另一方面,本申请还提供了基于深度学习的办事大厅业务处理系统,所述系统包括:
9、信息采集模块,用于获取用户所需办理的业务类型和用户的个人信息,并发送;
10、数据处理模块,用于接收信息采集模块发送的业务类型和个人信息,并对业务类型和个人信息进行数据预处理,得到办理业务所需的输入特征,并发送;
11、特征分析模块一,用于接收数据处理模块发送的输入特征,并利用预先存储的业务办理资料预测模型对输入特征进行决策处理,得到用户所需要准备的办理材料,并发送;
12、特征分析模块二,用于接收特征分析模块一发送的办理材料,并利用预先存储的业务办理路径规划模型对办理材料进行特征识别,得到用户在多个业务窗口之间最优的办理路径,并发送;
13、展示模块,用于接收特征分析模块一发送的办理材料和特征分析模块二发送的办理路径,并向用户进行展示。
14、第三方面,本申请提供了一种电子设备,包括总线、收发器、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计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
15、第四方面,本申请还提供了一种计算机可读存储介质,其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任意一项所述方法中的步骤。
16、进一步地,所述业务类型包括:政务服务类业务、金融服务类业务、教育服务类业务以及医疗服务类业务。
17、进一步地,所述数据预处理包括对个人信息和业务类型的数据清洗、数据转换和特征选择。
18、进一步地,所述业务办理资料预测模型采用机器学习模型,所述业务办理资料预测模型的构建步骤如下:
19、s31、获取办事大厅以往业务办理过程中,业务类型与用户个人信息;
20、s32、对以往数据进行如s2所述的数据预处理,得到构建业务办理资料预测模型使用的的数据集;
21、s33、将数据集划分为训练集和测试集,训练集用于训练决策树模型,测试集用于评估模型的性能;
22、s34、以训练集中的“业务类型和个人信息”为输入,输出是该业务所需的材料列表,对机器学习模型进行训练;
23、s35、将测试集放入模型中进行测试,评估模型的表现,并根据结果进行模型参数的调整。
24、进一步地,所述机器学习模型包括决策树模型、神经网络模型和支持向量机。
25、进一步地,所述业务办理路径规划模型规划时长最短办理路径的步骤包括:
26、s41、输入s3中得到的办理材料;
27、s42、提取办理材料对应的办理窗口;
28、s43、获取每个办理窗口的实时状况;
29、s44、获取等待时长最短的窗口作为规划路径的起点;根据s43获取的数据,找到等待时长最短的窗口,作为规划路径的起点窗口;
30、s45、评估前序窗口的办理时长,并预测在前序窗口办理时长过后,剩余窗口的等待时长,并选择剩余窗口中等待时长最短的窗口作为规划路径的下一个窗口;
31、s46、重复s45直至将所有需要进行资料办理的窗口遍历完;
32、s47、得到业务办理时间最短的路线。
33、进一步地,所述业务办理路径规划模型采用最短作业优先算法。
34、与现有技术相比本发明的有益效果为:使用深度学习模型对业务办理进行自动化预测和规划,减少人工干预和错误,提高业务办理的准确性和可靠性,提高业务办理的质量;通过自动化和智能化的业务办理过程,可以减少人工决策和路径规划的成本,从而降低了办事大厅的人力成本,工作人员也可以集中精力提供更高质量的客户服务,提高业务办理的效率。
1.一种基于深度学习的办事大厅业务处理方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于深度学习的办事大厅业务处理方法,其特征在于,所述业务类型包括:政务服务类业务、金融服务类业务、教育服务类业务以及医疗服务类业务。
3.如权利要求2所述的基于深度学习的办事大厅业务处理方法,其特征在于,所述数据预处理包括对个人信息和业务类型的数据清洗、数据转换和特征选择。
4.如权利要求3所述的基于深度学习的办事大厅业务处理方法,其特征在于,所述业务办理资料预测模型采用机器学习模型,所述业务办理资料预测模型的构建步骤如下:
5.如权利要求4所述的基于深度学习的办事大厅业务处理方法,其特征在于,所述机器学习模型包括决策树模型、神经网络模型和支持向量机。
6.如权利要求4所述的基于深度学习的办事大厅业务处理方法,其特征在于,所述业务办理路径规划模型规划时长最短办理路径的步骤包括:
7.如权利要求6所述的基于深度学习的办事大厅业务处理方法,其特征在于,所述业务办理路径规划模型采用最短作业优先算法。
8.一种基于深度学习的办事大厅业务处理系统,其特征在于,所述系统包括:
9.一种基于深度学习的办事大厅业务处理电子设备,包括总线、收发器、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计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。