银行客服坐席推荐方法及装置

技术领域

本发明涉及人工智能技术领域，尤其涉及银行客服坐席推荐方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前，银行客户在打电话进行银行业务咨询时，银行会随机接入不同的客服坐席为客户服务。

而客户在与随机接入的客服坐席沟通时，不可避免地会出现客服坐席难以满足客户的需求，以及客服坐席难以匹配客户的性格，而导致客户与随机接入的客服坐席间出现沟通不畅的问题，进而会造成客户对客服坐席的满意度的下降，降低了客户的电话沟通体验。

因此针对不同客户为客户提供个性化的银行客服坐席服务，以及为客户推荐适合该客户的银行坐席，成为了行业内亟待解决的问题。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供一种银行客服坐席推荐方法，用以提升客户对客服坐席的满意度，改善客户的电话沟通体验，该方法包括：

在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；

根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；

根据客户的声音特征参数，确定客户的性格特征参数；

基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；所述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，所述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；

为客户接入所述与客户匹配的银行客服坐席。

本发明实施例还提供一种银行客服坐席推荐装置，用以提升客户对客服坐席的满意度，改善客户的电话沟通体验，该装置包括：

数据获取模块，用于在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；

客户待办理业务推测模块，用于根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；

性格特征参数确定模块，用于根据客户的声音特征参数，确定客户的性格特征参数；

银行客服坐席匹配模块，用于基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；所述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，所述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；

银行客服坐席接入模块，用于为客户接入所述与客户匹配的银行客服坐席。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行客服坐席推荐方法。

本发明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存储有执行上述银行客服坐席推荐方法的计算机程序。

本发明实施例中，在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；根据客户的声音特征参数，确定客户的性格特征参数；基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；所述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，所述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；为客户接入所述与客户匹配的银行客服坐席，从而在接收到客户的服务请求后，基于银行客服坐席推荐神经网络模型，为客户接入与该客户匹配的银行客服坐席，可针对不同客户个性化匹配客服坐席，避免了现有技术下由于为客户随机分配客服坐席，而造成客户坐席与客户难以沟通的问题，提升了客户对客服坐席的满意度，改善了客户的电话沟通体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。在附图中：

图1为本发明实施例中一种银行客服坐席推荐方法的流程示意图；

图2为本发明实施例中一种银行客服坐席推荐方法的具体示例图；

图3为本发明实施例中一种银行客服坐席推荐方法的具体示例图；

图4为本发明实施例中一种银行客服坐席推荐方法的具体示例图；

图5为本发明实施例中一种银行客服坐席推荐方法的具体示例图；

图6为本发明实施例中一种银行客服坐席推荐装置的结构示意图；

图7为本发明实施例中一种银行客服坐席推荐装置的具体示例图；

图8为本发明实施例中一种银行客服坐席推荐装置的具体示例图；

图9为本发明实施例中一种银行客服坐席推荐装置的具体示例图；

图10为本发明实施例中用于银行客服坐席推荐的计算机设备示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

目前，顾客在打电话银行时，在和客服沟通时，会出现沟通不畅等问题，而且每次打电话分派的客服都不一样，导致用户经常会因为一个问题要重复讲很多次，用户体验不佳。

因此针对不同客户为客户提供个性化的银行客服坐席服务，以及为客户推荐适合该客户的银行坐席，成为了行业内亟待解决的问题。

本发明实施例提供了一种银行客服坐席推荐方法，涉及人工智能技术领域，用以提升客户对客服坐席的满意度，改善客户的电话沟通体验，如图1所示，该方法可以包括：

步骤101：在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；

步骤102：根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；

步骤103：根据客户的声音特征参数，确定客户的性格特征参数；

步骤104：基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；上述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，上述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；

步骤105：为客户接入上述与客户匹配的银行客服坐席。

本发明实施例中，在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；根据客户的声音特征参数，确定客户的性格特征参数；基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；上述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，上述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；为客户接入上述与客户匹配的银行客服坐席，从而在接收到客户的服务请求后，基于银行客服坐席推荐神经网络模型，为客户接入与该客户匹配的银行客服坐席，可针对不同客户个性化匹配客服坐席，避免了现有技术下由于为客户随机分配客服坐席，而造成客户坐席与客户难以沟通的问题，提升了客户对客服坐席的满意度，改善了客户的电话沟通体验。

具体实施时，首先在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数。

实施例中，上述客户的历史服务记录数据包括客户的历史服务请求、历史拨入记录、历史聊天内容、历史交易记录和客户服务录音。

实施例中，在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数后，根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务。

在上述实施例中，根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务，例如可为：根据用户先前的客服电话拨入记录以及与客户坐席的聊天内容，以及近期的交易记录，如在手机银行支行网点的交易记录，通过上述数据，并结合人工智能算法，可推算出客户待办理业务。

实施例中，在根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务后，根据客户的声音特征参数，确定客户的性格特征参数。

实施例中，根据客户的声音特征参数，确定客户的性格特征参数，例如可为：通过用户的声音音频音调判断用户的性格特征，将这些数据放入智能系统，系统推算出适合用户的客服，并为用户接入该客服。

在上述实施例中，通过获取客户的历史服务记录数据，有助于在后续步骤中推测客户的服务请求对应的客户待办理业务。通过推测客户的服务请求对应的客户待办理业务，以及确定客户的性格特征参数，有助于在后续步骤中，基于银行客服坐席推荐神经网络模型，为客户确定与客户匹配的银行客服坐席。

具体实施时，在根据客户的声音特征参数，确定客户的性格特征参数后，基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；上述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，上述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据。

在上述实施例中，基于银行客服坐席推荐神经网络模型，可为客户接入与该客户匹配的银行客服坐席，可针对不同客户个性化匹配客服坐席，避免了现有技术下由于为客户随机分配客服坐席，而造成客户坐席与客户难以沟通的问题，提升了客户对客服坐席的满意度，改善了客户的电话沟通体验。

具体实施时，在基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席后，为客户接入上述与客户匹配的银行客服坐席。

实施例中，通过为客户接入与该客户匹配的银行客服坐席，可针对不同客户个性化匹配客服坐席，避免了现有技术下由于为客户随机分配客服坐席，而造成客户坐席与客户难以沟通的问题。

具体实施时，本发明实施例提供的一种银行客服坐席推荐方法，如图2所示，还可以包括：

按如下方式建立银行客服坐席推荐神经网络模型：

步骤201：将历史推荐数据划分为训练数据集和测试数据集；

步骤202：基于反向传播算法和遗传算法，以训练数据集，对神经网络模型进行训练，获得训练好的银行客服坐席推荐神经网络模型；

步骤203：以测试数据集，对训练好的银行客服坐席推荐神经网络模型进行测试。

实施例中，建立银行客服坐席推荐神经网络模型，可通过依据神经网络模型的算法来实现。

该人工智能算法，可按如下方式实现：依据机器学习方法，建立银行客服坐席推荐神经网络模型，该模型的输入数据可以包括历史推荐数据；模型的输出数据是确定的与客户匹配的银行客服坐席。

实施例中，上述神经网络模型可包括通过BP算法和遗传算法建立的GA-BP模型。具体建模过程如下：在BP神经网络的权值和阈值的优化方面引入遗传算法，构建上述GA-BP神经网络模型。

进而，在构建上述GA-BP神经网络结构的过程中，根据网络端的输入数据和输出数据的个数，来确定BP神经网络结构，之后再确定遗传算法中需要优化的参数个数。根据kolmogorov(柯尔莫哥洛夫理论，即局部均匀各向同性湍流，是由柯尔莫哥洛夫于1941年在建立湍流的统计理论过程中提出的三个基本假设)原理，一个三层BP神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数采用试凑法确定，从而最终建立上述GA-BP神经网络结构。

通过遗传算法输出的最优个体，可作为BP神经网络的初始权值和阈值，实现对BP神经网络模型的训练和学习。将历史推荐数据作为历史数据，把历史数据分为训练集和测试集，基于历史数据分析，对上述GA-BP神经网络模型进行训练，并使用测试样本对模型的预测准确率进行验证。

上述GA-BP神经网络模型可在使用过程中，通过机器学习的方法，不断对模型自优化，实现对模型的有效性的不断提高。

具体实施时，上述历史推荐数据，还可以包括：不同银行客服坐席的业务办理优先级和不同银行客服坐席的性格特征参数的历史数据。

实施例中，本发明实施例提供的一种银行客服坐席推荐方法，如图3所示，还可以包括：

步骤301：获取不同银行客服坐席的历史工作记录、声音特征参数和从业信息；

步骤302：根据获取的不同银行客服坐席的历史工作记录，确定不同银行客服坐席的业务办理优先级；

步骤303：根据获取的不同银行客服坐席的声音特征参数和从业信息，确定不同银行客服坐席的性格特征参数。

实施例中，基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，生成与客户匹配的银行客服坐席，可以包括：

基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务、客户的性格特征参数、不同银行客服坐席的业务办理优先级和不同银行客服坐席的性格特征参数，生成与客户匹配的银行客服坐席。

在上述实施例中，通过银行客服坐席推荐神经网络模型建立的输入数据到输出数据的映射，以推测出的客户待办理业务、客户的性格特征参数、不同银行客服坐席的业务办理优先级和不同银行客服坐席的性格特征参数为输入数据，以与客户匹配的银行客服坐席为输出数据，可生成与客户匹配的银行客服坐席。

具体实施时，在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数，如图4所示，可以包括：

步骤401：在接收到客户的服务请求后，从客户的历史服务记录数据中，查找已为客户提供过客户服务的客服坐席；

步骤402：若查找到已为客户提供过客户服务的客服坐席，则将查找到的已为客户提供过客户服务的客服坐席，推荐给客户；

步骤403：若未查找到已为客户提供过客户服务的客服坐席，则获取客户的历史服务记录数据和客户的声音特征参数。

实施例中，若查找到已为客户提供过客户服务的客服坐席，则将查找到的已为客户提供过客户服务的客服坐席，推荐给客户，包括：

若查找到已为客户提供过客户服务的客服坐席，且接收到客户确认使用该客服坐席的确认信息，则将查找到的已为客户提供过客户服务的客服坐席，推荐给客户。

在上述实施例中，通过从客户的历史服务记录数据中，查找已为客户提供过客户服务的客服坐席，可为客户推荐为该客户提供过客户服务的客服坐席。

在上述实施例中，用户可以自主去选择自己的客服，在重复打电话时，可以为客户推荐选择继续上一个为客户提供过服务的客服；还可让用户可以自主去选择自己的客服，或根据用户的声音等数据通过人工智能方式帮助用户挑选合适的客服，并且在重复打电话时，可以主观去选择继续上一个客服还是重新挑选客服。

实施例中，若查找到已为客户提供过客户服务的客服坐席，且接收到客户拒绝使用该客服坐席的确认信息，则获取客户的历史服务记录数据和客户的声音特征参数，基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，生成与客户匹配的银行客服坐席。

具体实施时，本发明实施例提供的一种银行客服坐席推荐方法，如图5所示，还可以包括：

步骤501：若与客户匹配的银行客服坐席为多个，将多个与客户匹配的银行客服坐席的信息发给客户；

步骤502：接收客户对多个与客户匹配的银行客服坐席的选择信息；

为客户接入上述与客户匹配的银行客服坐席，可以包括：

根据接收到的客户对多个与客户匹配的银行客服坐席的选择信息，为客户接入客户选择的银行客服坐席。

实施例中，基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定多个与客户匹配的银行客服坐席，若与客户匹配的银行客服坐席为多个，将多个与客户匹配的银行客服坐席的信息发给客户，为客户提供了选择的机会，用户可主观去挑选自己更喜欢的客服坐席。

本发明实施例中，在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；根据客户的声音特征参数，确定客户的性格特征参数；基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；上述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，上述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；为客户接入上述与客户匹配的银行客服坐席，从而在接收到客户的服务请求后，基于银行客服坐席推荐神经网络模型，为客户接入与该客户匹配的银行客服坐席，可针对不同客户个性化匹配客服坐席，避免了现有技术下由于为客户随机分配客服坐席，而造成客户坐席与客户难以沟通的问题，提升了客户对客服坐席的满意度，改善了客户的电话沟通体验。

下面给出一个具体实施例，来说明本发明的方法的具体应用，该实施例中，可以包括：

建立一种智能的银行客服坐席推荐方法，可以解决上述问题，首先可收集客服的声音音频音调音量等信息，并将这些信息以及客服的专业特长，比如经常解决信用卡问题等，以及客服的年龄，专业，性别等信息输入到人工智能系统。通过系统判断客服的性格类别，输出性格类别为{外向、乐观、内敛、沉稳}等。并将性格类别与用户绑定。

当有用户打进电话时，系统调取用户之前的拨入记录以及聊天内容，以及近期的交易记录包括手机银行支行网点，通过这些数据并根据人工智能算法，推算出用户办理的业务功能，并通过用户的声音音频音调判断用户的性格特征，将这些数据放入智能系统，系统推算出适合用户的客服，并为用户接入该客服。

通过BP神经网络和遗传算法建立模型，在BP神经网络的权值和阈值的优化方面引入遗传算法，构建GA-BP神经网络模型。确定GA-BP神经网络结构，根据网络输入输出的个数确定BP神经网络结构，进而确定了遗传算法中需要优化的参数个数。根据kolmogorov原理，一个三层BP神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数采用试凑法确定，从而确定GA-BP神经网络结构。通过遗传算法输出的最优个体作为BP神经网络初始权值和阈值进行BP神经网络训练和学习。将收集的客户信息作为历史数据，把历史数据分为训练集和测试集，基于历史数据分析，对GA-BP神经网络模型进行训练，并使用测试样本对模型的预测准确率进行验证。模型在使用过程中通过机器学习方法不断对模型自优化，提高模型的有效性。

当然，可以理解的是，上述详细流程还可以有其他变化例，相关变化例均应落入本发明的保护范围。

本发明实施例中还提供了一种银行客服坐席推荐装置，如下面的实施例上述。由于该装置解决问题的原理与银行客服坐席推荐方法相似，因此该装置的实施可以参见银行客服坐席推荐方法的实施，重复之处不再赘述。

本发明实施例还提供一种银行客服坐席推荐装置，用以提升客户对客服坐席的满意度，改善客户的电话沟通体验，如图6所示，该装置可以包括：

数据获取模块01，用于在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；

客户待办理业务推测模块02，用于根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；

性格特征参数确定模块03，用于根据客户的声音特征参数，确定客户的性格特征参数；

银行客服坐席匹配模块04，用于基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；上述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，上述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；

银行客服坐席接入模块05，用于为客户接入上述与客户匹配的银行客服坐席。

在一个实施例中，上述客户的历史服务记录数据包括客户的历史服务请求、历史拨入记录、历史聊天内容、历史交易记录和客户服务录音。

在一个实施例中，如图7所示，还包括：

神经网络模型建模模块06，用于：

按如下方式建立银行客服坐席推荐神经网络模型：

将历史推荐数据划分为训练数据集和测试数据集；

基于反向传播算法和遗传算法，以训练数据集，对神经网络模型进行训练，获得训练好的银行客服坐席推荐神经网络模型；

以测试数据集，对训练好的银行客服坐席推荐神经网络模型进行测试。

在一个实施例中，上述历史推荐数据还包括：不同银行客服坐席的业务办理优先级和不同银行客服坐席的性格特征参数的历史数据。

在一个实施例中，如图8所示，还包括：

银行客服坐席特征确定模块07，用于：

获取不同银行客服坐席的历史工作记录、声音特征参数和从业信息；

根据获取的不同银行客服坐席的历史工作记录，确定不同银行客服坐席的业务办理优先级；

根据获取的不同银行客服坐席的声音特征参数和从业信息，确定不同银行客服坐席的性格特征参数。

在一个实施例中，银行客服坐席匹配模块，具体用于：

基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务、客户的性格特征参数、不同银行客服坐席的业务办理优先级和不同银行客服坐席的性格特征参数，生成与客户匹配的银行客服坐席。

在一个实施例中，数据获取模块，具体用于：

在接收到客户的服务请求后，从客户的历史服务记录数据中，查找已为客户提供过客户服务的客服坐席；

若查找到已为客户提供过客户服务的客服坐席，则将查找到的已为客户提供过客户服务的客服坐席，推荐给客户；

若未查找到已为客户提供过客户服务的客服坐席，则获取客户的历史服务记录数据和客户的声音特征参数。

在一个实施例中，客户确认模块，具体用于：

若查找到已为客户提供过客户服务的客服坐席，且接收到客户确认使用该客服坐席的确认信息，则将查找到的已为客户提供过客户服务的客服坐席，推荐给客户。

在一个实施例中，如图9所示，还包括：

客户选择模块08，用于：

若与客户匹配的银行客服坐席为多个，将多个与客户匹配的银行客服坐席的信息发给客户；

接收客户对多个与客户匹配的银行客服坐席的选择信息；

银行客服坐席接入模块，具体用于：

根据接收到的客户对多个与客户匹配的银行客服坐席的选择信息，为客户接入客户选择的银行客服坐席。

本发明实施例提供一种用于实现上述银行客服坐席推荐方法中的全部或部分内容的计算机设备的实施例上述计算机设备具体包含有如下内容：

处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，上述处理器、存储器、通信接口通过上述总线完成相互间的通信；上述通信接口用于实现相关设备之间的信息传输；该计算机设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该计算机设备可以参照实施例用于实现银行客服坐席推荐方法的实施例及用于实现银行客服坐席推荐装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

图10为本申请实施例的计算机设备1000的系统构成的示意框图。如图10所示，该计算机设备1000可以包括中央处理器1001和存储器1002；存储器1002耦合到中央处理器1001。值得注意的是，该图10是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，银行客服坐席推荐功能可以被集成到中央处理器1001中。其中，中央处理器1001可以被配置为进行如下控制：

在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；

根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；

根据客户的声音特征参数，确定客户的性格特征参数；

基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；上述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，上述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；

为客户接入上述与客户匹配的银行客服坐席。

在另一个实施方式中，银行客服坐席推荐装置可以与中央处理器1001分开配置，例如可以将银行客服坐席推荐装置配置为与中央处理器1001连接的芯片，通过中央处理器的控制来实现银行客服坐席推荐功能。

如图10所示，该计算机设备1000还可以包括：通信模块1003、输入单元1004、音频处理器1005、显示器1006、电源1007。值得注意的是，计算机设备1000也并不是必须要包括图10中所示的所有部件；此外，计算机设备1000还可以包括图10中没有示出的部件，可以参考现有技术。

如图10所示，中央处理器1001有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器1001接收输入并控制计算机设备1000的各个部件的操作。

其中，存储器1002，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器1001可执行该存储器1002存储的该程序，以实现信息存储或处理等。

输入单元1004向中央处理器1001提供输入。该输入单元1004例如为按键或触摸输入装置。电源1007用于向计算机设备1000提供电力。显示器1006用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器1002可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器1002还可以是某种其它类型的装置。存储器1002包括缓冲存储器1021(有时被称为缓冲器)。存储器1002可以包括应用/功能存储部1022，该应用/功能存储部1022用于存储应用程序和功能程序或用于通过中央处理器1001执行计算机设备1000的操作的流程。

存储器1002还可以包括数据存储部1023，该数据存储部1023用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由计算机设备使用的数据。存储器1002的驱动程序存储部1024可以包括计算机设备的用于通信功能和/或用于执行计算机设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块1003即为经由天线1008发送和接收信号的发送机/接收机1003。通信模块(发送机/接收机)1003耦合到中央处理器1001，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一计算机设备中，可以设置有多个通信模块1003，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)1003还经由音频处理器1005耦合到扬声器1009和麦克风1010，以经由扬声器1009提供音频输出，并接收来自麦克风1010的音频输入，从而实现通常的电信功能。音频处理器1005可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器1005还耦合到中央处理器1001，从而使得可以通过麦克风1010能够在本机上录音，且使得可以通过扬声器1009来播放本机上存储的声音。

本发明实施例还提供一种计算机可读存储介质，存储有执行上述银行客服坐席推荐方法的计算机程序。

本发明实施例中，在接收到客户的服务请求后，获取客户的历史服务记录数据和客户的声音特征参数；根据客户的历史服务记录数据，推测客户的服务请求对应的客户待办理业务；根据客户的声音特征参数，确定客户的性格特征参数；基于银行客服坐席推荐神经网络模型，根据推测出的客户待办理业务，和客户的性格特征参数，确定与客户匹配的银行客服坐席；上述银行客服坐席推荐神经网络模型根据历史推荐数据对神经网络模型训练得到，上述历史推荐数据包括客户待办理业务、性格特征参数和银行客服坐席的历史数据；为客户接入上述与客户匹配的银行客服坐席，从而在接收到客户的服务请求后，基于银行客服坐席推荐神经网络模型，为客户接入与该客户匹配的银行客服坐席，可针对不同客户个性化匹配客服坐席，避免了现有技术下由于为客户随机分配客服坐席，而造成客户坐席与客户难以沟通的问题，提升了客户对客服坐席的满意度，改善了客户的电话沟通体验。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。