一种任务调度方法、装置、设备及其存储介质

技术领域

本申请涉及金融科技技术领域，应用于金融业务多通道调度场景中，尤其涉及一种任务调度方法、装置、设备及其存储介质。

背景技术

随着互联网的飞速发展，各行各业都在依托互联网寻求行业突破点，近年来，金融行业也正在围绕着互联网进行线上业务拓展。由于金融行业涉及的业务量和数据量较大，随着用户对产品需求的不断提高，金融产品也在不断进行类别更新和业务通道创新。

例如，不同的营销通道，保险办理时，线上自营业务通道、代理商办理通道、线下办理通道，或者不同的任务处理通道，例如进行业务通知时的邮件发送通道、短信发送通道、电话语音通道等。因此，需要结合任务调度框架实现将不同的任务处理请求分发到不同的任务通道中。目前的分发方法通常是根据用户的属性和标签等信息，将不同的任务处理请求分配到不同的营销通道中，以提高转化率和降低成本。但是，这种分发方式还不够科学化和智能化，无法科学化且智能化的进行任务调度。

发明内容

本申请实施例的目的在于提出一种任务调度方法、装置、设备及其存储介质，以解决现有技术将不同的任务处理请求分配到不同的营销通道中，还存在分发方式无法科学化且智能化的进行任务调度的问题。

为了解决上述技术问题，本申请实施例提供任务调度方法，采用了如下所述的技术方案：

一种任务调度方法，包括下述步骤：

接收目标用户终端发送的任务处理请求；

根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息；

基于所述实时状态信息，筛选出所有可选用的任务通道；

对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息；

将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道，其中，所述预设的任务通道筛选模型为学习完成的任务通道筛选模型，所述学习完成的任务通道筛选模型成功学习了所有任务通道分别与用户的属性信息和标签信息间的关联关系；

识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。

进一步的，所述根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息的步骤，具体包括：

通过所述区别标识信息，统计当前时间点下所有任务通道内正在处理的任务量和处于等待排队状态的任务量；

计算每个任务通道内正在处理的任务量和处于等待排队状态的任务量的和值；

根据预设的比例算法公式：

分别获取所有任务通道内所有用户的实时反馈信息，其中，所述实时反馈信息包括任务处理效率评分信息、任务处理结果反馈信息；

将所有任务通道对应的实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息作为综合分析指标，输入到所述任务通道监测分析模型进行综合分析，根据所述任务通道监测分析模型的综合分析结果，识别出所有任务通道的实时状态信息。

进一步的，所述将所有任务通道对应的实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息作为综合分析指标，输入到所述任务通道监测分析模型进行综合分析，根据所述任务通道监测分析模型的综合分析结果，识别出所有任务通道的实时状态信息的步骤，具体包括：

步骤401，对所有任务通道对应的实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息进行数值化处理，获得数值化处理结果；

步骤402，获取预先在所述任务通道监测分析模型设置的实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息分别对应的分析权重；

步骤403，根据所有任务通道的区别标识信息，依次将所有任务通道中不同的任务通道作为当前任务通道；

步骤404，根据所述实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息分别对应的分析权重，以及当前任务通道对应的数值化处理结果，进行累加求和，获得累加求和结果作为当前任务通道的综合分析结果；

步骤405，根据预设的状态识别策略和所述综合分析结果，识别出当前任务通道的实时状态信息，其中，所述预设的状态识别策略为将所述综合分析结果作为状态表征值与预设的分析阈值进行比较，若所述综合分析结果越大于所述分析阈值，则所述当前任务通道的实时状态信息越好；

步骤406，重复执行步骤403至步骤405，识别出所有任务通道的实时状态信息。

进一步的，所述基于所述实时状态信息，筛选出所有可选用的任务通道的步骤，具体包括：

采用从大到小的排序方法对所有任务通道分别对应的综合分析结果进行排序处理，获得第一排序序列；

通过比较，从所述第一排序序列中筛选出大于所述分析阈值的所有综合分析结果；

识别所述所有综合分析结果分别对应的任务通道作为所述所有可选用的任务通道。

进一步的，在执行所述将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道的步骤之前，所述方法还包括：

根据预设的历史分发记录组件，识别历史所有用户被分发的任务通道；

根据预设的采集组件，采集历史所有用户的属性信息和标签信息；

将所述历史所有用户被分发的任务通道、所述历史所有用户的属性信息和标签信息作为学习知识输入到待学习的任务通道筛选模型内，并采用机器学习方式学习所有任务通道分别与用户的属性信息和标签信息间的关联关系；

获得学习完成的任务通道筛选模型作为所述预设的任务通道筛选模型。

进一步的，所述将所述历史所有用户被分发的任务通道、所述历史所有用户的属性信息和标签信息作为学习知识输入到待学习的任务通道筛选模型内，并采用机器学习方式学习所有任务通道分别与用户的属性信息和标签信息间的关联关系的步骤，具体包括：

获取预先将所述所有任务通道作为分类结果构建而成的贝叶斯分类器；

将所述贝叶斯分类器部署到所述待学习的任务通道筛选模型内；

将所述历史所有用户被分发的任务通道、所述历史所有用户的属性信息和标签信息作为先验知识，对所述贝叶斯分类器进行分类概率学习，学习出不同属性信息和标签信息分别在不同任务通道对应的分类概率值；

将不同属性信息和标签信息分别在不同任务通道对应的分类概率值，作为所有任务通道分别与用户的属性信息和标签信息间的关联关系。

进一步的，所述将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道的步骤，具体包括：

根据所述目标用户的属性信息和标签信息，以及所有任务通道分别与用户的属性信息和标签信息间的关联关系，从所述预设的任务通道筛选模型内筛选出目标数量的期望任务通道；

对所述目标数量的期望任务通道进行关联关系由强到弱排序，获得第二排序序列作为所述任务通道筛选模型的输出结果；

通过对比，识别所述所有可选用的任务通道与所述目标数量的期望任务通道是否存在交集关系；

若所述所有可选用的任务通道与所述目标数量的期望任务通道不存在交集关系，则根据所述第一排序序列从所有可选用的任务通道中筛选出排名最靠前的可选用的任务通道作为所述最优任务通道；

若所述所有可选用的任务通道与所述目标数量的期望任务通道存在交集关系，则识别交集结果中是否仅包含唯一任务通道；

若所述交集结果中仅包含唯一任务通道，则直接将所述唯一任务通道作为所述最优任务通道；

若所述交集结果中包含若干个任务通道，则根据所述第二排序序列从所述若干个任务通道中筛选出排名最靠前的任务通道作为所述最优任务通道。

为了解决上述技术问题，本申请实施例还提供任务调度装置，采用了如下所述的技术方案：

一种任务调度装置，包括：

任务处理请求接收模块，用于接收目标用户终端发送的任务处理请求；

实时状态信息分析模块，用于根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息；

可选用任务通道筛选模块，用于基于所述实时状态信息，筛选出所有可选用的任务通道；

任务处理请求解析模块，用于对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息；

最优任务通道确定模块，用于将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道，其中，所述预设的任务通道筛选模型为学习完成的任务通道筛选模型，所述学习完成的任务通道筛选模型成功学习了所有任务通道分别与用户的属性信息和标签信息间的关联关系；

任务处理请求调度模块，用于识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

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可读指令，所述处理器执行所述计算机可读指令时实现上述所述的任务调度方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

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可读指令，所述计算机可读指令被处理器执行时实现如上述所述的任务调度方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例所述任务调度方法，通过接收目标用户终端发送的任务处理请求；根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息；基于所述实时状态信息，筛选出所有可选用的任务通道；对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息；将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道；识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。通过获取所有任务通道的实时状态信息，并根据用户的实时反馈信息进行任务通道初次筛选，剔除掉所有处于处理饱和状态的任务通道，筛选出所有可选用的任务通道，再根据目标用户的属性信息和标签信息，从所述所有可选用的任务通道中实时选择出最优任务通道，将任务处理请求推送给所述最优任务通道进行任务处理，便于科学化和智能化的进行任务调度。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请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申请的一些实施例，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。

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的任务调度方法的一个实施例的流程图；

图3是图2所示步骤202的一个具体实施例的流程图；

图4是图3所示步骤305的一个具体实施例的流程图；

图5是图2所示步骤205的一个具体实施例的流程图；

图6是根据本申请的任务调度装置的一个实施例的结构示意图；

图7是根据本申请的计算机设备的一个实施例的结构示意图。

具体实施方式

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申请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，不是旨在于限制本申请；本申请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。本申请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。

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申请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。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

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。

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。

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 PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts 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。

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。

需要说明的是，本申请实施例所提供的任务调度方法一般由服务器/终端设备执行，相应地，任务调度装置一般设置于服务器/终端设备中。

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。

继续参考图2，示出了根据本申请的任务调度方法的一个实施例的流程图。所述的任务调度方法，包括以下步骤：

步骤201，接收目标用户终端发送的任务处理请求，其中，所述任务处理请求中包含目标用户的属性信息和标签信息。

本实施例中，所述目标用户终端包括金融业务用户终端，所述任务处理请求包括金融业务处理请求，例如保险办理请求、保险理赔请求、信用卡开卡请求等。

步骤202，根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息。

继续参考图3，图3是图2所示步骤202的一个具体实施例的流程图，包括：

步骤301，通过所述区别标识信息，统计当前时间点下所有任务通道内正在处理的任务量和处于等待排队状态的任务量；

步骤302，计算每个任务通道内正在处理的任务量和处于等待排队状态的任务量的和值；

步骤303，根据预设的比例算法公式：

通过统计当前时间点下所有任务通道内正在处理的任务量和处于等待排队状态的任务量，计算每个任务通道内正在处理的任务量和处于等待排队状态的任务量的和值，根据预设的比例算法公式,计算所有任务通道对应的实时可使用比例，避免将所述任务处理请求发送到处于处理繁忙状态的通道中，保证了科学且智能化的进行任务调度。

步骤304，分别获取所有任务通道内所有用户的实时反馈信息，其中，所述实时反馈信息包括任务处理效率评分信息、任务处理结果反馈信息；

步骤305，将所有任务通道对应的实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息作为综合分析指标，输入到所述任务通道监测分析模型进行综合分析，根据所述任务通道监测分析模型的综合分析结果，识别出所有任务通道的实时状态信息。

本实施例中，所述所有任务通道，可以指不同的营销通道，例如保险办理时，线上自营业务通道、代理商办理通道、线下办理通道，也可以指不同的处理通道，例如进行业务通知时的邮件发送通道、短信发送通道、电话语音通道等。

继续参考图4，图4是图3所示步骤305的一个具体实施例的流程图，包括：

步骤401，对所有任务通道对应的实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息进行数值化处理，获得数值化处理结果；

步骤402，获取预先在所述任务通道监测分析模型设置的实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息分别对应的分析权重；

步骤403，根据所有任务通道的区别标识信息，依次将所有任务通道中不同的任务通道作为当前任务通道；

步骤404，根据所述实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息分别对应的分析权重，以及当前任务通道对应的数值化处理结果，进行累加求和，获得累加求和结果作为当前任务通道的综合分析结果；

步骤405，根据预设的状态识别策略和所述综合分析结果，识别出当前任务通道的实时状态信息，其中，所述预设的状态识别策略为将所述综合分析结果作为状态表征值与预设的分析阈值进行比较，若所述综合分析结果越大于所述分析阈值，则所述当前任务通道的实时状态信息越好；

步骤406，重复执行步骤403至步骤405，识别出所有任务通道的实时状态信息。

通过将所有任务通道对应的实时可使用比例、任务处理效率评分信息和任务处理结果反馈信息作为综合分析指标，输入到所述任务通道监测分析模型进行综合分析，根据所述任务通道监测分析模型的综合分析结果，识别出所有任务通道的实时状态信息，能够进一步的帮助目标用户终端筛选出实时可使用比例高、任务处理效率快、任务处理结果使得用户满意的任务通道，保证了科学且智能化的进行任务调度。

步骤203，基于所述实时状态信息，筛选出所有可选用的任务通道。

本实施例中，所述基于所述实时状态信息，筛选出所有可选用的任务通道的步骤，具体包括：采用从大到小的排序方法对所有任务通道分别对应的综合分析结果进行排序处理，获得第一排序序列；通过比较，从所述第一排序序列中筛选出大于所述分析阈值的所有综合分析结果；识别所述所有综合分析结果分别对应的任务通道作为所述所有可选用的任务通道。

通过先基于所述实时状态信息，筛选出所有可选用的任务通道，便于后续再从所述所有可选用的任务通道中筛选出最优任务通道，采用二次筛选，筛选出最优任务通道，保证了科学且智能化的进行任务调度。

步骤204，对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息。

步骤205，将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道，其中，所述预设的任务通道筛选模型为学习完成的任务通道筛选模型，所述学习完成的任务通道筛选模型成功学习了所有任务通道分别与用户的属性信息和标签信息间的关联关系。

本实施例中，在执行所述将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道的步骤之前，所述方法还包括：根据预设的历史分发记录组件，识别历史所有用户被分发的任务通道；根据预设的采集组件，采集历史所有用户的属性信息和标签信息；将所述历史所有用户被分发的任务通道、所述历史所有用户的属性信息和标签信息作为学习知识输入到待学习的任务通道筛选模型内，并采用机器学习方式学习所有任务通道分别与用户的属性信息和标签信息间的关联关系；获得学习完成的任务通道筛选模型作为所述预设的任务通道筛选模型。

本实施例中，所述将所述历史所有用户被分发的任务通道、所述历史所有用户的属性信息和标签信息作为学习知识输入到待学习的任务通道筛选模型内，并采用机器学习方式学习所有任务通道分别与用户的属性信息和标签信息间的关联关系的步骤，具体包括：获取预先将所述所有任务通道作为分类结果构建而成的贝叶斯分类器；将所述贝叶斯分类器部署到所述待学习的任务通道筛选模型内；将所述历史所有用户被分发的任务通道、所述历史所有用户的属性信息和标签信息作为先验知识，对所述贝叶斯分类器进行分类概率学习，学习出不同属性信息和标签信息分别在不同任务通道对应的分类概率值；将不同属性信息和标签信息分别在不同任务通道对应的分类概率值，作为所有任务通道分别与用户的属性信息和标签信息间的关联关系。

由于历史所有用户被分发的任务通道、所述历史所有用户的属性信息和标签信息是已知的，因此，可以构建贝叶斯分类器，通过对所述贝叶斯分类器进行分类概率学习，学习出不同属性信息和标签信息分别在不同任务通道对应的分类概率值，将不同属性信息和标签信息分别在不同任务通道对应的分类概率值，作为所有任务通道分别与用户的属性信息和标签信息间的关联关系，使得在后续有目标用户进行任务处理请求时，可以直接根据目标用户的属性信息和标签信息，筛选出目标数量的期望任务通道，保证了科学且智能化的进行任务调度。

继续参考图5，图5是图2所示步骤205的一个具体实施例的流程图，包括：

步骤501，根据所述目标用户的属性信息和标签信息，以及所有任务通道分别与用户的属性信息和标签信息间的关联关系，从所述预设的任务通道筛选模型内筛选出目标数量的期望任务通道；

步骤502，对所述目标数量的期望任务通道进行关联关系由强到弱排序，获得第二排序序列作为所述任务通道筛选模型的输出结果；

步骤503，通过对比，识别所述所有可选用的任务通道与所述目标数量的期望任务通道是否存在交集关系；

步骤504，若所述所有可选用的任务通道与所述目标数量的期望任务通道不存在交集关系，则根据所述第一排序序列从所有可选用的任务通道中筛选出排名最靠前的可选用的任务通道作为所述最优任务通道；

步骤505，若所述所有可选用的任务通道与所述目标数量的期望任务通道存在交集关系，则识别交集结果中是否仅包含唯一任务通道；

步骤506，若所述交集结果中仅包含唯一任务通道，则直接将所述唯一任务通道作为所述最优任务通道；

步骤507，若所述交集结果中包含若干个任务通道，则根据所述第二排序序列从所述若干个任务通道中筛选出排名最靠前的任务通道作为所述最优任务通道。

通过对比，识别所述所有可选用的任务通道与所述目标数量的期望任务通道是否存在交集关系，根据所述交集结果，筛选出最优任务通道，保证了科学且智能化的进行任务调度。

步骤206，识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。

通过获取所有任务通道的实时状态信息，并根据用户的实时反馈信息进行任务通道初次筛选，剔除掉所有处于处理饱和状态的任务通道，筛选出所有可选用的任务通道，再根据目标用户的属性信息和标签信息，以及所有任务通道分别与用户的属性信息和标签信息间的关联关系，从所述预设的任务通道筛选模型内筛选出目标数量的期望任务通道，结合所述所有可选用的任务通道和所述目标数量的期望任务通道，实时选择出最优任务通道，将任务处理请求推送给所述最优任务通道进行任务处理，便于科学化和智能化的进行任务调度。

本申请通过接收目标用户终端发送的任务处理请求；根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息；基于所述实时状态信息，筛选出所有可选用的任务通道；对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息；将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道；识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。通过获取所有任务通道的实时状态信息，并根据用户的实时反馈信息进行任务通道初次筛选，剔除掉所有处于处理饱和状态的任务通道，筛选出所有可选用的任务通道，再根据目标用户的属性信息和标签信息，从所述所有可选用的任务通道中实时选择出最优任务通道，将任务处理请求推送给所述最优任务通道进行任务处理，便于科学化和智能化的进行任务调度。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大任务调度技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例中，通过获取所有任务通道的实时状态信息，并根据用户的实时反馈信息进行任务通道初次筛选，剔除掉所有处于处理饱和状态的任务通道，筛选出所有可选用的任务通道，再根据目标用户的属性信息和标签信息，以及所有任务通道分别与用户的属性信息和标签信息间的关联关系，从所述预设的任务通道筛选模型内筛选出目标数量的期望任务通道，结合所述所有可选用的任务通道和所述目标数量的期望任务通道，实时选择出最优任务通道，将任务处理请求推送给所述最优任务通道进行任务处理，便于科学化和智能化的进行任务调度。

进一步参考图6，作为对上述图2所示方法的实现，本申请提供了任务调度装置的一个实施例，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。

如图6所示，本实施例所述的任务调度装置600包括：任务处理请求接收模块601、实时状态信息分析模块602、可选用任务通道筛选模块603、任务处理请求解析模块604、最优任务通道确定模块605和任务处理请求调度模块606。其中：

任务处理请求接收模块601，用于接收目标用户终端发送的任务处理请求，其中，所述任务处理请求中包含目标用户的属性信息和标签信息；

实时状态信息分析模块602，用于根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息；

可选用任务通道筛选模块603，用于基于所述实时状态信息，筛选出所有可选用的任务通道；

任务处理请求解析模块604，用于对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息；

最优任务通道确定模块605，用于将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道，其中，所述预设的任务通道筛选模型为学习完成的任务通道筛选模型，所述学习完成的任务通道筛选模型成功学习了所有任务通道分别与用户的属性信息和标签信息间的关联关系；

任务处理请求调度模块606，用于识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。

在本申请的一些具体实施方式中，所述的最优任务通道确定模块605包括期望任务通道筛选子模块、期望任务通道排序子模块、第一判断识别子模块、最优任务通道第一筛选子模块、第二判断识别子模块、最优任务通道第二筛选子模块和最优任务通道第三筛选子模块。其中：

期望任务通道筛选子模块，用于根据所述目标用户的属性信息和标签信息，以及所有任务通道分别与用户的属性信息和标签信息间的关联关系，从所述预设的任务通道筛选模型内筛选出目标数量的期望任务通道；

期望任务通道排序子模块，用于对所述目标数量的期望任务通道进行关联关系由强到弱排序，获得第二排序序列作为所述任务通道筛选模型的输出结果；

第一判断识别子模块，用于通过对比，识别所述所有可选用的任务通道与所述目标数量的期望任务通道是否存在交集关系；

最优任务通道第一筛选子模块，用于若所述所有可选用的任务通道与所述目标数量的期望任务通道不存在交集关系，则根据所述第一排序序列从所有可选用的任务通道中筛选出排名最靠前的可选用的任务通道作为所述最优任务通道；

第二判断识别子模块，用于若所述所有可选用的任务通道与所述目标数量的期望任务通道存在交集关系，则识别交集结果中是否仅包含唯一任务通道；

最优任务通道第二筛选子模块，用于若所述交集结果中仅包含唯一任务通道，则直接将所述唯一任务通道作为所述最优任务通道；

最优任务通道第三筛选子模块，用于若所述交集结果中包含若干个任务通道，则根据所述第二排序序列从所述若干个任务通道中筛选出排名最靠前的任务通道作为所述最优任务通道。

本申请通过接收目标用户终端发送的任务处理请求；根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息；基于所述实时状态信息，筛选出所有可选用的任务通道；对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息；将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道；识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。通过获取所有任务通道的实时状态信息，并根据用户的实时反馈信息进行任务通道初次筛选，剔除掉所有处于处理饱和状态的任务通道，筛选出所有可选用的任务通道，再根据目标用户的属性信息和标签信息，从所述所有可选用的任务通道中实时选择出最优任务通道，将任务处理请求推送给所述最优任务通道进行任务处理，便于科学化和智能化的进行任务调度。

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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于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。

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。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图7，图7为本实施例计算机设备基本结构框图。

所述计算机设备7包括通过系统总线相互通信连接存储器7a、处理器7b、网络接口7c。需要指出的是，图中仅示出了具有组件7a-7c的计算机设备7，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(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

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。

所述存储器7a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7a可以是所述计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，所述存储器7a也可以是所述计算机设备7的外部存储设备，例如该计算机设备7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(FlashCard)等。当然，所述存储器7a还可以既包括所述计算机设备7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7a通常用于存储安装于所述计算机设备7的操作系统和各类应用软件，例如一种任务调度方法的计算机可读指令等。此外，所述存储器7a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。

所述处理器7b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、或其他任务调度芯片。该处理器7b通常用于控制所述计算机设备7的总体操作。本实施例中，所述处理器7b用于运行所述存储器7a中存储的计算机可读指令或者处理数据，例如运行所述任务调度方法的计算机可读指令。

所述网络接口7c可包括无线网络接口或有线网络接口，该网络接口7c通常用于在所述计算机设备7与其他电子设备之间建立通信连接。

本实施例提出的计算机设备，属于金融科技技术领域，应用于金融业务多通道调度场景中。本申请通过接收目标用户终端发送的任务处理请求；根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息；基于所述实时状态信息，筛选出所有可选用的任务通道；对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息；将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道；识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。通过获取所有任务通道的实时状态信息，并根据用户的实时反馈信息进行任务通道初次筛选，剔除掉所有处于处理饱和状态的任务通道，筛选出所有可选用的任务通道，再根据目标用户的属性信息和标签信息，从所述所有可选用的任务通道中实时选择出最优任务通道，将任务处理请求推送给所述最优任务通道进行任务处理，便于科学化和智能化的进行任务调度。

本申请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处理器执行，以使所述处理器执行如上述的任务调度方法的步骤。

本实施例提出的计算机可读存储介质，属于金融科技技术领域，应用于金融业务多通道调度场景中。本申请通过接收目标用户终端发送的任务处理请求；根据预设的任务通道监测分析模型和所有任务通道的区别标识信息，分析出所有任务通道的实时状态信息；基于所述实时状态信息，筛选出所有可选用的任务通道；对所述任务处理请求进行解析，获取所述目标用户的属性信息和标签信息；将所述目标用户的属性信息和标签信息输入到预设的任务通道筛选模型内，并根据所述任务通道筛选模型的输出结果从所述所有可选用的任务通道中确定出最优任务通道；识别出所述最优任务通道的区别标识信息，通过预设的任务调度组件和所述最优任务通道的区别标识信息，将所述任务处理请求推送给所述最优任务通道进行任务处理。通过获取所有任务通道的实时状态信息，并根据用户的实时反馈信息进行任务通道初次筛选，剔除掉所有处于处理饱和状态的任务通道，筛选出所有可选用的任务通道，再根据目标用户的属性信息和标签信息，从所述所有可选用的任务通道中实时选择出最优任务通道，将任务处理请求推送给所述最优任务通道进行任务处理，便于科学化和智能化的进行任务调度。

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，本申请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)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请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申请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申请进行了详细的说明，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。凡是利用本申请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，均同理在本申请专利保护范围之内。