崔巖 林春杰 賈世杰

摘 ?要：隨著新一代IT技術(shù)的飛速發(fā)展，相對(duì)于傳統(tǒng)的呼叫中心技術(shù)，云呼叫中心能夠?yàn)槠髽I(yè)提供更好的呼叫中心解決方案。文章設(shè)計(jì)實(shí)現(xiàn)了一個(gè)智能云呼叫中心，該呼叫中心基于云計(jì)算架構(gòu)，使用神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)客戶分類，利用粗糙集方法實(shí)現(xiàn)智能排班，采用多重分形方法預(yù)測(cè)呼叫中心話務(wù)量，旨在為實(shí)現(xiàn)智能化呼叫中心的技術(shù)發(fā)展提供參考。

關(guān)鍵詞：呼叫中心;云計(jì)算;粗糙集;神經(jīng)網(wǎng)絡(luò);多重分形

中圖分類號(hào)：TP391 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）14-0008-05

Abstract： With the rapid development of the new generation of IT technology， compared with the traditional call center technology， cloud call center can provide enterprises with better call center solutions. This paper designs and implements an intelligent cloud call center. The call center is based on cloud computing architecture， uses neural network technology to realize customer classification， uses rough set method to realize intelligent scheduling， and uses multifractal method to predict call center traffic， in order to provide reference for the technical development of intelligent call center.

Keywords： call center; cloud computing; rough set; neural network; multifractal

0 ?引 ?言

隨著數(shù)字經(jīng)濟(jì)的興起和快速發(fā)展，云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等技術(shù)已經(jīng)成為未來(lái)IT技術(shù)發(fā)展的新引擎。云計(jì)算已經(jīng)成為IT技術(shù)的基礎(chǔ)設(shè)施，各個(gè)行業(yè)紛紛利用云計(jì)算提高企業(yè)效率、降低成本、提升創(chuàng)新能力，對(duì)實(shí)現(xiàn)產(chǎn)業(yè)升級(jí)發(fā)揮重要作用。

呼叫中心利用計(jì)算機(jī)通信技術(shù)，處理來(lái)自企業(yè)或者用戶的電話咨詢、投訴、售后等服務(wù)，具備處理大量話務(wù)量的能力，可以自動(dòng)地將任務(wù)分配坐席。系統(tǒng)能夠記錄來(lái)電信息、建立客戶檔案，是企業(yè)提高服務(wù)能力的一個(gè)必要手段。隨著云計(jì)算技術(shù)的發(fā)展和普及，云呼叫中心應(yīng)運(yùn)而生，相較于傳統(tǒng)的自建呼叫中心，云呼叫中心有以下的優(yōu)點(diǎn)：

（1）成本低。服務(wù)器和相關(guān)硬件架設(shè)在云端，無(wú)須負(fù)擔(dān)數(shù)據(jù)中心的管理和維護(hù)成本，可以按量付費(fèi)，部署方便，可根據(jù)業(yè)務(wù)量動(dòng)態(tài)擴(kuò)展服務(wù)，尤其適合起步階段的中小型企業(yè)。

（2）可伸縮。企業(yè)可以根據(jù)自身的業(yè)務(wù)量和員工人數(shù)靈活開(kāi)通云終端，軟硬件系統(tǒng)的升級(jí)和維護(hù)交給云服務(wù)供應(yīng)商，可以有效降低企業(yè)運(yùn)營(yíng)成本。

（3）靈活性高。傳統(tǒng)的呼叫中心，員工需要在固定的機(jī)位前辦公，靈活性差，使用云平臺(tái)可以不受辦公地點(diǎn)的約束，隨時(shí)隨地都能夠提供呼叫服務(wù)。

云呼叫中心架設(shè)在云端，借助云計(jì)算平臺(tái)強(qiáng)大的大數(shù)據(jù)分析和處理能力，云呼叫中心愈發(fā)成為眾多中小型企業(yè)的首選?；诖嗽O(shè)計(jì)開(kāi)發(fā)基于云計(jì)算架構(gòu)的智能呼叫中心管理系統(tǒng)，使用基于粗糙集的神經(jīng)網(wǎng)絡(luò)方法進(jìn)行客戶分類，利用粗糙集方法進(jìn)行智能排班管理，通過(guò)多重分形技術(shù)實(shí)現(xiàn)了話務(wù)量預(yù)測(cè)，最后給出了智能云呼叫中心整體框架設(shè)計(jì)。

1 ?關(guān)鍵技術(shù)

1.1 ?云計(jì)算架構(gòu)

PaaS（平臺(tái)即服務(wù)）是云計(jì)算的一種服務(wù)模式，為用戶提供軟件部署和運(yùn)維平臺(tái)，用戶只需專注于應(yīng)用開(kāi)發(fā)，容易實(shí)現(xiàn)高可用、高伸縮性的系統(tǒng)。文章設(shè)計(jì)了基于PaaS的呼叫中心系統(tǒng)，架構(gòu)圖如圖1所示。

云呼叫中心的核心是PaaS層，提供平臺(tái)服務(wù)和業(yè)務(wù)服務(wù)，包括云呼叫中心平臺(tái)服務(wù)和云呼叫中心業(yè)務(wù)服務(wù)：

（1）云呼叫中心平臺(tái)服務(wù)。包括訪問(wèn)控制、呼叫服務(wù)、負(fù)載均衡和服務(wù)總線。服務(wù)總線集成系統(tǒng)中不同的組件，如工作流、第三方接口和通訊組件等。

（2）云呼叫中心業(yè)務(wù)服務(wù)。包括云平臺(tái)業(yè)務(wù)所需服務(wù)，系統(tǒng)基于SOA架構(gòu)，以Webservice方式對(duì)外提供服務(wù)。

1.2 ?客戶分類

用戶分類是平臺(tái)能夠吸引客戶、挖掘客戶和提供個(gè)性化服務(wù)的前提。提出的方法首先是根據(jù)歷史客戶信息，利用變精度粗糙集對(duì)信息系統(tǒng)進(jìn)行屬性約簡(jiǎn)，簡(jiǎn)化客戶相關(guān)信息，然后利用BP算法訓(xùn)練網(wǎng)絡(luò)，得到BP神經(jīng)網(wǎng)絡(luò)分類器，利用BP神經(jīng)網(wǎng)絡(luò)分類器對(duì)新客戶信息進(jìn)行分類得到客戶類別，圖2給出了變精度粗糙集結(jié)合神經(jīng)網(wǎng)絡(luò)分類的框架。

該方法使用變精度粗糙集進(jìn)行特征選擇，約簡(jiǎn)屬性集，然后訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)構(gòu)造分類器?？紤]到實(shí)際應(yīng)用中客戶信息普遍存在缺值現(xiàn)象，導(dǎo)致構(gòu)造的信息表為不完備，因此使用基于相容關(guān)系的變精度粗糙集分布約簡(jiǎn)算法來(lái)約簡(jiǎn)屬性集，其中參數(shù)β的選擇是決定約簡(jiǎn)效果的一個(gè)重要因素。在完備的信息系統(tǒng)中，β的取值范圍在一些固定區(qū)間上，使得上、下分布約簡(jiǎn)結(jié)果保持穩(wěn)定，基于此給出了不完備信息系統(tǒng)下β值穩(wěn)定區(qū)間的估計(jì)方法。

下面給出了計(jì)算上、下分布約簡(jiǎn)穩(wěn)定區(qū)間的算法。

算法1 計(jì)算β參數(shù)臨界點(diǎn)集算法

輸入：不完備決策表S=（U，C∪D）

輸出：上、下分布約簡(jiǎn)臨界點(diǎn)及集BβP，BβP

步驟1：計(jì)算決策表S的所有相容類{SP（x1），SP（x2），…，

SP（x|U|）}。

步驟2：對(duì)論域U中每一個(gè)對(duì)象x，對(duì)SP（x）中的每一個(gè)決策值di，

計(jì)算SP（x）中帶有決策值di的對(duì)象所占比重Ci。

如果1>C≥0.5，BβP←BβPUC，否則BβP←BβPUC。

步驟3：分別對(duì)BβP和BβP的元素排序，并輸出上、下分布約簡(jiǎn)臨界點(diǎn)集。

BP網(wǎng)訓(xùn)練過(guò)程主要包括兩個(gè)階段：輸入樣本，計(jì)算神經(jīng)網(wǎng)絡(luò)各層輸出和網(wǎng)絡(luò)誤差;反向傳播誤差變化，修正各層權(quán)值。通過(guò)不斷地計(jì)算實(shí)際輸出和期望輸出之間的誤差，調(diào)整網(wǎng)絡(luò)權(quán)重?cái)?shù)據(jù)，直到實(shí)際誤差小于期望誤差，下面給出BP算法。

算法2 BP網(wǎng)絡(luò)訓(xùn)練算法

輸入：訓(xùn)練樣本集合P

輸出：網(wǎng)絡(luò)的權(quán)矩陣V、W

步驟1：初始化權(quán)矩陣V和W，樣本計(jì)數(shù)p←1，訓(xùn)練次數(shù)q←1，誤差E←0，初始化訓(xùn)練精度Emin。

步驟2：將第p個(gè)樣本輸入到網(wǎng)絡(luò)中，計(jì)算各層的輸出。

步驟3：計(jì)算輸出和預(yù)期輸出值的誤差E。

步驟4：根據(jù)各層的誤差信號(hào)修正各層權(quán)值。

步驟5：若p

步驟6：若E

1.3 ?智能排班

呼叫中心可以自動(dòng)應(yīng)答客戶的電話，將客戶電話分發(fā)給坐席。將客戶分配給合適的坐席，能夠有效提高服務(wù)效率以及提升客戶的滿意度。坐席作為呼叫中心的核心資源，如何有效地動(dòng)態(tài)對(duì)坐席進(jìn)行排隊(duì)，是提高呼叫中心服務(wù)效率的一個(gè)重要手段。設(shè)計(jì)基于屬性加權(quán)的代價(jià)敏感粗糙集分類方法，建立與客戶級(jí)別、客戶歷史記錄、坐席業(yè)務(wù)量相關(guān)的動(dòng)態(tài)排隊(duì)策略，以提高服務(wù)質(zhì)量。

首先根據(jù)專家經(jīng)驗(yàn)建立代價(jià)矩陣，從客戶信息表中提取測(cè)試代價(jià)和誤分類代價(jià)最小的屬性集，在此基礎(chǔ)上給出最小總代價(jià)分類規(guī)則集，根據(jù)當(dāng)前呼入用戶的信息、當(dāng)前空閑坐席信息和規(guī)則集，對(duì)當(dāng)前坐席進(jìn)行排隊(duì)，做到讓最適合的坐席為呼入客戶提供優(yōu)質(zhì)服務(wù)。算法過(guò)程如圖3所示。

下面給出了代價(jià)敏感粗糙集分類規(guī)則生成算法。

算法3 代價(jià)敏感粗糙集分類規(guī)則生成算法

輸入：決策表S=（U，C∪D），代價(jià)矩陣λ，測(cè)試代價(jià)函數(shù)T（x）

輸出：分類規(guī)則集R

步驟1：計(jì)算。

步驟2：計(jì)算Cost=Miscost（x，B）+Testcost（x，B）。

步驟3：當(dāng)C-B≠?時(shí)反復(fù)執(zhí)行以下操作：

（1）對(duì)于每一個(gè)a∈C-B，計(jì)算=Miscost（x，B∪{a}）+Testcost（x，B∪{a}），找到分類總代價(jià)最高的屬性a'，令S=Cost-。

（2）若s≤0，則執(zhí)行步驟4。

（3）B=B∪{a'}，Cost=。

步驟4：計(jì)算得到所有最小代價(jià)分類結(jié)果。

步驟5：根據(jù)ξ（[x]B）導(dǎo)出規(guī)則集R。

1.4 ?話務(wù)量預(yù)測(cè)

有效地預(yù)測(cè)呼叫中心的話務(wù)量，是呼叫中心優(yōu)化坐席配置的前提。呼叫中心每天的話務(wù)量可以看成時(shí)間序列數(shù)據(jù)，該數(shù)據(jù)具有一定的隨機(jī)性，即話務(wù)量時(shí)間序列帶有混沌形式。多重分形是對(duì)分形理論的進(jìn)一步研究，能夠較方便地得到非平穩(wěn)時(shí)間序列標(biāo)度指數(shù)和多重分形譜，可以有效地分析時(shí)間序列的多重分形特征，它為話務(wù)量時(shí)間序列分析和預(yù)測(cè)提供了一條有效的解決途徑。本文設(shè)計(jì)了通過(guò)多重分形去趨勢(shì)波動(dòng)分析算法預(yù)測(cè)話務(wù)量的變化趨勢(shì)，用以優(yōu)化坐席排班，提高了工作效率。

算法4：多重分形去趨勢(shì)波動(dòng)分析算法

步驟1：構(gòu)造去均值的和序列，Y（i）=[xk-x]， i=1，…，N，x = ?xk 。

步驟2：把和序列分解成2NS = 2int 個(gè)不重疊的長(zhǎng)度為s的片段。

步驟3：對(duì)每一個(gè)片段計(jì)算去趨勢(shì)值，yv（i）時(shí)第v個(gè)區(qū)間的擬合多項(xiàng)式。

當(dāng)1≥v≥Ns時(shí)，

F2（v，s）={Y[（ v - 1 ）s + i] - yv（ i ）}2

當(dāng)Ns>v≥2Ns時(shí)，

F2（v，s）={Y[N（v - NS）s+i]-yv（ i ）}2

步驟4：對(duì)所有片段上取q階平均得到波動(dòng)函數(shù)。

q=0時(shí)，有。

步驟5：分析Fq（s）與s雙對(duì)數(shù)函數(shù)，確定波動(dòng)函數(shù)的標(biāo)度性，F(xiàn)q（s）～sh（q），根據(jù)勒讓德變換：α=h（q）+qh'（q），f（α）=q[α-h（q）]+1，計(jì)算f（α）-α。

對(duì)于具有多重分形特性的時(shí)間序列，其曲線是一個(gè)鐘形，其中Δα（Δα=αmax-αmin）為曲線下開(kāi)口的寬度，表示局部多重分形特性的分布范圍，Δf（Δf = f（αmin）-f（αmax））為系統(tǒng)多重分形維數(shù)的分布范圍，包括αmin和αmax在內(nèi)的這些特性共同描述了該時(shí)間序列所代表系統(tǒng)的多重分形特性，這些特征也反映了時(shí)間序列未來(lái)的變化趨勢(shì)，從而為坐席排班提供依據(jù)。

2 ?云計(jì)算架構(gòu)下呼叫中心管理系統(tǒng)設(shè)計(jì)

呼叫中心管理系統(tǒng)采用結(jié)構(gòu)化系統(tǒng)開(kāi)發(fā)方法，首先，采用“自頂向下，逐層分解”的開(kāi)發(fā)策略，然后通過(guò)結(jié)構(gòu)化的設(shè)計(jì)方法，將云呼叫中心分為呼叫中心基礎(chǔ)平臺(tái)、呼叫中心坐席功能、呼叫中心業(yè)務(wù)管理和知識(shí)服務(wù)四個(gè)內(nèi)部子系統(tǒng)，功能模塊圖如圖4所示。

其中，呼叫中心基礎(chǔ)平臺(tái)主要包括：撥號(hào)計(jì)劃、預(yù)撥號(hào)管理、撥號(hào)結(jié)果、速撥號(hào)碼、錄音記錄、線路管理以及通話統(tǒng)計(jì)、系統(tǒng)參數(shù)、數(shù)據(jù)導(dǎo)入、工作時(shí)間、分組管理、隊(duì)列狀態(tài)、坐席狀態(tài)監(jiān)控能功能;呼叫中心坐席功能主要包括：通話記錄、待撥號(hào)碼、日程管理、公告管理、排隊(duì)管理、排班管理、用戶管理、角色管理、用戶標(biāo)識(shí)管理、用戶在線統(tǒng)計(jì)等功能;呼叫中心業(yè)務(wù)管理主要包括：客戶信息管理、客戶關(guān)懷、客服記錄、統(tǒng)計(jì)分析、報(bào)修管理、投訴管理、問(wèn)卷管理等功能;知識(shí)服務(wù)包括：知識(shí)庫(kù)管理、類別管理、智能響應(yīng)、知識(shí)檢索。系統(tǒng)主要功能界面如圖5、圖6、圖7、圖8所示。

3 ?系統(tǒng)應(yīng)用

系統(tǒng)采用微服務(wù)架構(gòu)實(shí)現(xiàn)，基于容器化分布式部署，核心業(yè)務(wù)服務(wù)全部部署在云服務(wù)器上。系統(tǒng)已通過(guò)了河南省電子產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)所、河南省軟件評(píng)測(cè)中心的測(cè)試，經(jīng)過(guò)用戶的使用檢驗(yàn)，系統(tǒng)運(yùn)行穩(wěn)定可靠，實(shí)現(xiàn)了預(yù)設(shè)的各項(xiàng)技術(shù)指標(biāo)。該系統(tǒng)蔬菜批發(fā)市場(chǎng)、糧油企業(yè)、特色農(nóng)產(chǎn)品專賣(mài)店等農(nóng)產(chǎn)品銷售企業(yè)投入使用，吸引了客戶、節(jié)約了交易成本、方便客戶售后服務(wù)，使企業(yè)的經(jīng)濟(jì)效益大大提高。

4 ?結(jié) ?論

呼叫中心是企業(yè)和客戶的橋梁，是企業(yè)提高服務(wù)水平的重要平臺(tái)。基于云平臺(tái)的呼叫中心系統(tǒng)相較于傳統(tǒng)呼叫中心平臺(tái)有成本低、可伸縮、靈活性高等優(yōu)勢(shì)。本文設(shè)計(jì)了一個(gè)智能云呼叫中心管理系統(tǒng)，該系統(tǒng)基于粗糙集理論結(jié)合BP神經(jīng)網(wǎng)絡(luò)進(jìn)行客戶分類和座席排隊(duì)，利用混沌和分形理論預(yù)測(cè)話務(wù)量以及優(yōu)化呼叫中心排班，系統(tǒng)基于云平臺(tái)架構(gòu)，具有成本低、計(jì)算能力強(qiáng)、可靠性擴(kuò)展性高等優(yōu)點(diǎn)，為中小型企業(yè)建立呼叫中心系統(tǒng)提供一個(gè)有效的解決方案。

參考文獻(xiàn)：

[1] 白威，劉春宇，李建軍.云呼叫中心技術(shù)與商用模式發(fā)展研究 [J].商業(yè)經(jīng)濟(jì)，2020（7）：129-131.

[2] 邢瀟.PaaS云平臺(tái)的相關(guān)研究和運(yùn)用 [J].數(shù)碼世界，2019（12）：87.

[3] 陳晨，王雪娟.客戶分類的多元研究視角分析 [J].企業(yè)改革與管理，2018（8）：3+5.

[4] 劉瓊蓀，胡文彬.基于變精度粗糙集模型的屬性約簡(jiǎn)的β值穩(wěn)定區(qū)間討論 [J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2009，39（11）：133-137.

[5] 潘櫻丹，錢(qián)佳麗，何妍蕾，等.基于BP神經(jīng)網(wǎng)絡(luò)的排隊(duì)時(shí)間預(yù)測(cè)算法研究 [J].溫州大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，40（3）：28-35.

[6] 夏正洪，潘衛(wèi)軍.呼叫中心智能排班系統(tǒng)關(guān)鍵技術(shù) [J].計(jì)算機(jī)工程與設(shè)計(jì)，2015，36（5）：1332-1336.

[7] 林春杰，張瑞玲，韓曉琴.基于變精度粗糙集的不完備決策表屬性約簡(jiǎn) [J].計(jì)算機(jī)工程與應(yīng)用，2013，49（13）：118-120+233.

[8] 沈彤，殷秀顏，楊偉鴛，等.呼叫中心話務(wù)預(yù)測(cè)評(píng)價(jià)與校正研究 [J].價(jià)值工程，2015，34（8）：320-321.

[9] LYU Y Q，GAO J M，GAO Z Y，et al. Multifractal information fusion based condition diagnosis for process complex systems [J].Proceedings of Institution of Mechanical Engineers Part E Journal of Process Mechanical Engineering，2013，227（3）：178-184.

作者簡(jiǎn)介：崔巖（1982—），女，漢族，河南洛陽(yáng)人，講師，碩士，研究方向：智能信息處理;林春杰（1981—），男，朝鮮族，吉林吉林人，講師，碩士，研究方向：數(shù)據(jù)挖掘;賈世杰（1981—），男，漢族，河南洛陽(yáng)人，副教授，博士，研究方向：視頻通信、內(nèi)容分發(fā)。