服务接入处理方法、装置、设备、介质及产品与流程

1.本技术涉及计算机技术领域，具体而言，涉及一种服务接入处理方法、服务接入处理装置、电子设备、计算机可读存储介质及计算机程序产品。


背景技术：

2.目前许多机构提供咨询、问题解答、问题处理和投诉等服务，随着对象对这些服务的需求不断增加，而服务资源有限，导致在对象尝试通过接入服务以请求服务资源时，常常需要进行排队等待。目前，排队的主要依据是对象的接入请求时间，但仅依靠接入时间来进行排队并不十分合理，这可能导致对象在等待过程中体验较差。


技术实现要素：

3.本技术的实施例提供了一种服务接入处理方法、服务接入处理装置、电子设备、计算机可读存储介质及计算机程序产品，为服务接入顺序提供了新的维度的参考，使得排队变得更加合理和智能化，有助于优化整体服务效率。
4.本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。
5.根据本技术实施例的一个方面，提供了一种服务接入处理方法，包括：响应于目标对象的服务接入请求，获取所述目标对象在历次服务请求过程中所对应的特征数据；根据所述特征数据，确定所述目标对象的服务评估因子，所述服务评估因子用于表征影响服务成本的因素信息；根据所述服务评估因子计算所述目标对象的服务成本分，所述服务成本分用于表征所述目标对象对待分配资源的需求程度； 基于所述目标对象的服务成本分，确定所述目标对象在服务接入队列中的接入顺序。
6.根据本技术实施例的一个方面，提供了一种服务接入处理装置，所述装置包括：获取模块，用于响应于目标对象的服务接入请求，获取所述目标对象在历次服务请求过程中所对应的特征数据；确定模块，用于根据所述特征数据，确定所述目标对象的服务评估因子，所述服务评估因子用于表征影响服务成本的因素信息；计算模块，用于根据所述服务评估因子计算所述目标对象的服务成本分，所述服务成本分用于表征所述目标对象对待分配资源的需求程度；确定模块，还用于基于所述目标对象的服务成本分，确定所述目标对象在服务接入队列中的接入顺序。
7.在本技术的一实施例中，所述特征数据包括所述目标对象针对历次服务请求的轨迹数据和针对所述目标对象的服务数据；所述确定模块进一步用于根据所述轨迹数据确定所述目标对象访问服务渠道所对应的第一评估因子，所述第一评估因子用于表征所述服务渠道访问频率对服务成本的影响程度；根据所述服务数据确定所述目标对象服务需求所对应的第二评估因子，所述第二评估因子用于表征所述服务需求的解决程度对服务成本的影响程度；根据所述第一评估因子和所述第二评估因子确定所述服务评估因子。
8.在本技术的一实施例中，所述服务评估因子的数量包括多个；所述计算模块进一
步用于获取每个服务评估因子的权重值，并针对所述每个服务评估因子，获取每个对象在每个服务评估因子上的对象数值；根据所述每个对象在每个服务评估因子上的对象数值计算所述每个服务评估因子对应的异常值；根据所述每个服务评估因子对应的数值、所述每个服务评估因子的权重值，以及所述每个服务评估因子对应的异常值计算所述目标对象的服务成本分。
9.在本技术的一实施例中，所述计算模块进一步用于若所述服务评估因子对应的数值大于所述服务评估因子对应的异常值，则根据所述服务评估因子的权重值计算所述服务评估因子的服务成本分；若所述服务评估因子对应的数值小于所述服务评估因子对应的异常值，则根据所述服务评估因子对应的数值和所述服务评估因子对应的异常值之间的比例，以及所述服务评估因子的权重值计算所述服务评估因子的服务成本分；根据各个服务评估因子的服务成本分计算所述目标对象的服务成本分。
10.在本技术的一实施例中，所述计算模块进一步用于通过第一权重配置方式为所述每个服务评估因子分别配置第一权重值；通过第二权重配置方式为所述每个服务评估因子分别配置第二权重值，所述第二权重配置方式与所述第一权重配置方式不同；根据每个服务评估因子的所述第一权重值和所述第二权重值确定所述每个服务评估因子的权重值。
11.在本技术的一实施例中，所述计算模块进一步用于根据目标服务评估因子的所述第一权重值和所述第二权重值确定所述目标服务评估因子的初始权重值；根据所述目标对象在历次服务请求过程中所对应的特征数据获取所述目标对象所属的目标对象群体；根据所述目标对象群体对应的服务偏好对所述目标服务评估因子的初始权重值进行调整，得到目标服务评估因子的权重值。
12.在本技术的一实施例中，所述计算模块进一步用于若多个对象在目标服务评估因子上的数值符合正态分布，则获取多个对象在目标服务评估因子上的数值对应的数学期望和标准差；根据所述数学期望和所述标准差计算所述目标服务评估因子对应的异常值，以得到每个服务评估因子对应的异常值。
13.在本技术的一实施例中，所述装置还包括构建模块，用于获取成本分大于预设成本分阈值的样本服务成本分，以及所述样本服务成本分对应的样本服务评估因子；对所述样本服务评估因子进行特征提取，得到样本服务特征；根据所述样本服务特征和所述样本服务成本分构建服务成本预测模型；所述计算模块进一步用于根据所述服务成本预测模型和所述目标对象的服务评估因子预测所述目标对象的服务成本分。
14.在本技术的一实施例中，所述计算模块进一步用于将所述目标对象的服务评估因子输入至所述服务成本预测模型，所述服务成本预测模型用于对所述服务评估因子进行特征提取得到服务特征，计算所述服务特征与所述样本服务特征之间的相似度；根据所述服务成本预测模型输出的所述相似度和所述预设成本分阈值预测所述目标对象的服务成本分。
15.在本技术的一实施例中，所述确定模块进一步用于根据多个历史服务成本分计算所述历史服务成本分的异常值；将所述目标对象的服务成本分与所述历史服务成本分的异常值进行比较；若所述目标对象的服务成本分大于所述历史服务成本分的异常值，则在所述服务接入队列中对所述目标对象进行插队处理，以优先分派所述目标对象接入服务。
16.在本技术的一实施例中，所述确定模块进一步用于对所述多个历史服务成本分进
行分数排序得到排序结果，并根据排序结果确定所述多个历史服务成本分中的至少两个四分位数；根据所述至少两个四分位数计算所述历史服务成本分的异常值。
17.在本技术的一实施例中，所述确定模块进一步用于获取预设插队策略；若当前待分配资源大于预设资源阈值，则获取所述目标对象的当前服务请求过程中所对应的目标特征数据，并根据所述目标特征数据确定所述目标对象是否符合所述预设插队策略；若所述目标对象符合所述预设插队策略，则在所述服务接入队列中对所述目标对象进行插队处理。
18.根据本技术实施例的一个方面，本技术实施例提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如上所述的服务接入处理方法。
19.根据本技术实施例的一个方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被电子设备的处理器执行时，使电子设备执行如上所述的服务接入处理方法。
20.根据本技术实施例的一个方面，本技术实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序存储在计算机可读存储介质中，电子设备的处理器从所述计算机可读存储介质读取并执行所述计算机程序，使得所述电子设备执行如上所述的服务接入处理方法。
21.在本技术的实施例所提供的技术方案中，通过响应于目标对象的服务接入请求，服务端获取目标对象在历次服务请求过程中所对应的特征数据，根据特征数据，确定目标对象的服务评估因子，这些因子准确地反映影响服务成本的因素信息，进而根据服务评估因子计算目标对象的服务成本分，从而更准确地评估了目标对象对待分配资源的需求程度，之后根据目标对象对待分配资源的需求程度合理的确定目标对象在服务接入队列中的接入顺序，即结合目标对象在历次服务请求过程中所对应的特征数据进行综合评估，为服务接入顺序提供了新的维度的参考，使得排队变得更加合理和智能化，有助于优化整体服务效率和资源利用率，提升了服务质量和客户满意度。
22.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
23.图1是本技术涉及的一种实施环境的示意图。
24.图2是本技术的一示例性实施例示出的一种服务接入处理方法的流程图。
25.图3是本技术的一示例性实施例示出的另一种服务接入处理方法的流程图。
26.图4是本技术的一示例性实施例示出的另一种服务接入处理方法的流程图。
27.图5是本技术的一示例性实施例示出的另一种服务接入处理方法的流程图。
28.图6是本技术的一示例性实施例示出的另一种服务接入处理方法的流程图。
29.图7是本技术的一示例性实施例示出的另一种服务接入处理方法的流程图。
30.图8是本技术的一示例性实施例示出的另一种服务接入处理方法的流程图。
31.图9是本技术的一示例性实施例示出的另一种服务接入处理方法的流程图。
32.图10是本技术的一示例性实施例示出的一种服务接入处理方法的流程图。
33.图11是本技术的一示例性实施例示出的一种服务接入处理方法的流程图。
34.图12是本技术的一示例性实施例示出的一种服务接入处理方法的流程图。
35.图13是本技术的一示例性实施例示出另一种服务接入处理方法的流程图。
36.图14是本技术的另一示例性实施例示出的另一种服务接入处理方法的流程图。
37.图15是本技术的一示例性实施例示出的服务接入处理装置的结构框图。
38.图16示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
39.这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
40.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
41.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
42.还需要说明的是：在本技术中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
43.本技术实施例的技术方案涉及人工智能(artificial intelligence，ai)技术领域，在介绍本技术实施例的技术方案之前，先简单介绍ai技术。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。换句话说，ai是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。ai也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
44.其中，机器学习(machine learning，ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是ai的核心，是使计算机具有智能的根本途径，其应用遍及ai的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
45.本技术实施例的技术方案具体涉及ai中的机器学习技术，具体是基于机器学习技术构建服务成本分预测模型，以对服务成本分的预测。
46.以下结合实施环境对本技术实施例的技术方案进行详细介绍。
47.请参阅图1，图1是本技术涉及的一种实施环境的示意图。该实施环境包括终端10、服务端20和网络。
48.终端10，用于为目标对象发起服务接入请求，该服务接入请求可以是针对指定服
务的，也可以是针对任意服务的；终端可将服务接入请求发送至对应的可以处理该请求的服务端。
49.服务端20，用于响应于目标对象的服务接入请求，以获取目标对象在历次服务请求过程中所对应的特征数据；根据特征数据，确定目标对象的服务评估因子，该服务评估因子用于表征影响服务成本的因素信息；之后根据服务评估因子计算目标对象的服务成本分，该服务成本分用于表征目标对象对待分配资源的需求程度，进而基于目标对象的服务成本分，确定目标对象在服务接入队列中的接入顺序。
50.可以理解的是，针对不同的服务场景，服务端不同，例如服务接入请求对应的服务场景为运营商服务，则服务端为运营商；服务接入请求对应的服务场景为产品的售后服务，则服务端为产品销售商。
51.其中，前述终端10可以是智能手机、平板、笔记本电脑、计算机、智能语音交互设备、智能家电、专门在车辆上使用的终端、飞行器等任意能够可显示内容的电子设备，服务端20可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn（content delivery network，内容分发网络）以及大数据和智能平台等基础云计算服务的云服务器，本处不对此进行限制。
52.终端10和服务端20预先通过网络建立通信连接，使得终端10和服务端20 之间可以通过网络互相通信。网络可以是有线网络，也可以是无线网络，本处也不进行限制。
53.需要说明的是，在本技术的具体实施方式中，服务接入请求和/或特征数据涉及到使用对象相关，当本技术实施例运用到具体产品或技术中时，需要获得使用对象许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法规和标准。
54.以下对本技术实施例的技术方案的各种实现细节进行详细阐述。
55.如图2所示，图2是本技术的一个实施例示出的服务接入处理方法的流程图，该方法可以应用于图1所示的实施环境，该方法可以由服务端执行，该服务接入处理方法可以包括步骤s210至步骤s240，详细介绍如下。
56.s210、响应于目标对象的服务接入请求，获取目标对象在历次服务请求过程中所对应的特征数据。
57.本技术实施例中，目标对象的服务接入请求用于指示请求接入服务，以为目标对象提供相应的服务；例如请求接入服务热线，使得客服为目标对象提供客户服务；服务端在获取该服务接入请求后，响应于该服务接入请求，服务端从数据库中获取该目标对象在历次服务请求过程中所对应的特征数据。
58.其中，历次服务请求过程包括请求服务发起至服务结束的整个过程，历次服务请求过程中所对应的特征数据包括目标对象针对历次服务请求的轨迹数据，即针对历次服务请求，从服务请求发起至结束的过程中，目标对象所产生的数据，如操作数据；特征数据还包括服务端针对该目标对象的服务数据，例如响应数据。
59.以请求接入服务热线为例，服务端响应于目标对象的当前服务接入请求，获取目标对象在历次服务请求过程中的特征数据包括：请求发起次数、请求发起时间、接入热线的等待时间、接入客服的接入时间、服务需求等，还包括服务端针对服务需求的响应内容、转接次数、升级次数等。
60.在一示例中，为了提高服务质量，服务端可以获取在当前时刻之前的预设时间周期内，目标对象在历史服务请求过程中所对应的特征数据，该预设时间周期可以根据实际情况进行灵活调整，例如可以根据目标对象的活跃度确定，该活跃度与目标对象发起服务接入请求次数正相关，该活跃度越高，该预设时间周期越短；还可以根据目标对象的对象身份等级确定，对象身份等级越高，该预设时间周期越长。
61.可以理解的是，服务端提供的服务类型包括多种，例如咨询、问题解答、问题处理和投诉等，该服务接入请求包括目标服务类型；在一示例中，服务端可以获取针对该目标服务类型，目标对象在历次服务请求过程中所对应的特征数据；也可以获取针对所有服务类型，目标对象在历次服务请求过程中所对应的特征数据。
62.s220、根据特征数据，确定目标对象的服务评估因子，服务评估因子用于表征影响服务成本的因素信息。
63.在本技术实施例中，根据特征数据确定目标对象的服务评估因子，每个因子都代表了目标对象与服务端的交互情况，可以用于量化目标对象的服务成本，即从特征数据中提取出一些能够影响服务成本的因素，也就是服务评估因子，其中，服务成本是指对象在整个服务过程中的服务成本，包括时间成本和投入的资源成本等，该投入的资源成本包括人力资源、物品资源等。
64.可以理解的是，不同的服务评估因子可能对服务成本有不同的影响，例如请求发起次数越多，说明目标对象投入的时间成本越高，则对服务成本的影响越多，在一示例中，服务评估因子除了用于表征影响服务成本的因素，还用于表征因素对服务成本的影响程度。
65.在一示例中，根据特征数据确定目标对象的服务评估因子，可以从特征数据中确定与目标对象所花费的时间成本相关的第一因素，从特征数据中确定与目标对象所投入的资源成本相关的第二因素，再从第一因素和第二因素中进行筛选，优先将重复的因素作为服务评估因子，针对剩下的因素，根据业务需求进行确定。
66.s230、根据服务评估因子计算目标对象的服务成本分，服务成本分用于表征目标对象对待分配资源的需求程度。
67.在本技术实施例中，服务端根据服务评估因子计算目标对象的服务成本分，该服务成本分越高，则表示目标对象对待分配资源的需求程度越高，目标对象接入服务的紧迫程度越高；其中，该待分配资源为服务端所能提供的服务资源，待分配资源对目标对象的服务需求对应，服务需求不同，该待分配资源不同。
68.在一示例中， 若服务评估因子表征了因素对服务成本的影响程度，可以多个服务评估因子之和作为目标对象的服务成本分；也可以为每个服务评估因子配置权重，将多个服务评估因子的加权求和作为目标对象的服务成本分。
69.s240、基于目标对象的服务成本分，确定目标对象在服务接入队列中的接入顺序。
70.对象在接入服务时，由于服务资源有限，因此设立服务接入队列，将对象放入该服务接入队列进行排队，依次序为对象提供服务。在本技术实施例中，由于服务成本分表征目标对象对待分配资源的需求程度，服务端可以基于此确定目标对象在服务接入队列中的接入顺序，例如目标对象的服务成本分高于服务接入队列中的其他对象的服务成本分，则将目标对象的接入顺序确定为服务接入队列中的第一个；又例如，目标对象的服务成本分高
于预设服务成本分，则确定该目标对象的接入顺序优先，但若高于预设服务成本分的对象有多个，则基于接入时间确定多个对象之间的接入顺序。
71.在本技术实施例中，通过响应于目标对象的服务接入请求，服务端获取目标对象在历次服务请求过程中所对应的特征数据，根据特征数据，确定目标对象的服务评估因子，这些因子准确地反映影响服务成本的因素信息，进而根据服务评估因子计算目标对象的服务成本分，从而更准确地评估了目标对象对待分配资源的需求程度，之后根据目标对象对待分配资源的需求程度合理的确定目标对象在服务接入队列中的接入顺序，即结合目标对象在历次服务请求过程中所对应的特征数据进行综合评估，为服务接入顺序提供了新的维度的参考，使得排队变得更加合理和智能化，有助于优化整体服务效率和资源利用率，进而提升服务质量。
72.在本技术的一个实施例中，提供了另一种服务接入处理方法，该服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图3所示，该服务接入处理方法在图2中所示的s210~s240的基础上，将图2中所示的步骤s220扩展为步骤s310~s330；其中，特征数据包括目标对象针对历次服务请求的轨迹数据和针对目标对象的服务数据；步骤 s310~s330详细介绍如下。
73.s310、根据轨迹数据确定目标对象访问服务渠道所对应的第一评估因子，第一评估因子用于表征服务渠道访问频率对服务成本的影响程度。
74.在本技术实施例中，服务端可以提供多种服务渠道以为对象提供服务，其中，部分服务渠道之间可存在关联关系，例如服务渠道包括自助渠道和需要依赖的非自助渠道，该自助渠道包括faq（常见问题）服务和自助工具服务；非自助渠道包括机器人服务和人工服务渠道。服务端会同时提供自助渠道和非自助渠道的接入方式，若目标对象针对非自助渠道发起接入请求，为了节省服务资源，会优先向在接入人工服务渠道之前，会接入机器人服务渠道，机器人服务渠道无法满足对象的服务需求时，会引导对象接入人工服务渠道。
75.在本技术实施例中，s210中的目标对象的服务接入请求可以是针对某个服务渠道的，但获取的特征数据包括目标对象针对各个服务渠道的特征数据，则轨迹数据中包括目标对象针对各个服务渠道的轨迹数据，因此，可以根据该轨迹数据先确定目标对象访问各个服务渠道的访问频率，在基于服务渠道的访问频率确定对应的第一评估因子；其中，某个服务渠道访问频率越高，表示对服务成本的影响程度越高。
76.在一示例中，若轨迹数据为在当前时刻之前的预设时间周期内的轨迹数据，可以直接基于该预设时间周期内各个服务渠道访问次数来计算服务渠道访问频率，每个服务渠道对应的访问频率阈值，可以将服务渠道访问频率大于对应的访问频率阈值的目标服务渠道作为第一评估因子；根据目标服务渠道访问频率确定该目标服务渠道对服务成本的影响程度，如将目标服务渠道访问频率值作为该目标服务渠道对服务成本的影响程度。
77.在另一示例中，若轨迹数据为在当前时刻之前的预设时间周期内的轨迹数据，可以从该预设时间周期内中选择距离当前时间最近的部分时间周期，进而基于该部分时间周期计算服务渠道访问频率。
78.s320、根据服务数据确定目标对象服务需求所对应的第二评估因子，第二评估因子用于表征服务需求的解决程度对服务成本的影响程度。
79.在本技术实施例中，服务数据为服务端侧为服务目标对象的数据；该s320中的目
标对象服务需求是历次服务请求过程中的服务需求，根据服务数据先确定针对目标对象的服务需求所提出的服务方式，再获取该服务方式针对服务需求的解决程度，该服务需求的解决程度可以由目标对象反馈，也可以根据目标对象连续发起的历史服务请求的服务需求是否相同来判断，例如目标对象在历史时刻1发起服务请求，提出服务需求1，服务端提供了服务方式1，在历史时刻2发起服务请求，提出相同的服务需求1，则表示目标对象对服务方式1并不满意，该历史时刻1的服务需求的解决程度较低。服务需求的解决程度还可以基于服务端所提供的服务方式转变来确定，例如服务端针对服务需求1所提供的服务方式为内部转接，则表示服务需求1的解决程度较低。
80.在确定获取该服务方式针对服务需求的解决程度后，基于服务需求的解决程度确定第二评估因子，将针对服务需求的服务方式作为第二评估因子，将该服务需求的解决程度作为第二评估因子的值。
81.s330、根据第一评估因子和第二评估因子确定服务评估因子。
82.在一示例中，可以将第一评估因子和第二评估因子均作为服务评估因子。
83.在一示例中，可以分别设置第一评估因子和第二评估因子的权重值，进而通过加权求和确定服务评估因子。
84.需要说明的是，图3中所示步骤s210、s230~s240的其他详细介绍请参见图2所示的步骤s210、s230~s240，在此不再赘述。
85.本技术实施例中，从对象侧的对象轨迹数据和服务侧的服务数据分别确定第一评估因子和第二评估因子，进而结合第一评估因子和第二评估因子确定准确地反映影响服务成本的因素信息，保证服务评估因子的确定的全面性。
86.本技术实施例提供了另一种服务接入处理方法，该服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图4所示，该服务接入处理方法在图2中所示的基础上，将图2中所示的步骤s230扩展为步骤s410~s430。其中，服务评估因子的数量包括多个，步骤s410~s430详细介绍如下。
87.s410、获取每个服务评估因子的权重值，并针对每个服务评估因子获取每个对象在每个服务评估因子上的对象数值。
88.在本技术实施例中，为了保证服务评估因子更加客观，预先为每个服务评估因子配置的权重值，因此，需从本地数据库中提取每个服务评估因子的权重值。
89.其中，每个对象在每个服务评估因子上的对象数值指的是在时间周期中，每个对象在每个服务评估因子上的对象数值；如下表1所示，每一行代表一个对象，每一列代表一个因子，每个单元格代表一个对象数值。
90.例如服务评估因子为指定服务渠道的访问，则该数值指的是每个对象在时间周期内访问该指定服务渠道的次数，该对象在服务评估因子上的数值可以反映对象在服务系统中的行为和需求，以及对服务资源和时间的消耗，而不同的对象在不同服务评估因子上有
不同的对象值，导致了服务成本分的差异，因此，通过考虑每个对象在每个服务评估因子上的对象数值，以更加客观计算服务成本分。
91.s420、根据每个对象在每个服务评估因子上的对象数值计算每个服务评估因子对应的异常值。
92.根据每个对象在每个服务评估因子上的对象数值的分布，确定每个服务评估因子对应的异常值，其中，可以将超过正常范围的极端值作为异常值。
93.在一示例中，基于每个对象在每个服务评估因子上的对象数值，服务端可以进行数据分析和趋势预测，可以使用统计方法、时间序列分析等技术，来识别对象数值的波动模式、周期性和趋势变化，之后利用异常检测算法来自动识别异常情况，即基于波动模式、周期性和趋势变化检测出与历史数据分布不一致的数据点，或者是超出了预测范围的数据点，将其作为异常值。
94.s430、根据每个服务评估因子对应的数值、每个服务评估因子的权重值，以及每个服务评估因子对应的异常值计算目标对象的服务成本分。
95.在本技术实施例中，服务评估因子对应有数值，该数值即对服务成本的影响程度，服务端根据每个服务评估因子对应的数值、每个服务评估因子的权重值，以及每个服务评估因子对应的异常值计算每个服务评估因子的服务成本分，进而将所有服务评估因子的服务成本分之和作为目标对象的服务成本分。
96.其中，每个服务评估服务因子对应的异常值是基于所有对象数值的分布得到，即对应的全局方向；每个服务评估因子对应的数值是针对目标对象的，即对应的局部方向，因此将局部方向和全局方向进行对比，来体现目标对象的服务评估因子相对于整体服务评估因子的差异，以此确定目标对象的服务评估因子所对应的价值。即将每个服务评估因子对应的数值和每个服务评估因子对应的异常值进行对比，根据比对结果和每个服务评估因子的权重值来计算每个服务评估因子的服务成本分。
97.需要说明的是，图4中所示步骤s210~s220、s240的详细介绍请参见图3所示的步骤s210~s220、s240，在此不再赘述。
98.本技术实施例中，不但考虑了每个服务评估因子的权重值和每个服务评估因子对应的数值，还考虑每个对象在每个服务评估因子上的对象数值，以此计算每个服务评估因子的异常值，以更加客观计算服务成本分。
99.本技术实施例还提供了另一种服务接入处理方法，该服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图5所示，在图4中所示的基础上，将图4中所示的步骤s430扩展为步骤s510~s530。步骤s510~s530详细介绍如下。
100.s510、若服务评估因子对应的数值大于服务评估因子对应的异常值，则根据服务评估因子的权重值计算服务评估因子的服务成本分。
101.在本技术实施例中，若服务评估因子对应的数值大于或等于服务评估因子对应的异常值，则表示目标对象针对该服务评估因子有较高的服务需求，可以将该服务评估因子的权重值的满分作为该服务评估因子的服务成本分，例如服务评估因子的权重值为0.4，则该服务评估因子的服务成本分为40。
102.s520、若服务评估因子对应的数值小于服务评估因子对应的异常值，则根据服务评估因子对应的数值和服务评估因子对应的异常值之间的比例，以及服务评估因子的权重
值计算服务评估因子的服务成本分。
103.若服务评估因子对应的数值小于服务评估因子对应的异常值，则表示目标对象针对该服务评估因子有较低的服务需求，则可以根据服务评估因子对应的数值和服务评估因子对应的异常值，计算服务评估因子的服务成本分，例如根据因子对应的数值和异常值的比例，根据该比例以及服务评估因子的权重值计算服务成本分。
104.在一示例中，可以将服务评估因子的权重值的满分作为该服务评估因子的初始服务成本分，将服务评估因子对应的数值和服务评估因子对应的异常值的比值作为初始服务成本分的权重值，根据初始服务成本分的权重值和初始服务成本分计算服务评估因子的服务成本分，如将初始服务成本分的权重值和初始服务成本分之积作为服务成本分。
105.s530、根据各个服务评估因子的服务成本分计算目标对象的服务成本分。
106.将各个服务评估因子的服务成本分之和作为目标对象的服务成本分。
107.需要说明的是，图5中所示的步骤s210~s220、s410~s420、s240的其他详细介绍请参见图4中所示的步骤s210~s220、s410~s420、s240，在此不再赘述。
108.本技术实施例中，通过服务评估因子对应的数值与服务评估因子的异常值的不同比较结果，采用不同计算服务评估因子的服务成本分，保证服务评估因子的服务成本分的准确性和可靠性。
109.在本技术的一个实施例中，还提供了另一种服务接入处理方法，服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图6所示，该服务接入处理方法在图4中所示的基础上，将图4中所示的步骤s410中权重值的获取方式扩展为s610~s640。其中，步骤s610~s640详细介绍如下。
110.s610、通过第一权重配置方式为每个服务评估因子分别配置第一权重值。
111.在本技术实施例中，通过至少两种权重配置方式为每个服务评估因子配置权重，其中，第一权重配置方式为采用两两服务评估因子比较的方式，构建得分矩阵，根据两两服务评估因子的重要性比较，重要性越高，权重越高，进而将比较结果填入得分矩阵得到每个服务评估因子的第一权重值；其中，服务评估因子的重要性可以对服务评估因子对应的数值对应。
112.s620、通过第二权重配置方式为每个服务评估因子分别配置第二权重值，第二权重配置方式与第一权重配置方式不同。
113.第二权重配置方式与第一权重配置方式不同，其中，第二权重配置方式为：利用服务评估因子对应的数值的对比强度和冲突性来构建指标，对比强度使用标准差表示，如果数据标准差越大说明波动越大，权重会越高；冲突性使用相关系数进行表示，如果因子之间的相关系数值越大，说明冲突性越小，那么其权重也越低；权重计算时，对比强度与冲突性指标相乘，并且进行归一化处理，即得到最终的第二权重值。
114.s630、根据每个服务评估因子的第一权重值和第二权重值确定每个服务评估因子的权重值。
115.在一示例中，将每个服务评估因子的第一权重值和第二权重值的平均值作为每个服务评估因子的权重值。
116.在一示例中，也可以两种方法的权重进行相乘，然后除以所有服务评估因子的权重乘积之和，得到每个服务评估因子的权重值，可以平衡两种方法的影响，避免某一种方法
的权重过大或过小而导致综合权重失真。例如下表2所示，表2为本技术示出的一种权重值示例。
117.基于表2，服务评估因子1的权重值为，同理服务评估因子2的权重值为0.209，服务评估因子3的权重值为0.605。
118.在一示例中，还可通过公式：，得到每个服务评估因子的权重值，其中t小于1。
119.s640、针对每个服务评估因子，获取每个对象在每个服务评估因子上的对象数值。
120.需要说明的是，图6中所示的步骤s210~s220、s420~s430、s240的其他详细介绍请参见图4所示的步骤s210~s220、s420~s430、s240，在此不再赘述。
121.在本技术实施例中，通过两种不同的权重配置方式为每个服务评估因子配置权重值，再结合不同的权重配置方式所配置的权重值得到服务评估因子的最终权重值，保证了权重值的可靠性。
122.值得注意的是，在本技术的一个实施例中，还提供了另一种服务接入处理方法，服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图7所示，该服务接入处理方法在图6中所示的基础上，将步骤s630扩展为s710~s730。步骤s710~s730详细介绍如下。
123.s710、根据目标服务评估因子的第一权重值和第二权重值确定目标服务评估因子的初始权重值。
124.可通过s630中的任一示例计算得到目标服务评估因子的初始权重值。
125.s720、根据目标对象在历次服务请求过程中所对应的特征数据获取目标对象所属的目标对象群体。
126.由于不同对象类型可能会对不同服务评估因子有不同的敏感度，因此，在本技术实施例中，考虑不同对象群体制定了个性化的服务评估因子的权重，因此需要先划分对象群体。其中，可获取多个样本对象在多次服务请求过程中所对应的特征数据，从该特征数据中提取具有代表性和区分度的特征，例如目标对象的年龄、服务请求次数、服务请求方式，服务请求类别等，可对所选特征进行数据清洗、转换和归一化等处理，以确保数据的准确性和一致性，之后使用聚类算法，如k均值聚类、层次聚类等，将多个样本对象划分成不同的群体，其中每个群体内的样本对象具有相似的特征，而不同群体之间的特征差异较大。为了便于后续为不同群体配置不同的服务评估因子的权重，本技术实施例可以根据聚类结果，为每个群体分配一个有意义的名称或标识；对于每个划分的对象群体，制定个性化的因子的权重。个性化的因子可以包括与群体特征相关的因素，如高价值对象可能更关注服务
质量，普通对象可能更关注服务成本，权重可以根据群体的重要性和影响程度进行调整。例如高价值对象对应的个性化因子为服务方式，则服务方式对应的权重较为重要，普通对象对应的个性化因子为服务时间，则服务时间对应的权要较为重要。
127.在制定了个性化的服务评估因子的权重，需要确定目标对象所属的对象群体，即从目标对象在历次服务请求过程中所对应的特征数据提取具有代表性和区分度的特征，将所提取的特征与各个对象群体进行对比，以确定目标对象所属的对象群体。
128.s730、根据目标对象群体对应的服务偏好对目标服务评估因子的初始权重值进行调整，得到目标服务评估因子的权重值。
129.在本技术实施例中，目标对象群体对应的服务偏好对目标服务评估因子的初始权重值，其中，该目标服务评估因子为目标对象群体对应的个性化服务评估因子；例如目标对象所属的目标对象群体为高价值对象群体，其服务偏好为服务质量，则对与服务质量相关的目标服务评估因子的初始权重值进行调整；假设目标服务评估因子为服务方式，则在服务方式的初始权重值的基础上，增大该初始权重值，得到目标服务评估因子的权重值。
130.在一示例中，增大或减小初始权重值的方式可以根据实际情况进行灵活调整，例如增大初始权重值可以是在初始权重值的基础上增加指定比率，例如，该x为指定比率。
131.在一示例，如果某个对象群体的需求发生变化，可以相应地更新调整其因子权重，以适应新的需求。
132.需要说明的是，图7中所示的步骤s210~s220、s610~s620、s640、s420~s430、s240的其他详细介绍请参见图6所示的步骤s210~s220、s610~s620、s640、s420~s430、s240，在此不再赘述。
133.在本技术实施例中，通过对象群体划分，能够更准确地理解不同群体的需求，通过为对象群体制定了个性化的服务评估因子的权重，从而实现更精细化和个性化的服务。
134.在本技术的一个实施例中，还提供了另一种服务接入处理方法，服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图8所示，该服务接入处理方法在图4中所示的基础上，将s420扩展为s810~s820，详细介绍如下。
135.s810、若多个对象在目标服务评估因子上的数值符合正态分布，则获取多个对象在目标服务评估因子上的数值对应的数学期望和标准差。
136.在本技术实施例中，在获取每个对象在每个服务评估因子上的数值，可以选取一个目标服务评估因子，该目标服务评估因子可以是任意一个服务评估因子，进而判断所有对象在目标服务评估因子上的数值是否符合正态分布。
137.正态分布是具有两个参数μ（数学期望）和σ2（标准差）的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是该随机变量的方差；若多个对象在目标服务评估因子上的数值符合正态分布，获取多个对象在目标服务评估因子上的数值对应的数学期望和标准差。
138.s820、根据数学期望和标准差计算目标服务评估因子对应的异常值，以得到每个服务评估因子对应的异常值。
139.根据3σ定律，在一个正态分布的数据集中，约有68%的数值分布在（μ-σ，μ+σ）中，约有95%的数据数值分布在（μ-2σ，μ+2σ）中，约有99.7%的数据数值分布在（μ-3σ，μ+3σ）中。本
申请实施例中，以μ+3σ为目标服务评估因子的异常值分界点，即将μ+3σ作为异常值。
140.针对每个服务评估因子通过s810和s820，可得到每个服务评估因子对应的异常值。
141.在本技术其他实施例中，若多个对象在目标服务评估因子上的数值不符合正态分布，则可以使用z-score 方法，该z-score 也可以用于标准化数据，然后判断哪些值偏离了平均值，服务端根据偏离平均值的多个目标值确定异常值，如可以将偏离平均值的多个目标值的平均值作为异常值；也可以使用局部异常因子（lof）， lof可以识别出数据集中相对于其邻居密度较低的数据点，服务端根据相对于其邻居密度较低的数据点确定异常值。
142.可以理解的是，在确定异常值时，可以根据数据的实际情况选择合适的方法，并结合领域知识来判断哪些值是真正的异常值，对于复杂的数据分布，可使用多种方法来确定异常值。
143.需要说明的是，图8中所示的步骤s210~s220、s410、s430、s240的其他详细介绍请参见图4所示的步骤s210~s220、s410、s430、s240，在此不再赘述。
144.在本技术实施例中，多个对象在目标服务评估因子上的数值符合正态分布，根据3σ定律确定各个服务评估因子的异常值，从而在服务成本分的计算中更准确地考虑异常情况，进而提高服务评估的准确性和可靠性。
145.在本技术的一个实施例中，还提供了另一种服务接入处理方法，服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图9所示，该服务接入处理方法在图2中所示的基础上，增加了s910~s930，并将s230扩展为s940，详细介绍如下。
146.s910、获取成本分大于预设成本分阈值的样本服务成本分，以及样本服务成本分对应的样本服务评估因子。
147.在本技术实施例中，预先为样本对象生成了样本服务成本分，在一示例中，该样本服务成本分的计算过程可以参见图3~图8所示；在另一示例中，该样本服务成本分也可以是样本对象进行打分得到的。
148.首先获取成本分大于预设阈值的样本服务成本分，基于该样本服务成本分确定对应的样本对象，在获取该样本对象对应的服务评估因子。
149.s920、对样本服务评估因子进行特征提取，得到样本服务特征。
150.在本技术实施例中，可以对样本服务评估因子进行特征提取，其中样本服务评估因子包括文字和数值，则可以通过神经网络对文字和数值分别进行特征提取，并将文字特征和数字特征进行结合得到样本服务特征。
151.s930、根据样本服务特征和样本服务成本分构建服务成本预测模型。
152.在本技术实施例中，预先确定一神经网络，将样本服务成本分作为标签，将样本服务特征和样本服务成本分输入至神经网络，以神经网络进行训练，使得该神经网络学习样本服务特征与标签之间的关联关系，进而得到服务成功预测模型，训练得到服务成功预测模型可以预测出对象的服务成本分是否高于预设阈值。
153.s940、根据服务成本预测模型和目标对象的服务评估因子预测目标对象的服务成本分。
154.在通过s220确定目标对象的服务评估因子之后，将该服务评估因子输入至服务成本预测模型，通过服务成本预测模型预测该目标对象的服务成本分是否高于预设阈值。
155.在本技术其它实施例中，也可以获取各个分值大小的样本服务成本分，以及对应的样本服务评估因子，进而构建服务成本预测模型，使得该服务成本预测模型可以预测各个分值的服务成本分。
156.需要说明的是，图9中所示的步骤s210~s220、s240的其他详细介绍请参见图2所示的步骤s210~s220、s240，在此不再赘述。
157.在本技术实施例中，通过样本服务成本分和对应的样本服务评估因子构建服务成本预测模型，进而可以应用该服务成本预测模型，结合目标对象的服务评估因子预测服务成本分，在保证准确度的同时，提高了计算效率。
158.在本技术的一个实施例中，还提供了另一种服务接入处理方法，服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图10所示，该服务接入处理方法在图9中所示的基础上，将步骤s940扩展为步骤s1010~s1020。步骤s1010~s1020详细介绍如下。
159.s1010、将目标对象的服务评估因子输入至服务成本预测模型，服务成本预测模型用于对服务评估因子进行特征提取得到服务特征，计算服务特征与样本服务特征之间的相似度。
160.在本技术实施例中，将目标对象的服务评估因子输入至服务成本预测模型，该服务成本预测模型首先会对服务评估因子进行特征提取得到服务特征，其中该特征提取过程与样本服务评估因子的特征提取过程相同，之后服务成本预测模型计算服务特征与样本服务特征之间的相似度，可以通过计算服务特征与样本服务特征之间的余弦距离，将余弦距离作为特征之间的相似度。
161.s1020、根据服务成本预测模型输出的相似度和预设成本分阈值预测目标对象的服务成本分。
162.在本技术实施例中，若该相似度大于预设相似度阈值，则表示目标对象的服务成本分高于预设阈值，此时进一步结合预设成本分阈值的分值预测目标对应的服务成本分的分值；例如可以计算该相似度与预设相似度阈值的差值，在样本服务成本分的基础上，增加该差值对应的分数得到目标对象的服务成本分。例如相似度与预设相似度阈值的差值为10，预设成本分阈值为85，则服务成本分为：。
163.若相似度小于预设相似度阈值，则表示目标对象的服务成本分低于预设阈值，此时可无需计算具体分值。
164.可以理解的是，s1020可以是服务预测成本模型执行。
165.需要说明的是，图10中所示的步骤s910~s930、s210~s220、s240的其他详细介绍请参见图9所示的步骤s910~s930、s210~s220、s240，在此不再赘述。
166.在本技术实施例中，通过将目标对象的服务评估因子输入至服务成本预测模型，通过服务预测模型可获取服务评估因子对应的服务特征与样本服务特征之间的相似度，以此预测目标对象的服务成本分，在保证准确度的同时，提高了计算效率。
167.在本技术的一个实施例中，还提供了另一种服务接入处理方法，服务接入处理方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图11所示，该服务接入处理方法在图2至图10中所示的基础上，将s240扩展s1110~s1130，步骤s1110~s1130详细介绍如下。
168.s1110、根据多个历史服务成本分计算历史服务成本分的异常值。
169.在本技术实施例中，需要先获取多个历史服务成本分，其中，可以从当前时间前的一天的历史服务成本分中选择多个历史服务成本分，该多个历史服务成本分包括多个分数阶段的历史服务成本分，即包括低分段、中分段和高分段的历史服务成本分。该多个历史服务成本分的数量可以基于当前时间前的一天的历史服务成本分的总数量来确定，例如多个历史服务成本分的数量为前一天的历史服务成本分的总数量的1/3。
170.通过历史服务成本分计算历史服务成本分的异常值，以避免当天数据的波动和不稳定性。其中，异常值为偏离正常成本分的值。
171.在一示例中，可以先设定正常服务成本分的取值范围，从历史服务成本分中提取出偏离该取值范围的异常历史服务成本分，根据该异常历史服务成本分确定异常值，例如获取异常历史服务成本分的标准差，该标准差用于表征数据的离散程度，也就是数据与平均值的偏差大小，标准差越大，说明数据越分散；标准差越小，说明数据越集中；将标准差最大的对应的异常历史服务成本分作为异常值。
172.s1120、将目标对象的服务成本分与历史服务成本分的异常值进行比较。
173.s1130、若目标对象的服务成本分大于历史服务成本分的异常值，则在服务接入队列中对目标对象进行插队处理，以优先分派目标对象接入服务。
174.若目标对象的服务成本分大于历史服务成本分的异常值，则表示说明该对象有很高的服务需求和紧迫感，则在服务接入队列中目标对象进行插队处理，可以理解的是，对象在服务接入队列越靠前，对象越优先接入服务。
175.在一示例中，可以根据目标对象的服务成本分在服务接入队列中的分数排序进行插队处理；也可以结合目标对象的所属群体在服务接入队列中的分数排序进行插队处理。
176.在一示例中，除了插队处理外，还可以将超过异常值的目标对象分配给专门的处理团队，以便更迅速地解决他们的问题，从而提升服务响应速度。
177.目标对象的服务成本分小于历史服务成本分的异常值，则无需对目标对象在服务接入队列的接入顺序进行调整，即按照时间顺序在服务接入队列进行排列。
178.需要说明的是，图11中所示的步骤s210~s230的其他详细介绍请参见图2所示的步骤s210~s230，在此不再赘述。
179.在本技术实施例中，在计算历史服务成本分的异常值时，通过将目标对象的服务成本分与历史服务成本分的异常值进行比较，以此来确定对象是否有很高的服务需求和紧迫感，进而通过插队处理，优先分配目标对象接入服务，从而在服务接入队列中进行更合理的排队，减少了紧迫程度较高的对象的不满情绪。
180.本技术实施例提供了另一种服务接入处理方法，该方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图12所示，该服务接入处理方法在图11中所示的基础上，将步骤s1110扩展为步骤s1210~s1220；其中，步骤s1210~s1220详细介绍如下。
181.s1210、对多个历史服务成本分进行分数排序得到排序结果，并根据排序结果确定多个历史服务成本分中的至少两个四分位数。
182.s1220、根据至少两个四分位数计算历史服务成本分的异常值。
183.在本技术实施例中，对多个历史服务成本分进行分数排序，从低到高进行排序得到排序结果。在一示例中，若服务端提供多种服务类型，则将属于同一服务类型的多个历史
服务成本分进行排序。
184.根据排序结果将多个历史服务成本分并分成四等份，确定处于分隔点位置的数值，以作为四分位数，其中，四分位数有三个，第一个四分位数就是通常所说的四分位数，称为下四分位数，第二个四分位数就是中位数，第三个四分位数称为上四分位数，分别用q1、q2、q3表示；通过计算数值的四分位数以及四分位距，可以得出异常值的范围，该四分位距（inter quartile range，iqr）为第三四分位数减去第一四分位数。在一示例中，异常值为q3 + 1.5 * iqr 的值。
185.需要说明的是，图12中所示的步骤s210~s230、s1120~s1130的其他详细介绍请参见图11所示的步骤s210~s230、s1120~s1130，在此不再赘述。
186.本技术实施例提供了另一种服务接入处理方法，该方法可以应用于图1所示的实施环境，该方法可以由服务端执行，如图13所示，该服务接入处理方法在图11中所示基础上，将图11所示的s1130扩展为步骤s1310~s1330，步骤s1310~s1330详细介绍如下。
187.s1310、若目标对象的服务成本分大于历史服务成本分的异常值，获取预设插队策略。
188.在本技术实施例中，在进行插队处理时，需要考虑其他因素，以确保整体的服务质量和对象体验得到平衡和提升。其中，预设插队策略为预先设置的插队条件，例如该预设插队策略包括最大插队次数、最大等待时间、插队名单等。该预设插队策略还可以在预先设置的插队条件的基础上，根据实际情况进行灵活调整。
189.s1320、若当前待分配资源大于预设资源阈值，获取目标对象的当前服务请求过程中所对应的目标特征数据，并根据目标特征数据确定目标对象是否符合预设插队策略。
190.可以理解的是，当前待分配资源为目标对象所需求的资源，若当前待分配资源大于预设资源阈值，表示该当前待分配资源能够满足一定量对象，对目标对象进行插队处理，不会导致其他对象的资源不平衡，而影响整体服务质量，因此可对目标对象进行插队处理，但需判断目标对象是否符合预设插队条件。
191.在本技术实施例中，需要获取目标对象的当前服务请求过程中所对应的目标特征数据，该目标特征数据与目标对象的服务接入请求相关，例如该目标特征数据包括服务接入请求的请求需求；根据目标特征数据可以推测针对目标对象所能承受的最大等待时间，以及服务目标对象所花费的服务时间，根据该目标对象所能承受的最大等待时间，以及服务目标对象所花费的服务时间确定目标对象是否符合预设插队策略。
192.可以理解的是，首先应当判断目标对象是否为预设插队策略中名单对象，若不为名单中的对象，则在目标对象所能承受的最大等待时间大于预设插队策略中的最大等待时间，则表示目标对象符合该预设插队策略；在服务目标对象所花费的服务时间小于预设插队策略的最大服务时间，则表示目标对象符合该预设插队策略；若目标对象的插队次数大于预设插队策略中的最大插队次数，则表示目标对象不符合预设插队策略。
193.s1330、若目标对象符合预设插队策略，则在服务接入队列中对目标对象进行插队处理。
194.若目标对象符合预设插队策略，则可以在服务接入队列中对目标对象进行插队处理；其中，为了平衡服务接入队列中各对象的等待时间，在一示例中，该预设插队策略还包括插队方式，如在进行插队处理时，可以按照预设插队间隔进行插队，假设按照时间排序，
目标对象在服务接入队列排第7位，则按照预设插队间隔2位，将目标对象服务接入队列插入第5位；该预设插队间隔可以根据实际需求进行灵活调整。
195.若目标对象不符合预设插队策略，则无需进行插队处理。
196.需要说明的是，图13中所示的步骤s210~s230、s1110~s1120的其他详细介绍请参见图11所示的步骤s210~s230、s1110~s1120，在此不再赘述。
197.本技术实施例中，在进行插队处理时，需要充分考虑各种因素，在目标对象符合预设插队策略时，在服务接入队列中对目标对象进行插队处理，可以确保在插队处理目标对象时，不仅能够提升其服务体验，还能够保持其他对象的满意度。
198.为了便于理解，本技术实施例还提供一种服务接入处理方法，以客服场景为例进行说明，如图14所示，该服务接入处理方法包括：s1410、在接收到对象的服务接入请求时，从数据库中查询到时间周期t内的对象轨迹数据和服务数据。
199.对象通过拨打电话以发起服务接入请求，进而收集对象在拨打电话之前的一段时间内，在客服系统中的行为数据，以便分析对象的服务需求和成本。评估时间周期t可以根据实际情况进行调整，例如设定评估时间周期t为对象拨打电话时刻的前7天。从数据库中查询到的对象轨迹数据包括对象在客服系统的各个渠道产生数据，例如ivr（语音通话）渠道、imc（即时通信）渠道，ai智能客服渠道等。以ivr渠道为例，轨迹数据包括但不限于：对象拨打时间、对象等待时长、对象接入人工时间、对象结束通话的时间。服务数据包括客户系统针对对象产生的数据，例如ivr转接、人工升级，下发的信息等。
200.s1420、根据轨迹数据和服务数据，确定用于计算对象的服务成本分的服务评估因子，n为因子个数。
201.在本技术实施例中，需要从对象轨迹数据和服务数据中提取出一些能够反映对象服务成本的服务评估因子。不同的服务评估因子可能对服务成本有不同的影响，例如faq（常见问题）访问次数越多，说明对象可能已经尝试过自助解决问题，拨打电话时可能需要更高级别的人工服务；而imc服务次数越多，说明对象可能已经与人工客服进行过多次沟通，拨打电话时可能需要更快速的响应和处理。因此，根据实际情况和业务需求，可以确定一些合适的因子。
202.在本技术实施例中，针对客服系统，一般采用多种服务渠道模式，偏向引导客户通过自助服务的方式，无需人工介入即可自行解决，例如faq服务和自助工具服务；部分引导对象提交工单，后期人工进行异步处理。同时也会设置人工服务渠道，在接入客服前一般会先接入机器人客服系统，若机器人客服系统无法解决对象咨询的问题时，在线渠道会引导对象接入imc，热线渠道会根据对象问题，引导对象接入对应的热线组。根据以上的业务流程，确定了总体的渠道访问频率相关因子：faq访问次数、imc服务次数、ivr拨打次数、异步建单次数、智能会话服务次数。
203.对象在接入人工后，该客服系统的客服人工组会与对象进行沟通，有些问题可通过语言沟通进行解惑，有些问题需要下发工具协助对象解决，若该组无法解决对象问题，会进行转接或升级。针对上述业务流程，可得出对象问题未解决程度相关因子：ivr转接次数、人工升级次数、下发自助工具次数。
204.因此，本技术实施例，从根据对象的轨迹数据和服务数据，从渠道访问频率相关因
子，以及问题未解决程度相关因子中确定对象的服务评估因子，如对象在时间周期t内的faq访问次数。
205.s1430、通过规则引擎使用服务评估因子计算对象的服务成本分。
206.在本技术实施例中，需要计算对象的服务成本分，用于表示对象在拨打电话时对服务资源和时间的需求程度。
207.首先，需要确定各个服务评估因子的异常值，也就是超过正常范围的极端值。可以根据各因子每天各个对象值的分布情况，根据3σ定律确定各个因子的异常值。在此之前，需要判断各因子每天各个对象值是否符合正态分布，若数据不符合正态分布，则使用3σ定律来确定异常值可能会不准确或者失效；如果数据符合正态分布，则可以使用3σ定律来确定异常值。具体来说，就是将平均值加上3倍标准差，得到上限，将该上限作为异常值。例如，如果某个因子每天各个对象值的平均值是10，标准差是2，计算出上限是16（10+3
×
2），将其作为异常值；其中对象值是指在计算对象服务成本分的过程中，每个对象在每个因子上的具体数值。例如，如果一个因子是faq访问次数，那么对象值就是对象在评估时间周期t内访问了faq的次数。
208.其次，需要确定各个服务评估因子的权重，也就是它们对服务成本分的贡献程度。基于critic权重法以及构建专家得分矩阵法可以通过一定的数学公式和专家评价来计算出各个因子的权重。
209.其中，构建专家打分矩阵，将因子之间进行两两对比，当纵向数据比横向数据重要时，记为1，反之记为0，再横向汇总因子所得的总分，多个专家按照相同步骤进行打分，平均后得到因子的权重分数，下表3为一个专家打分示例。
210.然后使用critic权重法进行因子权重的判定，随机抽取一天的数据作为样本集，通过计算周期为近7天的m个对象的n个因子，构成了矩阵，其中m为对象标识，n为因子标识。
211.为了消除不同的量纲、数量级的影响，需要对变量进行标准化。因子j在一天内所有抽样对象中的数值为，使用min-max法将变量进行标准化。其中第i个对象的第j个因子标准化为：。
212.得到标准化后的样本矩阵：。
213.critic权重法利用数据的对比强度和冲突性来构建指标，其中，第j个因子的对比强度量化指标为标准差,第j个因子冲突性量化指标为,。其中是指因子i和j之前的相关系数,,。
214.计算第j个因子的信息量为=，确定第j个因子权重。
215.可以得到critic法得到权重的参考，与专家打分得到的权重进行平均后得出最终权重。
216.最后，需要根据各个因子的值和权重来计算对象总服务成本分。其中，获取一个对象的所有因子为,异常值,权重。
217.当时,；当时,，则服务成本分。
218.s1440、根据对象的服务成本分对对象的客服热线接入顺序进行调整。
219.本技术实施例中，根据对象服务成本分来优化热线服务的效率和质量。首先，需要获取对象拨打热线时的成本分数值，然后，需要使用昨日的所有历史 服务成本分，将请求同一热线组的对象按照历史服务成本分数值进行排序，从高到低排列，来计算异常值e，这是为了避免当天数据的波动和不稳定性。根据四分位数法，可以用q3+1.5iqr来表示异常值e，其中q3是第三四分位数，也就是75%分位点；iqr是四分位距，也就是q3-q1，其中q1是第一四分位数，也就是25%分位点。最后，需要将当前对象的服务成本分数值与异常值e进行比较，如果服务成本分数值超过异常值e，则在满足其他策略的情况下，可以将该对象进行插队处理，优先分派该对象进入对应的热线组中，以提高对象满意度和解决问题效率。
220.本技术实施例中，根据对象在客服系统的使用轨迹进行指标统计，使用了对象各
渠道访问频率、服务未解决程度机损服务评估因子，根据业务经验及统计学方法进行异常值及权重确定，进而计算服务成本分，以对对象的使用成本及接入热线紧迫度进行综合系统化的评估，为热线的接入顺序提供了新的维度的参考，相较于按照接入时间的排序，这种方法更为灵活，减少了紧迫程度较高的对象的不满情绪，将有限的人工客服资源更好的利用起来。
221.在此介绍本技术的装置实施例，可以用于执行本技术上述实施例中的服务接入处理方法。对于本技术装置实施例中未披露的细节，请参照本技术上述的服务接入处理方法的实施例。
222.本技术实施例提供了一种服务接入处理装置，如图15所示，装置包括。
223.获取模块1510，用于响应于目标对象的服务接入请求，获取目标对象在历次服务请求过程中所对应的特征数据。
224.确定模块1520，用于根据特征数据，确定目标对象的服务评估因子，服务评估因子用于表征影响服务成本的因素信息。
225.计算模块1530，用于根据服务评估因子计算目标对象的服务成本分，服务成本分用于表征目标对象对待分配资源的需求程度。
226.确定模块1520，还用于基于目标对象的服务成本分，确定目标对象在服务接入队列中的接入顺序。
227.在本技术的一个实施例中，基于前述方案，特征数据包括目标对象针对历次服务请求的轨迹数据和针对目标对象的服务数据；确定模块进一步用于根据轨迹数据确定目标对象访问服务渠道所对应的第一评估因子，第一评估因子用于表征服务渠道访问频率对服务成本的影响程度；根据服务数据确定目标对象服务需求所对应的第二评估因子，第二评估因子用于表征服务需求的解决程度对服务成本的影响程度；根据第一评估因子和第二评估因子确定服务评估因子。
228.在本技术的一个实施例中，基于前述方案，服务评估因子的数量包括多个；计算模块进一步用于获取每个服务评估因子的权重值，并针对每个服务评估因子，获取每个对象在每个服务评估因子上的对象数值；根据每个对象在每个服务评估因子上的对象数值计算每个服务评估因子对应的异常值；根据每个服务评估因子对应的数值、每个服务评估因子的权重值，以及每个服务评估因子对应的异常值计算目标对象的服务成本分。
229.在本技术的一个实施例中，基于前述方案，计算模块进一步用于若服务评估因子对应的数值大于服务评估因子对应的异常值，则根据服务评估因子的权重值计算服务评估因子的服务成本分；若服务评估因子对应的数值小于服务评估因子对应的异常值，则根据服务评估因子对应的数值和服务评估因子对应的异常值之间的比例，以及服务评估因子的权重值计算服务评估因子的服务成本分；根据各个服务评估因子的服务成本分计算目标对象的服务成本分。
230.在本技术的一个实施例中，基于前述方案，计算模块进一步用于通过第一权重配置方式为每个服务评估因子分别配置第一权重值；通过第二权重配置方式为每个服务评估因子分别配置第二权重值，第二权重配置方式与第一权重配置方式不同；根据每个服务评估因子的第一权重值和第二权重值确定每个服务评估因子的权重值。
231.在本技术的一个实施例中，基于前述方案，计算模块进一步用于根据目标服务评
估因子的第一权重值和第二权重值确定目标服务评估因子的初始权重值；根据目标对象在历次服务请求过程中所对应的特征数据获取目标对象所属的目标对象群体；根据目标对象群体对应的服务偏好对目标服务评估因子的初始权重值进行调整，得到目标服务评估因子的权重值。在本技术的一个实施例中，基于前述方案，计算模块进一步用于若多个对象在目标服务评估因子上的数值符合正态分布，则获取多个对象在目标服务评估因子上的数值对应的数学期望和标准差；根据数学期望和标准差计算目标服务评估因子对应的异常值，以得到每个服务评估因子对应的异常值。
232.在本技术的一个实施例中，基于前述方案，装置还包括构建模块，用于获取成本分大于预设成本分阈值的样本服务成本分，以及样本服务成本分对应的样本服务评估因子；对样本服务评估因子进行特征提取，得到样本服务特征；根据样本服务特征和样本服务成本分构建服务成本预测模型；计算模块进一步用于根据服务成本预测模型和目标对象的服务评估因子预测目标对象的服务成本分。
233.在本技术的一个实施例中，基于前述方案，计算模块进一步用于将目标对象的服务评估因子输入至服务成本预测模型，服务成本预测模型用于对服务评估因子进行特征提取得到服务特征，计算服务特征与样本服务特征之间的相似度；根据服务成本预测模型输出的相似度和预设成本分阈值预测目标对象的服务成本分。
234.在本技术的一个实施例中，基于前述方案，确定模块进一步用于根据多个历史服务成本分计算历史服务成本分的异常值；将目标对象的服务成本分与历史服务成本分的异常值进行比较；若目标对象的服务成本分大于历史服务成本分的异常值，则在服务接入队列中对目标对象进行插队处理，以优先分派目标对象接入服务。
235.在本技术的一个实施例中，基于前述方案，确定模块进一步用于对多个历史服务成本分进行分数排序得到排序结果，并根据排序结果确定多个历史服务成本分中的至少两个四分位数；根据至少两个四分位数计算历史服务成本分的异常值。
236.在本技术的一个实施例中，基于前述方案，确定模块进一步用于获取预设插队策略；若当前待分配资源大于预设资源阈值，则获取目标对象的当前服务请求过程中所对应的目标特征数据，并根据目标特征数据确定目标对象是否符合预设插队策略；若目标对象符合预设插队策略，则在服务接入队列中对目标对象进行插队处理。
237.需要说明的是，上述实施例所提供的装置与上述实施例所提供的方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。
238.本技术的实施例还提供了一种电子设备，包括一个或多个处理器，以及存储装置，其中，存储装置，用于存储一个或多个计算机程序，当一个或多个计算机程序被一个或多个处理器执行时，使得电子设备实现如上所述的服务接入处理方法。
239.图16示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
240.需要说明的是，图16示出的电子设备的计算机系统1600仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
241.如图16所示，计算机系统1600包括处理器（central processing unit，cpu）1601，其可以根据存储在只读存储器（read-only memory，rom）1602中的程序或者从储存部分
1608加载到随机访问存储器（random access memory，ram）1603中的程序而执行各种适当的动作和处理，例如执行上述实施例中的方法。在ram 1603中，还存储有系统操作所需的各种程序和数据。cpu 1601、rom 1602以及ram 1603通过总线1604彼此相连。输入/输出（input /output，i/o）接口1605也连接至总线1604。
242.在一些实施例中，以下部件连接至i/o接口1605：包括键盘、鼠标等的输入部分1606；包括诸如阴极射线管（cathode ray tube，crt）、液晶显示器（liquid crystal display，lcd）等以及扬声器等的输出部分1607；包括硬盘等的储存部分1608；以及包括诸如lan（local area network，局域网）卡、调制解调器等的网络接口卡的通信部分1609。通信部分1609经由诸如因特网的网络执行通信处理。驱动器1610也根据需要连接至i/o接口1605。可拆卸介质1611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1610上，以便于从其上读出的计算机程序根据需要被安装入储存部分1608。
243.特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分1609从网络上被下载和安装，和/或从可拆卸介质1611被安装。在该计算机程序被处理器（cpu）1601执行时，执行本技术的系统中限定的各种功能。
244.需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（erasable programmable read only memory）、闪存、光纤、便携式紧凑磁盘只读存储器（compact disc read-only memory，cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
245.附图中的流程图和框图，图示了按照本技术各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机程序的组合来
实现。
246.描述于本技术实施例中所涉及到的单元或者模块可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元或者模块也可以设置在处理器中。其中，这些单元或者模块的名称在某种情况下并不构成对该单元或者模块本身的限定。
247.本技术的另一方面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，该计算机程序被处理器执行时实现如前的服务接入处理方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。
248.本技术的另一方面还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机程序，处理器执行该计算机程序，使得该电子设备执行上述各个实施例中提供如前所述的服务接入处理方法。
249.应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
250.本领域技术者在考虑说明书及实践这里公开的实施方式后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。
251.上述内容，仅为本技术的较佳示例性实施例，并非用于限制本技术的实施方案，本领域普通技术者根据本技术的主要构思和精神，可以十分方便地进行相应的变通或修改，故本技术的保护范围应以权利要求书所要求的保护范围为准。

技术特征：
1.一种服务接入处理方法，其特征在于，包括：响应于目标对象的服务接入请求，获取所述目标对象在历次服务请求过程中所对应的特征数据；根据所述特征数据，确定所述目标对象的服务评估因子，所述服务评估因子用于表征影响服务成本的因素信息；根据所述服务评估因子计算所述目标对象的服务成本分，所述服务成本分用于表征所述目标对象对待分配资源的需求程度；基于所述目标对象的服务成本分，确定所述目标对象在服务接入队列中的接入顺序。2.根据权利要求1所述的方法，其特征在于，所述特征数据包括所述目标对象针对历次服务请求的轨迹数据和针对所述目标对象的服务数据；所述根据所述特征数据，确定所述目标对象的服务评估因子，包括：根据所述轨迹数据确定所述目标对象访问服务渠道所对应的第一评估因子，所述第一评估因子用于表征所述服务渠道访问频率对服务成本的影响程度；根据所述服务数据确定所述目标对象服务需求所对应的第二评估因子，所述第二评估因子用于表征所述服务需求的解决程度对服务成本的影响程度；根据所述第一评估因子和所述第二评估因子确定所述服务评估因子。3.根据权利要求1所述的方法，其特征在于，所述服务评估因子的数量包括多个；所述根据所述服务评估因子计算所述目标对象的服务成本分，包括：获取每个服务评估因子的权重值，并针对所述每个服务评估因子，获取每个对象在每个服务评估因子上的对象数值；根据所述每个对象在每个服务评估因子上的对象数值计算所述每个服务评估因子对应的异常值；根据所述每个服务评估因子对应的数值、所述每个服务评估因子的权重值，以及所述每个服务评估因子对应的异常值计算所述目标对象的服务成本分。4.根据权利要求3所述的方法，其特征在于，所述根据所述每个服务评估因子对应的数值、所述每个服务评估因子的权重值，以及所述每个服务评估因子对应的异常值计算所述目标对象的服务成本分，包括：若所述服务评估因子对应的数值大于所述服务评估因子对应的异常值，则根据所述服务评估因子的权重值计算所述服务评估因子的服务成本分；若所述服务评估因子对应的数值小于所述服务评估因子对应的异常值，则根据所述服务评估因子对应的数值和所述服务评估因子对应的异常值之间的比例，以及所述服务评估因子的权重值计算所述服务评估因子的服务成本分；根据各个服务评估因子的服务成本分计算所述目标对象的服务成本分。5.根据权利要求3所述的方法，其特征在于，所述获取每个服务评估因子的权重值，包括：通过第一权重配置方式为所述每个服务评估因子分别配置第一权重值；通过第二权重配置方式为所述每个服务评估因子分别配置第二权重值，所述第二权重配置方式与所述第一权重配置方式不同；根据每个服务评估因子的所述第一权重值和所述第二权重值确定所述每个服务评估
因子的权重值。6.根据权利要求5所述的方法，其特征在于，所述根据每个服务评估因子的所述第一权重值和所述第二权重值确定所述每个服务评估因子的权重值，包括：根据目标服务评估因子的所述第一权重值和所述第二权重值确定所述目标服务评估因子的初始权重值；根据所述目标对象在历次服务请求过程中所对应的特征数据获取所述目标对象所属的目标对象群体；根据所述目标对象群体对应的服务偏好对所述目标服务评估因子的初始权重值进行调整，得到目标服务评估因子的权重值。7.根据权利要求3所述的方法，其特征在于，所述根据所述每个对象在每个服务评估因子上的数值计算所述每个服务评估因子对应的异常值，包括：若多个对象在目标服务评估因子上的数值符合正态分布，则获取多个对象在目标服务评估因子上的数值对应的数学期望和标准差；根据所述数学期望和所述标准差计算所述目标服务评估因子对应的异常值，以得到每个服务评估因子对应的异常值。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取成本分大于预设成本分阈值的样本服务成本分，以及所述样本服务成本分对应的样本服务评估因子；对所述样本服务评估因子进行特征提取，得到样本服务特征；根据所述样本服务特征和所述样本服务成本分构建服务成本预测模型；根据所述服务评估因子计算所述目标对象的服务成本分，包括：根据所述服务成本预测模型和所述目标对象的服务评估因子预测所述目标对象的服务成本分。9.根据权利要求8所述的方法，其特征在于，所述根据所述服务成本预测模型和所述目标对象的服务评估因子预测所述目标对象的服务成本分，包括：将所述目标对象的服务评估因子输入至所述服务成本预测模型，所述服务成本预测模型用于对所述服务评估因子进行特征提取得到服务特征，计算所述服务特征与所述样本服务特征之间的相似度；根据所述服务成本预测模型输出的所述相似度和所述预设成本分阈值预测所述目标对象的服务成本分。10.根据权利要求1至9任一项所述的方法，其特征在于，所述基于所述目标对象的服务成本分，确定所述目标对象在服务接入队列中的接入顺序，包括：根据多个历史服务成本分计算所述历史服务成本分的异常值；将所述目标对象的服务成本分与所述历史服务成本分的异常值进行比较；若所述目标对象的服务成本分大于所述历史服务成本分的异常值，则在所述服务接入队列中对所述目标对象进行插队处理，以优先分派所述目标对象接入服务。11.根据权利要求10所述的方法，其特征在于，所述根据多个历史服务成本分计算所述历史服务成本分的异常值，包括：对所述多个历史服务成本分进行分数排序得到排序结果，并根据排序结果确定所述多
个历史服务成本分中的至少两个四分位数；根据所述至少两个四分位数计算所述历史服务成本分的异常值。12.根据权利要求10所述的方法，其特征在于，所述在所述服务接入队列中对所述目标对象进行插队处理，包括：获取预设插队策略；若当前待分配资源大于预设资源阈值，则获取所述目标对象的当前服务请求过程中所对应的目标特征数据，并根据所述目标特征数据确定所述目标对象是否符合所述预设插队策略；若所述目标对象符合所述预设插队策略，则在所述服务接入队列中对所述目标对象进行插队处理。13.一种服务接入次序处理装置，其特征在于，包括：获取模块，用于响应于目标对象的服务接入请求，获取所述目标对象在历次服务请求过程中所对应的特征数据；确定模块，用于根据所述特征数据，确定所述目标对象的服务评估因子，所述服务评估因子用于表征影响服务成本的因素信息；计算模块，用于根据所述服务评估因子计算所述目标对象的服务成本分，所述服务成本分用于表征所述目标对象对待分配资源的需求程度；确定模块，还用于基于所述目标对象的服务成本分，确定所述目标对象在服务接入队列中的接入顺序。14.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备执行权利要求1至12中任一项所述的方法。15.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被电子设备的处理器执行时，使电子设备执行权利要求1至12中任一项所述的方法。16.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中，电子设备的处理器从所述计算机可读存储介质读取并执行所述计算机程序，使电子设备执行权利要求1至12中任一项所述的方法。

技术总结
本申请的实施例公开了一种服务接入处理方法、装置、设备、介质及产品，包括：响应于目标对象的服务接入请求，获取目标对象在历次服务请求过程中所对应的特征数据；根据特征数据，确定目标对象的服务评估因子，服务评估因子用于表征影响服务成本的因素信息；根据服务评估因子计算目标对象的服务成本分，服务成本分用于表征目标对象对待分配资源的需求程度；基于目标对象的服务成本分，确定目标对象在服务接入队列中的接入顺序。本申请实施例的技术方案，为服务接入顺序提供了新的维度的参考，使得排队变得更加合理和智能化，有助于优化整体服务效率。服务效率。服务效率。


技术研发人员：曾文璇 黄金生 雷植程 陈平 闫颖异
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2023.09.01
技术公布日：2023/10/8