哪一种算法是基于多个因素来确定最佳拟合分析师的最佳算法？

Question

假设我有一个由200名分析师组成的团队，他们在处理不同的IT票据。我想要一个更好的票务分配系统，在售票前考虑多个因素。

• 每一位分析师的杰出票-可用性
• 在票的类型上的技术分数
• 顾客满意度评分
• 交流分数等

现在，一旦有一张新的票在排队，我就会确定票有多重要，需要什么样的技能，并根据客户/商务区的情况来确定车票期望的满意度和沟通得分。

有人能提出适合这类问题的算法吗?例如，基于多个变量，用正确的票证映射正确的分析师？

Answer 1

一种方法是一组模型，这些模型以票为输入，并根据票的关键程度、需要什么样的技能集、需要什么样的满意度分数以及所需的沟通技巧来生成分数。

根据这些预测，您可以编写一个简单的基于规则的算法来确定要发送票证的最佳分析师。这些规则将基于您在问题中提到的分析师特征。

根据票证输入的形式，上述模型可能需要一个自然语言处理(NLP)元素。您可能还想研究推荐系统--很可能以前也做过类似的事情。

Answer 2

我认为你最好的选择是建立一个推荐系统。以下是为什么和如何：

推荐系统知道分析人员的所有属性。它给出了这些属性的分数。例如-分析师有多准时？好的可以是5分，坏的可以是2个。

现在，当生成票证时，您将分析它的属性，并对它们进行评分。

对于将属性与特定分析师匹配的Mow，可以使用推荐器。