CN120952411A - 任务处理方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请属于人工智能技术领域，涉及一种任务处理方法、装置、计算机设备及存储介质，包括：在业务处理流程中，若检测到符合拦截条件的业务数据，则基于业务数据构建审核任务；将审核任务的任务信息记录到指定任务表内，并从指定任务表中筛选出待分配的目标任务；获取候选审核人员的多维度信息，以及获取目标任务的任务数据；基于多维度信息生成候选审核人员的人员权重；对多维度信息、任务数据以及人员权重进行分数生成处理得到候选审核人员对应于目标任务的综合分数；从所有综合分数筛选分数最高的目标审核人员，并将目标任务分配给目标审核人员。本申请可应用于金融科技领域与医疗领域中的任务处理场景，提高了任务分配处理的准确性和智能性。

Description

任务处理方法、装置、计算机设备及存储介质

技术领域

本申请涉及人工智能技术领域，可应用于金融科技、数字医疗等领域，尤其涉及任务处理方法、装置、计算机设备及存储介质。

背景技术

在传统的资料审核系统中，对任务的审核操作占据主导地位，例如在投保报价过程中，需对保单、批单、验车等任务进行审核。然而，当前任务分配主要依据固定规则，这种分配方式在准确性和智能性方面存在明显不足。固定规则通常基于一些简单、预设的条件进行任务分配，缺乏对复杂业务场景和动态变化的灵活适应能力，难以根据实际情况进行精准、智能的任务调配。具体而言，固定规则分配方式所对应的粗放式的分配模式容易导致任务分配不合理，出现部分处理人员任务过载，而部分处理人员任务闲置的情况，影响整体审核效率和质量。

例如，在金融领域的信用保险审核场景中，传统固定规则可能仅依据客户所在行业进行任务分配，未考虑客户企业的规模、信用评级历史变化等关键因素。若将高风险行业但信用评级良好的大型企业审核任务分配给经验不足的审核人员，可能导致审核不准确、效率低下，增加保险公司的潜在风险。再如，在医疗领域的医疗保险理赔审核场景中，固定规则可能仅根据病种进行任务分配，而未考虑病情的复杂程度、治疗方案的特殊性等因素。对于一些涉及多种罕见病且治疗方案复杂的理赔案件，若分配给对罕见病了解不足的审核人员，可能无法准确判断理赔的合理性和准确性，影响患者的权益和保险公司的服务质量。

因此，亟需提供一种智能的任务分配方法和系统，以提高任务分配的准确性和智能性，提升资料审核系统的整体效能。

发明内容

本申请实施例的目的在于提出一种任务处理方法、装置、计算机设备及存储介质，以解决现有的任务分配方式的准确性和智能性较低的技术问题。

第一方面，提供了一种任务处理方法，包括：

在业务处理流程中，若检测到符合拦截条件的业务数据，则基于所述业务数据构建对应的审核任务；

将所述审核任务的任务信息记录到预设的指定任务表内，并从所述指定任务表中筛选出待分配的目标任务；

获取预设的多个候选审核人员的多维度信息，以及获取所述目标任务的任务数据；

基于所述多维度信息生成各个所述候选审核人员的人员权重；

基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数；

从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员。

第二方面，提供了一种任务处理装置，包括：

检测模块，用于在业务处理流程中，若检测到符合拦截条件的业务数据，则基于所述业务数据构建对应的审核任务；

第一处理模块，用于将所述审核任务的任务信息记录到预设的指定任务表内，并从所述指定任务表中筛选出待分配的目标任务；

第一获取模块，用于获取预设的多个候选审核人员的多维度信息，以及获取所述目标任务的任务数据；

第一生成模块，用于基于所述多维度信息生成各个所述候选审核人员的人员权重；

第二处理模块，用于基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数；

分配模块，用于从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员。

第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任务处理方法的步骤。

第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任务处理方法的步骤。

上述任务处理方法、装置、计算机设备及存储介质所实现的方案中，首先在业务处理流程中，若检测到符合拦截条件的业务数据，则基于所述业务数据构建对应的审核任务；然后将所述审核任务的任务信息记录到预设的指定任务表内，并从所述指定任务表中筛选出待分配的目标任务；之后获取预设的多个候选审核人员的多维度信息，以及获取所述目标任务的任务数据；后续基于所述多维度信息生成各个所述候选审核人员的人员权重；进一步基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数；最后从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员。基于以上的自动化处理流程，本申请在业务处理流程中，若检测到符合拦截条件的业务数据，会基于业务数据构建审核任务，然后将审核任务的任务信息记录到指定任务表内，并从指定任务表中筛选出待分配的目标任务，之后根据获取的多个候选审核人员的多维度信息生成人员权重，进而基于分数分析策略的使用对多维度信息、获取的目标任务的任务数据以及人员权重进行分数生成处理，得到各个候选审核人员对应于目标任务的综合分数，最后从所有综合分数中筛选出分数最高的目标审核人员，并将目标任务分配给目标审核人员，从而可以有效提高任务分配的合理性、准确性和智能性。

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处理方法的一个实施例的流程图；

图3是根据本申请的任务处理装置的一个实施例的结构示意图；

图4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、网络102和服务器103，终端设备101可以是笔记本电脑1011、平板电脑1012或手机1013。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102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通过网络102与服务器103交互，以接收或发送消息等。终端设备101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可以是具有显示屏并且支持网页浏览的各种电子设备，除了笔记本电脑1011、平板电脑1012或手机1013以外，终端设备101还可以是电子书阅读器、MP3播放器(Moving Picture Experts G roup Audio Layer III，动态影像专家压缩标准音频层面III)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面IV)播放器、膝上型便携计算机和台式计算机等等。

服务器103可以是提供各种服务的服务器，例如对终端设备101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处理方法一般由服务器/终端设备执行，相应地，任务处理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处理方法的一个实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。本申请实施例提供的任务处理方法能够应用于任意一种需要进行任务处理的场景中，则该任务处理方法能够应用于这些场景的产品中，例如，金融保险领域和医疗领域中的任务处理产品。所述的任务处理方法，包括以下步骤：

步骤S201，在业务处理流程中，若检测到符合拦截条件的业务数据，则基于所述业务数据构建对应的审核任务。

在本实施例中，任务处理方法运行于其上的电子设备(例如图1所示的服务器/终端设备)，可以通过有线连接方式或者无线连接方式获取业务数据。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、Wi MAX连接、Z i gbee连接、UWB(ult ra wi deband)连接、以及其他现在已知或将来开发的无线连接方式。本申请的执行主体具体为任务处理系统，或称为资料审核系统，可简称为系统。上述业务处理流程可指系统的投保或报价业务流程。上述业务数据可包括需要审核的投保单、报价单等数据。当系统拦截到需要审核的业务数据时，就会触发任务生成机制。例如，客户提交了一份投保单，系统经过初步规则校验后，判定该投保单需要进入资料审核环节，此时就会生成一个与该投保单相匹配的审核任务。

其中，本申请可应用于金融科技领域与医疗领域中的任务处理场景。示例性的，在金融保险领域的投保场景，上述审核任务可以为大额保单投保审核任务。任务描述包括：若客户申请投保的保额超过一定限额(例如500万元)，系统会自动拦截生成审核任务。审核人员要全面审查客户的财务状况，包括收入证明、资产清单、纳税记录等，以确定客户具备支付高额保费的能力。还要调查客户的投保动机，是否存在道德风险，如通过高额保单进行保险诈骗等。此外，需评估该大额保单对公司整体风险敞口的影响，决定是否批准承保以及是否需要采取额外的风险控制措施，如再保险安排等。

或者，在数字医疗领域的报价场景，上述审核任务可以为罕见病治疗保险报价审核任务。任务描述包括：当客户为患有罕见病的患者申请治疗保险报价时，系统拦截生成审核任务。审核人员要收集关于该罕见病的详细信息，包括发病率、治疗方法、治疗费用等。由于罕见病的治疗药物和手段可能较为特殊且昂贵，需要与专业的医疗机构或专家进行沟通，了解最新的治疗进展和费用情况。根据这些信息，结合保险公司的定价模型和风险承受能力，为患者制定合理的保险报价方案，并明确保险责任和赔付范围。

步骤S202，将所述审核任务的任务信息记录到预设的指定任务表内，并从所述指定任务表中筛选出待分配的目标任务。

在本实施例中，当生成审核任务后，系统会自动收集这个审核任务的各项相关信息(任务信息)，并将其记录到一个专门的任务表(即上述指定任务表，或称为A表)中。其中，上述任务信息包括但不限于任务的唯一标识AID(用于在系统中准确识别该任务)、任务名称(如“投保单审核任务-客户姓名-订单编号”)、创建时间(精确到秒，记录任务生成的时刻)、所属机构(明确该任务是由哪个二级或三级机构产生的，例如“华东分公司-上海支公司”)、业务类型(标明是保单、批单还是验车业务)、审核人(初始可能为空，待后续分配)、来源(说明任务是从哪个业务环节或系统接口过来的)、状态(初始状态设为“待分配”等)。另外，后续会进一步从上述指定任务表中筛选出待分配的目标任务，即任务状态为待分配的任务。

进一步地，系统会根据上述审核任务的任务所属机构信息，去查询另一个专门存储工作时间设置的表(B表)。B表中记录了每个机构在不同类型日期(工作日、周六/日、节假日)的审核时间范围。例如，“上海支公司”的工作日审核时间为9:00-19:00，周末节假日审核时间为9:00-18:00。系统会将投保或报价的时间与查询到的该机构对应日期的审核时间范围进行对比。并且，如果投保或报价的时间处于该机构设置的审核时间范围内，系统就会将这个任务的相关信息插入到符合金服审核时间的任务表(C表)中。C表包含的信息有AID(与A表关联)、机构、业务类型、审核时间(记录符合审核时间范围的时刻)、审查速度(初始为空，待后续审核操作时计算)、审核人(初始可能为空)。以上的处理过程，确保了所有需要审核的任务都能被准确记录，并且只有符合特定审核时间要求的任务才会进入后续的监控流程。通过将任务信息详细记录在A表，为整个监控系统提供了全面且准确的数据来源。而对审核时间的判断和符合条件任务信息插入C表的操作，则保证了监控系统能够聚焦于在合适时间内产生的任务，避免对无效或不在监控时间范围内的任务进行处理，提高了作业监控的效率和针对性。

步骤S203，获取预设的多个候选审核人员的多维度信息，以及获取所述目标任务的任务数据。

在本实施例中，可通过从人力资源管理系统、绩效评估系统等收集多个候选审核人员在各个维度上的数据。例如，收集候选审核人员的专业领域匹配度、工作负荷值、历史绩效指标、紧急程度适应值等数据，并进行整理和清洗，确保得到多维度信息的准确性和一致性。另外，对于目标任务，从任务管理系统中提取其任务类型、难度、紧急程度等任务数据。例如，任务类型可以是投保、批改、验车等；难度可以根据任务的复杂程度、涉及金额等因素进行评估；紧急程度可以根据业务规则或客户要求确定。

步骤S204，基于所述多维度信息生成各个所述候选审核人员的人员权重。

在本实施例中，上述基于所述多维度信息生成各个所述候选审核人员的人员权重的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S205，基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数。

在本实施例中，上述基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S206，从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员。

在本实施例中，可通过对生成的各个候选审核人员对应于目标任务的综合分数进行数值比较，以筛选出分数最高的目标审核人员，进而将目标任务分配给目标审核人员，以确保目标任务分配的合理性、准确性和高效性。

本申请首先在业务处理流程中，若检测到符合拦截条件的业务数据，则基于所述业务数据构建对应的审核任务；然后将所述审核任务的任务信息记录到预设的指定任务表内，并从所述指定任务表中筛选出待分配的目标任务；之后获取预设的多个候选审核人员的多维度信息，以及获取所述目标任务的任务数据；后续基于所述多维度信息生成各个所述候选审核人员的人员权重；进一步基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数；最后从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员。基于以上的自动化处理流程，本申请在业务处理流程中，若检测到符合拦截条件的业务数据，会基于业务数据构建审核任务，然后将审核任务的任务信息记录到指定任务表内，并从指定任务表中筛选出待分配的目标任务，之后根据获取的多个候选审核人员的多维度信息生成人员权重，进而基于分数分析策略的使用对多维度信息、获取的目标任务的任务数据以及人员权重进行分数生成处理，得到各个候选审核人员对应于目标任务的综合分数，最后从所有综合分数中筛选出分数最高的目标审核人员，并将目标任务分配给目标审核人员，从而可以有效提高任务分配的合理性、准确性和智能性。

在一些可选的实现方式中，步骤S205包括以下步骤：

调用预先构建的得分预测模型。

在本实施例中，上述得分预测模型的模型构建过程包括：一、特征工程。1)特征收集与整理。首先，从多个数据源收集审核人员和任务的相关特征。对于审核人员，从人力资源管理系统获取专业领域编码、工作负荷值、历史绩效指标、紧急程度适应值等信息；对于任务，从任务管理系统获取任务类型、难度、紧急程度等特征；然后，对收集到的特征进行整理和清洗，去除重复、缺失和异常的数据。例如，对于缺失的专业领域编码，可以根据审核人员的工作经历和培训记录进行补充；对于异常的工作负荷值，如负数或超出合理范围的值，进行修正或删除；2)特征编码与标准化。对分类特征进行编码处理。例如，将任务类型编码为不同的数值，如投保任务编码为1，批改任务编码为2，验车任务编码为3。可以使用独热编码(One-Hot Encod i ng)或标签编码(Labe l Encod i ng)等方法，根据特征的特点和模型的要求选择合适的编码方式。以及，对数值特征进行标准化处理。由于不同特征的取值范围可能差异较大，如工作负荷值可能是具体的任务数量，而历史绩效指标可能是0-100的分数，需要进行标准化处理，使各个特征处于相同的尺度。常用的标准化方法有Z-score标准化和Min-Max标准化。3)特征选择与组合。分析各个特征与任务分配结果(审核人员)之间的相关性。可以使用相关性分析、卡方检验等方法，筛选出与任务分配结果相关性较强的特征。例如，如果发现专业领域编码与任务分配结果的相关性较低，可以考虑将其从特征集中剔除。并且，尝试对特征进行组合，以创建更有意义的特征。例如，将任务难度和紧急程度组合成一个新的特征，表示任务的总体复杂程度。通过特征组合，可以提高模型的性能和泛化能力。

二、模型训练。1)数据划分。将收集到的历史任务分配数据划分为训练集、验证集和测试集。通常，训练集用于模型的训练，验证集用于调整模型的参数，测试集用于评估模型的最终性能。可以采用随机划分的方法，如按照70％、15％、15％的比例划分训练集、验证集和测试集。并确保数据划分的合理性，即训练集、验证集和测试集的数据分布相似，避免因数据分布不均衡导致模型性能评估不准确。2)模型参数调整。使用训练集对随机森林模型进行训练。在训练过程中，通过交叉验证的方法评估模型的性能。例如，采用K折交叉验证，将训练集划分为K个子集，每次使用K-1个子集进行训练，剩下的1个子集进行验证，重复K次，计算平均性能指标。根据交叉验证的结果，调整模型的参数。随机森林模型的主要参数包括决策树的数量(n_estimator s)、最大深度(max_depth)、最小样本分裂(min_samples_split)等。通过调整这些参数，寻找最优的模型配置，以提高模型的准确性和泛化能力。3)模型性能评估。使用验证集对调整参数后的模型进行评估。计算模型的准确率、召回率、F1值等指标，分析模型在不同类别上的表现。如果模型在某些类别上的表现不佳，可以进一步分析原因，如数据不平衡、特征选择不当等，并采取相应的措施进行改进。如果模型性能满足要求，使用测试集对模型进行最终的评估。测试集的数据在模型训练和参数调整过程中从未使用过，可以更真实地反映模型的性能。如果模型在测试集上的表现仍然良好，说明模型具有较好的泛化能力，可以用于实际应用，并将训练好的随机森林模型作为最终的得分预测模型。

基于所述得分预测模型对所述多维度信息、所述任务数据进行预测处理，得到各个所述候选审核人员对应于所述目标任务的适合度得分。

在本实施例中，上述基于所述得分预测模型对所述多维度信息、所述任务数据进行预测处理，得到各个所述候选审核人员对应于所述目标任务的适合度得分的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

调用预设的综合分数计算公式，并获取预设的动态权重。

在本实施例中，上述综合分数计算公式具体包括：综合分数＝动态权重×人员权重+(1-动态权重)×适合度得分。其中，对于上述动态权重的取值不做具体限定，可根据实际的业务需求(人员权重的重要程度和适应度得分的重要程度)进行设置，例如可设为0.5。

基于所述综合分数计算公式对所述动态权重、所述人员权重以及所述适合度得分进行计算处理，得到对应的第一计算结果。

在本实施例中，可通过将上述动态权重、人员权重以及适合度得分代入到上述综合分数计算公式内的对应位置处进行计算处理，以得到相应的第一计算结果。示例性的，对于审核人员A和任务1，综合分数为0.5×0.755+(1-0.5×0.85)＝0.8025。

基于所述第一计算结果生成各个所述候选审核人员对应于所述目标任务的综合分数。

在本实施例中，可将生成的第一计算结果作为各个上述候选审核人员对应于目标任务的综合分数。

本申请通过调用预先构建的得分预测模型；然后基于所述得分预测模型对所述多维度信息、所述任务数据进行预测处理，得到各个所述候选审核人员对应于所述目标任务的适合度得分；之后调用预设的综合分数计算公式，并获取预设的动态权重；后续基于所述综合分数计算公式对所述动态权重、所述人员权重以及所述适合度得分进行计算处理，得到对应的第一计算结果；最后基于所述第一计算结果生成各个所述候选审核人员对应于所述目标任务的综合分数。基于以上的处理流程，本申请通过基于得分预测模型的使用对多维度信息、任务数据进行预测处理，得到各个候选审核人员对应于目标任务的适合度得分，然后基于综合分数计算公式的使用对动态权重、人员权重以及适合度得分进行计算处理，从而可以实现高效准确地计算出各个候选审核人员对应于目标任务的综合分数，提高了各个候选审核人员的综合分数的计算效率，保证了得到的综合分数的数据准确性。

在本实施例的一些可选的实现方式中，所述基于所述得分预测模型对所述多维度信息、所述任务数据进行预测处理，得到各个所述候选审核人员对应于所述目标任务的适合度得分，包括以下步骤：

对所述多维度信息以及所述任务数据进行特征提取，得到对应的初始特征。

在本实施例中，通过对上述多维度信息进行特征提取以得到任务类型、难度、紧急程度等人员特征，并对上述任务数据进行特征提取以得到专业领域编码、工作负荷值、历史绩效指标等任务特征，并将得到的人员特征和任务特征进行整合得到相应的初始特征。

对所述初始特征进行预处理，得到对应的目标特征。

在本实施例中，上述预处理包括编码、标准化等操作，确保特征与模型训练时使用的特征一致。

基于所述得分预测模型对所述目标特征进行预测处理，得到对应的预测结果。

在本实施例中，将经过预处理后的目标特征输入到训练好的得分预测模型中，模型会根据输入的特征，对每个候选审核人员与待分配的目标任务的适合度进行预测，输出每个候选审核人员的适合度得分。例如，对于任务1，模型预测审核人员A的适合度得分为0.85，审核人员B的适合度得分为0.72，审核人员C的适合度得分为0.68。

基于所述预测结果生成各个所述候选审核人员对应于所述目标任务的适合度得分。

在本实施例中，可将生成的预测结果作为各个上述候选审核人员对应于目标任务的适合度得分。

本申请通过对所述多维度信息以及所述任务数据进行特征提取，得到对应的初始特征；然后对所述初始特征进行预处理，得到对应的目标特征；之后基于所述得分预测模型对所述目标特征进行预测处理，得到对应的预测结果；后续基于所述预测结果生成各个所述候选审核人员对应于所述目标任务的适合度得分。基于以上的处理流程，本申请通过对多维度信息以及任务数据进行特征提取得到对应的初始特征，并对初始特征进行预处理得到目标特征，进而基于得分预测模型的使用对目标特征进行预测处理，从而可以实现高效准确地生成各个候选审核人员对应于目标任务的适合度得分，提高了适合度得分的生成效率，保证了得到的适合度得分的数据准确度。

在一些可选的实现方式中，所述多维度信息至少包括专业领域匹配度、工作负荷值、历史绩效指标、紧急程度适应值；步骤S206包括以下步骤：

对所述多维度信息进行标准化处理，得到对应的目标多维度信息。

在本实施例中，由于各个维度的信息可能具有不同的量纲和取值范围，进而需要对上述多维度信息进行标准化处理。例如，对于专业领域匹配度得分，如果其取值范围是0-1，而工作负荷值可能是具体的任务数量，需要将工作负荷值进行归一化处理，使其也处于0-1的范围内。

获取与所述目标多维度信息对应的信息权重。

在本实施例中，上述获取与所述目标多维度信息对应的信息权重的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

调用预设的人员权重计算公式。

在本实施例中，上述人员权重计算公式的具体可采用加权求和公式，即根据为每个维度分配的信息权重，计算候选审核人员的综合权重(即人员权重)。加权求和公式通过采用加权平均的方法，将每个维度信息的得分乘以其对应的信息权重，然后将所有结果相加，以得到相应的候选审核人员的人员权重。

基于所述人员权重计算公式对所述目标多维度信息以及所述信息权重进行计算处理，得到对应的第二计算结果。

在本实施例中，通过将上述目标多维度信息以及信息权重代入至上述人员权重计算公式内的对应位置处进行计算处理。示例性的，审核人员A在专业领域匹配度上得分为0.8，工作负荷得分为0.6，历史绩效得分为0.9，紧急程度适应值得分为0.7，当前专业领域匹配度权重为0.3，工作负荷权重为0.2，历史绩效权重为0.25，紧急程度权重为0.25，则其综合的人员权重为0.3×0.8+0.2×0.6+0.25×0.9+0.25×0.7＝0.755。

基于所述第二计算结果生成各个所述候选审核人员的人员权重。

在本实施例中，可将计算得到的第二计算结果作为各个上述候选审核人员的人员权重。

本申请通过对所述多维度信息进行标准化处理，得到对应的目标多维度信息；然后获取与所述目标多维度信息对应的信息权重；之后调用预设的人员权重计算公式；并基于所述人员权重计算公式对所述目标多维度信息以及所述信息权重进行计算处理，得到对应的第二计算结果；后续基于所述第二计算结果生成各个所述候选审核人员的人员权重。基于以上的处理流程，本申请通过对多维度信息进行标准化处理得到目标多维度信息，并获取与目标多维度信息对应的信息权重，进而基于人员权重计算公式的使用对目标多维度信息以及信息权重进行计算处理，从而可以实现高效准确地生成各个候选审核人员的人员权重，提高了候选审核人员的人员权重的生成效率，保证了得到的人员权重的数据准确度。

在一些可选的实现方式中，所述获取与所述目标多维度信息对应的信息权重，包括以下步骤：

基于预设的数据监测工具采集影响权重调整的实时情况信息。

在本实施例中，预先建立有实时的数据监测工具，用于对影响权重调整的各种实时情况进行监控。例如，通过任务管理系统实时获取待分配任务的数量、紧急程度分布等信息；通过人力资源管理系统实时获取审核人员的工作负荷、请假情况等数据。并设置监测指标和阈值。例如，当待分配任务中紧急任务的比例超过30％时，触发紧急程度维度的权重调整机制；当审核人员的平均工作负荷超过80％时，启动工作负荷维度的权重调整流程。

获取业务变化信息。

在本实施例中，通过定期收集和分析业务变化信息。例如，关注市场动态、政策法规变化、公司业务策略调整等因素对任务分配的影响。如果公司推出了新的保险产品，可能会导致相关审核任务的增加，这时需要重新评估专业领域匹配度和工作负荷维度的权重。并且，建立业务变化反馈机制。鼓励一线审核人员、业务部门人员等及时反馈业务变化情况，确保权重调整能够及时响应业务需求。

获取与所述多维度信息对应的初始信息权重。

在本实施例中，预先根据业务专家的经验和实际业务情况，为每个维度分配一个对应的初始信息权重。例如，专业领域匹配度的对应的初始信息权重设为0.3，工作负荷对应的初始信息权重设为0.2，历史绩效对应的初始信息权重设为0.25，紧急程度对应的初始信息权重设为0.25。

基于所述实时情况信息与所述业务变化信息，对所述初始信息权重进行权重调整得到对应的所述信息权重。

在本实施例中，通过根据实时情况信息和业务变化信息，动态调整各维度的初始信息权重以得到最终的信息权重。例如，在业务高峰期，工作负荷维度的权重可以适当提高，以确保任务分配的均衡性；当有大量紧急任务时，紧急程度维度的权重可以相应增加。

具体地，根据实时情况监测和业务变化分析的结果，制定明确的权重调整规则。例如，在业务高峰期，将工作负荷维度的权重提高20％；当紧急任务比例超过阈值时，将紧急程度维度的权重增加15％。然后确定权重调整的幅度和范围。为了避免权重调整过于频繁或幅度过大，对每次权重调整的幅度进行限制，例如每次调整幅度不超过初始权重的30％。同时，规定权重调整后的范围，确保各个维度的权重仍然在合理的区间内。进而当检测满足权重调整条件时，按照制定的规则自动或手动执行权重调整操作。例如，通过系统自动监测到紧急任务比例超过阈值，系统自动将紧急程度维度的权重从0.25调整为0.2875(增加15％)。另外，记录每次权重调整的时间、原因、调整前后的权重值等信息。这些记录将有助于后续对权重调整机制的效果进行评估和优化。

本申请通过基于预设的数据监测工具采集影响权重调整的实时情况信息；然后获取业务变化信息；之后获取与所述多维度信息对应的初始信息权重；后续基于所述实时情况信息与所述业务变化信息，对所述初始信息权重进行权重调整得到对应的所述信息权重。基于以上的处理流程，本申请通过基于数据监测工具的使用采集影响权重调整的实时情况信息，然后获取业务变化信息，以及获取与多维度信息对应的初始信息权重，进而基于实时情况信息与业务变化信息对初始信息权重进行权重调整，从而可以实现高效准确构建出目标多维度信息的信息权重，提高了生成的目标多维度信息的信息权重的智能性与准确性。

在本实施例的一些可选的实现方式中，在步骤S206之后，上述电子设备还可以执行以下步骤：

在完成对于所述目标任务的处理后，采集与所述目标任务对应的任务处理数据。

在本实施例中，上述任务处理数据是指与相关的任务指标所对应的需要采集的相关数据。

获取预设的指标计算策略。

在本实施例中，上述指标计算策略包括与审查操作量、投/批单量、退回率、及时完成率、审查时效所对应的指标的计算策略。具体地，指标计算策略的策略内容包括：审查操作量：对于每个审核人分组，统计该组中任务的数量，即为该审核人的审查操作量。例如，某个审核人分组中有10条任务记录，那么该审核人的审查操作量就是10次。投/批单量：根据业务类型和任务信息进行计算。对于投保单和批单业务，通过对“投保单/批单申请单+业务类型”进行去重操作，得到投/批单量。例如，有5条投保单任务记录和3条批单任务记录，但其中有2条投保单任务是针对同一个申请单的，经过去重后，投/批单量为5(投保单去重后数量)+3(批单数量)＝8。退回率：根据任务处理类型统计下发数量，然后用下发数量除以审查操作量得到退回率。例如，某个审核人的审查操作量为20次，其中下发数量为5次，那么退回率＝5/20＝25％。及时完成率：系统根据管理平台设置的时间要求，判断每个任务是否在规定时间内完成。统计及时完成的任务数量(及时完成单量)，然后用及时完成单量除以总提交单量得到及时完成率。例如，总提交单量为30，及时完成单量为25，那么及时完成率＝25/30≈83.33％。审查时效：根据管理平台设置的工作时间，统计非隔夜单审查时效。计算公式为：该时段所有任务离开平台时间的总耗时/该段时间内的总单量。例如，在工作日9:00-19:00这个时间段内，有10个非隔夜单任务离开平台，这些任务离开平台时间的总耗时为50小时，那么审查时效＝50/10＝5小时/单。

基于所述指标计算策略对所述任务处理数据进行计算处理，得到对应的指标数据。

在本实施例中，基于以上的指标计算策略，对采集到的与目标任务的指标计算相关的任务处理数据进行计算处理，并将生成的计算结果作为相应的指标数据。

基于所述指标数据生成对应的数据统计报表。

在本实施例中，可通过将上述指标数据填充至预设的统计报表模板内，以生成相应的数据统计报表。其中，对于上述统计报表模板的内容编写不做具体限定，可根据实际的数据统计需求进行设置。

对所述数据统计报表进行存储与展示处理。

在本实施例中，上述数据统计报表的存储方式可以采用本地数据库、本地磁盘、云端服务器以及区块链等中的任意一种方式。另外，可通过采用系统页面来进行对于上述数据统计报表的展示处理，为管理人员提供了全面、直观的统计报表，以供管理人员进行查阅。

本申请在完成对于所述目标任务的处理后，采集与所述目标任务对应的任务处理数据；然后获取预设的指标计算策略；并基于所述指标计算策略对所述任务处理数据进行计算处理，得到对应的指标数据；之后基于所述指标数据生成对应的数据统计报表；后续对所述数据统计报表进行存储与展示处理。基于以上的处理流程，本申请在完成对于目标任务的处理后，通过采集与目标任务对应的任务处理数据，然后基于指标计算策略的使用对任务处理数据进行计算处理得到指标数据，提高了指标数据的计算效率与计算准确性。并且，还会智能地基于指标数据生成数据统计报表，并对数据统计报表进行存储与展示处理，提高了数据统计报表的生成效率与数据安全性，并为相关人员展示全面、直观的统计报表，有利于提高相关人员的工作效率与使用体验。

在本实施例的一些可选的实现方式中，在步骤S206之后，上述电子设备还可以执行以下步骤：

判断是否接收到所述目标审核人员返回的与所述目标任务对应的任务审核结果。

在本实施例中，当将目标任务分配给目标审核人员后，上述指定任务表中的审核人字段会被更新为相应的审核人员信息，同时任务状态更新为“审核中”。并且，目标审核人员在登录到审核页面后，会看到分配给自己的待审核任务列表(包括目标任务)。当目标审核人员对目标任务进行审核操作，如点击“通过”按钮表示同意该任务通过审核，点击“下发”按钮表示需要将目标任务返回给相关人员进行修改或补充资料，点击“修改验车结论”按钮表示对验车业务的结论进行调整时，就会触发审核操作，并生成与审核操作相对应的任务审核结果。

若是，从所述指定任务表中获取所述目标任务的初始审核状态。

在本实施例中，上述目标任务的初始审核状态为“审核中”。

基于所述任务审核结果对指定任务表中的所述目标任务的初始审核状态进行更新处理。

在本实施例中，系统会根据目标审核人员操作的目标任务的AID，在上述指定任务表中更新该目标任务的审核状态和审核时间等信息。例如，如果审核人员点击“通过”按钮，指定任务表中的目标任务的任务状态更新为“已通过”，同时审核时间记录为审核人员点击按钮的当前时间。如果审核人点击“下发”按钮，指定任务表中的任务状态更新为“已下发”，审核时间同样记录为当前时间。同时，系统还会根据审核人员操作的目标任务的AID，在C表中更新该目标任务的审核状态和审核时间等信息。

其中，通过实时记录任务的审核进展情况。通过任务分配机制，将任务与审核人进行关联，使得每个任务都有明确的责任人。审核人在审核页面进行的各种操作会及时反馈到系统中，并通过更新A表和C表中的审核状态和审核时间等信息，为后续的统计计算提供了准确的数据依据。这样，管理人员可以随时了解每个任务的审核状态，掌握整个审核流程的动态变化。

本申请通过判断是否接收到所述目标审核人员返回的与所述目标任务对应的任务审核结果；若是，从所述指定任务表中获取所述目标任务的初始审核状态；后续基于所述任务审核结果对指定任务表中的所述目标任务的初始审核状态进行更新处理。基于以上的处理流程，本申请在接收到目标审核人员返回的与目标任务对应的任务审核结果时，会先从指定任务表中获取目标任务的初始审核状态，进而会基于任务审核结果的使用对指定任务表中的目标任务的初始审核状态进行更新处理，可以为后续的统计处理提供了准确的数据依据。这样，管理人员可以随时了解每个任务的审核状态，掌握整个审核流程的动态变化。

在一些可选的实现方式中，在系统的系统页面上，还会提供多种筛选维度供管理人员选择，如审核人、机构、业务类型等。管理人员可以根据自己的需求，选择一个或多个维度进行组合筛选。例如，管理人员想要了解某个特定审核人在某段时间内审核的保单业务情况，就可以选择审核人维度为该特定审核人，业务类型维度为“保单”，同时还可以设置时间范围等其他筛选条件。并且，系统提供了数据查询与分组的功能：系统根据管理人员设置的筛选条件，查询C表中的数据。如果选择了审核人维度进行筛选，系统会按照审核人字段对查询结果进行group by操作，将相同审核人的任务数据归为一组。这样，就可以得到每个审核人对应的任务数据集合。

在一些可选的实现方式中，获取的用户信息征求了用户同意，且符合相关法律和相关政策的规定。

另外，本申请实施例中出现的非本公司软件工具或组件，仅仅是举例介绍，不代表实际使用。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

需要强调的是，为进一步保证上述目标任务的私密和安全性，上述目标任务还可以存储于一区块链的节点中。

本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchai n)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

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(ArtificialIntelligence，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、大数据处理技术、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一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-On l y 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。

进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种任务处理装置的一个实施例，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3所示，本实施例所述的任务处理装置300包括：检测模块301、第一处理模块302、第一获取模块303、第一生成模块304、第二处理模块305以及分配模块306。其中：

检测模块301，用于在业务处理流程中，若检测到符合拦截条件的业务数据，则基于所述业务数据构建对应的审核任务；

第一处理模块302，用于将所述审核任务的任务信息记录到预设的指定任务表内，并从所述指定任务表中筛选出待分配的目标任务；

第一获取模块303，用于获取预设的多个候选审核人员的多维度信息，以及获取所述目标任务的任务数据；

第一生成模块304，用于基于所述多维度信息生成各个所述候选审核人员的人员权重；

第二处理模块305，用于基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数；

分配模块306，用于从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员。

在本实施例的一些可选的实现方式中，第二处理模块305包括：

第一调用子模块，用于调用预先构建的得分预测模型；

预测子模块，用于基于所述得分预测模型对所述多维度信息、所述任务数据进行预测处理，得到各个所述候选审核人员对应于所述目标任务的适合度得分；

第二调用子模块，用于调用预设的综合分数计算公式，并获取预设的动态权重；

第一计算子模块，用于基于所述综合分数计算公式对所述动态权重、所述人员权重以及所述适合度得分进行计算处理，得到对应的第一计算结果；

第一生成子模块，用于基于所述第一计算结果生成各个所述候选审核人员对应于所述目标任务的综合分数。

在本实施例的一些可选的实现方式中,预测子模块包括：

提取单元，用于对所述多维度信息以及所述任务数据进行特征提取，得到对应的初始特征；

预处理单元，用于对所述初始特征进行预处理，得到对应的目标特征；

预测单元，用于基于所述得分预测模型对所述目标特征进行预测处理，得到对应的预测结果；

生成单元，用于基于所述预测结果生成各个所述候选审核人员对应于所述目标任务的适合度得分。

在本实施例的一些可选的实现方式中，所述多维度信息至少包括专业领域匹配度、工作负荷值、历史绩效指标、紧急程度适应值；第一生成模块304包括：

处理子模块，用于对所述多维度信息进行标准化处理，得到对应的目标多维度信息；

获取子模块，用于获取与所述目标多维度信息对应的信息权重；

第三调用子模块，用于调用预设的人员权重计算公式；

第二计算子模块，用于基于所述人员权重计算公式对所述目标多维度信息以及所述信息权重进行计算处理，得到对应的第二计算结果；

第二生成子模块，用于基于所述第二计算结果生成各个所述候选审核人员的人员权重。

在本实施例的一些可选的实现方式中，获取子模块包括：

采集单元，用于基于预设的数据监测工具采集影响权重调整的实时情况信息；

第一获取单元，用于获取业务变化信息；

第二获取单元，用于获取与所述多维度信息对应的初始信息权重；

调整单元，用于基于所述实时情况信息与所述业务变化信息，对所述初始信息权重进行权重调整得到对应的所述信息权重。

在本实施例的一些可选的实现方式中，任务处理装置还包括：

采集模块，用于在完成对于所述目标任务的处理后，采集与所述目标任务对应的任务处理数据；

第二获取模块，用于获取预设的指标计算策略；

计算模块，用于基于所述指标计算策略对所述任务处理数据进行计算处理，得到对应的指标数据；

第二生成模块，用于基于所述指标数据生成对应的数据统计报表；

第三处理模块，用于对所述数据统计报表进行存储与展示处理。在本实施例的一些可选的实现方式中，任务处理装置还包括：

判断模块，用于判断是否接收到所述目标审核人员返回的与所述目标任务对应的任务审核结果；

第三获取模块，用于若是，从所述指定任务表中获取所述目标任务的初始审核状态；

更新模块，用于基于所述任务审核结果对指定任务表中的所述目标任务的初始审核状态进行更新处理。

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4，图4为本实施例计算机设备基本结构框图。

所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，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(ApplicationSpecificI ntegrated Circuit，ASIC)、可编程门阵列(Field－Programmab le Gate Array，FPGA)、数字处理器(DigitalSignal 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41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41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4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41还可以既包括所述计算机设备4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41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如任务处理方法的计算机可读指令等。此外，所述存储器41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42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、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述任务处理方法的计算机可读指令。

所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。

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至少一个处理器执行，以使所述至少一个处理器执行如上述的任务处理方法的步骤。

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。

Claims (10)

1.一种任务处理方法，其特征在于，包括下述步骤：

在业务处理流程中，若检测到符合拦截条件的业务数据，则基于所述业务数据构建对应的审核任务；

将所述审核任务的任务信息记录到预设的指定任务表内，并从所述指定任务表中筛选出待分配的目标任务；

获取预设的多个候选审核人员的多维度信息，以及获取所述目标任务的任务数据；

基于所述多维度信息生成各个所述候选审核人员的人员权重；

基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数；

从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员。

2.根据权利要求1所述的任务处理方法，其特征在于，所述基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数的步骤，具体包括：

调用预先构建的得分预测模型；

基于所述得分预测模型对所述多维度信息、所述任务数据进行预测处理，得到各个所述候选审核人员对应于所述目标任务的适合度得分；

调用预设的综合分数计算公式，并获取预设的动态权重；

基于所述综合分数计算公式对所述动态权重、所述人员权重以及所述适合度得分进行计算处理，得到对应的第一计算结果；

基于所述第一计算结果生成各个所述候选审核人员对应于所述目标任务的综合分数。

3.根据权利要求2所述的任务处理方法，其特征在于，所述基于所述得分预测模型对所述多维度信息、所述任务数据进行预测处理，得到各个所述候选审核人员对应于所述目标任务的适合度得分的步骤，具体包括：

对所述多维度信息以及所述任务数据进行特征提取，得到对应的初始特征；

对所述初始特征进行预处理，得到对应的目标特征；

基于所述得分预测模型对所述目标特征进行预测处理，得到对应的预测结果；

基于所述预测结果生成各个所述候选审核人员对应于所述目标任务的适合度得分。

4.根据权利要求1所述的任务处理方法，其特征在于，所述多维度信息至少包括专业领域匹配度、工作负荷值、历史绩效指标、紧急程度适应值；所述基于所述多维度信息生成各个所述候选审核人员的人员权重的步骤，具体包括：

对所述多维度信息进行标准化处理，得到对应的目标多维度信息；

获取与所述目标多维度信息对应的信息权重；

调用预设的人员权重计算公式；

基于所述人员权重计算公式对所述目标多维度信息以及所述信息权重进行计算处理，得到对应的第二计算结果；

基于所述第二计算结果生成各个所述候选审核人员的人员权重。

5.根据权利要求4所述的任务处理方法，其特征在于，所述获取与所述目标多维度信息对应的信息权重的步骤，具体包括：

基于预设的数据监测工具采集影响权重调整的实时情况信息；

获取业务变化信息；

获取与所述多维度信息对应的初始信息权重；

基于所述实时情况信息与所述业务变化信息，对所述初始信息权重进行权重调整得到对应的所述信息权重。

6.根据权利要求1所述的任务处理方法，其特征在于，在所述从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员的步骤之后，还包括：

在完成对于所述目标任务的处理后，采集与所述目标任务对应的任务处理数据；

获取预设的指标计算策略；

基于所述指标计算策略对所述任务处理数据进行计算处理，得到对应的指标数据；

基于所述指标数据生成对应的数据统计报表；

对所述数据统计报表进行存储与展示处理。

7.根据权利要求1所述的任务处理方法，其特征在于，在所述从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员的步骤之后，还包括：

判断是否接收到所述目标审核人员返回的与所述目标任务对应的任务审核结果；

若是，从所述指定任务表中获取所述目标任务的初始审核状态；

基于所述任务审核结果对指定任务表中的所述目标任务的初始审核状态进行更新处理。

8.一种任务处理装置，其特征在于，包括：

检测模块，用于在业务处理流程中，若检测到符合拦截条件的业务数据，则基于所述业务数据构建对应的审核任务；

第一处理模块，用于将所述审核任务的任务信息记录到预设的指定任务表内，并从所述指定任务表中筛选出待分配的目标任务；

第一获取模块，用于获取预设的多个候选审核人员的多维度信息，以及获取所述目标任务的任务数据；

第一生成模块，用于基于所述多维度信息生成各个所述候选审核人员的人员权重；

第二处理模块，用于基于预设的分数分析策略对所述多维度信息、所述任务数据以及所述人员权重进行分数生成处理，得到各个所述候选审核人员对应于所述目标任务的综合分数；

分配模块，用于从所有所述综合分数中筛选出分数最高的目标审核人员，并将所述目标任务分配给所述目标审核人员。

9.一种计算机设备，其特征在于，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如权利要求1至7中任一项所述的任务处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，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权利要求1至7中任一项所述的任务处理方法的步骤。