1.一种呼叫中心资源管理方法，其特征在于，包括：获取呼叫中心的各业务模块在最近的多个历史周期内的历史业务数据，所获取的历史业务数据包括按照历史周期与资源分类进行业务数据统计所得到的结果；

利用长短时记忆网络模型处理所获取的历史业务数据，得到所述各业务模块在下一周期的预测业务数据；其中，预测业务数据包括多个指标的预测业务数据；

根据所述预测业务数据，利用逻辑回归模型处理所述多个指标的预测业务数据，得到所述各业务模块的资源配置；包括：根据所述预测业务数据，确定所述各业务模块的资源配置比例；基于资源总量以及所述资源配置比例，确定所述各业务模块的资源配置分量；

其中，所述长短时记忆网络模型的输入层为T个神经元；所述方法还包括：从历史业务数据中提取多组连续T+1个历史周期的历史业务数据；

将每一组连续T+1个历史周期的历史业务数据中，第2历史周期至第T+1历史周期的历史业务数据作为样本历史数据，第1历史周期的历史业务数据作为所述样本历史数据对应的样本预测数据，所述第1历史周期为所述连续T+1个历史周期中距离当前最近的周期；

通过所述样本历史数据与所述样本预测数据训练并得到所述长短时记忆网络模型。

2.根据权利要求1所述的方法，其特征在于，所述利用逻辑回归模型处理所述多个指标的预测业务数据，得到所述各业务模块的资源配置包括：将所述各业务模块的多个指标的预测业务数据与所述各业务模块的当前资源配置输入所述逻辑回归模型，输出所述各业务模块的资源配置。

3.根据权利要求1所述的方法，其特征在于，所述获取呼叫中心的各业务模块在最近的多个历史周期内的历史业务数据包括：响应于呼叫中心的各业务模块中任意业务模块反馈资源不足信息，获取所述各业务模块在最近的多个历史周期内的历史业务数据。

4.一种呼叫中心资源管理装置，其特征在于，包括：数据获取模块，用于获取呼叫中心的各业务模块在最近的多个历史周期内的历史业务数据，所获取的历史业务数据包括按照历史周期与资源分类进行业务数据统计所得到的结果；

业务预测模块，用于利用长短时记忆网络模型处理所获取的历史业务数据，得到所述各业务模块在下一周期的预测业务数据；其中，预测业务数据包括多个指标的预测业务数据；

资源确定模块，用于根据所述预测业务数据，利用逻辑回归模型处理所述多个指标的预测业务数据，得到所述各业务模块的资源配置；所述资源确定模块包括：资源比例确定单元，用于根据所述预测业务数据，确定所述各业务模块的资源配置比例；

资源分类确定单元，用户基于资源总量以及所述资源配置比例，确定所述各业务模块的资源配置分量；

其中，所述长短时记忆网络模型的输入层为T个神经元；所述业务预测模块包括模型训练单元，用于：

从历史业务数据中提取多组连续T+1个历史周期的历史业务数据；

将每一组连续T+1个历史周期的历史业务数据中，第2历史周期至第T+1历史周期的历史业务数据作为样本历史数据，第1历史周期的历史业务数据作为所述样本历史数据对应的样本预测数据，所述第1历史周期为所述连续T+1个历史周期中距离当前最近的周期；

通过所述样本历史数据与所述样本预测数据训练并得到所述长短时记忆网络模型。

5.一种电子设备，其特征在于，包括：处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1‑3任一项所述的方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1‑3任一项所述的方法。