CN110458383B - 需求处理服务化的实现方法、装置及计算机设备、存储介质 - Google Patents

Abstract

本发明属于大数据技术领域，涉及需求处理服务化的实现方法、装置及计算机设备、存储介质，所述方法包括：获取待处理的需求，所述待处理的需求包含数据信息；根据所述待处理的需求访问模型元件库，判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件；当存在相关联的模型元件时，调用所述相关联的模型元件，将所述数据信息输入所述相关联的模型元件中，输出处理结果；当不存在相关联的模型元件时，获取与所述待处理的需求同类型的历史需求进行模型训练生成模型元件，将所述数据信息输入生成的模型元件中，输出处理结果。本发明提供的方案，对于存在需重复处理的类似需求的项目，可有效提高开发效率，降低项目开发成本。

Description

需求处理服务化的实现方法、装置及计算机设备、存储介质

技术领域

本发明实施例属于大数据技术领域，尤其涉及一种需求处理服务化的实现方法、装置及计算机设备、存储介质。

背景技术

在许多开发的项目中往往会出现类似的需求，比如序列数据预测需求，基础分类需求等，这些需求的处理往往是重复的工作量，对于问题性质比较简单、重复出现、处理繁琐的需求，重复处理将导致项目开发时间延长，开发人员的精力易被分散，影响项目整体的开发效率，并导致项目开发成本增加。

发明内容

有鉴于此，本发明实施例提供一种需求处理服务化的实现方法、装置及计算机设备、存储介质，以解决项目开发中重复处理类似的需求导致项目开发效率低和导致项目开发成本增加的问题。

第一方面，本发明实施例提供一种需求处理服务化的实现方法，包括：

获取待处理的需求，所述待处理的需求包含数据信息；

根据所述待处理的需求访问模型元件库，判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件；

当存在与所述待处理的需求相关联的模型元件时，调用所述相关联的模型元件，将所述数据信息输入所述相关联的模型元件中，输出处理结果；

当不存在与所述待处理的需求相关联的模型元件时，获取与所述待处理的需求同类型的历史需求进行模型训练生成模型元件，再将所述数据信息输入生成的模型元件中，输出处理结果。

作为本发明可实施的方式，所述根据所述待处理的需求访问模型元件库包括：

从所述待处理的需求中提取字段信息；

根据所述字段信息确定所述待处理的需求对应的处理类型；

根据所述处理类型访问模型元件库。

作为本发明可实施的方式，所述判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件包括：

从所述字段信息中获取至少一个关键字段；

根据至少一个所述关键字段生成与所述关键字段近似的近似字段；

根据获取所述关键字段和/或所述近似字段在所述模型元件库中查找与所述待处理的需求相关联的模型元件。

作为本发明可实施的方式，所述获取与所述待处理的需求同类型的历史需求进行模型训练生成模型元件包括：

连接算法库，从所述算法库中获取所述待处理的需求对应的处理类型相互对应的算法；

获取与所述待处理的需求同类型的历史需求；

基于获取的算法和所述历史需求进行模型训练，得到适用于处理所述待处理的需求的模型元件。

作为本发明可实施的方式，在判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件之后，若存在至少两个与所述待处理的需求相关联的模型元件时，所述方法还包括：

获取所述数据信息中的参数值的种类；

获取各个相关联的所述模型元件所需的参数值的种类；

将所述数据信息中的参数值的种类分别与各个相关联的所述模型元件所需的参数值的种类进行比对，确定匹配度最高的模型元件并调用。

作为本发明可实施的方式，在确定匹配度最高的模型元件之后，所述方法还包括：

从所述数据信息中提取部分数据，并将提取的数据划分为训练数据和验证数据，通过所述训练数据对所述匹配度最高的模型元件进行重训练，调整模型参数得到准模型元件；

通过所述验证数据对准模型元件进行验证，验证通过后得到适用于处理所述待处理的需求的模型元件。

作为本发明可实施的方式，在所述获取待处理的需求之后，所述方法还包括：

对所述待处理的需求进行拆分，得到至少两个子需求；

根据所述子需求访问所述模型元件库，针对每个所述子需求分别获取所述模型元件。

第二方面，本发明实施例提供一种需求处理服务化的实现装置，包括采集单元、判断单元和处理单元，其中：

所述采集单元用于获取待处理的需求，所述待处理的需求包含数据信息；

所述判断单元用于根据所述待处理的需求访问模型元件库，判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件；

所述处理单元用于当存在与所述待处理的需求相关联的模型元件时，调用所述相关联的模型元件，将所述数据信息输入所述相关联的模型元件中，输出处理结果；以及当不存在与所述待处理的需求相关联的模型元件时，通过所述模型生成单元获取与所述待处理的需求同类型的历史需求进行模型训练生成模型元件，再将所述数据信息输入生成的模型元件中，输出处理结果。

第三方面，本发明实施例提供一种计算机设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，使得所述至少一个处理器能够执行如上所述的需求处理服务化的实现方法的步骤。

第四方面，本发明实施例提供一种计算机可读存储介质，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至少一个处理器执行时实现如上所述的需求处理服务化的实现方法的步骤。

根据本发明实施例提供的需求处理服务化的实现方法、装置及计算机设备、存储介质，通过将处理不同类型的需求的模型元件进行集成，形成模型元件库，当对类似的需求进行处理时，只需从模型元件库中调用匹配的模型元件来实现需求处理的服务化，实现需求的标准化和自动化的处理，并在模型元件库中不存在匹配的模型元件时，可以自动基于模型训练来生成适用的模型元件来对需求进行标准化和自动化的处理，如此有利于提高项目开发的效率，降低项目开发成本。

附图说明

为了更清楚地说明本发明的方案，下面将对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发明的一些实施例，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为本发明实施例提供的需求处理服务化的实现方法的流程图；

图2为本发明实施例提供的访问模型元件库的流程图；

图3为本发明实施例提供的查找模型元件的流程图；

图4为本发明实施例提供的筛选模型元件的流程图；

图5为本发明实施例提供的通过模型训练生成模型元件的流程图；

图6为本发明实施例提供的需求处理服务化的实现装置的结构框图；

图7为本发明实施例提供的计算机设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。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发明的技术领域的技术人员通常理解的含义相同。

在说明书中的各个位置出现的“实施例”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。

本发明实施例提供一种需求处理服务化的实现方法，所述方法基于模型训练来实现，如图1所示，所述需求处理服务化的实现方法包括：

S11、获取待处理的需求，所述待处理的需求中包含有数据信息；

S12、根据所述待处理的需求访问模型元件库，判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件；

S13、当存在与所述待处理的需求相关联的模型元件时，调用所述相关联的模型元件，将所述数据信息输入所述相关联的模型元件中，输出处理结果；

S14、当不存在与所述待处理的需求相关联的模型元件时，获取与所述待处理的需求同类型的历史需求进行模型训练生成模型元件，再将所述数据信息输入生成的模型元件中，输出处理结果。

在本发明实施例中，所述待处理的需求是由用户提供的发生频次或者开发频次比较高的一些需求，所述待处理的需求中包含的数据信息是后续步骤S13和S14的操作对象，故获取到待处理的需求后，所述方法包括提取数据信息的步骤，后续基于这些数据内容可输出处理结果，在本实施例中，输出的处理结果可以是具体的数值，也可以是标准化的文件。

在本发明一些实施例中，所述待处理的需求中可包括基本的字段信息，所述根据所述待处理的需求访问模型元件库可为根据所述字段信息来连接并访问模型元件库，在可实施的方案中，如图2所示，所述根据所述待处理的需求访问模型元件库包括：

S21、从所述待处理的需求中提取字段信息；

S22、根据所述字段信息确定所述待处理的需求对应的处理类型；

S23、根据所述处理类型访问模型元件库。

其中，所述字段信息可包含所述待处理的需求的基本属性，比如需求领域，需求目的等，这决定了所述待处理的需求的处理类型和后续步骤S13和S14将要执行的操作，假如需求目的是输出分类结果，则后续步骤S13和S14将执行分类操作，假如需求目的是输出预测结果，则后续步骤S13和S14将执行预测操作，诸如此类。在本实施例中，所述待处理的需求对应的处理类型主要包括预测类需求和识别类需求，预测类需求主要根据当前提取的数据信息对未来进行预测，比如时间序列数据预测类的需求，此类型的需求比如有价格预测、消费水平预测、人口增长预测等等，均是根据过去某一时间段内的数据(即为所述待处理的需求中的数据信息)对未来特定时间段内的数据进行预测；而识别型需求则是从所述待处理的需求中的数据信息中识别特定的内容，这类型的需求比如有物品识别、产品检测中的瑕疵识别、特定语义的识别等等，识别型需求基于识别结果实际上可延伸出基础统计需求、基础分类需求等。

进一步的，在本发明一些实施例中，如图3所示，所述判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件包括：

S31、从所述字段信息中获取至少一个关键字段；

S32、根据至少一个所述关键字段生成与所述关键字段近似的近似字段；

S33、根据获取所述关键字段和/或所述近似字段在所述模型元件库中查找与所述待处理的需求相关联的模型元件。

通过关键字段和近似字段，可以实现模糊检索，以对模型元件库进行比较全面的检索，提高检索精度。对于根据获取的关键字段或者近似字段在模型元件库中查找相关联的模型元件，可以提供模型元件库中所有模型元件的索引表，索引表中每一条索引信息包含标识一个模型元件基本信息的至少一个字段，如果索引信息中含有前述的关键字段或近似字段，则认为匹配到相关联的模型元件，此时判断为存在处理所述待处理的需求的模型元件，否则判断为不存在。

在本发明一些实施例中，在判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件之后，如图4所示，若存在至少两个与所述待处理的需求相关联的模型元件时，所述方法还包括：

S41、获取所述数据信息中的参数值的种类；

S42、获取各个相关联的所述模型元件所需的参数值的种类；

S43、将所述数据信息中的参数值的种类分别与各个相关联的所述模型元件所需的参数值的种类进行比对，确定匹配度最高的模型元件并调用。

采用这种方式可进一步地对相关联的模型元件进行筛选，通过选取匹配度更高的模型元件，可以更快地获得更准确的输出结果。在一些情况下，匹配度最高的模型元件可以是完全匹配的模型元件，对于完全匹配的模型元件而言，直接将所述数据信息作为输出参数输入该完全匹配的模型元件中即可获得目标输出结果，比如预测A路口第二天车流量，如果根据提取的字段信息“预测”、“A路口”，“第二天车流量”正好匹配到A路口的车流量预测模型元件，则直接将从所述待处理的需求中提取的数据信息输入该A路口的车流量预测模型元件中，输出第二天的车流量的预测结果；在另一些情况下，匹配度最高的模型元件也可以是不完全匹配的模型元件，对于不完全匹配的模型元件，则需要结合所述数据信息对其进行调整后才能工作，比如预测A路口第二天车流量，如果根据提取的字段信息“预测”、“A路口”，“第二天车流量”匹配到B路口的车流量预测模型元件，此时则需根据从所述待处理的需求中提取的数据信息对B路口的车流量预测模型元件进行模型调整，以适应A路口的预测需求，故在本发明一些实施例中，在确定匹配度最高的模型元件之后，所述方法还包括：从所述数据信息中提取部分数据，并将提取的数据划分为训练数据和验证数据，通过所述训练数据对所述匹配度最高的模型元件进行重训练，调整模型参数得到准模型元件，通过所述验证数据对准模型元件进行验证，验证通过后得到适用于处理所述待处理的需求的模型元件；之后在将所述数据信息作为输出参数输入调整后得到模型元件中，以获得目标输出结果。

对于步骤S14,生成的模型元件将被加入模型元件库，在本发明一些实施例中，如图5所示，所述获取与所述待处理的需求同类型的历史需求进行模型训练生成模型元件包括：

S51、连接算法库，从所述算法库中获取所述待处理的需求对应的处理类型相互对应的算法；

S52、获取与所述待处理的需求同类型的历史需求；

S53、基于获取的算法和所述历史需求进行模型训练，得到适用于处理所述待处理的需求的模型元件。

所述模型元件库中的模型元件可根据历史需求库来自动生成，比如历史需求库现在存在诸多历史需求，通过对这些历史需求进行分类，每个类别的历史需求将作为样本数据配合算法库中的算法进行模型训练，即可生成相应的模型元件。其中，所述算法库中包含的算法可以是贝叶斯类算法、决策树类算法、回归算法、基于实例的算法、聚类算法、关联规则算法、人工神经网络类算法、深度学习算法等，根据不同的需求类型可以选择不同类型的算法，比如对于预测类的需求，可以采用人工神经网络类算法和若干样本文件进行模型训练，得到最终的模型元件。在一些实施例中，可以根据同一个类别的历史需求生成多个模型元件，比如现历史需求库中有一份某地居民日消费数据，则可以生成对日消费数据中的消费类型进行分类的分类模型元件，也可以生成对后续时段内的居民日消费进行预测的预测模型元件。

在获取历史需求的过程中，可包括对样本数据进行筛选的步骤，比如获取一段特定时间内的样本数据，通过保证样本数据的时效性来提高模型训练的准确性。进一步地，还可包括对筛选后得到的样本数据进行数据处理的步骤，比如对确定的样本数据进行归一化处理，将样本数据转换为标准的参数值，以更加准确地进行模型训练来得到模型元件。

在进行模型训练前，需要将历史需求中的字段信息或者数据信息参数化，获得对应的参数值，比如对于预测需求，则需要将影响预测的各类因子参数化，确保执行本实施例所述的需求处理服务化的实现方法的计算机设备能够识别。相应的，在本实施例中，所述模型元件根据所述待处理的需求中的数据信息输出处理结果之前，同样也包括对所述数据信息进行参数化处理的步骤。

在本发明一些实施例中，所述方法还包括更新所述模型元件库的步骤，具体包括判断历史需求库中是否增加了与模型元件库中的模型元件相关的样本数据，如果确定增加了样本数据，则获取新的样本数据，根据新的样本数据对对应的模型元件进行改进型训练，调整模型元件，后续根据调整后的模型元件对需求进行处理时可以输出更为准确的结果。在一些实施例中，在进行模型元件的生成之前，若从历史需求库中没有获取到相应的历史需求或者历史需求数量较少时，还可包括提示更新历史需求库的步骤，以使用户向历史需求库中导入相关的新的样本数据，以满足生成模型元件的数据需求。

在本发明一些实施例中，当获得的待处理的需求存在多个子需求时，在所述获取待处理的需求之后，所述方法还包括：对所述待处理的需求进行拆分，得到至少两个子需求，根据所述子需求访问所述模型元件库，针对每个所述子需求分别获取所述模型元件。比如对A路口的车辆类型进行检测并预测该路口通过的特定车型第二天数量，这里将对应车辆类型识别的模型元件和对未来某时段中特定车型的数量进行预测的模型元件。在一些实施例中，当某一子需求没有匹配的模型元件时，则可根据上述步骤S14的处理方式生成对应的模型元件再进行处理。

采用上述基于模型训练的需求处理服务化的实现方法的计算机设备可以对类似需求进行标准化和自动化的处理，处理过程在后台处理，对外提供操作接口，即便是非专业人员也可方便使用，对于项目开发人员而言，通过从类似的需求中提取可定制的需求范围，将需求处理的过程服务化，可供其他程序、应用或者框架调用，有利于提高专业人员进行项目开发的效率。

根据本发明实施例提供的需求处理服务化的实现方法，通过将处理不同类型的需求的模型元件进行集成，形成模型元件库，当对类似的需求进行处理时，只需从模型元件库中调用匹配的模型元件来实现需求处理的服务化，实现需求的标准化和自动化的处理，并在模型元件库中不存在匹配的模型元件时，可以自动基于模型训练来生成适用的模型元件来对需求进行标准化和自动化的处理，如此有利于提高项目开发的效率，降低项目开发成本。

本发明实施例提供一种需求处理服务化的实现装置，如图6所示，所述装置包括采集单元61、判断单元62和处理单元63，其中：

所述采集单元61用于获取待处理的需求，所述待处理的需求包含数据信息；其中，所述待处理的需求是由用户提供的发生频次或者开发频次比较高的一些需求，所述待处理的需求中包含的数据信息是所述处理单元63的操作对象。

所述判断单元62用于根据所述待处理的需求访问模型元件库，判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件；

所述处理单元63用于当存在与所述待处理的需求相关联的模型元件时，调用所述相关联的模型元件，将所述数据信息输入所述相关联的模型元件中，输出处理结果；以及当不存在与所述待处理的需求相关联的模型元件时，通过所述模型生成单元获取与所述待处理的需求同类型的历史需求进行模型训练生成模型元件，再将所述数据信息输入生成的模型元件中，输出处理结果。在本实施例中，所述处理单元63输出的处理结果可以是具体的数值，也可以是标准化的文件。

在本发明一些实施例中，所述采集单元61获取的待处理的需求中可包括基本的字段信息，所述判断单元62根据所述待处理的需求访问模型元件库时，具体用于从所述待处理的需求中提取字段信息，根据所述字段信息确定所述待处理的需求对应的处理类型，根据所述处理类型访问模型元件库。其中，所述字段信息可包含所述待处理的需求的基本属性，比如需求领域，需求目的等，这决定了所述待处理的需求的处理类型和所述处理单元63将要执行的操作，关于处理类型，可参阅上述方法实施例中相关描述。

在本发明一些实施例中，所述判断单元62在判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件时，具体用于从所述字段信息中获取至少一个关键字段，根据至少一个所述关键字段生成与所述关键字段近似的近似字段，根据获取所述关键字段和/或所述近似字段在所述模型元件库中查找与所述待处理的需求相关联的模型元件。通过关键字段和近似字段，可以实现模糊检索，以对模型元件库进行比较全面的检索，提高检索精度；其中，所述判断单元62可通过模型元件库的索引表进行模型元件的检索和匹配。

在本发明一些实施例中，若所述判断单元62判定存在至少两个与所述待处理的需求相关联的模型元件时，所述处理单元63还用于获取所述数据信息中的参数值的种类，获取各个相关联的所述模型元件所需的参数值的种类，将所述数据信息中的参数值的种类分别与各个相关联的所述模型元件所需的参数值的种类进行比对，确定匹配度最高的模型元件并调用。采用这种方式可进一步地对相关联的模型元件进行筛选，通过选取匹配度更高的模型元件，可以更快地获得更准确的输出结果。在一些情况下，匹配度最高的模型元件可以是完全匹配的模型元件，对于完全匹配的模型元件而言，直接将所述数据信息作为输出参数输入该完全匹配的模型元件中即可获得目标输出结果；在另一些情况下，匹配度最高的模型元件也可以是不完全匹配的模型元件，对于不完全匹配的模型元件，则需要结合所述数据信息对其进行调整后才能工作，故在本发明一些实施例中，所述处理单元63在确定匹配度最高的模型元件之后还用于从所述数据信息中提取部分数据，并将提取的数据划分为训练数据和验证数据，通过所述训练数据对所述匹配度最高的模型元件进行重训练，调整模型参数得到准模型元件；通过所述验证数据对准模型元件进行验证，验证通过后得到适用于处理所述待处理的需求的模型元件；之后在将所述数据信息作为输出参数输入调整后得到模型元件中，以获得目标输出结果。

在本发明一些实施例中，所述处理单元63在获取与所述待处理的需求同类型的历史需求进行模型训练生成模型元件时，具体用于连接算法库，从所述算法库中获取所述待处理的需求对应的处理类型相互对应的算法，获取与所述待处理的需求同类型的历史需求，基于获取的算法和所述历史需求进行模型训练，得到适用于处理所述待处理的需求的模型元件。其中，关于根据历史需求库来自动生成所述模型元件库中的模型元件的内容，以及更新所述模型元件库中的模型元件的过程，可参阅上述方法实施例中的相关描述，在此不再展开。

在本发明一些实施例中，当所述采集单元61获得的待处理的需求存在多个子需求时，所述判断单元62还用于对所述待处理的需求进行拆分，得到至少两个子需求，并根据所述子需求访问所述模型元件库，针对每个所述子需求分别获取所述模型元件。

根据本发明实施例提供的需求处理服务化的实现装置，通过将处理不同类型的需求的模型元件进行集成，形成模型元件库，当对类似的需求进行处理时，只需从模型元件库中调用匹配的模型元件来实现需求处理的服务化，实现需求的标准化和自动化的处理，并在模型元件库中不存在匹配的模型元件时，可以自动基于模型训练来生成适用的模型元件来对需求进行标准化和自动化的处理，如此有利于提高项目开发的效率，降低项目开发成本。

本发明实施例还提供一种计算机设备，如图7所示，所述计算机设备包括至少一个处理器71，以及与所述至少一个处理器71通信连接的存储器72，图7中示出一个处理器71，所述存储器72存储有可被所述至少一个处理器71执行的指令，所述指令被所述至少一个处理器71执行，以使所述至少一个处理器71能够执行如上所述的需求处理服务化的实现方法的步骤。

具体的，本发明实施例中的存储器72为非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请上述实施例中的需求处理服务化的实现方法对应的程序指令/模块；所述处理器71通过运行存储在存储器72中的非易失性软件程序、指令以及模块，从而执行各种功能应用以及进行数据处理，即实现上述方法实施例中所述的需求处理服务化的实现方法。

在一些实施例中，所述存储器72可以包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需要的应用程序；数据存储区可存储需求处理服务化的实现方法的处理过程中所创建的数据等。此外，存储器72可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件；

在一些实施例中，存储器72可选包括相对于处理器71远程设置的远程存储器，这些远程存储器可以通过网络连接至执行域名过滤处理的计算机设备，前述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

在本发明实施例中，执行所述需求处理服务化的实现方法的计算机设备还可以包括输入装置73和输出装置74；其中，输入装置73可获取用户在计算机设备上的操作信息，输出装置74可包括显示屏等显示设备。在本发明实施例中，所述处理器71、存储器72、输入装置73和输出装置74可以通过总线或者其他方式连接，图7中以通过总线连接为例。

根据本发明实施例提供的计算机设备，通过处理器71执行存储器72中的代码时能够执行上述实施例中需求处理服务化的实现方法的步骤，且具有上述方法实施例的技术效果，未在本实施例中详尽描述的技术细节，可参见本申请方法实施例中所提供的技术内容。

本发明实施例还提供一种计算机可读存储介质，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至少一个处理器执行时，能够实现如上所述的需求处理服务化的实现方法的步骤，当执行所述方法的步骤时，具有上述方法实施例的技术效果，未在本实施例中详尽描述的技术细节，可参见本申请方法实施例中所提供的技术内容。

本发明实施例还提供一种计算机程序产品，所述产品可执行本申请方法实施例中所提供的需求处理服务化的实现方法，具备执行方法相应的功能单元和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请方法实施例中所提供的技术内容。

需要说明的是，在本发明上述实施例中的各功能单元可以集成在一个处理单元63中，也可以是各个功能单元单独物理存在，也可以两个或两个以上功能单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或智能终端设备或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明所提供的上述实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述功能单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，至少两个功能单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

所述作为分离部件说明的功能单元可以是或者也可以不是物理上分开的，作为功能单元显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到至少两个网络单元上。可以根据实际的需要选择其中的部分或者全部功能单元来实现本实施例方案的目的。

显然，以上所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，附图中给出了本发明的较佳实施例，但并不限制本发明的专利范围。本发明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发明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发明进行了详细的说明，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。凡是利用本发明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，均同理在本发明专利保护范围之内。

Claims (9)

1.一种需求处理服务化的实现方法，其特征在于，包括：

获取待处理的需求，所述待处理的需求包含数据信息；

根据所述待处理的需求访问模型元件库，判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件；

当存在与所述待处理的需求相关联的模型元件时，调用所述相关联的模型元件，将所述数据信息输入所述相关联的模型元件中，输出处理结果；

当不存在与所述待处理的需求相关联的模型元件时，连接算法库，从所述算法库中获取所述待处理的需求对应的处理类型相互对应的算法；获取与所述待处理的需求同类型的历史需求，所述历史需求包括一段特定时间内的样本数据；基于获取的算法和所述历史需求进行模型训练，得到适用于处理所述待处理的需求的模型元件，再将所述数据信息输入生成的模型元件中，输出处理结果。

2.根据权利要求1所述的需求处理服务化的实现方法，其特征在于，所述根据所述待处理的需求访问模型元件库包括：

从所述待处理的需求中提取字段信息；

根据所述字段信息确定所述待处理的需求对应的处理类型；

根据所述处理类型访问模型元件库。

3.根据权利要求2所述的需求处理服务化的实现方法，其特征在于，所述判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件包括：

从所述字段信息中获取至少一个关键字段；

根据至少一个所述关键字段生成与所述关键字段近似的近似字段；

根据获取所述关键字段和/或所述近似字段在所述模型元件库中查找与所述待处理的需求相关联的模型元件。

4.根据权利要求1至3任一项所述的需求处理服务化的实现方法，其特征在于，在判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件之后，若存在至少两个与所述待处理的需求相关联的模型元件时，所述方法还包括：

获取所述数据信息中的参数值的种类；

获取各个相关联的所述模型元件所需的参数值的种类；

将所述数据信息中的参数值的种类分别与各个相关联的所述模型元件所需的参数值的种类进行比对，确定匹配度最高的模型元件并调用。

5.根据权利要求4所述的需求处理服务化的实现方法，其特征在于，在确定匹配度最高的模型元件之后，所述方法还包括：

从所述数据信息中提取部分数据，并将提取的数据划分为训练数据和验证数据，通过所述训练数据对所述匹配度最高的模型元件进行重训练，调整模型参数得到准模型元件；

通过所述验证数据对准模型元件进行验证，验证通过后得到适用于处理所述待处理的需求的模型元件。

6.根据权利要求1至3任一项所述的需求处理服务化的实现方法，其特征在于，在所述获取待处理的需求之后，所述方法还包括：

对所述待处理的需求进行拆分，得到至少两个子需求；

根据所述子需求访问所述模型元件库，针对每个所述子需求分别获取所述模型元件。

7.一种需求处理服务化的实现装置，其特征在于，包括采集单元、判断单元和处理单元，其中：

所述采集单元用于获取待处理的需求，所述待处理的需求包含数据信息；

所述判断单元用于根据所述待处理的需求访问模型元件库，判断所述模型元件库中是否存在与所述待处理的需求相关联的模型元件；

所述处理单元用于当存在与所述待处理的需求相关联的模型元件时，调用所述相关联的模型元件，将所述数据信息输入所述相关联的模型元件中，输出处理结果；以及当不存在与所述待处理的需求相关联的模型元件时，连接算法库，从所述算法库中获取所述待处理的需求对应的处理类型相互对应的算法；获取与所述待处理的需求同类型的历史需求，所述历史需求包括一段特定时间内的样本数据；基于获取的算法和所述历史需求进行模型训练，得到适用于处理所述待处理的需求的模型元件，再将所述数据信息输入生成的模型元件中，输出处理结果。

8.一种计算机设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1至6中任一项所述的需求处理服务化的实现方法的步骤。

9.一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至少一个处理器执行时实现如权利要求1至6中任一项权利要求所述的需求处理服务化的实现方法的步骤。

Images