CN112989603A - 一种工作流的调整方法和装置 - Google Patents

一种工作流的调整方法和装置 Download PDF

Info

Publication number
CN112989603A
CN112989603A CN202110270897.XA CN202110270897A CN112989603A CN 112989603 A CN112989603 A CN 112989603A CN 202110270897 A CN202110270897 A CN 202110270897A CN 112989603 A CN112989603 A CN 112989603A
Authority
CN
China
Prior art keywords
workflow
target
candidate
hyper
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110270897.XA
Other languages
English (en)
Other versions
CN112989603B (zh
Inventor
贾莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Kingsoft Cloud Network Technology Co Ltd
Original Assignee
Beijing Kingsoft Cloud Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Kingsoft Cloud Network Technology Co Ltd filed Critical Beijing Kingsoft Cloud Network Technology Co Ltd
Priority to CN202110270897.XA priority Critical patent/CN112989603B/zh
Publication of CN112989603A publication Critical patent/CN112989603A/zh
Application granted granted Critical
Publication of CN112989603B publication Critical patent/CN112989603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种工作流的调整方法和装置，其中，该方法包括：从初始工作流所包括的工作流算子中获取目标算子，其中，初始工作流是为目标业务构建的初始运行流程；根据目标算子所包括的目标超参数生成多条候选工作流，其中，多条候选工作流中每条候选工作流对应于一种目标超参数的取值组合；从多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，目标工作流用于执行目标业务。本申请解决了对工作流进行调整的过程中调整效果较差的技术问题。

Description

一种工作流的调整方法和装置
技术领域
本申请涉及计算机领域，尤其涉及一种工作流的调整方法和装置。
背景技术
目前的工作流调整方式中只能够对工作流中的模型算子进行局部的优化，并不能全面地优化模型乃至整个工作流的表现，导致优化后的工作流无法到达理想的工作效果。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请提供了一种工作流的调整方法和装置，以至少解决相关技术中对工作流进行调整的过程中调整效果较差的技术问题。
根据本申请实施例的一个方面，提供了一种工作流的调整方法，包括：
从初始工作流所包括的工作流算子中获取目标算子，其中，所述初始工作流是为目标业务构建的初始运行流程；
根据所述目标算子所包括的目标超参数生成多条候选工作流，其中，所述多条候选工作流中每条候选工作流对应于一种所述目标超参数的取值组合；
从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，所述目标工作流用于执行所述目标业务。
可选地，根据所述目标算子所包括的目标超参数生成多条候选工作流包括：
生成所述初始工作流对应的初始工作流树结构，其中，所述初始工作流树结构用于通过初始分支节点之间的初始连接关系表示所述工作流算子之间的运行顺序；
根据所述目标算子所包括的目标超参数对应的取值集合将所述初始工作流树结构扩展为目标工作流树结构，得到所述多条候选工作流，其中，所述目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在所述目标超参数的一种取值组合下所述工作流算子之间的运行顺序。
可选地，根据所述目标算子所包括的目标超参数对应的取值集合将所述初始工作流树结构扩展为目标工作流树结构包括：
从所述初始分支节点中获取所述目标算子对应的初始分支节点，其中，所述目标算子对应的初始分支节点中包括一层或者多层的超参数节点；
从所述一层或者多层的超参数节点获取所述目标超参数对应的超参数节点；
将每个目标超参数对应的超参数节点的下一层节点扩展为与所述每个目标超参数对应的取值集合中的元素数量相同的扩展节点，得到所述目标分支节点；
将所述每个目标超参数对应的取值集合中的元素分别赋予所述每个目标超参数对应的超参数节点与每个扩展节点之间的连接关系，得到所述目标连接关系；
在每种取值组合下所述工作流算子之间的运行顺序形成的每个树结构分支的尾部创建所述每个树结构分支对应的静态工作流节点，得到所述目标工作流树结构。
可选地，从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流包括：
分别运行所述多条候选工作流中的每条候选工作流，得到所述每条候选工作流对应的评价指标；
将所对应的评价指标最优的候选工作流确定为所述目标工作流。
可选地，分别运行所述多条候选工作流中的每条候选工作流，得到所述每条候选工作流对应的评价指标包括：
运行所述多条候选工作流所对应的目标工作流树结构，其中，所述目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在所述目标超参数的一种取值组合下所述工作流算子之间的运行顺序，所述每个分支的叶节点为静态工作流节点，所述每个分支对应一条候选工作流；
依次将所述目标工作流树结构中的静态工作流节点转化为动态工作流节点进行分布式多线程运行；
生成每个动态工作流节点的运行过程对应的评价指标。
可选地，从所述初始工作流所包括的所述工作流算子中获取所述目标算子包括：
从所述初始工作流所包括的所述工作流算子中获取允许对所包括的超参数进行调整的候选工作流算子；
检测对所述候选工作流算子执行的第一选择操作；
将所述候选工作流算子中被执行了所述第一选择操作的候选工作流算子确定为所述目标算子。
可选地，在根据所述目标算子所包括的目标超参数生成多条候选工作流之前，所述方法还包括：
从所述目标算子所包括的超参数中获取允许被调整的候选超参数；
检测对所述候选超参数执行的第二选择操作；
将所述候选超参数中被执行了所述第二选择操作的候选超参数确定为所述目标超参数。
根据本申请实施例的另一方面，还提供了一种工作流的调整装置，包括：
第一获取模块，用于从初始工作流所包括的工作流算子中获取目标算子，其中，所述初始工作流是为目标业务构建的初始运行流程；
生成模块，用于根据所述目标算子所包括的目标超参数生成多条候选工作流，其中，所述多条候选工作流中每条候选工作流对应于一种所述目标超参数的取值组合；
第二获取模块，用于从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，所述目标工作流用于执行所述目标业务。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本申请实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。
在本申请实施例中，采用从初始工作流所包括的工作流算子中获取目标算子，其中，初始工作流是为目标业务构建的初始运行流程；根据目标算子所包括的目标超参数生成多条候选工作流，其中，多条候选工作流中每条候选工作流对应于一种目标超参数的取值组合；从多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，目标工作流用于执行目标业务的方式，从初始工作流所包括的全部工作流算子中获取待优化的目标算子，根据目标算子所包括的目标超参数生成满足各种目标超参数的取值组合的多条候选工作流，根据各个候选工作流的评价指标，将其中评价指标最优的候选工作流作为目标工作流来执行目标业务，达到了全面调整工作流中的超参数的目的，从而实现了提高对工作流进行调整的过程中调整效果的技术效果，进而解决了对工作流进行调整的过程中调整效果较差的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的工作流的调整方法的硬件环境的示意图；
图2是根据本申请实施例的一种可选的工作流的调整方法的流程图；
图3是根据本申请实施例的一种构建初始工作流的示意图；
图4是根据本申请实施例的一种目标工作流树结构的示意图；
图5是根据本申请实施例的另一种目标工作流树结构的示意图；
图6是根据本申请实施例的一种可选的工作流的调整装置的示意图；
图7是根据本申请实施例的一种电子装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一方面，提供了一种工作流的调整的方法实施例。
可选地，在本实施例中，上述工作流的调整方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101并不限定于PC、手机、平板电脑等。本申请实施例的工作流的调整方法可以由服务器103来执行，也可以由终端101来执行，还可以是由服务器103和终端101共同执行。其中，终端101执行本申请实施例的工作流的调整方法也可以是由安装在其上的客户端来执行。
图2是根据本申请实施例的一种可选的工作流的调整方法的流程图，如图2所示，该方法可以包括以下步骤：
步骤S202，从初始工作流所包括的工作流算子中获取目标算子，其中，所述初始工作流是为目标业务构建的初始运行流程；
步骤S204，根据所述目标算子所包括的目标超参数生成多条候选工作流，其中，所述多条候选工作流中每条候选工作流对应于一种所述目标超参数的取值组合；
步骤S206，从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，所述目标工作流用于执行所述目标业务。
通过上述步骤S202至步骤S206，从初始工作流所包括的全部工作流算子中获取待优化的目标算子，根据目标算子所包括的目标超参数生成满足各种目标超参数的取值组合的多条候选工作流，根据各个候选工作流的评价指标，将其中评价指标最优的候选工作流作为目标工作流来执行目标业务，达到了全面调整工作流中的超参数的目的，从而实现了提高对工作流进行调整的过程中调整效果的技术效果，进而解决了对工作流进行调整的过程中调整效果较差的技术问题。
在步骤S202提供的技术方案中，工作流可以但不限于指由多个图形化算法组件首尾连接，产出模型，可运行、可调优的装置。初始工作流可以但不限于是为目标业务初步构建的运行流程，即将目标业务所用到的工作流算子按照目标业务的流程进行连接得到的模型。
可选地，在本实施例中，工作流算子可以但不限于是一种固定接口，固定开发规范，用来封装指定算法且可单独运行的图形化算法组件。工作流算子可以但不限于包括各种类型的算子，比如：模型算子，预处理算子等等。模型算子可以但不限于指封装模型训练程序代码的算子。预处理算子可以但不限于指封装预处理程序代码的算子。
可选地，在本实施例中，目标算子是在初始工作流中需要进行调整的算子，目标算子可以是初始工作流所包括的工作流算子中的全部算子，也可以是初始工作流所包括的工作流算子中的部分算子。
作为一种可选的实施例，从所述初始工作流所包括的所述工作流算子中获取所述目标算子包括：
S11，从所述初始工作流所包括的所述工作流算子中获取允许对所包括的超参数进行调整的候选工作流算子；
S12，检测对所述候选工作流算子执行的第一选择操作；
S13，将所述候选工作流算子中被执行了所述第一选择操作的候选工作流算子确定为所述目标算子。
可选地，在本实施例中，工作流的调整过程中目标算子的选择过程可以是根据业务的某些参数自动选择的，比如：可以根据算子对模型预测结果的影响程度选择目标算子，将影响程度较高的算子确定为目标算子。也可以是为用户提供的目标算子的选择功能，比如：由用户从允许对所包括的超参数进行调整的候选工作流算子中选择需要进行调整的目标算子。
可选地，在本实施例中，第一选择操作可以但不限于包括点击操作，滑动操作，勾选操作，输入操作等等。
可选地，在本实施例中，被执行了第一选择操作的候选工作流算子可以但不限于是候选工作流算子中的全部算子或者部分算子。比如：一个防信用卡欺诈的初始工作流可以包括具有连接关系的样本数据读取算子，特征尺度变换算子，基于卡方检验的特征选择算子，异常检测分类算子，异常检测模型预测算子，模型注册算子和分类模型评估算子等等，可以将防信用卡欺诈的初始工作流中全部的算子确定为目标算子。也可以将其中的基于卡方检验的特征选择算子和异常检测分类算子作为目标算子进行调整。
在步骤S204提供的技术方案中，每条候选工作流对应于一种目标超参数的取值组合，多条候选工作流覆盖到全部目标超参数的取值组合。
可选地，在本实施例中，算子中包括各种类型可以调整的超参数，超参数是一个未知变量，区别于训练过程中的参数，超参数是可以对训练得到的模型评估结果有影响的参数，需要在模型使用前进行输入，并作出调整，以便优化训练模型的效果。
作为一种可选的实施例，根据所述目标算子所包括的目标超参数生成多条候选工作流包括：
S21，生成所述初始工作流对应的初始工作流树结构，其中，所述初始工作流树结构用于通过初始分支节点之间的初始连接关系表示所述工作流算子之间的运行顺序；
S22，根据所述目标算子所包括的目标超参数对应的取值集合将所述初始工作流树结构扩展为目标工作流树结构，得到所述多条候选工作流，其中，所述目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在所述目标超参数的一种取值组合下所述工作流算子之间的运行顺序。
可选地，在本实施例中，可以但不限于通过图的形式来表示初始工作流，即生成初始工作流树结构，初始工作流树结构用于通过初始分支节点之间的初始连接关系表示所述工作流算子之间的运行顺序，在初始工作流树结构中用初始分支节点表示初始工作流中的工作流算子，用初始连接关系表示工作流算子之间的运行顺序。初始连接关系由一个节点指向另一个节点表示一个节点的输出作为另一个节点的输入。
比如：图3是根据本申请实施例的一种构建初始工作流的示意图，如图3所示，一个防信用卡欺诈的业务可以但不限于包括样本数据读取算子，特征尺度变换算子，基于卡方检验的特征选择算子，异常检测分类算子，异常检测模型预测算子，模型注册算子和分类模型评估算子等等，将这些算子连接起来得到防信用卡欺诈业务的初始工作流树结构。该树结构表示了各个算子的运行顺序，业务从样本数据读取算子开始，样本数据读取算子的输出作为特征尺度变换算子的输入，特征尺度变换算子的输出作为基于卡方检验的特征选择算子的输入，基于卡方检验的特征选择算子的输出作为异常检测分类算子和异常检测模型预测算子的输入，异常检测分类算子的输出作为模型注册算子和异常检测模型预测算子的输入，异常检测模型预测算子的输出作为分类模型评估算子的输入，最终得到分类模型评估算子的输出。
可选地，在本实施例中，根据初始工作流树结构和目标算子所包括的目标超参数对应的取值集合能够构建出目标工作流树结构，目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在目标超参数的一种取值组合下工作流算子之间的运行顺序，从而得到上述多条候选工作流。
作为一种可选的实施例，根据所述目标算子所包括的目标超参数对应的取值集合将所述初始工作流树结构扩展为目标工作流树结构包括：
S31，从所述初始分支节点中获取所述目标算子对应的初始分支节点，其中，所述目标算子对应的初始分支节点中包括一层或者多层的超参数节点；
S32，从所述一层或者多层的超参数节点获取所述目标超参数对应的超参数节点；
S33，将每个目标超参数对应的超参数节点的下一层节点扩展为与所述每个目标超参数对应的取值集合中的元素数量相同的扩展节点，得到所述目标分支节点；
S34，将所述每个目标超参数对应的取值集合中的元素分别赋予所述每个目标超参数对应的超参数节点与每个扩展节点之间的连接关系，得到所述目标连接关系；
S35，在每种取值组合下所述工作流算子之间的运行顺序形成的每个树结构分支的尾部创建所述每个树结构分支对应的静态工作流节点，得到所述目标工作流树结构。
可选地，在本实施例中，每个工作流算子的初始分支节点均包括与该工作流算子的超参数对应的超参数节点，用来记录各个超参数的信息。
可选地，在本实施例中，每个目标超参数对应了取值集合，取值集合中包括允许该目标超参数取的超参数值。
比如：图4是根据本申请实施例的一种目标工作流树结构的示意图，如图4所示，展示了一种目标工作流树结构的部分内容。在上述防信用卡欺诈业务的初始工作流树结构中目标算子可以为特征尺度变换算子，基于卡方检验的特征选择算子和异常检测分类算子。
目标超参数可以为特征尺度变换算子中的转换方法参数，基于卡方检验的特征选择算子的选择最好的特征个数参数，异常检测分类算子的gamma参数，核函数参数和异常点比例参数。特征尺度变换算子中的转换方法参数对应的取值集合中可以包括log2，ln，log10，abs(绝对值函数)和sqrt(平方根计算)。基于卡方检验的特征选择算子的选择最好的特征个数参数对应的取值集合中可以包括6，7，8。异常检测分类算子的gamma参数对应的取值集合中可以包括scale(范围)和auto(自动)。异常检测分类算子的核函数参数对应的取值集合中可以包括linear(线性)，poly(多项式)，rbf(径向基函数)，sigmoid(S型生长曲线)和precomputed(预计算)。异常检测分类算子的异常点比例参数对应的取值集合中可以包括0.1，0.2，0.3。
对于每个特征尺度变换算子中的转换方法参数的节点可以扩展出5个基于卡方检验的特征选择算子的选择最好的特征个数参数的节点，对于每个基于卡方检验的特征选择算子的选择最好的特征个数参数的节点可以扩展出3个异常检测分类算子的gamma参数的节点，以此类推，对于每个异常检测分类算子的异常点比例参数的节点可以生成3个静态工作流节点(比如静态工作流i-1，静态工作流i和静态工作流i+1)，从而得到目标工作流树结构。
以静态工作流i为例，各个算子的参数取值为异常检测分类算子的异常点比例参数为0.2，异常检测分类算子的核函数参数为rbf，异常检测分类算子的gamma参数为auto，基于卡方检验的特征选择算子的选择最好的特征个数参数为7，特征尺度变换算子中的转换方法参数为log10。
作为一种可选的实施例，在根据所述目标算子所包括的目标超参数生成多条候选工作流之前，还包括：
S41，从所述目标算子所包括的超参数中获取允许被调整的候选超参数；
S42，检测对所述候选超参数执行的第二选择操作；
S43，将所述候选超参数中被执行了所述第二选择操作的候选超参数确定为所述目标超参数。
可选地，在本实施例中，工作流的调整过程中目标算子中待调整的超参数的选择过程可以是根据业务的某些参数自动选择的，比如：可以根据超参数对模型预测结果的影响程度选择目标超参数，将影响程度较高的超参数确定为目标超参数。也可以是为用户提供的目标超参数的选择功能，比如：由用户从允许被调整的候选超参数中选择需要进行调整的目标超参数。
可选地，在本实施例中，第二选择操作可以但不限于包括点击操作，滑动操作，勾选操作，输入操作等等。
可选地，在本实施例中，被执行了第二选择操作的候选超参数可以但不限于是目标算子中的全部超参数或者部分超参数。比如：上述防信用卡欺诈的初始工作流中可以将其中全部的算子中的全部的超参数确定为目标超参数。也可以将其中的基于卡方检验的特征选择算子中的选择最好的特征个数参数和异常检测分类算子中的核函数参数作为目标算子进行调整。
比如：图5是根据本申请实施例的另一种目标工作流树结构的示意图，如图5所示，展示了另一种目标工作流树结构的部分内容。在上述防信用卡欺诈业务的初始工作流树结构中目标算子可以为基于卡方检验的特征选择算子和异常检测分类算子。
目标超参数可以为基于卡方检验的特征选择算子的选择最好的特征个数参数，异常检测分类算子的gamma参数，核函数参数和异常点比例参数。基于卡方检验的特征选择算子的选择最好的特征个数参数对应的取值集合中可以包括6，7，8。异常检测分类算子的gamma参数对应的取值集合中可以包括scale(范围)和auto(自动)。异常检测分类算子的核函数参数对应的取值集合中可以包括linear(线性)，poly(多项式)，rbf(径向基函数)，sigmoid(S型生长曲线)和precomputed(预计算)。异常检测分类算子的异常点比例参数对应的取值集合中可以包括0.1，0.2，0.3。
对于每个基于卡方检验的特征选择算子的选择最好的特征个数参数的节点可以扩展出3个异常检测分类算子的gamma参数的节点，对于每个异常检测分类算子的gamma参数的节点可以扩展出2个异常检测分类算子的核函数参数的节点，以此类推，对于每个异常检测分类算子的异常点比例参数的节点可以生成3个静态工作流节点(比如静态工作流i-1，静态工作流i和静态工作流i+1)，从而得到目标工作流树结构。
以静态工作流i为例，各个算子的参数取值为异常检测分类算子的异常点比例参数为0.2，异常检测分类算子的核函数参数为rbf，异常检测分类算子的gamma参数为auto，基于卡方检验的特征选择算子的选择最好的特征个数参数为7。
在步骤S206提供的技术方案中，上述评价指标可以但不限于包括：模型线上预测效果等等。
可选地，在本实施例中，可以但不限于对每个候选工作流进行搜索调优来确定每个候选工作流的评价指标。对候选工作流进行搜索调优的方式可以但不限于包括：网格搜索、随机搜索等等。
作为一种可选的实施例，从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流包括：
S51，分别运行所述多条候选工作流中的每条候选工作流，得到所述每条候选工作流对应的评价指标；
S52，将所对应的评价指标最优的候选工作流确定为所述目标工作流。
可选地，在本实施例中，通过运行各个候选工作流来使用其中的超参数构建工作流模型，并对模型中的参数进行搜索调优，得到候选工作流对应的评价指标，从中获取评价指标最优的候选工作流作为目标工作流来执行目标任务。
作为一种可选的实施例，分别运行所述多条候选工作流中的每条候选工作流，得到所述每条候选工作流对应的评价指标包括：
S61，运行所述多条候选工作流所对应的目标工作流树结构，其中，所述目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在所述目标超参数的一种取值组合下所述工作流算子之间的运行顺序，所述每个分支的叶节点为静态工作流节点，所述每个分支对应一条候选工作流；
S62，依次将所述目标工作流树结构中的静态工作流节点转化为动态工作流节点进行分布式多线程运行；
S63，生成每个动态工作流节点的运行过程对应的评价指标。
可选地，在本实施例中，对于目标工作流树结构中的每个静态工作流节点，依次将其转化为动态工作流节点来进行分布式多线程运行。
可选地，在本实施例中，可以但不限于根据每个动态工作流节点的运行过程和运行结果等信息来对该动态工作流的预测效果进行评价生成相应的评价指标。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
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根据上述实施例的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电子设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述工作流的调整方法的工作流的调整装置。图6是根据本申请实施例的一种可选的工作流的调整装置的示意图，如图6所示，该装置可以包括：
第一获取模块62，用于从初始工作流所包括的工作流算子中获取目标算子，其中，所述初始工作流是为目标业务构建的初始运行流程；
生成模块64，用于根据所述目标算子所包括的目标超参数生成多条候选工作流，其中，所述多条候选工作流中每条候选工作流对应于一种所述目标超参数的取值组合；
第二获取模块66，用于从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，所述目标工作流用于执行所述目标业务。
需要说明的是，该实施例中的第一获取模块62可以用于执行本申请实施例中的步骤S202，该实施例中的生成模块64可以用于执行本申请实施例中的步骤S204，该实施例中的第二获取模块66可以用于执行本申请实施例中的步骤S206。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
通过上述模块，从初始工作流所包括的全部工作流算子中获取待优化的目标算子，根据目标算子所包括的目标超参数生成满足各种目标超参数的取值组合的多条候选工作流，根据各个候选工作流的评价指标，将其中评价指标最优的候选工作流作为目标工作流来执行目标业务，达到了全面调整工作流中的超参数的目的，从而实现了提高对工作流进行调整的过程中调整效果的技术效果，进而解决了对工作流进行调整的过程中调整效果较差的技术问题。
作为一种可选的实施例，所述生成模块包括：
生成单元，用于生成所述初始工作流对应的初始工作流树结构，其中，所述初始工作流树结构用于通过初始分支节点之间的初始连接关系表示所述工作流算子之间的运行顺序；
扩展单元，用于根据所述目标算子所包括的目标超参数对应的取值集合将所述初始工作流树结构扩展为目标工作流树结构，得到所述多条候选工作流，其中，所述目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在所述目标超参数的一种取值组合下所述工作流算子之间的运行顺序。
作为一种可选的实施例，所述扩展单元用于：
从所述初始分支节点中获取所述目标算子对应的初始分支节点，其中，所述目标算子对应的初始分支节点中包括一层或者多层的超参数节点；
从所述一层或者多层的超参数节点获取所述目标超参数对应的超参数节点；
将每个目标超参数对应的超参数节点的下一层节点扩展为与所述每个目标超参数对应的取值集合中的元素数量相同的扩展节点，得到所述目标分支节点；
将所述每个目标超参数对应的取值集合中的元素分别赋予所述每个目标超参数对应的超参数节点与每个扩展节点之间的连接关系，得到所述目标连接关系；
在每种取值组合下所述工作流算子之间的运行顺序形成的每个树结构分支的尾部创建所述每个树结构分支对应的静态工作流节点，得到所述目标工作流树结构。
作为一种可选的实施例，所述第二获取模块包括：
运行单元，用于分别运行所述多条候选工作流中的每条候选工作流，得到所述每条候选工作流对应的评价指标；
第一确定单元，用于将所对应的评价指标最优的候选工作流确定为所述目标工作流。
作为一种可选的实施例，所述运行单元用于：
运行所述多条候选工作流所对应的目标工作流树结构，其中，所述目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在所述目标超参数的一种取值组合下所述工作流算子之间的运行顺序，所述每个分支的叶节点为静态工作流节点，所述每个分支对应一条候选工作流；
依次将所述目标工作流树结构中的静态工作流节点转化为动态工作流节点进行分布式多线程运行；
生成每个动态工作流节点的运行过程对应的评价指标。
作为一种可选的实施例，所述第一获取模块包括：
获取单元，用于从所述初始工作流所包括的所述工作流算子中获取允许对所包括的超参数进行调整的候选工作流算子；
检测单元，用于检测对所述候选工作流算子执行的第一选择操作；
第二确定单元，用于将所述候选工作流算子中被执行了所述第一选择操作的候选工作流算子确定为所述目标算子。
作为一种可选的实施例，所述装置还包括：
第三获取模块，用于在根据所述目标算子所包括的目标超参数生成多条候选工作流之前，从所述目标算子所包括的超参数中获取允许被调整的候选超参数；
检测模块，用于检测对所述候选超参数执行的第二选择操作；
确定模块，用于将所述候选超参数中被执行了所述第二选择操作的候选超参数确定为所述目标超参数。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本申请实施例的另一个方面，还提供了一种用于实施上述工作流的调整方法的电子装置。
图7是根据本申请实施例的一种电子装置的结构框图，如图7所示，该电子装置可以包括：一个或多个(图中仅示出一个)处理器701、存储器703、以及传输装置705，如图7所示，该电子装置还可以包括输入输出设备707。
其中，存储器703可用于存储软件程序以及模块，如本申请实施例中的工作流的调整方法和装置对应的程序指令/模块，处理器701通过运行存储在存储器703内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的工作流的调整方法。存储器703可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器703可进一步包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至电子装置。上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。
上述的传输装置705用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置705包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置705为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器703用于存储应用程序。
处理器701可以通过传输装置705调用存储器703存储的应用程序，以执行下述步骤：
从初始工作流所包括的工作流算子中获取目标算子，其中，所述初始工作流是为目标业务构建的初始运行流程；
根据所述目标算子所包括的目标超参数生成多条候选工作流，其中，所述多条候选工作流中每条候选工作流对应于一种所述目标超参数的取值组合；
从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，所述目标工作流用于执行所述目标业务。
采用本申请实施例，提供了一种工作流的调整的方案。从初始工作流所包括的全部工作流算子中获取待优化的目标算子，根据目标算子所包括的目标超参数生成满足各种目标超参数的取值组合的多条候选工作流，根据各个候选工作流的评价指标，将其中评价指标最优的候选工作流作为目标工作流来执行目标业务，达到了全面调整工作流中的超参数的目的，从而实现了提高对工作流进行调整的过程中调整效果的技术效果，进而解决了对工作流进行调整的过程中调整效果较差的技术问题。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图7所示的结构仅为示意，电子装置可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(MobileInternet Devices，MID)、PAD等电子设备。图7其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图7所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令电子设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行工作流的调整方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
从初始工作流所包括的工作流算子中获取目标算子，其中，所述初始工作流是为目标业务构建的初始运行流程；
根据所述目标算子所包括的目标超参数生成多条候选工作流，其中，所述多条候选工作流中每条候选工作流对应于一种所述目标超参数的取值组合；
从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，所述目标工作流用于执行所述目标业务。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。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或者该技术方案的全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，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，例如多个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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上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，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种工作流的调整方法，其特征在于，包括：
从初始工作流所包括的工作流算子中获取目标算子，其中，所述初始工作流是为目标业务构建的初始运行流程；
根据所述目标算子所包括的目标超参数生成多条候选工作流，其中，所述多条候选工作流中每条候选工作流对应于一种所述目标超参数的取值组合；
从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，所述目标工作流用于执行所述目标业务。
2.根据权利要求1所述的方法，其特征在于，根据所述目标算子所包括的目标超参数生成多条候选工作流包括：
生成所述初始工作流对应的初始工作流树结构，其中，所述初始工作流树结构用于通过初始分支节点之间的初始连接关系表示所述工作流算子之间的运行顺序；
根据所述目标算子所包括的目标超参数对应的取值集合将所述初始工作流树结构扩展为目标工作流树结构，得到所述多条候选工作流，其中，所述目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在所述目标超参数的一种取值组合下所述工作流算子之间的运行顺序。
3.根据权利要求2所述的方法，其特征在于，根据所述目标算子所包括的目标超参数对应的取值集合将所述初始工作流树结构扩展为目标工作流树结构包括：
从所述初始分支节点中获取所述目标算子对应的初始分支节点，其中，所述目标算子对应的初始分支节点中包括一层或者多层的超参数节点；
从所述一层或者多层的超参数节点获取所述目标超参数对应的超参数节点；
将每个目标超参数对应的超参数节点的下一层节点扩展为与所述每个目标超参数对应的取值集合中的元素数量相同的扩展节点，得到所述目标分支节点；
将所述每个目标超参数对应的取值集合中的元素分别赋予所述每个目标超参数对应的超参数节点与每个扩展节点之间的连接关系，得到所述目标连接关系；
在每种取值组合下所述工作流算子之间的运行顺序形成的每个树结构分支的尾部创建所述每个树结构分支对应的静态工作流节点，得到所述目标工作流树结构。
4.根据权利要求1所述的方法，其特征在于，从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流包括：
分别运行所述多条候选工作流中的每条候选工作流，得到所述每条候选工作流对应的评价指标；
将所对应的评价指标最优的候选工作流确定为所述目标工作流。
5.根据权利要求4所述的方法，其特征在于，分别运行所述多条候选工作流中的每条候选工作流，得到所述每条候选工作流对应的评价指标包括：
运行所述多条候选工作流所对应的目标工作流树结构，其中，所述目标工作流树结构中的每个分支用于通过目标分支节点之间的目标连接关系表示在所述目标超参数的一种取值组合下所述工作流算子之间的运行顺序，所述每个分支的叶节点为静态工作流节点，所述每个分支对应一条候选工作流；
依次将所述目标工作流树结构中的静态工作流节点转化为动态工作流节点进行分布式多线程运行；
生成每个动态工作流节点的运行过程对应的评价指标。
6.根据权利要求1所述的方法，其特征在于，从所述初始工作流所包括的所述工作流算子中获取所述目标算子包括：
从所述初始工作流所包括的所述工作流算子中获取允许对所包括的超参数进行调整的候选工作流算子；
检测对所述候选工作流算子执行的第一选择操作；
将所述候选工作流算子中被执行了所述第一选择操作的候选工作流算子确定为所述目标算子。
7.根据权利要求1所述的方法，其特征在于，在根据所述目标算子所包括的目标超参数生成多条候选工作流之前，所述方法还包括：
从所述目标算子所包括的超参数中获取允许被调整的候选超参数；
检测对所述候选超参数执行的第二选择操作；
将所述候选超参数中被执行了所述第二选择操作的候选超参数确定为所述目标超参数。
8.一种工作流的调整装置，其特征在于，包括：
第一获取模块，用于从初始工作流所包括的工作流算子中获取目标算子，其中，所述初始工作流是为目标业务构建的初始运行流程；
生成模块，用于根据所述目标算子所包括的目标超参数生成多条候选工作流，其中，所述多条候选工作流中每条候选工作流对应于一种所述目标超参数的取值组合；
第二获取模块，用于从所述多条候选工作流中获取所对应的评价指标最优的候选工作流作为目标工作流，其中，所述目标工作流用于执行所述目标业务。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求1至7任一项中所述的方法。
CN202110270897.XA 2021-03-12 2021-03-12 一种工作流的调整方法和装置 Active CN112989603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110270897.XA CN112989603B (zh) 2021-03-12 2021-03-12 一种工作流的调整方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110270897.XA CN112989603B (zh) 2021-03-12 2021-03-12 一种工作流的调整方法和装置

Publications (2)

Publication Number Publication Date
CN112989603A true CN112989603A (zh) 2021-06-18
CN112989603B CN112989603B (zh) 2024-04-05

Family

ID=76334735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110270897.XA Active CN112989603B (zh) 2021-03-12 2021-03-12 一种工作流的调整方法和装置

Country Status (1)

Country Link
CN (1) CN112989603B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120078951A1 (en) * 2010-09-23 2012-03-29 Hewlett-Packard Development Company, L.P. System and method for data stream processing
CN108572944A (zh) * 2017-11-24 2018-09-25 北京金山云网络技术有限公司 一种文档生成方法、装置、电子设备及存储介质
CN110277144A (zh) * 2018-03-15 2019-09-24 国际商业机器公司 使用累积的化学数据创建具有期望性质的新化学化合物以构建用于合成的新化学结构
CN110362911A (zh) * 2019-07-05 2019-10-22 北京理工大学 一种面向设计过程的代理模型选择方法
CN110826894A (zh) * 2019-10-31 2020-02-21 支付宝(杭州)信息技术有限公司 超参数确定方法、装置及电子设备
US10572823B1 (en) * 2016-12-13 2020-02-25 Ca, Inc. Optimizing a malware detection model using hyperparameters
CN111291896A (zh) * 2020-02-03 2020-06-16 深圳前海微众银行股份有限公司 交互式随机森林子树筛选方法、装置、设备及可读介质
CN112434462A (zh) * 2020-10-21 2021-03-02 华为技术有限公司 一种模型的获取方法及设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120078951A1 (en) * 2010-09-23 2012-03-29 Hewlett-Packard Development Company, L.P. System and method for data stream processing
US10572823B1 (en) * 2016-12-13 2020-02-25 Ca, Inc. Optimizing a malware detection model using hyperparameters
CN108572944A (zh) * 2017-11-24 2018-09-25 北京金山云网络技术有限公司 一种文档生成方法、装置、电子设备及存储介质
CN110277144A (zh) * 2018-03-15 2019-09-24 国际商业机器公司 使用累积的化学数据创建具有期望性质的新化学化合物以构建用于合成的新化学结构
CN110362911A (zh) * 2019-07-05 2019-10-22 北京理工大学 一种面向设计过程的代理模型选择方法
CN110826894A (zh) * 2019-10-31 2020-02-21 支付宝(杭州)信息技术有限公司 超参数确定方法、装置及电子设备
CN111291896A (zh) * 2020-02-03 2020-06-16 深圳前海微众银行股份有限公司 交互式随机森林子树筛选方法、装置、设备及可读介质
CN112434462A (zh) * 2020-10-21 2021-03-02 华为技术有限公司 一种模型的获取方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张晓东;王茜;: "多目标服务工作流混合粒子群调度算法", 东南大学学报(自然科学版), no. 03 *

Also Published As

Publication number Publication date
CN112989603B (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
CN109460514B (zh) 用于推送信息的方法和装置
CN110647921B (zh) 一种用户行为预测方法、装置、设备及存储介质
Bui et al. Whale Optimization Algorithm and Adaptive Neuro-Fuzzy Inference System: a hybrid method for feature selection and land pattern classification
CN115511501A (zh) 一种数据处理方法、计算机设备以及可读存储介质
CN108459964A (zh) 测试用例选择方法、装置、设备以及计算机可读存储介质
CN112861026B (zh) 用户偏好挖掘方法、装置、介质和电子设备
CN108133357A (zh) 一种人才推荐方法及计算设备
CN108920359A (zh) 应用程序的测试方法、装置、存储介质和电子装置
CN110473042B (zh) 用于获取信息的方法及装置
CN111159563A (zh) 用户兴趣点信息的确定方法、装置、设备及存储介质
CN112148607A (zh) 一种业务场景的接口测试方法和装置
CN115757745A (zh) 基于人工智能的业务场景控制方法、系统及云平台
CN112819073A (zh) 分类网络训练、图像分类方法、装置和电子设备
CN115687659A (zh) 基于人工智能的erp信息发布方法及ai系统
CN117611272A (zh) 商品推荐方法、装置及电子设备
KR20210143460A (ko) 특징 추천 장치 및 그것의 특징 추천 방법
CN112989603A (zh) 一种工作流的调整方法和装置
CN112990937A (zh) 资源数据采集方法、装置、计算机设备和存储介质
CN111210279A (zh) 一种目标用户预测方法、装置和电子设备
CN111126503A (zh) 一种训练样本的生成方法和装置
CN111918323B (zh) 数据的校准方法、装置、设备以及存储介质
CN115994235B (zh) 色谱分析方法库构建方法、装置、设备和计算机介质
CN112395492B (zh) 一种节点识别方法、装置以及设备
CN117876021A (zh) 基于人工智能的数据预测方法、装置、设备及存储介质
De Oliveira et al. Inventory process cost reduced with RFID, simulation and open source technologies

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant