CN113657759B - 一种任务处理方法、装置、设备以及存储介质 - Google Patents

一种任务处理方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN113657759B
CN113657759B CN202110945370.2A CN202110945370A CN113657759B CN 113657759 B CN113657759 B CN 113657759B CN 202110945370 A CN202110945370 A CN 202110945370A CN 113657759 B CN113657759 B CN 113657759B
Authority
CN
China
Prior art keywords
task
feature
receiver
information
dimension
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.)
Active
Application number
CN202110945370.2A
Other languages
English (en)
Other versions
CN113657759A (zh
Inventor
张皓
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110945370.2A priority Critical patent/CN113657759B/zh
Publication of CN113657759A publication Critical patent/CN113657759A/zh
Application granted granted Critical
Publication of CN113657759B publication Critical patent/CN113657759B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种任务处理方法、装置、设备以及存储介质，涉及数据处理技术领域，尤其涉及人工智能、智能搜索、信息流等领域。具体实现方案为：获取多个任务的特征信息，获取各个任务接收方的特征信息；针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从多个任务中确定目标任务。能够实现为任务接收方确定更合适的目标任务，也可以理解为提高任务处理的精准度。

Description

一种任务处理方法、装置、设备以及存储介质
技术领域
本公开涉及数据处理技术领域，尤其涉及人工智能、智能搜索、信息流等领域。
背景技术
随着互联网的不断发展，各种以任务众包模式为基础的平台不断涌现。该模式下，平台将把各项任务分配给各任务接收方，以使各任务接收方共同完成任务。
发明内容
本公开提供了一种任务处理方法、装置、设备以及存储介质。
根据本公开的第一方面，提供了一种任务处理方法，包括：
获取多个任务的特征信息，获取各个任务接收方的特征信息；
针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从所述多个任务中确定目标任务。
根据本公开的第二方面，提供了一种任务处理装置，包括：
获取模块，用于获取多个任务的特征信息，获取各个任务接收方的特征信息；
确定模块，用于针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从所述多个任务中确定目标任务。
根据本公开的第三方面，提供了一种电子设备，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，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的方法。
本公开能够提高任务处理的精准度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的任务处理方法的流程图；
图2是根据本公开第二实施例的任务处理方法的流程图；
图3是根据本公开第三实施例的任务处理方法的流程图；
图4是根据本公开第四实施例中更新特征信息的流程图；
图5是根据本公开第五实施例中任务分配系统的示意图；
图6是根据本公开第六实施例中任务处理装置的一种结构示意图；
图7是根据本公开第六实施例中任务处理装置的另一种结构示意图；
图8是根据本公开第六实施例中任务处理装置的又一种结构示意图；
图9是用来实现本公开实施例的任务处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
相关技术中任务处理的方案主要有两种：(1)任务接收方查看任务列表和详情，手动选择自己要接受的任务。(2)平台根据任务接收方情况和任务列表，给任务接收方自动分配任务。
第一种任务处理方案主要出现在多类型任务众包平台，该类平台下有各式各样的任务。但需要任务接收方自己查看、选择海量的任务，并根据自身经验判断是否能够胜任任务。该方案无法保证任务接收方能短时间内找到适合自己的任务，也因此无法保证任务接收方能顺利完成其接受的任务。耗费任务接收方的时间且任务的完成率低。第二种任务方案主要出现在单类型任务众包的平台，例如网约打车，其任务即接送客人到指定地点，任务接收方即网约司机；外卖配送，其任务即把外卖送到指定目的地，任务接收方即外卖骑手；广告审核，其任务即审核广告中是否有违规风险，任务接收方即审核员。该方案会为各任务和各任务接收方构造特征，在任务分配时，会根据特征为任务接收方分配其最适合的任务。但关于该方案的相关技术当下有几个问题：
任务处理时没有考虑任务接收方因历史任务而积累的经验。例如，网约打车不会考虑网约司机历史任务中是否去过某些地点，导致出现网约司机不认识路需要乘客指路的情况。
任务处理时仅考虑任务接收方与各任务的匹配度，而忽略了其他任务接收方与各任务的匹配度，无法选择任务接收方合适的任务。例如广告审核中，为某审核员分配广告审核任务时，从自身历史审核任务上看，该审核员审核医疗服务相关广告最多。只考虑自身的话，平台会将医疗服务相关广告分配给该审核员。但可能存在另一个审核员，其审核医疗服务相关广告比前者还多，医疗服务相关广告更应该分配给后者。
基于任务与任务接收方间的特征进行匹配时，相关技术都将各特征视为独立不相关的。但实际上部分特征之间会有一定的相似性，例如广告审核中，男科领域与妇科领域相似，但与娱乐器械领域没有关系。当一个只审核过男科领域的审核员请求任务而当前任务只有妇科领域和娱乐器械领域时，显然，考虑特征间的相似性，更应该分配妇科领域的任务给该审核员。而相关技术则因为没有考虑和利用该信息而会认为妇科领域和娱乐器械领域对该审核员来说没有区别。
上述三个问题会导致分配给任务接收方的任务并不是全局最优，甚至也不是局部最优的，也因此会影响最终任务完成的质量与效率。所以亟需一个全局最优的基于多维度特征的任务分配方案，使各任务接收方能真正拿到最适合自身的任务，提升任务完成的效率和质量。
为了为任务接收方确定更合适地目标任务，也可以理解为确定更匹配的目标任务，提升任务完成的效率的质量，本公开实施例提供了一种任务处理方法。下面对本公开实施例提供的任务处理方法进行详细说明。
本公开实施例提供的任务处理方法可以通用基于特征进行任务分配的场景，包括但不限于任务众包，例如，广告审核，外卖配送，网约打车等。
参照图1，本公开实施例提供了一种任务处理方法，可以包括：
S101，获取多个任务的特征信息，获取各个任务接收方的特征信息。
S102，针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从多个任务中确定目标任务。
本公开实施例中，基于多个任务的特征信息以及各个任务接收方的特征信息为任一任务接收方确定目标任务，也可以理解为从多个任务中确定待分配给任一任务接收方的任务。在任务处理过程中，考虑任务的特征信息和任务接收方的特征信息为一任务接收方确定目标任务的过程中，需要同时考虑该任务接收方与各任务的匹配度和其他任务接收方与各任务的匹配度，从而实现为任务接收方确定更合适的目标任务，也即提高了任务处理的精准度，提升了任务完成的效率的质量。
上述实施例中S101，获取多个任务的特征信息，获取各个任务接收方的特征信息。
任务的特征信息表示用于反映任务特性的信息。
一种可实现方式中，针对各个任务，获取任务的内容特征和自身特征，内容特征包括任务所针对的内容的特征，自身特征包括任务的属性信息。
其中，内容特征，可以理解为表示任务具体内容的特征汇总，该内容特征包含多个维度的信息。以审核任务为例，审核任务是审核物料是否有风险，则审核任务的内容特征包括物料的特征汇总，而物料的特征可以包括物料本身的内容信息、语义信息、行业信息以及任务，也可以理解为特征的维度包括内容维度、语义维度、行业维度和风险维度。
内容特征中部分维度的特征是离散的特征，例如风险、内容、行业等维度特征都是离散标签，即该维度下的不同特征是离散的。而部分维度的特征是连续的特征，即该维度下的不同特征是连续的，例如，语义维度的特征是该物料可以包括通过语义模型得到的语义特征向量。其中，连续的特征需要离散化以适应之后的分配方案。离散化的方式包含但不限于等宽、等频、聚类等方式。以语义特征向量为例，事先获取海量的历史审核物料语义向量，并基于历史审核物料语义向量训练得到聚类模型，之后即可通过该聚类模型，将各物料的语义特征向量映射到各聚类簇中以离散化。
自身特征，用于表示任务自身的特征，该特征也是多维度对任务自身情况进行表示。以审核任务分配为例，包括但不限于任务待审时长等。
类似于内容特征，自身特征可以是离散性的，也可以是连续性的，即部分维度的特征是离散的特征，另一部分维度的特征是连续的特征。连续性的特征需要离散化以适应之后的分配，具体离散化方式参见上述内容特征中针对连续特征进行离散化的方式。
获取任务接收方的特征信息，可以包括：获取任务接收方历史接收任务的内容特征的总和。
任务接收方的特征即其历史接收任务的内容特征的汇总。该特征划分逻辑除广告审核场景外，也适用于外卖配送、网约打车等场景。
如此，可以从多个维度表示任务和任务接收方的特征，更加全面地表示任务和任务接收方，进而能够更加准确地确定任务与任务接收方是否匹配，提高为任务接收方确定的目标任务的精准度。
S102，针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从多个任务中确定目标任务。
目标任务为从多个任务中选择的与任务接收方最匹配的任务。
本公开实施例中在确定一任务接收方对应的目标任务的过程中，也即在为该任务接收方分配合适的任务的过程中，除了考虑该任务接收方的特征信息与各个任务的特征信息的匹配度，还考虑了其他任务接收方的特征信息与各个任务的特征信息的匹配度。
任务的内容特征与任务接收方的特征越匹配，说明该任务接收方关于该任务的经验越多，越适合完成该任务。自身特征是各任务自身的特征，任务的自身特征对所有任务接收方来说都是一样的，其用于表明该任务自身的完成优先级。以审核为例，指定一个任务最长待审时间，则当某任务待审时间超过该最长待审时间时，该任务的审核优先级将因自身特征而超过其他任务。
在任务分配过程中，考虑任务、任务接收方的多维度特征、为一任务接收方分配任务的过程中同时考虑该任务接收方与各任务的匹配度和其他任务接收方与各任务的匹配度实现为任务接收方分配更合适的任务，也即提高任务分配的精准度，进而能够使得任务接收方更好地完成任务，提高任务完成的效率和质量。
在利用任务接收方的特征信息和任务的特征信息为任务接收方分配任务的过程中，同时还可以考虑任务接收方配置分配范围。基于此，本公开实施例增加可灵活配置任务分配范围的机制。一种可选的实施例中，如图2所示，还包括：
S201，接收任务接收方发送的配置优先级信息。
配置优先级信息包括特征类别的优先级。
内容特征的一个维度可以对应一个特征类别，或者一个维度包含多个特征类别。
这里所说的优先级是任务接收方配置的优先级，可以理解为任务接收方期望接收的特征类别的优先级。任务接收方配置的优先级，与根据任务自身特征确定的任务自身的完成优先级，是从不同角度划分的不同优先级。
S102可以包括：
S202：按照配置优先级信息所指示的各特征类别的优先级从高到低的顺序，从多个任务中确定目标任务。
各任务接收方可为各特征类别配置其优先级，任务分配时按优先级从高到低进行遍历，对于当前优先级，查看当前任务中是否存在该优先级下各特征类别相关的任务，若存在，则从这些任务中选择最合适的任务分配给任务接收方，否则查看下一个优先级。
以审核任务为例，各类特征默认优先级为0，审核员配置男科、妇科领域优先级为5，皮肤科领域优先级为4，金融服务领域优先级为-1。则在为该审核员分配任务时，首先查看任务中是否存在男科、妇科领域任务，存在则从中选择任务分配；否则查看任务中是否存在皮肤科领域任务，存在则从中选择任务分配；否则查看任务中是否存在除金融服务领域以外的任务，存在则从中选择任务分配；否则查看任务中是否存在金融服务领域任务，存在则从中选择任务分配。
可以支持任务接收方在任务分配时灵活调节其分配范围，如此在任务分配过程中除了任务的特征信息和任务接收方的特征信息，还可以同时结合任务接收方发送的配置优先级信息进行分配，如此，能够更加快速地为任务接收方分配合适的任务；同时，还能够使得分配给任务接收方的任务与任务接收方更匹配，即能够提高分配任务的精准度，提升任务完成的效率和质量。
一种可选的实施例中，如图3所示，S102可以包括：
S301，针对一任务接收方，遍历各个任务，获得自身特征评分。
所述自身特征评分是根据所述任务的自身特征得到的。
任务的自身特征对于任何任务接收方均是一样的，则基于自身特征得到的自身特征评分对应任何任务接收方也是一样的。可以先根据各个任务的自身特征分别得到各个任务的自身特征评分，在为任一任务接收方分配任务时，可以遍历各个任务，直接获取该自身特征评分。
自身特征用于表示任务自身的属性信息，基于任务自身的属性信息确定自身特征评分。
一种可选的实施例中，自身特征包括较为普遍的任务等待时长。
任务等待时长可以理解为任务发布后等待分配给任务接收方的时长，例如，在审核任务中即任务待审时长，在外卖配送任务中即订单等待配送时长，等等。
一般情况下，任务发布后一般都会存在等待时长，一定的等待时长是可以理解的，小于该等待时长的任务可以视为同一优先级，体现在评分上即小于该等待时长的任务关于等待时长的得分应为0。该时长设为超参数δstart。当两任务的等待时长差大于某时长时，等待时长较长的任务的优先级将稳定高于等待时长较短的任务。该时长设为超参数δmax。
基于此，本公开实施例中可以通过如下方式确定自身特征评分。
E(t)＝max(duration(t)-δstart，0)/δmax
其中，duration(t)表示任务t的等待时长。
在审核任务中，由公式可知，当duration(t)小于等于δstart时，E(t)恒为0，表示待审时长在δstart之内时，等待时长因素不影响任务的优先级；duration(t)大于δstart后，E(t)开始以恒定的速率，即1/δmax增加，表示待审时长超过δstart后，自身特征得分将随待审时长的增加而增加。给定两个待审时间超过δstart的任务，若两任务的待审时长相差超过δmax，则两任务的自身特征得分相差将超过1。本公开实施例中将内容特征的得分限定在[0，1]，因此此时内容特征已无法影响到两任务的优先级，等待时长较长的任务的优先级将稳定高于等待时长较短的任务。
上述以任务等待时长确定自身特征评分仅用于举例说明，本公开实施例中自身特征还可以包括任务的其他属性信息，可以基于其他属性信息确定任务的自身特征评分。
S302，计算任务接收方分别与任务中各个维度的内容特征评分。
一种可选的实施例中，内容特征包括多个维度；针对各个维度，计算任务接收方在维度下的经验优势得分；基于经验优势得分和各个任务的特征信息，计算任务接收方针对各个任务的内容特征评分。
具体地，针对每一维度，计算各个任务接收方分别与各个任务在维度下的相似度；针对各个任务，计算在维度下，任务接收方与任务的相似度与最高相似度的差值；其中，最高相似度是除任务接收方之外的其他任务接收方与任务的所有相似度中的最大值；计算各个维度下差值的加权平均值，并将加权平均值作为任务接收方针对任务的内容特征评分。
其中，相似度可以是余弦相似度，等等。
这种方式可以确定任务接收方分别与任务中各个维度的内容特征评分，但每次任务分配时都要计算各维度下各任务接收方与各任务的相似度，计算复杂度较高。
为了降低计算复杂度，另一种可选的实施例中，可以针对各个维度，基于任务接收方的特征信息和除任务接收方之外的其他任务接收方的特征信息，计算任务接收方在维度上的经验优势得分向量；基于任务接收方在维度上的经验优势得分向量，以及任务的特征信息，确定任务接收方与任务关于维度的内容特征评分。
可以通过如下公式计算经验优势得分：
其中，即任务接收方ai在特征lj上的经验优势得分，/>表示除ai以外，其他任务接收方的特征里关于特征lj的最大值，/>表示所有任务接收方的特征关于特征lj的值的总和。
将某维度下各特征信息的经验优势得分拼接在一起，得到任务接收方在该维度下的经验优势得分向量。
将各维度的经验优势得分向量和任务中的各维度的特征信息进行点乘，得到任务接收方与任务关于维度的内容特征评分。
计算任务接收方分别与任务中各个维度的内容特征评分，在每次任务分配时，以特征为桥梁，先根据各任务接收方的特征信息得到该任务接收方关于特征的经验优势得分向量，再根据该经验优势得分向量与各任务计算该任务接收方关于任务的内容特征得分，能够降低计算复杂度。
S303，计算各个内容特征评分的加权平均值，得到任务接收方关于任务的总内容特征评分；计算自身特征评分和总内容特征评分的和，得到优先级得分。
S304，确定能够使得优先级得分达到最大的任务，并将能够使得优先级得分达到最大的任务作为目标任务。
自身特征和内容特征会以不同的得分影响任务的优先级，基于自身特征评分和总内容特征评分的和，也即优先级得分最终确定任务接收方的目标任务。
能够从多个维度确定任务与任务接收方之间的匹配度，使得确定的目标任务与任务接收方更匹配，即提高确定的目标任务的精准度，进一步可以使得任务接收方能够更好地完成任务，提高任务完成的效率和质量。
一种可实现方式中，可以通过如下方式确定目标任务：
π(ai)表示根据任务接收方ai请求任务时，为任务接收方ai确定的目标任务，E(t)表示任务的自身特征评分，S(ai，t，L)表示内容特征评分，ωl为内容特征评分的权重。
任务集合T＝{t1，t2，...，t|T|}、任务接收方集合A＝{a1，a2，...，a|A|}、内容特征的维度集合
令分配策略为π，π(ai)＝tj表示当任务接收方ai请求任务时，分配策略π为其分配任务tj。遍历各任务，各任务自身特征的得分加上各维度的关于任务接收方的内容特征评分的加权平均是该任务接收方关于某任务的优先级得分。优先级得分最高的任务，即要分配给该任务接收方的任务。
因为内容特征存在多个维度，各维度描述任务的置信度、重要度等可能不同，所以各维度特征的内容特征评分分开计算，然后加权平均得到最终内容特征得分，即总内容特征得分。以一个维度为例介绍，给定当前维度特征为L，即
任务和任务接收方都有关于内容特征的记录矩阵。任务关于维度L的记录矩阵为其记录各任务在维度L上的统计汇总信息，如公式所示：
其中，表示任务ti关于特征lj的值，值越大，说明ti与lj越相关，/>即任务ti关于维度L的内容特征，/>表示各任务关于特征lj的值的向量。
任务接收方关于维度L的记录矩阵为其记录任务接收方历史接受任务在维度L上的统计汇总信息，如公式所示：
其中，表示任务接收方ai历史接受任务关于特征lj的值的总和，值越大，说明ai历史完成lj相关的任务越多，对lj的经验越多。/>即任务接收方ai关于维度L的特征。表示各任务接收方历史接受任务关于特征lj的值的总和的向量。
某任务接收方请求任务时，先计算各维度下各任务和各任务接收方间关于内容特征的余弦相似度。然后遍历各任务，计算各维度下该任务接收方与该任务的相似度和其他任务接收方与该任务的最高相似度的差值，各维度的差值加权平均即该任务接收方关于该任务的内容特征评分。该内容特征评分越大，说明该任务接收方相比于其他任务接收方来说更适合完成该任务。基于此，每次任务分配时都要计算各维度下各任务接收方与各任务的余弦相似度，算法复杂度为O(|T|*|A|*)。复杂度过高，有可能难以满足实际任务分配的效率需求。
为了降低计算复杂度，与上述方式在任务层面比较各任务接收方与各任务的相似度不同，本公开实施例提供了另外一种方式。因为任务分配的目标是当某任务接收方，例如ai，请求任务时，确认最适合ai的任务并分配给他。所以，需要有一个方案在每次任务分配时只需要计算ai与各任务的匹配程度，同时还要考虑到其他任务接收方的影响。一个合理的想法是，因为值越大表示ai对lj的经验越多，所以每次任务分配时，遍历各特征，在特征层面比较ai与其他任务接收方关于各特征的值的差距，该差距即ai关于特征的经验优势得分，如公式所示：
其中，即任务接收方ai在特征lj上的经验优势得分，/>表示除ai以外，其他任务接收方的特征里关于特征lj的最大值，/>表示所有任务接收方的特征关于特征lj的值的总和。
因为各特征的取值范围、数量级不能保证一致，所以各特征的经验优势得分均取领先的值占总值的比例，将取值范围限定在[-1，1]。
依据上述确定的公式，可得到任务接收方ai关于维度L各特征的经验优势得分向量/>如下公式所示：
经验优势得分向量表示任务接收方ai关于维度L各特征的优势。任务接收方ai与任务tj关于维度L的内容特征评分S(ai，tj，L)即任务tj的内容特征向量/>与任务接收方ai的经验优势得分向量/>的内积，如下式所示：
不同维度的特征均可采用该方式计算内容特征评分，各维度的得分加权平均即内容特征部分的总体得分。
这种方式中，在考虑任务接收方自身与任务的匹配程度外，也考虑了其他任务接收方的影响。在每次任务分配时，以特征为桥梁，先根据各任务接收方在特征上的信息得到该任务接收方关于特征的经验优势得分向量，再根据该向量与各任务计算该任务接收方关于任务的内容特征评分。算法复杂度为O((|T|+|A|)*)，能够降低计算复杂度，满足实际任务分配的效率需求。
通过各类特征描述任务和任务接收方，并据此计算该任务接收方关于各任务的优先级得分，以确定将分配给任务接收方的全局最优任务。优先级得分由自身特征得分和内容特征评分两部分组成，自身特征评分主要是调整任务自身的优先级而与任务接收方无关，解决了“部分任务需要优先完成”、“部分任务因任务分配逻辑而长时间处于等待状态”等问题。内容特征评分部分结合任务和任务接收方的特征，在考虑所有任务接收方的情况下，为某任务接收方分配其最适合的任务。内容特征评分部分在特征层面先计算某任务接收方关于各特征的经验优势得分向量，然后计算该任务接收方关于各任务内容特征评分的方案以降低算法复杂度。
不同的特征信息有可能是有关联的，例如，以审核为例，物料的特征中包含存在层级的行业维度特征，其中包含“证券”、“保险”、“农业”三个二级行业标签，相关技术将视三个特征互不相关。但实际上，“证券”、“保险”都属于一级行业标签“金融服务”，“证券”和“保险”的任务在一定程度上相似，而与“农业”不相关。又例如语义维度的特征，各物料根据语义向量归为各聚类簇，而各聚类簇之间是有相似度的，有些聚类簇相似度高，有些聚类簇相似度低。利用特征间的相似性，能够提高任务分配的效果。例如审核中，男科领域与妇科领域相似，但与娱乐器械领域没有关系。当一个只审核过男科领域的审核员请求任务而当前任务只有妇科领域和娱乐器械领域时，显然，考虑特征间的相似性信息，更应该分配妇科领域给该审核员。
为了使得在任务分配过程中考虑特征之间的关联以提高分配的精准度，本公开一种可选的实施例中，如图4所示，还可以包括：
S401，计算特征类别之间的关联信息。
任务的特征信息中内容特征，以及任务接收方的特征信息是不同特征类别对应的特征信息。
S402，基于关联信息更新各个任务接收方的特征信息。
可以通过特征层级抽象和相似特征等效两种方式计算关联信息。
一种可实现方式中，可以根据特征类别之间的层级信息计算特征类别之间的信息。例如，特征类别01和特征类别02是两个二级特征类别，两者均属于特征类别0，则可以通过特征类别0建立特征类别01和特征类别02之间的关联信息。
例如，针对特征层级抽象方式，对于有层级的特征类别，如果任务命中该特征类别，则该任务也命中该特征类别所有可层级抽象得到的特征类别。例如，审核任务中，二级行业标签“证券”、“保险”都属于一级行业标签“金融服务”，如果任务命中二级行业标签“证券”，则该任务也命中一级行业标签“金融服务”。如此，则对于命中二级行业标签“证券”的任务和命中二级行业标签“保险”的任务，两类任务本来因二级行业标签不同而没有关联，标签层级抽象后，两类任务将因更高层级的一级行业标签“金融服务”而体现出特征类别的相似性。
另一种可实现方式中，可以根据相似特征等效的方式计算关联信息。
可以计算不同特征类别的相似度矩阵，基于相似度矩阵映射得到一等效比例矩阵，通过等效比例矩阵表示特征类别之间的关联信息。
具体地，针对相似特征等效的方式，对于两两间可以通过相似度度量的特征类别。以某维度L举例，其各特征类别的相似度矩阵如下式：
其中，表示特征li与特征lj的相似度，各特征间的相似度不一致，不能直接加抽象标签。当两特征间相似度高时，例如/>则当任务接收方完成特征li相关的任务时，该任务接收方也有了一定程度的关于特征lj的经验，该经验应该体现在任务接收方的特征中，即在根据任务特征更新任务接收方的特征时，任务特征还需要根据特征间的相似性信息将相似特征的经验也更新到任务接收方的特征中。
因特征li而增长的关于特征lj的经验的多少与两特征的相似度有关，且理论上不会多于直接完成特征lj相关的任务而增长的经验。为此可以通过等效比例来表示因完成特征li相关的任务而增长的关于特征lj的经验的多少。
的值由/>确定，一般来说，/>若/>则任务关于特征lj的经验和关于特征li的值的比例为0.2，在更新任务接收方特征时，任务关于各特征的值和经验都将更新到其中。而当两特征间相似度低时，例如/>对于某些维度来说，该相似度说明两特征间不相似，此时/>
依据上述等效比例，本公开实施例提出一个由维度L下的相似度矩阵SimL映射到等效比例矩阵DL的公式：
其中，ωsim∈[0，1)，为需指定的超参数，两特征类别间的相似度低于ωsim则认为两特征无关联。
例如，给定ωsim为0.9，若则/>若/>则/>由公式可知，等效比例矩阵DL中各元素取值范围和相似度矩阵SimL一样也是[0，1]。
上述由相似度矩阵映射到等效比例矩阵的方式是一种举例说明，具体的等效比例可以根据实际需求确定。
S102可以包括：
针对一任务接收方，基于多个任务的特征信息以及更新后的各个任务接收方的特征信息，从多个任务中确定目标任务。
因原任务接收方关于维度L的记录矩阵即历史接受任务的内容特征汇总，要利用特征间的相似性信息，只需要在原矩阵基础上再加上各特征的相似特征的经验即可，如：/>
其中，即考虑特征间相似性信息后，任务接收方关于维度L的记录矩阵。为任务接收方ai分配任务，只需要在计算任务接收方ai关于特征lj的经验优势得分时，将上述公式中/>中任务接收方关于维度L的记录矩阵/>替换为/>即可，如公式：
通过抽象层级特征、相似特征等效等方式，本公开实施例可以在基于特征为任务接收方分配任务时，利用特征间可能存在的关联信息，也可以理解为相似性信息使各任务接收方接受到与其历史接受任务更匹配的任务。
一个具体的例子中，如图5所示，本公开实施例提供了一种任务分配系统。
任务分配系统可以包括独立的三个模块：
任务建立模块：不断接受新建立的任务，多维度构建任务特征并更新到任务矩阵。
根据任务接收方接收的任务，不断更新任务接收方的内容特征。其中，在该过程中考虑不同任务之间的关联信息，具体地，可以参见图4所示实施例的方式更新任务接收方的特征信息，如更新任务矩阵。
分配配置模块：任务接收方可基于特征手动修改自身任务分配配置，灵活调整任务分配范围。
可以接收任务接收方发送的配置优先级信息。按照配置优先级信息所指示的各特征信息的优先级从高到低的顺序，依次从满足特征信息的任务中确定目标任务。
具体地，各任务接收方可为各类特征配置其优先级，任务分配时按优先级从高到低进行遍历，对于当前优先级，查看当前任务中是否存在该优先级下各特征相关的任务，若存在，则从这些任务中选择最合适的任务分配给任务接收方，否则查看下一个优先级。
任务分配模块：根据任务接收方的分配配置筛选出当前可分配任务；然后先根据任务接收方特征矩阵计算该任务接收方关于各特征的经验得分优势，再计算该任务接收方关于各任务的内容特征得分，再得到该任务接收方关于各任务的优先级得分，取优先级得分最高的任务分配给该任务接收方；最后根据该任务的各特征的值以及相似特征的经验更新任务接收方特征矩阵。
针对相关技术中将任务接收方与各任务的特征信息进行多次匹配，根据多次匹配结果确定要分配给该任务接收方的任务的方式中，只利用了任务接收方与各任务共同出现过的特征，只考虑该任务接收方与各任务的匹配程度，没有考虑其他任务接收方的影响，且没有考虑特征间可能存在的相关性信息。本公开实施例中在确定任务接收方与各任务的匹配度时，还额外考虑了三点信息：(1)其他任务接收方的影响；(2)所有特征上任务接收方与任务的匹配度；(3)特征间可能存在的相关性信息。此外，使得在任务分配时，能够以低算法复杂度，为任务接收方分配全局上最适合的任务。以审核任务为例，多次小流量实验证明，本公开实施例提出的任务分配系统能使任务审核耗时平均缩短12.88％。
对应于上述实施例提供的任务处理方法，本公开实施例还提供了一种任务处理装置，如图6所示，可以包括：
获取模块601，用于获取多个任务的特征信息，获取各个任务接收方的特征信息；
确定模块602，用于针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从多个任务中确定目标任务。
可选的，获取模块601，具体用于针对各个任务，获取任务的内容特征和自身特征，内容特征包括任务所针对的内容的特征，自身特征包括任务的属性信息；获取任务接收方历史接收任务的内容特征的总和。
可选的，确定模块602，具体用于针对一任务接收方，遍历各个任务，获得自身特征评分，自身特征评分是根据任务的自身特征得到的；计算任务接收方分别与任务中各个维度的内容特征评分；计算各个内容特征评分的加权平均值，得到任务接收方关于任务的总内容特征评分；计算自身特征评分和总内容特征评分的和，得到优先级得分；确定能够使得优先级得分达到最大的任务，并将能够使得优先级得分达到最大的任务作为目标任务。
可选的，内容特征包括多个维度；
确定模块602，具体用于针对各个维度，基于任务接收方的特征信息和除任务接收方之外的其他任务接收方的特征信息，计算任务接收方在维度上的经验优势得分向量；基于任务接收方在维度上的经验优势得分向量，以及任务的特征信息，确定任务接收方与任务关于维度的内容特征评分。
可选的，如图7所示，还包括：
接收模块701，用于接收任务接收方发送的配置优先级信息
确定模块602，具体用于按照配置优先级信息所指示的各特征类别的优先级从高到低的顺序，从多个任务中确定目标任务。
可选的，如图8所示，还包括：
计算模块801，用于计算特征类别之间的关联信息，任务的特征信息和任务接收方的特征信息是不同特征类别对应的特征信息；
更新模块802，用于基于关联信息更新各个任务接收方的特征信息；
确定模块602，具体用于针对一任务接收方，基于多个任务的特征信息以及更新后的各个任务接收方的特征信息，从多个任务中确定目标任务。
本公开实施例提供的任务处理装置是应用上述任务处理方法的装置，则上述任务处理方法的所有实施例均适用于该装置，且均能达到相同或相似的有益效果。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如任务处理方法。例如，在一些实施例中，任务处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的任务处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行任务处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (8)

1.一种任务处理方法，包括：
获取多个任务的特征信息，获取各个任务接收方的特征信息；
针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从所述多个任务中确定目标任务；
其中，所述获取多个任务的特征信息，包括：
针对各个任务，获取所述任务的内容特征和自身特征，所述内容特征包括所述任务所针对的内容的特征，所述自身特征包括所述任务的属性信息；
所述获取所述任务接收方的特征信息，包括：
获取所述任务接收方历史接收任务的内容特征的总和；
其中，所述基于多个任务的特征信息以及各个任务接收方的特征信息，从所述多个任务中确定目标任务，包括：
针对一任务接收方，遍历各个任务，获得自身特征评分，所述自身特征评分是根据所述任务的自身特征得到的；
计算所述任务接收方分别与所述任务中各个维度的内容特征评分；
计算各个内容特征评分的加权平均值，得到所述任务接收方关于所述任务的总内容特征评分；
计算所述自身特征评分和所述总内容特征评分的和，得到优先级得分；
确定能够使得所述优先级得分达到最大的任务，并将所述能够使得所述优先级得分达到最大的任务作为所述目标任务；
所述内容特征包括多个维度；
所述计算所述任务接收方分别与所述任务中各个维度的内容特征评分，包括：
方式一：
针对各个维度，基于所述任务接收方的特征信息和除所述任务接收方之外的其他任务接收方的特征信息，计算所述任务接收方在所述维度上的经验优势得分向量；
基于所述任务接收方在所述维度上的经验优势得分向量，以及所述任务的特征信息，确定所述任务接收方与所述任务关于所述维度的内容特征评分；
通过如下公式计算经验优势得分：
其中，即任务接收方/>在特征/>上的经验优势得分，/>表示除/>以外，其他任务接收方的特征里关于特征/>的最大值，/>表示所有任务接收方的特征关于特征的值的总和；
针对各个维度，将所述维度下各特征信息的经验优势得分拼接在一起，得到任务接收方在该维度下的经验优势得分向量；
将各维度的经验优势得分向量和任务中的各维度的特征信息进行点乘，得到任务接收方与任务关于维度的内容特征评分；
或者，方式二：
针对每一维度，计算各个任务接收方分别与各个任务在维度下的相似度；
针对各个任务，计算在维度下，任务接收方与任务的相似度与最高相似度的差值；其中，最高相似度是除任务接收方之外的其他任务接收方与任务的所有相似度中的最大值；
计算各个维度下差值的加权平均值，并将加权平均值作为任务接收方针对任务的内容特征评分。
2.根据权利要求1所述的方法，还包括：
接收所述任务接收方发送的配置优先级信息；
所述基于多个任务的特征信息以及各个任务接收方的特征信息，从所述多个任务中确定目标任务，包括：
按照配置优先级信息所指示的各特征类别的优先级从高到低的顺序，从多个任务中确定目标任务。
3.根据权利要求1或2所述的方法，还包括：
计算特征类别之间的关联信息，任务的特征信息中内容特征，以及任务接收方的特征信息是不同特征类别对应的特征信息、通过特征层级抽象和相似特征等效两种方式计算关联信息，特征层级抽象即根据特征类别之间的层级信息计算特征类别之间的关联信息，相似特征等效即计算不同特征类别的相似度矩阵，基于相似度矩阵映射得到一等效比例矩阵，通过等效比例矩阵表示特征类别之间的关联信息；
基于所述关联信息更新各个任务接收方的特征信息，在根据任务特征更新任务接收方的特征时，任务特征还需要根据特征间的相似性信息将相似特征的经验也更新到任务接收方的特征中；
所述针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从所述多个任务中确定目标任务，包括：
针对一任务接收方，基于多个任务的特征信息以及更新后的各个任务接收方的特征信息，从所述多个任务中确定目标任务。
4.一种任务处理装置，包括：
获取模块，用于获取多个任务的特征信息，获取各个任务接收方的特征信息；
确定模块，用于针对一任务接收方，基于多个任务的特征信息以及各个任务接收方的特征信息，从所述多个任务中确定目标任务；
其中，所述获取模块，具体用于针对各个任务，获取所述任务的内容特征和自身特征，所述内容特征包括所述任务所针对的内容的特征，所述自身特征包括所述任务的属性信息；获取所述任务接收方历史接收任务的内容特征的总和；
其中，所述确定模块，具体用于针对一任务接收方，遍历各个任务，获得自身特征评分，所述自身特征评分是根据所述任务的自身特征得到的；计算所述任务接收方分别与所述任务中各个维度的内容特征评分；计算各个内容特征评分的加权平均值，得到所述任务接收方关于所述任务的总内容特征评分；计算所述自身特征评分和所述总内容特征评分的和，得到优先级得分；确定能够使得所述优先级得分达到最大的任务，并将所述能够使得所述优先级得分达到最大的任务作为所述目标任务；
所述内容特征包括多个维度；
所述确定模块，具体用于基于所述任务接收方的特征信息和除所述任务接收方之外的其他任务接收方的特征信息，计算所述任务接收方在所述维度上的经验优势得分向量；基于所述任务接收方在所述维度上的经验优势得分向量，以及所述任务的特征信息，确定所述任务接收方与所述任务关于所述维度的内容特征评分；
通过如下公式计算经验优势得分：
其中，即任务接收方/>在特征/>上的经验优势得分，/>表示除/>以外，其他任务接收方的特征里关于特征/>的最大值，/>表示所有任务接收方的特征关于特征的值的总和；
针对各个维度，将所述维度下各特征信息的经验优势得分拼接在一起，得到任务接收方在该维度下的经验优势得分向量；
将各维度的经验优势得分向量和任务中的各维度的特征信息进行点乘，得到任务接收方与任务关于维度的内容特征评分；
或者，针对每一维度，计算各个任务接收方分别与各个任务在维度下的相似度；针对各个任务，计算在维度下，任务接收方与任务的相似度与最高相似度的差值；其中，最高相似度是除任务接收方之外的其他任务接收方与任务的所有相似度中的最大值；计算各个维度下差值的加权平均值，并将加权平均值作为任务接收方针对任务的内容特征评分。
5.根据权利要求4所述的装置，还包括：
接收模块，用于接收所述任务接收方发送的配置优先级信息；
所述确定模块，具体用于按照配置优先级信息所指示的各特征类别的优先级从高到低的顺序，从多个任务中确定目标任务。
6.根据权利要求4或5所述的装置，还包括：
计算模块，用于计算特征类别之间的关联信息，任务的特征信息中内容特征，以及任务接收方的特征信息是不同特征类别对应的特征信息、通过特征层级抽象和相似特征等效两种方式计算关联信息，特征层级抽象即根据特征类别之间的层级信息计算特征类别之间的关联信息，相似特征等效即计算不同特征类别的相似度矩阵，基于相似度矩阵映射得到一等效比例矩阵，通过等效比例矩阵表示特征类别之间的关联信息；
更新模块，用于基于所述关联信息更新各个任务接收方的特征信息，在根据任务特征更新任务接收方的特征时，任务特征还需要根据特征间的相似性信息将相似特征的经验也更新到任务接收方的特征中；
所述确定模块，具体用于针对一任务接收方，基于多个任务的特征信息以及更新后的各个任务接收方的特征信息，从所述多个任务中确定目标任务。
7.一种电子设备，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，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-3中任一项所述的方法。
CN202110945370.2A 2021-08-17 2021-08-17 一种任务处理方法、装置、设备以及存储介质 Active CN113657759B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110945370.2A CN113657759B (zh) 2021-08-17 2021-08-17 一种任务处理方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110945370.2A CN113657759B (zh) 2021-08-17 2021-08-17 一种任务处理方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN113657759A CN113657759A (zh) 2021-11-16
CN113657759B true CN113657759B (zh) 2023-10-31

Family

ID=78492126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110945370.2A Active CN113657759B (zh) 2021-08-17 2021-08-17 一种任务处理方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN113657759B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757534A (zh) * 2022-04-14 2022-07-15 新疆品宣生物科技有限责任公司 一种智能考勤排班与考评方法、考勤排班装置和系统
CN115392800A (zh) * 2022-10-28 2022-11-25 吉林省惠胜开网络科技有限公司 一种基于大数据的现代农业机械自动化作业调配方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010191864A (ja) * 2009-02-20 2010-09-02 Nec Corp タスク自動生成システム、その方法及びそのプログラム
CN109544015A (zh) * 2018-11-26 2019-03-29 平安科技（深圳）有限公司 一种基于数据处理的任务分配方法及相关设备
CN111080126A (zh) * 2019-12-16 2020-04-28 新华三信息技术有限公司 任务分配方法和装置
CN112036696A (zh) * 2020-07-28 2020-12-04 拉扎斯网络科技（上海）有限公司 任务分配方法、任务分配装置、存储介质和电子设备
JP2021039666A (ja) * 2019-09-05 2021-03-11 日立オートモティブシステムズ株式会社 コア割当装置及びコア割当方法
CN112700160A (zh) * 2021-01-12 2021-04-23 上海观察者信息技术有限公司 任务分配方法、装置及计算机可读存储介质
CN113159628A (zh) * 2021-05-13 2021-07-23 中国建设银行股份有限公司 一种任务分配方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010191864A (ja) * 2009-02-20 2010-09-02 Nec Corp タスク自動生成システム、その方法及びそのプログラム
CN109544015A (zh) * 2018-11-26 2019-03-29 平安科技（深圳）有限公司 一种基于数据处理的任务分配方法及相关设备
JP2021039666A (ja) * 2019-09-05 2021-03-11 日立オートモティブシステムズ株式会社 コア割当装置及びコア割当方法
CN111080126A (zh) * 2019-12-16 2020-04-28 新华三信息技术有限公司 任务分配方法和装置
CN112036696A (zh) * 2020-07-28 2020-12-04 拉扎斯网络科技（上海）有限公司 任务分配方法、任务分配装置、存储介质和电子设备
CN112700160A (zh) * 2021-01-12 2021-04-23 上海观察者信息技术有限公司 任务分配方法、装置及计算机可读存储介质
CN113159628A (zh) * 2021-05-13 2021-07-23 中国建设银行股份有限公司 一种任务分配方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于工作者多属性特征模型的任务分配方法;原博洋等;计算机工程与设计;全文 *
面向协同感知的任务分配方法;尹厚淳;崔禾磊;於志文;王亮;郭斌;;软件导刊(04);全文 *

Also Published As

Publication number Publication date
CN113657759A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
US8417654B1 (en) Decision tree refinement
CN113657759B (zh) 一种任务处理方法、装置、设备以及存储介质
US8374983B1 (en) Distributed object classification
US11593817B2 (en) Demand prediction method, demand prediction apparatus, and non-transitory computer-readable recording medium
US9031941B2 (en) Information processing apparatus, terminal apparatus, information presentation system, calculation method of evaluation scores, and program
CN112765452B (zh) 搜索推荐方法、装置及电子设备
KR102144126B1 (ko) 기업을 위한 정보 제공 장치 및 방법
CN111124676A (zh) 资源分配方法、装置、可读存储介质和电子设备
US20220058685A1 (en) Value Index Score
CN112162762B (zh) 灰度发布方法、灰度发布装置和电子设备
CN103530789B (zh) 一种用于确定重点索引词的方法、装置和设备
WO2020124087A1 (en) Value index score
CN112860626B (zh) 一种文档排序方法、装置及电子设备
CN114565399A (zh) 一种应用于电子商务的产品销量预测方法
CN113010869A (zh) 用于管理数字内容的方法、装置、设备和可读存储介质
CN113326436A (zh) 确定推荐资源的方法、装置、电子设备和存储介质
JP5388988B2 (ja) 広告選択装置、方法及びプログラム
CN113538080A (zh) 一种任务单拆分方法和装置
CN112784861A (zh) 相似度的确定方法、装置、电子设备和存储介质
CN115550259B (zh) 基于白名单的流量分配方法及相关设备
CN110533485A (zh) 一种对象选取的方法、装置、存储介质及电子设备
CN109872024A (zh) 信用评估指标处理方法以及装置
TWI716793B (zh) 企金客戶智慧探勘系統與方法
CN113360821B (zh) 更新网站质量特征的方法、装置、设备及存储介质
US20170109672A1 (en) Systems, devices, and methods for generating and rendering snow removal process data

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