CN114510298B - 智能引擎接入和调用方法及相关平台、装置、设备、介质 - Google Patents
智能引擎接入和调用方法及相关平台、装置、设备、介质 Download PDFInfo
- Publication number
- CN114510298B CN114510298B CN202210414017.6A CN202210414017A CN114510298B CN 114510298 B CN114510298 B CN 114510298B CN 202210414017 A CN202210414017 A CN 202210414017A CN 114510298 B CN114510298 B CN 114510298B
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- data
- intelligence engine
- engine
- hosting platform
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
- G06F9/44526—Plug-ins; Add-ons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
- G06F9/4482—Procedural
- G06F9/4484—Executing subprograms
- G06F9/4486—Formation of subprogram jump address
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了智能引擎接入和调用方法及相关平台、装置、设备、介质，其中，智能引擎接入的方法包括：获得人工智能引擎的第一数据结构；基于第一数据结构和托管平台的第二数据结构，获得人工智能引擎和托管平台之间的数据映射关系；基于数据映射关系，实现人工智能引擎接入托管平台。上述方案，能够实现人工智能引擎快速接入托管平台，有助于人工智能引擎的广泛应用。
Description
技术领域
本申请涉及人工智能技术领域，特别是涉及智能引擎接入和调用方法及相关平台、装置、设备、介质。
背景技术
随着人工智能技术的快速发展和应用快速落地，对于人工智能研究和应用开发者将算法能力快速上云提出了更高的要求。
目前，开发者开发完成人工智能引擎之后，往往需要再由互联网应用开发者将人工智能引擎接入托管平台，以封装成服务的形式对外提供能力。然而，由于各人工智能引擎在诸多方面存在不统一等问题，导致人工智能引擎无法快速地接入托管平台，从而难以管控交付时间和开发成本。有鉴于此，如何实现人工智能引擎快速接入托管平台，成为亟需解决的问题。
发明内容
本申请主要解决的技术问题是提供一种智能引擎接入和调用方法及相关平台、装置、设备、介质，能够实现人工智能引擎快速接入托管平台。
为了解决上述问题，本申请第一方面提供了人工智能引擎的接入方法，包括：获得人工智能引擎的第一数据结构；基于第一数据结构和托管平台的第二数据结构，获得人工智能引擎和托管平台之间的数据映射关系；基于数据映射关系，实现人工智能引擎接入托管平台。
为了解决上述问题，本申请第二方面提供了人工智能引擎的调用方法，包括：接收对目标引擎的调用请求；其中，目标引擎为已接入托管平台的人工智能引擎，且人工智能引擎通过上述第一方面中的人工智能引擎的接入方法接入托管平台；响应于调用请求，调用目标引擎。
为了解决上述问题，本申请第三方面提供了托管平台，包括：智能组件模组、平台管理模组和调用管理模组，智能组件模组包含引擎加载模块，用于基于上述第一方面的智能引擎接入方法将人工智能引擎接入托管平台；平台管理模组用于维护托管平台运行；调用管理模组用于供用户调用已接入托管平台的人工智能引擎。
为了解决上述问题，本申请第四方面提供了人工智能引擎的接入装置，包括：数据结构获取模块、数据映射模块和引擎接入模块，数据结构获取模块用于获得人工智能引擎的第一数据结构；数据映射模块用于基于第一数据结构和托管平台的第二数据结构，获得人工智能引擎和托管平台之间的数据映射关系；引擎接入模块用于基于数据映射关系，实现人工智能引擎接入托管平台。
为了解决上述问题，本申请第五方面提供了人工智能引擎的调用装置，包括：请求接收模块和调用管理模块，请求接收模块用于接收对目标引擎的调用请求；其中，目标引擎为已接入托管平台的人工智能引擎，且人工智能引擎基于上述第四方面的人工智能引擎的接入装置接入托管平台；调用管理模块用于响应于调用请求，调用目标引擎。
为了解决上述问题，本申请第六方面提供了电子设备，包括相互耦接的处理器和存储器；处理器用于执行存储器存储的程序指令，以实现上述第一方面的智能引擎的接入方法或上述第二方面的智能引擎的调用方法。
为了解决上述问题，本申请第七方面提供了计算机可读存储介质，计算机可读存储介质存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面的智能引擎的接入方法或上述第二方面的智能引擎的调用方法。
上述方案中，首先获得人工智能引擎的第一数据结构，再结合托管平台的第二数据结构，获得人工智能引擎和托管平台的数据映射关系，进而基于数据映射关系，实现人工智能引擎接入托管平台，一方面通过结合人工智能引擎的第一数据结构与托管平台的第二数据结构，得到两者之间的数据映射关系，能够从数据层面有效确定两者之间的映射规范，另一方面，仅需确定数据映射关系即可基于此实现接入托管平台，能够实现人工智能引擎快速接入托管平台。
附图说明
图1是本申请人工智能引擎的接入方法一实施例的流程示意图；
图2是托管平台的第二输出数据结构和人工智能引擎的第一输入数据结构的数据映射关系的一个具体实施例的示意图；
图3是验证数据映射关系一实施例的流程示意图；
图4是生成接口文档的一实施例的流程示意图；
图5是本申请人工智能引擎的调用方法一实施例的流程示意图；
图6是调用多个人工智能引擎的一实施例的示意框图；
图7是服务请求协议一实施例的框架示意图；
图8是请求反馈协议一实施例的框架示意图；
图9是本申请托管平台一实施例的框架示意图；
图10是智能组件模组另一实施例的框架示意图；
图11是调用管理模组另一实施例的框架示意图；
图12是本申请人工智能引擎的接入装置一实施例的框架示意图；
图13是本申请人工智能引擎的调用装置一实施例的框架示意图；
图14是本申请电子设备一实施例的框架示意图；
图15是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
请参阅图1，图1是本申请人工智能引擎的接入方法一实施例的流程示意图。具体而言，本实施例中的人工智能引擎的接入方法可以包括如下步骤：
步骤S11：获得人工智能引擎的第一数据结构。
需要说明的是，如无特别说明，人工智能指的是研究、开发用于模拟、沿伸和扩展人类智能的一种方法、技术。人工智能引擎指的是具体在某领域实现人工智能的算法。例如，人工智能引擎可以是一种实现语音识别功能的算法，人工智能引擎也可以是一种实现语音合成功能的算法，人工智能引擎还可以是一种实现图像识别功能的算法，在此不做限定。
在一个实施场景中，可以先获得人工智能引擎的数据类型，再基于数据类型得到第一数据结构。上述方式，第一数据结构均基于数据类型获得，由于数据类型的种类是有限的，因此有助于减少第一数据结构的多样性，使其更加规范统一。
在一个具体的实施场景中，人工智能引擎的数据类型包括人工智能引擎的输入数据类型和输出数据类型，输入数据类型和输出数据类型可以相同，也可以不同，在此不做限定。例如，在人工智能引擎为一种实现语音识别功能的算法的情况下，此时该人工智能引擎的输入数据类型为音频，输出数据类型为文本；在人工智能引擎为一种实现语音同传功能的算法的情况下，此时该人工智能引擎的输入数据类型和输出数据类型均为语音。在人工智能引擎为其他算法的情况下，可以以此类推，在此不再一一举例。
在另一个具体的实施场景中，人工智能引擎的数据类型可以是文本、音频、图像、视频中的一种，也可以是多种组合的方式。例如，人工智能引擎为一种实现语音识别功能的算法，此时该人工智能引擎的输入数据类型可以为音频；人工智能引擎为一种实现语音同传功能的算法，此时该人工智能引擎的输出数据类型可以为文本和语音的组合，在此不做限定。
在又一个具体的实施场景中，人工智能引擎的第一数据结构包括第一输入数据结构和第一输出数据结构。具体地，人工智能引擎的第一输入数据结构基于人工智能引擎的输入数据类型得到，人工智能引擎的第一输出数据结构基于人工智能引擎的输出数据类型得到。例如，人工智能引擎为一种实现语音识别功能的算法，此时该人工智能引擎的输入数据类型为音频，输出数据类型为文本，则可以基于输入数据类型为音频，得到第一输入数据结构，并可以基于输出数据类型为文本，得到第一输出数据结构。
在又一个具体的实施场景中，人工智能引擎的第一数据结构符合预设数据架构，预设数据架构包括：数据类型、数据内容和数据属性。具体而言，可以基于人工智能引擎的数据类型，按照预设数据架构对人工智能引擎的测试数据进行重组，得到满足预设数据架构的第一数据结构，且第一数据结构具体可以包括：人工智能引擎的数据类型、人工智能引擎的数据内容和人工智能引擎的数据属性。需要说明的是，人工智能引擎的数据类型的相关实施例可以参照上述介绍。
在一个具体的实施场景中，以人工智能引擎第一输入数据结构为例，当人工智能引擎的输入数据类型为文本时，人工智能引擎的输入数据内容可以是一段文本信息；当人工智能引擎的输入数据类型为音频时，人工智能引擎的输入数据内容可以是一段音频流；当人工智能引擎的输入数据类型为图像时，人工智能引擎的输入数据内容可以是若干图像帧，在此不做限定。人工智能引擎的第一输出数据结构、托管平台的第二输入数据结构和托管平台的第二输出数据结构可以以此类推，在此不再赘述。
在另一个实施场景中，以人工智能引擎第一输入数据结构为例，当人工智能引擎的输入数据类型为文本时，人工智能引擎的输入数据属性可以是文本编码方式、文本格式类型等属性，以文本编码方式为例，输入数据属性可以是UTF-8（Universal CharacterSet/Unicode Transformation Format，8位元）、GBK(Chinese Internal CodeSpecification，汉字编码字符集)编码等编码方式；当人工智能引擎的输入数据类型为音频时，人工智能引擎的输入数据属性可以是mp3（Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3）、speex、opus、wav（波形声音文件）等音频格式；当人工智能引擎的输入数据类型为图像时，人工智能引擎的输入数据属性可以是jpeg（Joint Photographic Experts Group）、png（Portable Network Graphics，便携式网络图形）、bmp（Bitmap-File）等图片格式，在此不做限定。人工智能引擎的第一输出数据结构、托管平台的第二输入数据结构和托管平台的第二输出数据结构可以以此类推，在此不再赘述。
步骤S12：基于第一数据结构和托管平台的第二数据结构，获得人工智能引擎和托管平台之间的数据映射关系。
在一个实施场景中，人工智能引擎的第一数据结构和托管平台的第二数据结构满足符合同一种预设数据架构。可以参照前述，类似地，托管平台的第二数据结构包括：托管平台的数据类型、托管平台的数据内容和托管平台的数据属性。
在另一个实施场景中，可以参照前述人工智能引擎的第一数据结构包括第一输入数据结构和第一输出数据结构，类似地，托管平台的第二数据结构包括第二输入数据结构和第二输出数据结构。进一步地，以人工智能引擎第一输入数据结构为例，包括人工智能引擎的输入数据类型、人工智能引擎的输入数据内容和人工智能引擎的输入数据属性，那么人工智能引擎的第一输出数据结构、托管平台的第二输入数据结构和托管平台的第二输出数据结构可以以此类推，在此不再赘述。
在一个实施场景中，人工智能引擎和托管平台的数据映射关系包括：托管平台的第二输出数据结构和人工智能引擎的第一输入数据结构的数据映射关系、人工智能引擎的第一输出数据结构和托管平台的第二输入数据结构的数据映射关系。具体而言，托管平台的第二输出数据结构中的数据类型与人工智能引擎的第一输入数据结构的数据类型一致，托管平台的第二输出数据结构中的数据内容映射对应为人工智能引擎的第一输入数据结构的数据内容，托管平台的第二输出数据结构中的数据属性映射对应为人工智能引擎的第一输入数据结构可以识别、处理的数据属性。请参阅图2，图2是托管平台的第二输出数据结构和人工智能引擎的第一输入数据结构的数据映射关系的一个具体实施例的示意图，该人工智能引擎的功能为将中文文本转为粤语文本。托管平台的第二输出数据结构中的数据类型与人工智能引擎的第一输入数据结构的数据类型均为文本，保持一致；托管平台的第二输出数据结构中的数据内容为英文而人工智能引擎处理的数据内容为中文文本，此时数据内容的映射对应关系即为英文文本转中文文本，例如将英文“Hello”映射对应为“你好”，以便人工智能引擎处理该数据内容；托管平台的第二输出数据结构的数据属性为UTF-8文本编码格式与人工智能引擎的第一输入数据结构的数据属性GBK文本编码格式无法兼容，故将其映射对应为GBK文本编码格式，此时数据属性的映射对应关系即为UTF-8文本编码格式映射对应GBK文本编码格式。类似的，人工智能引擎的第一输出数据结构和托管平台的第二输入数据结构的数据映射关系在此不再赘述。
步骤S13：基于数据映射关系，实现人工智能引擎接入托管平台。
本实施例中，可以基于数据映射关系，实现人工智能引擎输入输出数据和托管平台输入输出数据的映射对应，从而完成人工智能引擎接入托管平台。
在一个实施场景中，可以基于数据映射关系，对人工智能引擎和托管平台之间的数据映射关系进行验证，并响应于数据映射关系验证流程执行成功，执行数据映射，实现人工智能引擎接入托管平台。
请参阅图3，图3是验证数据映射关系一实施例的流程示意图。具体而言，验证数据映射关系包括如下步骤：
步骤S31：制定数据映射规则。
在一个实施场景中，可以将数据映射关系以算法的形式固化，得到数据映射规则。具体而言，如前所述，数据映射规则可以包括英文转中文的算法和UTF-8文本编码格式转为GBK文本编码格式的算法。
步骤S32：检验数据映射规则。
在一个实施场景中，可以获取若干测试数据来检验数据映射规则映射的正确性，将该若干测试数据依次映射转换，测试结果为正确转换的比例。例如，获得1000条测试数据，经过映射转换后有950条数据正确转换，测试结果为95%。
在一个实施场景中，可以在规定时间内按照一定速率进行数据转换来检验数据映射的稳定性，测试结果为规定时间内映射转换是否发生功能性报错以及发生功能性报错时报错的次数。例如，在24小时内，以2秒钟一组的速率映射转换测试数据，在这24小时内共计功能性报错21次，测试结果为发生功能性报错且报错次数为21次。
步骤S33：判断检验结果是否满足预设条件。若是，执行步骤S34，否则执行步骤S35。
在一个实施场景中，预设条件的设置可以参照前述不同的检验数据映射规则的方法和结果而设置不同的预设条件。
在一个具体的实施场景中，在检验数据映射规则的方法和测试结果设置为获取若干测试数据来检验数据映射规则映射的正确性，将该若干测试数据依次映射转换，测试结果为正确转换的比例的情况下，可以设置预设条件为正确转换的比例大于90%。
在另一个具体的实施场景中，在检验数据映射规则的方法和测试结果设置为在规定时间内按照一定速率进行数据转换来检验数据映射的稳定性，测试结果为规定时间内映射转换是否发生功能性报错及发生功能性报错时报错的次数的情况下，可以设置预设条件为规定时间内未发生功能性报错或规定时间发生功能性报错的次数小于5次。
步骤S34：数据映射关系验证成功。
响应于数据映射关系验证成功，表明数据映射关系是正确的。
步骤S35：数据映射关系验证失败。
在一个实施场景中，响应于数据映射关系验证失败，可以返回执行步骤S11，重新执行获得人工智能引擎的第一数据结构及后续步骤。
在另一个实施场景中，数据映射关系验证失败，表明无法获取数据映射关系，人工智能引擎无法成功接入托管平台。
上述方案中，首先获得人工智能引擎的第一数据结构，再结合托管平台的第二数据结构，获得人工智能引擎和托管平台的数据映射关系，进而基于数据映射关系，实现人工智能引擎接入托管平台，一方面通过结合人工智能引擎的第一数据结构与托管平台的第二数据结构，得到两者之间的数据映射关系，能够从数据层面有效确定两者之间的映射规范，另一方面，仅需确定数据映射关系即可基于此实现接入托管平台，能够实现人工智能引擎快速接入托管平台。
在一个实施例中，在数据映射验证成功后，执行数据映射，可以将数据映射流程进行划分，包括初始化、创建实例、数据写入、数据读取和逆初始化。初始化指的是将全部状态恢复成初始状态准备进行数据映射；创建实例指的是开辟一个独立的空间用于当前数据的数据映射；数据写入指的是写入进行数据映射的原始数据；数据读取指的是读取完成数据映射的目标数据；逆初始化指的是结束当前的数据映射。
在一个具体的实施场景中，以英文文本转中文文本的一种算法作为数据映射为例，例如，可以实现“Hello”转为“你好”。初始化为恢复英文文本转中文文本算法的全部初始值；创建实例为实现当前“Hello”转为“你好”而开辟出的专用资源；数据写入为将“Hello”作为英文文本转中文文本的输入；数据读取为输出已经转换为中文文本的“你好”；逆初始化指的是结束当前英文文本转中文文本的算法。
在一个实施例中，在人工智能引擎接入托管平台之后，可以基于数据映射关系，生成人工智能引擎的接口文档，接口文档用来指导使用人工智能引擎。
在一个实施场景中，请参阅图4，图4是生成接口文档的一实施例的流程示意图。其中，明确数据为上述实施例中的获得人工智能引擎的数据类型，抽象数据为上述实施例中获得人工智能引擎的第一数据结构，定义数据为上述实施例中获得人工智能引擎和托管平台数据映射关系，生成文档为生成人工智能引擎和托管平台数据映射关系等信息的文档。
在一个实施场景中，接口文档包括人工智能引擎的第一数据结构和托管平台的第二数据结构，具体而言，接口文档包括人工智能引擎的第一输入数据结构和第一输出数据结构、托管平台的第二输入数据结构和第二输出数据结构。
在另一个实施场景中，接口文档包括数据映射流程，具体而言，接口文档包括如何实现托管平台的第二输出数据结构映射对应为人工智能引擎的第一输入数据结构以及如何实现人工智能引擎的第一输出数据结构映射对应为托管平台的第二输入数据结构。
在又一个实施场景中，接口文档基于统一的模板生成。例如，接口文档基于托管平台统一的模板生成，统一的模板还包括使用说明和变更记录。
上述方案中，将数据映射流程划分为五个过程有助于数据映射流程更加规范、统一。同时，基于统一模板生成的接口文档，具有灵活、便捷、兼容性强的特点；接口文档包括数据结构和数据映射流程等信息，有助于用户快速使用人工智能引擎。
请参阅图5，图5是本申请人工智能引擎的调用方法一实施例的流程示意图。具体而言，本实施例中的人工智能引擎的调用方法可以包括如下步骤：
步骤S51：接收对目标引擎的调用请求。
本实施例中，目标引擎是采用上述任一实施例的人工智能引擎的接入方法接入托管平台的人工智能引擎。
在一个实施场景中，调用请求可以来自外部用户，也可以来自托管平台内部，在此不作限定。例如，托管平台的外部用户发来调用请求以调用语音识别引擎来识别一段中文音频；托管平台内部的监控系统发来调用请求以调用人工智能引擎的成功率和耗时。
在另一个实施场景中，调用请求的请求目的可以是调用单个人工智能引擎处理数据，例如，托管平台的外部用户发来调用请求以单独调用语音识别引擎来识别一段中文音频；也可以是调用多个人工智能引擎分别处理不同类型的数据，请参阅图6，图6是调用多个人工智能引擎的一实施例的示意框图，如图6所示，托管平台的发来调用请求以分别调用语音合成引擎来合成一段文本、调用语音识别引擎来识别一段中文语音、调用视频审核引擎来审核一段视频和调用图像识别引擎来识别某张图片；还可以是调用多个人工智能引擎组合处理数据，例如，托管平台的外部用户发来调用请求以先调用语音识别引擎来识别一段中文音频，再调用文本翻译引擎将识别出的中文文本翻译成英文文本。在此不作限定。
步骤S52：响应于调用请求，调用目标引擎。
在一个实施场景中，响应于调用请求，检测调用请求是否符合托管平台定义的服务请求协议，基于调用请求符合服务请求协议，调用目标引擎。
在一个具体的实施场景中，请参阅图7，图7是服务请求协议一实施例的框架示意图。如图7所示，服务请求协议包括请求头部、请求参数和请求数据。请求头部包括鉴权信息，用于检测调用请求的权限等级，例如，鉴权信息中显示该调用请求的权限等级为三级权限，则表明该调用请求最多调用一个人工智能引擎；请求参数包括调用请求的调用目标，例如，调用目标为语音识别，则表明该调用请求希望调用语音识别引擎；请求数据表示的是希望被处理的原始数据，请求数据符合上述的预设数据架构，例如，请求参数中包括语音识别，请求数据的数据类型为语音，请求数据的数据内容为一段中文音频，请求数据的数据属性为mp3格式，则表明该调用请求希望调用语音识别引擎对该段mp3格式的中文音频进行语音识别。
在一个具体的实施场景中，在接收调用请求之后，可以输出请求反馈，请求反馈满足请求反馈协议，请参阅图8，图8是请求反馈协议一实施例的框架示意图。如图8所示，请求反馈协议包括反馈头部和反馈数据。反馈头部包括错误码，错误码是用来进行链路追踪的标识，通过错误码可以获取此次调用请求的完整路径信息，快速进行问题定位和排查，例如，在调用语音识别引擎识别一段中文音频之后，反馈头部的错误码表明鉴权信息不满足要求，则表明该调用请求的权限等级不够，无法调用语音识别引擎；反馈数据符合上述的预设数据架构，例如反馈数据的数据类型为文本，反馈数据的数据内容为一段中文文本信息，反馈数据的数据属性为GBK文本编码格式，则表明经过人工智能引擎处理的反馈数据是一条GBK文本编码格式的中文文本信息。
在一个实施场景中，服务请求协议和请求反馈协议可以增加校验信息，校验方法可以是奇偶校验、BCC（Block Check Character）异或检验、LRC（linear predictivecoding）纵向冗余校验、CRC（Cyclic Redundancy Check）循环冗余校验等检验方法中的一种或多种组合形式，在此不作限制。
上述方案中，接收调用请求后调用目标引擎，调用请求满足托管平台定义的服务请求协议，使得调用过程更加规范统一，且包含鉴权信息能够根据权限的不同进行人工智能引擎的调配。同时，调用请求中包含的请求数据符合上述的预设数据架构，使得数据在接入和调用流程中可以规范流通。
请参阅图9，图9是本申请托管平台90一实施例的框架示意图。具体而言，托管平台90包括智能组件模组91、平台管理模组92和调用管理模组93。智能组件模组91包括引擎加载模块，用于基于上述任一实施例的人工智能引擎的接入方法中的步骤将人工智能引擎接入托管平台90；平台管理模组92，用于维护托管平台90运行；调用管理模组93，用于供用户调用已接入托管平台90的人工智能引擎。
在一个实施场景中，请继续参阅图9，平台管理模组92包括服务治理模块、平台排障模块、平台测试模块、平台日志模块、弹性调度模块、权限管控模块、混沌工程模块、运维监控模块。服务治理模块，用于实现人工智能引擎服务的自助注册和发现；平台排障模块，用于排除平台的故障；平台日志模块，用于记录平台发生的事件信息；弹性调度模块，用于根据情况调用平台的资源；权限管控模块，用于管控各类访问、调用权限；混沌工程模块，用于提供平台的技术架构的弹性能力；运维监控模块，用于监控平台各个组件是否正常运行。
上述方案中，托管平台90包括智能组件模组91、平台管理模组92和调用管理模组93。平台管理模组92维护托管平台90的运行，使得开发者无需关注平台侧的信息，可以专注于将人工智能引擎接入托管平台90，提高开发效率，缩短开发周期。
在一个实施场景中，请参阅图10，图10是智能组件模组另一实施例的框架示意图。如图10所示，智能组件模组包括抽象接口、引擎加载模块和人工智能引擎，其中引擎加载模块和人工智能引擎与上述实施例具有完全相同的效果，抽象接口用于实现数据映射执行过程划分为初始化、创建实例、数据写入、数据读取和逆初始化。
在另一个实施场景中，请参阅图11，图11是调用管理模组另一实施例的框架示意图。如图11所示，调用管理模组用于协议处理，处理用户调用人工智能引擎的服务请求协议。此外，调用管理模组还可以实现编解码、异常处理、监控接口、资源管理、个性化、会话管理和负载调度等功能。其中，编解码指的是对数据传输进行编码和解码操作，异常处理指的是处理调用过程的异常状况，监控接口指的是监控各个人工智能引擎的接口是否正常，资源管理指的是对各个已经接入人工智能引擎合理分配资源，个性化指的是可以完成一些个性化的设置，会话管理指的是管理各种用户间以及用户与平台的会话，负载调度指的是调整托管平台的负载状况。
请参阅图12，图12是本申请人工智能引擎的接入装置120一实施例的框架示意图。具体而言，人工智能引擎的接入装置120包括数据结构获取模块121、数据映射模块122和引擎接入模块123。数据结构获取模块121，用于获得人工智能引擎的第一数据结构；数据映射模块122，用于基于第一数据结构和托管平台的第二数据结构，获得人工智能引擎和托管平台之间的数据映射关系；引擎接入模块123，用于基于数据映射关系，实现人工智能引擎接入托管平台。
上述方案中，首先获得人工智能引擎的第一数据结构，再结合托管平台的第二数据结构，获得人工智能引擎和托管平台的数据映射关系，进而基于数据映射关系，实现人工智能引擎接入托管平台，一方面通过结合人工智能引擎的第一数据结构与托管平台的第二数据结构，得到两者之间的数据映射关系，能够从数据层面有效确定两者之间的映射规范，另一方面，仅需确定数据映射关系即可基于此实现接入托管平台，能够实现人工智能引擎快速接入托管平台。
在一些公开实施例中，数据结构获取模块121包括数据类型获取单元，用于获得人工智能引擎的数据类型；数据结构获取模块121还包括数据类型分析单元，用于基于数据类型，得到第一数据结构。
因此，上述方案中通过数据类型获得第一数据结构，使得第一数据结构与数据类型高关联，人工智能引擎可以按照数据类型实现接入平台，更加规范、便捷。
在一些公开实施例中，第一数据结构和第二数据结构均符合预设数据架构，第一数据结构包括：人工智能引擎的数据类型、人工智能引擎的数据内容和人工智能引擎的数据属性，第二数据结构包括：托管平台的数据类型、托管平台的数据内容和托管平台的数据属性。
因此，上述方案中人工智能引擎的第一数据结构和托管平台的第二数据结构均符合预设数据架构，有利于数据映射更加规范、便捷。
在一些公开实施例中，引擎接入模块123包括数据映射验证单元，用于对所述人工智能引擎和所述托管平台之间的数据映射关系进行验证；引擎接入模块123还包括实现接入单元，用于响应于所述数据映射关系验证成功，执行数据映射流程，实现所述人工智能引擎接入所述托管平台。
因此，上述方案中，通过响应数据映射关系验证流程已经成功，进而执行数据映射，实现人工智能引擎接入托管平台，尽可能避免了后续因数据映射关系不完善造成故障的可能。
在一些公开实施例中，数据映射模块122包括流程划分单元，用于将数据映射流程划分为初始化、创建实例、数据写入、数据读取和逆初始化。
因此，上述方案中将数据映射流程划分为五个流程，可以有效统一人工智能引擎接入托管平台的开发流程。
在一些公开实施例中，人工智能引擎的接入装置120包括接口文档生成模块，用于基于数据映射关系，生成人工智能引擎的接口文档。接口文档可以基于托管平台统一的模板生成。
因此，上述方案中基于统一模板生成的接口文档，具有灵活、便捷、兼容性强的特点；接口文档包括数据结构和数据映射流程等信息，有助于用户快速使用人工智能引擎。
请参阅图13，图13是本申请人工智能引擎的调用装置130一实施例的框架示意图。具体而言，人工智能引擎的调用装置130包括请求接收模块131和调用管理模块132。请求接收模块131用于接收对目标引擎的调用请求；其中，目标引擎为已接入托管平台的人工智能引擎，且人工智能引擎基于前述的人工智能引擎的接入装置接入托管平台；调用管理模块132用于响应于调用请求，调用目标引擎。
上述方案中，可以在接收调用请求后调用目标引擎，实现目标引擎的功能，有利于人工智能引擎的服务化。
在一些公开实施例中，调用管理模块132包括协议检测单元，用于响应于调用请求，检测调用请求是否符合托管平台定义的服务请求协议；调用管理模块132包括引擎调用单元，用于基于调用请求符合服务请求协议，调用目标引擎。
因此，上述方案中调用请求满足托管平台定义的服务请求协议，使得调用过程更加规范统一。
在一些公开实施例中，服务请求协议包括请求头部、请求参数和请求数据；其中，请求头部包括鉴权信息，用于检测调用请求的权限等级，同时，请求数据符合上述的预设数据架构。
因此，上述方案中基于鉴权信息能够根据权限的不同进行人工智能引擎的调配。同时，调用请求中包含的请求数据符合上述的预设数据架构，使得数据在接入和调用流程中可以规范流通。
请参阅图14，图14是本申请电子设备140一实施例的框架示意图。具体而言，电子设备140包括相互耦接的处理器141和存储器142，处理器141用于执行存储器142存储的程序指令，以实现上述任一实施例的人工智能引擎的接入方法或人工智能引擎的调用方法中的步骤。电子设备140具体可以包括但不限于：微型计算机、笔记本、平板电脑、智能手机、通话系统等，在此不做限定。
具体而言，处理器141可以控制其自身以及存储器142执行上述任一实施例的人工智能引擎的接入方法或人工智能引擎的调用方法中的步骤。处理器141还可以称为CPU（Central Processing Unit，中央处理单元）。处理器141可能是一种集成电路芯片，具有信号的处理能力。处理器141还可以是通用处理器、数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器141可以由多个成电路芯片共同实现。
上述方案中，在实现人工智能引擎的接入方法时首先获得人工智能引擎的第一数据结构，再结合托管平台的第二数据结构，获得人工智能引擎和托管平台的数据映射关系，进而基于数据映射关系，实现人工智能引擎接入托管平台，一方面通过结合人工智能引擎的第一数据结构与托管平台的第二数据结构，得到两者之间的数据映射关系，能够从数据层面有效确定两者之间的映射规范，另一方面，仅需确定数据映射关系即可基于此实现接入托管平台，能够实现人工智能引擎快速接入托管平台。同时，基于统一模板生成的接口文档，具有灵活、便捷、兼容性强的特点；接口文档包括数据结构和数据映射流程等信息，有助于用户快速使用人工智能引擎。
上述方案中，在实现人工智能引擎的调用方法时接收调用请求后调用目标引擎，调用请求满足托管平台定义的服务请求协议，使得调用过程更加规范统一，且包含鉴权信息能够根据权限的不同进行人工智能引擎的调配。同时，调用请求中包含的请求数据符合上述的预设数据架构，使得数据在接入和调用流程中可以规范流通。
请参阅图15，图15是本申请计算机可读存储介质150一实施例的框架示意图。本实施例中，该计算机可读存储介质150存储有处理器可运行的程序指令1501，该程序指令1501用于执行上述人工智能引擎的接入方法或人工智能引擎的调用方法实施例中的步骤。
该计算机可读存储介质150具体可以为U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等可以存储程序指令的介质，或者也可以为存储有该程序指令的服务器，该服务器可将存储的程序指令发送给其他设备运行，或者也可以自运行该存储的程序指令。
上述方案中，在实现人工智能引擎的接入方法时首先获得人工智能引擎的第一数据结构，再结合托管平台的第二数据结构，获得人工智能引擎和托管平台的数据映射关系，进而基于数据映射关系，实现人工智能引擎接入托管平台，一方面通过结合人工智能引擎的第一数据结构与托管平台的第二数据结构，得到两者之间的数据映射关系，能够从数据层面有效确定两者之间的映射规范，另一方面，仅需确定数据映射关系即可基于此实现接入托管平台，能够实现人工智能引擎快速接入托管平台。同时，基于统一模板生成的接口文档，具有灵活、便捷、兼容性强的特点；接口文档包括数据结构和数据映射流程等信息，有助于用户快速使用人工智能引擎。
上述方案中，在实现人工智能引擎的调用方法时接收调用请求后调用目标引擎，调用请求满足托管平台定义的服务请求协议，使得调用过程更加规范统一，且包含鉴权信息能够根据权限的不同进行人工智能引擎的调配。同时，调用请求中包含的请求数据符合上述的预设数据架构，使得数据在接入和调用流程中可以规范流通。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，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，模块或单元的划分，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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。
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，可以存储在一个计算机可读存储介质中。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一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本申请各个实施例方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (13)
1.一种人工智能引擎的接入方法，其特征在于，包括：
获得人工智能引擎的第一数据结构；
基于所述第一数据结构和托管平台的第二数据结构，获得所述人工智能引擎和所述托管平台之间的数据映射关系；其中，所述第一数据结构和所述第二数据结构均符合预设数据架构，所述第一数据结构包括：所述人工智能引擎的数据类型、所述人工智能引擎的数据内容和所述人工智能引擎的数据属性，所述第二数据结构包括：所述托管平台的数据类型、所述托管平台的数据内容和所述托管平台的数据属性；
基于所述数据映射关系，实现所述人工智能引擎接入所述托管平台。
2.根据权利要求1所述的接入方法，其特征在于，所述获得人工智能引擎的第一数据结构，包括：
获得所述人工智能引擎的数据类型；
基于所述数据类型，得到所述第一数据结构。
3.根据权利要求1所述的接入方法，其特征在于，所述基于所述数据映射关系，实现所述人工智能引擎接入所述托管平台，包括：
对所述人工智能引擎和所述托管平台之间的数据映射关系进行验证；
响应于所述数据映射关系验证成功，执行数据映射流程，实现所述人工智能引擎接入所述托管平台。
4.根据权利要求3所述的接入方法，其特征在于，所述数据映射流程包括：初始化、创建实例、数据写入、数据读取和逆初始化。
5.根据权利要求1所述的接入方法，其特征在于，在所述实现所述人工智能引擎接入所述托管平台之后，所述方法还包括：
基于所述数据映射关系，生成所述人工智能引擎的接口文档；
其中，所述接口文档包括通过所述托管平台调用所述人工智能引擎的指导信息。
6.一种人工智能引擎的调用方法，其特征在于，包括：
接收对目标引擎的调用请求；其中，所述目标引擎为已接入托管平台的人工智能引擎，且所述人工智能引擎基于权利要求1至5任一项所述的人工智能引擎的接入方法接入所述托管平台；
响应于所述调用请求，调用所述目标引擎。
7.根据权利要求6所述的调用方法，其特征在于，所述响应于所述调用请求，调用所述目标引擎，包括：
响应于所述调用请求，检测所述调用请求是否符合所述托管平台定义的服务请求协议；
基于所述调用请求符合所述服务请求协议，调用所述目标引擎。
8.根据权利要求7所述的调用方法，其特征在于，所述服务请求协议包括请求头部、请求参数和请求数据；其中，请求头部包括鉴权信息，用于检测所述调用请求的权限等级。
9.一种托管平台，其特征在于，包括：
智能组件模组，包含引擎加载模块，用于基于权利要求1至5任一项所述的人工智能引擎的接入方法将所述人工智能引擎接入所述托管平台；
平台管理模组，用于维护所述托管平台运行；
调用管理模组，用于供用户调用已接入所述托管平台的人工智能引擎。
10.一种人工智能引擎的接入装置，其特征在于，包括：
数据结构获取模块，用于获得人工智能引擎的第一数据结构；
数据映射模块，用于基于所述第一数据结构和托管平台的第二数据结构，获得所述人工智能引擎和所述托管平台之间的数据映射关系；其中，所述第一数据结构和所述第二数据结构均符合预设数据架构，所述第一数据结构包括：所述人工智能引擎的数据类型、所述人工智能引擎的数据内容和所述人工智能引擎的数据属性，所述第二数据结构包括：所述托管平台的数据类型、所述托管平台的数据内容和所述托管平台的数据属性；
引擎接入模块，用于基于所述数据映射关系，实现所述人工智能引擎接入所述托管平台。
11.一种人工智能引擎的调用装置，其特征在于，包括：
请求接收模块，接收对目标引擎的调用请求；其中，所述目标引擎为已接入托管平台的人工智能引擎，且所述人工智能引擎基于权利要求10所述的人工智能引擎的接入装置接入所述托管平台；
调用管理模块，用于响应于所述调用请求，调用所述目标引擎。
12.一种电子设备，其特征在于，包括相互耦接的处理器和存储器；所述处理器用于执行所述存储器存储的程序指令，以实现权利要求1-5任一项所述的人工智能引擎的接入方法，或者实现权利要求6-8任一项所述的人工智能引擎的调用方法。
13.一种计算机可读存储介质，其特征在于，存储有能够被处理器运行的程序指令，所述程序指令用于实现权利要求1-5任一项所述的人工智能引擎的接入方法，或者实现权利要求6-8任一项所述的人工智能引擎的调用方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210414017.6A CN114510298B (zh) | 2022-04-20 | 2022-04-20 | 智能引擎接入和调用方法及相关平台、装置、设备、介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210414017.6A CN114510298B (zh) | 2022-04-20 | 2022-04-20 | 智能引擎接入和调用方法及相关平台、装置、设备、介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114510298A CN114510298A (zh) | 2022-05-17 |
| CN114510298B true CN114510298B (zh) | 2022-08-02 |
Family
ID=81555307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210414017.6A Active CN114510298B (zh) | 2022-04-20 | 2022-04-20 | 智能引擎接入和调用方法及相关平台、装置、设备、介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114510298B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102200974A (zh) * | 2010-03-25 | 2011-09-28 | 北京师范大学 | 一种用于搜索引擎的统一信息检索智能体系统与方法 |
| CN110209389A (zh) * | 2019-06-05 | 2019-09-06 | 卡斯柯信号(成都)有限公司 | 一种基于xml的数据生成工具开发系统 |
| CN110427173A (zh) * | 2019-07-26 | 2019-11-08 | 大唐融合通信股份有限公司 | 一种人工智能综合业务平台 |
| CN111240649A (zh) * | 2020-01-20 | 2020-06-05 | 重庆大学 | 一种支撑智能环境快速实现的软件定义智能架构系统及其方法 |
| CN111400000A (zh) * | 2020-03-09 | 2020-07-10 | 百度在线网络技术（北京）有限公司 | 网络请求处理方法、装置、设备和存储介质 |
| CN112131023A (zh) * | 2020-09-23 | 2020-12-25 | 平安科技（深圳）有限公司 | 应用容器引擎的消息处理系统、方法、设备及存储介质 |
| CN113849636A (zh) * | 2021-08-24 | 2021-12-28 | 工业云制造(四川)创新中心有限公司 | 一种基于人工智能的大数据分析建模预测方法 |
| CN114115898A (zh) * | 2021-11-23 | 2022-03-01 | 国网江苏省电力有限公司电力科学研究院 | 一种智能融合终端微应用软件框架 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8015217B2 (en) * | 2008-01-02 | 2011-09-06 | International Business Machines Corporation | Method and system for obtaining user data having user-defined data types |
| US10243879B2 (en) * | 2015-03-13 | 2019-03-26 | Microsoft Technology Licensing, Llc | Intelligent placement within a data center |
| US11709854B2 (en) * | 2018-01-02 | 2023-07-25 | Bank Of America Corporation | Artificial intelligence based smart data engine |
| US11636401B2 (en) * | 2019-01-25 | 2023-04-25 | Noodle.ai | Artificial intelligence platform |
| US10452913B1 (en) * | 2019-01-31 | 2019-10-22 | Palantir Technologies Inc. | Systems and methods for coherent monitoring |
| CN111124713B (zh) * | 2019-12-24 | 2024-03-26 | 北京安兔兔科技有限公司 | 设备系统函数调用方法、装置、终端设备和存储介质 |
| US11789983B2 (en) * | 2020-09-14 | 2023-10-17 | Accenture Global Solutions Limited | Enhanced data driven intelligent cloud advisor system |
| CN113760565A (zh) * | 2020-11-04 | 2021-12-07 | 苏州工品汇信息科技有限公司 | 一种数据处理平台、数据处理方法、存储介质及电子设备 |
-
2022
- 2022-04-20 CN CN202210414017.6A patent/CN114510298B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102200974A (zh) * | 2010-03-25 | 2011-09-28 | 北京师范大学 | 一种用于搜索引擎的统一信息检索智能体系统与方法 |
| CN110209389A (zh) * | 2019-06-05 | 2019-09-06 | 卡斯柯信号(成都)有限公司 | 一种基于xml的数据生成工具开发系统 |
| CN110427173A (zh) * | 2019-07-26 | 2019-11-08 | 大唐融合通信股份有限公司 | 一种人工智能综合业务平台 |
| CN111240649A (zh) * | 2020-01-20 | 2020-06-05 | 重庆大学 | 一种支撑智能环境快速实现的软件定义智能架构系统及其方法 |
| CN111400000A (zh) * | 2020-03-09 | 2020-07-10 | 百度在线网络技术（北京）有限公司 | 网络请求处理方法、装置、设备和存储介质 |
| CN112131023A (zh) * | 2020-09-23 | 2020-12-25 | 平安科技（深圳）有限公司 | 应用容器引擎的消息处理系统、方法、设备及存储介质 |
| CN113849636A (zh) * | 2021-08-24 | 2021-12-28 | 工业云制造(四川)创新中心有限公司 | 一种基于人工智能的大数据分析建模预测方法 |
| CN114115898A (zh) * | 2021-11-23 | 2022-03-01 | 国网江苏省电力有限公司电力科学研究院 | 一种智能融合终端微应用软件框架 |
Non-Patent Citations (1)
| Title |
|---|
| 应用驱动的大数据与人工智能融合平台建设;康波等;《数据与计算发展前沿》;20191015(第05期);第39-49页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114510298A (zh) | 2022-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20060206929A1 (en) | Software authentication system, software authentication program, and software authentication method | |
| CN109614336A (zh) | 一种测试脚本的生成方法及设备 | |
| CN104246767A (zh) | 用于云同步系统的遥测系统 | |
| CN109889894A (zh) | 媒体文件解码方法、装置及存储介质 | |
| CN113687858B (zh) | 配置文件的检查方法、装置、电子设备及存储介质 | |
| US20240054366A1 (en) | AI Application Deployment Method and Related Platform, Cluster, Medium, and Program Product | |
| CN113806037A (zh) | 服务的调用方法、装置、存储介质及电子设备 | |
| CN111651140B (zh) | 基于工作流的服务方法及装置 | |
| CN112069511B (zh) | 数据保护方法、装置、电子控制单元、设备及存储介质 | |
| US8001424B2 (en) | System and method for fault mapping of exceptions across programming models | |
| CN114510298B (zh) | 智能引擎接入和调用方法及相关平台、装置、设备、介质 | |
| CN113391972A (zh) | 一种接口测试方法及装置 | |
| CN116628141B (zh) | 信息处理方法、装置、设备及存储介质 | |
| CN115811513B (zh) | 第三方接口请求设计方法、装置、存储介质 | |
| CN110633162B (zh) | 远程调用实现方法、装置、计算机设备及存储介质 | |
| CN111324645B (zh) | 区块链的数据处理方法及装置 | |
| CN111752547A (zh) | 一种修改Java序列化对象序列号的方法及其应用 | |
| CN110362294A (zh) | 开发任务执行方法、装置、电子设备及存储介质 | |
| CN112287327B (zh) | 易重构单点登录系统的方法、装置、介质和设备 | |
| CN115237755A (zh) | 一种基于协议的校验算法库调用方法及调用设备 | |
| US20220365762A1 (en) | Neural network model conversion method server, and storage medium | |
| CN110321274B (zh) | 一种应用程序的测试方法、装置、计算设备及存储介质 | |
| CN111158704B (zh) | 模型建立方法、部署流程生成方法、装置和电子设备 | |
| CN114692564A (zh) | Ldpc纠错模块的验证系统、方法、存储介质及电子设备 | |
| CN113626008B (zh) | 基于混合开发应用的物理设备适配的系统、方法和设备 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230606 Address after: 230026 No. 96, Jinzhai Road, Hefei, Anhui Patentee after: University of Science and Technology of China Patentee after: IFLYTEK Co.,Ltd. Address before: 230088 666 Wangjiang West Road, Hefei hi tech Development Zone, Anhui Patentee before: IFLYTEK Co.,Ltd. |