CN114580981B - 以用户需求驱动的项目调度方法、装置及电子设备 - Google Patents

以用户需求驱动的项目调度方法、装置及电子设备 Download PDF

Info

Publication number
CN114580981B
CN114580981B CN202210489342.9A CN202210489342A CN114580981B CN 114580981 B CN114580981 B CN 114580981B CN 202210489342 A CN202210489342 A CN 202210489342A CN 114580981 B CN114580981 B CN 114580981B
Authority
CN
China
Prior art keywords
comment
comments
processing
score
priority
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
CN202210489342.9A
Other languages
English (en)
Other versions
CN114580981A (zh
Inventor
许俊海
李敏
黄家琪
赖信君
黄金晓
杨国匡
刘智睿
吴文杰
龙文
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.)
GAC Aion New Energy Automobile Co Ltd
Original Assignee
GAC Aion New Energy Automobile 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 GAC Aion New Energy Automobile Co Ltd filed Critical GAC Aion New Energy Automobile Co Ltd
Priority to CN202210489342.9A priority Critical patent/CN114580981B/zh
Publication of CN114580981A publication Critical patent/CN114580981A/zh
Application granted granted Critical
Publication of CN114580981B publication Critical patent/CN114580981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • 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
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种以用户需求驱动的项目调度方法、装置及电子设备。该方法包括：获取多个评论；根据各评论携带的类别标签和预设的类别分数，获取各评论的类别得分；对多个评论进行情感分析，获取各评论的情感得分；根据情感得分和类别得分，获取每个评论的优先度得分；根据多个评论和各评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象。通过该方法，能改善按照现有的评论处理项目流程来处理评论的效率较低的问题，进而能提高用户体验。

Description

以用户需求驱动的项目调度方法、装置及电子设备
技术领域
本申请涉及数据处理技术领域，具体而言，涉及一种以用户需求驱动的项目调度方法、装置及电子设备。
背景技术
现有的项目调度大多以工期、成本作为优化目标，而上述项目调度只能完成一些基础的项目要求。针对评论处理而言，通过不同渠道收集到的用户对于产品的评论较多较杂，且对于收集到的各评论常规的评论处理流程为采用人工处理的方式对各评论进行统计、分类和处理，即针对目前的评论处理项目而言，其项目调度通常是以工期、成本等方面作为优化目标，其只需要根据常规的评论处理流程进行即可。但该方式的处理效率较低，使得用户在评论后需要等待较长时间才能得到对应的反馈信息，从而给用户造成了较差的体验。
发明内容
本申请实施例的目的在于提供一种以用户需求驱动的项目调度方法、装置及电子设备，以改善“按照现有的评论处理项目流程来处理评论的效率较低”的问题。
本发明是这样实现的：
第一方面，本申请实施例提供一种以用户需求驱动的项目调度方法，所述方法包括：获取多个评论，其中，每个所述评论均携带有表征该评论对应的业务领域的类别标签；根据各所述评论携带的所述类别标签和预设的类别分数，获取各所述评论的类别得分；对所述多个评论进行情感分析，获取各所述评论的情感得分；根据所述情感得分和所述类别得分，获取每个所述评论的优先度得分，其中，所述优先度得分表征每个所述评论需要被处理的先后顺序，所述每个所述评论的优先度得分为该评论的情感得分和类别得分的乘积；根据所述多个评论和各所述评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理所述各评论对应的目标对象，其中，所述有限资源为评论处理时长和有限的目标对象。
在本申请实施例中，通过获取每个评论的情感得分和类别得分，并根据该情感得分和该类别得分获取每个评论的优先度得分，使得优先度得分能够表征出与其对应的用户的情感需求。并且，根据多个评论和各评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，根据处理模型中预先设置的分支定界算法，能获得预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象，从而能基于用户的情感需求驱动后续的项目调度，即将需要优先处理的各评论分配至对应的目标对象进行处理，提高对各评论处理的效率，使得用户能尽快得到其评论对应的反馈信息，进而提升用户体验。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述优先度得分越低，则表征评论的优先级越高，所述根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理所述各评论对应的目标对象，包括：通过所述处理模型对每个所述评论对应的类别标签和预设的各目标对象对应的领域进行处理，获取所述各目标对象处理各评论对应的处理时间；通过所述处理模型中的所述分支定界算法对所述多个评论、所述目标函数、所述约束条件、所述优先度得分、各所述目标对象和所述处理时间进行处理，以对所述目标函数进行最小化求解，得到所述目标函数取最小值时的所述各评论以及处理所述各评论对应的目标对象。
在本申请实施例中，通过上述方式，避免了通过人工的方式对多个评论进行筛选和分配；并且，通过处理模型中的分支定界算法对目标函数进行最小化求解，能准确、快速的得到需要优先处理的各评论和处理各评论对应的目标对象，从而提高了处理评论的效率，进而提升了用户体验。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，对所述目标函数进行最小化求解的表达式为：
Figure P_220506155715199_199487001
；所述约束条件的表达式为：
Figure P_220506155715230_230732002
，以及
Figure P_220506155715261_261997003
；其中，
Figure P_220506155715293_293250004
，
Figure P_220506155715324_324501005
，
Figure P_220506155715341_341047006
为所述多个评论的总数，
Figure P_220506155715372_372828007
为所述目标对象的总数，
Figure P_220506155715388_388435008
为第
Figure P_220506155715404_404063009
条评论对应的优先度得分，
Figure P_220506155715435_435360010
为第
Figure P_220506155715450_450945011
条评论被第
Figure P_220506155715466_466560012
个目标对象处理时对应的处理时间，
Figure P_220506155715497_497833013
为所述预设时长范围的下限，
Figure P_220506155715513_513444014
为所述预设时长范围的上限，
Figure P_220506155715529_529079015
为第
Figure P_220506155715561_561786016
条评论被第
Figure P_220506155715577_577407017
个目标对象处理，其中，
Figure P_220506155715593_593053018
表征第
Figure P_220506155715624_624289019
条评论被分配至第
Figure P_220506155715639_639909020
个目标对象处理，
Figure P_220506155715655_655536021
表征第
Figure P_220506155715687_687120022
条评论未被分配至第
Figure P_220506155715702_702423023
个目标对象处理。
在本申请实施中，通过设置对目标函数进行最小化求解的表达式和约束条件的表达式，且上述对目标函数进行最小化求解的表达式表征获取各目标对象分别处理多个评论的优先度得分之和的最小值，该约束条件的表达式表征一条评论只能被一个目标对象处理，以及各目标对象分别处理多个评论的时间之和在预设时长范围内，使得处理模型能根据上述各表达式进行对应的数学运算，从而快速且准确的获取到预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象，进而提升了处理评论的效率。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述优先度得分越高，则表征评论的优先级越高，所述根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理所述各评论对应的目标对象，包括：通过所述处理模型对每个所述评论对应的类别标签和预设的各目标对象对应的领域进行处理，获取所述各目标对象处理各评论对应的处理时间；通过所述处理模型中的所述分支定界算法对所述多个评论、所述目标函数、所述约束条件、所述优先度得分、各所述目标对象和所述处理时间进行处理，以对所述目标函数进行最大化求解，得到所述目标函数取最大值时的所述各评论以及处理所述各评论对应的目标对象。
在本申请实施例中，通过上述方式，避免了通过人工的方式对多个评论进行筛选和分配；并且，通过处理模型中的分支定界算法对目标函数进行最大化求解，能准确、快速的得到需要优先处理的各评论和处理各评论对应的目标对象，从而提高了处理评论的效率，进而提升了用户体验。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，对所述目标函数进行最大化求解的表达式为：
Figure P_220506155715718_718040001
；所述约束条件的表达式为：
Figure P_220506155715750_750282002
，以及
Figure P_220506155715766_766397003
；其中，
Figure P_220506155715797_797619004
，
Figure P_220506155715813_813258005
，
Figure P_220506155715844_844512006
为所述多个评论的总数，
Figure P_220506155715860_860152007
为所述目标对象的总数，
Figure P_220506155715890_890983008
为第
Figure P_220506155715907_907088009
条评论对应的优先度得分，
Figure P_220506155715922_922224010
为第
Figure P_220506155715954_954877011
条评论被第
Figure P_220506155715970_970518012
个目标对象处理时对应的处理时间，
Figure P_220506155716001_001754013
为所述预设时长范围的下限，
Figure P_220506155716017_017368014
为所述预设时长范围的上限，
Figure P_220506155716048_048604015
为第
Figure P_220506155716064_064239016
条评论被第
Figure P_220506155716079_079842017
个目标对象处理，其中，
Figure P_220506155716111_111106018
表征第
Figure P_220506155716145_145250019
条评论被分配至第
Figure P_220506155716161_161386020
个目标对象处理，
Figure P_220506155716192_192690021
表征第
Figure P_220506155716208_208288022
条评论未被分配至第
Figure P_220506155716239_239522023
个目标对象处理。
在本申请实施中，通过设置对目标函数进行最大化求解的表达式和约束条件的表达式，且上述对目标函数进行最大化求解的表达式表征获取各目标对象分别处理多个评论的优先度得分之和的最大值，该约束条件的表达式表征一条评论只能被一个目标对象处理，以及各目标对象分别处理多个评论的时间之和在预设时长范围内，使得处理模型能根据上述各表达式进行对应的数学运算，从而快速且准确的获取到预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象，进而提升了处理评论的效率。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述约束条件为一条所述评论只能被一个所述目标对象处理，以及各所述目标对象分别处理所述多个评论的时间之和在所述预设时长范围内。
在本申请实施例中，通过设置上述约束条件，能使处理模型结合该约束条件获取目标函数，从而能快速且准确的获取到预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象，进而提升了处理评论的效率。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述对所述多个评论进行情感分析，获取各所述评论的情感得分，包括：对所述多个评论的内容均进行筛选，得到每个所述评论中表征用户情感的情感关键词；根据每个所述评论中的情感关键词，对每个所述评论进行评分，获得各所述评论的情感得分。
在本申请实施例中，通过上述方式，能准确的获取各评论的情感得分。并且，通过提高各评论的情感得分，能进一步提高各评论的优先度得分的准确率，进而提高处理模型的处理结果的准确率，即能更准确的获取到需要优先处理的评论及处理各评论对应的目标对象。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述获取多个评论，包括：获取多个初始评论，将所述多个初始评论分别与预设的关键词库进行匹配，筛选出有效的初始评论；将筛选出的初始评论输入预设的分类模型，获取筛选出的各初始评论对应的类别标签和情感标签；其中，所述情感标签包括正向标签和负向标签，所述多个评论为携带有负向标签的初始评论。
在本申请实施例中，通过上述方式，能从多个初始评论中筛选出需要尽快处理的多个评论，从而有助于后续从筛选出的多个评论中快速获取到需要优先处理的各评论，从而提高了获取需要优先处理的评论及处理各评论对应的目标对象的效率。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述多个初始评论包括从车辆软件后台服务器获取的各初始评论，以及从汽车经销商管理系统获取到的各初始评论。
第二方面，本申请实施例提供一种以用户需求驱动的项目调度装置，所述装置包括：获取模块，用于获取多个评论，其中，每个所述评论均携带有表征该评论对应的业务领域的类别标签；处理模块，用于根据各所述评论携带的所述类别标签和预设的类别分数，获取各所述评论的类别得分；对所述多个评论进行情感分析，获取各所述评论的情感得分；根据所述情感得分和所述类别得分，获取每个所述评论的优先度得分，其中，所述优先度得分表征每个所述评论需要被处理的先后顺序，所述每个所述评论的优先度得分为该评论的情感得分和类别得分的乘积；调度模块，用于根据所述多个评论和各所述评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理所述各评论对应的目标对象，其中，所述有限资源为评论处理时长和有限的目标对象。
第三方面，本申请实施例提供一种电子设备，包括：处理器和存储器，所述处理器和所述存储器连接；所述存储器用于存储程序；所述处理器用于调用存储在所述存储器中的程序，执行如上述第一方面实施例和/或结合上述第一方面实施例的一些可能的实现方式提供的方法。
第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上述第一方面实施例和/或结合上述第一方面实施例的一些可能的实现方式提供的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种以用户需求驱动的项目调度方法的步骤流程图。
图2为本申请实施例提供的一种处理模型的处理过程的示意图。
图3为本申请实施例提供的一种以用户需求驱动的项目调度装置的模块框图。
图4为本申请实施例提供的一种电子设备的模块框图。
具体实施方式
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描述。
鉴于按照现有的评论处理项目流程来处理评论的效率较低，本申请发明人经过研究探索，提出以下实施例以解决上述问题。
以下结合图1对一种以用户需求驱动的项目调度方法的具体流程及步骤进行描述。本申请实施例提供一种评论处理方法，可应用于对各类评论的处理中。
需要说明的是，本申请实施例提供的评论处理方法不以图1及以下所示的顺序为限制。
步骤S101：获取多个评论。
其中，每个评论均携带有表征该评论对应的业务领域的类别标签；上述优先度得分表征每个评论需要被处理的先后顺序，比如：优先度得分越高，则表征评论被处理的优先级越高，即该评论需要尽快被处理；或者，优先度得分越低，则表征评论被处理的优先级越高。
可选的，获取多个评论可具体包括：获取多个初始评论，将多个初始评论分别与预设的关键词库进行匹配，筛选出有效的初始评论；将筛选出的初始评论输入预设的分类模型，获取筛选出的各初始评论对应的类别标签和情感标签；其中，情感标签包括正向标签和负向标签，多个评论为携带有负向标签的初始评论。
其中，上述初始评论可为获取到的某个类别的评论，例如：在网络交易平台上对某个商品的初始评论，或对于某事件的初始评论，或从车辆软件后台服务器获取的各初始评论和从汽车经销商管理系统获取到的各初始评论。上述正向标签可包括分享交流标签、咨询标签，上述负向标签可包括投诉标签、抱怨标签和建议标签，此处不做限定。
上述关键词库为存储有多个预设的关键词的词库，其具体的构建过程可为：获取历史评论数据，使用正则匹配法对各历史评论中的网络链接、表情等非文本数据进行清洗，获得清洗后的数据。接着，通过预设的TF-IDF算法从清洗后的数据中筛选出高频的关键词，并通过预设的word2vec算法获取该关键词的近义词，将获取到的关键词和近义词存储在一起，从而构成上述关键词库。其中，上述正则匹配法、TF-IDF算法和word2vec算法请参考现有技术，避免赘述，此处不再说明。
此外，在构建上述关键词库的过程中，还可根据各初始评论的所属领域，人为的设置与各初始评论领域对应的关键词，并将设置出的关键词存储于上述关键词库中。
通过上述方式，能够从多个初始评论中获取到有效的初始评论，且通过有效的初始评论所携带的情况标签，能够得到需要尽快处理的评论，即携带负向标签的各初始评论需要尽快得到处理，从而能提高处理评论的效率，进而提高了用户体验。
作为另一种可选的实施方式，还可通过人工筛选出上述多个评论。
步骤S102：根据各评论携带的类别标签和预设的类别分数，获取各所述评论的类别得分。
其中，预设的类别分数为对各类别标签预先设置的分数，该分数与各标签对应的类别的重要性有关，例如：对于与车辆相关的评论，其类别标签可为：主机、音响、显示、座舱等，其中，类别的重要性由高到低排序为：主机、显示、座舱、音响，故可对各类别设置的分数为：主机10分、显示9分、座舱8分以及音响7分，或者，主机1分、显示2分、座舱3分以及音响4分。
步骤S103：对多个评论进行情感分析，获取各评论的情感得分。
可选的，对所述多个评论进行情感分析，获取各所述评论的情感得分可具体包括：对多个评论的内容均进行筛选，得到每个评论中表征用户情感的情感关键词；根据每个评论中的情感关键词，对每个评论进行评分，获得各评论的情感得分。需要说明的是，每个评论的情感得分与该评论的情感关键词所表达的情感强弱有关，即情感关键词所表达的情感越强，评分则越高；或者，情感关键词所表达的情感越弱，评分则越高。
此外，还需要说明的是，可以预先设置出各情感关键词和该情感关键词对应的分数。在筛选出各评论对应的情感关键词后，可根据筛选出的情感关键词对应的分数直接获取到该评论对应的情感得分。
在本申请实施例中，通过上述方式，能准确的获取各评论的情感得分。并且，通过提高各评论的情感得分，能进一步提高各评论的优先度得分的准确率，进而提高处理模型的处理结果的准确率，即能更准确的获取到需要优先处理的评论及处理各评论对应的目标对象。
作为另一种可选的实施方式，对所述多个评论进行情感分析，获取各所述评论的情感得分可具体包括：将多个评论分别输入预设的snowNLP模型，直接获取每个评论对应的情感得分。其中，该snowNLP模型请参考现有技术，避免赘述，此处不再进行说明。通过该方式，能快速且准确的获取到每个评论对应的情感得分，从而提升了处理评论的效率。
需要说明的是，步骤S102和步骤S103可同时进行（即同时获取各评论的类别得分和情感得分）；也可先进行步骤S102，再进行步骤S103（即先获取各评论的类别得分，再获取各评论的情感得分）；还可先进行步骤S103，再进行步骤S102（即先获取各评论的情感得分，再获取各评论的类别得分），此处不做限定。
在获取到各评论的类别得分和情感得分后，本方法可继续进行步骤S104。
S104：根据情感得分和类别得分，获取每个评论的优先度得分。
其中，上述优先度得分表征每个评论需要被处理的先后顺序，且每个评论的优先度得分为该评论的情感得分和类别得分的乘积。
在获取到各评论的优先度得分后，本方法可继续进行步骤S105。
步骤S105：根据多个评论和各评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象。
其中，上述有限资源为评论处理时长和有限的目标对象，该评论处理时长和该目标对象是提前预设好的，且该评论处理时长是项目预设的处理评论的时长，比如：对于有限的目标对象，设置8小时使各目标对象对评论进行处理，即上述8小时则为评论处理时长；上述目标对象可为处理问题的工程师或处理各类问题的机器，此处不做限定。并且，目标函数为各目标对象分别处理多个评论的优先度得分之和；约束条件为一条评论只能被一个目标对象处理，以及各目标对象分别处理多个评论的时间之和在预设时长范围内。
进一步，根据多个评论和各评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，可构建出上述处理模型，即该处理模型中会设置有该约束条件和目标函数，且该模型会根据预先设置的分支定界算法的对输入的多个评论和各评论的优先度得分进行处理，以获得预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象。
此外，需要说明的是，在获取到多个评论的优先度得分后，根据各评论的优先度得分与各评论的优先级的关系，即评论的优先度得分越低表征评论的优先级越高，或优先度得分越高表征评论的优先级越高，可使用对应的处理模型对多个评论进行处理。
作为一种可选的实施方式，当评论的优先度得分越低表征评论的优先度越高时，可通过处理模型对每个评论对应的类别标签和预设的各目标对象对应的领域进行处理，获取各目标对象处理各评论对应的处理时间；还可通过处理模型中的分支定界算法对多个评论、目标函数、约束条件、优先度得分、各目标对象和处理时间进行处理，以对目标函数进行最小化求解，得到目标函数取最小值时的各评论以及处理各评论对应的目标对象。
其中，处理模型对每个评论对应的类别标签和预设的各目标对象对应的领域进行处理时，可通过预先设置好的列表获取到各目标对象处理各类别标签对应的评论的处理时间，例如：目标对象1处理标签A的时间为15分钟，处理标签B的时间为20分钟，处理标签C的时间为30分钟，那么当评论的标签为A时，可直接获得目标对象1处理该评论的时间为15分钟。需要说明的是，不同的目标对象处理不同类别标签对应的评论的处理时间与该目标对象的所擅长的领域及处理速度相关。
在本申请实施例中，通过上述方式，避免了通过人工的方式对多个评论进行筛选和分配；并且，通过处理模型中的分支定界算法对目标函数进行最小化求解，能准确、快速的得到需要优先处理的各评论和处理各评论对应的目标对象，从而提高了处理评论的效率，进而提升了用户体验。
需要说明的是，上述对目标函数进行最小化求解的表达式可为：
Figure P_220506155716255_255137001
（1）
上述约束条件的表达式可为：
Figure P_220506155716286_286432001
（2）
Figure P_220506155716317_317658001
（3）
其中，
Figure P_220506155716371_371346001
，
Figure P_220506155716402_402604002
，
Figure P_220506155716433_433843003
为所述多个评论的总数，
Figure P_220506155716465_465243004
为所述目标对象的总数，
Figure P_220506155716480_480759005
为第
Figure P_220506155716511_511996006
条评论对应的优先度得分，
Figure P_220506155716527_527628007
为第
Figure P_220506155716545_545169008
条评论被第
Figure P_220506155716576_576911009
个目标对象处理时对应的处理时间，
Figure P_220506155716592_592566010
为所述预设时长范围的下限，
Figure P_220506155716608_608205011
为所述预设时长范围的上限，
Figure P_220506155716623_623812012
为第
Figure P_220506155716655_655063013
条评论被第
Figure P_220506155716670_670677014
个目标对象处理，其中，
Figure P_220506155716686_686356015
表征第
Figure P_220506155716717_717560016
条评论被分配至第
Figure P_220506155716735_735600017
个目标对象处理，
Figure P_220506155716751_751711018
表征第
Figure P_220506155716767_767341019
条评论未被分配至第
Figure P_220506155716798_798599020
个目标对象处理。
通过设置对目标函数进行最小化求解的表达式和约束条件的表达式，且上述对目标函数进行最小化求解的表达式表征获取各目标对象分别处理多个评论的优先度得分之和的最小值，该约束条件的表达式表征一条评论只能被一个目标对象处理，以及各目标对象分别处理多个评论的时间之和在预设时长范围内，能使处理模型根据上述各表达式进行对应的数学运算，从而快速且准确的获取到预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象，进而提升了处理评论的效率。
以下用一个具体的例子对处理模型通过分支定界算法对目标函数进行最小化求解的具体处理过程进行说明。
假设在30分钟至60分钟的预设时长内需要处理两条评论，即评论1和评论2，且只有两位工程师，即工程师1和工程师2，故共有4个变量，分别是：
Figure P_220506155716814_814242001
、
Figure P_220506155716845_845490002
、
Figure P_220506155716861_861128003
和
Figure P_220506155716876_876716004
。其中，
Figure P_220506155716907_907984005
表征评论1被工程师1处理，
Figure P_220506155716923_923602006
表征评论1被工程师2处理，
Figure P_220506155716940_940204007
表征评论2被工程师1处理，
Figure P_220506155716971_971984008
表征评论2被工程师2处理。此外，评论1的优先度得分为0.1796，评论2的优先度得分为0.3364；工程师1处理评论1的时间为6分钟，其处理评论2的时间为13分钟；工程师2处理评论1的时间为41分钟，其处理评论2的时间为9分钟。
此时，目标函数为：
Figure P_220506155717003_003209001
，约束条件为：
Figure P_220506155717034_034439002
，
Figure P_220506155717050_050085003
，以及
Figure P_220506155717081_081320004
，其中，其中，
Figure P_220506155717112_112573005
表征第
Figure P_220506155717128_128194006
条评论被分配至第
Figure P_220506155717144_144730007
个目标对象处理，
Figure P_220506155717176_176062008
表征第
Figure P_220506155717191_191737009
条评论未被分配至第
Figure P_220506155717222_222959010
个目标对象处理。
请参阅图2，使用分支定界算法的求解过程如下：首先，删除的整数约束（即不需要
Figure P_220506155717238_238565001
、
Figure P_220506155717254_254161002
、
Figure P_220506155717285_285439003
和
Figure P_220506155717316_316679004
的解均为整数），得到原问题的松弛问题，对该松弛问题进行求解，得到最优解为
Figure P_220506155717333_333289005
，
Figure P_220506155717365_365034006
，需要说明的是，
Figure P_220506155717396_396273007
为目标函数。
在得到上述最优解后，进行第一次迭代，具体的，因在上述最优解中，
Figure P_220506155717411_411892001
的解为非整数，故以
Figure P_220506155717427_427510002
的分支变量生成两个子问题，其中，子问题1为：原问题加上附加约束
Figure P_220506155717458_458768003
，子问题2为：原问题加上附加约束
Figure P_220506155717474_474377004
。再次删掉整数约束，分别求解上述两个子问题对应的线性松弛问题，得到子问题1对应的结果：
Figure P_220506155717505_505741005
，
Figure P_220506155717522_522726006
，子问题2对应的结果：
Figure P_220506155717555_555488007
，
Figure P_220506155717586_586741008
，因此时所有解为整数，故该解为当前最优可行解，即
Figure P_220506155717602_602347009
。此时，因子问题2的所有解为整数，则对该问题2剪枝，即不再对该问题2添加附加约束。
接着，进行第二次迭代，对上述子问题1这一分支检查其线性松弛问题的最优解，因在子问题1对应的结果中
Figure P_220506155717633_633550001
为第一个非整数变量，则将其作为分支变量生成子问题3和子问题4，其中，子问题3为：原问题加上附加约束
Figure P_220506155717649_649186002
和
Figure P_220506155717680_680443003
，子问题4为：原问题加上附加约束
Figure P_220506155717696_696101004
和
Figure P_220506155717727_727338005
。再次删掉整数约束，分别求解上述两个子问题对应的线性松弛问题，得到子问题3对应的结果：
Figure P_220506155717760_760069006
，
Figure P_220506155717791_791790007
，子问题4对应的结果：
Figure P_220506155717807_807412008
，
Figure P_220506155717838_838670009
。此时，子问题3和子问题4的线性松弛问题最优解（即
Figure P_220506155717869_869888010
和
Figure P_220506155717916_916806011
）都大于现有最优可行解（即
Figure P_220506155717934_934814012
），故对该子问题3和子问题4进行剪枝，即不再对该问题3和子问题4添加附加约束。因此，可获得最优解为
Figure P_220506155717966_966594013
，
Figure P_220506155717997_997829014
，即可得到工程师2对问题1进行处理。
需要说明的是，在上述处理模型的处理过程中，需要剪枝的情况为：问题求解结果的边界值大于等于最优解；或者，问题的线性松弛问题不含可行解；或者，问题的线性松弛问题的最优解为整数，且若该解比现有最优可行解更小，则其成为最新的现有最优可行解。
作为另一种可选的实施方式，当评论的优先度得分越高表征评论的优先度越高时，可通过处理模型对每个评论对应的类别标签和预设的各目标对象对应的领域进行处理，获取各目标对象处理各评论对应的处理时间；还可通过处理模型中的分支定界算法对多个评论、目标函数、约束条件、优先度得分、各目标对象和处理时间进行处理，以对目标函数进行最大化求解，得到目标函数取最大值时的各评论以及处理各评论对应的目标对象。其中，处理模型获取各目标对象处理各评论对应的处理时间请参考前述的说明，避免赘述，此处不再说明。
在本申请实施例中，通过上述方式，避免了通过人工的方式对多个评论进行筛选和分配；并且，通过处理模型中的分支定界算法对目标函数进行最大化求解，能准确、快速的得到需要优先处理的各评论和处理各评论对应的目标对象，从而提高了处理评论的效率，进而提升了用户体验。
需要说明的是，上述对目标函数进行最大化求解的表达式可为：
Figure P_220506155718029_029093001
（4）
上述约束条件的表达式可为：
Figure P_220506155718060_060325001
（5）
Figure P_220506155718091_091579001
（6）
其中，
Figure P_220506155718122_122813001
，
Figure P_220506155718155_155532002
，
Figure P_220506155718186_186777003
为多个评论的总数，
Figure P_220506155718202_202390004
为目标对象的总数，
Figure P_220506155718233_233670005
为第
Figure P_220506155718264_264934006
条评论对应的优先度得分，
Figure P_220506155718296_296181007
为第
Figure P_220506155718327_327429008
条评论被第
Figure P_220506155718344_344444009
个目标对象处理时对应的处理时间，
Figure P_220506155718360_360628010
为预设时长范围的下限，
Figure P_220506155718391_391878011
为预设时长范围的上限，
Figure P_220506155718422_422629012
为第
Figure P_220506155718453_453893013
条评论被第
Figure P_220506155718469_469506014
个目标对象处理，其中，
Figure P_220506155718500_500761015
表征第
Figure P_220506155718516_516382016
条评论被分配至第
Figure P_220506155718550_550075017
个目标对象处理，
Figure P_220506155718565_565695018
表征第
Figure P_220506155718596_596949019
条评论未被分配至第
Figure P_220506155718628_628179020
个目标对象处理。
通过设置对目标函数进行最大化求解的表达式和约束条件的表达式，且上述对目标函数进行最大化求解的表达式表征获取各目标对象分别处理多个评论的优先度得分之和的最大值，该约束条件的表达式表征一条评论只能被一个目标对象处理，以及各目标对象分别处理多个评论的时间之和在预设时长范围内，使得处理模型能根据上述各表达式进行对应的数学运算，从而快速且准确的获取到预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象，进而提升了处理评论的效率。
还需要说明的是，处理模型通过分支定界算法对目标函数进行最大化求解的具体处理过程可参考前述例子（即处理模型通过分支定界算法对目标函数进行最小化求解的具体处理过程），此处不再说明。
此外，在获取到在预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象之后，可将上述各评论分配至对应的目标对象进行处理，即目标对象对各评论进行回复等操作。而未被选择为需要优先处理的评论则可在下一次处理时，与新增的多个评论一起再次进行上述处理（即步骤S101至步骤S105）。
请参阅图3，基于同一发明构思，本申请实施例还提供一种以用户需求驱动的项目调度装置100，该装置100包括：获取模块101、处理模块102和调度模块103。
获取模块101，用于获取多个评论，其中，每个评论均携带有表征该评论对应的业务领域的类别标签。
处理模块102，用于根据各评论携带的类别标签和预设的类别分数，获取各评论的类别得分；对多个评论进行情感分析，获取各评论的情感得分；根据情感得分和类别得分，获取每个评论的优先度得分，其中，优先度得分表征每个评论需要被处理的先后顺序，每个评论的优先度得分为该评论的情感得分和类别得分的乘积。
调度模块103，用于根据多个评论和各评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理各评论对应的目标对象，其中，有限资源为评论处理时长和有限的目标对象。
可选的，调度模块103具体用于通过处理模型对每个评论对应的类别标签和预设的各目标对象对应的领域进行处理，获取各目标对象处理各评论对应的处理时间；通过处理模型中的分支定界算法对多个评论、目标函数、约束条件、优先度得分、各目标对象和处理时间进行处理，以对目标函数进行最小化求解，得到目标函数取最小值时的各评论以及处理各评论对应的目标对象，其中，优先度得分越低，则表征评论的优先级越高。
可选的，调度模块103具体用于通过处理模型对每个评论对应的类别标签和预设的各目标对象对应的领域进行处理，获取各目标对象处理各评论对应的处理时间；通过处理模型中的分支定界算法对多个评论、目标函数、约束条件、优先度得分、各目标对象和处理时间进行处理，以对目标函数进行最大化求解，得到目标函数取最大值时的各评论以及处理各评论对应的目标对象，其中，优先度得分越高，则表征评论的优先级越高。
可选的，处理模块102具体用于对多个评论的内容均进行筛选，得到每个评论中表征用户情感的情感关键词；根据每个评论中的情感关键词，对每个评论进行评分，获得各评论的情感得分。
可选的，获取模块101具体用于获取多个初始评论，将多个初始评论分别与预设的关键词库进行匹配，筛选出有效的初始评论；将筛选出的初始评论输入预设的分类模型，获取筛选出的各初始评论对应的类别标签和情感标签；其中，情感标签包括正向标签和负向标签，多个评论为携带有负向标签的初始评论。
请参阅图4，基于同一发明构思，本申请实施例提供的一种电子设备200的示意性结构框图，该电子设备200可用于实施上述的一种以用户需求驱动的项目调度方法。本申请实施例中，电子设备200可以是，但不限于个人计算机（Personal Computer，PC）、智能手机、平板电脑、个人数字助理（Personal Digital Assistant，PDA）、移动上网设备(MobileInternet Device，MID)等。在结构上，电子设备200可以包括处理器210和存储器220。
处理器210与存储器220直接或间接地电性连接，以实现数据的传输或交互，例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。其中，处理器210可以是一种集成电路芯片，具有信号处理能力。处理器210也可以是通用处理器，例如，可以是中央处理器（Central Processing Unit，CPU）、数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit ，ASIC）、分立门或晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。此外，通用处理器可以是微处理器或者任何常规处理器等。
存储器220可以是，但不限于，随机存取存储器（Random Access Memory，RAM）、只读存储器（Read Only Memory，ROM）、可编程只读存储器（Programmable Read-OnlyMemory，PROM）、可擦可编程序只读存储器（Erasable Programmable Read-Only Memory，EPROM），以及电可擦编程只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM）。存储器220用于存储程序，处理器210在接收到执行指令后，执行该程序。
应当理解，图4所示的结构仅为示意，本申请实施例提供的电子设备200还可以具有比图4更少或更多的组件，或是具有与图4所示不同的配置。此外，图4所示的各组件可以通过软件、硬件或其组合实现。
需要说明的是，由于所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
基于同一发明构思，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序在被运行时执行上述实施例中提供的方法。
该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid StateDisk (SSD)）等。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，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，又例如，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通信接口，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。
另外，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。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
以上仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种以用户需求驱动的项目调度方法，其特征在于，所述方法包括：
获取多个评论，其中，每个所述评论均携带有表征该评论对应的业务领域的类别标签；
根据各所述评论携带的所述类别标签和预设的类别分数，获取各所述评论的类别得分；
对所述多个评论进行情感分析，获取各所述评论的情感得分；
根据所述情感得分和所述类别得分，获取每个所述评论的优先度得分，其中，所述优先度得分表征每个所述评论需要被处理的先后顺序，所述每个所述评论的优先度得分为该评论的情感得分和类别得分的乘积；
根据所述多个评论和各所述评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理所述各评论对应的目标对象，其中，所述有限资源为评论处理时长和有限的目标对象；
其中，所述根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理所述各评论对应的目标对象，包括：
通过所述处理模型对每个所述评论对应的类别标签和预设的各目标对象对应的领域进行处理，获取所述各目标对象处理各评论对应的处理时间；
通过所述处理模型中的所述分支定界算法对所述多个评论、所述目标函数、所述约束条件、所述优先度得分、各所述目标对象和所述处理时间进行处理，以对所述目标函数进行最小化求解，得到所述目标函数取最小值时的所述各评论以及处理所述各评论对应的目标对象，其中，所述优先度得分越低，则表征评论的优先级越高；或，
通过所述处理模型中的所述分支定界算法对所述多个评论、所述目标函数、所述约束条件、所述优先度得分、各所述目标对象和所述处理时间进行处理，以对所述目标函数进行最大化求解，得到所述目标函数取最大值时的所述各评论以及处理所述各评论对应的目标对象，其中，所述优先度得分越高，则表征评论的优先级越高。
2.根据权利要求1所述的方法，其特征在于，对所述目标函数进行最小化求解的表达式为：
Figure P_220628155530956_956576001
；
所述约束条件的表达式为：
Figure P_220628155531003_003451001
，以及
Figure P_220628155531050_050377002
；
其中，
Figure P_220628155531084_084503001
，
Figure P_220628155531100_100165002
，
Figure P_220628155531131_131382003
为所述多个评论的总数，
Figure P_220628155531162_162644004
为所述目标对象的总数，
Figure P_220628155531178_178264005
为第
Figure P_220628155531209_209505006
条评论对应的优先度得分，
Figure P_220628155531225_225148007
为第
Figure P_220628155531256_256382008
条评论被第
Figure P_220628155531274_274453009
个目标对象处理时对应的处理时间，
Figure P_220628155531290_290567010
为所述预设时长范围的下限，
Figure P_220628155531321_321851011
为所述预设时长范围的上限，
Figure P_220628155531337_337439012
为第
Figure P_220628155531368_368694013
条评论被第
Figure P_220628155531399_399935014
个目标对象处理，其中，
Figure P_220628155531415_415564015
表征第
Figure P_220628155531446_446857016
条评论被分配至第
Figure P_220628155531478_478539017
个目标对象处理，
Figure P_220628155531495_495705018
表征第
Figure P_220628155531526_526912019
条评论未被分配至第
Figure P_220628155531542_542544020
个目标对象处理。
3.根据权利要求1所述的方法，其特征在于，对所述目标函数进行最大化求解的表达式为：
Figure P_220628155531573_573779001
；
所述约束条件的表达式为：
Figure P_220628155531605_605032001
，以及
Figure P_220628155531636_636293002
；
其中，
Figure P_220628155531685_685163001
，
Figure P_220628155531716_716367002
，
Figure P_220628155531732_732008003
为所述多个评论的总数，
Figure P_220628155531762_762781004
为所述目标对象的总数，
Figure P_220628155531778_778388005
为第
Figure P_220628155531810_810139006
条评论对应的优先度得分，
Figure P_220628155531825_825748007
为第
Figure P_220628155531856_856975008
条评论被第
Figure P_220628155531875_875491009
个目标对象处理时对应的处理时间，
Figure P_220628155531907_907278010
为所述预设时长范围的下限，
Figure P_220628155531938_938506011
为所述预设时长范围的上限，
Figure P_220628155531969_969778012
为第
Figure P_220628155532001_001000013
条评论被第
Figure P_220628155532032_032279014
个目标对象处理，其中，
Figure P_220628155532063_063513015
表征第
Figure P_220628155532103_103562016
条评论被分配至第
Figure P_220628155532119_119201017
个目标对象处理，
Figure P_220628155532150_150443018
表征第
Figure P_220628155532166_166080019
条评论未被分配至第
Figure P_220628155532197_197303020
个目标对象处理。
4.根据权利要求1所述的方法，其特征在于，所述约束条件为一条所述评论只能被一个所述目标对象处理，以及各所述目标对象分别处理所述多个评论的时间之和在所述预设时长范围内。
5.根据权利要求1所述的方法，其特征在于，所述对所述多个评论进行情感分析，获取各所述评论的情感得分，包括：
对所述多个评论的内容均进行筛选，得到每个所述评论中表征用户情感的情感关键词；
根据每个所述评论中的情感关键词，对每个所述评论进行评分，获得各所述评论的情感得分。
6.根据权利要求1所述的方法，其特征在于，所述获取多个评论，包括：
获取多个初始评论，将所述多个初始评论分别与预设的关键词库进行匹配，筛选出有效的初始评论；
将筛选出的初始评论输入预设的分类模型，获取筛选出的各初始评论对应的类别标签和情感标签；其中，所述情感标签包括正向标签和负向标签，所述多个评论为携带有负向标签的初始评论。
7.根据权利要求6所述的方法，其特征在于，所述多个初始评论包括从车辆软件后台服务器获取的各初始评论，以及从汽车经销商管理系统获取到的各初始评论。
8.一种以用户需求驱动的项目调度装置，其特征在于，所述装置包括：
获取模块，用于获取多个评论，其中，每个所述评论均携带有表征该评论对应的业务领域的类别标签；
处理模块，用于根据各所述评论携带的所述类别标签和预设的类别分数，获取各所述评论的类别得分；对所述多个评论进行情感分析，获取各所述评论的情感得分；根据所述情感得分和所述类别得分，获取每个所述评论的优先度得分，其中，所述优先度得分表征每个所述评论需要被处理的先后顺序，所述每个所述评论的优先度得分为该评论的情感得分和类别得分的乘积；
调度模块，用于根据所述多个评论和各所述评论的优先度得分，以有限资源作为约束条件、将有限资源内能处理的总优先度得分作为目标函数，根据处理模型中预先设置的分支定界算法，获得预设时长范围内需要优先处理的各评论和处理所述各评论对应的目标对象，其中，所述有限资源为评论处理时长和有限的目标对象；
所述调度模块具体用于通过所述处理模型对每个所述评论对应的类别标签和预设的各目标对象对应的领域进行处理，获取所述各目标对象处理各评论对应的处理时间；通过所述处理模型中的所述分支定界算法对所述多个评论、所述目标函数、所述约束条件、所述优先度得分、各所述目标对象和所述处理时间进行处理，以对所述目标函数进行最小化求解，得到所述目标函数取最小值时的所述各评论以及处理所述各评论对应的目标对象，其中，所述优先度得分越低，则表征评论的优先级越高；或，通过所述处理模型中的所述分支定界算法对所述多个评论、所述目标函数、所述约束条件、所述优先度得分、各所述目标对象和所述处理时间进行处理，以对所述目标函数进行最大化求解，得到所述目标函数取最大值时的所述各评论以及处理所述各评论对应的目标对象，其中，所述优先度得分越高，则表征评论的优先级越高。
9.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器和所述存储器连接；
所述存储器用于存储程序；
所述处理器用于运行存储在所述存储器中的程序，执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在被计算机运行时执行如权利要求1-7中任一项所述的方法。
CN202210489342.9A 2022-05-07 2022-05-07 以用户需求驱动的项目调度方法、装置及电子设备 Active CN114580981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210489342.9A CN114580981B (zh) 2022-05-07 2022-05-07 以用户需求驱动的项目调度方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210489342.9A CN114580981B (zh) 2022-05-07 2022-05-07 以用户需求驱动的项目调度方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN114580981A CN114580981A (zh) 2022-06-03
CN114580981B true CN114580981B (zh) 2022-08-02

Family

ID=81767664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210489342.9A Active CN114580981B (zh) 2022-05-07 2022-05-07 以用户需求驱动的项目调度方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN114580981B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263329A (zh) * 2019-05-22 2019-09-20 深圳壹账通智能科技有限公司 软件产品测评处理方法、装置、计算机设备及存储介质
CN113282704A (zh) * 2021-05-07 2021-08-20 天津科技大学 一种对评论有用性进行判断和筛选的方法与装置
CN114169313A (zh) * 2021-12-10 2022-03-11 广汽埃安新能源汽车有限公司 优先级确定方法、装置、电子设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8396866B2 (en) * 2010-12-08 2013-03-12 Microsoft Corporation Matching reviewers to review objects
US11625599B2 (en) * 2019-06-19 2023-04-11 Yahoo Assets Llc Ranking user comments on media using reinforcement learning optimizing for session dwell time
US20210182752A1 (en) * 2019-12-17 2021-06-17 Beijing Didi Infinity Technology And Development Co., Ltd. Comment-based behavior prediction
CN111866578A (zh) * 2019-12-31 2020-10-30 北京嘀嘀无限科技发展有限公司 数据处理方法和装置、电子设备及计算机可读存储介质
CN111414543B (zh) * 2020-03-25 2023-03-21 抖音视界有限公司 用于生成评论信息序列的方法、装置、电子设备和介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263329A (zh) * 2019-05-22 2019-09-20 深圳壹账通智能科技有限公司 软件产品测评处理方法、装置、计算机设备及存储介质
CN113282704A (zh) * 2021-05-07 2021-08-20 天津科技大学 一种对评论有用性进行判断和筛选的方法与装置
CN114169313A (zh) * 2021-12-10 2022-03-11 广汽埃安新能源汽车有限公司 优先级确定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN114580981A (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
Lim et al. Data-driven requirements elicitation: A systematic literature review
CN108121795B (zh) 用户行为预测方法及装置
CN110995459B (zh) 异常对象识别方法、装置、介质及电子设备
CN111930805B (zh) 一种信息挖掘方法及计算机设备
CN107123047B (zh) 基于债券交易的数据采集系统及其数据采集方法
CN110020176A (zh) 一种资源推荐方法、电子设备以及计算机可读存储介质
CN109325121B (zh) 用于确定文本的关键词的方法和装置
CN111190689B (zh) 数字孪生系统仿真方法及装置
CN112818218B (zh) 信息推荐方法、装置、终端设备及计算机可读存储介质
CN110708285B (zh) 流量监控方法、装置、介质及电子设备
CN108959236A (zh) 医学文献分类模型训练方法、医学文献分类方法及其装置
CN109597810B (zh) 一种任务切分方法、装置、介质及电子设备
CN111582645B (zh) 基于因子分解机的app风险评估方法、装置和电子设备
CN116820714A (zh) 一种算力设备的调度方法、装置、设备和存储介质
CN107480861A (zh) 一种研发工时计算方法和装置
CN112465564A (zh) 一种供应商推荐方法、装置、终端
CN114580981B (zh) 以用户需求驱动的项目调度方法、装置及电子设备
CN117194382A (zh) 中台数据处理方法、装置、电子设备及存储介质
CN112488730A (zh) 一种产品召回任务处理方法、装置及设备
CN116485019A (zh) 一种数据处理方法及装置
CN111859985B (zh) Ai客服模型测试方法、装置、电子设备及存储介质
CN110737749B (zh) 创业计划评价方法、装置、计算机设备及存储介质
CN113888265A (zh) 产品推荐方法、装置、设备及计算机可读存储介质
JP2011227742A (ja) 対比表示データ生成装置または対比表示データ生成方法
CN112084408A (zh) 名单数据筛选方法、装置、计算机设备及存储介质

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
CP03 Change of name, title or address

Address after: No. 36 Longying Road, Shilou Town, Panyu District, Guangzhou City, Guangdong Province

Patentee after: GAC AION NEW ENERGY AUTOMOBILE Co.,Ltd.

Country or region after: China

Address before: No. 36 Longying Road, Shilou Town, Panyu District, Guangzhou City, Guangdong Province

Patentee before: GAC AION New Energy Vehicle Co.,Ltd.

Country or region before: China