CN114860455A - 一种请求处理方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种请求处理方法、装置、设备及存储介质，涉及计算机技术领域，具体涉及分布式计算和大数据处理等人工智能技术领域。具体实现方案为：响应于包括待审核内容的内容审核请求，确定审核所述待审核内容的目标模型，以及所述目标模型的预计响应耗时；调用所述目标模型，对所述待审核内容进行审核；在所述预计响应耗时内未获取到所述目标模型对所述待审核内容的审核结果的情况下，调用所述目标模型，重新对所述待审核内容进行审核。根据本公开的技术，能够提高对内容审核请求的响应速度。

Description

一种请求处理方法、装置、设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及分布式计算和大数据等人工智能技术领域，具体涉及一种请求处理方法、装置、设备及存储介质。

背景技术

随着人工智能技术的不断发展，以及监管制度的严格化和常规化，目前主要采用机器模型来对用户想要发布的内容(比如文本、图像等)进行合规审核。在用户提交内容审核请求后，如何高效响应内容审核请求至关重要。

发明内容

本公开提供了一种请求处理方法、装置、设备及存储介质。

根据本公开的一方面，提供了一种请求处理方法，该方法包括：

响应于包括待审核内容的内容审核请求，确定审核所述待审核内容的目标模型，以及所述目标模型的预计响应耗时；

调用所述目标模型，对所述待审核内容进行审核；

在所述预计响应耗时内未获取到所述目标模型对所述待审核内容的审核结果的情况下，调用所述目标模型，重新对所述待审核内容进行审核。

根据本公开的另一方面，提供了一种请求处理装置，该装置包括：

目标模型确定模块，用于响应于包括待审核内容的内容审核请求，确定审核所述待审核内容的目标模型；

预计耗时确定模块，用于确定所述目标模型的预计响应耗时；

审核模块，用于调用所述目标模型，对所述待审核内容进行审核；

所述审核模块，还用于在所述预计响应耗时内未获取到所述目标模型对所述待审核内容的审核结果的情况下，调用所述目标模型，重新对所述待审核内容进行审核。

根据本公开的另一方面，提供了一种电子设备，该电子设备包括：

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本公开任一实施例所述请求处理方法。

根据本公开的另一方面，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计算机执行本公开任一实施例所述的请求处理方法。

根据本公开的另一方面，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本公开任一实施例所述的请求处理方法。

根据本公开的技术，能够提高对内容审核请求的响应速度。

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是根据本公开实施例提供的一种请求处理方法的流程图；

图2是根据本公开实施例提供的一种请求处理系统的架构图；

图3是根据本公开实施例提供的另一种请求处理方法的流程图；

图4A是根据本公开实施例提供的又一种请求处理方法的流程图；

图4B是根据本公开实施例提供的一种请求处理方法的原理框图；

图5是根据本公开实施例提供的一种请求处理装置的结构示意图；

图6是用来实现本公开实施例的请求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。

随着互联网数据规模的扩大、人工智能技术的不断发展和普及，以及监管制度的严格化和常规化，各互联网公司对用户想要发布的内容(比如文本、图像等)的审查需求也越来越高。目前主要采用机器模型来对用户想要发布的内容进行恶意推广、图片黑图库等众多违规维度的审核。

然而随着审核维度的逐渐增多，需要调用的底层模型越来越多，由于不同模型消耗的处理器资源、分配资源差异、模型自身特性等因素，总会存在一些长尾耗时，在并发调用的场景下任何一个或几个模型的长尾耗时都可能影响整体耗时。

在此场景下，如何高效响应用户所提交的内容审核请求至关重要。

图1是根据本公开实施例提供的一种请求处理方法的流程图，该方法适用于如何高效响应用户所提交的内容审核请求的情况。该方法可以由请求处理装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于承载请求处理功能的电子设备中，比如电子设备部署的审核平台中。可选的，该电子设备可以是服务器或终端。如图1所示，本实施例的请求处理方法可以包括：

S101，响应于包括待审核内容的内容审核请求，确定审核待审核内容的目标模型，以及目标模型的预计响应耗时。

本实施例中，所谓内容审核请求可以是用户在具有内容发布需求的情况下，按照发布平台的审核要求，通过用户端向审核平台所提交的请求。可选的，用户端中可配置有审核平台的交互工具，所谓交互工具即为面向用户的平台前端，是用户端与审核平台交互的桥梁。进一步的，交互工具可以以独立APP的形式呈现，或者还可以以浏览器界面的形式呈现，或者还可以以小程序的形式呈现等。

具体的，用户可以在用户端上的交互工具所提供的审核请求创建界面上填写内容审核的相关信息，并点击提交，以触发产生内容审核请求，发送至审核平台；进而审核平台可以获取用户端发送的内容审核请求。

可选的，内容审核请求中可以包括待审核内容。其中，待审核内容即为需要审核的具体内容；待审核内容的类型可以是审核平台所支持审核类型中的一种或多种。审核平台所支持审核类型可以包括图像、文本、链接和音视频等中的至少一种。

进一步的，内容审核请求中还可以包括用户标识和审核维度等信息。其中，用户标识可用于表征用户身份，可以是用户ID，或者还可以是审核平台向用户所颁发的访问令牌等。审核维度即为用户指定需要对待审核内容进行审核的维度，可以包括审核平台所支持的审核维度中的一项或多项。审核平台所支持的审核维度可以包括但不限于敏感标识识别维度、用户头像审核维度、图文审核维度、广告检测维度、图像质量检测维度和违禁识别维度等。进一步的，审核平台中每一审核维度可对应一个审核模型。

可选的，可以根据内容审核请求中的审核维度，确定审核待审核内容的目标模型。例如，内容审核请求中包括敏感标识识别维度和违禁识别维度，此时可以将敏感标识识别维度对应的审核模型，以及违禁识别维度对应的审核模型，均作为审核待审核内容的目标模型。

在一可实施方式中，若内容审核请求中未包括审核维度，则可以根据待审核内容的类型，从审核平台所支持的审核维度中选择目标维度，或者，还可以将对待审核内容这一类型的默认审核维度，作为目标维度；之后，将目标维度对应的审核模型，作为目标模型。

在又一可实施方式中，在确定需要采用多个审核模型对待审核内容进行审核的情况下，可以根据审核模型的优先级、运行审核模型所需的资源、以及处理器的剩余资源等，从多个审核模型中选择一个作为目标模型。其中，审核模型的优先级可以是预先设定的，也可以是根据待审核内容所需的审核维度的重要性确定。

例如，可以根据运行审核模型所需的资源和处理器的剩余资源，对多个审核模型进行初筛；根据审核模型的优先级，从初筛后的审核模型中选择一个作为目标模型。可选的，将优先级在前的预设个数的审核模型作为所述目标模型。可选的，将优先级最高的审核模型作为所述目标模型。

可选的，在确定目标模型之后，可以确定目标模型的预计响应耗时。其中，所谓预计响应耗时即为预计的目标模型审核一个内容并返回审核结果所需的时长。可选的，可以对当前时间之前一段时间内目标模型对历史审核内容的历史响应耗时数据进行统计分析，以确定目标模型的预计响应耗时。或者，还可以根据目标模型审核内容的审核流程复杂度和/或目标模型的组成结构复杂度，来确定目标模型的预计响应耗时。

S102，调用目标模型，对待审核内容进行审核。

可选的，可以创建一个针对目标模型的主线程，通过该主线程，来调用目标模型，将待审核内容作为目标模型的输入，运行目标模型，以使目标模型可以基于预先设定的审核逻辑，对待审核内容进行审核。

S103，在预计响应耗时内未获取到目标模型对待审核内容的审核结果的情况下，调用目标模型，重新对待审核内容进行审核。

可选的，从调用目标模型对待审核内容进行审核开始计时，若计时时长达到预计响应耗时，则确定目标模型是否返回审核结果；若没有，则可以创建一个针对目标模型的次线程，通过该次线程，调用目标模型，重新对待审核内容进行审核。

可选的，在目标模型的预计响应耗时符合阈值条件，且在该预计响应耗时内未获取到目标模型对待审核内容的审核结果的情况下，调用目标模型，重新对待审核内容进行审核。其中，可选的，在目标模型的预计响应耗时小于指定阈值的情况下，确定目标模型的预计响应耗时符合阈值条件。在该实施例中预计响应耗时较长的目标模型，在预计响应耗时内未获取到目标模型对待审核内容的审核结果时即执行重新对待审核内容进行审核的操作；预计响应耗时较短的目标模型，等待系统延迟响应或者系统触发审核失败后再重新发起审核，该实施例可以更大程度上提升对内容审核请求的响应速度。

本公开实施例提供的技术方案，在获取到包括待审核内容的内容审核请求之后，调用目标模型，对待审核内容进行审核，并在目标模型的预计响应耗时内未获取到目标模型对待审核内容的审核结果的情况下，调用目标模型，重新对待审核内容进行审核。上述方案，不需要等待超时或者内容审核请求彻底失败后再发起重试，可以在内容审核请求响应过程中提前发起重试，提高了响应速度。

在上述实施例的基础上，进一步对“确定审核待审核内容的目标模型”进行详细解释说明。在进行详细解释说明之前，首先介绍一种请求处理系统的架构图。如图2所示，任一注册成为审核平台的用户，均可以使用其所持有的用户端，通过网关层向审核平台发送内容审核请求。审核平台可以调用灵视算子层中的审核模型(即图2中的审核模型1至审核模型n中的任意一个或多个)，对图像、文本、链接和音频等多种类型的内容进行审核。

可选的，审核平台可以向用户提供多种审核维度，每一审核维度可对应灵视算子层中的一个审核模型。例如敏感标识识别维度，对应灵视算子层中的敏感标识识别模型；广告检测维度，对应灵视算子层中的广告检测模型等。

在上述请求处理系统架构的基础上，如果确定需要对待审核内容进行至少两个维度的审核，此时可以将每一审核维度对应的审核模型，均作为目标模型。也就是说，目标模型的数量为至少两个。

进一步的，每一个目标模型均对应一个预计响应耗时。更进一步的，不同目标模型的预计响应耗时可以相同，也可以不同。

需要说明的是，在分布式场景下，各目标模型对待审核内容的审核过程优选是并行的。也就是说，各目标模型对待审核内容的审核是相互独立的。

例如，需要采用目标模型a和目标模型b分别对待审核内容进行审核。此时可以调用目标模型a，对待审核内容进行审核；如果在目标模型a的预计响应耗时1内获取到目标模型a对待审核内容的审核结果，无需调用目标模型a，重新对待审核内容进行审核；否则，需要调用目标模型a，重新对待审核内容进行审核。

与此同时，调用目标模型b，对待审核内容进行审核；如果在目标模型b的预计响应耗时2内获取到目标模型b对待审核内容的审核结果，无需调用目标模型b，重新对待审核内容进行审核；否则，需要调用目标模型b，重新对待审核内容进行审核。

可以理解的是，本实施例这样设置的好处在于，在用户请求多个维度的模型对内容进行审核的情况下，只对超过预计响应耗时的模型才发起二次调用，未超过预计响应耗时的无需发起二次调用；相比于相关技术在接收到用户请求后直接对所有模型均发起二次调用而言，减少了不必要的资源消耗。

在一可选方式中，确定审核待审核内容的目标模型还可以是，确定审核待审核内容的至少两个审核模型；根据每一个审核模型的预计响应耗时，从至少两个审核模型中选择目标模型。

可选的，可以基于审核维度与审核模型之间的对应关系，根据内容审核请求中的审核维度，从所有审核模型中选择出审核待审核内容的至少两个审核模型。进一步的，每一审核模型均可对应一个预计响应耗时。

之后，可以将所选择出的至少两个审核模型中预计响应耗时最长的审核模型，作为目标模型。

相应的，作为目标模型的审核模型，存在二次被调用的可能；而其他未作为目标模型的审核模型，按照正常的处理流程，只会被调用一次。本实施例这样设置的好处在于，减少了响应内容审核请求的复杂度，同时在一定程度上，也减少了资源的消耗。

图3是根据本公开实施例提供的另一种请求处理方法的流程图，本实施例在上述实施例的基础上，进一步对“确定目标模型的预计响应耗时”进行详细解释说明。如图3所示，本实施例的请求处理方法包括：

S301，响应于包括待审核内容的内容审核请求，确定审核待审核内容的目标模型。

S302，根据目标模型对历史审核内容的历史响应耗时，确定目标模型的初始响应耗时。

本实施例中，历史审核内容即为目标模型历史审核过的内容；历史响应耗时即为目标模型审核历史审核内容并返回审核结果所用的时长。

可选的，可以对历史审核内容的历史响应耗时数据进行统计分析，以确定目标模型的初始响应耗时。

例如，对于某一目标模型，通过对其历史响应耗时数据进行统计分析可以得到P90耗时80ms(即90％的内容审核在80ms内返回)、P95耗时100ms(即95％的内容审核在100ms内返回)、以及P99耗时150ms(即99％的内容审核在150ms内返回)。可选的，可以根据实际需要，灵活选择初始响应耗时，例如可以将100ms作为该目标模型的初始响应耗时。

S303，根据初始响应耗时和目标模型的运行速度变化趋势，确定目标模型的预计响应耗时。

一种可实施方式，可以基于运行速度变化趋势与响应耗时调整数值之间的对应关系，根据目标模型的运行速度变化趋势，确定目标调整数值；基于目标调整数值，对初始响应耗时进行调整，并将调整后的初始响应耗时作为目标模型的预计响应耗时。

例如，运行速度变化趋势为下降，对应响应耗时增大5ms；运行速度变化趋势为上升，对应响应耗时减小5ms；运行速度变化趋势为稳定，对应响应耗时不变。假设目标模型的初始响应耗时为100ms，此时目标模型的运行变化趋势为下降，那么目标调整数值为+5ms，可以将105ms作为目标模型的预计响应耗时。

另一种可实施方式，可以基于机器学习模型来确定目标模型的预计响应耗时。例如，可以将目标模型的初始响应耗时和运行速度变化趋势，一并输入至预先训练好的耗时估计模型中，由该模型输出目标模型的预计响应耗时。

又一种可实施方式，可以根据初始响应耗时、目标模型的运行速度变化趋势、以及处理器的剩余资源，确定目标模型的预计响应耗时。本实施例中，处理器可以是中央处理器(Central Processing Unit，CPU)，和/或，图形处理器(Graphics P rocessing Unit，GPU)。

具体可以是，根据目标模型的运行速度变化趋势和处理器的剩余资源，确定目标调整数值；采用目标调整数值，对初始响应耗时进行调整，并将调整后的初始响应耗时作为目标模型的预计响应耗时。

即，基于运行速度变化趋势与响应耗时调整数值之间的对应关系，根据目标模型的运行速度变化趋势，确定初始调整数值。根据处理器的剩余资源和资源阈值之间的大小关系，对初始调整数值进行优化，得到目标调整数值。例如，若处理器的剩余资源小于资源阈值，则进一步增大初始调整数值，也就是说，如果初始调整数值为+5ms，可以将+10ms作为目标调整数值。之后基于目标调整数值，对初始响应耗时进行调整，并将调整后的初始响应耗时作为目标模型的预计响应耗时。

或者还可以是，根据目标模型的运行速度变化趋势和当前审核内容数量，以及处理器的剩余资源，确定目标调整数值；之后基于目标调整数值，对初始响应耗时进行调整，并将调整后的初始响应耗时作为目标模型的预计响应耗时。即，基于运行速度变化趋势、响应耗时调整数值和内容审核数量三者之间的对应关系，根据目标模型的运行速度变化趋势和当前审核内容数量，确定初始调整数值。根据处理器的剩余资源，对初始调整数值进行优化，得到目标调整数值。

需要说明的是，本实施例中结合模型的运行速度变化趋势和处理器的剩余资源等数据，来对初始响应耗时进行调整，使得所调整后的初始响应耗时(即预计响应耗时)更准确。

S304，调用目标模型，对待审核内容进行审核。

S305，在预计响应耗时内未获取到目标模型对待审核内容的审核结果的情况下，调用目标模型，重新对待审核内容进行审核。

本公开实施例提供的技术方案，在获取到包括待审核内容的内容审核请求之后，调用目标模型，对待审核内容进行审核，并在目标模型的预计响应耗时内未获取到目标模型对待审核内容的审核结果的情况下，调用目标模型，重新对待审核内容进行审核，其中目标模型的预计响应耗时根据目标模型的历史响应耗时所确定的初始响应耗时，以及目标模型的运行速度变化趋势确定。上述方案，模型的预计响应耗时可根据模型的运行速度变化趋势动态调整，尤其在用户请求多个维度的模型对内容进行审核的情况下，可降低发起二次调用模型的数量，进而可避免大量二次调用导致底层资源消耗成倍增长，从而出现雪崩的现象。

示例性的，在上述实施例的基础上，确定目标模型的运行速度变化趋势的方式可以有很多种。一种方式是：从系统运行记录数据中获取目标模型的历史运行记录，根据目标模型的历史运行记录，来确定目标模型的运行速度变化趋势。

另一种方式是：在初始响应耗时包括第一历史时段的第一响应耗时，以及第二历史时段的第二响应耗时的情况下，可以根据第一响应耗时和第二响应耗时，确定目标模型的运行速度变化趋势。

其中，第一历史时段和第二历史时段均为当前时间之前的历史时段。进一步的，第二历史时段相比于第一历史时段，更接近当前时间。可选的，本实施例可以设置响应耗时更新周期，比如一个小时更新一次；此时，第一历史时段可以是最近一次更新周期所对应的历史时段，第二历史时段为最近一次响应耗时更新时间至当前时间这一时间段。此时第一历史时段和第二历史时段之间不存在重叠时间段。比如，当前时间是10：20，最近一次更新响应耗时的时间是10：00，第一历史时段可以是9：00-10：00，第二历史时段可以是10：00-10：20。

或者，第二历史时段与第一历史时段存在重叠。例如，第一历史时段为当前时间之前一个小时至当前时间这一时间段，第二历史时段为当前时间之前十分钟至当前时间这一时间段。

可选的，第一响应耗时即为对第一历史时段内的历史审核内容的历史响应耗时进行统计分析所得到的响应耗时；对应的，第二响应耗时即为对第二历史时段内的历史审核内容的历史响应耗时进行统计分析所得到的响应耗时。

可选的，可以将第一响应耗时和第二响应耗时进行比较，若第一响应耗时大于第二响应耗时，则说明目标模型的响应速度变慢，即目标模型的运行速度变化趋势为下降；若第一响应耗时小于第二响应耗时，则说明目标模型的响应速度变快，即目标模型的运行速度变化趋势为上升。

进一步的，在初始响应耗时包括第一响应耗时和第二响应耗时的情况下，根据初始响应耗时和目标模型的运行速度变化趋势，确定目标模型的预计响应耗时可以是：根据目标模型的运行速度变化趋势，确定目标调整数值；基于目标调整数值，对第一响应耗时进行调整，并将调整后的第一响应耗时作为目标模型的预计响应耗时。

可以理解的是，本实施例通过不同历史时段的响应耗时来确定运行速度变化趋势，提高了运行速度变化趋势确定的准确性。

图4A是根据本公开实施例提供的又一种请求处理方法的流程图，图4B是根据本公开实施例提供的一种请求处理方法的原理框图。本实施例在上述实施例的基础上，增加了确定目标模型对待审核内容最终的审核结果的操作过程。结合图4A和4B，本实施例的请求处理方法包括：

S401，响应于包括待审核内容的内容审核请求，确定审核待审核内容的目标模型，以及目标模型的预计响应耗时。

S402，调用目标模型，对待审核内容进行审核。

S403，在预计响应耗时内未获取到目标模型对待审核内容的审核结果的情况下，调用目标模型，重新对待审核内容进行审核。

S404，将首次获取的目标模型对待审核内容的审核结果，作为目标模型对待审核内容最终的审核结果。

可选的，对于每一个审核待审核内容的目标模型，均可配置两个审核任务，分别为主任务和延迟任务，以及可配置两个线程，分别为主线程和次线程。可选的，主线程用于执行主任务，即步骤S402；次线程用于执行延迟任务，即步骤S403。

进一步的，每一个审核待审核内容的目标模型，还可以设置一个用于存储该目标模型返回结果的一个空字段(比如CompletableFuture)，主线程和次线程在得到该目标模型的审核结果后均可以将审核结果写入该空字段位置处；进一步的，对于该目标模型审核的每一个待审核内容，该空字段只能被设置一次。也就是说，如果主线程将该目标模型的审核结果写入到该空字段，那么次线程将无法对该空字段进行更改。

参见图4B，对于每一个目标模型，可以通过主线程来执行主任务，即通过主线程，调用该目标模型，将待审核内容作为目标模型的输入，运行该目标模型，以使该目标模型可以基于预先设定的审核逻辑，对待审核内容进行审核。如果主线程得到该目标模型的审核结果，即将该目标模型的审核结果写入到对应的空字段。此时若从对应的空字段位置处获取到该目标模型的审核结果，则取消对应的延迟任务，以及执行延迟任务的次线程。

进一步的，从调用该目标模型对待审核内容进行审核开始计时，若计时时长达到该目标模型的预计响应耗时，未从对应的空字段位置处获取到该目标模型的审核结果，则启动延迟任务，即通过次线程，调用该目标模型，重新对待审核内容进行审核。

进一步的，可以将首次获取的该目标模型对待审核内容的审核结果，作为该目标模型对待审核内容最终的审核结果。

例如，如果次线程先将该目标模型的审核结果写入到对应的空字段，此时首次获取的目标模型对待审核内容的审核结果，即为次线程得到的该目标模型的审核结果。此时，可以直接取消主任务，以及执行主任务的主线程。

进一步的，在采用多个模型对待审核内容进行审核的情况下，将各模型的审核结果汇总后反馈给用户。

本公开实施例提供的技术方案，在获取到包括待审核内容的内容审核请求之后，调用目标模型，对待审核内容进行审核，并在目标模型的预计响应耗时内未获取到目标模型对待审核内容的审核结果的情况下，调用目标模型，重新对待审核内容进行审核，将首次获取的目标模型对待审核内容的审核结果，作为目标模型对待审核内容最终的审核结果。上述方案，提高了获取目标模型对应的审核结果的效率。

图5是根据本公开实施例提供的一种请求处理装置的结构示意图。本公开实施例适用于如何高效响应用户所提交的内容审核请求的情况。该装置可以采用软件和/或硬件来实现，该装置可以实现本公开任意实施例所述的请求处理方法。如图5所示，该请求处理装置500包括：

目标模型确定模块501，用于响应于包括待审核内容的内容审核请求，确定审核待审核内容的目标模型；

预计耗时确定模块502，用于确定目标模型的预计响应耗时；

审核模块503，用于调用目标模型，对待审核内容进行审核；

审核模块503，还用于在预计响应耗时内未获取到目标模型对待审核内容的审核结果的情况下，调用目标模型，重新对待审核内容进行审核。

示例性的，预计耗时确定模块502包括：

初始耗时确定单元，用于根据目标模型对历史审核内容的历史响应耗时，确定目标模型的初始响应耗时；

预计耗时确定单元，用于根据初始响应耗时和目标模型的运行速度变化趋势，确定目标模型的预计响应耗时。

示例性的，在初始响应耗时包括第一历史时段的第一响应耗时，以及第二历史时段的第二响应耗时的情况下，上述装置还包括：

速度变化趋势确定单元，用于根据第一响应耗时和第二响应耗时，确定目标模型的运行速度变化趋势。

示例性的，预计耗时确定单元还用于：

根据初始响应耗时、目标模型的运行速度变化趋势、以及处理器的剩余资源，确定目标模型的预计响应耗时。

示例性的，预计耗时确定单元还用于：

根据目标模型的运行速度变化趋势和处理器的剩余资源，确定目标调整数值；

采用目标调整数值，对初始响应耗时进行调整，并将调整后的初始响应耗时作为目标模型的预计响应耗时。

示例性的，目标模型的数量为至少两个，每一个目标模型均对应一个预计响应耗时。

示例性的，目标模型确定模块501还用于：

确定审核待审核内容的至少两个审核模型；

根据每一个审核模型的预计响应耗时，从至少两个审核模型中选择目标模型。

示例性的，上述装置还包括：

审核结果确定模块，用于将目标模型对待审核内容审核后首次输出的审核结果，作为目标模型对待审核内容最终的审核结果。

本公开的技术方案中，所涉及的待审核内容、审核结果和审核模型等的获取、存储和应用等，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6示出了可以用来实施本公开的实施例的示例电子设备600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6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

电子设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600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601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601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601执行上文所描述的各个方法和处理，例如请求处理方法。例如，在一些实施例中，请求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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的请求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601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行请求处理方法。

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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。

云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。

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 (19)

1.一种请求处理方法，包括：

响应于包括待审核内容的内容审核请求，确定审核所述待审核内容的目标模型，以及所述目标模型的预计响应耗时；

调用所述目标模型，对所述待审核内容进行审核；

在所述预计响应耗时内未获取到所述目标模型对所述待审核内容的审核结果的情况下，调用所述目标模型，重新对所述待审核内容进行审核。

2.根据权利要求1所述的方法，其中，所述确定所述目标模型的预计响应耗时，包括：

根据所述目标模型对历史审核内容的历史响应耗时，确定所述目标模型的初始响应耗时；

根据所述初始响应耗时和所述目标模型的运行速度变化趋势，确定所述目标模型的预计响应耗时。

3.根据权利要求2所述的方法，其中，在所述初始响应耗时包括第一历史时段的第一响应耗时，以及第二历史时段的第二响应耗时的情况下，所述方法还包括：

根据所述第一响应耗时和所述第二响应耗时，确定所述目标模型的运行速度变化趋势。

4.根据权利要求2所述的方法，其中，所述根据所述初始响应耗时和所述目标模型的运行速度变化趋势，确定所述目标模型的预计响应耗时，包括：

根据所述初始响应耗时、所述目标模型的运行速度变化趋势、以及处理器的剩余资源，确定所述目标模型的预计响应耗时。

5.根据权利要求4所述的方法，其中，所述根据所述初始响应耗时、所述目标模型的运行速度变化趋势、以及处理器的剩余资源，确定所述目标模型的预计响应耗时，包括：

根据所述目标模型的运行速度变化趋势和处理器的剩余资源，确定目标调整数值；

采用所述目标调整数值，对所述初始响应耗时进行调整，并将调整后的初始响应耗时作为所述目标模型的预计响应耗时。

6.根据权利要求1-5中任一所述的方法，其中，所述目标模型的数量为至少两个，每一个目标模型均对应一个预计响应耗时。

7.根据权利要求1所述的方法，其中，所述确定审核所述待审核内容的目标模型，包括：

确定审核所述待审核内容的至少两个审核模型；

根据每一个审核模型的预计响应耗时，从所述至少两个审核模型中选择目标模型。

8.根据权利要求1所述的方法，还包括：

将首次获取的所述目标模型对所述待审核内容的审核结果，作为所述目标模型对所述待审核内容最终的审核结果。

9.一种请求处理装置，包括：

目标模型确定模块，用于响应于包括待审核内容的内容审核请求，确定审核所述待审核内容的目标模型；

预计耗时确定模块，用于确定所述目标模型的预计响应耗时；

审核模块，用于调用所述目标模型，对所述待审核内容进行审核；

所述审核模块，还用于在所述预计响应耗时内未获取到所述目标模型对所述待审核内容的审核结果的情况下，调用所述目标模型，重新对所述待审核内容进行审核。

10.根据权利要求9所述的装置，其中，所述预计耗时确定模块包括：

初始耗时确定单元，用于根据所述目标模型对历史审核内容的历史响应耗时，确定所述目标模型的初始响应耗时；

预计耗时确定单元，用于根据所述初始响应耗时和所述目标模型的运行速度变化趋势，确定所述目标模型的预计响应耗时。

11.根据权利要求10所述的装置，其中，在所述初始响应耗时包括第一历史时段的第一响应耗时，以及第二历史时段的第二响应耗时的情况下，所述装置还包括：

速度变化趋势确定单元，用于根据所述第一响应耗时和所述第二响应耗时，确定所述目标模型的运行速度变化趋势。

12.根据权利要求10所述的装置，其中，所述预计耗时确定单元还用于：

根据所述初始响应耗时、所述目标模型的运行速度变化趋势、以及处理器的剩余资源，确定所述目标模型的预计响应耗时。

13.根据权利要求12所述的装置，其中，所述预计耗时确定单元还用于：

根据所述目标模型的运行速度变化趋势和处理器的剩余资源，确定目标调整数值；

采用所述目标调整数值，对所述初始响应耗时进行调整，并将调整后的初始响应耗时作为所述目标模型的预计响应耗时。

14.根据权利要求9-13中任一所述的装置，其中，所述目标模型的数量为至少两个，每一个目标模型均对应一个预计响应耗时。

15.根据权利要求9所述的装置，其中，所述目标模型确定模块还用于：

确定审核所述待审核内容的至少两个审核模型；

根据每一个审核模型的预计响应耗时，从所述至少两个审核模型中选择目标模型。

16.根据权利要求9所述的装置，还包括：

审核结果确定模块，用于将首次获取的所述目标模型对所述待审核内容的审核结果，作为所述目标模型对所述待审核内容最终的审核结果。

17.一种电子设备，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1-8中任一项所述的请求处理方法。

18.一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计算机执行根据权利要求1-8中任一项所述的请求处理方法。

19.一种计算机程序产品，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权利要求1-8中任一项所述的请求处理方法。

Images