CN115563153B - 基于人工智能的任务批量处理方法、系统及服务器 - Google Patents
基于人工智能的任务批量处理方法、系统及服务器 Download PDFInfo
- Publication number
- CN115563153B CN115563153B CN202211161484.9A CN202211161484A CN115563153B CN 115563153 B CN115563153 B CN 115563153B CN 202211161484 A CN202211161484 A CN 202211161484A CN 115563153 B CN115563153 B CN 115563153B
- Authority
- CN
- China
- Prior art keywords
- data
- interaction
- task data
- processing instruction
- interactive
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 222
- 230000003993 interaction Effects 0.000 claims abstract description 178
- 230000002452 interceptive effect Effects 0.000 claims abstract description 149
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000013480 data collection Methods 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims description 31
- 238000005457 optimization Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005065 mining Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供的基于人工智能的任务批量处理方法、系统及服务器，可以基于第一交互数据收集设备收集的待处理交互数据生成第一交互任务数据，并获得目标对象对应的第二交互任务数据，然后结合所述第一交互任务数据和所述第二交互任务数据优化所述第一交互任务数据是否符合指定处理要求，并基于满足所述指定处理要求的第一交互任务数据生成批量处理指示。采用这种方法，可以根据指定处理要求将每个生成的第一交互任务数据与缓存的第二交互任务数据进行比对，从而提高数据批量处理的效率。
Description
技术领域
本申请涉及数据批量处理技术领域，具体而言，涉及基于人工智能的任务批量处理方法、系统及服务器。
背景技术
工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
随着信息化不断的发展和进步，数据量越来越大，这样可能导致数据处理速度和效率过慢的问题，因此，亟需一种技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题，本申请提供了基于人工智能的任务批量处理方法、系统及服务器。
第一方面，提供一种基于人工智能的任务批量处理方法，该方法至少包括：获得目标对象的第一交互数据收集设备收集的待处理交互数据；结合所述待处理交互数据生成第一交互任务数据；获得所述目标对象对应的第二交互任务数据，其中，所述第二交互任务数据是所述目标对象的候选交互数据的交互任务数据，收集所述候选交互数据的交互数据收集设备涵盖所述第一交互数据收集设备；在结合所述第一交互任务数据和所述第二交互任务数据确定所述第一交互任务数据符合指定处理要求的前提上，结合所述第一交互任务数据生成批量处理指示。
在一种独立实施的实施例中，所述获得目标对象的第一交互数据收集设备收集的待处理交互数据，包括：获得所述第一交互数据收集设备收集的待处理任务集；依照指定挖掘周期对所述待处理任务集进行挖掘，获得所述待处理交互数据。
在一种独立实施的实施例中，所述方法还包括：基于在先配置的优化线程，确定所述待处理交互数据中符合指定优化要求的第一目标优化交互数据；所述结合所述待处理交互数据生成第一交互任务数据，包括：结合所述第一目标优化交互数据生成第一交互任务数据。
在一种独立实施的实施例中，所述第一交互任务数据涵盖所述第一交互数据收集设备的第一标签；在结合所述待处理交互数据生成第一交互任务数据之后，所述方法还包括：结合所述第一标签，确定所述第一交互数据收集设备所属的识别单元标签；将所述第一交互任务数据加载至所述识别单元标签对应的目标数据库；所述获得所述目标对象对应的第二交互任务数据，包括：获得所述识别单元标签对应的目标数据库中缓存的除所述第一交互任务数据外的第二交互任务数据。
在一种独立实施的实施例中，所述方法还包括根据以下方法优化所述第一交互任务数据是否符合指定处理要求：确定所述第一交互任务数据涵盖的第一处理指示与所述第二交互任务数据涵盖的第二处理指示；在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第一交互任务数据与所述第二交互任务数据逐一对应的交互数据收集片段之间的片段周期没有大于指定周期的前提上，确定所述第一交互任务数据不满足所述指定处理要求；或者，在所述第一处理指示与所述第二处理指示不为相同处理指示的前提上，或者在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第一交互任务数据与所述第二交互任务数据逐一对应的交互数据收集片段之间的片段周期大于指定周期的前提上，确定所述第一交互任务数据满足所述指定处理要求。
在一种独立实施的实施例中，所述方法还包括根据以下方法确定所述第一处理指示和所述第二处理指示是否为相同处理指示：获得所述第一处理指示的处理指示向量信息和所述第二处理指示的处理指示向量信息；确定所述第一处理指示的处理指示向量信息和所述第二处理指示的处理指示向量信息之间的指示向量关联性，如果所述指示向量关联性大于指定目标值，则确定所述第一处理指示和所述第二处理指示为相同处理指示。
在一种独立实施的实施例中，所述方法还包括：获取优化片段周期的更新处理指示；结合所述优化片段周期对所述指定周期进行优化。
在一种独立实施的实施例中，所述第一交互任务数据涵盖所述待处理交互数据中满足所述指定优化要求的对象信息；所述结合所述第一交互任务数据生成批量处理指示，包括：依照所述对象信息，在所述待处理交互数据中增加记录数据，所述记录数据用于记录所述待处理交互数据中满足所述指定优化要求的对象。
在一种独立实施的实施例中，所述第一交互任务数据中包括不少于一种的交互任务数据；所述方法还包括根据以下方法确定所述第一交互任务数据是否符合指定处理要求：确定所述第一交互任务数据涵盖的第一处理指示与所述第二交互任务数据涵盖的第二处理指示；在确定所述第一处理指示与所述第二处理指示为相同处理指示，且确定所述第二交互任务数据中所涵盖的交互任务数据的第一种类与所述第一交互任务数据所涵盖的交互任务数据的第二种类完全一致的前提上，确定所述第一交互任务数据不满足所述指定处理要求；在所述第一处理指示与所述第二处理指示不为相同处理指示的前提上，或者在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第二种类中涵盖第三种类的交互任务数据的前提上，确定所述第一交互任务数据满足所述指定处理要求，其中，所述第三种类为除所述第一种类外的其他种类。
在一种独立实施的实施例中，所述结合所述第一交互任务数据生成批量处理指示，包括：结合所述第一交互任务数据中所述第三种类的交互任务数据生成批量处理指示，其中，不同种类的交互任务数据生成的批量处理指示的关键向量不同；其中，所述批量处理指示的关键向量至少涵盖所述批量处理指示的处理状态和/或所述批量处理指示的处理装置。
第二方面，提供一种基于人工智能的任务批量处理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
第三方面，提供一种服务器，包括：存储器，用于存储计算机程序；与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1-8任意一项所述的方法。
本申请实施例所提供的基于人工智能的任务批量处理方法、系统及服务器，可以基于第一交互数据收集设备收集的待处理交互数据生成第一交互任务数据，并获得目标对象对应的第二交互任务数据，然后结合所述第一交互任务数据和所述第二交互任务数据优化所述第一交互任务数据是否符合指定处理要求，并基于满足所述指定处理要求的第一交互任务数据生成批量处理指示。采用这种方法，可以根据指定处理要求将每个生成的第一交互任务数据与缓存的第二交互任务数据进行比对，从而提高数据批量处理的效率。
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为本申请实施例所提供的一种基于人工智能的任务批量处理方法的流程图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种基于人工智能的任务批量处理方法，该方法可以包括以下步骤101-步骤104所描述的技术方案。
步骤101、获得目标对象的第一交互数据收集设备收集的待处理交互数据。
步骤102、结合所述待处理交互数据生成第一交互任务数据。
步骤103、获得所述目标对象对应的第二交互任务数据，其中，所述第二交互任务数据是所述目标对象的候选交互数据的交互任务数据，收集所述候选交互数据的交互数据收集设备涵盖所述第一交互数据收集设备。
步骤104、在结合所述第一交互任务数据和所述第二交互任务数据确定所述第一交互任务数据符合指定处理要求的前提上，结合所述第一交互任务数据生成批量处理指示。
根据上述步骤，以下步骤对上述进行进一步地解释。
针对步骤101、获得目标对象的第一交互数据收集设备收集的待处理交互数据。示例性的，所述目标对象可以是待处理的对象。所述目标对象对应有若干个交互数据收集设备，所述第一交互数据收集设备可以是随意一个交互数据收集设备，所述第一交互数据收集设备可以分布在可以记录到所述目标对象的位置处。
对于一些肯能实施的实施例而言，在获得目标对象的第一交互数据收集设备收集的待处理交互数据时，可以先获得所述第一交互数据收集设备收集的待处理任务集，然后依照指定挖掘周期对所述待处理任务集进行挖掘，获得所述待处理交互数据。
针对步骤102、结合所述待处理交互数据生成第一交互任务数据。
对于一些肯能实施的实施例而言，在结合所述待处理交互数据生成第一交互任务数据之前，可以先基于在先配置的优化线程，确定所述待处理交互数据中符合指定优化要求的第一目标优化交互数据，然后在结合所述待处理交互数据生成第一交互任务数据时，可以结合所述第一目标优化交互数据生成第一交互任务数据。
可以准确地识别出满足所述指定优化要求的第一目标优化交互数据。
针对步骤103、获得所述目标对象对应的第二交互任务数据，其中，所述第二交互任务数据是所述目标对象的候选交互数据的交互任务数据，收集所述候选交互数据的交互数据收集设备涵盖所述第一交互数据收集设备。
对于一些肯能实施的实施例而言，所述第一交互任务数据涵盖所述第一交互数据收集设备的第一标签；在结合所述待处理交互数据生成第一交互任务数据之后，还可以结合所述第一标签，确定所述第一交互数据收集设备所属的识别单元标签；将所述第一交互任务数据加载至所述识别单元标签对应的目标数据库；然后在获得所述目标对象对应的第二交互任务数据时，可以获得所述识别单元标签对应的目标数据库中缓存的除所述第一交互任务数据外的第二交互任务数据。
示例性的，交互数据收集设备用于收集同一目标对象的交互数据；所述第一交互数据收集设备即为的随机一个交互数据收集设备，每个交互数据收集设备对应一个设备标签，如所述第一交互数据收集设备的第一标签；每一个识别单元标签；在缓存单元中可以包括若干个数据库，每个数据库可以分别缓存对应不同识别单元标签的候选交互任务数据。
这里，在接收到所述第一交互任务数据后，可以先识别所述第一交互任务数据中的第一标签，基于指定的交互数据收集设备标签与识别单元标签之间的关联关系，确定与所述第一标签关联的识别单元标签，并将所述第一交互任务数据加载至所述识别单元标签对应的目标数据库，然后为了获得同一（即所述目标对象的）交互数据收集设备收集的待处理交互数据确定的候选交互任务数据，在获得所述目标对象对应的第二交互任务数据时，就可以将所述目标数据库中缓存的除所述第一交互任务数据外的信息作为第二交互任务数据。
在一种可能实施的实施例中，所述第一交互任务数据、以及所述候选交互任务数据可以依照接收的先后顺序直接缓存在数据库中，在获得所述目标对象对应的第二交互任务数据时，可以结合所述第一标签，确定所述第一交互数据收集设备所属的识别单元标签，同时，结合所述数据库中的候选交互任务数据的第二标签（即用于获得确定所述候选交互任务数据的待处理图片的交互数据收集设备的设备标签），确定所述候选交互任务数据的交互数据收集设备所属的识别单元标签，然后将与所述第一交互数据收集设备所属的识别单元标签相同的候选交互任务数据作为所述第二交互任务数据。
针对步骤104、在结合所述第一交互任务数据和所述第二交互任务数据确定所述第一交互任务数据符合指定处理要求的前提上，结合所述第一交互任务数据生成批量处理指示。
这里，在执行步骤104之前还需要确定所述第一交互任务数据与所述第二交互任务数据是否满足所述指定处理要求。
对于一些肯能实施的实施例而言，所述第二交互任务数据是基于第二目标优化交互数据生成的（即所述目标对象的候选交互数据）；在优化所述第一交互任务数据是否符合指定处理要求时，可以先确定所述第一交互任务数据涵盖的第一处理指示与所述第二交互任务数据涵盖的第二处理指示。
然后，在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第一交互任务数据与所述第二交互任务数据逐一对应的交互数据收集片段之间的片段周期没有大于指定周期的前提上，确定所述第一交互任务数据不满足所述指定处理要求；
或者，在所述第一处理指示与所述第二处理指示不为相同处理指示的前提上，或者在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第一交互任务数据与所述第二交互任务数据逐一对应的交互数据收集片段之间的片段周期大于指定周期的前提上，确定所述第一交互任务数据满足所述指定处理要求。
以下为针对上述确定所述第一交互任务数据是否满足所述指定处理要求的具体实施步骤。
（1）、确定所述第一处理指示与所述第二处理指示是否为相同处理指示。
首先，对于一些肯能实施的实施例而言，在确定所述第一处理指示和所述第二处理指示是否为相同处理指示时，可以先获得所述第一处理指示的处理指示向量信息和所述第二处理指示的处理指示向量信息，然后确定所述第一处理指示的处理指示向量信息和所述第二处理指示的处理指示向量信息之间的指示向量关联性，如果所述指示向量关联性大于指定目标值，则确定所述第一处理指示和所述第二处理指示为相同处理指示。
示例性的，所述第一处理指示的处理指示向量信息可以是从所述待处理交互数据中筛选出的；所述第二处理指示的关键向量可以是在先缓存的，也可以是从所述第二目标优化交互数据中筛选出的。
然后，计算所述第一处理指示的处理指示向量信息和所述第二处理指示的处理指示向量信息之间的指示向量关联性，然后将计算出的指示向量关联性与指定目标值进行比对，在所述指示向量关联性大于所述指定目标值时，确定所述第一处理指示与所述第二处理指示为相同处理指示；在所述相似度小于所述指定目标值时，确定所述第一处理指示与所述第二处理指示为不同对象。
（2）、确定所述第一交互任务数据与所述第二交互任务数据逐一对应的交互数据收集片段之间的片段周期是否大于指定周期。
示例性的，所述第一交互任务数据中涵盖第一获得片段，所述第一获得片段为所述第一交互数据收集设备收集所述待处理交互数据的片段，所述第二交互任务数据中涵盖第二获得片段，所述第二获得片段为所述交互数据收集设备收集所述第二目标优化交互数据的片段，所述第一获得片段与所述第二获得片段之差异即为所述片段周期。
再将所述片段周期与指定周期进行比对，如果所述片段周期大于所述指定周期，确定所述第一交互任务数据符合指定处理要求，如果所述片段周期不大于所述指定周期，则可以确定所述第一交互任务数据不符合指定处理要求，然后可以将所述第一交互任务数据剔除。
或者，在一种可能实施的实施例中，可以先确定所述片段周期是否大于所述指定周期，再确定所述第一处理指示与所述第二处理指示是否为相同处理指示。示例性的，可以先计算出所述第一获得片段与所述第二获得片段的片段周期，再确定所述片段周期是否大于所述指定周期，如果大于则确定所述第一交互任务数据符合指定处理要求，如果不大于，则确定所述第一处理指示与所述第二处理指示是否为相同处理指示，如果是，则所述第一交互任务数据不符合指定处理要求，如果不是，则所述第一交互任务数据符合指定处理要求。
在一种可能实施的实施例中，所述第一交互任务数据中包括不少于一种的交互任务数据，在确定所述第一交互任务数据是否符合指定处理要求时，还可以先确定所述第一交互任务数据涵盖的第一处理指示与所述第二交互任务数据涵盖的第二处理指示。
然后，在确定所述第一处理指示与所述第二处理指示为相同处理指示，且确定所述第二交互任务数据中所涵盖的交互任务数据的第一种类与所述第一交互任务数据所涵盖的交互任务数据的第二种类完全一致的前提上，确定所述第一交互任务数据不满足所述指定处理要求；
在所述第一处理指示与所述第二处理指示不为相同处理指示的前提上，或者在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第二种类中涵盖第三种类的交互任务数据的前提上，确定所述第一交互任务数据满足所述指定处理要求，其中，所述第三种类为除所述第一种类外的剩余种类。
对于一些肯能实施的实施例而言，在结合所述第一交互任务数据生成批量处理指示时，可以结合所述第一交互任务数据中所述第三种类的交互任务数据生成批量处理指示，其中，不同种类的交互任务数据生成的批量处理指示的关键向量不同；其中，所述批量处理指示的关键向量至少涵盖所述批量处理指示的处理状态和/或所述批量处理指示的处理装置。
对于一些肯能实施的实施例而言，用户端还可以对所述指定周期进行更改。示例性的，可以获取优化片段周期的更新处理指示；结合所述优化片段周期对所述指定周期进行优化。
对于一些肯能实施的实施例而言，所述第一交互任务数据还涵盖所述待处理交互数据中满足所述指定优化要求的对象信息；在结合所述第一交互任务数据生成批量处理指示时，可以依照所述对象信息，在所述待处理交互数据中增加记录数据，所述记录数据用于记录所述待处理交互数据中满足所述指定优化要求的对象。
本公开实施例提供的基于人工智能的任务批量处理方法，可以基于第一交互数据收集设备收集的待处理交互数据生成第一交互任务数据，并获得目标对象对应的第二交互任务数据，然后结合所述第一交互任务数据和所述第二交互任务数据优化所述第一交互任务数据是否符合指定处理要求，并基于满足所述指定处理要求的第一交互任务数据生成批量处理指示。采用这种方法，可以根据指定处理要求将每个生成的第一交互任务数据与缓存的第二交互任务数据进行比对，从而提高数据批量处理的效率。
在上述基础上，提供了一种基于人工智能的任务批量处理装置200，应用于基于人工智能的任务批量处理系统，所述装置包括：
数据获得模块210，用于获得目标对象的第一交互数据收集设备收集的待处理交互数据；
数据生成模块220，用于结合所述待处理交互数据生成第一交互任务数据；获得所述目标对象对应的第二交互任务数据，其中，所述第二交互任务数据是所述目标对象的候选交互数据的交互任务数据，收集所述候选交互数据的交互数据收集设备涵盖所述第一交互数据收集设备；
指示生成模块230，用过在结合所述第一交互任务数据和所述第二交互任务数据确定所述第一交互任务数据符合指定处理要求的前提上，结合所述第一交互任务数据生成批量处理指示。
在上述基础上，示出了一种基于人工智能的任务批量处理系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
在上述基础上，还提供了一种服务器，包括：存储器，用于存储计算机程序；与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述的方法。
综上，基于上述方案，可以基于第一交互数据收集设备收集的待处理交互数据生成第一交互任务数据，并获得目标对象对应的第二交互任务数据，然后结合所述第一交互任务数据和所述第二交互任务数据优化所述第一交互任务数据是否符合指定处理要求，并基于满足所述指定处理要求的第一交互任务数据生成批量处理指示。采用这种方法，可以根据指定处理要求将每个生成的第一交互任务数据与缓存的第二交互任务数据进行比对，从而提高数据批量处理的效率。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (8)
1.一种基于人工智能的任务批量处理方法，其特征在于，该方法至少包括：
获得目标对象的第一交互数据收集设备收集的待处理交互数据；
结合所述待处理交互数据生成第一交互任务数据；
获得所述目标对象对应的第二交互任务数据，其中，所述第二交互任务数据是所述目标对象的候选交互数据的交互任务数据，收集所述候选交互数据的交互数据收集设备涵盖所述第一交互数据收集设备；
在结合所述第一交互任务数据和所述第二交互任务数据确定所述第一交互任务数据符合指定处理要求的前提上，结合所述第一交互任务数据生成批量处理指示；
所述方法还包括根据以下方法优化所述第一交互任务数据是否符合指定处理要求：
确定所述第一交互任务数据涵盖的第一处理指示与所述第二交互任务数据涵盖的第二处理指示；
在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第一交互任务数据与所述第二交互任务数据逐一对应的交互数据收集片段之间的片段周期没有大于指定周期的前提上，确定所述第一交互任务数据不满足所述指定处理要求；
或者，在所述第一处理指示与所述第二处理指示不为相同处理指示的前提上，或者在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第一交互任务数据与所述第二交互任务数据逐一对应的交互数据收集片段之间的片段周期大于指定周期的前提上，确定所述第一交互任务数据满足所述指定处理要求；
所述方法还包括根据以下方法确定所述第一处理指示和所述第二处理指示是否为相同处理指示：
获得所述第一处理指示的处理指示向量信息和所述第二处理指示的处理指示向量信息；
确定所述第一处理指示的处理指示向量信息和所述第二处理指示的处理指示向量信息之间的指示向量关联性，如果所述指示向量关联性大于指定目标值，则确定所述第一处理指示和所述第二处理指示为相同处理指示。
2.根据权利要求1所述的方法，其特征在于，所述获得目标对象的第一交互数据收集设备收集的待处理交互数据，包括：
获得所述第一交互数据收集设备收集的待处理任务集；
依照指定挖掘周期对所述待处理任务集进行挖掘，获得所述待处理交互数据。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：基于在先配置的优化线程，确定所述待处理交互数据中符合指定优化要求的第一目标优化交互数据；
所述结合所述待处理交互数据生成第一交互任务数据，包括：结合所述第一目标优化交互数据生成第一交互任务数据。
4.根据权利要求3所述的方法，其特征在于，所述第一交互任务数据涵盖所述第一交互数据收集设备的第一标签；在结合所述待处理交互数据生成第一交互任务数据之后，所述方法还包括：
结合所述第一标签，确定所述第一交互数据收集设备所属的识别单元标签；
将所述第一交互任务数据加载至所述识别单元标签对应的目标数据库；
所述获得所述目标对象对应的第二交互任务数据，包括：获得所述识别单元标签对应的目标数据库中缓存的除所述第一交互任务数据外的第二交互任务数据。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取优化片段周期的更新处理指示；结合所述优化片段周期对所述指定周期进行优化；
所述第一交互任务数据涵盖所述待处理交互数据中满足指定优化要求的对象信息；所述结合所述第一交互任务数据生成批量处理指示，包括：
依照所述对象信息，在所述待处理交互数据中增加记录数据，所述记录数据用于记录所述待处理交互数据中满足所述指定优化要求的对象。
6.根据权利要求1所述的方法，其特征在于，所述第一交互任务数据中包括不少于一种的交互任务数据；所述方法还包括根据以下方法确定所述第一交互任务数据是否符合指定处理要求：
确定所述第一交互任务数据涵盖的第一处理指示与所述第二交互任务数据涵盖的第二处理指示；
在确定所述第一处理指示与所述第二处理指示为相同处理指示，且确定所述第二交互任务数据中所涵盖的交互任务数据的第一种类与所述第一交互任务数据所涵盖的交互任务数据的第二种类完全一致的前提上，确定所述第一交互任务数据不满足所述指定处理要求；
在所述第一处理指示与所述第二处理指示不为相同处理指示的前提上，或者在所述第一处理指示与所述第二处理指示为相同处理指示，且所述第二种类中涵盖第三种类的交互任务数据的前提上，确定所述第一交互任务数据满足所述指定处理要求，其中，所述第三种类为除所述第一种类外的其他种类；
其中，所述结合所述第一交互任务数据生成批量处理指示，包括：结合所述第一交互任务数据中所述第三种类的交互任务数据生成批量处理指示，其中，不同种类的交互任务数据生成的批量处理指示的关键向量不同；其中，所述批量处理指示的关键向量至少涵盖所述批量处理指示的处理状态和/或所述批量处理指示的处理装置。
7.一种基于人工智能的任务批量处理系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-6任一项所述的方法。
8.一种服务器，其特征在于，包括：
存储器，用于存储计算机程序；
与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1-6任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211161484.9A CN115563153B (zh) | 2022-09-23 | 2022-09-23 | 基于人工智能的任务批量处理方法、系统及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211161484.9A CN115563153B (zh) | 2022-09-23 | 2022-09-23 | 基于人工智能的任务批量处理方法、系统及服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115563153A CN115563153A (zh) | 2023-01-03 |
| CN115563153B true CN115563153B (zh) | 2023-11-24 |
Family
ID=84741577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211161484.9A Active CN115563153B (zh) | 2022-09-23 | 2022-09-23 | 基于人工智能的任务批量处理方法、系统及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115563153B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112818032A (zh) * | 2021-01-26 | 2021-05-18 | 龚世燕 | 服务于大数据挖掘分析的数据筛选方法及数据分析服务器 |
| CN113495962A (zh) * | 2021-07-28 | 2021-10-12 | 东莞市慧学慧玩教育科技有限公司 | 基于智慧医疗大数据的内容优化方法及云计算服务系统 |
| CN114625741A (zh) * | 2022-03-29 | 2022-06-14 | 罗永德 | 一种基于人工智能的数据处理方法、系统及云平台 |
| CN114647703A (zh) * | 2022-05-23 | 2022-06-21 | 武汉中科通达高新技术股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN114819614A (zh) * | 2022-04-22 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、系统及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3343968B1 (en) * | 2016-12-30 | 2021-08-11 | u-blox AG | Monitoring apparatus, device monitoring system and method of monitoring a plurality of networked devices |
-
2022
- 2022-09-23 CN CN202211161484.9A patent/CN115563153B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112818032A (zh) * | 2021-01-26 | 2021-05-18 | 龚世燕 | 服务于大数据挖掘分析的数据筛选方法及数据分析服务器 |
| CN113495962A (zh) * | 2021-07-28 | 2021-10-12 | 东莞市慧学慧玩教育科技有限公司 | 基于智慧医疗大数据的内容优化方法及云计算服务系统 |
| CN114625741A (zh) * | 2022-03-29 | 2022-06-14 | 罗永德 | 一种基于人工智能的数据处理方法、系统及云平台 |
| CN114819614A (zh) * | 2022-04-22 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、系统及设备 |
| CN114647703A (zh) * | 2022-05-23 | 2022-06-21 | 武汉中科通达高新技术股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115563153A (zh) | 2023-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113378554B (zh) | 一种医疗信息智能交互的方法及系统 | |
| CN116112746B (zh) | 在线教育直播视频压缩方法及系统 | |
| CN115641176B (zh) | 一种数据分析方法及ai系统 | |
| CN115373688B (zh) | 一种软件开发线程的优化方法、系统及云平台 | |
| CN115473822B (zh) | 一种5g智能网关数据传输方法、系统及云平台 | |
| CN114580495A (zh) | 基于人工智能的业务服务信息分析方法及服务器 | |
| CN115563153B (zh) | 基于人工智能的任务批量处理方法、系统及服务器 | |
| CN116250790A (zh) | 基于人工智能的智能控制拖鞋烘干的方法及系统 | |
| CN115079881B (zh) | 基于虚拟现实的画面校正方法及系统 | |
| CN117037982A (zh) | 一种医疗大数据信息智能采集方法及系统 | |
| CN113626688B (zh) | 基于软件定义的智能化医疗数据采集方法及系统 | |
| CN113610373B (zh) | 基于智能制造的信息决策处理方法及系统 | |
| CN113626538B (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
| CN115292301B (zh) | 基于人工智能的任务数据异常监测处理方法及系统 | |
| CN114911850B (zh) | 一种基于虚拟现实的磁悬浮失重控制方法及系统 | |
| CN115756576B (zh) | 软件开发包的翻译方法及软件开发系统 | |
| CN113609931B (zh) | 基于神经网络的人脸识别方法及系统 | |
| CN113626559B (zh) | 基于语义的网络文档智能检索的方法及系统 | |
| CN115858418B (zh) | 一种数据缓存的方法及系统 | |
| CN113627490B (zh) | 基于多核异构处理器的运维多模态决策方法及系统 | |
| CN114201973B (zh) | 基于人工智能的资源池对象数据挖掘方法及系统 | |
| CN114167965B (zh) | 基于数据中心的高热密度智能制冷方法及系统 | |
| CN116912351B (zh) | 基于人工智能的颅内结构成像的修正方法及系统 | |
| CN114663187B (zh) | 基于人工智能与电子商城的业务数据处理方法及系统 | |
| CN113609323B (zh) | 基于神经网络的图像降维方法及系统 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231031 Address after: Room 806, 4th Floor, Main Building, Galaxy Science and Technology Park, No. 15 Lutian Road, High tech Development Zone, Changsha City, Hunan Province, 410000 Applicant after: Hunan Xinyi Information Technology Co.,Ltd. Address before: No. 52, Pudong Road, Erdao District, Changchun City, 130000 Jilin Province Applicant before: Wen Zhongkai |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |