CN117130791B - 云客服平台的算力资源分配方法及系统 - Google Patents

云客服平台的算力资源分配方法及系统 Download PDF

Info

Publication number
CN117130791B
CN117130791B CN202311395887.4A CN202311395887A CN117130791B CN 117130791 B CN117130791 B CN 117130791B CN 202311395887 A CN202311395887 A CN 202311395887A CN 117130791 B CN117130791 B CN 117130791B
Authority
CN
China
Prior art keywords
resource allocation
computing power
stage
power resource
question
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
CN202311395887.4A
Other languages
English (en)
Other versions
CN117130791A (zh
Inventor
孙立彬
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.)
Nantong Huashidai Information Technology Co ltd
Original Assignee
Nantong Huashidai Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong Huashidai Information Technology Co ltd filed Critical Nantong Huashidai Information Technology Co ltd
Priority to CN202311395887.4A priority Critical patent/CN117130791B/zh
Publication of CN117130791A publication Critical patent/CN117130791A/zh
Application granted granted Critical
Publication of CN117130791B publication Critical patent/CN117130791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了云客服平台的算力资源分配方法及系统，涉及算力资源分配技术领域，该方法包括：提取多个预置问答任务；遍历多个问句模板进行语义识别算力分析；遍历多个预置问答任务的多个答句路径进行运行算力分析；对多个预置问答任务进行并行枚举组合；遍历若干个并行方案的第一并行方案，进行第一阶段算力资源分配；生成第二阶段算力资源分配结果解集；对第一阶段算力资源分配解集和第二阶段算力资源分配结果解集进行时间约束。通过本公开可以解决现有技术中存在由于云客服平台的算力资源分配效率较低，导致云客服平台的服务效率较低的技术问题，实现提高算力资源分配效率的目标，达到提高云客服平台服务效率的技术效果。

Description

云客服平台的算力资源分配方法及系统
技术领域
本公开涉及算力资源分配技术领域，具体涉及云客服平台的算力资源分配方法及系统。
背景技术
云客服平台为部署在云端服务器的客服系统。云客服平台智能接待、智能引导客户，通过预设的问题回答及时、清晰地回复客户的问题。但是现有的云客服平台面对不同的问答场景，自适应分配算力的能力较弱。
综上所述，现有技术中存在由于云客服平台的算力资源分配效率较低，导致云客服平台的服务效率较低的技术问题。
发明内容
本公开提供了云客服平台的算力资源分配方法及系统，用以解决现有技术中存在由于云客服平台的算力资源分配效率较低，导致云客服平台的服务效率较低的技术问题。
根据本公开的第一方面，提供了云客服平台的算力资源分配方法，包括：提取云客服平台的多个预置问答任务；遍历所述多个预置问答任务的多个问句模板进行语义识别算力分析，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线；遍历所述多个预置问答任务的多个答句路径进行运行算力分析，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线；对所述多个预置问答任务进行并行枚举组合，生成若干个并行方案；遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集；遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线进行第二阶段算力资源分配，生成第二阶段算力资源分配结果解集；对所述第一阶段算力资源分配解集和所述第二阶段算力资源分配结果解集进行时间约束，生成算力资源优选分配方案进行第一并行方案算力资源配置。
根据本公开的第二方面，提供了云客服平台的算力资源分配系统，包括：预置问答任务获得模块，所述预置问答任务获得模块用于提取云客服平台的多个预置问答任务；语义识别算力分析模块，所述语义识别算力分析模块用于遍历所述多个预置问答任务的多个问句模板进行语义识别算力分析，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线；运行算力分析模块，所述运行算力分析模块用于遍历所述多个预置问答任务的多个答句路径进行运行算力分析，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线；并行方案获得模块，所述并行方案获得模块用于对所述多个预置问答任务进行并行枚举组合，生成若干个并行方案；第一阶段算力资源分配解集获得模块，所述第一阶段算力资源分配解集获得模块用于遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集；第二阶段算力资源分配结果解集获得模块，所述第二阶段算力资源分配结果解集获得模块用于遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线进行第二阶段算力资源分配，生成第二阶段算力资源分配结果解集；第一并行方案算力资源配置模块，所述第一并行方案算力资源配置模块用于对所述第一阶段算力资源分配解集和所述第二阶段算力资源分配结果解集进行时间约束，生成算力资源优选分配方案进行第一并行方案算力资源配置。
本公开中提供的一个或多个技术方案，至少具有如下技术效果或优点：根据本公开采用的通过提取云客服平台的多个预置问答任务；遍历所述多个预置问答任务的多个问句模板进行语义识别算力分析，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线；遍历所述多个预置问答任务的多个答句路径进行运行算力分析，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线；对所述多个预置问答任务进行并行枚举组合，生成若干个并行方案；遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集；遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线进行第二阶段算力资源分配，生成第二阶段算力资源分配结果解集；对所述第一阶段算力资源分配解集和所述第二阶段算力资源分配结果解集进行时间约束，生成算力资源优选分配方案进行第一并行方案算力资源配置，解决了现有技术中存在由于云客服平台的算力资源分配效率较低，导致云客服平台的服务效率较低的技术问题，实现提高算力资源分配效率的目标，达到提高云客服平台服务效率的技术效果。
应当理解，本部分所描述的内容并非旨在标示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。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的云客服平台的算力资源分配方法的流程示意图；
图2为本公开实施例提供的云客服平台的算力资源分配方法中语义识别算力分析的流程示意图；
图3为本公开实施例提供的云客服平台的算力资源分配系统的结构示意图。
附图标记说明：预置问答任务获得模块11，语义识别算力分析模块12，运行算力分析模块13，并行方案获得模块14，第一阶段算力资源分配解集获得模块15，第二阶段算力资源分配结果解集获得模块16，第一并行方案算力资源配置模块17。
具体实施方式
以下结合附图对本公开的示范性实施例作出说明，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。
实施例一
本公开实施例提供的云客服平台的算力资源分配方法，兹参照图1作说明，所述方法包括：
本公开实施例提供的方法中包括：
提取云客服平台的多个预置问答任务；
具体地，云客服平台为部署在云端服务器的客服系统。与传统的线下部署客服系统相比，云客服具有更高效、更便捷、成本低、工作量低等特点。进一步地，根据历史云客服平台的运行记录，获得历史云客服平台的问答记录。将历史云客服平台的问答记录作为云客服平台的多个预置问答任务。或者基于本领域技术人员根据实际情况进行自定义设置。例如，云客服平台的工作范围为买卖交易，设置预置问答为发货时间等。
遍历所述多个预置问答任务的多个问句模板进行语义识别算力分析，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线；
具体地，依次访问多个预置问答任务，提取多个预置问答任务中多个问句任务，作为多个问句模板。对多个问句模板进行语义识别算力分析，构建需求曲线，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线。其中，第一秒级MAC运算需求曲线的横坐标为约束时长，纵坐标为需求算力。举例而言，第一秒级MAC运算需求曲线用于当识别时间为1秒时，计算需要的算力，当识别时间为2秒时，计算需要的算力。
遍历所述多个预置问答任务的多个答句路径进行运行算力分析，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线；
具体地，依次访问多个预置问答任务，提取多个预置问答任务的多个答句路径进行运行算力分析，按照获得多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线的方法，构建需求曲线，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线。其中，多个答句路径可以直接根据模板匹配获得，可以通过模型获得，同时模型的各项数据需要算力资源的支持，也可以通过联网进行网上检索，同时网上检索也需要算力支持。
对所述多个预置问答任务进行并行枚举组合，生成若干个并行方案；
具体地，对多个预置问答任务进行并行枚举组合，生成若干个并行方案。其中，一个预置问答任务单独进行为一个方案，两个预置问答任务并行进行为另一个方案，进而对全部的预置问答任务进行组合。
遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集；
具体地，从若干个并行方案中随机提取第一并行方案。根据第一并行方案的预置问答任务集，依次访问预置问答任务集的多个第一秒级MAC运算需求曲线，随机提取若干个秒级MAC运算数量。进一步地，根据第一并行方案的预置问答任务集，依次访问预置问答任务集的多个第一秒级指令处理需求曲线，随机提取若干个秒级指令处理数量。进一步地，对算力资源进行依次累加，获得累加总量。算力资源并行总量包括MAC并行处理总数量和指令并行处理总量。当累加总量小于或等于算力资源并行总量，则将若干个秒级指令处理数量和若干个秒级MAC运算数量添加进第一阶段算力资源分配解集。进一步地，预置问答任务的算力资源并行总量具有约束时长，当算力资源并行总量的整体时长大于或等于约束时长，表示算力资源分配方案不合理，则将对应的预置问答任务进行清洗删除，再补充满足约束时长的资源分配方案。
遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线进行第二阶段算力资源分配，生成第二阶段算力资源分配结果解集；
具体地，根据第一并行方案的预置问答任务集，依次访问预置问答任务集的多个第二秒级MAC运算需求曲线，随机提取若干个秒级MAC运算数量。进一步地，根据第一并行方案的预置问答任务集，依次访问预置问答任务集的多个第二秒级指令处理需求曲线，随机提取若干个秒级指令处理数量。进一步地，对算力资源进行依次累加，获得累加总量。算力资源并行总量包括MAC并行处理总数量和指令并行处理总量。当累加总量小于或等于算力资源并行总量，则将若干个秒级指令处理数量和若干个秒级MAC运算数量添加进第一阶段算力资源分配解集。进一步地，预置问答任务的算力资源并行总量具有约束时长，当算力资源并行总量的整体时长大于或等于约束时长，表示算力资源分配方案不合理，则将对应的预置问答任务进行清洗删除，再补充满足约束时长的资源分配方案。
对所述第一阶段算力资源分配解集和所述第二阶段算力资源分配结果解集进行时间约束，生成算力资源优选分配方案进行第一并行方案算力资源配置。
具体地，从第一阶段算力资源分配解集随机提取第一阶段解，从第二阶段算力资源分配结果解集随机提取第二阶段解。其中，第一阶段解为语义解析的处理时长，第二阶段解为问答匹配的处理时长。当随机提取进行组合的第一阶段解处理时长和第二阶段解处理时长之和小于或等于第一并行方案约束时长时，将第一阶段解和第二阶段解组合，添加进第一并行方案待选解。选择总体处理时长最小的分配方案，生成算力资源优选分配方案。
其中，通过本实施例可以解决现有技术中存在由于云客服平台的算力资源分配效率较低，导致云客服平台的服务效率较低的技术问题，实现提高算力资源分配效率的目标，达到提高云客服平台服务效率的技术效果。
本公开实施例提供的方法中还包括：
从所述多个问句模板提取第一预置问句模板，其中，所述第一预置问句模板和第一预置问答任务对应；
对所述第一预置问句模板，基于历史问答记录进行丰富化，生成第一预置问句集；
对语义识别节点配置算力资源数量序列，对所述第一预置问句集进行语义解析，生成解析时长序列，其中，所述算力资源数量序列包括秒级MAC运算数量序列和秒级指令处理数量序列；
基于所述解析时长序列和所述秒级MAC运算数量序列，构建第一预置问答任务秒级MAC运算需求曲线；
基于所述解析时长序列和所述秒级指令处理数量序列，构建第一预置问答任务秒级指令处理需求曲线；
将所述第一预置问答任务秒级MAC运算需求曲线添加进所述多个第一秒级MAC运算需求曲线，将所述第一预置问答任务秒级指令处理需求曲线，添加进所述多个第一秒级指令处理需求曲线。
具体地，如图2所示，从多个问句模板随机提取一组预置问句模板，作为第一预置问句模板。第一预置问句模板和第一预置问答任务的问句内容相对应。
进一步地，将第一预置问答任务在第一预置问句模板中进行匹配，匹配获得多个历史问句记录。多个历史问句记录进行两两关联分析，获得关联分析结果，根据关联分析结果进行聚类分析，获得分组结果，随机提取每个分组结果中的历史问句记录，生成第一预置问句集。
进一步地，对语义识别节点配置算力资源数量序列，对第一预置问句集进行语义解析，生成解析时长序列。当算力资源数量序列越长，语义识别节点的语义解析能力越强。当算力资源数量序列越短，语义识别节点的语义解析能力越弱。其中，算力资源数量序列包括秒级MAC运算数量序列和秒级指令处理数量序列。进一步地，秒级MAC运算为乘加器，一个乘法和加法可以在同一个指令周内完成的运算单元。
进一步地，将解析时长序列作为横轴，将秒级MAC运算数量序列作为纵轴，构建第一预置问答任务秒级MAC运算需求曲线。
进一步地，将解析时长序列作为横轴，将秒级指令处理数量序列作为纵轴，构建第一预置问答任务秒级指令处理需求曲线。
进一步地，根据第一预置问答任务秒级MAC运算需求曲线的获得方法，生成多个第一秒级MAC运算需求曲线。将第一预置问答任务秒级MAC运算需求曲线添加进多个第一秒级MAC运算需求曲线。根据第一预置问答任务秒级指令处理需求曲线的获得方法，生成多个第一秒级指令处理需求曲线。将第一预置问答任务秒级指令处理需求曲线，添加进多个第一秒级指令处理需求曲线。
其中，遍历多个预置问答任务的多个问句模板进行语义识别算力分析，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线，可以提高算力资源分配的效率。
本公开实施例提供的方法中还包括：
基于所述第一预置问句模板和所述第一预置问答任务，匹配历史问句记录集；
对所述历史问句记录集进行两两关联分析，生成若干个关联系数；
根据关联系数阈值，结合所述若干个关联系数对所述历史问句记录集进行聚类分析，生成历史问句记录分组结果；
从所述历史问句记录分组结果依次随机提取一个历史问句，设为所述第一预置问句集。
具体地，将第一预置问答任务在第一预置问句模板中进行匹配，匹配获得多个历史问句记录，组合生成历史问句记录集。
进一步地，对历史问句记录集内的多个历史问句记录两两进行关联分析，分析每个历史问句记录与其他历史问句记录的相似程度，根据相似程度生成若干个关联系数。
进一步地，根据关联系数阈值，结合若干个关联系数对历史问句记录集进行聚类分析，将关联系数大于阈值的历史问句记录聚集为一类，将关联系数小于或等于阈值的历史问句记录聚集为另一类，生成历史问句记录分组结果。其中，关联系数阈值为本领域技术人员根据实际情况设置获得。
进一步地，从两组历史问句记录分组结果依次随机提取一个历史问句，设为第一预置问句集。
其中，对第一预置问句模板，基于历史问答记录进行丰富化，生成第一预置问句集，用于对问句进行复杂分析，将复杂度相近的分为一组，复杂分组中选取一个代表问题分析。
本公开实施例提供的方法中还包括：
遍历所述历史问句记录集进行二进制编码解析，生成二进制编码序列集；
对所述二进制编码序列集进行两两距离分析，生成多个汉明距离评估结果；
对所述二进制编码序列集进行两两序列长度偏差分析，生成多个序列长度偏差评估结果；
当第一编码序列和第二编码序列的汉明距离评估结果大于汉明距离阈值，或/和序列长度偏差评估结果大于序列长度偏差阈值，将所述第一编码序列和所述第二编码序列的关联系数置为最小值，添加进所述若干个关联系数集；
当所述第一编码序列和所述第二编码序列的汉明距离评估结果小于或等于汉明距离阈值，且对序列长度偏差评估结果小于或等于序列长度偏差阈值，对所述汉明距离评估结果的倒数，与所述序列长度偏差评估结果的倒数加和，设为所述第一编码序列和所述第二编码序列的关联系数，添加进所述若干个关联系数集。
具体地，依次访问历史问句记录集的每个历史问句记录，对每个历史问句记录进行二进制编码解析，获得多个二进制编码序列，组合生成二进制编码序列集。举例而言，历史问句记录为“发货时间是什么时候？”，进行二进制编码解析可以获得“1100”。
进一步地，汉明距离为两个等长字符串之间的距离，也为两个字符串对应位置的不同字符的个数。对二进制编码序列集进行两两距离分析，生成多个汉明距离评估结果。当汉明距离越大，汉明距离对应的两个二进制编码序列差距越大，则两个二进制编码序列对应的历史问句记录的内容相差越大。举例而言，假设有两个二进制数1011101、1001001，二者的从右往左数的第3位、第5位不同，因此，1011101和1001001的汉明距离是2。
进一步地，对二进制编码序列集进行两两序列长度偏差分析，对每两个二进制编码序列进行长度值相减，生成多个序列长度偏差评估结果。当序列长度偏差评估结果的差值越大，两个二进制编码序列对应的历史问句记录的问句长度相差越大，则内容相差越大。举例而言，两个二进制编码序列的长度分别为5和3，进行长度偏差分析获得2。
进一步地，从二进制编码序列集中随机选取一个二进制编码序列，作为第一编码序列，随机选取另一个二进制编码序列，作为第二编码序列。进一步地，设置汉明距离阈值，其中，汉明距离阈值为本领域技术人员根据实际情况自定义设置获得。进一步地，当第一编码序列或第二编码序列的任意一个汉明距离评估结果大于汉明距离阈值时，或者第一编码序列和第二编码序列的两个汉明距离评估结果都大于汉明距离阈值时，表示第一编码序列和第二编码序列对应的内容相差较大，将第一编码序列和第二编码序列的关联系数置为最小值，添加进若干个关联系数集。其中，关联系数为两两序列的相关程度。
进一步地，设置序列长度偏差阈值，其中，序列长度偏差阈值为本领域技术人员根据实际情况自定义设置获得。当第一编码序列和第二编码序列的汉明距离评估结果都小于或等于汉明距离阈值，且序列长度偏差评估结果都小于或等于序列长度偏差阈值，表示第一编码序列和第二编码序列的内容相差较小，则对汉明距离评估结果的倒数，与序列长度偏差评估结果的倒数加和，设为第一编码序列和第二编码序列的关联系数，添加进所述若干个关联系数集。其中，当汉明距离评估结果和序列长度偏差评估结果越小，汉明距离评估结果的倒数和序列长度偏差评估结果的倒数越大，则第一编码序列和第二编码序列的内容相似程度越高。
其中，对历史问句记录集进行两两关联分析，生成若干个关联系数，可以获得历史问句记录集中各历史问句记录的相似程度。
本公开实施例提供的方法中还包括：
根据所述第一并行方案的预置问答任务集，遍历所述多个第一秒级MAC运算需求曲线随机提取若干个秒级MAC运算数量，其中，所述若干个秒级MAC运算数量和所述预置问答任务集一一对应；
根据所述第一并行方案的预置问答任务集，从所述多个第一秒级指令处理需求曲线随机提取若干个秒级指令处理数量，其中，所述若干个秒级指令处理数量和所述预置问答任务集一一对应；
当所述算力资源并行总量，同时满足所述若干个秒级MAC运算数量和所述若干个秒级指令处理数量，将所述若干个秒级指令处理数量和所述若干个秒级MAC运算数量添加进所述第一阶段算力资源分配解集；
重复M次，生成所述第一阶段算力资源分配解集。
具体地，随机提取一个并行方案，作为第一并行方案。根据第一并行方案的预置问答任务集，依次访问预置问答任务集的多个第一秒级MAC运算需求曲线，随机提取若干个秒级MAC运算数量。其中，获得预置问答任务集对应的多个曲线，分别将每个曲线上的秒级MAC运算数量进行提取组合，得到若干个秒级MAC运算数量。若干个秒级MAC运算数量中每个秒级MAC运算数量和预置问答任务集中对应的预置问答任务一一对应。
进一步地，根据第一并行方案的预置问答任务集，依次访问预置问答任务集的多个第一秒级指令处理需求曲线，随机提取若干个秒级指令处理数量。其中，获得预置问答任务集对应的多个曲线，分别将每个曲线上的秒级指令处理数量进行提取组合，得到若干个秒级指令处理数量。若干个秒级指令处理数量中每个秒级指令处理数量和预置问答任务集中对应的预置问答任务一一对应。
进一步地，对算力资源进行依次累加，获得累加总量。算力资源并行总量包括MAC并行处理总数量和指令并行处理总量。当累加总量小于或等于算力资源并行总量，则将若干个秒级指令处理数量和若干个秒级MAC运算数量添加进第一阶段算力资源分配解集。
进一步地，预置问答任务的算力资源并行总量具有约束时长，当算力资源并行总量的整体时长大于或等于约束时长，表示算力资源分配方案不合理，则将对应的预置问答任务进行清洗删除，再补充满足约束时长的资源分配方案。
其中，遍历若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集，可以提高算力资源分配效率。
本公开实施例提供的方法中还包括：
重复M次，生成M个初始第一阶段算力资源分配解，其中，所述M个初始第一阶段算力资源分配解具有M个处理时长；
基于所述M个处理时长中清洗处理时长大于或等于第一并行方案约束时长的解，生成M个初始第一阶段算力资源分配解清洗结果；
重复第一阶段算力资源分配，对M个初始第一阶段算力资源分配解清洗结果补充至M个满足处理时长小于所述第一并行方案约束时长的解，设为所述第一阶段算力资源分配解集。
具体地，重复比对M次，生成M个初始第一阶段算力资源分配解，其中，M个初始第一阶段算力资源分配解具有M个处理时长。其中，每个初始第一阶段算力资源分配解都具有多个任务的计算时长，对多个任务的计算时长进行时长由长到短的序列化处理，提取最大时长作为该解的计算时长。
进一步地，清洗为删除处理，通过清洗获得清洗结果，即获得删除后还剩余的初始第一阶段算力资源分配解。进一步地，将M个初始第一阶段算力资源分配解对应的M个处理时长中，对大于或等于第一并行方案约束时长的解的处理时长进行清洗，即删除对应的处理时长，表示对应的算力资源分配方案不合理，生成M个初始第一阶段算力资源分配解清洗结果。其中，第一并行方案约束时长的解为本领域技术人员根据实际情况自定义设置获得。
进一步地，重复第一阶段算力资源分配，再补充满足约束时长的初始第一阶段算力资源分配解的处理时长，即资源分配方案，补充至M个初始第一阶段算力资源分配解，并满足M个处理时长小于第一并行方案约束时长的解，则将M个初始第一阶段算力资源分配解设为第一阶段算力资源分配解集。
其中，重复M次，生成第一阶段算力资源分配解集，可以提高算力资源分配的效率。
本公开实施例提供的方法中还包括：
从所述第一阶段算力资源分配解集随机提取第一阶段解，从所述第二阶段算力资源分配结果解集随机提取第二阶段解；
当第一阶段解处理时长和第二阶段解处理时长之和小于或等于所述第一并行方案约束时长，将所述第一阶段解和所述第二阶段解组合，添加进第一并行方案待选解；
对所述第一并行方案待选解进行处理时长之和最小值分选，生成所述算力资源优选分配方案。
具体地，从第一阶段算力资源分配解集随机提取第一阶段解，从第二阶段算力资源分配结果解集随机提取第二阶段解。其中，第一阶段解为语义解析的处理时长，第二阶段解为问答匹配的处理时长。
进一步地，当随机提取进行组合的第一阶段解处理时长和第二阶段解处理时长之和小于或等于第一并行方案约束时长时，表示第一阶段解处理时长和第二阶段解处理时长之和为合理处理时长，将第一阶段解和第二阶段解组合，添加进第一并行方案待选解。进一步地，对第一并行方案待选解进行处理时长之和最小值分选，选择总体处理时长最小的分配方案，生成算力资源优选分配方案。
其中，对第一阶段算力资源分配解集和第二阶段算力资源分配结果解集进行时间约束，生成算力资源优选分配方案进行第一并行方案算力资源配置，可以提高算力资源分配的效率。
实施例二
基于与前述实施例中云客服平台的算力资源分配方法同样的发明构思，兹参照图3作说明，本公开还提供了云客服平台的算力资源分配系统，所述系统包括：
预置问答任务获得模块11，所述预置问答任务获得模块11用于提取云客服平台的多个预置问答任务；
语义识别算力分析模块12，所述语义识别算力分析模块12用于遍历所述多个预置问答任务的多个问句模板进行语义识别算力分析，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线；
运行算力分析模块13，所述运行算力分析模块13用于遍历所述多个预置问答任务的多个答句路径进行运行算力分析，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线；
并行方案获得模块14，所述并行方案获得模块14用于对所述多个预置问答任务进行并行枚举组合，生成若干个并行方案；
第一阶段算力资源分配解集获得模块15，所述第一阶段算力资源分配解集获得模块15用于遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集；
第二阶段算力资源分配结果解集获得模块16，所述第二阶段算力资源分配结果解集获得模块16用于遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线进行第二阶段算力资源分配，生成第二阶段算力资源分配结果解集；
第一并行方案算力资源配置模块17，所述第一并行方案算力资源配置模块17用于对所述第一阶段算力资源分配解集和所述第二阶段算力资源分配结果解集进行时间约束，生成算力资源优选分配方案进行第一并行方案算力资源配置。
进一步地，所述系统还包括：
第一预置问句模板获得模块，所述第一预置问句模板获得模块用于从所述多个问句模板提取第一预置问句模板，其中，所述第一预置问句模板和第一预置问答任务对应；
第一预置问句集获得模块，所述第一预置问句集获得模块用于对所述第一预置问句模板，基于历史问答记录进行丰富化，生成第一预置问句集；
解析时长序列获得模块，所述解析时长序列获得模块用于对语义识别节点配置算力资源数量序列，对所述第一预置问句集进行语义解析，生成解析时长序列，其中，所述算力资源数量序列包括秒级MAC运算数量序列和秒级指令处理数量序列；
第一预置问答任务秒级MAC运算需求曲线获得模块，所述第一预置问答任务秒级MAC运算需求曲线获得模块用于基于所述解析时长序列和所述秒级MAC运算数量序列，构建第一预置问答任务秒级MAC运算需求曲线；
第一预置问答任务秒级指令处理需求曲线获得模块，所述第一预置问答任务秒级指令处理需求曲线获得模块用于基于所述解析时长序列和所述秒级指令处理数量序列，构建第一预置问答任务秒级指令处理需求曲线；
第一秒级指令处理需求曲线获得模块，所述第一秒级指令处理需求曲线获得模块用于将所述第一预置问答任务秒级MAC运算需求曲线添加进所述多个第一秒级MAC运算需求曲线，将所述第一预置问答任务秒级指令处理需求曲线，添加进所述多个第一秒级指令处理需求曲线。
进一步地，所述系统还包括：
历史问句记录集匹配模块，所述历史问句记录集匹配模块用于基于所述第一预置问句模板和所述第一预置问答任务，匹配历史问句记录集；
关联系数获得模块，所述关联系数获得模块用于对所述历史问句记录集进行两两关联分析，生成若干个关联系数；
聚类分析模块，所述聚类分析模块用于根据关联系数阈值，结合所述若干个关联系数对所述历史问句记录集进行聚类分析，生成历史问句记录分组结果；
历史问句提取模块，所述历史问句提取模块用于从所述历史问句记录分组结果依次随机提取一个历史问句，设为所述第一预置问句集。
进一步地，所述系统还包括：
二进制编码序列集获得模块，所述二进制编码序列集获得模块用于遍历所述历史问句记录集进行二进制编码解析，生成二进制编码序列集；
汉明距离评估结果获得模块，所述汉明距离评估结果获得模块用于对所述二进制编码序列集进行两两距离分析，生成多个汉明距离评估结果；
序列长度偏差评估结果获得模块，所述序列长度偏差评估结果获得模块用于对所述二进制编码序列集进行两两序列长度偏差分析，生成多个序列长度偏差评估结果；
关联系数集获得模块，所述关联系数集获得模块用于当第一编码序列和第二编码序列的汉明距离评估结果大于汉明距离阈值，或/和序列长度偏差评估结果大于序列长度偏差阈值，将所述第一编码序列和所述第二编码序列的关联系数置为最小值，添加进所述若干个关联系数集；
关联系数集处理模块，所述关联系数集处理模块用于当所述第一编码序列和所述第二编码序列的汉明距离评估结果小于或等于汉明距离阈值，且对序列长度偏差评估结果小于或等于序列长度偏差阈值，对所述汉明距离评估结果的倒数，与所述序列长度偏差评估结果的倒数加和，设为所述第一编码序列和所述第二编码序列的关联系数，添加进所述若干个关联系数集。
进一步地，所述系统还包括：
秒级MAC运算数量获得模块，所述秒级MAC运算数量获得模块用于根据所述第一并行方案的预置问答任务集，遍历所述多个第一秒级MAC运算需求曲线随机提取若干个秒级MAC运算数量，其中，所述若干个秒级MAC运算数量和所述预置问答任务集一一对应；
秒级指令处理数量获得模块，所述秒级指令处理数量获得模块用于根据所述第一并行方案的预置问答任务集，从所述多个第一秒级指令处理需求曲线随机提取若干个秒级指令处理数量，其中，所述若干个秒级指令处理数量和所述预置问答任务集一一对应；
第一阶段算力资源分配解集处理模块，所述第一阶段算力资源分配解集处理模块用于当所述算力资源并行总量，同时满足所述若干个秒级MAC运算数量和所述若干个秒级指令处理数量，将所述若干个秒级指令处理数量和所述若干个秒级MAC运算数量添加进所述第一阶段算力资源分配解集；
重复模块，所述重复模块用于重复M次，生成所述第一阶段算力资源分配解集。
进一步地，所述系统还包括：
初始第一阶段算力资源分配解获得模块，所述初始第一阶段算力资源分配解获得模块用于重复M次，生成M个初始第一阶段算力资源分配解，其中，所述M个初始第一阶段算力资源分配解具有M个处理时长；
清洗结果获得模块，所述清洗结果获得模块用于基于所述M个处理时长中清洗处理时长大于或等于第一并行方案约束时长的解，生成M个初始第一阶段算力资源分配解清洗结果；
清洗结果补充模块，所述清洗结果补充模块用于重复第一阶段算力资源分配，对M个初始第一阶段算力资源分配解清洗结果补充至M个满足处理时长小于所述第一并行方案约束时长的解，设为所述第一阶段算力资源分配解集。
进一步地，所述系统还包括：
第二阶段解获得模块，所述第二阶段解获得模块用于从所述第一阶段算力资源分配解集随机提取第一阶段解，从所述第二阶段算力资源分配结果解集随机提取第二阶段解；
第一并行方案待选解获得模块，所述第一并行方案待选解获得模块用于当第一阶段解处理时长和第二阶段解处理时长之和小于或等于所述第一并行方案约束时长，将所述第一阶段解和所述第二阶段解组合，添加进第一并行方案待选解；
算力资源优选分配方案获得模块，所述算力资源优选分配方案获得模块用于对所述第一并行方案待选解进行处理时长之和最小值分选，生成所述算力资源优选分配方案。
前述实施例一中的云客服平台的算力资源分配方法具体实例同样适用于本实施例的云客服平台的算力资源分配系统，通过前述对云客服平台的算力资源分配方法的详细描述，本领域技术人员可以清楚地知道本实施例中云客服平台的算力资源分配系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
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、组合和替代。任何在本公开的精神和原则之内所做的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (6)

1.云客服平台的算力资源分配方法，其特征在于，包括：
提取云客服平台的多个预置问答任务；
遍历所述多个预置问答任务的多个问句模板进行语义识别算力分析，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线，第一秒级MAC运算需求曲线的横坐标为约束时长，纵坐标为需求算力，包括：
从所述多个问句模板提取第一预置问句模板，其中，所述第一预置问句模板和第一预置问答任务对应；
对所述第一预置问句模板，基于历史问答记录进行丰富化，生成第一预置问句集；
对语义识别节点配置算力资源数量序列，对所述第一预置问句集进行语义解析，生成解析时长序列，其中，所述算力资源数量序列包括秒级MAC运算数量序列和秒级指令处理数量序列；
基于所述解析时长序列和所述秒级MAC运算数量序列，构建第一预置问答任务秒级MAC运算需求曲线；
基于所述解析时长序列和所述秒级指令处理数量序列，构建第一预置问答任务秒级指令处理需求曲线；
将所述第一预置问答任务秒级MAC运算需求曲线添加进所述多个第一秒级MAC运算需求曲线，将所述第一预置问答任务秒级指令处理需求曲线，添加进所述多个第一秒级指令处理需求曲线；
遍历所述多个预置问答任务的多个答句路径进行运行算力分析，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线，包括：
依次访问多个预置问答任务，提取多个预置问答任务的多个答句路径进行运行算力分析，按照获得多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线的方法，构建需求曲线，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线；
对所述多个预置问答任务进行并行枚举组合，生成若干个并行方案；
遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集；
遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线进行第二阶段算力资源分配，生成第二阶段算力资源分配结果解集；
对所述第一阶段算力资源分配解集和所述第二阶段算力资源分配结果解集进行时间约束，生成算力资源优选分配方案进行第一并行方案算力资源配置，包括：
从所述第一阶段算力资源分配解集随机提取第一阶段解，从所述第二阶段算力资源分配结果解集随机提取第二阶段解；
当第一阶段解处理时长和第二阶段解处理时长之和小于或等于所述第一并行方案约束时长，将所述第一阶段解和所述第二阶段解组合，添加进第一并行方案待选解；
对所述第一并行方案待选解进行处理时长之和最小值分选，生成所述算力资源优选分配方案。
2.如权利要求1所述的方法，其特征在于，对所述第一预置问句模板，基于历史问答记录进行丰富化，生成第一预置问句集，包括：
基于所述第一预置问句模板和所述第一预置问答任务，匹配历史问句记录集；
对所述历史问句记录集进行两两关联分析，生成若干个关联系数；
根据关联系数阈值，结合所述若干个关联系数对所述历史问句记录集进行聚类分析，生成历史问句记录分组结果；
从所述历史问句记录分组结果依次随机提取一个历史问句，设为所述第一预置问句集。
3.如权利要求2所述的方法，其特征在于，对所述历史问句记录集进行两两关联分析，生成若干个关联系数，包括：
遍历所述历史问句记录集进行二进制编码解析，生成二进制编码序列集；
对所述二进制编码序列集进行两两距离分析，生成多个汉明距离评估结果；
对所述二进制编码序列集进行两两序列长度偏差分析，生成多个序列长度偏差评估结果；
当第一编码序列和第二编码序列的汉明距离评估结果大于汉明距离阈值，或/和序列长度偏差评估结果大于序列长度偏差阈值，将所述第一编码序列和所述第二编码序列的关联系数置为最小值，添加进若干个关联系数集；
当所述第一编码序列和所述第二编码序列的汉明距离评估结果小于或等于汉明距离阈值，且对序列长度偏差评估结果小于或等于序列长度偏差阈值，对所述汉明距离评估结果的倒数，与所述序列长度偏差评估结果的倒数加和，设为所述第一编码序列和所述第二编码序列的关联系数，添加进所述若干个关联系数集。
4.如权利要求1所述的方法，其特征在于，遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集，包括：
根据所述第一并行方案的预置问答任务集，遍历所述多个第一秒级MAC运算需求曲线随机提取若干个秒级MAC运算数量，其中，所述若干个秒级MAC运算数量和所述预置问答任务集一一对应；
根据所述第一并行方案的预置问答任务集，从所述多个第一秒级指令处理需求曲线随机提取若干个秒级指令处理数量，其中，所述若干个秒级指令处理数量和所述预置问答任务集一一对应；
当所述算力资源并行总量，同时满足所述若干个秒级MAC运算数量和所述若干个秒级指令处理数量，将所述若干个秒级指令处理数量和所述若干个秒级MAC运算数量添加进所述第一阶段算力资源分配解集；
重复M次，生成所述第一阶段算力资源分配解集。
5.如权利要求4所述的方法，其特征在于，重复M次，生成所述第一阶段算力资源分配解集，还包括：
重复M次，生成M个初始第一阶段算力资源分配解，其中，所述M个初始第一阶段算力资源分配解具有M个处理时长；
基于所述M个处理时长中清洗处理时长大于或等于第一并行方案约束时长的解，生成M个初始第一阶段算力资源分配解清洗结果；
重复第一阶段算力资源分配，对M个初始第一阶段算力资源分配解清洗结果补充至M个满足处理时长小于所述第一并行方案约束时长的解，设为所述第一阶段算力资源分配解集。
6.云客服平台的算力资源分配系统，其特征在于，用于实施权利要求1-5中任意一项所述的云客服平台的算力资源分配方法，所述系统包括：
预置问答任务获得模块，所述预置问答任务获得模块用于提取云客服平台的多个预置问答任务；
语义识别算力分析模块，所述语义识别算力分析模块用于遍历所述多个预置问答任务的多个问句模板进行语义识别算力分析，生成多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线；
运行算力分析模块，所述运行算力分析模块用于遍历所述多个预置问答任务的多个答句路径进行运行算力分析，生成多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线；
并行方案获得模块，所述并行方案获得模块用于对所述多个预置问答任务进行并行枚举组合，生成若干个并行方案；
第一阶段算力资源分配解集获得模块，所述第一阶段算力资源分配解集获得模块用于遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第一秒级MAC运算需求曲线和多个第一秒级指令处理需求曲线进行第一阶段算力资源分配，生成第一阶段算力资源分配解集；
第二阶段算力资源分配结果解集获得模块，所述第二阶段算力资源分配结果解集获得模块用于遍历所述若干个并行方案的第一并行方案，基于算力资源并行总量，调取多个第二秒级MAC运算需求曲线和多个第二秒级指令处理需求曲线进行第二阶段算力资源分配，生成第二阶段算力资源分配结果解集；
第一并行方案算力资源配置模块，所述第一并行方案算力资源配置模块用于对所述第一阶段算力资源分配解集和所述第二阶段算力资源分配结果解集进行时间约束，生成算力资源优选分配方案进行第一并行方案算力资源配置。
CN202311395887.4A 2023-10-26 2023-10-26 云客服平台的算力资源分配方法及系统 Active CN117130791B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311395887.4A CN117130791B (zh) 2023-10-26 2023-10-26 云客服平台的算力资源分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311395887.4A CN117130791B (zh) 2023-10-26 2023-10-26 云客服平台的算力资源分配方法及系统

Publications (2)

Publication Number Publication Date
CN117130791A CN117130791A (zh) 2023-11-28
CN117130791B true CN117130791B (zh) 2023-12-26

Family

ID=88856768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311395887.4A Active CN117130791B (zh) 2023-10-26 2023-10-26 云客服平台的算力资源分配方法及系统

Country Status (1)

Country Link
CN (1) CN117130791B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118260081A (zh) * 2024-04-03 2024-06-28 河北铠沙世纪信息技术有限公司 一种ai服务器资源动态分配方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108038234A (zh) * 2017-12-26 2018-05-15 众安信息技术服务有限公司 一种问句模板自动生成方法及装置
CN110909138A (zh) * 2019-10-31 2020-03-24 浙江省北大信息技术高等研究院 一种用户意图识别方法及系统
CN112183953A (zh) * 2020-09-08 2021-01-05 北京达佳互联信息技术有限公司 客服资源的分配方法、装置、电子设备和存储介质
CN112231453A (zh) * 2020-10-13 2021-01-15 腾讯科技（深圳）有限公司 一种智能问答方法、装置、计算机设备及存储介质
CN113010632A (zh) * 2019-12-20 2021-06-22 中兴通讯股份有限公司 智能问答方法、装置、计算机设备和计算机可读介质
WO2021139438A1 (zh) * 2020-01-07 2021-07-15 平安科技（深圳）有限公司 大数据资源处理方法、装置、终端及存储介质
CN116226349A (zh) * 2023-03-02 2023-06-06 北京智通云联科技有限公司 基于表格语义fasttext问句解析的问答方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114416351B (zh) * 2021-12-29 2022-10-21 北京百度网讯科技有限公司 资源分配方法、装置、设备、介质及计算机程序产品

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108038234A (zh) * 2017-12-26 2018-05-15 众安信息技术服务有限公司 一种问句模板自动生成方法及装置
CN110909138A (zh) * 2019-10-31 2020-03-24 浙江省北大信息技术高等研究院 一种用户意图识别方法及系统
CN113010632A (zh) * 2019-12-20 2021-06-22 中兴通讯股份有限公司 智能问答方法、装置、计算机设备和计算机可读介质
WO2021139438A1 (zh) * 2020-01-07 2021-07-15 平安科技（深圳）有限公司 大数据资源处理方法、装置、终端及存储介质
CN112183953A (zh) * 2020-09-08 2021-01-05 北京达佳互联信息技术有限公司 客服资源的分配方法、装置、电子设备和存储介质
CN112231453A (zh) * 2020-10-13 2021-01-15 腾讯科技（深圳）有限公司 一种智能问答方法、装置、计算机设备及存储介质
CN116226349A (zh) * 2023-03-02 2023-06-06 北京智通云联科技有限公司 基于表格语义fasttext问句解析的问答方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王海鹏 ; 周兴社 ; 张涛 ; .面向普适环境的两阶段资源分配模型.西北工业大学学报.2010,(02),全文. *

Also Published As

Publication number Publication date
CN117130791A (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN117130791B (zh) 云客服平台的算力资源分配方法及系统
CN106570128A (zh) 一种基于关联规则分析的挖掘算法
CN112380319B (zh) 一种模型训练的方法及相关装置
Wang et al. Efficient hyper-parameter optimization for NLP applications
CN107025228B (zh) 一种问题推荐方法及设备
US11841839B1 (en) Preprocessing and imputing method for structural data
CN111260220B (zh) 群控设备识别方法、装置、电子设备和存储介质
CN113283238B (zh) 文本数据处理的方法和装置、电子设备和存储介质
US10467276B2 (en) Systems and methods for merging electronic data collections
CN111061837A (zh) 话题识别方法、装置、设备及介质
CN111967521B (zh) 跨境活跃用户识别方法及装置
CN114218375B (zh) 基于图谱的对话引导方法、装置、设备及介质
CN115859191A (zh) 故障诊断方法、装置、计算机可读存储介质及计算机设备
US9384238B2 (en) Block partitioning for efficient record processing in parallel computing environment
CN112257332B (zh) 一种仿真模型的评估方法及装置
CN107133321A (zh) 页面的搜索特性的分析方法和分析装置
CN115859932A (zh) 一种日志模板提取方法、装置、电子设备及存储介质
CN115759679A (zh) 分组方法及装置
CN112287663B (zh) 一种文本解析方法、设备、终端及存储介质
CN114756665A (zh) 回复的推荐方法、对话索引库的建立方法、装置及设备
WO2018136371A1 (en) Compressed encoding for bit sequence
CN113610629A (zh) 一种从大规模特征集中筛选客户数据特征的方法及装置
Cao et al. A Fast Randomized Algorithm for Finding the Maximal Common Subsequences
KR102621258B1 (ko) 다중 시계열 데이터의 특징점 추출을 통한 시계열 데이터 검색 시스템 및 방법
CN113705873B (zh) 影视作品评分预测模型的构建方法及评分预测方法

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