-
公开(公告)号:CN116881437B
公开(公告)日:2023-12-01
申请号:CN202311155178.9
申请日:2023-09-08
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
IPC: G06F16/338 , G06F16/33
Abstract: 本申请涉及文本处理技术领域,特别是涉及一种获取文本集的数据处理系统,所述系统包括:若干个初始文本、处理器和存储有计算机程序的存储器,计算机程序被处理器执行时,实现以下步骤:获取关键词向量集,根据任一关键词向量,获取任一初始文本中的目标词向量集,获取目标词向量集对应的目标权重集,根据目标词向量集和目标权重集,获取所述任一初始文本对应的优先值,根据任一优先值,获取到关键词向量集对应的排序文本集。可知,本发明首先根据相似度获取若干个目标词向量,使搜索到的排序文本集更符合用户的需求;还能够根据不同的权重对不同的目标词和目标字符标示出不同深浅程度的颜色,便于用户在对文本进行进一步分析。
-
公开(公告)号:CN116932231B
公开(公告)日:2023-12-22
申请号:CN202311196933.8
申请日:2023-09-18
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
IPC: G06F9/50
Abstract: 本申请涉及分布式系统处理技术领域,特别是涉及一种分布式集群的扩缩容系统,所述系统包括:预设模型ID集、预设模型的副本ID集、处理器和存储有计算机程序的存储器,计算机程序被处理器执行时,实现以下步骤:获取第一预设时间间隔内的任一预设模型ID对应的预设模型的总利用率,若总利用率大于对应的上限时,对该预设模型的副本数量进行扩容,若总利用率不大于上限时,获取目标请求对应的目标权重,若目标权重大于对应的上限时,对该预设模型的副本数量进行扩容,反之,对该预设模型的副本数量进行缩容。可知,本发明根据分布式集群内预设模型对应的总资源利用率和目标权重的情况,实现对分布式集群的扩容或缩容,维持集群的正常稳定运行。
-
公开(公告)号:CN115964658B
公开(公告)日:2023-10-20
申请号:CN202211241002.0
申请日:2022-10-11
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
IPC: G06F18/241 , G06F18/23 , G06F18/22 , G06F40/289
Abstract: 本发明涉及数据处理技术领域,具体涉及一种基于聚类的分类标签更新方法及系统,通过获取第m个待更新的分类标签中第q个文本条目Vmq中的词向量,并通过提取待匹配的分类标签对应的每个簇的簇中心点的语义向量,簇中心点的语义向量能够表征相应簇的平均语义,计算Vmq中词向量与簇中心点之间的相似度,在相似度大于相似度阈值时,将第q个文本条目对应的分类标签更新为最大值对应的分类标签,解决了现有技术中无法消除人为主观因素对分类的影响的技术问题,且能够大幅度的降低计算量,提高了标签更新的效率。
-
公开(公告)号:CN116881437A
公开(公告)日:2023-10-13
申请号:CN202311155178.9
申请日:2023-09-08
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
IPC: G06F16/338 , G06F16/33
Abstract: 本申请涉及文本处理技术领域,特别是涉及一种获取文本集的数据处理系统,所述系统包括:若干个初始文本、处理器和存储有计算机程序的存储器,计算机程序被处理器执行时,实现以下步骤:获取关键词向量集,根据任一关键词向量,获取任一初始文本中的目标词向量集,获取目标词向量集对应的目标权重集,根据目标词向量集和目标权重集,获取所述任一初始文本对应的优先值,根据任一优先值,获取到关键词向量集对应的排序文本集。可知,本发明首先根据相似度获取若干个目标词向量,使搜索到的排序文本集更符合用户的需求;还能够根据不同的权重对不同的目标词和目标字符标示出不同深浅程度的颜色,便于用户在对文本进行进一步分析。
-
公开(公告)号:CN116932231A
公开(公告)日:2023-10-24
申请号:CN202311196933.8
申请日:2023-09-18
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
IPC: G06F9/50
Abstract: 本申请涉及分布式系统处理技术领域,特别是涉及一种分布式集群的扩缩容系统,所述系统包括:预设模型ID集、预设模型的副本ID集、处理器和存储有计算机程序的存储器,计算机程序被处理器执行时,实现以下步骤:获取第一预设时间间隔内的任一预设模型ID对应的预设模型的总利用率,若总利用率大于对应的上限时,对该预设模型的副本数量进行扩容,若总利用率不大于上限时,获取目标请求对应的目标权重,若目标权重大于对应的上限时,对该预设模型的副本数量进行扩容,反之,对该预设模型的副本数量进行缩容。可知,本发明根据分布式集群内预设模型对应的总资源利用率和目标权重的情况,实现对分布式集群的扩容或缩容,维持集群的正常稳定运行。
-
公开(公告)号:CN115964658A
公开(公告)日:2023-04-14
申请号:CN202211241002.0
申请日:2022-10-11
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
IPC: G06F18/241 , G06F18/23 , G06F18/22 , G06F40/289
Abstract: 本发明涉及数据处理技术领域,具体涉及一种基于聚类的分类标签更新方法及系统,通过获取第m个待更新的分类标签中第q个文本条目Vmq中的词向量,并通过提取待匹配的分类标签对应的每个簇的簇中心点的语义向量,簇中心点的语义向量能够表征相应簇的平均语义,计算Vmq中词向量与簇中心点之间的相似度,在相似度大于相似度阈值时,将第q个文本条目对应的分类标签更新为最大值对应的分类标签,解决了现有技术中无法消除人为主观因素对分类的影响的技术问题,且能够大幅度的降低计算量,提高了标签更新的效率。
-
公开(公告)号:CN116932290A
公开(公告)日:2023-10-24
申请号:CN202311196936.1
申请日:2023-09-18
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
Abstract: 本申请涉及请求数据处理技术领域,特别是涉及一种获取目标模型的数据处理系统,所述系统包括:网关节点ID、预设模型ID集、处理器和存储有计算机程序的存储器,计算机程序被处理器执行时,实现以下步骤:当目标请求出现请求故障时,获取所述目标请求对应的目标请求次数和关键目标请求的当前重试次数,若目标请求次数小于当前重试次数,获取目标重试间隔,根据目标重试间隔,向网关节点发送关键目标请求,以调用所述关键目标请求对应的目标模型,若未调用到目标模型,调整重试间隔后继续发送所述关键目标请求。可知,本发明根据对重试次数和重试间隔的调整,实现对目标请求的合理调度,同时实现对系统资源的合理利用。
-
公开(公告)号:CN116932290B
公开(公告)日:2023-12-08
申请号:CN202311196936.1
申请日:2023-09-18
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
Abstract: 本申请涉及请求数据处理技术领域,特别是涉及一种获取目标模型的数据处理系统,所述系统包括:网关节点ID、预设模型ID集、处理器和存储有计算机程序的存储器,计算机程序被处理器执行时,实现以下步骤:当目标请求出现请求故障时,获取所述目标请求对应的目标请求次数和关键目标请求的当前重试次数,若目标请求次数小于当前重试次数,获取目标重试间隔,根据目标重试间隔,向网关节点发送关键目标请求,以调用所述关键目标请求对应的目标模型,若未调用到目标模型,调整重试间隔后继续发送所述关键目标请求。可知,本发明根据对重试次数和重试间隔的调整,实现对目标请求的合理调度,同时实现对系统资源的合理利用。
-
公开(公告)号:CN115374763B
公开(公告)日:2022-12-23
申请号:CN202211300026.9
申请日:2022-10-24
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
IPC: G06F40/194 , G06N5/00
Abstract: 本发明提供了一种获取用户优先级的系统,通过获取目标事件对应的目标文本特征以及目标决策树模型特征,进而将目标文本特征与目标决策树模型特征计算相似度,以得到中间决策树模型列表,对中间决策树模型列表进行并集处理获取关键决策树模型列表并获取关键决策树模型列表的运行结果,以得到目标事件对应的优先级,因此,只需运行关键决策树模型列表中的决策树模型无需运行所有的目标决策树模型,可以节省处理器的运行决策树模型的数量,提高处理器的运行效率并节省处理器的运行时间。
-
公开(公告)号:CN115374763A
公开(公告)日:2022-11-22
申请号:CN202211300026.9
申请日:2022-10-24
Applicant: 北京睿企信息科技有限公司 , 日照睿安信息科技有限公司
IPC: G06F40/194 , G06N5/00
Abstract: 本发明提供了一种获取用户优先级的系统,通过获取目标事件对应的目标文本特征以及目标决策树模型特征,进而将目标文本特征与目标决策树模型特征计算相似度,以得到中间决策树模型列表,对中间决策树模型列表进行并集处理获取关键决策树模型列表并获取关键决策树模型列表的运行结果,以得到目标事件对应的优先级,因此,只需运行关键决策树模型列表中的决策树模型无需运行所有的目标决策树模型,可以节省处理器的运行决策树模型的数量,提高处理器的运行效率并节省处理器的运行时间。
-
-
-
-
-
-
-
-
-