数据调整方法、装置及服务器制造方法及图纸

本说明书实施例提供一种数据调整方法、装置及服务器，该方案涉及两个模型，任务量预测模型用于根据历史任务数据的任务特征预测出未来预定时间的待处理任务的任务量预测值，而处理能力预测模型用于根据数据集中的处理单元特征，预测出该数据集的可处理任务量的预测值。通过上述两项预测，本说明书实施例可以根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述数据集的数据进行调整。

Data adjustment method, device and server

The embodiment of this specification provides a data adjustment method, device, and server. The scheme involves two models. The task load prediction model is used to predict the task load prediction value of a future predetermined time task according to the task characteristics of historical task data, and the processing capacity prediction model is used to predict the task load prediction value of a future predetermined time task according to the data set. The characteristics of the unit are predicted, and the predicted value of the processing task quantity of the data set is predicted. Through the above two predictions, the embodiment of this specification may determine whether the data set of the data set is adjusted according to the relative relationship between the predicted value of the processable task amount and the predicted value of the task amount.

【技术实现步骤摘要】
数据调整方法、装置及服务器
本说明书实施例涉及信息处理
，尤其涉及数据调整方法、装置及服务器。
技术介绍
在计算机应用
，通常会面临任务处理需求，对于这些任务处理需求，需要提前制定任务计划，以调度一些处理单元处理实际产生的任务。然而，即使预先安排了这些处理单元，但出于计划不够周全或实际产生的任务不可控等原因，安排好的处理单元有可能无法完成任务的处理，也有可能出现任务较少而处理单元闲置的情况。
技术实现思路
为克服相关技术中存在的问题，本说明书实施例提供了数据调整方法、装置及服务器。根据本说明书实施例实施例的第一方面，提供一种数据调整方法，所述方法包括：获取待调度人员数据集，所述人员数据集表征未来预定时间内的待调度人员；以历史任务数据的任务特征为输入，利用任务量预测模型获得未来预定时间的待处理任务的任务量预测值；以所述人员数据集中的人员特征为输入，利用处理能力预测模型获得所述人员数据集的可处理任务量的预测值；根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述人员数据集的数据进行调整。可选的，所述待处理任务包括至少两种任务类型，所述待处理任务的任务量预测值包括：针对每种类型待处理任务的数量预测值；所述人员数据集中的人员具有适配任务类型标签，所述获得所述人员数据集的可处理任务量的预测值，包括：针对由不同标签人员所构成的子集，分别获得所述子集的可处理任务量的预测值。可选的，所述根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对待调度人员数据集的数据进行调整，包括：根据所述子集的可处理任务量的预测值与对应类型待处理任务的数量预测值的相对关系，确定是否针对所述子集的数据进行调整。可选的，所述人员所具有的标签，通过该人员对所述一种或多种类型任务的历史处理效率而确定。可选的，所述根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对待调度人员数据集的数据进行调整，包括：根据所述可处理任务量的预测值与任务量预测值的差值，确定是否对所述人员数据集中的人员进行增加处理或减少处理。可选的，所述历史任务数据的任务特征包括如下一种或多种：设定时间周期内的任务产生数量、任务处理完成数量、任务类型、任务积压数量、任务积压类型、任务平均处理时长、任务期限或任务处理能力要求信息。可选的，所述人员特征包括如下一种或多种：人员身份信息、设定时间周期内所分配的任务数量、未完成的任务数量、已完成任务总量所有任务的平均处理时长、每种类型任务的平均处理时长、每种类型任务的完成量或每种类型任务的未完成量。根据本说明书实施例实施例的第二方面，提供一种数据调整方法，所述方法包括：获取处理单元数据集，所述数据集表征未来预定时间内的待调度处理单元；以历史任务数据的任务特征为输入，利用任务量预测模型获得未来预定时间的待处理任务的任务量预测值；以所述数据集中的处理单元特征为输入，利用处理能力预测模型获得所述数据集的可处理任务量的预测值；根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述数据集的数据进行调整。可选的，所述待处理任务包括至少两种任务类型，所述待处理任务的任务量预测值包括：针对每种类型待处理任务的数量预测值；所述数据集中的处理单元具有适配任务类型标签，所述获得所述数据集的可处理任务量的预测值，包括：针对由不同标签处理单元所构成的子集，分别获得所述子集的可处理任务量的预测值。可选的，所述根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述数据集的数据进行调整，包括：根据所述子集的可处理任务量的预测值与对应类型待处理任务的数量预测值的相对关系，确定是否针对所述子集的数据进行调整。可选的，所述处理单元所具有的标签，通过该处理单元对所述一种或多种类型任务的历史处理效率而确定。可选的，所述根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述数据集的数据进行调整，包括：根据所述可处理任务量的预测值与任务量预测值的差值，确定是否对所述数据集中的处理单元数量进行增加处理或减少处理。可选的，所述历史任务数据的任务特征包括如下一种或多种：设定时间周期内的任务产生数量、任务处理完成数量、任务类型、任务积压数量、任务积压类型、任务平均处理时长、任务期限或任务处理能力要求信息。可选的，所述处理特征包括如下一种或多种：处理单元标识特征、设定时间周期内所分配的任务数量、未完成的任务数量、已完成任务总量所有任务的平均处理时长、每种类型任务的平均处理时长、每种类型任务的完成量或每种类型任务的未完成量。根据本说明书实施例实施例的第三方面，提供一种数据调整装置，所述装置包括：数据集获取模块，用于：获取待调度人员数据集，所述人员数据集表征未来预定时间内的待调度人员；任务量预测模块，用于：以历史任务数据的任务特征为输入，利用任务量预测模型获得未来预定时间的待处理任务的任务量预测值；处理能力预测模块，用于：以所述人员数据集中的人员特征为输入，利用处理能力预测模型获得所述人员数据集的可处理任务量的预测值；调整模块，用于：根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述人员数据集的数据进行调整。可选的，所述待处理任务包括至少两种任务类型，所述待处理任务的任务量预测值包括：针对每种类型待处理任务的数量预测值；所述人员数据集中的人员具有适配任务类型标签，所述任务量预测模块42，用于：针对由不同标签人员所构成的子集，分别获得所述子集的可处理任务量的预测值。可选的，所述调整模块，用于：根据所述子集的可处理任务量的预测值与对应类型待处理任务的数量预测值的相对关系，确定是否针对所述子集的数据进行调整。可选的，所述人员所具有的标签，通过该人员对所述一种或多种类型任务的历史处理效率而确定。可选的，所述调整模块，用于：根据所述可处理任务量的预测值与任务量预测值的差值，确定是否对待调度人员数据集中的人员数量进行增加处理或减少处理。可选的，所述历史任务数据的任务特征包括如下一种或多种：设定时间周期内的任务产生数量、任务处理完成数量、任务类型、任务积压数量、任务积压类型、任务平均处理时长、任务期限或任务处理能力要求信息。可选的，所述人员特征包括如下一种或多种：人员身份特征、设定时间周期内所分配的任务数量、未完成的任务数量、已完成任务总量所有任务的平均处理时长、每种类型任务的平均处理时长、每种类型任务的完成量或每种类型任务的未完成量。根据本说明书实施例实施例的第四方面，提供一种数据调整装置，所述装置包括：数据集获取模块，用于：获取处理单元数据集，所述数据集表征未来预定时间内的待调度处理单元；任务量预测模块，用于：以历史任务数据的任务特征为输入，利用任务量预测模型获得未来预定时间的待处理任务的任务量预测值；处理能力预测模块，用于：以所述数据集中的处理单元特征为输入，利用处理能力预测模型获得所述数据集的可处理任务量的预测值；调整模块，用于：根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述数据集的数据进行调整。可选的，所述待处理任务包括至少两种任务类型，所述待处理任务的任务量预测值包括：针对每种类型待处理任务的数量预测值；所述数据集中的处理单元具有适配任务类型标签，所述任务量预测模块52，用于：针对由不同标签处本文档来自技高网...

【技术保护点】
1.一种数据调整方法，所述方法包括：获取待调度人员数据集，所述人员数据集表征未来预定时间内的待调度人员；以历史任务数据的任务特征为输入，利用任务量预测模型获得未来预定时间的待处理任务的任务量预测值；以所述人员数据集中的人员特征为输入，利用处理能力预测模型获得所述人员数据集的可处理任务量的预测值；根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述人员数据集的数据进行调整。

【技术特征摘要】
1.一种数据调整方法，所述方法包括：获取待调度人员数据集，所述人员数据集表征未来预定时间内的待调度人员；以历史任务数据的任务特征为输入，利用任务量预测模型获得未来预定时间的待处理任务的任务量预测值；以所述人员数据集中的人员特征为输入，利用处理能力预测模型获得所述人员数据集的可处理任务量的预测值；根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述人员数据集的数据进行调整。2.根据权利要求1所述的方法，所述待处理任务包括至少两种任务类型，所述待处理任务的任务量预测值包括：针对每种类型待处理任务的数量预测值；所述人员数据集中的人员具有适配任务类型标签，所述获得所述人员数据集的可处理任务量的预测值，包括：针对由不同标签人员所构成的子集，分别获得所述子集的可处理任务量的预测值。3.根据权利要求2所述的方法，所述根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对待调度人员数据集的数据进行调整，包括：根据所述子集的可处理任务量的预测值与对应类型待处理任务的数量预测值的相对关系，确定是否针对所述子集的数据进行调整。4.根据权利要求2所述的方法，所述人员所具有的标签，通过该人员对所述一种或多种类型任务的历史处理效率而确定。5.根据权利要求1所述的方法，所述根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对待调度人员数据集的数据进行调整，包括：根据所述可处理任务量的预测值与任务量预测值的差值，确定是否对所述人员数据集中的人员进行增加处理或减少处理。6.根据权利要求1所述的方法，所述历史任务数据的任务特征包括如下一种或多种：设定时间周期内的任务产生数量、任务处理完成数量、任务类型、任务积压数量、任务积压类型、平均处理时长、任务期限或任务处理能力要求信息。7.根据权利要求1所述的方法，所述人员特征包括如下一种或多种：人员身份信息、设定时间周期内所分配的任务数量、未完成的任务数量、已完成任务的平均处理时长、每种类型任务的平均处理时长、每种类型任务的完成量或每种类型任务的未完成量。8.一种数据调整方法，所述方法包括：获取处理单元数据集，所述数据集表征未来预定时间内的待调度处理单元；以历史任务数据的任务特征为输入，利用任务量预测模型获得未来预定时间的待处理任务的任务量预测值；以所述数据集中的处理单元特征为输入，利用处理能力预测模型获得所述数据集的可处理任务量的预测值；根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述数据集的数据进行调整。9.根据权利要求8所述的方法，所述待处理任务包括至少两种任务类型，所述待处理任务的任务量预测值包括：针对每种类型待处理任务的数量预测值；所述数据集中的处理单元具有适配任务类型标签，所述获得所述数据集的可处理任务量的预测值，包括：针对由不同标签处理单元所构成的子集，分别获得所述子集的可处理任务量的预测值。10.根据权利要求9所述的方法，所述根据可处理任务量的预测值与任务量预测值的相对关系，确定是否对所述数据集的数据进行调整，包括：根据所述子集的可处理任务量的预测值与对应类型待处理任务的数量预测值的相对关系，确定是否针对所述子集的...

【专利技术属性】
技术研发人员：阮征，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY