问答系统中的模型服务治理方法、装置和计算机设备制造方法及图纸

本申请涉及一种问答系统中的模型服务治理方法、装置、计算机可读存储介质和计算机设备，方法包括：接收问答数据，从模型流集合中选取优先级最高的目标模型流，对问答数据进行问答处理，采集目标模型流在进行问答处理时的指标数据，当指标数据满足模型流切换指标条件时，从模型流集合中获取优先级次高的备选模型流，将目标模型流的问答数据分流至备选模型流进行问答处理。一方面，通过配置模型流的方式进行问答处理，实现了多模型智能化组合，保障了问答服务的准确率，另一方面，通过配置多个模型流进行分流切换，根据模型流在进行问答处理过程中的指标数据来判断是否需要切换模型流，达到智能化的模型服务治理的目的，保障了问答系统的稳定运营。

Model service governance method, device and computer equipment in question answering system

【技术实现步骤摘要】
问答系统中的模型服务治理方法、装置和计算机设备
本申请涉及人工智能
，特别是涉及一种问答系统中的模型服务治理方法、装置、计算机可读存储介质和计算机设备。
技术介绍
随着人工智能技术的发展，出现了智能问答技术，在智能问答系统中，往往会使用机器学习模型、深度学习模型等方法对用户的问题进行理解、分析，再给出答案实现智能问答。然而，目前的智能问答方式，由于模型的性能和效果在不同时期会随着线上数据量的规模和数据的种类而发生变化，一方面导致在智能问答系统在线上的运营后，效果性能变的越来越差，维护成本也越来越大，另一方面，某些模型虽然预测效果好但是性能会比较差，如果线上的用户流量突增，很可能导致问答服务的不可用，无法保证智能问答系统的稳定运营。
技术实现思路
基于此，有必要针对无法保证智能问答系统的稳定运营的技术问题，提供一种问答系统中的模型服务治理方法、装置、计算机可读存储介质和计算机设备。一种问答系统中的模型服务治理方法，包括：接收问答数据，从模型流集合中选取优先级最高的目标模型流，对问答数据进行问答处理；采集目标模型流在进行问答处理时的指标数据；当指标数据满足模型流切换指标条件时，从模型流集合中获取优先级次高的备选模型流；将目标模型流的问答数据分流至备选模型流进行问答处理。一种问答系统中的模型服务治理装置，装置包括：目标模型流获取模块，用于接收问答数据，从模型流集合中选取优先级最高的目标模型流，对问答数据进行问答处理；指标数据获取模块，用于采集目标模型流在进行问答处理时的指标数据；备选模型流获取模块，用于当指标数据满足模型流切换指标条件时，从模型流集合中获取优先级次高的备选模型流；问答数据分流模块，用于将目标模型流的问答数据分流至备选模型流进行问答处理。一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：接收问答数据，从模型流集合中选取优先级最高的目标模型流，对问答数据进行问答处理；采集目标模型流在进行问答处理时的指标数据；当指标数据满足模型流切换指标条件时，从模型流集合中获取优先级次高的备选模型流；将目标模型流的问答数据分流至备选模型流进行问答处理。一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：接收问答数据，从模型流集合中选取优先级最高的目标模型流，对问答数据进行问答处理；采集目标模型流在进行问答处理时的指标数据；当指标数据满足模型流切换指标条件时，从模型流集合中获取优先级次高的备选模型流；将目标模型流的问答数据分流至备选模型流进行问答处理。上述问答系统中的模型服务治理方法、装置、计算机可读存储介质和计算机设备，一方面，通过配置模型流的方式进行问答处理，实现了问答系统中多个模型的智能化组合，相较于单一或分散的模型处理方式，保障了问答服务的准确率，另一方面，通过目标模型流对接收的问答数据进行处理，采集目标模型流在进行问答处理时的指标数据，当指标数据满足模型流切换指标条件时，将问答数据分流至备份模型流进行问答处理，通过配置多个模型流进行分流切换，根据模型流的在进行问答处理过程中的指标数据来判断是否需要切换进行问答处理的模型流，达到智能化的模型服务治理的目的，保障了问答系统的稳定运营。附图说明图1为一个实施例中智能问答系统中的模型服务治理方法的应用环境图；图2为一个实施例中智能问答系统中的模型服务治理方法的流程示意图；图3为另一个实施例中智能问答系统中的模型服务治理方法的流程示意图；图4为再一个实施例中智能问答系统中的模型服务治理方法的流程示意图；图5为又一个实施例中智能问答系统中的模型服务治理方法的流程示意图；图6(a)为一个实施例中智能问答系统中的模型服务治理方法中的串行连接方式的模型流示意图；图6(b)为一个实施例中智能问答系统中的模型服务治理方法中的并行连接方式的模型流示意图；图6(c)为一个实施例中智能问答系统中的模型服务治理方法中的判断执行连接方式的模型流示意图；图7为还一个实施例中智能问答系统中的模型服务治理方法的流程示意图；图8为另一个实施例中智能问答系统中的模型服务治理方法的流程示意图；图9为一个实施例中智能问答系统中的模型服务治理方法的应用客户端界面图；图10为一个实施例中智能问答系统中的模型服务治理方法的流程架构图；图11为一个实施例中智能问答系统中的模型服务治理方法数据流切换控制示意图；图12为另一个实施例中智能问答系统中的模型服务治理方法的流程示意图；图13为另一个实施例中智能问答系统中的模型服务治理装置的结构框图；图14为一个实施例中计算机设备的结构框图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。本申请实施例提供的方案中的智能问答系统涉及人工智能中的自然语言处理技术(NatureLanguageprocessing,NLP)。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。图1为一个实施例中智能问答系统中的模型服务治理方法的应用环境图。参照图1，该问答系统中的模型服务治理方法应用于智能问答系统。该智能问答系统包括终端110和服务器120。终端110和服务器120通过网络连接。服务器120可以接收用户通过终端110输入的问答数据，从模型流集合中选取优先级最高的目标模型流，对问答数据进行问答处理，采集目标模型流在进行问答处理时的指标数据，当指标数据满足模型流切换指标条件时，从模型流集合中获取优先级次高的备选模型流，将目标模型流的问答数据分流至备选模型流进行问答处理。其中，终端110具体可以是台式终端或移动终端，移动终端具体可以是手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服本文档来自技高网...

【技术保护点】
1.一种问答系统中的模型服务治理方法，包括：/n接收问答数据，从模型流集合中选取优先级最高的目标模型流，对所述问答数据进行问答处理；/n采集所述目标模型流在进行问答处理时的指标数据；/n当所述指标数据满足模型流切换指标条件时，从所述模型流集合中获取优先级次高的备选模型流；/n将所述目标模型流的问答数据分流至所述备选模型流进行问答处理。/n

【技术特征摘要】
1.一种问答系统中的模型服务治理方法，包括：
接收问答数据，从模型流集合中选取优先级最高的目标模型流，对所述问答数据进行问答处理；
采集所述目标模型流在进行问答处理时的指标数据；
当所述指标数据满足模型流切换指标条件时，从所述模型流集合中获取优先级次高的备选模型流；
将所述目标模型流的问答数据分流至所述备选模型流进行问答处理。


2.根据权利要求1所述的方法，其特征在于，所述接收问答数据，从模型流集合中选取优先级最高的目标模型流，对所述问答数据进行问答处理之前，还包括：
获取问答系统的业务场景信息，确定业务场景所需的数据处理模块；
配置多个包含各所述数据处理模块的数据处理流；
查找各所述数据处理模块对应的可选模型，根据所述数据处理流和所述可选模型，得到多个模型流；
获取测试数据，对多个模型流进行测试处理，得到各所述模型流的初始指标数据；
根据所述初始指标数据，确定各所述模型流的优先级，并将携带有优先级标识的模型流添加至模型流集合。


3.根据权利要求2所述的方法，其特征在于，所述配置多个包含各所述数据处理模块的数据处理流包括：
获取预设的流程编排方式，所述流程编排方式包括串行连接、并行连接以及判断执行连接；
采用不同的流程编排方式，将各所述数据处理模块进行连接，得到多个包含各所述数据处理模块的数据处理流。


4.根据权利要求2所述的方法，其特征在于，所述查找各所述数据处理模块对应的可选模型，根据所述数据处理流和所述可选模型，得到多个模型流包括：
查找各所述数据处理模块对应的可选模型；
从组件库中获取与所述可选模型对应的模型组件，所述模型组件携带有包括模型类别信息和模型版本信息的组件标识；
基于所述数据处理流，对所述携带有组件标识的模型组件进行排列组合，得到多个由所述模型组件构成的模型流。


5.根据权利要求4所述的方法，其特征在于，所述从组件库中获取与所述可选模型对应的模型组件，所述模型组件携带有包括模型类别信息和模型版本信息的组件标识之前，还包括：
根据所述问答系统中各数据处理流程进行模块划分；
获取划分得到的各数据处理模块对应的多个初始模型；
采用不同样本数据，对各所述初...

【专利技术属性】
技术研发人员：李正兴，
申请(专利权)人：深圳市腾讯信息技术有限公司，
类型：发明
国别省市：广东;44