任务处理方法技术

本说明书实施例提供任务处理方法

【技术实现步骤摘要】
任务处理方法、自动问答方法以及任务处理系统


[0001]本说明书实施例涉及计算机
，特别涉及一种任务处理方法
。
本说明书一个或者多个实施例同时涉及一种自动问答方法，一种任务处理系统，一种任务处理装置，一种自动问答装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序
。

技术介绍

[0002]随着计算机技术的发展，大模型开始大放异彩，在语言理解
、
生成
、
交互和推理方面表现出的非凡能力，广泛应用于对话
、
翻译
、
代码生成等的自然语言处理领域
。
然而，企业和用户产生的数据模态越来越多，如何利用大模型处理多模态数据逐渐成为研究重点
。
[0003]目前，在利用大模型进行任务处理之前，通常利用编码器对不同模态的数据进行编码，将编码得到的数据特征发送给大模型进行任务处理
。
然而，不同模态的数据在进行编码时的耗时有所不同，大模型需要等待多模态数据均编码完成后才能进行任务处理，导致任务处理效率极低，因此，亟需一种高效的任务处理方案
。

技术实现思路

[0004]有鉴于此，本说明书实施例提供了一种任务处理方法
。
本说明书一个或者多个实施例同时涉及一种自动问答方法，一种任务处理系统，一种任务处理装置，一种自动问答装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷
。
[0005]根据本说明书实施例的第一方面，提供了一种任务处理方法，应用于任务处理系统的服务单元，任务处理系统包括服务单元和特征存储单元，该方法包括：
[0006]接收针对多模态待处理数据的任务处理请求；
[0007]从特征存储单元中获取多模态待处理数据的待处理数据特征，其中，待处理数据特征为多个特征提取模型对多模态待处理数据预先处理得到的，特征提取模型与待处理数据的模态一一对应；
[0008]将待处理数据特征输入任务处理模型，获得任务处理结果，其中，任务处理模型为自然语言的深度学习模型
。
[0009]根据本说明书实施例的第二方面，提供了一种自动问答方法，应用于任务处理系统的服务单元，任务处理系统包括服务单元和特征存储单元，该方法包括：
[0010]接收针对多模态待解答数据的问题处理请求；
[0011]从特征存储单元中获取多模态待解答数据的待解答数据特征，其中，待解答数据特征为多个特征提取模型对多模态待解答数据预先处理得到的，特征提取模型与待解答数据的模态一一对应；
[0012]将待解答数据特征输入任务处理模型，获得答复结果，其中，任务处理模型为自然语言的深度学习模型
。
[0013]根据本说明书实施例的第三方面，提供了一种任务处理系统，包括服务单元和特
征存储单元；
[0014]特征存储单元，用于存储多模态待处理数据的待处理数据特征，其中，待处理数据特征为多个特征提取模型对多模态待处理数据预先处理得到的，特征提取模型与待处理数据的模态一一对应；
[0015]服务单元，用于接收针对多模态待处理数据的任务处理请求；从特征存储单元中获取多模态待处理数据的待处理数据特征；将待处理数据特征输入任务处理模型，获得任务处理结果，其中，任务处理模型为自然语言的深度学习模型
。
[0016]根据本说明书实施例的第四方面，提供了一种任务处理装置，应用于任务处理系统的服务单元，任务处理系统包括服务单元和特征存储单元，该装置包括：
[0017]第一接收模块，被配置为接收针对多模态待处理数据的任务处理请求；
[0018]第一获取模块，被配置为从特征存储单元中获取多模态待处理数据的待处理数据特征，其中，待处理数据特征为多个特征提取模型对多模态待处理数据预先处理得到的，特征提取模型与待处理数据的模态一一对应；
[0019]第一输入模块，被配置为将待处理数据特征输入任务处理模型，获得任务处理结果，其中，任务处理模型为自然语言的深度学习模型
。
[0020]根据本说明书实施例的第五方面，提供了一种自动问答装置，应用于任务处理系统的服务单元，任务处理系统包括服务单元和特征存储单元，该装置包括：
[0021]第二接收模块，被配置为接收针对多模态待解答数据的问题处理请求；
[0022]第二获取模块，被配置为从特征存储单元中获取多模态待解答数据的待解答数据特征，其中，待解答数据特征为多个特征提取模型对多模态待解答数据预先处理得到的，特征提取模型与待解答数据的模态一一对应；
[0023]第二输入模块，被配置为将待解答数据特征输入任务处理模型，获得答复结果，其中，任务处理模型为自然语言的深度学习模型
。
[0024]根据本说明书实施例的第六方面，提供了一种计算设备，包括：
[0025]存储器和处理器；
[0026]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述第一方面或者第二方面所提供方法的步骤
。
[0027]根据本说明书实施例的第七方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述第一方面或者第二方面所提供方法的步骤
。
[0028]根据本说明书实施例的第八方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述第一方面或者第二方面所提供方法的步骤
。
[0029]本说明书一个实施例提供的任务处理方法，应用于任务处理系统的服务单元，任务处理系统包括服务单元和特征存储单元，接收针对多模态待处理数据的任务处理请求；从特征存储单元中获取多模态待处理数据的待处理数据特征，其中，待处理数据特征为多个特征提取模型对多模态待处理数据预先处理得到的，特征提取模型与待处理数据的模态一一对应；将待处理数据特征输入任务处理模型，获得任务处理结果，其中，任务处理模型为自然语言的深度学习模型
。
通过利用多个特征提取模块将多模态待处理数据的处理任务
前置，并将待处理数据特征存储到特征存储单元中，实现了在任务处理请求到达时，直接从特征存储单元中取出待处理数据特征，使得待处理数据特征可以一起进入任务处理模型，有效降低任务处理模型处理时长，提高任务处理效率
。
附图说明
[0030]图1是本说明书一个实施例提供的一种任务处理系统的架构图；
[0031]图2是本说明书一个实施例提供的另一种任务处理系统的架构图；
[0032]图3是本说明书一个实施例提供的一种任务处理方法的流程图；
[0033]图4是本说明书一个实施例提供的一种自动问答方法的流程图；
[0034]图5是本说明书一个实施例提供的另一种任务处理方法的流程图；
[0035]图6本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种任务处理方法，应用于任务处理系统的服务单元，所述任务处理系统包括所述服务单元和特征存储单元，所述方法包括：接收针对多模态待处理数据的任务处理请求；从所述特征存储单元中获取所述多模态待处理数据的待处理数据特征，其中，所述待处理数据特征为多个特征提取模型对所述多模态待处理数据预先处理得到的，所述特征提取模型与所述待处理数据的模态一一对应；将所述待处理数据特征输入任务处理模型，获得任务处理结果，其中，所述任务处理模型为自然语言的深度学习模型
。2.
根据权利要求1所述的方法，所述从所述特征存储单元中获取所述多模态待处理数据的待处理数据特征之前，还包括：将任一模态待处理数据输入该模态对应的特征提取模型，获得所述任一模态待处理数据的数据特征；将所述多模态待处理数据的待处理数据特征存储至特征存储单元
。3.
根据权利要求2所述的方法，所述将任一模态待处理数据输入该模态对应的特征提取模型，获得所述任一模态待处理数据的数据特征之前，还包括：对任一模态待处理数据进行模态分析，确定该模态对应的特征提取模型
。4.
根据权利要求2所述的方法，所述将任一模态待处理数据输入该模态对应的特征提取模型，获得所述任一模态待处理数据的数据特征之前，还包括：从对象存储服务中获取所述多模态待处理数据
。5.
根据权利要求1所述的方法，所述从所述特征存储单元中获取所述多模态待处理数据的待处理数据特征，包括：根据所述多模态待处理数据对应的数据属性信息，从所述特征存储单元中获取所述多模态待处理数据的待处理数据特征，其中，所述待处理数据特征为任务请求方通过网关接口层调用多个特征提取模型对所述多模态待处理数据预先处理得到的
。6.
根据权利要求1所述的方法，所述任务处理系统还包括网关接口层；所述接收针对多模态待处理数据的任务处理请求，包括：接收任务请求方通过所述网关接口层发送的针对多模态待处理数据的任务处理请求
。7.
根据权利要求1所述的方法，所述任务处理系统还包括网关接口层；所述将所述待处理数据特征输入任务处理模型，获得任务处理结果，包括：通过所述网关接口层，将所述待处理数据特征输入任务处理模型，获得任务处理结果
。8.
根据权利要求1或7...

【专利技术属性】
技术研发人员：张志成，刘阳，苏璐岩，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：