任务处理方法技术

本申请涉及数据处理技术领域，提供一种任务处理方法

【技术实现步骤摘要】
任务处理方法、装置、电子设备及存储介质


[0001]本申请涉及数据处理
，具体涉及一种任务处理方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]现如今的重大项目的研发或者是施工项目落地，都需要各个公司
、
施工单位或者联合科研院校共同完成的，由此，就产生了新的问题，现有的任务分发或者是任务分配工作，需要很多人工成本，环环下发，最终将任务配送到实施人员手中，这样的任务分发方式，导致任务分发效率降低，人力成本提升，导致内部沟通成本提升
。
[0003]综上可知，现有任务处理方法的效率低
。

技术实现思路

[0004]本申请实施例提供一种任务处理方法
、
装置
、
电子设备及存储介质，用以解决现有任务处理方法效率低的技术问题
。
[0005]第一方面，本申请实施例提供一种任务处理方法，包括：
[0006]基于自注意力机制识别模型对任务公文包中的任务信息进行识别，得到所述任务公文包中各节点之间的关系数据；所述关系数据包括节点等级以及节点协同关系；
[0007]基于多模识别自适应网络对所述任务信息的文字特征和图片特征进行识别，得到所述各节点的任务数据；
[0008]基于所述关系数据和所述任务数据，生成任务执行数据包，并转发所述任务执行数据包
。
[0009]在一个实施例中，所述任务信息包括节点职位信息和执行人员信息，所述对任务公文包中的任务信息进行识别，包括：
[0010]采用自注意力机制识别模型对所述任务公文包中的所述任务信息进行识别，所述自注意力机制识别模型包括特征矩阵确定模块
、
融合模块和关系模块，其中，
[0011]所述特征矩阵确定模块，用于基于所述节点职位信息的长距离依赖关系，得到第一依赖特征矩阵，并基于所述执行人员信息的长距离依赖关系，得到第二依赖特征矩阵；
[0012]所述融合模块，用于融合基于所述第一依赖特征矩阵和所述第二依赖特征矩阵，得到融合矩阵；
[0013]所述关系模块，用于基于所述融合矩阵确定所述关系数据
。
[0014]在一个实施例中，所述对所述任务信息的文字特征和图片特征进行识别，包括：
[0015]采用多模识别自适应网络对所述任务信息的所述文字特征和所述图片特征进行识别，所述多模识别自适应网络包括文字特征提取模块
、
视觉几何组
VGG
模块以及任务数据模块，其中，
[0016]所述文字特征提取模块，用于对文字信息进行特征提取，得到文字特征；
[0017]所述视觉几何组
VGG
模块，用于对图片信息进行特征提取，得到图片特征；
[0018]所述任务数据模块，用于对所述文字特征以及所述图片特征进行处理，得到所述任务数据
。
[0019]在一个实施例中，所述任务数据模块包括第一融合模块
、
第二融合模块
、
第三融合模块和约束模块，其中，
[0020]所述第一融合模块，用于基于多头注意力机制
MHA
融合模型，对所述文字特征和所述图片特征进行融合，得到第一融合结果，并基于所述第一融合结果与所述图片特征，得到第一特征矩阵；
[0021]所述第二融合模块，用于基于所述
MHA
融合模型，对所述文字特征和所述第一特征矩阵进行融合，得到第二融合结果，并基于所述第二融合结果与所述文字特征，得到第二特征矩阵；
[0022]所述第三融合模块，用于基于所述第二特征矩阵和所述文字特征进行融合，得到融合特征；
[0023]所述约束模块，用于基于条件随机场
CRF
算法对所述融合特征进行约束，得到所述任务数据
。
[0024]在一个实施例中，所述文字特征提取模块包括编码模块
、
特征提取模块以及特征处理模块，其中：
[0025]所述编码模块，用于对所述文字信息进行编码，得到文字编码数据；
[0026]所述特征提取模块，用于基于双向循环神经网络
BI
‑
RNN
，对所述文字编码数据进行特征提取，得到文字特征数据；
[0027]所述特征处理模块，用于基于双向长短期记忆
BiLSTM
模型，对所述文字特征数据进行处理，得到所述文字特征
。
[0028]在一个实施例中，所述基于自注意力机制识别模型对任务公文包中的任务信息进行识别之前，还包括：
[0029]基于第一密钥解析所述任务公文包的外层文件，得到所述外层文件包含的第二密钥；
[0030]基于所述第一密钥和所述第二密钥解析所述任务公文包的内层文件，得到所述任务信息
。
[0031]在一个实施例中，所述转发所述任务执行数据包之后，还包括：
[0032]获取执行结果反馈包；其中，所述执行结果反馈包包括第一任务执行信息
、
第二任务执行信息
、
任务执行情况；所述第二任务执行信息的数据量大于所述第一任务执行信息的数据量；
[0033]采用设定的数据展示优先级展示所述执行结果反馈包，其中，所述任务执行情况的数据展示优先级为一级
、
所述第一任务执行信息的数据展示优先级为二级
、
所述第二任务执行信息的数据展示优先级为三级
。
[0034]第二方面，本申请实施例提供一种任务处理装置，包括：
[0035]关系数据确定模块，用于对任务公文包中的任务信息进行识别，得到所述任务公文包中各节点之间的关系数据；所述关系数据包括节点等级以及节点协同关系；
[0036]任务数据确定模块，用于对所述任务信息的文字特征和图片特征进行识别，得到所述各节点的任务数据；
[0037]任务执行数据包确定模块，用于基于所述关系数据和所述任务数据，生成任务执行数据包，并转发所述任务执行数据包
。
[0038]第三方面，本申请实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的任务处理方法的步骤
。
[0039]第四方面，本申请实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面所述的任务处理方法的步骤
。
[0040]本申请实施例提供的任务处理方法
、
装置
、
电子设备及存储介质，通过对任务公文包中的任务信息进行识别，得到所述任务公文包中各节点之间的关系数据；所述关系数据包括节点等级以及节点协同关系；对所述任务信息的文字特征和图片特征进行识别，得到所述各节点的任务数据；基于所述关系数据和所述任务数据，生成任务执行数据包，并转发所述任本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种任务处理方法，其特征在于，包括：对任务公文包中的任务信息进行识别，得到所述任务公文包中各节点之间的关系数据；所述关系数据包括节点等级以及节点协同关系；对所述任务信息的文字特征和图片特征进行识别，得到所述各节点的任务数据；基于所述关系数据和所述任务数据，生成任务执行数据包，并转发所述任务执行数据包
。2.
根据权利要求1所述的任务处理方法，其特征在于，所述任务信息包括节点职位信息和执行人员信息，所述对任务公文包中的任务信息进行识别，包括：采用自注意力机制识别模型对所述任务公文包中的所述任务信息进行识别，所述自注意力机制识别模型包括特征矩阵确定模块
、
融合模块和关系模块，其中，所述特征矩阵确定模块，用于基于所述节点职位信息的长距离依赖关系得到第一依赖特征矩阵，并基于所述执行人员信息的长距离依赖关系得到第二依赖特征矩阵；所述融合模块，用于融合所述第一依赖特征矩阵和所述第二依赖特征矩阵，得到融合矩阵；所述关系模块，用于基于所述融合矩阵确定所述关系数据
。3.
根据权利要求1所述的任务处理方法，其特征在于，所述对所述任务信息的文字特征和图片特征进行识别，包括：采用多模识别自适应网络对所述任务信息的所述文字特征和所述图片特征进行识别，所述多模识别自适应网络包括文字特征提取模块
、
视觉几何组
VGG
模块以及任务数据模块，其中，所述文字特征提取模块，用于对文字信息进行特征提取，得到文字特征；所述视觉几何组
VGG
模块，用于对图片信息进行特征提取，得到图片特征；所述任务数据模块，用于对所述文字特征以及所述图片特征进行处理，得到所述任务数据
。4.
根据权利要求3所述的任务处理方法，其特征在于，所述任务数据模块包括第一融合模块
、
第二融合模块
、
第三融合模块和约束模块，其中，所述第一融合模块，用于基于多头注意力机制
MHA
融合模型，对所述文字特征和所述图片特征进行融合，得到第一融合结果，并基于所述第一融合结果与所述图片特征，得到第一特征矩阵；所述第二融合模块，用于基于所述
MHA
融合模型，对所述文字特征和所述第一特征矩阵进行融合，得到第二融合结果，并基于所述第二融合结果与所述文字特征，得到第二特征矩阵；所述第三融合模块，用于基于所述第二特征矩阵和所述文字特征进行融合，得到融合特征；所述约束模块，用于基于条件随机场
CRF

【专利技术属性】
技术研发人员：蔡超人，郑中强，黄玮，傅一平，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：