System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及云平台管理,尤其涉及一种电子政务云平台的服务质量管理方法及装置。
技术介绍
1、随着信息技术的飞速发展,电子政务系统作为政府信息化的核心组成部分,通过互联网为公众提供便捷的政府服务,推动了政府机构服务的现代化转型。然而,尽管电子政务云平台在推动政府现代化和提升公共服务水平方面取得了显著成果,但其面临的技术挑战和服务质量问题亦日益凸显。
2、随着互联网的快速普及,电子政务云平台的用户规模不断扩大,业务复杂度也日益增加,导致平台在面对高并发访问时容易出现性能瓶颈,表现为系统响应延迟、页面加载缓慢等问题,不仅降低了用户体验,也影响了政府部门高效运作的能力。此外,用户对政府服务的期望越来越高,对电子政务云平台的可用性提出了更高要求。然而,目前电子政务平台无法对平台服务的质量和可用性进行可靠监测和管理,而往往是在平台发生大面积的服务故障之后再进行补救,导致影响范围广且恢复时间长,降低了公众对电子政务服务的评价。
3、针对上述问题,目前业界暂未提出较佳的技术解决方案。
技术实现思路
1、本申请实施例提供了一种电子政务云平台的服务质量管理方法及装置,用于至少解决现有技术中电子政务云平台无法对平台服务质量进行监测和管理的问题。
2、第一方面,本申请实施例提供一种电子政务云平台的服务质量管理方法,包括:获取历史政务服务数据集;所述历史政务服务数据集包含多个历史政务服务数据,每一所述历史政务服务数据分别具有相应的政务服务类型;所述历史政务服务数据包含多个用
3、可选地,所述用户历史行为参数包含以下中的至少一者:用户会话信息、用户交互内容和用户操作序列;所述用户操作序列包含操作类型和操作对象标识,所述用户会话信息包含会话id、开始时间、结束时间和活跃持续时间,所述用户交互内容包含访问服务名称、填写表单字段和查询参数类型。
4、可选地,所述针对各个所述政务服务类型,基于所述历史政务服务数据集中与所述政务服务类型相应的各个历史政务服务数据预测在未来的预设时间段的潜在服务访问量,包括:根据所述历史政务服务数据集,确定相应的用户上下文向量;所述用户上下文向量用于表征用户属性信息和时间描述信息,所述用户属性信息包含以下中的至少一者:用户位置、历史使用模式、设备类型,以及所述时间描述信息用于描述当前日期所对应的工作时间段信息;针对各个所述政务服务类型,基于所述用户上下文向量以及与所述政务服务类型相应的各个历史政务服务数据预测在未来的预设时间段的潜在服务访问量。
5、可选地,所述基于所述历史政务服务数据集中与所述政务服务类型相应的各个历史政务服务数据预测在未来的预设时间段的潜在服务访问量,包括:将所述历史政务服务数据集输入至访问量预测模型,以针对各个所述政务服务类型分别输出相应的潜在服务访问量;所述访问量预测模型采用基于注意力机制的长短期记忆模型。
6、可选地,所述访问量预测模型用于执行包括以下的操作以输出潜在服务访问量:针对对应当前时间步t的政务服务数据,通过注意力机制与各个历史时间步所对应的隐藏状态进行注意力权重计算,以生成当前时间步t所对应的上下文向量;
7、针对政务服务数据在当前时间步t的注意力权重的计算公式为:
8、
9、其中,用于衡量最新的历史时间步所对应的和每个其他历史时间步所对应的的兼容性;
10、所述上下文向量是通过以下方式而计算的:
11、
12、基于和来更新所述访问量预测模型的当前时间步t的隐藏状态:
13、
14、其中,表示当前时间步t的实时服务访问量;
15、根据经更新的各个隐藏状态预测在下一时间步t+1的潜在服务访问量所对应的特征表示:
16、
17、其中,和是模型层学习参数,以及表示sigmoid函数。
18、可选地,所述基于各个所述潜在服务访问量,确定针对各个政务服务类型所对应的资源管理配置,包括:根据预设的访问量决策表对各个所述潜在服务访问量进行匹配,以相应确定针对各个政务服务类型所对应的资源管理配置;所述访问量决策表记录了多个访问量区间和相匹配的资源管理配置。
19、可选地,所述基于各个所述潜在服务访问量,确定针对各个政务服务类型所对应的资源管理配置,包括:获取电子政务云平台的资源消耗状态和服务运行指标;所述资源消耗状态包含计算资源消耗状态、存储资源消耗状态和带宽资源消耗状态;以及所述服务运行指标包含服务响应时间、服务报错率和服务并发请求量;将所述资源消耗状态、所述服务运行指标和所述各个潜在服务访问量输入至决策匹配模型,以确定针对各个政务服务类型所对应的资源管理配置;所述决策匹配模型采用强化学习模型,所述强化学习模型的状态是由资源消耗状态、服务运行指标和各个潜在服务访问量定义的,所述强化学习模型的状态迁移动作是由资源管理配置定义的,以及所述强化学习模型的迁移奖励是根据平台服务实时评分的浮动信息而定义的。
20、可选地,所述获取电子政务云平台的资源消耗状态和服务运行指标,包括:根据所述电子政务云平台的处理资源利用率、内存使用量和进程数量,确定计算资源消耗状态;根据所述电子政务云平台的i/o操作频率、吞吐量和剩余存储空间,确定存储资源消耗状态;根据所述电子政务云平台的带宽使用率、延迟时间和数据包传输速率,确定带宽资源消耗状态。
21、可选地,所述决策匹配模型采用深度确定性策略梯度强化学习模型,该模型包含用于表示策略函数的actor网络和用于表示动作价值函数的critic网络;其中,所述电子政务云平台的状态空间为,行动空间为,则在当前时间步观测到状态所对应的状态迁移动作,并从环境中接收到下一个时间步t+1的状态和迁移奖励;表示策略函数参数向量,以及表示动作价值函数参数向量;
22、通过所述actor网络输出多种状态迁移动作,以及通过所述critic网络对各个所述状态迁移动作进行评估;
23、target通过以下方式进行训练:
24、
25、其中,和是用于稳定训练过程的目标网络,以及是折扣因子;
26、所述critic网络通过最小化如下的损失函数而进行更新:
27、
28、其中,n表示大于1的自然数;
29、所述actor网络根据策略梯度而进行更新:
30、。
31、第二方面,本申请实施例提供一种电子政务云平台的服务质量管理装置,包括:数据集获取单元,用于获取历史政务服务数据集;所述历史政务服务数本文档来自技高网...
【技术保护点】
1.一种电子政务云平台的服务质量管理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述用户历史行为参数包含以下中的至少一者:用户会话信息、用户交互内容和用户操作序列;所述用户操作序列包含操作类型和操作对象标识,所述用户会话信息包含会话ID、开始时间、结束时间和活跃持续时间,所述用户交互内容包含访问服务名称、填写表单字段和查询参数类型。
3.根据权利要求2所述的方法,其特征在于,所述针对各个所述政务服务类型,基于所述历史政务服务数据集中与所述政务服务类型相应的各个历史政务服务数据预测在未来的预设时间段的潜在服务访问量,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述历史政务服务数据集中与所述政务服务类型相应的各个历史政务服务数据预测在未来的预设时间段的潜在服务访问量,包括:
5.根据权利要求4所述的方法,其特征在于,所述访问量预测模型用于执行包括以下的操作以输出潜在服务访问量:
6.根据权利要求1或5所述的方法,其特征在于,所述基于各个所述潜在服务访问量,确定针对各个政务服务类型所对应的
7.根据权利要求1或5所述的方法,其特征在于,所述基于各个所述潜在服务访问量,确定针对各个政务服务类型所对应的资源管理配置,包括:
8.根据权利要求7所述的方法,其特征在于,所述获取电子政务云平台的资源消耗状态和服务运行指标,包括:
9.根据权利要求8所述的方法,其特征在于,所述决策匹配模型采用深度确定性策略梯度强化学习模型,该模型包含用于表示策略函数的actor网络和用于表示动作价值函数的critic网络;
10.一种电子政务云平台的服务质量管理装置,其特征在于,包括:
...【技术特征摘要】
1.一种电子政务云平台的服务质量管理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述用户历史行为参数包含以下中的至少一者:用户会话信息、用户交互内容和用户操作序列;所述用户操作序列包含操作类型和操作对象标识,所述用户会话信息包含会话id、开始时间、结束时间和活跃持续时间,所述用户交互内容包含访问服务名称、填写表单字段和查询参数类型。
3.根据权利要求2所述的方法,其特征在于,所述针对各个所述政务服务类型,基于所述历史政务服务数据集中与所述政务服务类型相应的各个历史政务服务数据预测在未来的预设时间段的潜在服务访问量,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述历史政务服务数据集中与所述政务服务类型相应的各个历史政务服务数据预测在未来的预设时间段的潜在服务访问量,包括:
5....
【专利技术属性】
技术研发人员:边柯柯,郭昕,高博,邢智远,陈华平,王键,张明山,黄盛祥,
申请(专利权)人:天津市大数据管理中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。