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() 任务分配方法、装置、设备及存储介质制造方法及图纸_技高网

任务分配方法、装置、设备及存储介质制造方法及图纸

技术编号:44656020 阅读:4 留言:0更新日期:2025-03-17 18:48
本申请提供一种任务分配方法、装置、设备及存储介质,属于人工智能领域,该方法包括:根据预设的MOE网络模型和多个LoRA适配器,能够准确地构建预设的任务分配模型,再基于样本数据集对该预设的任务分配模型进行训练直至收敛,能够准确地得到目标任务分配模型,再基于该目标任务分配模型对目标待处理事项进行任务分配,能够准确地得到任务分配结果,进而极大地提高了任务处理的效率和准确性,以提高用户的使用体验。本申请还涉及区块链技术,该目标任务分配模型可存储于区块链中。

【技术实现步骤摘要】

本申请涉及人工智能,尤其涉及一种任务分配方法、装置、设备及存储介质


技术介绍

1、随着大模型的快速发展,在服务行业中基于大模型的人工智能交互机器人逐渐替代人工与用户进行问答交互,尤其是在医疗、保险、电商和专业咨询等多个领域,用于问答的大模型已经有较多的应用了。例如,大模型在保险理赔领域的业务场景的应用中包括多个处理环节,例如主要包括报案、信息记录、查勘定损、单证审核、理算复审、审批、赔付等等环节,每个处理环节都会对应不同的部门进行处理,但是在对理赔事件进行难以准确和及时地将各个任务分配至匹配的部门进行处理。

2、因此,如何将待处理事项分配至合适的处理部门进行处理是目前亟待解决的问题。


技术实现思路

1、本申请的主要目的在于提供一种任务分配方法、装置、设备及存储介质,旨在提高待处理事项任务分配的效率和准确性。

2、第一方面,本申请提供一种任务分配方法,所述任务分配方法包括以下步骤:

3、获取样本数据集,所述样本数据集包括多个样本数据,所述样本数据包括待处理事项和标识的任务分配结果;

4、获取预设的moe网络模型和多个lora适配器,并将所述多个lora适配器分别插入至预设的moe网络模型中的门控网络和多个专家网络中,生成预设的任务分配模型;

5、从所述样本数据集选取一个样本数据作为目标样本数据,并将所述目标样本数据中的目标待处理事项输入至所述预设的任务分配模型进行任务分配,得到预测的任务分配结果;

6、根据所述预测的任务分配结果和所述标识的任务分配结果,确定所述预设的任务分配模型是否收敛;

7、若所述预设的任务分配模型未收敛,调整所述门控网络、所述多个专家网络和所述多个lora适配器中至少一个的模型参数,并返回循环执行从所述样本数据集选取一个样本数据作为目标样本数据的步骤,直至所述预设的任务分配模型收敛,得到目标任务分配模型;

8、获取目标待处理事项,并将所述目标待处理事项输入至所述目标任务分配模型,得到任务分配结果。

9、第二方面,本申请还提供一种任务分配装置,所述任务分配装置包括获取模块、选取模块、生成模块、确定模块和调整模块,其中:

10、所述获取模块,用于获取样本数据集,所述样本数据集包括多个样本数据,所述样本数据包括待处理事项和标识的任务分配结果;

11、所述获取模块,还用于获取预设的moe网络模型和多个lora适配器,并将所述多个lora适配器分别插入至预设的moe网络模型中的门控网络和多个专家网络中,生成预设的任务分配模型;

12、所述选取模块,用于从所述样本数据集选取一个样本数据作为目标样本数据;

13、所述生成模块,用于将所述目标样本数据中的目标待处理事项输入至所述预设的任务分配模型进行任务分配,得到预测的任务分配结果;

14、所述确定模块,用于根据所述预测的任务分配结果和所述标识的任务分配结果,确定所述预设的任务分配模型是否收敛;

15、所述调整模块,用于若所述预设的任务分配模型未收敛,调整所述门控网络、所述多个专家网络和所述多个lora适配器中至少一个的模型参数;

16、所述生成模块,用于返回循环执行从所述样本数据集选取一个样本数据作为目标样本数据的步骤,直至所述预设的任务分配模型收敛,得到目标任务分配模型;

17、所述获取模块,还用于获取目标待处理事项;

18、所述生成模块,用于将所述目标待处理事项输入至所述目标任务分配模型,得到任务分配结果。

19、第三方面,本申请还提供一种计算机设备,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上述的任务分配方法的步骤。

20、第四方面,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上述的任务分配方法的步骤。

21、本申请提供一种任务分配方法、装置、设备及存储介质,本申请通过获取样本数据集,该样本数据集包括多个样本数据,该样本数据包括待处理事项和标识的任务分配结果;获取预设的moe网络模型和多个lora适配器,并将多个lora适配器分别插入至预设的moe网络模型中的门控网络和多个专家网络中,生成预设的任务分配模型;从样本数据集选取一个样本数据作为目标样本数据,并将目标样本数据中的目标待处理事项输入至预设的任务分配模型进行任务分配,得到预测的任务分配结果;根据预测的任务分配结果和标识的任务分配结果,确定预设的任务分配模型是否收敛;若预设的任务分配模型未收敛,调整门控网络、多个专家网络和多个lora适配器中至少一个的模型参数,并返回循环执行从样本数据集选取一个样本数据作为目标样本数据的步骤,直至预设的任务分配模型收敛,得到目标任务分配模型;获取目标待处理事项,并将目标待处理事项输入至目标任务分配模型,得到任务分配结果。本专利技术中根据预设的moe网络模型和多个lora适配器,能够准确地构建预设的任务分配模型,再基于样本数据集对该预设的任务分配模型进行训练直至收敛,能够准确地得到目标任务分配模型,再基于该目标任务分配模型对目标待处理事项进行任务分配,能够准确地得到任务分配结果,进而极大地提高了任务处理的效率和准确性,以提高用户的使用体验。

本文档来自技高网...

【技术保护点】

1.一种任务分配方法,其特征在于,包括:

2.如权利要求1所述的任务分配方法,其特征在于,所述门控网络和各所述专家网络均包括注意力层,所述将所述多个LoRA适配器分别插入至预设的MOE网络模型中的门控网络和多个专家网络中,生成预设的任务分配模型,包括:

3.如权利要求1所述的任务分配方法,其特征在于,所述根据所述预测的任务分配结果和所述标识的任务分配结果,确定所述预设的任务分配模型是否收敛,包括:

4.如权利要求3所述的任务分配方法,其特征在于,所述根据所述预测的任务分配结果和所述标识的任务分配结果,确定所述预设的任务分配模型的损失值,包括:

5.如权利要求1所述的任务分配方法,其特征在于,调整所述门控网络、所述多个专家网络和所述多个LoRA适配器中至少一个的模型参数,包括:

6.如权利要求1所述的任务分配方法,其特征在于,所述调整所述门控网络、所述多个专家网络和所述多个LoRA适配器中至少一个的模型参数,包括:

7.如权利要求1-6任一项所述的任务分配方法,其特征在于,所述专家网络包括编码器、注意力层和译码器;所述将所述目标样本数据中的目标待处理事项输入至所述预设的任务分配模型进行任务分配,得到预测的任务分配结果,包括:

8.一种任务分配装置,其特征在于,所述任务分配装置包括获取模块、选取模块、生成模块、确定模块和调整模块,其中:

9.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至7中任一项所述的任务分配方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的任务分配方法的步骤。

...

【技术特征摘要】

1.一种任务分配方法,其特征在于,包括:

2.如权利要求1所述的任务分配方法,其特征在于,所述门控网络和各所述专家网络均包括注意力层,所述将所述多个lora适配器分别插入至预设的moe网络模型中的门控网络和多个专家网络中,生成预设的任务分配模型,包括:

3.如权利要求1所述的任务分配方法,其特征在于,所述根据所述预测的任务分配结果和所述标识的任务分配结果,确定所述预设的任务分配模型是否收敛,包括:

4.如权利要求3所述的任务分配方法,其特征在于,所述根据所述预测的任务分配结果和所述标识的任务分配结果,确定所述预设的任务分配模型的损失值,包括:

5.如权利要求1所述的任务分配方法,其特征在于,调整所述门控网络、所述多个专家网络和所述多个lora适配器中至少一个的模型参数,包括:

6.如权利要求1所述的任务分配方法,其特征在于,所述调整所述门控网络、所述多个...

【专利技术属性】
技术研发人员:俞悦
申请(专利权)人:中国平安财产保险股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1