一种基于场景的算法资源自动化整合调用方法与流程

文档序号:25543406发布日期:2021-06-18 20:40
一种基于场景的算法资源自动化整合调用方法与流程

本发明涉及人工智能技术领域,具体来说,涉及一种基于场景的算法资源自动化整合调用方法。



背景技术:

随着信息时代的发展,近年来,越来越多的新型人工智能算法应用于工业生产当中,例如机器翻译、图像识别、语音识别等等,这些智能的算法应用不仅提高了人类的生产效率,同时也提升了社会的经济效益。

但是目前在市场上,各种算法能力或者说是算法资源基本都是独立存在于各个企业和研究机构,各个企业以及各个研究机构之间属性相似的算法资源之间没有一个综合评价的标准,这样导致工业生产中的用户在利用人工智能算法资源时会消耗大量的人力成本。

针对相关技术中的问题,目前尚未提出有效的解决方案。



技术实现要素:

针对相关技术中的问题,本发明提出一种基于场景的算法资源自动化整合调用方法,用于自动化整合不同来源的算法资源,提升了算法资源应用于工业生产中的效率,以克服现有相关技术所存在的上述技术问题。

本发明的技术方案是这样实现的:

一种基于场景的算法资源自动化整合调用方法,包括以下步骤:

预先对输入算法资源标定算法能力;

获取算法接口,将输入算法资源的的算法模型以可调用接口的形式进行封装,并对接收到的算法接口进行部署开通并验证其运行机制,将其输入输出参数整理参数格式:

进行算法任务,其中包括用户用于解决的问题和待输入的内容,用户进行为可调参数进行赋值。

进一步的,其特征在于,所述算法能力包括物体图像解析、文字图像解析、人体图像解析、视频解析、自然语言处理、知识智能和语音解析。

进一步的,所述获取算法接口,还包括以下步骤:

将算法接口的基本信息储存在数据库中,并增设算法能力字段,以表示该接口具备的算法能力。

基于各算法接口增设两类字段。

进一步的,所述基于各算法接口增设两类字段,包括动态因素和静态因素,其中;

所述静态因素为固定值,伴随算法接口静态储存在数据库中;

所述动态因素则与特定的计算模块相连,并根据本系统的整体运行情况进行实时计算,并将计算结果实时缓存在其对应的字段。

进一步的,所述进行算法任务,还包括以下步骤:

进行任务分配机制。包括算法任务导向和算法接口导向。

进一步的,所述进行任务分配机制,包括算法任务导向和算法接口导向,其中;

所述算法任务导向,给定具体的算法任务tx,计算得到各个算法接口的综合得分s1x、s2x,s3x…,再将算法任务tx分配给综合得分最高的算法接口;

所述算法接口导向,给定具体的算法接口ai,已接收到的算法任务t1、t2、t3…,计算该算法接口针对各个算法任务的综合得分si1、si2、si3…,再将得分最高的综合得分对应的算法任务分配给该算法接口。

本发明的有益效果:

本发明基于场景的算法资源自动化整合调用方法,通过预先对输入算法资源标定算法能力,并获取算法接口,将输入算法资源的的算法模型以可调用接口的形式进行封装,并对接收到的算法接口进行部署开通并验证其运行机制,将其输入输出参数整理参数格式吗,进行算法任务,实现用户无需自己选择究竟该使用哪个算法接口来执行该任务,而是由系统依据客观透明的综合评估机制,将该任务分配给最优的算法接口。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的一种基于场景的算法资源自动化整合调用方法的流程示意图一;

图2是根据本发明实施例的一种基于场景的算法资源自动化整合调用方法的流程示意图二。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。

根据本发明的实施例,提供了一种基于场景的算法资源自动化整合调用方法。

如图1-图2所示,根据本发明实施例的基于场景的算法资源自动化整合调用方法,包括以下步骤:

预先对输入算法资源标定算法能力;

获取算法接口,将输入算法资源的的算法模型以可调用接口的形式进行封装,并对接收到的算法接口进行部署开通并验证其运行机制,将其输入输出参数整理参数格式:

进行算法任务,其中包括用户用于解决的问题和待输入的内容,用户进行为可调参数进行赋值。

其中,所述算法能力包括物体图像解析、文字图像解析、人体图像解析、视频解析、自然语言处理、知识智能和语音解析。

其中,所述获取算法接口,还包括以下步骤:

将算法接口的基本信息储存在数据库中,并增设算法能力字段,以表示该接口具备的算法能力。

基于各算法接口增设两类字段。

其中,所述基于各算法接口增设两类字段,包括动态因素和静态因素,其中;

所述静态因素为固定值,伴随算法接口静态储存在数据库中;

所述动态因素则与特定的计算模块相连,并根据本系统的整体运行情况进行实时计算,并将计算结果实时缓存在其对应的字段。

其中,所述进行算法任务,还包括以下步骤:

进行任务分配机制。包括算法任务导向和算法接口导向。

其中,所述进行任务分配机制,包括算法任务导向和算法接口导向,其中;

所述算法任务导向,给定具体的算法任务tx,计算得到各个算法接口的综合得分s1x、s2x,s3x…,再将算法任务tx分配给综合得分最高的算法接口;

所述算法接口导向,给定具体的算法接口ai,已接收到的算法任务t1、t2、t3…,计算该算法接口针对各个算法任务的综合得分si1、si2、si3…,再将得分最高的综合得分对应的算法任务分配给该算法接口。

借助于上述技术方案,通过预先对输入算法资源标定算法能力,并获取算法接口,将输入算法资源的的算法模型以可调用接口的形式进行封装,并对接收到的算法接口进行部署开通并验证其运行机制,将其输入输出参数整理参数格式吗,进行算法任务,实现用户无需自己选择究竟该使用哪个算法接口来执行该任务,而是由系统依据客观透明的综合评估机制,将该任务分配给最优的算法接口。

另外,具体的,其算法能力具体可以分为七大类,表示为:

物体图像解析:植物识别、地标识别、图像审核、图像修复、饮品监测;文字图像解析:驾驶证识别、户口本识别、增值税发票识别、发票真伪检验;人体图像解析:发型分析、人脸识别、美颜美型、手部关键点识别;视频解析:视频封面生成、视频场景识别、图片搜视频;自然语言处理:中文分词、文本情感倾向分析、文本纠错、词性标注;知识智能:知识问答、实体关系抽取、知识检索、阅读理解;语音解析:短语音识别、歌曲识别、声纹识别。

此外,如图1所示,其针对接收到的算法接口进行部署、开通并验证其运行机制,并将其输入输出参数整理为以下参数格式:

输入参数:与使用者的算法任务的内容直接相关,例如“待翻译的文本”;

可调参数:该算法接口的可调节的宏观参数,例如“语言选择”、“模型选择”;

输出参数:用于描述该算法接口的输出结果的参数;

确保针对相同算法能力(例如“机器翻译”),不同的算法接口(例如“公司a的机器翻译接口”、“机构b的机器翻译接口”)的参数格式完全一致。

另外,将算法接口的基本信息储存在数据库中,并增设“算法能力”字段,以表示该接口具备的算法能力。针对各算法接口(计作ai)增设两类字段,分别代表动态因素和静态因素:动态因素:该接口针对该任务的预期完成程度或准确度(计作pi)、该接口当前的实时调用率(计作ni),等等。静态因素:该接口的单次调用的收费情况(计作ci),等等;其中,各个静态因素为固定值,伴随算法接口静态储存在数据库中;各个动态因素则与特定的计算模块相连,并根据本系统的整体运行情况进行实时计算,并将计算结果实时缓存在其对应的字段。

另外,如图2所示,其针对算法接口ai及算法任务tx,其动态因素pix的获取机制为:借助人为总结的先验知识(例如各个算法接口分别擅长什么样的任务)或利用深度学习手段(选取小规模的样本任务数据,并依靠人工打分,评估各算法接口在各样本任务数据上面的表现情况,并对其进行训练,学到如何根据算法任务数据来预测各算法接口的预期表现情况。

结合pix、nix、cix等因素计算得出算法接口ai针对算法任务tx的综合得分six:six=f1(pix)*f2(nix)*f3(cix);

其中,f1为以pix作为自变量的正相关函数,f2为以nix作为自变量的负相关函数,f3为以cix作为自变量的负相关函数。

此外,在一个实施例中,其针对“机器翻译”场景,搭建专家系统(因素p模块),如果用户输入英文语句“theselasttwopropertiesarethedecisiveonesofafunctor”,系统内具备“机器翻译”能力的算法接口有12个,分别标记为a1、a2、a3…a12,将该英文语句输入因素p模块,得到各个算法接口的因素p得分,p1=0.8、p2=0.78、p3=0.85…

获取各算法接口的因素n与因素c数值:n1=0.6(代表算法接口a1已耗掉了60%的可调用量)、n2=0.55…,c1=0.005、c2=0.0045…

计算各算法接口的综合得分,si=(pi-0.5)/((2*ni+2)*(ci+0.01))

由此可得各个算法接口针对“机器翻译”场景的算法任务的综合得分,取得分最高者来执行该任务,并将该任务对应的费用记录在该算法接口的开发者名下。

综上所述,借助于本发明的上述技术方案,可实现如下效果:

1、本发明整合各类算法能力的交互式系统,并以各算法能力为单位,整合来自不同开发者、利用不同模型/方法、依托不同硬件设备的算法接口。

2、本发明其公平客观的算法任务执行机制,针对使用者提出的算法任务,使用者无需自己选择究竟该使用哪个算法接口来执行该任务,而是由本系统依据客观透明的综合评估机制,将该任务分配给最合适的算法接口,使用者针对该任务执行的费用支出最少、该任务执行符合该使用者的期望效果、执行该任务的算法接口的研发者能够得到最合理的回报。

3、本发明为各算法接口打造足够规范的展现形态,使用者无需在“货比三家”的过程中承受额外的编码工作所带来的时间及人力成本。

4、本发明针对各算法任务执行过程中涉及的交易事宜,建立统一规范的运作机制,确保使用者的付费行为被本系统完整覆盖,且各算法接口的开发者的酬劳提取行为也由本系统完整承担,降低使用者的交易行为的繁杂程度。

5、本发明使各开发者能够凭借其算法接口的实际性能与实力,公平客观地参与到市场环境。

6、本发明对算法任务有需求的使用者,能够根据各算法接口的实际情况,公平客观地选择合适的算法接口以完成其算法任务。

以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1