资源需求分析方法、装置、电子设备以及存储介质与流程

本发明属于计算机，特别是涉及一种资源需求分析方法、装置、电子设备以及存储介质。

背景技术：

1、随着社会的发展进步，高效算力已经成为支撑智能化社会发展的关键要素。目前云计算、分布式计算的应用主要将算力集中在各个算力供应商的计算集群中，当用户购买算力时，需要跟多个算力供应商进行沟通、咨询，一定程度上增加了用户的使用成本。

2、相关技术中，往往是通过在算力交易平台中进行表单填写或基于客服人员对用户的问询确定用户需求，运营成本较高，且效率较低。

技术实现思路

1、为克服相关技术中存在的问题，本发明提供了一种资源需求分析方法、装置、电子设备以及存储介质。

2、第一方面，本发明提供了一种资源需求分析方法，应用于运行有资源处理平台的服务器，所述方法包括：

3、由所述服务器中的处理器获取目标对话模型基于用户输入的用户问题数据输出的答复数据，并基于所述用户问题数据以及所述答复数据确定历史会话数据；

4、基于对话管理模型以及所述历史会话数据，确定当前对话对应的对话状态；

5、在所述对话状态表征对话结束的情况下，基于需求分析模型中的目标模型以及所述历史会话数据，确定初始结构化信息；

6、基于所述需求分析模型中的校验模块对所述初始结构化信息进行校验，确定符合标准输出格式的用户需求信息，并将所述用户需求信息存储至所述服务器中的内存；所述用户需求信息用于表征所述用户对目标资源的需求信息。

7、可选地，所述基于对话管理模型以及所述历史会话数据，确定当前对话对应的对话状态，包括：

8、将所述历史会话数据输入所述对话管理模型；所述对话管理模型中包括目标语言模型以及目标分类模型；

9、基于所述目标语言模型以及所述历史会话数据，确定所述历史会话数据对应的特征向量；

10、基于所述特征向量以及所述目标分类模型，确定分类结果；

11、由所述处理器基于所述分类结果，确定当前对话对应的对话状态。

12、可选地，所述由所述处理器基于所述分类结果，确定当前对话对应的对话状态，包括：

13、所述处理器在所述分类结果大于预设阈值的情况下，将所述对话状态确定为对话结束；

14、所述处理器在所述分类结果小于等于所述预设阈值的情况下，将所述对话状态确定为对话中。

15、可选地，所述方法还包括：

16、在所述对话状态为对话中的情况下，重复执行所述由所述服务器中的处理器获取目标对话模型基于用户输入的用户问题数据输出的答复数据，并基于所述用户问题数据以及所述答复数据确定历史会话数据的操作。

17、可选地，所述基于需求分析模型中的目标模型以及所述历史会话数据，确定初始结构化信息，包括：

18、基于预设配置文件，定义所述需求分析模型对应的标准输出格式；

19、将所述历史会话数据输入所述需求分析模型；

20、基于所述需求分析模型中的监控模块调用所述目标模型，并获取所述目标模型输出的初始结构化信息；

21、所述基于所述需求分析模型中的校验模块对所述初始结构化信息进行校验，确定符合标准输出格式的用户需求信息，包括：

22、基于所述校验模块，对所述初始结构化信息中不符合所述标准输出格式的结构化信息进行校正，直到所述初始结构化信息符合所述标准输出格式；

23、基于符合所述标准输出格式的结构化信息以及校正后的所述结构化信息，获取所述需求分析模型输出的用户需求信息。

24、可选地，所述基于预设配置文件，定义所述需求分析模型对应的标准输出格式，包括：

25、将所述预设配置文件传入所述监控模块，并将所述目标模型以及所述预设配置文件进行封装；

26、初始化所述监控模块。

27、可选地，所述基于所述校验模块，对所述初始结构化信息中不符合所述标准输出格式的结构化信息进行校正，包括：

28、基于所述校验模块，检验所述初始结构化信息中的各结构化信息是否符合所述标准输出格式；

29、在存在不符合所述标准输出格式的结构化信息的情况下，生成纠错指令；

30、将所述纠错指令以及带有错误标注的初始结构化信息输入所述监控模块；

31、所述纠错指令用于指示所述目标模型获取所述不符合所述标准输出格式的结构化信息对应的修正结构化信息。

32、可选地，所述基于符合所述标准输出格式的结构化信息以及校正后的所述结构化信息，获取所述需求分析模型输出的用户需求信息，包括：

33、在达到预设停止条件的情况下，基于符合所述标准输出格式的结构化信息以及所述修正结构化信息，获取所述需求分析模型输出的用户需求信息。

34、可选地，所述预设停止条件包括所述初始结构化信息中不符合所述标准输出格式的结构化信息校正后均符合所述标准输出格式。

35、可选地，所述基于符合所述标准输出格式的结构化信息以及所述修正结构化信息，获取所述需求分析模型输出的用户需求信息，包括：

36、基于符合所述标准输出格式的结构化信息以及所述修正结构化信息，对所述预设配置文件中的信息模板进行匹配和填充，得到所述用户需求信息。

37、可选地，所述由所述服务器中的处理器获取目标对话模型基于用户输入的用户问题数据输出的答复数据，并基于所述用户问题数据以及所述答复数据确定历史会话数据，包括：

38、获取用户输入的用户问题数据，并将所述用户问题数据输入所述目标对话模型；

39、获取所述目标对话模型输出的所述用户问题数据对应的答复数据；

40、将所述用户问题数据以及所述答复数据对应存储至所述内存，并将一次对话对应的所述用户问题数据以及所述答复数据确定为所述历史会话数据。

41、可选地，所述目标对话模型是基于所述处理器提供的训练功能得到的，所述目标对话模型是通过如下方式训练得到的：

42、获取第一样本数据集；所述第一样本数据集中包括目标领域对应的多组问答句对，所述问答句对中包括样本问题数据；

43、将所述样本问题数据以及目标提示词作为待训练对话模型的输入，获取所述待训练对话模型输出的预测答复数据；

44、基于所述预测答复数据，对所述待训练对话模型进行参数调整，并确定所述目标对话模型。

45、可选地，所述问答句对中还包括样本答复数据；所述基于所述预测答复数据，对所述待训练对话模型进行参数调整，并确定所述目标对话模型，包括：

46、基于所述预测答复数据以及所述样本答复数据，对所述待训练对话模型进行参数调整；所述样本答复数据用于表征针对所述样本问题数据对应的真实答复内容；

47、在达到第一停止条件的情况下，将所述待训练对话模型确定为所述目标对话模型。

48、可选地，所述基于所述预测答复数据以及所述样本答复数据，对所述待训练对话模型进行参数调整，包括：

49、基于所述预测答复数据以及所述样本答复数据，确定概率损失值；

50、基于所述概率损失值，对所述待训练对话模型进行参数调整。

51、可选地，所述概率损失值是基于第一公式得到的；所述第一公式包括：

52、

53、其中，sft_loss用于表示所述概率损失值；d用于表示所述第一样本数据集；用于表示所述第一样本数据集的大小，用于表示所述第一样本数据集中的一组问答句对，用于表示所述样本问题数据，用于表示所述样本答复数据，用于表示所述样本答复数据中第个位置的字段，用于表示所述样本答复数据中前i个字段的序列。

54、可选地，所述对话管理模型是基于所述处理器提供的训练功能得到的，所述对话管理模型是通过如下方式训练得到的：

55、获取第二样本数据集；所述第二样本数据集中包括多组标记有角色信息的对话历史记录，所述对话历史记录包含多次交互操作；

56、针对所述多组对话历史记录中的任一对话历史记录，基于目标语言模型，获取目标特征向量；

57、将所述目标特征向量作为待训练分类模型的输入，并获取所述待训练分类模型输出的预测状态结果；

58、基于所述预测状态结果以及所述对话历史记录对应的状态标签，对所述待训练分类模型进行参数调整；

59、在达到第二停止条件的情况下，将所述待训练分类模型确定为目标分类模型，并将所述目标语言模型以及所述目标分类模型确定为所述对话管理模型。

60、可选地，所述针对所述多组对话历史记录中的任一对话历史记录，基于目标语言模型，获取目标特征向量，包括：

61、针对所述多组对话历史记录中的任一对话历史记录，将所述角色信息、各角色信息对应的文本内容以及所述对话历史记录对应的状态标签进行拼接，得到拼接文本；

62、将所述拼接文本输入目标语言模型，并获取所述目标语言模型输出的目标特征向量。

63、第二方面，本发明提供了一种资源需求分析装置，应用于运行有资源处理平台的服务器，所述装置包括：

64、第一获取模块，用于由所述服务器中的处理器获取目标对话模型基于用户输入的用户问题数据输出的答复数据，并基于所述用户问题数据以及所述答复数据确定历史会话数据；

65、第一确定模块，用于基于对话管理模型以及所述历史会话数据，确定当前对话对应的对话状态；

66、第二确定模块，用于在所述对话状态表征对话结束的情况下，基于需求分析模型中的目标模型以及所述历史会话数据，确定初始结构化信息；

67、第三确定模块，用于基于所述需求分析模型中的校验模块对所述初始结构化信息进行校验，确定符合标准输出格式的用户需求信息，并将所述用户需求信息存储至所述服务器中的内存；所述用户需求信息用于表征所述用户对目标资源的需求信息。

68、第三方面，本发明提供一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述第一方面中任一项所述的资源需求分析方法。

69、第四方面，本发明提供一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述第一方面中任一项实施例中的资源需求分析方法中的步骤。

70、本发明实施例中，通过获取目标对话模型基于用户输入的用户问题数据输出的答复数据，可以自动根据用户的问题确定对应的答复内容，无需使客服人员对用户问题数据进行人工答复，提高了问题答复过程中的自动化，一定程度上节省了运营成本。进一步地，基于对话管理模型以及历史会话数据，确定当前对话对应的对话状态，并在对话状态表征对话结束的情况下，才会基于需求分析模型以及历史会话数据，进一步确定用户需求信息，进而在对话结束的状态下，通过需求分析模型中的目标模型对历史会话数据进行分析，并基于需求分析模型中的校验模块进行校验，可以获取满足标准输出格式的用户对目标资源的需求信息，以便获知用户的实际资源需求。这样，通过对话管理模型智能化的判断对话状态，基于需求分析模型自动确定用户需求信息，相对基于客服人员人工进行资源需求分析，本发明实施例通过不同的模型自动的进行资源需求分析，提高了资源需求分析的专业度，同时，整个资源需求分析过程实现全自动化，一定程度上节省了运营成本且提高了对用户进行资源需求分析的分析效率。