[go: up one dir, main page]

CN112346876A - 一种具备自主学习特性的通道分配方法及系统 - Google Patents

一种具备自主学习特性的通道分配方法及系统 Download PDF

Info

Publication number
CN112346876A
CN112346876A CN202011399723.5A CN202011399723A CN112346876A CN 112346876 A CN112346876 A CN 112346876A CN 202011399723 A CN202011399723 A CN 202011399723A CN 112346876 A CN112346876 A CN 112346876A
Authority
CN
China
Prior art keywords
index
keywords
channels
data
keyword
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011399723.5A
Other languages
English (en)
Other versions
CN112346876B (zh
Inventor
孔平
杨军虎
柳明辉
靳占新
朱郯博
李玉华
董斌
徐晓蕊
王莉莉
魏荣久
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Luneng Software Technology Co Ltd
Original Assignee
Shandong Luneng Software Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Luneng Software Technology Co Ltd filed Critical Shandong Luneng Software Technology Co Ltd
Priority to CN202011399723.5A priority Critical patent/CN112346876B/zh
Publication of CN112346876A publication Critical patent/CN112346876A/zh
Application granted granted Critical
Publication of CN112346876B publication Critical patent/CN112346876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/316—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3325—Reformulation based on results of preceding query
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/5021—Priority
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Machine Translation (AREA)

Abstract

本发明公开了一种具备自主学习特性的通道分配方法及系统，包括：提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引；将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数。本发明有益效果：本发明基于数据量级动态分配通道个数的方法，不会占用过多的通道，能够减少资源的浪费，不增加系统响应的占用数量，提高检索效率，提升用户体验。

Description

一种具备自主学习特性的通道分配方法及系统
技术领域
本发明属于多通道检索技术领域，尤其涉及一种具备自主学习特性的通道分配方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
现有技术在进行数据索引时，往往采用分词器进行分词，基于词典中存储的词进行匹配实现数据检索；在处理检索的数据时，服务器通过调用固定数量的通道与数据池连接后直接检索出结果集。
这种方式下，因为通道数量是固定的，如果检索到的数据量过少，则会造成服务器部分通道的资源浪费，不利于服务器其他应用的性能；而如果检索到的数据量巨大，则固定数量的通道可能不能满足大数据量的需求，服务器与客户端数据传输时会产生长时间的数据延迟，造成检索效率慢和资源浪费。
发明内容
本发明为了解决上述问题，提出了一种具备自主学习特性的通道分配方法及系统，采用自主学习的方式，根据请求数据量的多少，动态分配通道数量，能够提高检索效率，提升用户体验。
在一些实施方式中，采用如下技术方案：
一种具备自主学习特性的通道分配方法，包括：
提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引；
将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数。
作为进一步地方案，得到需要分配的通道个数后，为服务器分配相应数量的通道，利用所述通道将索引得到的数据传输至客户端。
作为进一步地方案，提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引，具体过程包括：
提取待处理的原文本的关键词，对关键词进行最细粒度的切分，形成若干单个候选微分词；
所述单个候选微分词通过与全业务数据中心进行匹配，筛选得到索引关键词组；
按照优先级顺序对所述索引关键词组中的各索引关键词进行排序，确定每一个索引关键词所属词汇类别的权重；
按照各索引关键词的排序进行顺次索引。
作为进一步地方案，单个索引关键词进行索引时，优先反馈权重最高的词汇类别对应的索引结果。
作为进一步地方案，所述全业务数据中心包括词库，所述词库中包括关键词、每一个关键词对应的优先级、每一个关键词所属的不同词汇类别的权重，以及每一个关键词的索引路径。
作为进一步地方案，将新出现的关键词、对应索引路径以及对应的索引关键词的优先级存储到全业务数据中心，并根据用户对每次索引结果的响应，对关键词所属词汇类别的权重进行更新。
作为进一步地方案，将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数，具体包括：
在设定的数据传输时间T内，设定的数据量级M对应设定的通道个数N；
数据量级每增加一倍，分配通道个数增加一倍；传输时间每增加一倍，分配通道个数增加一倍。
在另一些实施方式中，采用如下技术方案：
一种具备自主学习特性的通道分配系统，包括：
数据索引模块，用于提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引；
通道分配模块，用于将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数。
在另一些实施方式中，采用如下技术方案：
一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的具备自主学习特性的通道分配方法。
在另一些实施方式中，采用如下技术方案：
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的具备自主学习特性的通道分配方法。
与现有技术相比，本发明的有益效果是：
本发明基于数据量级动态分配通道个数的方法，不会占用过多的通道，能够减少资源的浪费，不增加系统响应的占用数量，提高检索效率，提升用户体验。
本发明索引过程中学习性较强，可以根据用户检索词汇类别权重进行有效的学习并更新存储；能够解决传统分词算法方式粗狂、集成繁琐、有效索引比率低等问题；本发明对索引关键词组进行排序，并顺次检索，逐渐缩小数据索引的范围，减少了数据处理量，降低了对于处理器性能的要求，同时提高数据索引效率。
附图说明
图1是本发明实施例一中具备自主学习特性的通道分配方法的流程图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
在一个或多个实施方式中，公开了一种具备自主学习特性的通道分配方法，参照图1，包括以下过程：
步骤S101：提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引；
具体地，进行数据索引的过程包括如下过程：
步骤1011：提取待处理的原文本的关键词，对关键词进行最细粒度的切分，形成若干单个候选微分词；
步骤1012：所述单个候选微分词通过与全业务数据中心进行匹配，筛选得到索引关键词组；
步骤1013：按照优先级顺序对所述索引关键词组中的各索引关键词进行排序，确定每一个索引关键词所属词汇类别的权重；
步骤1014：按照各索引关键词的排序进行顺次索引。
本实施例中，采用最细粒度切分算法，将原文本的关键词按照最细粒度进行切分；最新粒度切分算法可以采用现有的算法，比如：IK正向迭代最细粒度切分算法。
单个候选微分词与全业务数据中心进行匹配，全数据业务中心存储有不同业务需求下的所有数据，比如：人资、物资和财务等等。同时，全数据业务中心包括词库，词库里面存储有关键词、关键词的优先级关键词所属不同词汇类别的权重以及关键词对应的索引路径。
其中，关键词的优先级根据业务需求进行预先设定，比如：“山东大学”优先级＞“计算机学院”优先级＞“男”优先级。
关键词所属不同词汇类别的权重根据客户对于不同词汇类别的索引结果的响应次数确定，比如：山东大学作为毕业院校类的词汇属性的索引结果，被用户点击的次数最多，则该词汇类别的权重最高。假如在后续的检索过程中，山东大学作为居住地址类的词汇属性的索引结果，被用户点击的次数最多，则更新该词汇类别的权重变为最高。
按照优先级顺序对索引关键词组中的各索引关键词进行排序，在进行索引时，按照各索引关键词的排序进行顺次索引；即，在前一个索引关键词对应的索引结果的基础上，检索下一个索引关键词对应的检索结果。比如：先检索“山东大学”关键词对应的索引结果，然后在此结果的基础上进一步检索“计算机学院”关键词对应的索引结果，然后再此结果的基础上，再进一步检索“男”关键词对应的索引结果；按照优先级排序进行检索，能够一步一步地缩小数据检索的范围，不断减少数据处理量，降低对于服务器性能的要求。
在单个索引关键词进行索引时，优先反馈权重最高的词汇类别对应的索引结果；然后根据用户对于索引结果的响应，比如：点击索引结果，不断更新每一个索引关键词所属词汇类别的权重，并存储至全数据业务中心。
同时，对于新出现的索引关键词，将该关键词、对应索引路径以及对应的索引关键词的优先级存储到全业务数据中心，并根据用户对每次索引结果的响应，对该关键词所属词汇类别的权重进行更新。
通过全数据业务中心的不断自学习，不断提高索引结果的准确性和搜索效率。
步骤S102：将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数。
具体地，需要分配的通道个数基于权重最高的索引关键词对应的索引结果的数据量级以及数据传输时间决定；
假设在设定的数据传输时间T内，设定的数据量级M对应设定的通道个数N；则数据量级每增加一倍，分配通道个数增加一倍；传输时间每增加一倍，分配通道个数增加一倍。
比如：数据量级达到M时，如果传输时间在T内，分配通道个数为N；如果传输时间在2T内，分配通道个数为2N；依次类推；
数据量级达到2M时，如果传输时间在T内，分配通道个数为2N；如果传输时间在2T内，分配通道个数为4N；依次类推。
通道数量选择模型不断存储不同数据量级以及不同传输时间所对应的实际分配通道的数量，对通道数量选择模型进行不断的训练和校正。
实施例二
在一个或多个实施方式中，公开了一种具备自主学习特性的通道分配系统，包括：
数据索引模块，用于提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引；
通道分配模块，用于将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数。
需要说明的是，上述各模块的具体工作方式采用实施例一中公开的方法实现，此处不再赘述。
实施例三
在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的具备自主学习特性的通道分配方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的具备自主学习特性的通道分配方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种具备自主学习特性的通道分配方法，其特征在于，包括：
提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引；
将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数。
2.如权利要求1所述的一种具备自主学习特性的通道分配方法，其特征在于，得到需要分配的通道个数后，为服务器分配相应数量的通道，利用所述通道将索引得到的数据传输至客户端。
3.如权利要求1所述的一种具备自主学习特性的通道分配方法，其特征在于，提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引，具体过程包括：
提取待处理的原文本的关键词，对关键词进行最细粒度的切分，形成若干单个候选微分词；
所述单个候选微分词通过与全业务数据中心进行匹配，筛选得到索引关键词组；
按照优先级顺序对所述索引关键词组中的各索引关键词进行排序，确定每一个索引关键词所属词汇类别的权重；
按照各索引关键词的排序进行顺次索引。
4.如权利要求3所述的一种具备自主学习特性的通道分配方法，其特征在于，单个索引关键词进行索引时，优先反馈权重最高的词汇类别对应的索引结果。
5.如权利要求3所述的一种具备自主学习特性的通道分配方法，其特征在于，所述全业务数据中心包括词库，所述词库中包括关键词、每一个关键词对应的优先级、每一个关键词所属的不同词汇类别的权重，以及每一个关键词的索引路径。
6.如权利要求5所述的一种具备自主学习特性的通道分配方法，其特征在于，将新出现的关键词、对应索引路径以及对应的索引关键词的优先级存储到全业务数据中心，并根据用户对每次索引结果的响应，对关键词所属词汇类别的权重进行更新。
7.如权利要求1所述的一种具备自主学习特性的通道分配方法，其特征在于，将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数，具体包括：
在设定的数据传输时间T内，设定的数据量级M对应设定的通道个数N；
数据量级每增加一倍，分配通道个数增加一倍；传输时间每增加一倍，分配通道个数增加一倍。
8.一种具备自主学习特性的通道分配系统，其特征在于，包括：
数据索引模块，用于提取待处理的原文本的关键词，对关键词进行最细粒度的切分，基于切分后的索引关键词进行数据索引；
通道分配模块，用于将权重最高的索引关键词对应的索引结果对应的数据量级，输入到通道数量选择模型中，输出需要分配的通道个数。
9.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的具备自主学习特性的通道分配方法。
10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的具备自主学习特性的通道分配方法。
CN202011399723.5A 2020-12-04 2020-12-04 一种具备自主学习特性的通道分配方法及系统 Active CN112346876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011399723.5A CN112346876B (zh) 2020-12-04 2020-12-04 一种具备自主学习特性的通道分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011399723.5A CN112346876B (zh) 2020-12-04 2020-12-04 一种具备自主学习特性的通道分配方法及系统

Publications (2)

Publication Number Publication Date
CN112346876A true CN112346876A (zh) 2021-02-09
CN112346876B CN112346876B (zh) 2023-04-18

Family

ID=74428033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011399723.5A Active CN112346876B (zh) 2020-12-04 2020-12-04 一种具备自主学习特性的通道分配方法及系统

Country Status (1)

Country Link
CN (1) CN112346876B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114253968A (zh) * 2021-12-02 2022-03-29 北京人大金仓信息技术股份有限公司 数据装载方法、装置、设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1984423A (zh) * 2006-06-15 2007-06-20 天栢宽带网络科技（上海）有限公司 传输带宽的动态分配方法
CN101158971A (zh) * 2007-11-15 2008-04-09 深圳市迅雷网络技术有限公司 一种基于搜索引擎的搜索结果排序方法及装置
CN107506463A (zh) * 2017-08-30 2017-12-22 宁波城市职业技术学院 一种数据分类和处理方法及设备
CN107748792A (zh) * 2017-11-01 2018-03-02 上海数据交易中心有限公司 数据检索方法及装置、终端
US20180129703A1 (en) * 2016-11-04 2018-05-10 Sap Se Method and system for retrieval of data
CN108694183A (zh) * 2017-04-06 2018-10-23 北京国双科技有限公司 一种检索方法及装置
CN111008200A (zh) * 2019-12-18 2020-04-14 北京数衍科技有限公司 数据查询方法、装置和服务器
CN111209378A (zh) * 2019-12-26 2020-05-29 航天信息股份有限公司企业服务分公司 一种基于业务字典权重的有序分级排序方法
CN111291195A (zh) * 2020-01-21 2020-06-16 腾讯科技（深圳）有限公司 一种数据处理方法、装置、终端及可读存储介质
CN111753048A (zh) * 2020-05-21 2020-10-09 高新兴科技集团股份有限公司 文档检索方法、装置、设备及存储介质
CN111984851A (zh) * 2020-09-03 2020-11-24 平安国际智慧城市科技股份有限公司 医学资料搜索方法、装置、电子装置及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1984423A (zh) * 2006-06-15 2007-06-20 天栢宽带网络科技（上海）有限公司 传输带宽的动态分配方法
CN101158971A (zh) * 2007-11-15 2008-04-09 深圳市迅雷网络技术有限公司 一种基于搜索引擎的搜索结果排序方法及装置
US20180129703A1 (en) * 2016-11-04 2018-05-10 Sap Se Method and system for retrieval of data
CN108694183A (zh) * 2017-04-06 2018-10-23 北京国双科技有限公司 一种检索方法及装置
CN107506463A (zh) * 2017-08-30 2017-12-22 宁波城市职业技术学院 一种数据分类和处理方法及设备
CN107748792A (zh) * 2017-11-01 2018-03-02 上海数据交易中心有限公司 数据检索方法及装置、终端
CN111008200A (zh) * 2019-12-18 2020-04-14 北京数衍科技有限公司 数据查询方法、装置和服务器
CN111209378A (zh) * 2019-12-26 2020-05-29 航天信息股份有限公司企业服务分公司 一种基于业务字典权重的有序分级排序方法
CN111291195A (zh) * 2020-01-21 2020-06-16 腾讯科技（深圳）有限公司 一种数据处理方法、装置、终端及可读存储介质
CN111753048A (zh) * 2020-05-21 2020-10-09 高新兴科技集团股份有限公司 文档检索方法、装置、设备及存储介质
CN111984851A (zh) * 2020-09-03 2020-11-24 平安国际智慧城市科技股份有限公司 医学资料搜索方法、装置、电子装置及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114253968A (zh) * 2021-12-02 2022-03-29 北京人大金仓信息技术股份有限公司 数据装载方法、装置、设备及介质
CN114253968B (zh) * 2021-12-02 2026-02-13 中电科金仓(北京)科技股份有限公司 数据装载方法、装置、设备及介质

Also Published As

Publication number Publication date
CN112346876B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
US12073334B2 (en) Human-computer dialogue method and apparatus
TWI640880B (zh) 提供推薦詞的方法及裝置
US11373086B2 (en) Cooperatively training and/or using separate input and response neural network models for determining response(s) for electronic communications
CN109032381B (zh) 一种基于上下文的输入方法、装置、存储介质及终端
CN110245221A (zh) 训练对话状态跟踪分类器的方法和计算机设备
CN109800427B (zh) 一种分词方法、装置、终端及计算机可读存储介质
CN113806510B (zh) 一种法律条文检索方法、终端设备及计算机存储介质
CN111198898B (zh) 大数据查询方法及大数据查询装置
CN111967264A (zh) 一种命名实体识别方法
CN108733790A (zh) 数据排序方法、装置、服务器和存储介质
CN112346876B (zh) 一种具备自主学习特性的通道分配方法及系统
CN106407184B (zh) 用于统计机器翻译的解码方法、统计机器翻译方法及装置
CN110825953B (zh) 数据查询方法、装置和设备
WO2020119346A1 (zh) 自然语义理解的方法、装置、计算设备
CN112100313B (zh) 一种基于最细粒度切分的数据索引方法及系统
CN111159526B (zh) 查询语句处理方法、装置、设备及存储介质
CN112632929B (zh) 一种基于表格数据智能推荐图表的方法、装置和电子设备
CN107918676B (zh) 结构化查询的资源优化方法及数据库查询系统
CN111639099A (zh) 全文索引方法及系统
CN114742062B (zh) 文本关键词提取处理方法及系统
CN116167566A (zh) 基于机器学习的客户资源分配方法及相关设备
CN104008097A (zh) 实现查询理解的方法及装置
CN112183069B (zh) 一种基于历史关键词投放数据的关键词构建方法及系统
CN111539208B (zh) 语句处理方法和装置、以及电子设备和可读存储介质
US20190236462A1 (en) System and method for predicting future news coverage

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Yinhe building, 2008 Xinluo street, high tech Industrial Development Zone, Jinan City, Shandong Province

Applicant after: Shandong luruan Digital Technology Co.,Ltd.

Address before: Yinhe building, 2008 Xinluo street, high tech Industrial Development Zone, Jinan City, Shandong Province

Applicant before: SHANDONG LUNENG SOFTWARE TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant