CN117851127A - 语义模型故障处理方法、装置、电子设备及存储介质 - Google Patents
语义模型故障处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117851127A CN117851127A CN202410013068.7A CN202410013068A CN117851127A CN 117851127 A CN117851127 A CN 117851127A CN 202410013068 A CN202410013068 A CN 202410013068A CN 117851127 A CN117851127 A CN 117851127A
- Authority
- CN
- China
- Prior art keywords
- semantic model
- model
- semantic
- candidate
- target
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 14
- 238000011084 recovery Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Machine Translation (AREA)
Abstract
本发明涉及城市区域语义服务技术领域,具体涉及一种语义模型故障处理方法、装置、电子设备及存储介质。本发明通过获取发生故障的故障语义模型;根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型;通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;通过所述目标语义模型处理所述目标区域的待处理数据,由于使用模型选取规则可以从距离故障语义模型所在的目标区域最近的候选区域,精准地选取替换故障语义模型的目标语义模型,不但为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验,而且由于不需要部署备份的语义模型,进一步节约了资源。
Description
技术领域
本发明涉及城市区域语义服务技术领域,具体涉及一种语义模型故障处理方法、装置、电子设备及存储介质。
背景技术
随着人工智能技术的不断发展,语义模型在城市区域的应用越来越广泛。这些应用涵盖了城市规划、智能交通、公共安全、环境监测和智慧城市等多个方面,为提高城市管理的效率和便利性发挥了重要作用。城市区域的语义模型部署方案的特点是不同的城市区域使用的语义模型不同,拥有定制化、方言适配、用户群适配等特点。
在传统的服务故障恢复方案中,当发生故障时,***可能会尝试使用固定的备份或默认模型来替代故障模型,然而这种通用化的替换方法并不能有效应对一些特殊情况。例如,不同城市区域部署有不同的语义模型,且由于其部署环境限制,无法部署语义模型的备份,那么在某一城市区域的语义模型故障时,传统的服务故障恢复方案显然不可用,此时该区域只能停止语义服务。
由此可见,相关技术中存在由于语义模型故障后无法立即恢复,导致语义服务不可用的技术问题。
发明内容
本发明的目的之一在于提供一种语义模型故障处理方法,以解决由于语义模型故障后无法立即恢复,导致语义服务不可用的问题;目的之二在于提供一种语义模型故障处理装置;目的之三在于提供一种电子设备;目的之四在于提供一种计算机可读的存储介质。
为了实现上述目的,本发明采用的技术方案如下:
根据本申请实施例的一个方面,提供了一种语义模型故障处理方法,包括:
获取发生故障的故障语义模型;根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;通过所述目标语义模型处理所述目标区域的待处理数据。
根据上述技术手段,通过获取发生故障的故障语义模型;根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;通过所述目标语义模型处理所述目标区域的数据,由于使用模型选取规则可以从距离故障语义模型所在的目标区域最近的候选区域,精准地选取替换故障语义模型的目标语义模型,不但为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验,而且由于不需要部署备份的语义模型,进一步节约了资源。
进一步,所述根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,包括:当预设的地理相似度要求为距离阈值时,获取与所述目标区域之间的距离满足所述距离阈值的所述候选区域;和/或,当预设的地理相似度要求为语言要求时,获取与所述目标区域之间的使用语言满足所述语言要求的所述候选区域;将与每个候选区域对应的语义模型确定为所述候选语义模型。
根据上述技术手段,由于通过使用距离阈值和/或语言要求精确选取候选区域对应的候选语义模型,可以有效缩小候选语义模型的选取范围,进一步提高选取替换故障语义模型的目标语义模型的效率。
进一步,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,包括:获取所述故障语义模型的历史数据,其中,历史数据包括:历史识别数据以及对所述历史识别数据进行识别得到的第一结果;将所述历史识别数据分别输入每个候选语义模型,得到由所述每个候选语义模型输出的第二结果;通过所述模型相似度算法,计算所述第一结果与每个第二结果的结果相似度;根据所有结果相似度确定出所述每个候选语义模型与所述故障语义模型的模型相似度值;在所述至少一个候选语义模型中,将所述模型相似度值最大的所述候选语义模型确定为目标语义模型。
根据上述技术手段,由于采用模型相似度算法对每个候选语义模型和故障语义模型进行相似度分析,可以精准地选取替换故障语义模型的目标语义模型。
进一步,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,包括:获取所述目标区域的待识别数据;根据所述待识别数据确定出所述目标区域对应的目标查询类型;获取每个候选语义模型的历史查询记录;按照所述目标查询类型以及所述历史查询记录,在所述至少一个候选语义模型中确定出在所述目标查询类型上的准确性最高的所述目标语义模型。
根据上述技术手段,由于通过目标区域的查询类型选取候选模型中在该查询类型上的准确性最高的目标语义模型,进一步确保在目标区域语义模型出现故障时,能够找到替换的语义模型,提升了语义服务***在多地区的应用效果和用户体验。
进一步,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,包括:获取所述目标区域的待识别数据;根据所述待识别数据,确定出与所述候选语义模型对应的识别结果和模型性能;在所述至少一个候选语义模型中,将所述识别结果为成功,且所述模型性能最高的所述候选语义模型确定为目标语义模型。
根据上述技术手段,由于通过候选模型对目标区域的待识别数据的识别结果和模型性能,选取候选模型中能够识别成功且模型性能最高的目标语义模型,进一步确保在目标区域语义模型出现故障时,能够找到替换的语义模型,提升了语义服务***在多地区的应用效果和用户体验。
进一步,通过所述目标语义模型处理所述目标区域的待处理数据,包括:建立转发线程;通过所述转发线程将所述目标区域的待处理数据转发给所述目标语义模型,以使所述目标语义模型处理所述目标区域的待处理数据。
根据上述技术手段,由于通过转发线程将目标区域的待处理数据转发给目标语义模型处理,为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验。
进一步,所述获取发生故障的故障语义模型,包括:通过与所述目标区域的语义模型对应的模型运行日志,确定出所述目标区域的语义模型的状态信息和性能信息,其中,所述状态信息用于表示所述目标区域的语义模型是否运行,所述性能信息用于表示所述目标区域的语义模型处理语义请求的性能;当所述状态信息指示所述目标区域的语义模型为运行时,且所述性能信息不满足预设性能要求时,将所述目标区域的语义模型确定为所述故障语义模型。
根据上述技术手段,由于通过监控语义模型的模型运行日志中语义模型的状态信息和性能信息,可以及时、准确地发现故障语义模型,为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验。
根据本申请实施例的又一个方面,还提供了一种语义模型故障处理装置,包括:
故障语义模型获取模块,用于获取发生故障的故障语义模型;候选语义模型确定模块,用于根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;目标语义模型选取模块,用于通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;数据处理模块,用于通过所述目标语义模型处理所述目标区域的待处理数据。
根据本申请实施例的又一个方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;其中,存储器,用于存储计算机程序;处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
根据本申请实施例的又一个方面,还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
本发明的有益效果:
本申请通过获取发生故障的故障语义模型;根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;通过所述目标语义模型处理所述目标区域的待处理数据,由于使用模型选取规则可以从距离故障语义模型所在的目标区域最近的候选区域,精准地选取替换故障语义模型的目标语义模型,不但为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验,而且由于不需要部署备份的语义模型,进一步节约了资源。
附图说明
图1是根据本申请实施例的一种可选的语义模型故障处理方法的硬件环境的示意图;
图2是根据本申请实施例的一种可选的语义模型故障处理方法的流程示意图;
图3是根据本申请实施例的一种可选的获取故障语义模型的流程示意图;
图4是根据本申请实施例的一种可选的通过目标区域确定出候选语义模型的流程示意图;
图5是根据本申请实施例的一种可选的通过模型选取规则选取目标语义模型的流程示意图;
图6是根据本申请实施例的一种可选的根据模型相似度算法选取目标语义模型的原理解释示意图;
图7是根据本申请实施例的另一种可选的通过模型选取规则选取目标语义模型的流程示意图;
图8是根据本申请实施例的另一种可选的通过模型选取规则选取目标语义模型的流程示意图;
图9是根据本申请实施例的一种可选的目标语义模型处理处理目标区域的待处理数据的流程示意图;
图10是根据本申请实施例的一种可选的语义模型故障处理装置的结构框图;
图11是根据本申请实施例的一种可选的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种语义模型故障处理方法。可选地,在本实施例中,上述语义模型故障处理方法可以应用于由终端和服务器所构成的硬件环境中。服务器通过网络与终端进行连接,可用于为终端或终端上安装的客户端提供服务(如广告推送服务、应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器提供数据存储服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端并不限定于为PC、手机、平板电脑等。
本申请实施例的语义模型故障处理方法可以由服务器来执行,也可以由终端来执行,还可以是由服务器和终端共同执行。其中,终端执行本申请实施例的语义模型故障处理方法也可以是由安装在其上的客户端来执行。
以由服务器来执行本实施例中的语义模型故障处理方法为例,请参阅图1,图1是本申请实施例提供的一种可选的语义模型故障处理方法的硬件环境的示意图,如图1所示,该语义模型故障处理方法的硬件环境包括:终端102,以及通过网络与终端102连接的服务器104。服务器104用于部署为某一区域提供语义服务的多个语义模型,并且在该区域某一语义模型故障时,执行本申请实施例的语义模型故障处理方法,处理该区域的语义服务请求;终端102用于接收该区域用户的语义服务需求,并展示语义模型对于该语义服务需求的处理结果,其中,该处理结果在该区域的语义模型未出现故障时,可以由服务器104部署的语义模型处理得到;在该区域语义模型故障时可以由替换的语义模型处理得到。
本实施例中的语义模型故障处理方法可以应用于区域内语义模型部署环境限制,无法部署语义模型的备份,当区域内语义模型故障时,故障恢复的场景,例如:服务机房数量有限,只能部署单个区域语义服务的情况下,需要说明的是单个区域语义服务由该区域多个语义模型协同完成,该区域内任一模型出现故障,该区域的语义服务就无法使用。
在本实施例中提供了一种运行于上述服务器的语义模型故障处理方法,请参阅图2,图2是根据本申请实施例的一种可选的语义模型故障处理方法的流程示意图,如图2所示,本申请实施例的语义模型故障处理方法具体包括如下步骤:
步骤S201,获取发生故障的故障语义模型。
步骤S202,根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求。
步骤S203,通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型。
步骤S204,通过所述目标语义模型处理所述目标区域的待处理数据。
通过上述步骤S201至步骤S204,首先通过预设的地理相似度要求,确定故障语义模型对应的目标区域的候选区域以及候选语义模型,其次通过模型选取规则,从候选语义模型中选取与故障语义模型相似度最高的目标语义模型,并使用目标语义模型处理目标区域的待处理数据,解决了相关技术中存在由于语义模型故障后无法立即恢复,导致语义服务不可用的问题,由于使用模型选取规则可以从距离故障语义模型所在的目标区域最近的候选区域,精准地选取替换故障语义模型的目标语义模型,不但为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验,而且由于不需要部署备份的语义模型,进一步节约了资源。
下面结合图2对本申请实施例中的语义模型故障处理方法进行解释说明。
在步骤S201的技术方案中,获取发生故障的故障语义模型。
上述关于该语义模型故障处理方法的应用场景中介绍到,由于部署环境限制,该区域无法部署备份的语义模型,因此故障语义模型是为该区域提供语义服务的语义模型中具体发生故障的语义模型。在实际应用中,为某一区域提供语义服务的语义模型一般为多个不同的语义模型,其中各个语义模型相互配合、协同为该区域用户提供语义服务,若其中某一个语义模型出现故障,该区域的语义服务就不可用。
在实际应用中,区域语义模型部署好之后,服务于每个区域的语义模型以该区域为一个节点,多个区域的多个节点形成互相连接的无向图,该图可以显示在监控语义模型的***中,当某个区域的语义模型出现故障,该***中的对应的区域节点会显示故障,同时触发报警,通知相关人员进行处理。这样可以及时采取措施,防止故障进一步扩大。在具体实践中,该***会持续监控语义模型的性能表现,例如:模型的执行速度和执行结果,及时发现潜在问题并进行优化。通过性能优化,可以提高***的稳定性和容错能力,减少故障的发生。性能优化主要指负载均衡和调整流量占比。
在出现故障后,会获取到故障语义模型对应的区域标识,其中,区域标识为区域ID。本申请的语义模型故障处理方法根据区域ID查找具体的故障语义模型,具体的查找方法请参见获取发生故障的故障语义模型的内容。
作为一种可选的实施例,获取发生故障的故障语义模型,请参阅图3,图3是根据本申请实施例的一种可选的获取故障语义模型的流程示意图,如图3所示,具体步骤包括:
S11,通过与所述目标区域的语义模型对应的模型运行日志,确定出所述目标区域的语义模型的状态信息和性能信息,其中,所述状态信息用于表示所述目标区域的语义模型是否运行,所述性能信息用于表示所述目标区域的语义模型处理语义请求的性能;
S12,当所述状态信息指示所述目标区域的语义模型为运行时,且所述性能信息不满足预设性能要求时,将所述目标区域的语义模型确定为所述故障语义模型。
在具体实践中,目标区域即故障语义模型所对应的区域,在获取具体的故障模型时,首先获取该区域各个模型的模型运行日志,具体的根据该区域ID获取模型运行日志;其次获取语义模型的状态信息和性能信息;再次根据状态信息和性能信息确定出故障语义模型,具体的:当状态信息指示目标区域的语义模型为运行时,且性能信息不满足预设性能要求时,将所述目标区域的语义模型确定为故障语义模型。
需要说明的是,状态信息用于表示目标区域的语义模型是否运行,状态信息包括运行和下线,在状态信息指示目标区域的语义模型为下线时,该模型不属于故障或异常。性能信息用于表示目标区域的语义模型处理语义请求的性能,性能信息包括:语义模型处理语义请求的时延和语义模型每秒内语义请求处理成功的数值。
上述语义模型故障处理方法中提及的性能信息不满足要求具体包括:语义模型处理语义请求的时延大于等于预设时延阈值,该时延阈值根据实际情况设定,例如:10s,或,语义模型每秒内语义请求处理成功的数值小于预设处理量阈值,该预设处理量阈值根据实际情况设定。
可以理解的是,在目标区域的语义模型运行,且语义模型处理语义请求的时延大于等于预设时延阈值时,该语义模型即判定为故障语义模型,或者,在目标区域的语义模型运行,且语义模型每秒内语义请求处理成功的数值小于预设处理量阈值时,该语义模型即判定为故障语义模型。
根据上述技术手段,由于通过监控语义模型的模型运行日志中语义模型的状态信息和性能信息,可以及时、准确地发现故障语义模型,为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验。
在具体实践中,在获取发生故障的故障语义模型之后,还会进行再次验证语义模型是否真的故障,具体地,向故障语义模型发送特定的标准语义处理请求,根据请求处理结果判定语义模型是否真的发生故障。如果该请求未被正确执行,则该语义模型确定发生故障;如果该请求被正确执行,则该语义模型未发生故障。
故障语义模型确定后,执行本申请的语义模型故障处理方法中后续步骤S202至步骤S204。
在步骤S202的技术方案中,根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求。
在不同区域语义模型之间是存在语义边界的,语义边界在语义模型训练的过程中有助于提高语义模型对于地区语义的识别能力,但是依据自然语义的分布情况,城市区域地理位置间隔较大的时候语义边界相对明显,而区域地理间隔较小的时候,语义边界相对较不明显。地理相似度即目标区域与候选区域的地理距离,在实际应用中,在部署好的语义服务中各个区域节点形成无向图,无向图中每个节点连接的下一个节点,均为与其地理距离最近的节点,每个节点与下一个节点连接形成一条边,通过判断两个节点连接后边的个数,实现获取目标区域对应的候选区域。
作为一种可选的实施例,根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,请参阅图4,图4是根据本申请实施例的一种可选的通过目标区域确定出候选语义模型的流程示意图,如图4所示,具体步骤包括:
S21,当预设的地理相似度要求为距离阈值时,获取与所述目标区域之间的距离满足所述距离阈值的所述候选区域,和/或,当预设的地理相似度要求为语言要求时,获取与所述目标区域之间的使用语言满足所述语言要求的所述候选区域;
S22,将与每个候选区域对应的语义模型确定为所述候选语义模型。
需要说明的是,地理相似度用于选取符合要求的候选语义模型,其中地理相似度可以根据候选区域与目标区域之间的距离判定,也可以根据候选区域与目标区域使用的语言判定。
作为一种可选地实施例,当根据候选区域与目标区域之间的距离判定时,通过判断两个区域的距离是否满足距离阈值要求进行判定。在具体实践中,距离阈值即无向图中两个节点连接所需要的边的个数,例如:距离阈值为1,那么选取的候选区域所在的节点与目标区域所在的节点连接,需要边的个数为1。
当预设的地理相似度要求为距离阈值时,获取与所述目标区域之间的距离满足所述距离阈值的所述候选区域,即选取与目标区域节点连接边的个数为距离阈值的候选区域节点;将与每个候选区域对应的语义模型确定为所述候选语义模型。
在具体实践中,根据目标区域的区域ID和距离阈值,确定候选区域的区域ID;根据候选区域的区域ID获取候选区域内语义模型的模型标识,模型标识为语义模型的索引;将目标区域内故障语义模型的索引和候选区域内语义模型的索引组成语义模型的列表。可以理解的是,语义模型的列表中各个候选模型的索引对应的候选模型即为候选语义模型。
根据上述技术手段,由于通过使用距离阈值精确选取候选区域对应的候选语义模型,可以有效缩小候选语义模型的选取范围,进一步提高选取替换故障语义模型的目标语义模型的效率。
作为一种可选地实施例,当根据候选区域与目标区域使用的语言判定时,通过比较两个区域的使用语言是否满足语言要求进行判定。在具体实践中,语言要求用于指示语义模型服务的区域中用户所使用的方言是否相同或相近。
当预设的地理相似度要求为语言要求时,获取与所述目标区域之间的使用语言满足所述语言要求的所述候选区域,即选取与目标区域使用方言相同或相近的候选区域;将与每个候选区域对应的语义模型确定为所述候选语义模型。
在具体实践中,根据目标区域的区域ID和使用的语言类型,确定候选区域的区域ID;根据候选区域的区域ID获取候选区域内语义模型的模型标识,模型标识为语义模型的索引;将目标区域内故障语义模型的索引和候选区域内语义模型的索引组成语义模型的列表。可以理解的是,语义模型的列表中各个候选模型的索引对应的候选模型即为候选语义模型。
根据上述技术手段,由于通过使用语言要求精确选取候选区域对应的候选语义模型,可以有效缩小候选语义模型的选取范围,进一步提高选取替换故障语义模型的目标语义模型的效率。
作为一种可选地实施例,还可以同时使用距离阈值和语言要求确定候选语义模型。
具体的,可以根据目标区域的区域ID、距离阈值和语言类型,确定候选区域的区域ID;根据候选区域的区域ID获取候选区域内语义模型的模型标识,模型标识为语义模型的索引;将目标区域内故障语义模型的索引和候选区域内语义模型的索引组成语义模型的列表。可以理解的是,语义模型的列表中各个候选模型的索引对应的候选模型即为候选语义模型。
需要说明的是,关于根据目标区域的区域ID、距离阈值和语言类型,确定候选区域的区域ID,可以为先根据目标区域的区域ID和距离阈值,确定第一候选区域的区域ID;再根据目标区域的区域ID和语言类型,从第一候选区域的区域ID中确定第二候选区域的区域ID,第二候选区域的区域ID即为候选区域的区域ID;还可以为先根据目标区域的区域ID和语言类型,确定第一候选区域的区域ID;再根据目标区域的区域ID和距离阈值,从第一候选区域的区域ID中确定第二候选区域的区域ID,第二候选区域的区域ID即为候选区域的区域ID。
根据上述技术手段,由于通过使用距离阈值和语言要求更加精确选取候选区域对应的候选语义模型,可以有效缩小候选语义模型的选取范围,进一步提高选取替换故障语义模型的目标语义模型的效率。
在步骤S203的技术方案中,通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型。
在具体实践中,通过模型选取规则选取与故障语义模型相似度最高的目标语义模型。模型选取规则可以是模型相似度算法,可以是查询类型匹配方法,可以是模型的识别结果和模型性能选取方法。模型相似度算法是根据计算候选语义模型与故障语义模型的识别结果的相似度,来得到候选语义模型与故障语义模型的模型相似度,最终选取与故障语义模型相似度最高的目标语义模型。查询类型匹配方法即将故障恢复期内目标区域的待识别数据,按照目标查询类型分类,选取候选模型中在目标查询类型中识别准确率最高的语义模型为目标语义模型,目标查询类型为用户使用的操作类型,例如:导航、音乐、控制指令等。模型的识别结果和模型性能选取方法即将故障恢复期内目标区域的待识别数据,分成不同的组,每组使用不同的候选语义模型处理数据,得到处理结果和模型性能,根据模型性能选取候选模型中能够成功识别待识别数据,并且模型性能表现更好的语义模型为目标语义模型,模型识别结果包括成功和失败,模型性能具体包括:候选语义模型处理语义请求的时延和候选语义模型每秒内语义请求处理成功的数值。
作为一种可选的实施例,当模型选取规则是模型相似度算法时,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,请参阅图5,图5是根据本申请实施例的一种可选的通过模型选取规则选取目标语义模型的流程示意图,如图5所示,具体步骤包括:
S31,获取所述故障语义模型的历史数据,其中,历史数据包括:历史识别数据以及对所述历史识别数据进行识别得到的第一结果;
S32,将所述历史识别数据分别输入每个候选语义模型,得到由所述每个候选语义模型输出的第二结果;
S33,通过所述模型相似度算法,计算所述第一结果与每个第二结果的结果相似度;
S34,根据所有结果相似度确定出所述每个候选语义模型与所述故障语义模型的模型相似度值;
S35,在所述至少一个候选语义模型中,将所述模型相似度值最大的所述候选语义模型确定为目标语义模型。
需要说明的是,历史数据为故障语义模型识别过的数据,其中,历史数据包括:历史识别数据以及对所述历史识别数据进行识别得到的第一结果。模型相似度算法用于计算故障语义模型与候选语义模型分别处理相同的历史识别数据所输出的结果相似度值,该结果相似度可以用于表征每个候选语义模型与故障语义模型的模型相似度,即该结果相似度值即为模型相似度值。第一结果为故障语义模型对历史识别数据识别的结果,第二结果为候选语义模型对历史识别数据识别的结果。
在具体实践中,模型相似度算法选取目标语义模型的具体包括:获取历史识别数据、第一结果、语义模型的列表;创建存储结果相似度值的数组;将历史识别数据分别输入语义模型的列表中模型索引对应的候选模型中,得到每个候选语义模型输出的第二结果;利用余弦函数计算每个候选语义模型对应的第二结果与第一结果的结果相似度值;将模型每个候选语义模型对应的结果相似度值存入数组中;根据第一结果获取故障语义模型的索引;将数组中故障语义模型的索引对应的结果相似度值去掉;在数组中剩余结果中选取相似度值最大的,将其对应的模型索引输出,该模型索引对应的模型即为目标语义模型。
为了更好的说明本实施例中根据模型相似度算法选取目标语义模型的原理,现以城市区域语义模型集群中区域模型A故障,区域模型B、C、D为候选模型为例进行解释说明。请参阅图6,图6是根据本申请实施例的一种可选的根据模型相似度算法的选取目标语义模型原理解释示意图,如图6所示,当监控的服务监测到区域模型A故障后,调用模型相似度算法,分别计算区域模型A与区域模型B、C、D的模型相似度值,根据图3可知,区域模型A与区域模型B的模型相似度值为0.88,区域模型A与区域模型C的模型相似度值为0.90,区域模型A与区域模型D的模型相似度值为0.76,那么选取模型相似度值最大的0.90对应的区域模型C为目标语义模型,该区域模型C用于替换故障的区域模型A为区域模型A对应的区域提供语义服务。
根据上述技术手段,由于采用模型相似度算法对每个候选语义模型和故障语义模型进行相似度分析,可以精准地选取替换故障语义模型的目标语义模型。通过选择与故障前状态相似度最高的模型,减少模型切换造成的用户体验波动。
作为一种可选的实施例,当模型选取规则是查询类型匹配方法时,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,请参阅图7,图7是根据本申请实施例的另一种可选的通过模型选取规则选取目标语义模型的流程示意图,如图7所示,具体步骤包括:
S41,获取所述目标区域的待识别数据;
S42,根据所述待识别数据确定出所述目标区域对应的目标查询类型;
S43,获取每个候选语义模型的历史查询记录;
S44,按照所述目标查询类型以及所述历史查询记录,在所述至少一个候选语义模型中确定出在所述目标查询类型上的准确性最高的所述目标语义模型。
需要说明的是,待识别数据为在故障恢复期间,***获取到的未处理数据。目标查询类型是指目标区域的待识别数据中使用频率高的识别场景类型,例如:导航、音乐、控制指令等。历史查询记录指候选语义模型历史识别场景以及每个识别场景的识别结果的集合。
以待识别数据中目标查询类型为导航为例,本实施例中选取的目标语义模型为候选模型中在导航识别场景中识别准确率最高的语义模型。
上述技术手段,通过将故障恢复期间的用户按照其查询类型进行分类,从候选语义模型中为每个类型,选取对应的类型表现好的候选语义模型为目标语义模型。
根据上述技术手段,由于通过目标区域的查询类型选取候选模型中在该查询类型上的准确性最高的目标语义模型,进一步确保在目标区域语义模型出现故障时,能够找到替换的语义模型,提升了语义服务***在多地区的应用效果和用户体验。
作为一种可选的实施例,当模型选取规则是模型的识别结果和模型性能选取方法时,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,请参阅图8,图8是根据本申请实施例的另一种可选的通过模型选取规则选取目标语义模型的流程示意图,如图8所示,具体步骤包括:
S51,获取所述目标区域的待识别数据;
S52,根据所述待识别数据,确定出与所述候选语义模型对应的识别结果和模型性能;
S53,在所述至少一个候选语义模型中,将所述识别结果为成功,且所述模型性能最高的所述候选语义模型确定为目标语义模型。
需要说明的是,待识别数据为在故障恢复期间,***获取到的未处理数据。识别结果是指候选语义模型识别待识别数据后的结果。模型性能指候选语义模型识别待识别数据的性能,模型性能具体包括:候选语义模型处理语义请求的时延和候选语义模型每秒内语义请求处理成功的数值。
本实施例中选取的目标语义模型为候选模型中能够成功识别待识别数据,并且模型性能表现更好的语义模型。具体的,如果候选模型对应的识别结果显示成功,且候选语义模型处理语义请求的时延最少,那么该候选语义模型即为目标语义模型;在同样的时延条件下,选取候选语义模型每秒内语义请求处理成功的数值最大的为目标语义模型。
在具体实践中,还可以在上述条件的基础上,根据用户对于候选语义模型处理待识别数据过程中的反馈或得到识别结果的反馈来进一步选取目标语义模型。用户的反馈具体包括:用户的情绪语言、手动操作等。如果在得到处理结果后,用户说了对结果满意的情绪性语言,可以判定当前提供语义服务的候选语义模型满足用户的需求,可以继续使用其为当前用户提供语义服务。如果在候选语义模型处理待识别数据过程中,用户出现手动操作,那么可以认为现在的候选语义模型不能很好的处理当前用户的需求,可以使用其他候选语义模型继续为当前用户提供语义服务。
上述技术手段,将故障恢复期间的,目标区域的用户的分成不同的组,每组使用不同的候选语义模型进行语义服务,通过比较每组的模型性能和用户反馈,选取模型性能表现好且用户反馈好的候选语义模型最为目标语义模型。
根据上述技术手段,由于通过候选模型对目标区域的待识别数据的识别结果和模型性能,选取候选模型中能够识别成功且模型性能最高的目标语义模型,进一步确保在目标区域语义模型出现故障时,能够找到替换的语义模型,提升了语义服务***在多地区的应用效果和用户体验。
在步骤S204的技术方案中,通过所述目标语义模型处理所述目标区域的待处理数据。
由于每个区域的语义服务需要多个语义模型共同协作完成,因此其中一个语义模型故障,该区域的其他语义模型也无法提供语义服务,而且,每个区域的语义模型的参数配置不相同、不通用,因此,在得到目标语义模型后无法直接通过替换故障语义模型来处理目标区域的待处理数据,需要与目标语义模型对应的区域内的其他语义模型配合使用。在本实施例中,通过将建立转发线程将故障语义模型对应的目标区域的区域ID替换成目标语义模型对应的候选区域的区域ID,实现目标语义模型处理目标区域的待处理数据。
作为一种可选的实施例,通过所述目标语义模型处理所述目标区域的待处理数据,请参阅图9,图9是根据本申请实施例的一种可选的目标语义模型处理处理目标区域的待处理数据的流程示意图,如图9所示,具体步骤包括:
S61,建立转发线程;
S62,通过所述转发线程将所述目标区域的待处理数据转发给所述目标语义模型,以使所述目标语义模型处理所述目标区域的待处理数据。
需要说明的是,转发线程是将目标区域的待处理数据转发给目标语义模型,以使目标语义模型处理待处理数据。
在具体实践中,首先建立索引转发列表,该索引转发列表中存储有目标语义模型的对应的区域ID,在获取目标区域的语义服务请求时,使用转发线程将语义服务请求中目标区域的区域ID替换成目标模型对应的区域ID,这样就实现了使用目标语义模型处理待处理数据。
在具体实践中,由于某个区域的一个语义模型出现故障,该区域其他的语义模型也无法为该区域提供语义服务,因此,转发线程实际是将语义服务请求中目标区域的区域ID替换成目标语义模型对应的区域ID,以使目标语义模型处理待处理数据。
根据上述技术手段,由于通过转发线程将目标区域的待处理数据转发给目标语义模型处理,为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验。
在具体实践中,通过目标语义模型处理所述目标区域的待处理数据后,监控语义模型的***会开启监控程序,对语义故障模型进行监控,当模型恢复正常的时候,关闭监控线程,关闭转发线程。
在具体实践中,在目标区域的语义模型发生故障后,还需要对故障语义模型的数据进行备份,备份数据包括:用户日志数据和故障模型的模型参数数据;其中,用户日志数据即历史数据,可以供后续替换模型的使用,故障参数数据用于故障模型的恢复后的使用。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术作出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述语义模型故障处理方法的语义模型故障处理装置。请参阅图10,图10是根据本申请实施例的一种可选的语义模型故障处理装置的结构框图,如图10所示,该装置可以包括:
故障语义模型获取模块401,用于获取发生故障的故障语义模型;
候选语义模型确定模块402,用于根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;
目标语义模型选取模块403,用于通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;
数据处理模块404,用于通过所述目标语义模型处理所述目标区域的待处理数据。
需要说明的是,该实施例中的故障语义模型获取模块401可以用于执行上述步骤S201,该实施例中的候选语义模型确定模块402可以用于执行上述步骤S202,该实施例中的目标语义模型选取模块403可以用于执行上述步骤S203,该实施例中的数据处理模块404可以用于执行上述步骤S204。
关于本实施例中的语义模型故障处理装置,其故障语义模型获取模块401、候选语义模型确定模块402、目标语义模型选取模块403以及数据处理模块404执行上述语义模型故障处理方法的具体方式已经在有关该语义模型故障处理方法的实施例中进行了详细描述,此处将不作详细阐述说明。
可以理解的是,本实施例提供的技术方案,该语义模型故障处理装置中各个模块,通过获取发生故障的故障语义模型;根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;通过所述目标语义模型处理所述目标区域的待处理数据,解决了相关技术中的由于语义模型故障后无法立即恢复,导致语义服务不可用的问题,由于使用模型选取规则可以从距离故障语义模型所在的目标区域最近的候选区域,精准地选取替换故障语义模型的目标语义模型,不但为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验,而且由于不需要部署备份的语义模型,进一步节约了资源。
本实施例中的装置,除包含上述模块之外,还可以包含执行如前述任一语义模型故障处理方法的实施例中任意方法的模块。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实现如图1所示方法的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本申请实施例的又一个方面,还提供了一种用于实施上述语义模型故障处理方法的电子设备,该电子设备可以是服务器、终端,或者其组合。
根据本申请的另一个实施例,还提供一种电子设备,请参阅图11,图11是根据本申请实施例的一种可选的电子设备的结构框图,如图11所示,该电子设备可以包括:处理器1501、通信接口1502、存储器1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。
存储器1503,用于存放计算机程序;
处理器1501,用于执行存储器1503上所存放的程序时,实现如下步骤:
步骤S201,获取发生故障的故障语义模型。
步骤S202,根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求。
步骤S203,通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型。
步骤S204,通过所述目标语义模型处理所述目标区域的待处理数据。
可以理解的是,本实施例提供的技术方案,该电子设备的处理器,通过获取发生故障的故障语义模型;根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;通过所述目标语义模型处理所述目标区域的待处理数据,解决了相关技术中的由于语义模型故障后无法立即恢复,导致语义服务不可用的问题,由于使用模型选取规则可以从距离故障语义模型所在的目标区域最近的候选区域,精准地选取替换故障语义模型的目标语义模型,不但为故障修复提供了更为高效和准确的解决方案,提升了语义服务***在多地区的应用效果和用户体验,而且由于不需要部署备份的语义模型,进一步节约了资源。
可选地,在本实施例中,上述的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,可以包含但不限于:CPU(Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(DigitalSignal Processor,数字信号处理器)、ASIC(Application Specific IntegratedCircuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)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。
本申请实施例还提供一种计算机可读存储介质,存储介质包括存储的程序,其中,程序运行时执行上述方法实施例的方法步骤。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其他的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,又可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种语义模型故障处理方法,其特征在于,包括:
获取发生故障的故障语义模型;
根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;
通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;
通过所述目标语义模型处理所述目标区域的待处理数据。
2.根据权利要求1所述的语义模型故障处理方法,其特征在于,所述根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,包括:
当预设的地理相似度要求为距离阈值时,获取与所述目标区域之间的距离满足所述距离阈值的所述候选区域;
和/或,
当预设的地理相似度要求为语言要求时,获取与所述目标区域之间的使用语言满足所述语言要求的所述候选区域;
将与每个候选区域对应的语义模型确定为所述候选语义模型。
3.根据权利要求1所述的语义模型故障处理方法,其特征在于,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,包括:
获取所述故障语义模型的历史数据,其中,历史数据包括:历史识别数据以及对所述历史识别数据进行识别得到的第一结果;
将所述历史识别数据分别输入每个候选语义模型,得到由所述每个候选语义模型输出的第二结果;
通过所述模型相似度算法,计算所述第一结果与每个第二结果的结果相似度;
根据所有结果相似度确定出所述每个候选语义模型与所述故障语义模型的模型相似度值;
在所述至少一个候选语义模型中,将所述模型相似度值最大的所述候选语义模型确定为目标语义模型。
4.根据权利要求1所述的语义模型故障处理方法,其特征在于,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,包括:
获取所述目标区域的待识别数据;
根据所述待识别数据确定出所述目标区域对应的目标查询类型;
获取每个候选语义模型的历史查询记录;
按照所述目标查询类型以及所述历史查询记录,在所述至少一个候选语义模型中确定出在所述目标查询类型上的准确性最高的所述目标语义模型。
5.根据权利要求1所述的语义模型故障处理方法,其特征在于,所述通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型,包括:
获取所述目标区域的待识别数据;
根据所述待识别数据,确定出与所述候选语义模型对应的识别结果和模型性能;
在所述至少一个候选语义模型中,将所述识别结果为成功,且所述模型性能最高的所述候选语义模型确定为目标语义模型。
6.根据权利要求1所述的语义模型故障处理方法,其特征在于,通过所述目标语义模型处理所述目标区域的待处理数据,包括:
建立转发线程;
通过所述转发线程将所述目标区域的待处理数据转发给所述目标语义模型,以使所述目标语义模型处理所述目标区域的待处理数据。
7.根据权利要求1所述的语义模型故障处理方法,其特征在于,所述获取发生故障的故障语义模型,包括:
通过与所述目标区域的语义模型对应的模型运行日志,确定出所述目标区域的语义模型的状态信息和性能信息,其中,所述状态信息用于表示所述目标区域的语义模型是否运行,所述性能信息用于表示所述目标区域的语义模型处理语义请求的性能;
当所述状态信息指示所述目标区域的语义模型为运行时,且所述性能信息不满足预设性能要求时,将所述目标区域的语义模型确定为所述故障语义模型。
8.一种语义模型故障处理装置,其特征在于,包括:
故障语义模型获取模块,用于获取发生故障的故障语义模型;
候选语义模型确定模块,用于根据所述故障语义模型对应的目标区域确定出至少一个候选语义模型,其中,所述候选语义模型对应的候选区域与所述目标区域之间满足预设的地理相似度要求;
目标语义模型选取模块,用于通过模型选取规则在所述至少一个候选语义模型中,选取得到目标语义模型;
数据处理模块,用于通过所述目标语义模型处理所述目标区域的待处理数据。
9.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信,其特征在于,
所述存储器,用于存储计算机程序;
所述处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至7中任一项所述语义模型故障处理方法。
10.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至7中任一项所述语义模型故障处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410013068.7A CN117851127A (zh) | 2024-01-02 | 2024-01-02 | 语义模型故障处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410013068.7A CN117851127A (zh) | 2024-01-02 | 2024-01-02 | 语义模型故障处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117851127A true CN117851127A (zh) | 2024-04-09 |
Family
ID=90541866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410013068.7A Pending CN117851127A (zh) | 2024-01-02 | 2024-01-02 | 语义模型故障处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117851127A (zh) |
-
2024
- 2024-01-02 CN CN202410013068.7A patent/CN117851127A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111669281B (zh) | 告警分析方法、装置、设备及存储介质 | |
CN114091610A (zh) | 智能决策方法及装置 | |
CN105183619A (zh) | 一种***故障预警方法和*** | |
CN112764920A (zh) | 一种边缘应用部署方法、装置、设备和存储介质 | |
CN109739527A (zh) | 一种客户端灰度发布的方法、装置、服务器和存储介质 | |
CN114244683A (zh) | 事件分类方法和装置 | |
CN112800197A (zh) | 一种目标故障信息的确定方法和装置 | |
CN110855489B (zh) | 故障处理方法、装置和故障处理装置 | |
CN111865673A (zh) | 一种自动化故障管理方法、装置及*** | |
CN116582414A (zh) | 故障根因定位方法、装置、设备及可读存储介质 | |
CN113656252B (zh) | 故障定位方法、装置、电子设备以及存储介质 | |
CN117931589A (zh) | 运维故障的识别方法及装置 | |
CN112966056B (zh) | 一种信息处理方法、装置、设备、***及可读存储介质 | |
JP5949785B2 (ja) | 情報処理方法、装置及びプログラム | |
CN112784025B (zh) | 一种目标事件的确定方法和装置 | |
CN117729576A (zh) | 告警监控方法、装置、设备及存储介质 | |
CN117827784A (zh) | 噪音日志的过滤方法、*** | |
CN114841267B (zh) | 实时预测方法、装置、电子设备及计算机程序产品 | |
Hou et al. | A Federated Learning‐Based Fault Detection Algorithm for Power Terminals | |
CN117851127A (zh) | 语义模型故障处理方法、装置、电子设备及存储介质 | |
CN113568991B (zh) | 一种基于动态风险的告警处理方法及*** | |
CN114650211A (zh) | 故障修复方法、装置、电子设备和计算机可读存储介质 | |
CN114095394A (zh) | 网络节点故障检测方法、装置、电子设备及存储介质 | |
CN111639249A (zh) | 用户反馈报错的自动监测方法、装置和设备 | |
CN117370052B (zh) | 微服务故障分析方法、装置、设备及存储介质 |
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 |