任务流创建方法、装置、计算机设备和可读存储介质与流程
本技术涉及人工智能，特别是涉及一种任务流创建方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术：
1、随着信息技术的快速发展，软件开发的需求和复杂度也在不断增加。传统的工作流配置方式固定，能够实现简单流程的工作流配置。软件开发方式需要编写大量的代码，而且需要经过较长的开发周期才能完成。随着云计算、大数据等技术的兴起，低代码平台逐渐成了一种新的软件开发方式。低代码平台可以快速构建应用程序，而且具有可扩展性、可维护性、可移植性和易于使用等特点。
2、然而，在传统的低代码平台在任务流方面的应用还存在一些问题。例如，传统的低代码平台在任务流方面的建模和调度算法简单，无法实现复杂的任务流调度和优化，因此，目前针对流程任务的调度方法，存在着调度效率较低的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提升流程类任务的调度效率的任务流创建方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本技术提供了一种任务流创建方法。所述方法包括：
3、获取流程类任务对应的初始特征数据；所述流程类任务为任务内容与工作流程关联的待执行的任务，所述初始特征数据为与各所述流程类任务所属优先级关联的多维度的特征数据；
4、基于堆叠泛化模型对所述初始特征数据进行建模，将建模结果按列进行堆叠，生成各所述初始特征数据对应的堆叠后特征数据；
5、针对所述流程类任务中的任一任务，根据各所述堆叠后特征数据对应的权重，对各所述堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值；所述权重表征各所述堆叠后特征数据对所述优先级类别的贡献度，所述权值为具有各所述堆叠后特征数据的所述任一任务属于各所述优先级类别的条件概率，所述目标概率值表征所述任一任务属于各所述优先级类别的概率；
6、根据各所述优先级类别对应的目标概率值，确定所述任一任务的优先级类别，以针对所述流程类任务创建待执行的工作流。
7、在其中一个实施例中，在生成各所述初始特征数据对应的堆叠后特征数据的步骤之后，所述方法还包括：
8、基于k折交叉验证算法，将所述初始特征数据进行划分，得到训练数据子集和验证数据子集；
9、根据所述训练数据子集对所述堆叠泛化模型进行训练，根据所述验证数据子集对训练结果进行验证，得到各个所述验证数据子集对应的训练结果；
10、在所述训练结果满足预设要求的情况下，根据验证后的所述堆叠泛化模型生成各所述初始特征数据对应的堆叠后特征数据。
11、在其中一个实施例中，所述根据各所述堆叠后特征数据对应的权重，对各所述堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值，包括：
12、计算得到各所述堆叠后特征数据对应的第一概率值，将所述第一概率值作为所述权重；所述第一概率值表征所述任一任务中存在所述堆叠后特征数据的对应特征的概率；
13、计算得到具有各所述堆叠后特征数据的所述任一任务属于各所述优先级类别的条件概率，将所述条件概率的值作为所述权值；
14、根据所述权重对所述权值进行加权求和，得到各所述优先级类别对应的目标概率值。
15、在其中一个实施例中，所述根据各所述优先级类别对应的目标概率值，确定所述任一任务的优先级类别，以针对所述流程类任务创建待执行的工作流，包括：
16、从各优先级类别中确定出至少两个所述目标概率值大于预设概率阈值的待选类别；
17、向终端账户展示所述任一任务的内容、所述待选类别和所述待选类别的描述信息；
18、响应于终端账户针对至少两个所述待选类别的修正信息，将所述修正信息中表征的所述终端账户确认的所述待选类别，作为所述任一任务的优先级类别；
19、根据各所述任一任务，和所述任一任务的优先级类别，创建得到所述待执行的工作流。
20、在其中一个实施例中，在所述针对所述流程类任务创建待执行的工作流的步骤之后，所述方法还包括：
21、获取所述工作流对应的流程描述信息；所述流程描述信息包括工作流的数量、各工作流对应的终端账户、各工作流所属的地域信息；
22、将所述工作流对应的流程描述信息汇总至低代码平台中，以供所述终端账户根据汇总后的信息来执行所述工作流。
23、在其中一个实施例中，所述方法还包括：
24、基于低代码平台中的预配置的任务模板创建功能，创建得到初始任务模板；
25、基于所述低代码平台中的预配置的文件获取功能，获取生成任务所需的目标类别的文件内容；所述文件内容包括文字内容、图片内容、表格内容、段落信息和文字样式；
26、根据获取到的文件内容和所述任务模板，创建得到目标任务模板；所述目标任务模板用于生成所述流程类任务。
27、在其中一个实施例中，所述方法还包括：
28、响应于终端账户发布的任务生成请求，执行针对所述目标任务模板的读取指令；
29、根据所述读取指令中携带的缓存区的地址信息，对所述缓存区进行数据访问；
30、在所述缓存区存在所述目标任务模板的情况下，将所述缓存区的所述目标任务模板返回给所述终端账户。
31、第二方面，本技术还提供了一种任务流创建装置。所述装置包括：
32、特征数据获取模块，用于获取流程类任务对应的初始特征数据；所述流程类任务为任务内容与工作流程关联的待执行的任务，所述初始特征数据为与各所述流程类任务所属优先级关联的多维度的特征数据；
33、堆叠泛化模块，用于基于堆叠泛化模型对所述初始特征数据进行建模，将建模结果按列进行堆叠，生成各所述初始特征数据对应的堆叠后特征数据；
34、多模加权模块，用于针对所述流程类任务中的任一任务，根据各所述堆叠后特征数据对应的权重，对各所述堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值；所述权重表征各所述堆叠后特征数据对所述优先级类别的贡献度，所述权值为具有各所述堆叠后特征数据的所述任一任务属于各所述优先级类别的条件概率，所述目标概率值表征所述任一任务属于各所述优先级类别的概率；
35、工作流创建模块，用于根据各所述优先级类别对应的目标概率值，确定所述任一任务的优先级类别，以针对所述流程类任务创建待执行的工作流。
36、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
37、获取流程类任务对应的初始特征数据；所述流程类任务为任务内容与工作流程关联的待执行的任务，所述初始特征数据为与各所述流程类任务所属优先级关联的多维度的特征数据；
38、基于堆叠泛化模型对所述初始特征数据进行建模，将建模结果按列进行堆叠，生成各所述初始特征数据对应的堆叠后特征数据；
39、针对所述流程类任务中的任一任务，根据各所述堆叠后特征数据对应的权重，对各所述堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值；所述权重表征各所述堆叠后特征数据对所述优先级类别的贡献度，所述权值为具有各所述堆叠后特征数据的所述任一任务属于各所述优先级类别的条件概率，所述目标概率值表征所述任一任务属于各所述优先级类别的概率；
40、根据各所述优先级类别对应的目标概率值，确定所述任一任务的优先级类别，以针对所述流程类任务创建待执行的工作流。
41、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
42、获取流程类任务对应的初始特征数据；所述流程类任务为任务内容与工作流程关联的待执行的任务，所述初始特征数据为与各所述流程类任务所属优先级关联的多维度的特征数据；
43、基于堆叠泛化模型对所述初始特征数据进行建模，将建模结果按列进行堆叠，生成各所述初始特征数据对应的堆叠后特征数据；
44、针对所述流程类任务中的任一任务，根据各所述堆叠后特征数据对应的权重，对各所述堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值；所述权重表征各所述堆叠后特征数据对所述优先级类别的贡献度，所述权值为具有各所述堆叠后特征数据的所述任一任务属于各所述优先级类别的条件概率，所述目标概率值表征所述任一任务属于各所述优先级类别的概率；
45、根据各所述优先级类别对应的目标概率值，确定所述任一任务的优先级类别，以针对所述流程类任务创建待执行的工作流。
46、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
47、获取流程类任务对应的初始特征数据；所述流程类任务为任务内容与工作流程关联的待执行的任务，所述初始特征数据为与各所述流程类任务所属优先级关联的多维度的特征数据；
48、基于堆叠泛化模型对所述初始特征数据进行建模，将建模结果按列进行堆叠，生成各所述初始特征数据对应的堆叠后特征数据；
49、针对所述流程类任务中的任一任务，根据各所述堆叠后特征数据对应的权重，对各所述堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值；所述权重表征各所述堆叠后特征数据对所述优先级类别的贡献度，所述权值为具有各所述堆叠后特征数据的所述任一任务属于各所述优先级类别的条件概率，所述目标概率值表征所述任一任务属于各所述优先级类别的概率；
50、根据各所述优先级类别对应的目标概率值，确定所述任一任务的优先级类别，以针对所述流程类任务创建待执行的工作流。
51、上述任务流创建方法、装置、计算机设备、存储介质和计算机程序产品，首先获取流程类任务对应的初始特征数据，然后基于堆叠泛化模型对初始特征数据进行建模，将建模结果按列进行堆叠，生成各初始特征数据对应的堆叠后特征数据，进而针对流程类任务中的任一任务，根据各堆叠后特征数据对应的权重，对各堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值，最后根据各优先级类别对应的目标概率值，确定任一任务的优先级类别，以针对流程类任务创建待执行的工作流；结合并改良了原贝叶斯加权算法，并引入堆叠泛化模型对工作流结果进行模型预测，实现了更准确、高效的工作流引擎低代码平台的搭建，降低了低代码平台的研发成本，设置合理的优先级值，使得低优先级任务能够更快地执行，提升了优先级类别的准确度，进而提升了流程类任务对应的工作流的调度效率。
技术特征：
1.一种任务流创建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在生成各所述初始特征数据对应的堆叠后特征数据的步骤之后，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述根据各所述堆叠后特征数据对应的权重，对各所述堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据各所述优先级类别对应的目标概率值，确定所述任一任务的优先级类别，以针对所述流程类任务创建待执行的工作流，包括：
5.根据权利要求1所述的方法，其特征在于，在所述针对所述流程类任务创建待执行的工作流的步骤之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.一种任务流创建装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
技术总结
本申请涉及一种任务流创建方法、装置、计算机设备、可读存储介质和计算机程序产品，涉及人工智能技术领域。所述方法包括：获取流程类任务对应的初始特征数据；基于堆叠泛化模型对初始特征数据进行建模，将建模结果按列进行堆叠，生成各初始特征数据对应的堆叠后特征数据；针对流程类任务中的任一任务，根据各堆叠后特征数据对应的权重，对各堆叠后特征数据的权值进行加权求和，得到各优先级类别对应的目标概率值；根据各优先级类别对应的目标概率值，确定任一任务的优先级类别，以针对流程类任务创建待执行的工作流。采用本方法能够提升流程类任务的调度效率。
技术研发人员：吴昊
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/9/23