-
公开(公告)号:CN115499373B
公开(公告)日:2023-10-31
申请号:CN202211122969.7
申请日:2022-09-15
Applicant: 北京锐安科技有限公司
IPC: H04L47/10
Abstract: 本发明公开了一种应用于骨干网的网络流量分流系统、方法、设备及介质。该系统包括:控制端、与控制端相通信的至少一个执行端以及至少一个业务端;控制端,用于获取和管理至少一个执行端以及至少一个业务端的待同步数据;业务端,用于接收网络流数据,并进行业务处理,并将与业务流数据所对应的网络流特征数据发送至控制端,使控制端将网络流特征数据更新至相应的执行端,以使执行端执行更新流表后,为业务端分配网络流量;执行端,用于在接收到控制端发送的更新流表变量后,为至少一个业务端分配网络流量。解决了现有技术中流表策略的离散执行和分散管理,导致业务数据处理不连续、不均衡的问题,实现在提高网络流量分配的效率,平衡业务端处理压力的同时,达到满足业务需求的效果,在去中心化的网络流量分析中实现业务分析连续。
-
公开(公告)号:CN115499373A
公开(公告)日:2022-12-20
申请号:CN202211122969.7
申请日:2022-09-15
Applicant: 北京锐安科技有限公司
IPC: H04L47/10
Abstract: 本发明公开了一种应用于骨干网的网络流量分流系统、方法、设备及介质。该系统包括:控制端、与控制端相通信的至少一个执行端以及至少一个业务端;控制端,用于获取和管理至少一个执行端以及至少一个业务端的待同步数据;业务端,用于接收网络流数据,并进行业务处理,并将与业务流数据所对应的网络流特征数据发送至控制端,使控制端将网络流特征数据更新至相应的执行端,以使执行端执行更新流表后,为业务端分配网络流量;执行端,用于在接收到控制端发送的更新流表变量后,为至少一个业务端分配网络流量。解决了现有技术中流表策略的离散执行和分散管理,导致业务数据处理不连续、不均衡的问题,实现在提高网络流量分配的效率,平衡业务端处理压力的同时,达到满足业务需求的效果,在去中心化的网络流量分析中实现业务分析连续。
-
公开(公告)号:CN115758174A
公开(公告)日:2023-03-07
申请号:CN202211447874.2
申请日:2022-11-18
Applicant: 北京锐安科技有限公司
IPC: G06F18/22 , G06F18/214 , G06N3/09 , G06F40/289 , G06F40/30 , G06Q30/0601
Abstract: 本申请实施例公开了一种需求数据处理方法、装置、介质以及电子设备。所述方法包括:获取待处理的用户需求数据,并对所述用户需求数据进行语义识别得到需求描述特征;将所述需求描述特征输入产品匹配模型,通过所述产品匹配模型从候选产品中为所述用户需求数据确定目标产品;其中,所述产品匹配模型基于用户需求数据与产品功能数据预先训练得到;所述目标产品的功能描述特征与所述需求描述特征相匹配;所述功能描述特征通过对产品功能数据进行语义识别得到。本申请技术方案可以提高需求处理效率,降低需求处理成本。
-
公开(公告)号:CN115599348A
公开(公告)日:2023-01-13
申请号:CN202211370426.7
申请日:2022-11-03
Applicant: 北京锐安科技有限公司(CN)
IPC: G06F8/10
Abstract: 本发明公开了一种产品需求处理方法,包括:根据软件产品的开发需求数据和开发需求数据的数据采集来源,确定软件产品所属的开发需求类型;根据开发需求类型,确定软件产品的产品开发模板,并根据开发需求数据和产品开发模板,确定目标开发需求标签;根据目标开发需求标签,确定开发需求数据在进行信息流转时的数据管理节点;基于数据管理节点的处理顺序,将开发需求数据依次发送至数据管理节点,并通过数据管理节点对软件产品的开发需求状态进行变更,以根据终变更结果和开发需求数据,确定软件产品的开发决策数据,并根据开发决策数据确定软件产品的开发方案描述信息。可以实现自动化规划软件产品的产品需求处理流程,提高产品需求处理效率。
-
公开(公告)号:CN116894440A
公开(公告)日:2023-10-17
申请号:CN202310912176.3
申请日:2023-07-24
Applicant: 北京锐安科技有限公司
IPC: G06F40/30 , G06F40/289 , G06F18/241 , G06F18/214 , G06N3/0464
Abstract: 本申请提供一种基于深度学习的产品问题分类方法和装置。该方法在对获取的目标产品的当前产品问题数据进行分词处理,得到当前产品问题数据中的产品问题关键词序列后,将产品问题关键词序列,输入训练好的语义转换模型,得到语义转换模型输出的当前语义向量序列;将当前语义向量序列,输入训练好的问题分类模型,得到问题分类模型输出的包括产品问题的解决方案的分类结果。该方法综合产品问题描述记录数据和产品功能描述记录数据的关键词语义信息,采用深度学习方法训练出的语义模型,再通过分类模型进行产品问题自动分类匹配推荐,提高了产品问题分类匹配效率和分类精度,降低了人工成本。
-
-
-
-