北京市大数据中心

本申请实施例公开了一种感知模型的调用管理方法及系统，该方法包括以下步骤：获取来自业务终端的感知任务请求，对感知任务请求进行任务解析；从预先构建的感知模型资源池中调用与当前感知任务关联的模型能力参数、适用数据类型参数、运行状态参数以及历史调度数据，并结合数据输入特征以及模型能力需求进行模型适配分析，确定候选感知模型集合；获取候选感知模型集合对应的实时运行状态数据，并基于时效性要求以及实时运行状态数据，构建模型调用关联图；基于模型调用关联图进行模型调用路径决策，生成对应的模型调用调度方案；基于模型调用调度方案，依次调用多个目标感知模型，对输入感知数据进行处理，得到对应的感知结果数据。

本公开提供了一种面向智能问数的跨域语义索引方法及装置，涉及自然语言处理技术领域，方法包括：获取用户输入的自然语言查询，提取查询要素；根据查询要素构建任务实体，生成包含候选语义路径的候选集合；对候选集合进行语义一致性评估，生成对应的置信度，确定目标语义路径；基于三层语义索引空间中的实体关联关系检索匹配的知识节点集合，通过双向索引提取数据源访问信息，生成检索结果。通过构建任务实体生成候选语义路径，利用大模型评估语义一致性并确定目标语义路径，最终基于知识层检索并提取数据源信息，能够将用户自然语言查询精准映射至数据源，有效克服语义鸿沟，提升智能问数准确性。

本公开一种面向智能问数的模糊意图识别方法及装置。在本公开的一些实施例中，获取用户输入的当前问数请求及历史问数样本；基于当前问数请求及历史问数样本，在预设的动态知识库中检索语义关联的语义相关少样本，通过引入语义相关少样本生成结构化提示词；将结构化提示词输入大语言模型，通过大语言模型识别当前问数请求的核心意图与约束条件；根据核心意图与约束条件，在目标数据库中检索对应的数据结构信息，并根据数据结构信息生成结构化查询语句；执行结构化查询语句，得到查询结果；并基于查询结果生成自然语言反馈信息，提高智能问数的精度，提高智能问数的查询效率。

本公开涉及计算机技术领域，尤其涉及一种面向智能问数的多智能体演化博弈方法和装置。该方法包括：获取第一智能体集合中各第一智能体对应的初始种群，并从初始种群中获取与各第一智能体对应的策略变种；根据任务集合和策略变种，按照第一智能体集合对应的协作链路执行任务，获取策略变种对应的基础得分；根据基础得分和协同得分，获取策略变种对应的适应度量化评估结果；根据适应度量化评估结果，对各第一智能体进行迭代演化博弈，并在演化博弈结果满足结果要求的情况下，获取第二智能体集合和第二智能体集合中各第二智能体对应的目标种群，并采用第二智能体集合执行智能问数相关任务。采用本公开可以提高多智能体的协作效率和任务适配性。