一种基于语义向量画像的人机协同任务分派方法与流程

本发明涉及协同分派，特别是一种基于语义向量画像的人机协同任务分派方法。

背景技术：

1、随着大语言模型、语义表示学习、向量检索和知识图谱技术的发展，任务分派方式逐渐从人工规则分派、关键词匹配分派，发展为基于语义理解和能力画像的智能分派。近年来，人工智能体具备了调用工具、处理文本、分析附件和生成中间结果的能力，操作员也能够通过在线协同方式参与复杂任务处理，人机协同任务处理逐渐成为智能办公、众包协作和企业知识处理中的重要方向。

2、不过现有的分派方法还有可以改进的地方，第一：现有任务分派方法多关注初始分派结果生成，对任务内容发送后的执行状态采集和异常判断不足，尤其在人工智能体执行任务内容过程中出现处理失败、输出不完整、权限不足、工具不可用和超时未完成时，缺少基于执行状态判断人工智能体是否满足求助条件的处理机制；此外，现有方法通常将人工智能体执行异常作为失败结果保存，或者将异常任务固定转交人工处理，难以从任务内容和执行状态中提取能够表征异常原因的求助事项，也难以按照统一记录格式生成可用于重新分派的求助记录，导致异常原因无法转化为更新分派结果的依据，影响任务内容在人工智能体与操作员之间的连续流转。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种基于语义向量画像的人机协同任务分派方法解决缺少基于执行状态判断人工智能体是否满足求助条件的处理机制的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、本发明提供了一种基于语义向量画像的人机协同任务分派方法，其包括，

5、获取人工智能体接入信息和操作员接入信息，并登记为工作对象信息，并基于工作对象信息构建语义网络；

6、基于语义网络对工作对象信息进行语义编码，生成工作画像，并获取待分派任务信息，基于语义网络对待分派任务信息进行语义解析，生成任务画像；

7、将任务画像与工作画像进行语义匹配，得到候选对象，通过候选对象的能力覆盖结果、负载状态和历史质量形成候选排序，从候选排序中确定承接对象，生成分派结果；

8、根据分派结果向承接对象发送任务内容，采集任务内容的执行状态，并判断人工智能体是否满足求助条件，当人工智能体满足求助条件时，读取任务内容和执行状态，从执行状态中提取求助事项，并按照预设求助记录格式写入任务内容、执行状态和求助事项，生成求助记录，并根据求助记录更新分派结果；

9、基于分派结果和更新分派结果确定生效分派结果，基于生效分派结果向生效承接对象发送任务内容，接收生效承接对象返回的执行结果，并对执行状态和执行结果进行校验，生成完成记录，利用完成记录更新工作画像和语义网络。

10、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述人工智能体接入信息包括人工智能体标识、接口地址、调用权限、声明技能、工具调用范围、历史调用记录、可用状态、响应时延、报价信息、失败记录和求助记录；

11、所述操作员接入信息包括操作员标识、登录凭证、技能标签、权限标签、可用时段、校准任务结果、历史完成质量、当前负载、响应时延、报价信息、失败记录和求助记录。

12、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述基于工作对象信息构建语义网络，具体为：

13、读取工作对象信息中的声明技能、技能标签、调用权限、权限标签、工具调用范围、可用状态、历史调用记录、校准任务结果、历史完成质量、当前负载、失败记录和求助记录；

14、将声明技能和技能标签归并为能力标签，将调用权限和权限标签归并为权限标签，将工具调用范围归并为工具标签，将历史调用记录、校准任务结果、历史完成质量、失败记录和求助记录归并为反馈标签；

15、将能力标签、权限标签、工具标签、可用状态、当前负载和反馈标签分别映射为语义网络中的能力节点、权限节点、工具节点、状态节点、负载节点和反馈节点；

16、建立工作对象信息与能力节点、权限节点、工具节点、状态节点、负载节点和反馈节点之间的语义关系，形成语义网络。

17、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述生成工作画像，具体为：

18、读取语义网络中工作对象信息对应的能力节点、权限节点、工具节点、状态节点、负载节点和反馈节点；

19、对能力节点、权限节点和工具节点进行向量化编码，得到能力向量；

20、对状态节点进行状态编码，得到状态向量，对负载节点中的待处理任务数量、处理中任务数量和负载占用情况进行数值整理，得到负载数值表；

21、对反馈节点进行质量编码，得到反馈向量；

22、将能力向量、状态向量和反馈向量关联至工作对象信息，生成工作画像。

23、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述生成任务画像，具体为：

24、读取待分派任务信息中的任务文本、任务附件、任务目标、任务领域、输出要求、时限要求和权限要求；

25、将任务文本、任务附件、任务目标和任务领域映射至语义网络中的能力节点和工具节点，得到任务语义和能力需求；

26、对输出要求进行字段整理，得到结果状态限制，对时限要求进行时间整理，得到时间承接限制，将权限要求与语义网络中的权限节点进行对应，得到权限访问限制，并由结果状态限制、时间承接限制和权限访问限制形成任务约束；

27、对任务语义进行向量化编码，得到任务向量，对任务约束进行约束编码，得到约束向量；

28、将任务向量、能力需求和约束向量关联至待分派任务信息，生成任务画像。

29、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述得到候选对象，具体为：

30、读取任务画像中的任务向量和约束向量，并读取工作画像中的能力向量、状态向量和反馈向量；

31、将任务向量与能力向量进行语义相似匹配，得到能力覆盖结果；

32、从约束向量对应的任务约束中读取时间承接限制和权限访问限制，将时间承接限制与状态向量、可用时段和响应时延进行时间适配比对，将权限访问限制与权限节点进行字段比对，并将负载数值表与预设负载条件进行数值比对，得到负载状态；

33、将反馈向量与任务画像中的任务领域进行质量关联比对，得到历史质量；

34、根据能力覆盖结果、负载状态和历史质量筛选工作画像对应的工作对象信息，得到候选对象。

35、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述生成分派结果，具体为：

36、读取候选对象对应的能力覆盖结果、负载状态和历史质量；

37、将能力覆盖结果与任务画像中的能力需求进行覆盖比对，得到承接匹配标记，将负载状态与预设负载条件进行占用比对，得到负载占用标记，将历史质量与任务画像中的任务领域进行质量比对，得到质量稳定标记；

38、对承接匹配标记、负载占用标记和质量稳定标记进行归集，并按照预设评价顺序排列，得到候选评价结果；

39、按照候选评价结果对候选对象进行排列，形成候选排序；

40、从候选排序中读取满足承接条件的候选对象，确定为承接对象，并建立承接对象与任务内容之间的对应关系，生成分派结果。

41、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述采集任务内容的执行状态，并判断人工智能体是否满足求助条件，具体为：

42、读取分派结果中的承接对象和任务内容；

43、将任务内容发送至承接对象，并接收承接对象返回的处理进度、异常标记、完成标记和中间结果；

44、将处理进度、异常标记、完成标记和中间结果保存为执行状态；

45、当承接对象为人工智能体时，将执行状态与预设求助条件进行比对；

46、当执行状态表征任务内容存在处理失败、输出不完整、权限不足、工具不可用、超时未完成中的任一状态时，判定人工智能体满足求助条件。

47、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述根据求助记录更新分派结果，具体为：

48、当人工智能体满足求助条件时，读取任务内容和执行状态；

49、从执行状态中提取处理失败标记、输出不完整标记、权限不足标记、工具不可用标记和超时未完成标记，形成求助事项；

50、对任务内容、执行状态和求助事项进行字段整理，生成求助记录；

51、将求助记录中的求助事项映射至语义网络，得到求助画像；

52、将求助画像与工作画像进行语义匹配，得到更新候选对象；

53、基于更新候选对象进行重新匹配，形成更新候选排序，并从更新候选排序中确定更新承接对象，生成更新分派结果。

54、作为本发明所述基于语义向量画像的人机协同任务分派方法的一种优选方案，其中：所述生成完成记录，具体为：

55、读取更新分派结果中的更新承接对象和任务内容；

56、基于更新分派结果向重新确定的承接对象发送任务内容，并接收重新确定的承接对象返回的执行结果；

57、读取任务内容对应的执行状态和求助记录，从执行状态中提取处理进度、异常标记和完成标记，并从求助记录中提取求助事项；

58、将处理进度、异常标记、完成标记和求助事项与执行结果进行一致性校验，得到校验结果；

59、当校验结果满足预设完成条件时，将执行状态和执行结果写入预设完成记录格式，生成完成记录。

60、本发明有益效果为：通过求助记录更新分派结果，能够使人工智能体在处理失败、输出不完整、权限不足、工具不可用和超时未完成时不再直接造成任务中断，而是将异常原因转化为后续重新分派的依据，提高任务内容的连续处理能力；同时，求助记录能够保留任务内容、执行状态和求助事项之间的对应关系，使异常原因表达更加清楚，避免固定转人工带来的分派粗糙问题；并且基于求助记录重新确定承接对象，能够使任务内容转交给更匹配的人工智能体或者操作员，提高异常任务的补救效率、分派准确性和人机协同稳定性。