一种基于人工智能的招投标数据处理云平台的制作方法

本发明涉及人工智能，特别涉及一种基于人工智能的招投标数据处理云平台。

背景技术：

1、目前，在招投标业务场景中，随着业务量的不断增长，如何高效、公正地分配数据处理任务给服务器成为了一个关键挑战。传统的服务器分配方法可能依赖于简单的规则或启发式算法，这些方法往往无法充分考虑服务器的实际性能、业务需求的复杂性和实时性，导致资源分配不合理，服务器处理能力得不到最大化利用，进而影响招投标业务的处理效率和准确性。所以如何综合考虑服务器的实际性能、业务需求的复杂性，以及服务器与客户终端之间的地理位置关系，从而最大化地利用每个服务器的处理能力，提高资源的整体利用效率，成为了目前招投标数据处理方面迫在眉睫的问题。

2、但是，现有的基于人工智能的招投标数据处理云平台只是通过从第一特征模型提取的招标需求特征和从第二特征模型提取的投标服务特征输入预设集成模型的特征融合层进行特征融合，能够有效提高招投标文件的匹配准确率和效率，并未考虑到通过对不同招投标业务需求进行服务器的精确分配，以便最大化地利用每个服务器的处理能力，来提高资源的整体利用效率。例如公开号为“cn117951547b”、专利名称为“基于人工智能的招投标数据处理方法及装置”，其方法包括以下步骤：根据历史招标文件中的技术参数、服务标准、工期要求以及资质要求输入预设自然语言处理模型确定对应的招标需求，将所述招标需求作为模型训练集对预设决策树模型进行模型训练，得到第一特征模型；根据历史投标文件中的团队专业描述、技术方案描述以及团队资质输入预设自然语言处理模型确定对应的投标服务，将所述投标服务作为模型训练集对预设循环神经网络模型进行模型训练，得到第二特征模型；将从所述第一特征模型提取的招标需求特征和从所述第二特征模型提取的投标服务特征输入预设集成模型的特征融合层进行特征融合；上述专利能够有效提高招投标文件的匹配准确率和效率。但是该专利只通过从第一特征模型提取的招标需求特征和从第二特征模型提取的投标服务特征输入预设集成模型的特征融合层进行特征融合，能够有效提高招投标文件的匹配准确率和效率，并未考虑到通过对不同招投标业务需求进行服务器的精确分配，以便最大化地利用每个服务器的处理能力，来提高资源的整体利用效率。

3、因此，本发明提出了一种基于人工智能的招投标数据处理云平台。

技术实现思路

1、本发明提供一种基于人工智能的招投标数据处理云平台，用以根据当前时刻的每个可用服务器的所有服务器性能参数的区间，获得当前时刻的每个可用服务器的所有服务器性能参数的处理数值，准确地获得了可真实反映当前时刻的每个可用服务器的每个服务器性能参数的数值，进而根据当前时刻的每个可用服务器的所有服务器性能参数的处理数值，获得当前时刻的每个可用服务器的服务器性能值，实现了对当前时刻的每个可用服务器在进行数据处理任务时的性能高低程度进行量化，根据当前时刻之前的所有招投标业务需求和预设增强学习算法，获得当前时刻的招投标业务需求的分配优先赋分值，便于后续绘制分配直线的绘制，根据当前时刻的所有可用服务器的服务器性能值和地理间隔距离，获得当前时刻的所有可用服务器的绘制分配直线，进而获得当前时刻的招投标业务需求的分配服务器，实现了从当前时刻的所有服务器中筛选出、用以对当前时刻的招投标业务需求进行数据处理的服务器，最终根据当前时刻的招投标业务需求的分配服务器，获得当前时刻的招投标业务需求的招投标数据处理结果，实现了对不同招投标业务需求进行服务器的精确分配，最大化地利用每个服务器的处理能力，提高了资源的整体利用效率。

2、本发明提供一种基于人工智能的招投标数据处理云平台，包括：

3、获取模块，用于对当前时刻的所有服务器进行健康状态检测，获得当前时刻的所有可用服务器，并基于当前时刻的每个可用服务器的所有服务器性能参数的区间，获得当前时刻的每个可用服务器的所有服务器性能参数的处理数值；

4、第一计算模块，用于基于当前时刻的每个可用服务器的所有服务器性能参数的处理数值，获得当前时刻的每个可用服务器的服务器性能值；

5、赋值模块，用于基于当前时刻之前的所有招投标业务需求和预设增强学习算法，获得当前时刻的招投标业务需求的分配优先赋分值；

6、第二计算模块，用于基于当前时刻的所有可用服务器的服务器性能值和地理间隔距离，获得当前时刻的所有可用服务器的绘制分配直线，并基于当前时刻的所有可用服务器的绘制分配直线和招投标业务需求的分配优先赋分值，获得当前时刻的招投标业务需求的分配服务器；

7、数据处理模块，用于基于当前时刻的招投标业务需求的分配服务器，获得当前时刻的招投标业务需求的招投标数据处理结果。

8、优选的，基于人工智能的招投标数据处理云平台，获取模块，包括：

9、状态检测子模块，用于对当前时刻的所有服务器进行健康状态检测，获得当前时刻的所有可用服务器；

10、获取子模块，用于将当前时刻的每个可用服务器在预设第一时间段内的每个服务器性能参数的范围，当作当前时刻的对应可用服务器的对应服务器性能参数的区间，获得当前时刻的每个可用服务器的所有服务器性能参数的区间，其中所有服务器性能参数包括cpu使用率、内存使用率、响应时间及网络带宽；

11、处理子模块，用于基于当前时刻的每个可用服务器的所有服务器性能参数的区间，获得当前时刻的每个可用服务器的所有服务器性能参数的处理数值。

12、优选的，基于人工智能的招投标数据处理云平台，状态检测子模块，包括：

13、第一状态检测单元，用于判断当前时刻的每个服务器在预设时间间隔内，是否接收到探测包并发出响应，若是，则将健康当作当前时刻的对应服务器的状态检测结果，否则，将不健康当作当前时刻的对应服务器的状态检测结果；

14、第二状态检测单元，用于若当前时刻的每个服务器的状态检测结果为健康时，将当前时刻的对应服务器作为当前时刻的可用服务器。

15、优选的，基于人工智能的招投标数据处理云平台，处理子模块，包括：

16、第一预处理单元，用于将当前时刻的每个可用服务器在预设第二时间段内每个时刻的每个服务器性能参数的区间的中间值，当作当前时刻的对应可用服务器在预设第二时间段内对应时刻的对应服务器性能参数的区间中值；

17、处理单元，用于将当前时刻的每个可用服务器在预设第二时间段内所有时刻的每个服务器性能参数的区间的中间值的均值的数值，当作当前时刻的对应可用服务器的对应服务器性能参数的处理数值。

18、优选的，基于人工智能的招投标数据处理云平台，还包括：

19、报警模块，用于将当前时刻的所有状态检测结果为不健康的服务器，当作当前时刻的预测故障服务器，并将包含有当前时刻的所有预测故障服务器的列表发送至云平台的后台。

20、优选的，基于人工智能的招投标数据处理云平台，第一计算模块基于当前时刻的每个可用服务器的所有服务器性能参数的处理数值，获得当前时刻的每个可用服务器的服务器性能值的方法，包括：

21、

22、其中，β为当前时刻的当前计算的可用服务器的服务器性能值，z为当前时刻的当前计算的可用服务器的cpu使用率的处理数值，c为当前时刻的当前计算的可用服务器的内存使用率的处理数值，v为当前时刻的当前计算的可用服务器的响应时间的处理数值，k为当前时刻的当前计算的可用服务器的网络带宽的处理数值，zmax为当前时刻的所有可用服务器的cpu使用率的处理数值中的最大值，cmax为当前时刻的所有可用服务器的内存使用率的处理数值中的最大值，vmax为当前时刻的所有可用服务器的响应时间的处理数值中的最大值，kmin为当前时刻的所有可用服务器的网络带宽的处理数值中的最小值，σz为当前时刻的所有可用服务器的cpu使用率的处理数值的标准差，σc为当前时刻的所有可用服务器的内存使用率的处理数值的标准差，σv为当前时刻的所有可用服务器的响应时间的处理数值的标准差，σk为当前时刻的所有可用服务器的网络带宽的处理数值的标准差，n为当前时刻的所有可用服务器的总数，ln为自然对数，且自然常数e的取值为2.718。

23、优选的，基于人工智能的招投标数据处理云平台，赋值模块，包括：

24、预处理子模块，用于基于当前时刻之前的所有招投标业务需求和预设增强学习算法，获得当前时刻的招投标业务需求的分配优先赋分模型；

25、赋值子模块，用于基于当前时刻的招投标业务需求和分配优先赋分模型，获得当前时刻的招投标业务需求的分配优先赋分值。

26、优选的，基于人工智能的招投标数据处理云平台，第二计算模块，包括：

27、绘制子模块，用于将当前时刻的每个可用服务器的地理间隔距离，当作横坐标值，当前时刻的对应可用服务器的服务器性能值，当作纵坐标值，获得当前时刻的每个可用服务器的绘制点，并将通过坐标原点和当前时刻的每个可用服务器的绘制点的直线，当作当前时刻的对应可用服务器的绘制分配直线；

28、计算子模块，用于基于当前时刻的所有可用服务器的绘制分配直线和招投标业务需求的分配优先赋分值，获得当前时刻的每个可用服务器的分配值；

29、分配子模块，用于将当前时刻的所有可用服务器内，分配值最大的可用服务器，当作当前时刻的招投标业务需求的分配服务器。

30、优选的，基于人工智能的招投标数据处理云平台，计算子模块，包括：

31、第二预处理单元，用于获取当前时刻之前的所有招投标业务需求的分配优先赋分值和分配服务器的绘制分配直线，并将当前时刻之前的所有招投标业务需求的分配优先赋分值的均值，当作当前时刻的招投标业务需求的基准赋值，将当前时刻之前的所有招投标业务需求的分配服务器的绘制分配直线的斜率的均值，当作当前时刻的招投标业务需求的基准斜率；

32、计算单元，用于基于当前时刻的招投标业务需求的基准赋值、基准斜率、分配优先赋分值及每个可用服务器的绘制分配直线，获得当前时刻的每个可用服务器的分配值，即为：

33、

34、其中，δ为当前时刻的当前计算的可用服务器的分配值，m为当前时刻之前的所有招投标业务需求的总数，n为当前时刻的所有可用服务器的总数，ρ0为当前时刻的招投标业务需求的基准斜率，μ0为当前时刻的招投标业务需求的基准赋值，ρ为当前时刻的当前计算的可用服务器的绘制分配直线的斜率，μ为当前时刻的招投标业务需求的分配优先赋分值，ln为自然对数，且自然常数e的取值为2.718。

35、优选的，基于人工智能的招投标数据处理云平台，数据处理模块基于当前时刻的招投标业务需求的分配服务器，获得当前时刻的招投标业务需求的招投标数据处理结果的方法，包括：

36、将当前时刻的招投标业务需求的待处理数据，发送至当前时刻的招投标业务需求的分配服务器进行数据处理，获得当前时刻的招投标业务需求的招投标数据处理结果。

37、本发明相对于现有技术产生的有益效果为：根据当前时刻的每个可用服务器的所有服务器性能参数的区间，获得当前时刻的每个可用服务器的所有服务器性能参数的处理数值，准确地获得了可真实反映当前时刻的每个可用服务器的每个服务器性能参数的数值，进而根据当前时刻的每个可用服务器的所有服务器性能参数的处理数值，获得当前时刻的每个可用服务器的服务器性能值，实现了对当前时刻的每个可用服务器在进行数据处理任务时的性能高低程度进行量化，根据当前时刻之前的所有招投标业务需求和预设增强学习算法，获得当前时刻的招投标业务需求的分配优先赋分值，便于后续绘制分配直线的绘制，根据当前时刻的所有可用服务器的服务器性能值和地理间隔距离，获得当前时刻的所有可用服务器的绘制分配直线，进而获得当前时刻的招投标业务需求的分配服务器，实现了从当前时刻的所有服务器中筛选出、用以对当前时刻的招投标业务需求进行数据处理的服务器，最终根据当前时刻的招投标业务需求的分配服务器，获得当前时刻的招投标业务需求的招投标数据处理结果，实现了对不同招投标业务需求进行服务器的精确分配，最大化地利用每个服务器的处理能力，提高了资源的整体利用效率。

38、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的本技术文件中所特别指出的结构来实现和获得。

39、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。