自适应分配方法、装置、设备及存储介质与流程

1.本技术涉及数据处理技术领域，具体而言，涉及一种自适应分配方法、装置、设备及存储介质。


背景技术：

2.伴随着互联网技术的发展，游戏成为人们休闲娱乐中的一部分；游戏里的所有东西，小到桌子上的笔大到游戏场景中的建筑群，每样东西都必须精心制作反复测试，测试过程可能需要大量的人员协作完成。
3.测试的过程中需要策划、美术、测试、客户端程序、服务端程序、营销等多职能人员无暇配合，因此一些多人协作软件应运而生。这些协作软件可以方便记录管理项目的需求以及故障单，项目组成员可以直观清晰的查询到自己需要跟进制作的需求或者故障单。协作软件通过记录相关单子内容、进度，代码提交日志等。给团队中不同职能之间的合作带来了很大的便捷性。
4.测试人员经常需要提故障单给其他职能的人员，但由于项目成员较多，测试人员发现了游戏中的故障，但是并不知道将故障单指派给谁，导致出现指派人错误，增加了反复的沟通以及不必要的时间成本。


技术实现要素：

5.本技术的目的在于，针对上述现有技术中的不足，提供一种自适应分配方法、装置、设备及存储介质，以解决现有技术中指派人错误，增加了反复的沟通以及不必要的时间成本的问题。
6.为实现上述目的，本技术实施例采用的技术方案如下：
7.第一方面，本技术一实施例提供了一种自适应分配方法，所述方法包括：
8.对针对预设软件应用的待分配故障的信息进行编码，得到所述待分配故障的第一特征向量；
9.根据所述第一特征向量，确定所述待分配故障在所述预设软件应用的故障聚类空间中的位置信息；
10.根据所述位置信息，从所述故障聚类空间中确定目标聚类中心；其中，所述故障聚类空间包括：多个聚类中心，每个聚类中心对应一个故障处理用户；
11.将所述待分配故障的信息，分配至所述目标聚类中心对应的目标故障处理用户。
12.第二方面，本技术另一实施例提供了一种自适应分配装置，所述装置包括：编码模块、确定模块和分配模块，其中：
13.所述编码模块，用于对针对预设软件应用的待分配故障的信息进行编码，得到所述待分配故障的第一特征向量；
14.所述确定模块，用于根据所述第一特征向量，确定所述待分配故障在所述预设软件应用的故障聚类空间中的位置信息；根据所述位置信息，从所述故障聚类空间中确定目
标聚类中心；其中，所述故障聚类空间包括：多个聚类中心，每个聚类中心对应一个故障处理用户；
15.所述分配模块，用于将所述待分配故障的信息，分配至所述目标聚类中心对应的目标故障处理用户。
16.第三方面，本技术另一实施例提供了一种自适应分配设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当自适应分配设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述第一方面任一所述方法的步骤。
17.第四方面，本技术另一实施例提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述第一方面任一所述方法的步骤。
18.本技术的有益效果是：采用本技术提供的自适应分配方法，在获取到针对预设软件应用的待分配故障后，可以通过对待分配故障的信息进行编码，得到待分配故障的第一特征向量，再根据第一特征向量确定待分配故障在预设软件应用的故障聚类空间中的位置信息，根据位置信息，在故障聚类中心中确定该位置信息对应的目标聚类中心，确定目标聚类中心对应的故障处理用户为目标故障处理用户，并将待分配故障的信息分配至目标故障处理用户，这样的处理方式由于聚类空间中的每个聚类中心是经过聚类后得到的，每个聚类中心具有自己对应的故障处理用户，因此通过匹配目标聚类中心来匹配故障处理用户的方式可以大大提高最终确定的目标故障处理用户的准确性，从而避免由于分配错误所导致的时间成本的浪费，减少了沟通效率，提高了故障处理的效率。
附图说明
19.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
20.图1为本技术一实施例提供的自适应分配方法的流程示意图；
21.图2为本技术另一实施例提供的自适应分配方法的流程示意图；
22.图3为本技术另一实施例提供的自适应分配方法的流程示意图；
23.图4为本技术另一实施例提供的自适应分配方法的流程示意图；
24.图5为本技术一实施例提供的自适应分配装置的结构示意图；
25.图6为本技术另一实施例提供的自适应分配装置的结构示意图；
26.图7为本技术一实施例提供的自适应分配设备的结构示意图。
具体实施方式
27.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。
28.通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求
保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
29.另外，本技术中使用的流程图示出了根据本技术的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
30.如下结合多个具体的应用示例，对本技术实施例所提供的一种自适应分配方法进行解释说明。图1为本技术一实施例提供的一种自适应分配方法的流程示意图，如图1所示，该方法包括：
31.s101：对针对预设软件应用的待分配故障的信息进行编码，得到待分配故障的第一特征向量。
32.在一些可能的实施例中，例如可以根据待分配故障的故障标题信息进行编码，得到第一特征向量，在本技术的是实施例中，故障标题一般与故障内容直接相关，故障标题有预设的生成格式，生成格式例如可以为宏观描述+细节描述，举例说明，例如可能存在一个故障标题的命名为【调香师】【穿模】调香师在游乐场地图中发生穿模的故障，也就是【】内的描述一般为针对目标功能或目标虚拟角色或目标场景或者目标故障类型的宏观描述，非【】内描述一般为详细描述。
33.或者，根据待分配故障的故障报错信息进行编码，得到第一特征向量；或者，根据待分配故障的故障图像信息进行编码，得到第一特征向量；或者，也可以根据待分配故障的其他信息进行编码，或者，也可以根据故障标题信息、故障报错信息和故障图像信息中的任意两个信息进行编码；应当理解，上述实施例仅为示例性说明，具体对待分配故障的信息进行编码的方式可以根据用户需要灵活调整，并不以上述实施例给出的为限制。
34.在本技术的一个实施例中，待分配故障的信息包括：故障标题信息、故障报错信息和故障图像信息；在得到待分配故障的第一特征向量时，首先对故障标题信息和故障报错信息进行合并，得到文本信息；对文本信息进行编码得到文本信息对应的句向量特征；对故障图像信息进行卷积神经网络的特征处理，得到图像特征；根据句向量特征和图像特征信息，得到第一特征向量。
35.其中，生成句向量的方式例如可以为对文本信息进行词向量编码，得到多个词向量；对多个词向量进行加权拼接，生成文本信息对应的句向量。
36.举例说明，以待分配故障的故障标题信息为“舞女在游乐场地图中发生漂移”，故障报错信息为“attributeerror("'set'object has no attribute)”(属性错误(“set”对象没有属性))为例进行说明，首先对故障标题信息和故障报错信息进行合并，随后对合并后的信息进行分词，采用训练好的模型进行向量编码，并对得到的词向量加权生成句向量，将句向量作为人工神经网络(artificial neural network，ann)的输入，得到ann的输出为第一子特征向量；其中，训练好的模型例如可以为word2vec模型、跳字模型(skip-gram)或连续词袋模型(cbow)，具体训练好的模型的选择可以根据用户需要灵活调整，并不以上述实施例给出的为限，只需可以得到分词对应的词向量的模型即可。
37.在另一些可能的实施例中，也可以通过词袋模型(bag of words model)直接得到
合并后的信息对应的句向量，具体确定合并后的信息对应的句向量的方式可以根据用户需要灵活调整，并不以上述实施例给出的为限。
38.将待分配故障信息的故障图像信息经过卷积神经网络(convolutional neural networks,cnn)得到第二子特征向量。
39.由于第一子特征向量是一维向量，而第二子特征向量是多维向量，因此需要对第二子特征向量进行展平，展平为一维向量，随后将展平后的第二子特征向量和第一子特征向量进行拼接/合并，得到第一特征向量。
40.也即，在本技术的实施例中，对于待分配故障的信息中的字符类信息，通过word2vec模型、跳字模型、连续词袋模型或词袋模型得到对应的第一特征子向量；对图像类信息，通过cnn得到第二子特征向量；再将第一特征子向量和第二子特征向量处理成相同维度的特征向量之后进行合并，确定合并后的结果为第一特征向量。
41.s102：根据第一特征向量，确定待分配故障在预设软件应用的故障聚类空间中的位置信息。
42.在本技术的实施例中，故障聚类空间是预先根据该预设软件应用的历史故障信息进行聚类后得到的，故障聚类空间中包括多个聚类中心，每个聚类中心代表一类故障类型，每个聚类中心均有自己对应的故障处理用户，一个故障处理用户可能对应多个聚类中心，也即每个故障处理用户可能负责处理多种类型的故障。
43.s103：根据位置信息，从故障聚类空间中确定目标聚类中心。
44.其中，故障聚类空间包括：多个聚类中心，每个聚类中心对应一个故障处理用户。
45.根据待分配故障在聚类空间中的位置信息，可以确定该位置信息在哪个聚类中心的范围内，或者，可以确定该位置信息距离哪个聚类中心最近，根据确定结果确定目标聚类中心，从而确定目标故障处理用户。
46.s104：将待分配故障的信息，分配至目标聚类中心对应的目标故障处理用户。
47.发送方式例如可以为，将待分配故障的信息发送至目标故障处理用户的终端，或者将待分配故障的信息发送至目标故障处理用户的邮箱等，或者将待分配故障的信息发送至目标故障处理用户的内部系统等；应当理解，上述实施例仅为示例性说明，具体分配待分配故障的信息的方式可以根据用户需要灵活调整，并不以上述实施例给出的为限。
48.采用本技术提供的自适应分配方法，在获取到针对预设软件应用的待分配故障后，可以通过对待分配故障的信息进行编码，得到待分配故障的第一特征向量，再根据第一特征向量确定待分配故障在预设软件应用的故障聚类空间中的位置信息，根据位置信息，在故障聚类中心中确定该位置信息对应的目标聚类中心，确定目标聚类中心对应的故障处理用户为目标故障处理用户，并将待分配故障的信息分配至目标故障处理用户，这样的处理方式由于聚类空间中的每个聚类中心是经过聚类后得到的，每个聚类中心具有自己对应的故障处理用户，因此通过匹配目标聚类中心来匹配故障处理用户的方式可以大大提高最终确定的目标故障处理用户的准确性，从而避免由于分配错误所导致的时间成本的浪费，减少了沟通效率，提高了故障处理的效率。
49.可选地，在上述实施例的基础上，本技术实施例还可提供一种自适应分配方法，如下结合附图对上述方法的实现过程进行示例说明。图2为本技术另一实施例提供的一种自适应分配方法的流程示意图，如图2所示，该方法还可包括：
50.s111：对针对预设软件应用的多个历史故障的信息进行编码，得到各历史故障的第二特征向量。
51.在本技术的实施例中，对多个历史故障的信息进行编码的方式，与上述实施例s101中对待分配故障的信息进行编码的方式相同，本技术在此不再赘述。
52.s112：根据各历史故障的第二特征向量和各历史故障对应的故障处理用户，对各历史故障进行聚类，得到包括有多个聚类中心的聚类空间。
53.在一些可能的实施例中，得到聚类空间的方式例如可以为：根据多个故障处理用户，对多个历史故障进行聚类，得到多个聚类集合，以及在本技术的实施例中，可以根据多个故障处理用户分别负责处理的故障类型进行自适应性聚类，得到聚类后的聚类空间；其中，每个故障处理用户对应一个聚类集合；根据预设聚类算法分别对各聚类集合中的历史故障进行聚类，得到包括有多个聚类中心的聚类空间；其中，每个聚类集合中均包括多个聚类中心。
54.图3为本技术一实施例提供的聚类空间的示意图，为了方便展示，本技术中以第一特征向量和第二特征向量均为二维向量为例进行说明，应当理解，实际应用过程中第一特征向量和第二特征向量均为多维度的特征向量，应用过程中，聚类空间的示意图可以不展示给用户，仅用于在确定目标聚类中心时使用，或者，也可以对第一特征向量和第二特征向量进行降维后，以便与查看的方式提供给用户进行查看。
55.图3中聚类空间中的每个大圆表示一个聚类集合，大圆中的每个小圆表示一个聚类空间，小圆中的每个小圆表示一个历史故障的第二特征向量；如图3所示，当前聚类空间中包括5个聚类集合，每个聚类集合均唯一对应一个故障处理用户，各聚类集合对应的故障处理用户不同，为了使得最终确认的目标故障处理用户更加精确，对于同一聚类集合中，还进行了进一步聚类，得到了多个聚类中心，每个聚类中心表示一个故障处理功能，也即同一个故障处理用户可能负责处理多个故障处理功能，从而根据待分配故障的位置信息，在聚类空间中确定目标聚类中心的方式，大大提高了最终目标故障处理用户确定的准确性，提高了后续故障处理的效率。
56.在一些可能的实施例中，确定聚类空间的方式例如可以为首先对每个故障处理用户负责的聚类集合中的第二特征向量，采用k-means算法在聚类集合内选取n(n≥2)个聚类中心，直到前后聚类中心变化小于设定阈值α为止。
57.随后确定各聚类中心的轮廓系数是否小于第一阈值θ；由于轮廓系数越大，说明当前的聚类效果越好，因此用户可以通过设置第一阈值的方式，来设置自己期望的轮廓系数，若确定结果只是轮廓系数小于第一阈值，则说明当前聚类仍可以优化，固将聚类中心的个数增加1；再根据调整后的聚类中心的个数，重新确定调整后的各聚类中心的轮廓系数，直至轮廓系数大于第一阈值。
58.在本技术的一个实施例中，为了避免无限进行聚类步骤，在对各聚类集合中的聚类中心进行聚类的过程中，可以根据聚类集合中第二特征向量的个数，确定第二阈值，分别确定各聚类集合中聚类中心的个数是否超过第二阈值；若超过，则在历史轮廓系数中确定最大的轮廓系数为目标轮廓系数；并统计聚类集合中包括的聚类中心的个数n，确定目标轮廓系数对应的聚类中心的个数为n。
59.举例说明，例如聚类集合一中第二特征向量的个数为m，若该聚类集合一中的聚类
中心的个数为n，n大于或等于m/10则不再进行n的递增。若n大于或等于m/10时，该聚类集合一对应的历史的轮廓系数为[0.22,0.67,0.22,-0.11,-0.25]，根据历史轮廓系数的顺序，根据各历史轮廓系数聚类后得到的聚类中心个数分别为[2,3,4,5,6]。此时则选取最大的轮廓系数0.67对应的聚类中心个数3，也即最终该聚类集合一对应的聚类中心的个数选择轮廓系数0.67对应的聚类中心个数3，此时则停止对聚类集合一的聚类。
[0060]
在本技术的实施例中，将每个聚类中心的中心坐标作为每个聚类中心的位置信息。
[0061]
可选地，在上述实施例的基础上，本技术实施例还可提供一种自适应分配方法，如下结合附图对上述方法中确定目标聚类中心的实现过程进行示例说明。图4为本技术另一实施例提供的一种自适应分配方法的流程示意图，如图4所示，该方法还可包括：
[0062]
s121：根据各聚类中心的中心坐标和位置信息，在聚类空间中确定中心坐标与位置信息距离最近的预设个数个候选聚类中心。
[0063]
在本技术的实施例中，每个聚类中心的中心坐标即为该聚类中心的位置，在确定候选聚类中心时，分别确定待分配故障的位置信息与各聚类中心的中心坐标之间的距离，并对距离进行排序，选择排序靠前的预设个数个聚类中心作为候选聚类中心，在一些可能的实施例中，预设个数例如可以为三个，也即在确定位置信息和中心坐标之间的距离后，选择与位置坐标距离最近的三个中心坐标对应的聚类中心为候选聚类中心；应当理解，上述实施例仅为示例性说明，预设个数例如也可以为4个或者5个或者更多，或者也可以直接确定距离最近的聚类中心为目标聚类中心，应当理解，上述实施例仅为示例性说明，具体预设个数的设置并不以上述实施例给出的为限，可以根据用户需要灵活调整。
[0064]
s122：分别确定各候选聚类中心的置信度，确定置信度最大的候选聚类中心为目标聚类中心。
[0065]
在本技术的实施例中，例如可以分别计算候选聚类中心两两之间的距离差距，距离差距越大，说明置信度越高，最终在候选聚类中心中选择置信度最高的候选聚类中心为目标聚类中心；应当理解，上述实施例仅为示例性说明，也可以直接确定候选聚类中心中与位置信息距离最近的候选聚类中心为目标聚类中心，并确定目标聚类中心的置信度，随后将目标聚类中心和目标聚类中心的置信度一并反馈给用户；具体确定目标聚类中心的方式可以根据用户需要灵活调整，并不以上述实施例给出的为限。
[0066]
举例说明，例如当前待分配故障为“勘探员在摇椅上动作发生穿插”，采用上述编码方式得到该待分配故障在二维向量空间下的位置信息为[-1,-6]。
[0067]
仍以图3提供的聚类空间的示意图为例进行说明，分别计算各聚类中心的中心坐标与位置信息之间的距离之后，其计算结果例如可以如下述表1所示：
[0068]
表1：
[0069][0070]
选取距离最小的前三个候选聚类中心，分别为top1：聚类集合一中聚类中心1的5.7、top2：聚类集合二聚类中心2的7.9、top3：聚类集合聚类中心5的7.7。此处以目标聚类中心为距离最近的候选聚类中心为例进行说明，由于在本技术的实施例中，输出距离最小的top1时同时还需要输出对应的置信度，因此，对上述置信度的理解可以为top1与top2、top3的差距，差距越大，说明置信度越高。
[0071]
top1与top2、top3差距μ的计算方法如下：
[0072][0073]
其中，则top2、top3对应的u2、u3分别为0.259与0.253，则top1对应的置信度为0.5*(α*u2+*u3)，α与β的设置为用户设定的0-1的常数常数参数。
[0074]
最后输出top1对应的目标故障处理用户以及对应的置信度。
[0075]
在一些可能的实施例中，在确定目标聚类中心后，可以向用户反馈目标聚类中心对应的目标故障处理用户，以及置信度，由用户确定是否将待分配故障的信息分配至目标故障处理用户；也可以在确定目标故障处理用户后，直接将待分配故障的信息分配至目标故障处理用户，具体确定目标故障处理用户之后的操作，可以根据用户需要和使用场景的需要灵活调整，并不以上述实施例给出的为限。
[0076]
采用本技术提供的自适应分配方法，可以根据预设软件应用的多个历史故障的信息，在一个聚类空间中聚类得到多个聚类中心，每个聚类中心均有自己对应的故障处理用户，由于聚类中心是根据历史故障的多个维度的信息聚类得到的，因此在后续获取到针对预设软件应用的待分配故障后，可以通过对待分配故障的多个维度的信息进行编码，得到待分配故障的第一特征向量，再根据第一特征向量确定待分配故障在预设软件应用的故障聚类空间中的位置信息，根据位置信息，确定故障聚类中心中与该位置信息最近聚类中心为目标聚类中心，并确定目标聚类中心的置信度，随后将待分配故障的信息分配至目标聚类中心对应的目标故障处理用户，这样的处理方式由于聚类空间中的每个聚类中心是经过聚类后得到的，每个聚类中心具有自己对应的故障处理用户，因此通过匹配目标聚类中心来匹配故障处理用户的方式可以大大提高最终确定的目标故障处理用户的准确性，从而避免由于分配错误所导致的时间成本的浪费，减少了沟通效率，提高了故障处理的效率。
[0077]
下述结合附图对本技术所提供的自适应分配装置进行解释说明，该自适应分配装置可执行上述图1-图4任一自适应分配方法，其具体实现以及有益效果参照上述，如下不再赘述。
[0078]
图5为本技术一实施例提供的自适应分配装置的结构示意图，如图5所示，该装置包括：编码模块201、确定模块202和分配模块203，其中：
[0079]
编码模块201，用于对针对预设软件应用的待分配故障的信息进行编码，得到待分配故障的第一特征向量；
[0080]
确定模块202，用于根据第一特征向量，确定待分配故障在预设软件应用的故障聚类空间中的位置信息；根据位置信息，从故障聚类空间中确定目标聚类中心；其中，故障聚类空间包括：多个聚类中心，每个聚类中心对应一个故障处理用户；
[0081]
分配模块203，用于将待分配故障的信息，分配至目标聚类中心对应的目标故障处理用户。
[0082]
可选地，在上述实施例的基础上，本技术实施例还可提供一种自适应分配装置，如下结合附图对上述图5给出的装置的实现过程进行示例说明。
[0083]
图6为本技术另一实施例提供的自适应分配装置的结构示意图，如图6所示，该装置还包括：聚类模块204，其中：
[0084]
编码模块201，具体用于对针对预设软件应用的多个历史故障的信息进行编码，得到各历史故障的第二特征向量；
[0085]
聚类模块204，用于根据各历史故障的第二特征向量和各历史故障对应的故障处理用户，对各历史故障进行聚类，得到包括有多个聚类中心的聚类空间。
[0086]
可选地，确定模块202，具体用于根据各聚类中心的中心坐标和位置信息，在聚类空间中确定中心坐标与位置信息距离最近的预设个数个候选聚类中心；分别确定各候选聚类中心的置信度，确定置信度最大的候选聚类中心为目标聚类中心。
[0087]
可选地，编码模块201，具体用于对故障标题信息和故障报错信息进行合并，得到文本信息；对文本信息进行编码得到文本信息对应的句向量特征；对故障图像信息进行卷积神经网络的特征处理，得到图像特征；根据句向量特征和图像特征信息，得到第一特征向量。
[0088]
可选地，编码模块201，具体用于对文本信息进行词向量编码，得到多个词向量；对多个词向量进行加权拼接，生成文本信息对应的句向量。
[0089]
可选地，聚类模块204，具体用于根据多个故障处理用户，对多个历史故障进行聚类，得到多个聚类集合；其中，每个故障处理用户对应一个聚类集合；根据预设聚类算法分别对各聚类集合中的历史故障进行聚类，得到包括有多个聚类中心的聚类空间；其中，每个聚类集合中均包括多个聚类中心。
[0090]
可选地，确定模块202，具体用于确定各聚类中心的轮廓系数是否小于第一阈值；若小于，则将聚类中心的个数增加1；根据调整后的聚类中心的个数，确定调整后的各聚类中心的轮廓系数，直至轮廓系数大于第一阈值。
[0091]
可选地，确定模块202，具体用于分别确定各聚类集合中聚类中心的个数是否超过第二阈值；若超过，则在历史轮廓系数中确定最大的轮廓系数为目标轮廓系数；确定目标轮廓系数对应的聚类中心的个数为聚类集合中包括的聚类中心的个数。
[0092]
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
[0093]
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，简称asic)，或，一个或多个微处理器，或，一个或者多个现场可编程门阵列(field programmable gate array，简称fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，简称cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称soc)的形式实现。
[0094]
图7为本技术一实施例提供的自适应分配设备的结构示意图，该自适应分配设备可以集成于终端设备或者终端设备的芯片。
[0095]
如图7所示，该自适应分配设备包括：处理器501、总线502和存储介质503。
[0096]
处理器501用于存储程序，处理器501调用存储介质503存储的程序，以执行上述图1-图4对应的方法实施例。具体实现方式和技术效果类似，这里不再赘述。
[0097]
可选地，本技术还提供一种程序产品，例如存储介质，该存储介质上存储有计算机程序，包括程序，该程序在被处理器运行时执行上述方法对应的实施例。
[0098]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0099]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0100]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0101]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本技术各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文：read-only memory，简称：rom)、随机存取存储器(英文：random access memory，简称：ram)、磁碟或者光盘等各种可以存储程序代码的介质。

技术特征：
1.一种自适应分配方法，其特征在于，所述方法包括：对针对预设软件应用的待分配故障的信息进行编码，得到所述待分配故障的第一特征向量；根据所述第一特征向量，确定所述待分配故障在所述预设软件应用的故障聚类空间中的位置信息；根据所述位置信息，从所述故障聚类空间中确定目标聚类中心；其中，所述故障聚类空间包括：多个聚类中心，每个聚类中心对应一个故障处理用户；将所述待分配故障的信息，分配至所述目标聚类中心对应的目标故障处理用户。2.如权利要求1所述的方法，其特征在于，所述根据所述第一特征向量，确定所述待分配故障在聚类空间中的位置信息之前，所述方法还包括：对针对预设软件应用的多个历史故障的信息进行编码，得到各所述历史故障的第二特征向量；根据各所述历史故障的第二特征向量和各所述历史故障对应的故障处理用户，对各所述历史故障进行聚类，得到包括有多个聚类中心的聚类空间。3.如权利要求1所述的方法，其特征在于，所述根据所述位置信息，从所述故障聚类空间中确定目标聚类中心，包括：根据各聚类中心的中心坐标和所述位置信息，在所述聚类空间中确定所述中心坐标与所述位置信息距离最近的预设个数个候选聚类中心；分别确定各所述候选聚类中心的置信度，确定所述置信度最大的候选聚类中心为所述目标聚类中心。4.如权利要求1所述的方法，其特征在于，所述待分配故障的信息包括：故障标题信息、故障报错信息和故障图像信息，所述对针对预设软件应用的待分配故障的信息进行编码，得到所述待分配故障的第一特征向量，包括：对所述故障标题信息和故障报错信息进行合并，得到文本信息；对所述文本信息进行编码得到所述文本信息对应的句向量特征；对所述故障图像信息进行卷积神经网络的特征处理，得到图像特征；根据所述句向量特征和所述图像特征信息，得到所述第一特征向量。5.如权利要求4所述的方法，其特征在于，所述对所述文本信息进行编码得到所述文本信息对应的句向量，包括：对所述文本信息进行词向量编码，得到多个词向量；对所述多个词向量进行加权拼接，生成所述文本信息对应的句向量。6.如权利要求2所述的方法，其特征在于，所述根据各所述历史故障的第二特征向量和各所述历史故障对应的故障处理用户，对各所述历史故障进行聚类，得到包括有多个聚类中心的聚类空间，包括：根据多个所述故障处理用户，对所述多个历史故障进行聚类，得到多个所述聚类集合；其中，每个所述故障处理用户对应一个所述聚类集合；根据预设聚类算法分别对各所述聚类集合中的所述历史故障进行聚类，得到包括有多个所述聚类中心的聚类空间；其中，每个所述聚类集合中均包括多个聚类中心。7.如权利要求6所述的方法，其特征在于，所述根据预设聚类算法分别对各所述聚类集
合中的所述历史故障进行聚类，得到包括有多个所述聚类中心的聚类空间，包括：确定各所述聚类中心的轮廓系数是否小于第一阈值；若小于，则将所述聚类中心的个数增加1；根据调整后的聚类中心的个数，确定调整后的各所述聚类中心的轮廓系数，直至所述轮廓系数大于所述第一阈值。8.如权利要求7所述的方法，其特征在于，所述将所述聚类中心的个数增加1之后，所述方法还包括：分别确定各所述聚类集合中所述聚类中心的个数是否超过第二阈值；若超过，则在历史轮廓系数中确定最大的轮廓系数为目标轮廓系数；确定所述目标轮廓系数对应的聚类中心的个数为所述聚类集合中包括的所述聚类中心的个数。9.一种自适应分配装置，其特征在于，所述装置包括：编码模块、确定模块和分配模块，其中：所述编码模块，用于对针对预设软件应用的待分配故障的信息进行编码，得到所述待分配故障的第一特征向量；所述确定模块，用于根据所述第一特征向量，确定所述待分配故障在所述预设软件应用的故障聚类空间中的位置信息；根据所述位置信息，从所述故障聚类空间中确定目标聚类中心；其中，所述故障聚类空间包括：多个聚类中心，每个聚类中心对应一个故障处理用户；所述分配模块，用于将所述待分配故障的信息，分配至所述目标聚类中心对应的目标故障处理用户。10.一种自适应分配设备，其特征在于，所述设备包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当所述自适应分配设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行上述权利要求1-8任一项所述的方法。11.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述权利要求1-8任一项所述的方法。

技术总结
本申请提供一种自适应分配方法、装置、设备及存储介质，涉及数据处理技术领域。该方法包括：对针对预设软件应用的待分配故障的信息进行编码，得到所述待分配故障的第一特征向量；根据所述第一特征向量，确定所述待分配故障在所述预设软件应用的故障聚类空间中的位置信息；根据所述位置信息，从所述故障聚类空间中确定目标聚类中心；其中，所述故障聚类空间包括：多个聚类中心，每个聚类中心对应一个故障处理用户；将所述待分配故障的信息，分配至所述目标聚类中心对应的目标故障处理用户。相对于现有技术，避免了指派人错误，增加了反复的沟通以及不必要的时间成本的问题。复的沟通以及不必要的时间成本的问题。复的沟通以及不必要的时间成本的问题。


技术研发人员：徐侃 李宫
受保护的技术使用者：网易（杭州）网络有限公司
技术研发日：2023.06.07
技术公布日：2023/8/23