结合云计算的大数据办公业务处理方法及大数据服务器与流程

1.本申请涉及云计算及大数据办公技术领域，特别涉及结合云计算的大数据办公业务处理方法及大数据服务器。


背景技术：

2.云计算是一种基于因特网的超级计算模式，在远程的数据中心里成千上万台电脑和服务器连接成的一片电脑云，用户可以通过电脑、手机等方式接入数据中心，按各自的需求进行运算。云计算是it基础设施的交付和使用模式，是通过网络以按需、易扩展的方式获得所需的资源。云计算基本原理：通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行更与互联网相似。
3.一般而言，云计算具有数据安全可靠、数据共享方便以及对客户端要求低等优点，因此，云计算已逐渐涉足到各类业务应用中。云计算和大数据的结合为各类业务应用提供了新的处理模式，以办公业务为例，依托于云计算和大数据，现目前的办公业务已实现在线化和智能化，相较于传统办公模式有效节省了办公成本。
4.在实际应用时，云办公或者远程办公通常需要进行一定的办公调度以满足不同的办公业务需求，然而相关的办公调度技术仍然存在一定缺陷。


技术实现要素：

5.为改善相关技术中存在的技术问题，本申请提供了一种结合云计算的大数据办公业务处理方法及大数据服务器。
6.本申请提供了一种结合云计算的大数据办公业务处理方法，所述方法包括：获取第一实时办公事项、所述第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第二状态办公事项，所述第一状态办公事项为基于第一办公事项识别策略对所述第一实时办公事项进行办公事项识别得到的，所述第二状态办公事项为基于第二办公事项识别策略对所述第一实时办公事项进行办公事项识别得到的；基于所述第一实时办公事项对应的实时状态办公事项、所述第一状态办公事项和所述第二状态办公事项，确定第一实时办公执行进度；获取延时办公事项、第三状态办公事项和第四状态办公事项，所述第三状态办公事项为基于所述第一办公事项识别策略对所述延时办公事项进行办公事项识别得到的，所述第四状态办公事项为基于所述第二办公事项识别策略对所述延时办公事项进行办公事项识别得到的；基于所述第三状态办公事项和所述第四状态办公事项，确定第一延时办公执行进度；基于所述第一实时办公执行进度和所述第一延时办公执行进度，训练所述第一办公事项识别策略，并基于训练后得到的办公事项识别策略进行办公事项调度处理。
7.本申请还提供了一种大数据服务器，包括处理器和存储器；所述处理器和所述存
储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述方法。
8.本申请实施例提供的一种结合云计算的大数据办公业务处理方法及大数据服务器，采用实时办公事项和延时办公事项对第一办公事项识别策略进行训练时，不仅考虑了该第一办公事项识别策略的识别结果，还将第二办公事项识别策略的识别结果融入到实时办公执行进度和延时办公执行进度中，使第一办公事项识别策略对第二办公事项识别策略的识别结果进行学习，因此能够通过第二办公事项识别策略的识别结果对第一办公事项识别策略的训练过程进行监督，能够训练出准确性和抗干扰性能更高的第一办公事项识别策略，能够在办公事项调度过程中充分考虑不同办公事项之间的差异性和关联性，从而从全局层面确保办公事项调度的合理性，尽可能确保不同的办公事项的正常执行，避免在调度过程中出现办公事项互相之间冲突的情况。
附图说明
9.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。
10.图1是本申请实施例提供的一种大数据服务器的硬件结构示意图。
11.图2是本申请实施例提供的一种结合云计算的大数据办公业务处理方法的流程图。
12.图3是本申请实施例提供的一种结合云计算的大数据办公业务处理装置的框图。
13.图4是本申请实施例提供的一种结合云计算的大数据办公业务处理系统的通信架构示意图。
具体实施方式
14.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
15.需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
16.本申请实施例所提供的方法实施例可以在大数据服务器、计算机设备或者类似的运算装置中执行。以运行在大数据服务器上为例，图1是本申请实施例的实施结合云计算的大数据办公业务处理方法的大数据服务器的硬件结构框图。如图1所示，大数据服务器10可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置）和用于存储数据的存储器104，可选地，上述大数据服务器10还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述大数据服务器10的结构造成限定。例如，大数据服务器10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
17.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的结合云计算的大数据办公业务处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述
的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至大数据服务器10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
18.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括大数据服务器10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（network interface controller，简称为nic），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（radio frequency，简称为rf）模块，其用于通过无线方式与互联网进行通讯。
19.可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种概念，但除非特别说明，这些概念不受这些术语限制。这些术语仅用于将一个概念与另一个概念区分。举例来说，在不脱离本申请的范围的情况下，可以将第一实时办公事项称为第二实时办公事项，且类似地，可将第二实时办公事项称为第一实时办公事项。
20.其中，至少一个是指一个或者一个以上，例如，至少一个实时办公事项可以是一个实时办公事项、两个实时办公事项、三个实时办公事项等任一大于等于一的整数个实时办公事项。多个是指两个或者两个以上，例如，多个实时办公事项可以是两个实时办公事项、三个实时办公事项等任一大于等于二的整数个实时办公事项。每个是指至少一个中的每一个，例如，每个实时办公事项是指多个实时办公事项中的每一个实时办公事项，若多个实时办公事项为三个实时办公事项，则每个实时办公事项是指三个实时办公事项中的每一个实时办公事项。
21.下面首先对本申请所采用的相关技术进行简单说明。
22.（1）人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
23.（2）人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术包括自然语言处理技术和机器学习。
24.（3）机器学习(machine learning，ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
25.（4）云计算技术是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术是基于云计算应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，
灵活便利。技术网络系统的后台服务需要大量的计算和存储资源，如视频网站、图片网站和更多的门户网站，云计算技术将变成重要支撑。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算技术来实现。作为云计算的基础能力提供商，会建立云计算资源池，简称云平台，又称为iaas(infrastructure as a service，基础设施即服务)平台，在资源池中部署多种类型的虚拟资源，供外部客户选择使用。
26.以下将基于人工智能技术和云技术，对本申请实施例提供的一种结合云计算的大数据办公业务处理方法进行说明。
27.本申请实施例提供了一种结合云计算的大数据办公业务处理方法，执行主体为大数据服务器。
28.在一种可能实现方式中，该大数据服务器为智能设备，智能设备可以为多种类型的智能设备，如智能手机、平板电脑、笔记本电脑或者台式计算机等，但并不局限于此。
29.在另一种可能实现方式中，该大数据服务器为服务器，服务器是独立的物理服务器，或者是多个物理服务器构成的服务器集群或者分布式系统，或者是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(contentdeliverynetwork，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器，本申请在此不做限制。
30.在上述基础上，图2是本申请实施例提供的一种结合云计算的大数据办公业务处理方法的流程图。本申请实施例的执行主体为大数据服务器，参见图2，该方法可以包括以下内容：步骤101、获取第一实时办公事项、第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第二状态办公事项。
31.本申请实施例中，办公事项识别是指对办公事项中的办公互动节点进行识别，并标记出办公互动节点是否属于目标识别节点，得到该办公事项对应的状态办公事项，从而在办公事项中识别出目标办公事项内容信息。其中，实时办公事项具有对应的实时状态办公事项，在一些可选的实施例中，该实时状态办公事项为用户对实时办公事项进行标记所得到的。延时办公事项缺少对应的延时状态办公事项。由于延时办公事项缺少对应的延时状态办公事项，仅基于延时办公事项无法训练出能够对延时办公事项进行办公事项识别的策略（人工智能模型）。
32.其中，实时办公事项与延时办公事项存在差异信息，在本申请实施例中能够根据需求，采用不同的标准来识别实时办公事项和延时办公事项。例如，实时办公事项与延时办公事项的采集方式不同，实时办公事项为使用第一种办公事项采集设备采集到的当前办公节点对应的办公事项，延时办公事项为使用第二种办公事项采集设备采集到的当前办公节点对应的办公事项。再例如，实时办公事项与延时办公事项所对应的事项完成情况不同，实时办公事项为包括已完成的办公事项，延时办公事项为包括未完成的办公事项。再例如，实时办公事项与延时办公事项的特征标签不同，实时办公事项为全局的事项集合，延时办公事项为局部的事项集合等。
33.因此本申请实施例中，针对实时办公事项和延时办公事项之间的分布差异信息，
提出一种基于办公状态自适应机制的模型训练方法，通过两个模型互相学习和互相监督的方式，在无监督的情况下训练用于办公事项识别的办公事项识别策略（办公事项识别模型）。
34.其中，第一办公事项识别策略和第二办公事项识别策略为对抗训练的两个不同模型，第一办公事项识别策略和第二办公事项识别策略都用于对办公事项进行识别处理得到对应的状态办公事项。在一些可选的实施例中，第一办公事项识别策略和第二办公事项识别策略的模型网络层分布相同，或者第一办公事项识别策略和第二办公事项识别策略的模型网络层分布不同，本申请实施例对此不做限定。
35.第一办公事项识别策略和第二办公事项识别策略是用于对延时办公事项进行识别的模型，在训练第一办公事项识别策略的过程中，大数据服务器获取第一实时办公事项、第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第二状态办公事项。其中，第一实时办公事项对应的实时状态办公事项为该第一实时办公事项对应的全局的状态办公事项，第一状态办公事项为当前的训练轮次中基于第一办公事项识别策略对第一实时办公事项进行办公事项识别得到的，第二状态办公事项为上一个训练轮次中基于第二办公事项识别策略对第一实时办公事项进行办公事项识别得到的，该第二状态办公事项又称为第一实时办公事项对应的潜在状态办公事项。
36.步骤102、基于第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第二状态办公事项，确定第一实时办公执行进度。
37.大数据服务器确定实时状态办公事项、第一状态办公事项和第二状态办公事项之后，基于实时状态办公事项与第一状态办公事项之间的差异信息，以及第二状态办公事项与第一状态办公事项之间的差异信息，确定第一状态办公事项的第一实时办公执行进度。
38.步骤103、获取延时办公事项、第三状态办公事项和第四状态办公事项。
39.在训练第一办公事项识别策略的过程中，大数据服务器还获取延时办公事项、第三状态办公事项和第四状态办公事项。其中，延时办公事项与实时办公事项所对应的事项完成情况不同，第三状态办公事项为当前的训练轮次中基于第一办公事项识别策略对延时办公事项进行办公事项识别得到的，第四状态办公事项为上一个训练轮次中基于第二办公事项识别策略对延时办公事项进行办公事项识别得到的，该第四状态办公事项又称为延时办公事项对应的潜在状态办公事项。
40.步骤104、基于第三状态办公事项和第四状态办公事项，确定第一延时办公执行进度。
41.大数据服务器确定第三状态办公事项和第四状态办公事项之后，基于第三状态办公事项和第四状态办公事项之间的差异信息，确定第三状态办公事项的第一延时办公执行进度。
42.步骤105、基于第一实时办公执行进度和第一延时办公执行进度，训练第一办公事项识别策略。
43.大数据服务器确定第一实时办公执行进度和第一延时办公执行进度之后，基于第一实时办公执行进度和第一延时办公执行进度，对第一办公事项识别策略的模型参数进行调整，以使第一实时办公执行进度和第一延时办公执行进度的扰动变化量越来越少，直至第一实时办公执行进度和第一延时办公执行进度趋于稳定，得到训练后的第一办公事项识
别策略。
44.步骤106、基于训练后得到的办公事项识别策略进行办公事项调度处理。
45.训练得到办公事项识别策略具有较高的准确性和抗干扰性能，大数据服务器即可基于该办公事项识别策略对任一办公事项进行办公事项调度处理，能够在办公事项调度过程中充分考虑不同办公事项之间的差异性和关联性，从而从全局层面确保办公事项调度的合理性，尽可能确保不同的办公事项的正常执行，避免在调度过程中出现办公事项互相之间冲突的情况。
46.本申请实施例提供的方法，采用实时办公事项和延时办公事项对第一办公事项识别策略进行训练时，不仅考虑了该第一办公事项识别策略的识别结果，还将第二办公事项识别策略的识别结果融入到实时办公执行进度和延时办公执行进度中，使第一办公事项识别策略对第二办公事项识别策略的识别结果进行学习，因此能够通过第二办公事项识别策略的识别结果对第一办公事项识别策略的训练过程进行监督，能够训练出准确性和抗干扰性能更高的第一办公事项识别策略，能够在办公事项调度过程中充分考虑不同办公事项之间的差异性和关联性，从而从全局层面确保办公事项调度的合理性，尽可能确保不同的办公事项的正常执行，避免在调度过程中出现办公事项互相之间冲突的情况。
47.基于上述内容，下面示出了本申请实施例提供的一种结合云计算的大数据办公业务处理方法，本申请实施例的执行主体为大数据服务器，该方法可以包括以下内容：步骤201、大数据服务器获取第一实时办公事项、第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第二状态办公事项。
48.在训练第一办公事项识别策略的过程中，大数据服务器获取第一实时办公事项、第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第二状态办公事项。其中，第一实时办公事项对应的实时状态办公事项为该第一实时办公事项对应的全局的状态办公事项，第一状态办公事项为当前网络训练轮次中基于第一办公事项识别策略对第一实时办公事项进行办公事项识别得到的，该第一状态办公事项可称为第一实时办公事项对应的预测状态办公事项，第二状态办公事项为上一次训练轮次中基于第二办公事项识别策略对第一实时办公事项进行办公事项识别得到的，该第二状态办公事项又称为第一实时办公事项对应的潜在状态办公事项。
49.在一些可选的实施例中，第一实时办公事项为任一类型的办公事项。例如，第一实时办公事项为当前办公节点对应的办公事项，则对当前办公节点对应的办公事项进行办公事项识别处理，从该当前办公节点对应的办公事项中识别出已处理完的办公内容或者未处理完的办公内容等。在一些可选的实施例中，该第一实时办公事项和第一实时办公事项对应的实时状态办公事项为大数据服务器从本地数据库中获取的，或者为大数据服务器从网络中下载得到的，本申请实施例对此不做限定。
50.本申请实施例中，采用对抗训练的方式同步训练第一办公事项识别策略和第二办公事项识别策略。其中，第一办公事项识别策略和第二办公事项识别策略的模型网络层分布相同，或者第一办公事项识别策略和第二办公事项识别策略的模型网络层分布不同。第一办公事项识别策略和第二办公事项识别策略的模型网络层分布和模型参数根据需求进行设置和调整。
51.在一种可能实现方式中，第一办公事项识别策略和第二办公事项识别策略的模型
网络层分布和模型参数不同，由于两个策略的模型网络层分布和模型参数之间的差异信息性，导致两个策略能够从不同角度去训练和学习，从而产生不同的识别策略方法，即具有不同的学习能力，因此能够促进模型间的同步监督。
52.在一些可选的实施例中，第一办公事项识别策略是以反馈型网络为主要框架的办公事项识别策略)。在一些可选的实施例中，第二办公事项识别策略采用轻量级网络为基础，从而减少模型的参数规模和运行负荷。
53.步骤202、大数据服务器在基于第二办公事项识别策略将第一实时办公事项确定为异常的实时办公事项的情况下，基于实时状态办公事项、第一状态办公事项和第二状态办公事项，确定第一实时办公执行进度。
54.在上一个训练轮次中，大数据服务器基于第二办公事项识别策略对第一实时办公事项进行办公事项识别得到状态办公事项，并基于第一实时办公事项对应的全局实时状态办公事项、当前得到的状态办公事项以及训练第二办公事项识别策略时该第一实时办公事项对应的潜在状态办公事项，确定实时办公执行进度，基于该实时办公执行进度将第一实时办公事项确定为异常的实时办公事项。其中，训练第二办公事项识别策略时该第一实时办公事项对应的潜在状态办公事项是指，第一办公事项识别策略在之前的训练轮次对第一实时办公事项进行办公事项识别得到的状态办公事项。其中，基于实时办公执行进度来确定异常的实时办公事项的过程详见下述步骤215，在此暂不作说明。
55.则大数据服务器在将第一实时办公事项确定为异常的实时办公事项的情况下，基于实时状态办公事项、第一状态办公事项和第二状态办公事项，确定第一实时办公执行进度。
56.在一种可能实现方式中，大数据服务器基于实时状态办公事项和第一状态办公事项，确定第三实时办公执行进度，基于第二状态办公事项和第一状态办公事项，确定第四实时办公执行进度，基于第三实时办公执行进度和第四实时办公执行进度，确定第一实时办公执行进度。
57.其中，大数据服务器基于实时状态办公事项和第一状态办公事项之间的差异信息，确定第三实时办公执行进度，基于第二状态办公事项和第一状态办公事项之间的差异信息，确定第四实时办公执行进度。在一些可选的实施例中，大数据服务器将第三实时办公执行进度和第四实时办公执行进度进行基于时序层面的融合，得到该第一实时办公执行进度。
58.在另一种可能实现方式中，第一状态办公事项包括第一实时办公事项中的每个办公互动节点对应的第一状态，则确定第三实时办公执行进度，包括：大数据服务器基于实时状态办公事项，确定每个办公互动节点对应的节点状态权重，基于每个办公互动节点对应的第一状态和节点状态权重，确定第三实时办公执行进度。在一些可选的实施例中，多个办公互动节点对应的节点状态权重采用节点状态权重特征图的方式来表示。
59.在一些可选的实施例中，确定节点状态权重包括：大数据服务器确定每个办公互动节点与实时状态办公事项的进度状态值之间的进度完成最小差值，将确定的多个进度完成最小差值中的最大值确定为目标值，基于目标值和每个办公互动节点对应的进度完成最小差值，分别确定每个办公互动节点对应的节点状态权重。
60.其中，由于实时状态办公事项的目标办公事项内容信息的热点事项内容对应的办
公互动节点处具有较大的节点状态权重，并且越靠近进度状态值，办公互动节点对应的节点状态权重越小，为了使模型能够学习实时状态办公事项中的重要事项特征的信息，并滤除噪声层面的差异信息，大数据服务器将多个进度完成最小差值中的最大值确定为目标值，基于目标值与每个办公互动节点对应的进度完成最小差值之间的差异信息，分别确定每个办公互动节点对应的节点状态权重。
61.在一些可选的实施例中，确定第三实时办公执行进度的过程包括：大数据服务器基于每个办公互动节点对应的第一状态和节点状态权重，确定第一办公状态对比结果，基于第一办公状态对比结果、任一办公互动节点对应的第一状态和节点状态权重，确定任一办公互动节点对应的第三全局实时执行进度，基于确定的多个第三全局实时执行进度，确定第三实时办公执行进度。
62.其中，第一办公状态对比结果表示第一状态办公事项和实时状态办公事项之间的差异信息。大数据服务器确定第一办公状态对比结果之后，即可基于第一办公状态对比结果以及任一办公互动节点对应的第一状态和节点状态权重，确定该任一办公互动节点对应的第三全局实时执行进度，从而确定多个办公互动节点对应的第三全局实时执行进度，并对确定的多个第三全局实时执行进度进行基于时序层面的融合，得到该第三实时办公执行进度。
63.在另一种可能实现方式中，大数据服务器采用多次网络参数优化的方式来训练第一办公事项识别策略，由于随着网络参数优化次数的增大，该第一办公事项识别策略也越来越稳定，因此大数据服务器根据网络参数优化次数，来调节第三实时办公执行进度和第四实时办公执行进度的节点状态权重对应的权重更新频率，使得随着网络参数优化次数的增大，第四实时办公执行进度的节点状态权重对应的权重更新频率越来越大，从而避免训练过程受到不稳定的办公事项识别策略所生成的错误的潜在状态办公事项的影响，同时将异常的状态办公事项中的有效信息利用起来，增强办公事项识别策略的稳定性。则基于第三实时办公执行进度和第四实时办公执行进度，确定第一实时办公执行进度包括：大数据服务器获取当前网络训练对应的网络参数优化次数，响应于网络参数优化次数不小于第一设定次数且不大于第二设定次数，基于第三实时办公执行进度、第四实时办公执行进度、网络参数优化次数、第一设定次数和第二设定次数，确定第一实时办公执行进度。或者，响应于网络参数优化次数大于第二设定次数，基于第三实时办公执行进度和第四实时办公执行进度，确定第一实时办公执行进度。
64.在一些可选的实施例中，大数据服务器响应于网络参数优化次数小于第一设定次数，则直接将第三实时办公执行进度确定为该第一实时办公执行进度，而不考虑第四实时办公执行进度。
65.步骤203、大数据服务器获取第二实时办公事项、第二实时办公事项对应的实时状态办公事项和第五状态办公事项。
66.在训练第一办公事项识别策略的过程中，大数据服务器还获取第二实时办公事项、第二实时办公事项对应的实时状态办公事项和第五状态办公事项。其中，第二实时办公事项为上一个训练轮次中训练第二办公事项识别策略所使用的办公事项，第二实时办公事项对应的实时状态办公事项为该第二实时办公事项对应的全局的状态办公事项，第五状态办公事项为当前的训练轮次中基于第一办公事项识别策略对第二实时办公事项进行办公
事项识别得到的。
67.本申请实施例中，第一实时办公事项为基于第二办公事项识别策略被确定为异常的实时办公事项的办公事项，第二实时办公事项为基于第二办公事项识别策略被确定为正常的实时办公事项的办公事项。
68.步骤204、大数据服务器在基于第二办公事项识别策略将第二实时办公事项确定为正常的实时办公事项的情况下，基于第二实时办公事项对应的实时状态办公事项和第五状态办公事项，确定第二实时办公执行进度。
69.与上述步骤202中将第一实时办公事项确定为异常的实时办公事项的过程同理，在步骤204中，大数据服务器在将第二实时办公事项确定为正常的实时办公事项的情况下，基于第二实时办公事项对应的实时状态办公事项和第五状态办公事项，确定第二实时办公执行进度。
70.在一种可能实现方式中，该实时状态办公事项包括第二实时办公事项中的每个办公互动节点对应的实时状态，第五状态办公事项包括第二实时办公事项中的每个办公互动节点对应的第五状态。则确定第二实时办公执行进度包括：基于每个办公互动节点对应的实时状态和第五状态，确定第三办公状态对比结果；基于第三办公状态对比结果、任一办公互动节点对应的实时状态和第五状态，确定任一办公互动节点对应的第二全局实时执行进度；基于确定的多个第二全局实时执行进度，确定第二实时办公执行进度。
71.其中，第三办公状态对比结果表示实时状态办公事项和第五状态办公事项之间的差异信息。大数据服务器确定第三办公状态对比结果之后，即可基于该第三办公状态对比结果以及任一办公互动节点对应的实时状态和第五状态，确定该任一办公互动节点对应的第二全局实时执行进度，从而确定多个办公互动节点对应的第二全局实时执行进度，并对确定的多个第二全局实时执行进度进行基于时序层面的融合，得到该第二实时办公执行进度。
72.在一种可能实现方式中，大数据服务器在确定第二实时办公执行进度之前，先获取第六状态办公事项，确定第五状态办公事项与第六状态办公事项之间的相似度，响应于相似度不小于预设相似度阀值，基于第二实时办公事项对应的实时状态办公事项和第五状态办公事项，确定第二实时办公执行进度。其中，第六状态办公事项为基于第二办公事项识别策略对第二实时办公事项进行办公事项识别得到的。
73.由于第二实时办公事项为基于第二办公事项识别策略确定的正常的实时办公事项，为了进一步确定该第二实时办公事项为异常的实时办公事项还是正常的实时办公事项，大数据服务器确定第一办公事项识别策略对第二实时办公事项的识别结果与第二办公事项识别策略对第二实时办公事项的识别结果之间的相似度，也即是确定第五状态办公事项与第六状态办公事项之间的相似度。
74.若该相似度不小于预设相似度阀值，则说明第二实时办公事项确实为正常的实时办公事项，则采用对正常的实时办公事项的处理方式确定该第二实时办公事项对应的第二实时办公执行进度。因此大数据服务器响应于相似度不小于预设相似度阀值，基于第二实时办公事项对应的实时状态办公事项和第五状态办公事项，确定第二实时办公执行进度。
75.若该相似度小于预设相似度阀值，则将该第二实时办公事项重新确定为异常的实时办公事项，则采用对异常的实时办公事项的处理方式确定该第二实时办公事项对应的第
二实时办公执行进度。因此大数据服务器响应于相似度小于预设相似度阀值，基于第二实时办公事项对应的实时状态办公事项、第五状态办公事项和第六状态办公事项，确定第二实时办公执行进度。其中，在相似度小于预设相似度阀值的情况下，大数据服务器确定第二实时办公执行进度的方式与上述步骤202中确定第一实时办公执行进度的方式同理，在此不再一一赘述。
76.在一些可选的实施例中，大数据服务器确定第五状态办公事项与第六状态办公事项之间的动态办公执行进度，由于第五状态办公事项与第六状态办公事项之间的动态办公执行进度越大，第五状态办公事项与第六状态办公事项之间的相似度越小，因此大数据服务器响应于动态办公执行进度不小于预设执行进度，则基于第二实时办公事项对应的实时状态办公事项、第五状态办公事项和第六状态办公事项，确定第二实时办公执行进度。或者大数据服务器响应于动态办公执行进度小于预设执行进度，则基于第二实时办公事项对应的实时状态办公事项和第五状态办公事项，确定第二实时办公执行进度。
77.本申请实施例中，在实时办公事项被确定为正常的实时办公事项的情况下，采用步骤203
‑
步骤204中的方法，基于正常的实时办公事项对应的全局状态办公事项，来确定正常的实时办公事项对应的实时办公执行进度。在实时办公事项被确定为异常的实时办公事项的情况下，采用步骤201
‑
202中的方法，基于异常的实时办公事项对应的全局状态办公事项和潜在状态办公事项，来确定异常的实时办公事项对应的实时办公执行进度。由于在实时办公事项被确定为异常的实时办公事项时，该异常的实时办公事项对应的全局状态办公事项不够准确，因此引入第二办公事项识别策略对该异常的实时办公事项进行办公事项识别得到的潜在状态办公事项，通过第二办公事项识别策略的识别结果对第一办公事项识别策略的训练过程进行监督，能够减少训练过程中的异常的实时办公事项带来的误差，提高办公事项识别策略对异常的数据的抗干扰性能。
78.步骤205、大数据服务器获取延时办公事项、第三状态办公事项和第四状态办公事项。
79.在训练第一办公事项识别策略的过程中，大数据服务器还获取延时办公事项、第三状态办公事项和第四状态办公事项。其中，第三状态办公事项为当前的训练轮次中基于第一办公事项识别策略对延时办公事项进行办公事项识别得到的，第四状态办公事项为上一个训练轮次中基于第二办公事项识别策略对延时办公事项进行办公事项识别得到的，该第四状态办公事项又称为延时办公事项对应的潜在状态办公事项。
80.其中，延时办公事项与实时办公事项存在差异信息，在本申请实施例中能够根据需求，采用不同的标准来识别实时办公事项和延时办公事项。例如，实时办公事项为包括已完成的办公事项，延时办公事项为包括未完成的办公事项。或者，实时办公事项为使用办公事项采集设备d1采集的当前办公节点对应的办公事项，延时办公事项为使用办公事项采集设备d2采集的当前办公节点对应的办公事项等。
81.步骤206、大数据服务器基于第三状态办公事项和第四状态办公事项，确定第一延时办公执行进度。
82.大数据服务器获取到第三状态办公事项和第四状态办公事项后，基于第三状态办公事项和第四状态办公事项之间的差异信息，确定第一延时办公执行进度。
83.在一种可能实现方式中，该第三状态办公事项包括延时办公事项中的每个办公互
动节点对应的第三状态，第四状态办公事项包括延时办公事项中的每个办公互动节点对应的第四状态，则确定第一延时办公执行进度包括：基于每个办公互动节点对应的第三状态和第四状态，确定第二办公状态对比结果，基于第二办公状态对比结果、任一办公互动节点对应的第三状态和第四状态，确定任一办公互动节点对应的局部延时执行进度；基于确定的多个局部延时执行进度，确定第一延时办公执行进度。
84.其中，第二办公状态对比结果表示第三状态办公事项和第四状态办公事项之间的差异信息。大数据服务器确定第二办公状态对比结果之后，即可基于该第二办公状态对比结果以及任一办公互动节点对应的第三状态和第四状态，确定该任一办公互动节点对应的局部延时执行进度，从而确定多个办公互动节点对应的局部延时执行进度，并对确定的多个局部延时执行进度进行基于时序层面的融合，得到该第一延时办公执行进度。
85.步骤207、大数据服务器基于第一实时办公执行进度、第二实时办公执行进度和第一延时办公执行进度，训练第一办公事项识别策略。
86.大数据服务器基于第一实时办公执行进度、第二实时办公执行进度和第一延时办公执行进度，对第一办公事项识别策略的参数进行调整，以使第一实时办公执行进度、第二实时办公执行进度和第一延时办公执行进度的扰动变化量越来越少，直至第一实时办公执行进度、第二实时办公执行进度和第一延时办公执行进度趋于稳定，得到训练后的第一办公事项识别策略。
87.在一种可能实现方式中，大数据服务器基于第一实时办公执行进度、第二实时办公执行进度和第一延时办公执行进度，确定识别办公执行进度，基于识别办公执行进度训练第一办公事项识别策略，以使识别办公执行进度趋于稳定。
88.需要说明的是，本申请实施例仅以第一实时办公事项被确定为异常的实时办公事项、第二实时办公事项被确定为正常的实时办公事项为例，说明训练第一办公事项识别策略的过程。在另一实施例中，大数据服务器可以不执行上述步骤203
‑
步骤204，并且在步骤202中，直接基于实时状态办公事项、第一状态办公事项和第二状态办公事项，确定第一实时办公执行进度，然后基于第一实时办公执行进度和第一延时办公执行进度，训练第一办公事项识别策略。
89.需要说明的是，上述步骤201
‑
步骤207中仅以对一个第一实时办公事项、一个第二实时办公事项和一个延时办公事项进行处理，得到第一实时办公执行进度、第二实时办公执行进度和第一延时办公执行进度为例进行说明。在另一实施例中，大数据服务器分别对多个第一实时办公事项、多个第二实时办公事项和多个延时办公事项进行处理，并采用上述步骤201
‑
步骤207提供的方法分别确定多个第一实时办公执行进度、多个第二实时办公执行进度和多个第一延时办公执行进度，然后基于多个第一实时办公执行进度、多个第二实时办公执行进度和多个第一延时办公执行进度，来训练第一办公事项识别策略。
90.步骤208、大数据服务器基于办公事项检测模型分别对第一状态办公事项和第三状态办公事项进行办公事项检测处理，得到实时检测结果和延时检测结果。
91.大数据服务器基于第一办公事项识别策略对第一实时办公事项和延时办公事项进行办公事项识别处理得到第一状态办公事项和第三状态办公事项之后，基于办公事项检测模型对第一状态办公事项进行办公事项检测处理，得到实时检测结果，基于办公事项检测模型对第三状态办公事项进行办公事项检测处理，得到延时检测结果。
92.其中，办公事项检测模型用于检测输入的状态办公事项属于实时办公事项的状态办公事项还是延时办公事项的状态办公事项，该办公事项检测模型能够将实时办公事项和延时办公事项的状态办公事项融合到对抗学习过程中。当办公事项检测模型对延时办公事项对应的第三状态办公事项进行办公事项检测处理，得到的延时检测结果表示该第三状态办公事项为延时办公事项的状态办公事项时，则说明办公事项检测模型确定准确，该第一办公事项识别策略输出的延时办公事项的状态办公事项与实时办公事项的状态办公事项在特征空间中相关性较低，无法绕过办公事项检测模型，第一办公事项识别策略并未完成由实时到延时的转换，因此第一办公事项识别策略对延时办公事项进行办公事项识别的准确性仍然较低。当办公事项检测模型对延时办公事项对应的第三状态办公事项进行办公事项检测处理，得到的延时检测结果表示该第三状态办公事项为实时办公事项的状态办公事项时，则说明办公事项检测模型检测错误，也即是第一办公事项识别策略输出的延时办公事项的状态办公事项与实时办公事项的状态办公事项在特征空间中相关性较高，第一办公事项识别策略完成了由实时到延时的转换，因此第一办公事项识别策略对延时办公事项进行办公事项识别的准确性较高且抗干扰能力强。
93.步骤209、大数据服务器基于实时检测结果、延时检测结果和第三状态办公事项，确定办公执行进度检测结果。
94.在一种可能实现方式中，第三状态办公事项包括延时办公事项中的多个办公互动节点对应的第三状态，则确定办公执行进度检测结果包括：大数据服务器基于多个办公互动节点对应的第三状态，确定第三状态办公事项对应的事项跳转结果；基于事项跳转结果、实时检测结果和延时检测结果，确定办公执行进度检测结果。
95.其中，第三状态办公事项对应的事项跳转结果用于标识第三状态办公事项的动态变化的程度，在一些可选的实施例中，该事项跳转结果为第三状态办公事项对应的事项热度变化值。在延时办公事项的各个办公互动节点中引入事项热度变化值，然后基于事项热度变化值与办公事项检测模型输出的检测结果来确定办公执行进度检测结果，能够增加具有动态变化的办公互动节点的热度节点状态权重，并减少确定性的办公互动节点的热度节点状态权重。在事项热度变化值的驱动下，有利于使办公事项检测模型学习如何定位具有区分度的内容。
96.步骤210、大数据服务器基于办公执行进度检测结果，训练第一办公事项识别策略和办公事项检测模型。
97.大数据服务器确定办公执行进度检测结果后，基于办公执行进度检测结果调整第一办公事项识别策略的网络参数以及办公事项检测模型的网络参数，以使第一办公事项识别策略对实时办公事项和延时办公事项进行办公事项识别得到的状态办公事项在内容描述上越来越相似，办公事项检测模型越来越分辨不出状态办公事项是否为延时办公事项的状态办公事项，从而实现办公事项识别的办公状态自适应。
98.在一些可选的实施例中，大数据服务器通过最大化办公执行进度检测结果来调整办公事项检测模型的参数。在一些可选的实施例中，由于办公执行进度检测结果产生的误差也会反映到第一办公事项识别策略中，因此大数据服务器通过最小化办公执行进度检测结果来调整第一办公事项识别策略的参数。
99.需要说明的是，本申请实施例仅以在训练第一办公事项识别策略时，同时训练办
公事项检测模型为例进行说明。在另一实施例中，该办公事项检测模型为训练好的办公事项检测模型，大数据服务器无需再对办公事项检测模型进行训练，则大数据服务器不执行上述步骤208
‑
步骤210。
100.进一步地，以下是本申请实施例提供的一种确定办公执行进度的实施方式，比如，大数据服务器将实时办公事项输入办公事项识别策略中得到第一状态办公事项，将延时办公事项输入到办公事项识别策略中得到第三状态办公事项。其中，在实时办公事项被确定为异常的实时办公事项的情况下，大数据服务器基于确定的节点状态权重特征图，来确定第一实时办公执行进度，在实时办公事项被确定为正常的实时办公事项的情况下，大数据服务器确定第二实时办公执行进度时无需利用节点状态权重特征图。大数据服务器分别将第一状态办公事项和第三状态办公事项输入至办公事项检测模型中，基于检测结果和事项热度变化值确定办公执行进度检测结果。
101.步骤211、大数据服务器基于训练后得到的办公事项识别策略进行办公事项调度处理。
102.训练后得到的办公事项识别策略具有较高的准确性和抗干扰性能，大数据服务器基于办公事项识别策略对任一办公事项进行办公事项调度处理，能够在办公事项调度过程中充分考虑不同办公事项之间的差异性和关联性，从而从全局层面确保办公事项调度的合理性，尽可能确保不同的办公事项的正常执行，避免在调度过程中出现办公事项互相之间冲突的情况。
103.在一种可能实现方式中，大数据服务器基于训练后得到的办公事项识别策略，对任一办公事项进行办公事项识别，得到任一办公事项对应的状态办公事项，完成对该任一办公事项的办公事项识别任务。
104.步骤212、大数据服务器响应于第一实时办公执行进度小于目标办公执行进度，将第一实时办公事项确定为正常的实时办公事项。
105.大数据服务器确定第一实时办公执行进度之后，响应于该第一实时办公执行进度小于目标办公执行进度，则将该第一实时办公执行进度对应的第一实时办公事项确定为正常的实时办公事项，后续第二办公事项识别策略即可基于被确定为正常的实时办公事项的第一实时办公事项进行训练。其中，该目标办公执行进度由大数据服务器来设置，本申请实施例对此不做限定。
106.在一种可能实现方式中，在同一训练轮次中，大数据服务器对多个实时办公事项进行办公事项识别得到对应的实时办公执行进度，则大数据服务器在确定的多个实时办公执行进度中，按照任务执行的优先顺序选取目标数量的实时办公执行进度，将选取的多个实时办公执行进度对应的实时办公事项确定为正常的实时办公事项，将其余的实时办公事项确定为异常的实时办公事项。
107.其中，针对训练集中的实时办公事项对应的实时状态办公事项存在异常的的情况，大数据服务器基于实时办公执行进度对实时办公事项的异常的状态进行校正，从中选出对应正常的状态的正常的实时办公事项，提高状态的准确率，改善办公事项的信噪比，从而提高训练所得的办公事项识别策略的准确性。
108.需要说明的是，本申请实施例仅以使用第一办公事项识别策略之后，执行该步骤212对办公事项进行判定为例进行说明，而在另一实施例中，大数据服务器执行上述步骤
202确定第一实时办公执行进度之后，即可执行该步骤212对办公事项进行判定。
109.步骤213、大数据服务器基于第一实时办公事项对应的实时状态办公事项和第六状态办公事项，确定第五实时办公执行进度。
110.大数据服务器基于第一办公事项识别策略将第一实时办公事项确定为正常的实时办公事项后，即可将该正常的实时办公事项应用于对第二办公事项识别策略的训练中，基于该第一实时办公事项对应的实时状态办公事项和第六状态办公事项，确定第五实时办公执行进度。其中，第六状态办公事项为基于第二办公事项识别策略重新对第一实时办公事项进行办公事项识别得到的。该步骤213与上述步骤204中确定第二实时办公执行进度的过程同理，在此不再一一赘述。
111.步骤214、大数据服务器基于第三状态办公事项和第七状态办公事项，确定第二延时办公执行进度。
112.大数据服务器将延时办公事项和第一办公事项识别策略对延时办公事项进行办公事项识别得到的第三状态办公事项应用于对第二办公事项识别策略的训练中，基于该第三状态办公事项和第七状态办公事项，确定第二延时办公执行进度。其中，第七状态办公事项为基于第二办公事项识别策略重新对延时办公事项进行办公事项识别得到的。该步骤214与上述步骤206中确定第一延时办公执行进度的过程同理，在此不再一一赘述。
113.步骤215、大数据服务器基于第五实时办公执行进度和第二延时办公执行进度，训练第二办公事项识别策略。
114.该步骤215与上述步骤207中训练第一办公事项识别策略的过程同理，在此不再一一赘述。
115.需要说明的是，本申请实施例仅以基于第五实时办公执行进度和第二延时办公执行进度训练第二办公事项识别策略为例进行说明。在另一实施例中，第二办公事项识别策略也对应有办公事项检测模型，则执行步骤215之后，还包括：大数据服务器基于第二办公事项识别策略对应的办公事项检测模型分别对第六状态办公事项和第七状态办公事项进行办公事项检测处理，得到实时检测结果和延时检测结果，并基于该实时检测结果和延时检测结果和第七状态办公事项，确定办公执行进度检测结果，基于该办公执行进度检测结果，训练第二办公事项识别策略和该第二办公事项识别策略对应的办公事项检测模型。其中，上述过程与步骤208
‑
步骤210同理，在此不再一一赘述。
116.本申请实施例仅以基于第一办公事项识别策略将第一实时办公事项确定为正常的实时办公事项为例进行说明。在另一实施例中，大数据服务器基于第一办公事项识别策略将第一实时办公事项确定为异常的实时办公事项，则如下所示，步骤212
‑
步骤215由以下步骤216
‑
步骤219代替：步骤216、大数据服务器响应于第一实时办公执行进度不小于目标办公执行进度，将第一实时办公事项确定为异常的实时办公事项。
117.大数据服务器确定第一实时办公执行进度之后，响应于该第一实时办公执行进度不小于目标办公执行进度，则将该第一实时办公执行进度对应的第一实时办公事项确定为异常的实时办公事项，后续第二办公事项识别策略即可基于被确定为异常的实时办公事项的第一实时办公事项进行训练。
118.在一种可能实现方式中，在同一训练轮次中大数据服务器对多个实时办公事项进
行办公事项识别得到对应的实时办公执行进度，则大数据服务器在确定的多个实时办公执行进度中，按照任务执行的优先顺序选取目标数量的实时办公执行进度，将选取的多个实时办公执行进度对应的实时办公事项确定为正常的实时办公事项，将其余的实时办公事项确定为异常的实时办公事项。
119.在一种可能实现方式中，大数据服务器在训练第一办公事项识别策略时，基于第一办公事项识别策略在多个实时办公事项中选取多个第一候选实时办公事项，在训练第二办公事项识别策略时，基于第二办公事项识别策略在多个实时办公事项中选取多个第二候选实时办公事项。大数据服务器将多个第一候选实时办公事项和多个第二候选实时办公事项中的相同的实时办公事项，确定为异常的实时办公事项。
120.步骤217、大数据服务器基于第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第六状态办公事项，确定第六实时办公执行进度。
121.大数据服务器基于第一办公事项识别策略将第一实时办公事项确定为异常的实时办公事项后，即可将该异常的实时办公事项应用于对第二办公事项识别策略的训练中，基于该第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第六状态办公事项，确定第六实时办公执行进度。其中，第六状态办公事项为基于第二办公事项识别策略重新对第一实时办公事项进行办公事项识别得到的。该步骤217与上述步骤202中确定第一实时办公执行进度的过程同理，在此不再一一赘述。
122.步骤218、大数据服务器基于第三状态办公事项和第七状态办公事项，确定第二延时办公执行进度。
123.步骤219、大数据服务器基于第六实时办公执行进度和第二延时办公执行进度，训练第二办公事项识别策略。
124.步骤218
‑
步骤219的过程与上述步骤214
‑
步骤215的过程同理，在此不再一一赘述。
125.本申请实施例中仅以采用同一个实时办公事项和延时办公事项对第一办公事项识别策略和第二办公事项识别策略进行训练为例来说明，而在开始训练到训练完成的过程中，大数据服务器会采用同一训练集中的多个实时办公事项和多个延时办公事项对第一办公事项识别策略和第二办公事项识别策略进行训练。
126.本申请实施例中，针对训练集中的异常的状态办公事项，以及实时办公事项和延时办公事项之间的分布差异信息，提出了一种基于办公状态自适应机制的无监督抗干扰性能识别方法，利用同行监督对实时办公事项中的损失较大的异常的实时办公事项，来生成潜在状态办公事项，因此异常的实时办公事项存在的全局的状态办公事项和预测的潜在状态办公事项，通过两个办公事项识别策略对抗训练的方式来互相学习和监督，设计出更加合理的训练规则，从而解决实时办公事项中存储在异常办公事项的问题，以及从实时办公事项到延时办公事项的识别转换问题，能够提高办公事项识别策略的准确性和抗干扰性能。
127.请继续参阅以下示例，是本申请实施例提供的一种对抗训练办公事项识别策略的实施例，大数据服务器采用同一个训练集中的实时办公事项和延时办公事项训练第一办公事项识别策略和第二办公事项识别策略，且第一办公事项识别策略对应第一办公事项检测模型，第一办公事项检测模型对第一办公事项识别策略输出的状态办公事项进行检测，第
二办公事项识别策略对应第二办公事项检测模型，第二办公事项检测模型对第二办公事项识别策略输出的状态办公事项进行检测。
128.其中，大数据服务器将实时办公事项输入第一办公事项识别策略进行处理，并确定实时办公执行进度，将延时办公事项输入第一办公事项识别策略进行处理，并确定延时办公执行进度，将第一办公事项识别策略输出的结果输入第一办公事项检测模型中进行处理，并确定办公执行进度检测结果，基于实时办公执行进度、延时办公执行进度和办公执行进度检测结果，训练第一办公事项识别策略和第一办公事项检测模型。进一步地，大数据服务器基于实时办公执行进度确定实时办公事项中的正常的实时办公事项和异常的实时办公事项。
129.同理，大数据服务器将实时办公事项和延时办公事项分别输入第二办公事项识别策略进行处理，确定实时办公执行进度和延时办公执行进度，将第二办公事项识别策略输出的结果输入第二办公事项检测模型中进行处理，并确定办公执行进度检测结果，基于实时办公执行进度、延时办公执行进度和办公执行进度检测结果，训练第二办公事项识别策略和第二办公事项检测模型。进一步地，大数据服务器基于实时办公执行进度确定实时办公事项中的正常的实时办公事项和异常的实时办公事项。进一步地，大数据服务器确定异常的实时办公事项和异常的实时办公事项的交集，得到高评价度的异常的实时办公事项，重新确定高评价度的异常的实时办公事项的潜在状态办公事项，并将潜在状态办公事项应用于对办公事项识别策略的下一个训练轮次。
130.本申请实施例提供的方法，采用实时办公事项和延时办公事项对第一办公事项识别策略进行训练时，不仅考虑了该第一办公事项识别策略的识别结果，还将第二办公事项识别策略的识别结果融入到实时办公执行进度和延时办公执行进度中，使第一办公事项识别策略对第二办公事项识别策略的识别结果进行学习，因此能够通过第二办公事项识别策略的识别结果对第一办公事项识别策略的训练过程进行监督，从而训练出准确性和抗干扰性能更高的第一办公事项识别策略。
131.进一步地，在第一实时办公事项被确定为异常的实时办公事项的情况下，该异常的实时办公事项对应的实时状态办公事项不够准确，因此在确定该异常的实时办公事项对应的实时办公执行进度时，还考虑第二办公事项识别策略对该异常的实时办公事项的识别结果，通过第二办公事项识别策略对第一办公事项识别策略进行监督，能够减少训练过程中的异常的实时办公事项带来的误差，能够提高办公事项识别策略对异常的数据的抗干扰性能。
132.进一步地，为了保证生成的潜在状态办公事项的准确性，本申请实施例中以网络参数优化的方式训练第一办公事项识别策略和第二办公事项识别策略，不断生成更加准确的潜在状态办公事项，进而利用潜在状态办公事项对办公事项识别策略，进一步提高了办公事项识别策略的准确性。
133.进一步地，由于两个办公事项识别策略具有不同的结构和学习能力，因此通过对抗训练的方式能够过滤由异常的办公事项引入的不同类型的错误，使得预测的潜在状态办公事项具有更强的抗干扰性能。在两个办公事项识别策略进行办公事项交换过程中，能够互相监督，过滤训练集中的异常的办公事项，减少异常的办公事项带来的训练误差。
134.进一步地，本申请实施例中将办公事项识别策略输出的状态办公事项的事项热度
变化值融入检测损失中，以强化办公事项识别策略和办公事项检测模型的对抗学习过程过程，进而使得训练后的办公事项识别策略能够更好地学习到办公状态自适应任务能力，从而提高办公事项识别策略的准确性。
135.训练第一办公事项识别策略之后，即可基于第一办公事项识别策略进行办公事项调度处理。以下实施例将对办公事项识别过程进行详细说明。
136.以下本申请实施例提供的一种结合云计算的大数据办公业务处理方法的实施例。本申请实施例的执行主体为大数据服务器，该方法包括：步骤301、大数据服务器获取第一办公事项识别策略。
137.大数据服务器获取训练后得到的第一办公事项识别策略，该第一办公事项识别策略包括内容验证网络和内容识别网络，内容验证网络用于对实时办公事项或者延时办公事项进行内容验证，内容识别网络用于对办公事项特征内容进行内容识别。
138.其中，训练第一办公事项识别策略时采用的训练样本包括：样本实时办公事项、样本实时办公事项对应的样本实时状态办公事项、样本延时办公事项、第一办公事项识别策略和第二办公事项识别策略分别对样本实时办公事项和样本延时办公事项进行办公事项识别得到的状态办公事项。
139.其中，第一办公事项识别策略的训练过程包括：获取样本实时办公事项、样本实时状态办公事项、第一状态办公事项和第二状态办公事项，第一状态办公事项为基于第一办公事项识别策略对样本实时办公事项进行办公事项识别得到的，第二状态办公事项为基于第二办公事项识别策略对样本实时办公事项进行办公事项识别得到的；基于样本实时状态办公事项、第一状态办公事项和第二状态办公事项，确定第一实时办公执行进度；获取样本延时办公事项、第三状态办公事项和第四状态办公事项，第三状态办公事项为基于第一办公事项识别策略对样本延时办公事项进行办公事项识别得到的，第四状态办公事项为基于第二办公事项识别策略对样本延时办公事项进行办公事项识别得到的；基于第三状态办公事项和第四状态办公事项，确定第一延时办公执行进度；基于第一实时办公执行进度和第一延时办公执行进度，训练第一办公事项识别策略。
140.需要说明的是，上述样本实时办公事项与上述实施例中的第一实时办公事项类似，上述样本实时状态办公事项与上述实施例中的第一实时办公事项对应的实时状态办公事项类似，上述样本延时办公事项与上述实施例中的延时办公事项类似，且训练该第一办公事项识别策略的过程详见上述实施例，在此不再赘述。
141.步骤302、大数据服务器基于内容验证网络对延时办公事项进行内容验证，得到延时办公事项对应的办公事项特征内容。
142.需要对任一延时办公事项进行识别时，大数据服务器基于第一办公事项识别策略中的内容验证网络对该延时办公事项进行内容验证，得到该延时办公事项对应的办公事项特征内容，该办公事项特征内容用于表示该延时办公事项的内容。
143.步骤303、大数据服务器基于内容识别网络对办公事项特征内容进行内容识别，得到延时办公事项对应的延时状态办公事项。
144.大数据服务器得到办公事项特征内容之后，基于该第一办公事项识别策略中的内容识别网络对该办公事项特征内容进行内容识别，得到延时办公事项对应的延时状态办公事项，该延时状态办公事项中标记有延时办公事项中的办公互动节点所属的类别，从而完
成对延时办公事项的办公事项识别处理。
145.本申请实施例提供的方法，由于采用实时办公事项和延时办公事项对第一办公事项识别策略进行训练时，不仅考虑了该第一办公事项识别策略的识别结果，还考虑了第二办公事项识别策略的识别结果，使第一办公事项识别策略对第二办公事项识别策略的识别结果进行学习，因此能够通过第二办公事项识别策略的识别结果对第一办公事项识别策略的训练过程进行监督，从而训练出准确性和抗干扰性能更高的第一办公事项识别策略，则能够在办公事项调度过程中充分考虑不同办公事项之间的差异性和关联性，从而从全局层面确保办公事项调度的合理性，尽可能确保不同的办公事项的正常执行，避免在调度过程中出现办公事项互相之间冲突的情况。
146.在一些选择性的实施例中，在进行办公事项调度处理之后，还可以对办公业务端上传的办公事项调度反馈进行分析，从而进一步挖掘出办公业务端后续的潜在业务需求，这样可以进行办公事项调度的预处理，以便在后续进行办公事项调度时节省不必要的耗时，提高后续办公事项的调度策略。基于此，在上述步骤106的基础上，该方法还可以包括步骤107所描述的内容：获取目标办公业务端上传的办公事项调度反馈，对所述办公事项调度反馈进行办公业务需求挖掘，得到办公业务需求挖掘结果；通过所述办公业务需求挖掘结果进行办公事项调度预处理。
147.在一些选择性的实施例中，步骤107所描述的“对所述办公事项调度反馈进行办公业务需求挖掘，得到办公业务需求挖掘结果”，进一步可以通过以下步骤1071
‑
步骤1074实现。
148.步骤1071、从所述办公事项调度反馈中获取办公行为操作数据轨迹，根据所述办公行为操作数据轨迹获取潜在行为操作数据轨迹；其中，所述办公行为操作数据轨迹包括不间断的多组办公行为操作数据，所述潜在行为操作数据轨迹包括不间断的多组潜在行为操作数据。
149.步骤1072、结合所述办公行为操作数据轨迹，通过办公行为挖掘模型所包括的第一行为内容识别网络获取办公行为内容轨迹，通过所述办公行为挖掘模型所包括的第二行为内容识别网络获取潜在行为内容轨迹，其中，所述潜在行为内容轨迹包括多个潜在行为内容，所述办公行为内容轨迹包括多个办公行为内容。
150.步骤1073、结合所述办公行为内容轨迹以及所述潜在行为内容轨迹，通过所述办公行为挖掘模型所包括的办公业务需求识别层获取所述办公行为操作数据轨迹所对应的潜在办公业务需求。
151.在一些选择性的实施例中，关于“结合所述办公行为内容轨迹以及所述潜在行为内容轨迹，通过所述办公行为挖掘模型所包括的办公业务需求识别层获取所述办公行为操作数据轨迹所对应的潜在办公业务需求”的步骤，可以通过以下两种实施方式实现。
152.第一种实施方式所述结合所述办公行为内容轨迹以及所述潜在行为内容轨迹，通过所述办公行为挖掘模型所包括的办公业务需求识别层获取所述办公行为操作数据轨迹所对应的潜在办公业务需求，包括：结合所述办公行为内容轨迹，通过所述办公行为挖掘模型所包括的第一行为内容筛分层获取多个第一办公行为分类标签，其中，每个第一办公行为分类标签对应于一个办公行为内容；结合所述潜在行为内容轨迹，通过所述办公行为挖掘模型所包括的
第二行为内容筛分层获取多个第二办公行为分类标签，其中，每个第二办公行为分类标签对应于一个潜在行为内容；对所述多个第一办公行为分类标签以及所述多个第二办公行为分类标签进行标签关联处理，得到多个目标办公行为分类标签，其中，每个目标办公行为分类标签包括一个第一办公行为分类标签以及一个第二办公行为分类标签；结合所述多个目标办公行为分类标签，通过所述办公行为挖掘模型所包括的全局行为关注网络获取全局办公行为分类标签，其中，所述全局办公行为分类标签为根据所述多个目标办公行为分类标签以及多个办公业务热度值确定的，每个目标办公行为分类标签对应于一个办公业务热度值；结合所述全局办公行为分类标签，通过所述办公行为挖掘模型所包括的办公业务需求识别层获取所述办公行为操作数据轨迹所对应的潜在办公业务需求。
153.第二种实施方式所述结合所述办公行为内容轨迹以及所述潜在行为内容轨迹，通过所述办公行为挖掘模型所包括的办公业务需求识别层获取所述办公行为操作数据轨迹所对应的潜在办公业务需求，包括：结合所述办公行为内容轨迹，通过所述办公行为挖掘模型所包括的第一全局业务关注网络获取多个第一办公行为分类标签，其中，每个第一办公行为分类标签对应于一个办公行为内容；结合所述潜在行为内容轨迹，通过所述办公行为挖掘模型所包括的第二全局业务关注网络获取多个第二办公行为分类标签，其中，每个第二办公行为分类标签对应于一个潜在行为内容；对所述多个第一办公行为分类标签以及所述多个第二办公行为分类标签进行标签关联处理，得到多个目标办公行为分类标签，其中，每个目标办公行为分类标签包括一个第一办公行为分类标签以及一个第二办公行为分类标签；结合所述多个目标办公行为分类标签，通过所述办公行为挖掘模型所包括的所述办公业务需求识别层获取所述办公行为操作数据轨迹所对应的潜在办公业务需求。
154.可以理解，在实施上述技术方案时，可以通过全局行为关注网络或者全局业务关注网络获取办公行为分类标签，从而基于行为层面或者业务层面实现潜在办公业务需求的确定，这样可以从不同角度确定潜在办公业务需求，便于后续进行办公业务需求挖掘结果的准确完整确定。
155.可以理解，上述两种确定潜在办公业务需求可以择一使用，本实施例在此不作限制。
156.步骤1074、根据所述潜在办公业务需求确定所述办公行为操作数据轨迹的办公业务需求挖掘结果。
157.可以理解，通过实施上述步骤1071
‑
步骤1074，能够基于办公行为挖掘模型从办公事项调度反馈中挖掘出办公业务端的潜在办公业务需求，从而基于潜在办公业务需求尽可能精准地确定办公行为操作数据轨迹的办公业务需求挖掘结果，这样以便在后续进行办公事项调度时节省不必要的耗时，提高后续办公事项的调度策略。
158.在一些选择性的实施例中，步骤107中所描述的“通过所述办公业务需求挖掘结果进行办公事项调度预处理”，可以通过以下方式实现：获取所述办公业务需求挖掘结果的业务需求分布信息以及各业务需求匹配事项；在根据所述业务需求分布信息确定出所述办公业务需求挖掘结果中包含有实时需求类别的情况下，根据多个关联办公业务端的办公业务需求挖掘结果的实时需求类别下的业务需求匹配事项及其事项优先级确定办公业务需求挖掘结果的非实时需求类别下的
各业务需求匹配事项与办公业务需求挖掘结果的实时需求类别下的各业务需求匹配事项之间的相似度，并将办公业务需求挖掘结果的非实时需求类别下的与实时需求类别下的业务需求匹配事项相似的业务需求匹配事项整理到相应的实时需求类别下；在办公业务需求挖掘结果的当前非实时需求类别下包含有多个业务需求匹配事项的情况下，根据多个关联办公业务端的办公业务需求挖掘结果的实时需求类别下的业务需求匹配事项及其事项优先级确定办公业务需求挖掘结果的当前非实时需求类别下的各业务需求匹配事项之间的相似度，并根据所述各业务需求匹配事项之间的相似度对当前非实时需求类别下的各业务需求匹配事项进行过滤；根据多个关联办公业务端的办公业务需求挖掘结果的实时需求类别下的业务需求匹配事项及其事项优先级为上述过滤获得的每一类业务需求匹配事项设置业务需求热度，并将所述每一类业务需求匹配事项整理到所述业务需求热度所表示的实时需求类别下；通过所述实时需求类别下的业务需求匹配事项进行办公事项调度预处理；其中，办公事项调度预处理包括对所述实时需求类别下的业务需求匹配事项的执行优先级进行调整。
159.可以理解，通过上述的办公事项调度预处理，能够实现对实时需求类别下的业务需求匹配事项进行更新处理，从而通过所述实时需求类别下的业务需求匹配事项进行办公事项调度预处理，这样能够在后续进行办公事项调度时节省不必要的耗时，提高后续办公事项的调度策略。
160.在上述基础上，请结合图3，本申请还提供了一种一种结合云计算的大数据办公业务处理装置300的框图，所述装置包括以下功能模块。
161.实时办公事项获取模块310，用于获取第一实时办公事项、所述第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第二状态办公事项，所述第一状态办公事项为基于第一办公事项识别策略对所述第一实时办公事项进行办公事项识别得到的，所述第二状态办公事项为基于第二办公事项识别策略对所述第一实时办公事项进行办公事项识别得到的；实时办公进度确定模块320，用于基于所述第一实时办公事项对应的实时状态办公事项、所述第一状态办公事项和所述第二状态办公事项，确定第一实时办公执行进度；延时办公事项获取模块330，用于获取延时办公事项、第三状态办公事项和第四状态办公事项，所述第三状态办公事项为基于所述第一办公事项识别策略对所述延时办公事项进行办公事项识别得到的，所述第四状态办公事项为基于所述第二办公事项识别策略对所述延时办公事项进行办公事项识别得到的；延时办公进度确定模块340，用于基于所述第三状态办公事项和所述第四状态办公事项，确定第一延时办公执行进度；办公事项调度处理模块350，用于基于所述第一实时办公执行进度和所述第一延时办公执行进度，训练所述第一办公事项识别策略，并基于训练后得到的办公事项识别策略进行办公事项调度处理。
162.在上述基础上，请结合图4，基于上述同样的发明构思，本申请还提供了一种一种结合云计算的大数据办公业务处理系统400，所述系统包括相互通信的大数据服务器10及办公业务端20；
其中，所述大数据服务器10用于：获取第一实时办公事项、所述第一实时办公事项对应的实时状态办公事项、第一状态办公事项和第二状态办公事项，所述第一状态办公事项为基于第一办公事项识别策略对所述第一实时办公事项进行办公事项识别得到的，所述第二状态办公事项为基于第二办公事项识别策略对所述第一实时办公事项进行办公事项识别得到的；基于所述第一实时办公事项对应的实时状态办公事项、所述第一状态办公事项和所述第二状态办公事项，确定第一实时办公执行进度；获取延时办公事项、第三状态办公事项和第四状态办公事项，所述第三状态办公事项为基于所述第一办公事项识别策略对所述延时办公事项进行办公事项识别得到的，所述第四状态办公事项为基于所述第二办公事项识别策略对所述延时办公事项进行办公事项识别得到的；基于所述第三状态办公事项和所述第四状态办公事项，确定第一延时办公执行进度；基于所述第一实时办公执行进度和所述第一延时办公执行进度，训练所述第一办公事项识别策略，并基于训练后得到的办公事项识别策略进行办公事项调度处理。
163.进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
164.应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。