CN119539755A 基于神经网络模型的数据处理方法及系统 （国网安徽省电力有限公司信息通信分公司）

号本发明公开了一种基于神经网络模型的数型提取薪酬调整请求中的特征数据添加至所述中存在不同任务流的复杂度和调用数据库的差2接收上传的薪酬调整请求，基于神经网络模型提取所述薪酬调整请求中的特征数据，基于预设薪酬计算规则，将薪酬计算任务拆分为多个可并行执行多个所述计算节点分别调用所述薪酬信息表内对请求中所述语义特征所对应的特征数据添加至所述薪酬信息表中的匹本检测模型和文本识别模型获取所述图像数据中的多个文本按照多个所述文本行的图像背景的像素相似度以及词组序列的连续性重新组合文本个所述文本数据块中重要性最大的文本数据块获基于语义分析模型提取多个所述文本数据块的多个基于多个所述文本数据块在图像数据中的位置，以及所述文本将多个所述文本数据块中重要性最大的文本数据块的关键词作为主基于预设薪酬计算规则，确定各个所述子计算任务所需要执行3获取每个所述子计算任务调用的数据构成对应的数据组，对将所述第一复杂度和所述第二复杂度构成多维向量，得到所述子计述复杂度将多个所述子计算任务分配给薪酬计算系统内多个计列中的计算节点，记第一序列中的第m个子计算任务分配给第二序列中的第n个计算节点，数据更新模块，用于接收上传的薪酬调整请求，基于神经网络模任务分配模块，用于基于预设薪酬计算规则，将薪酬计算任薪酬计算模块，用于利用多个所述计算节点处理器，用于运行所述存储器存储的可执行指令时，实现权利要求1理器执行时实现权利要求1至7任一项所述的一种基于神经网络模型的数据4数据和信息化管理整合职工的日常表现、工作质量以及绩效成果等来建立人资管理系统，基于预设薪酬计算规则，将薪酬计算任务拆分为多个可并行执行的子计算任务；调整请求中所述语义特征所对应的特征数据添加至所述薪酬信息表5按照多个所述文本行的图像背景的像素相似度以及词组序列的连续性重新组合基于语义分析模型提取多个所述文本数据块的多个将多个所述文本数据块中重要性最大的文本数据块的关键词作为主6薪酬计算模块，用于利用多个所述计算节点分别调用所述薪酬信息表内对应数行指令被处理器执行时实现如前文所述的一种基于神经网络模型的数7基于预设薪酬计算规则，将薪酬计算任务拆分为多个可并行执行的子计算任务；调整请求中所述语义特征所对应的特征数据添加至所述薪酬信[0028]TextRank4ZH是针对中文文本的TextRank算法的python算法实现，能够根据词之8合多尺度backbone，形成多粒度特征描述。同时具有的下采样操作使得计算复杂度低于按照多个所述文本行的图像背景的像素相似度以及词组序列的连续性重新组合基于语义分析模型提取多个所述文本数据块的多个9本步骤获取的第一复杂度表征的是该子计算任务的执行复本步骤获取的第一复杂度表征的是该子计算任务的数据复是基于子计算任务的调用类别和计算节点上任务的调用类别和计算节点的负载占用率情[0049]若计算节点的负载占用率不大于预设阈值且该计算节点的最小任务层级的第一薪酬计算模块，用于利用多个所述计算节点分别调用所述薪酬信息表内对应数[0057]上述计算机设备进行薪酬计算时的具体细节可以对应参阅前文方法对应的相关[0058]本发明的另一种实施例还提供了一种计算机可读存储介所述可执行指令被处理器执行时实现如前文所述的一