[发明专利]终端的工作量计算方法及其装置、存储介质、终端、云服务系统

说明书

本申请公开了一种终端的工作量计算方法及其装置、存储介质、终端、云服务系统。其中所述方法，包括：对表征终端执行的任务的属性特征值进行标准化处理；根据标准化后的属性特征值，计算单项任务工作量；对终端执行务进行权重赋值；根据各项任务的权重赋值，生成终端的工作量。通过各项任务的权重赋值，可以对终端完成任务的工作量进行精确计算。

技术领域

本申请涉及计算机技术领域，尤其涉及一种终端的工作量计算方法及其装置、存储介质、终端。

背景技术

随着计算机技术的不断发展，计算机终端可以执行多样化的任务。计算机终端通常被简称终端。终端可以构建网络系统，以便完成各种复杂的项目。为了优化网络系统的薄弱环节，需要对终端在网络系统中的工作量进行精确计算，从而确定网络系统中需要优化的终端。

在实现现有技术的过程中，发明人发现存在以下技术问题：

对于多样化的任务，各任务的属性不同，终端完成任务的工作量难以精确计算。

因此，需要提供一种可以精确计算网络系统中终端的工作量的技术方案。

发明内容

本申请实施例提供一种计算终端的工作量的技术方案，用以解决任务的属性不同难以精确计算的问题。

本申请实施例提供的一种终端的工作量计算方法，包括：

对表征终端执行的任务的属性特征值进行标准化处理；

根据标准化后的属性特征值，计算单项任务工作量；

对终端执行的各项任务进行权重赋值；

根据各项任务的权重赋值，生成终端的工作量。

进一步的，在本申请提供的一种优选实施方式中，对表征终端执行的任务的属性特征值进行标准化处理，具体包括：

对表征终端执行的任务的属性特征值进行归一化处理。

进一步的，在本申请提供的一种优选实施方式中，根据标准化的属性特征值，计算单项任务工作量，具体包括：

确定任务的各属性贡献系数；

根据属性贡献系数和标准化的属性特征值，计算单项任务工作量。

进一步的，在本申请提供的一种优选实施方式中，确定任务的各属性贡献系数，还包括：

使用卷积神经网络算法对各属性贡献系数进行优化。

进一步的，在本申请提供的一种优选实施方式中，对终端执行的各项任务进行权重赋值，具体包括：

使用优劣解距离法对终端执行的各项任务进行权重赋值。

进一步的，在本申请提供的一种优选实施方式中，所述方法还包括：

使用卷积神经网络算法对权重赋值进行优化。

进一步的，在本申请提供的一种优选实施方式中，所述方法用于计算司法人员的工作量；

所述属性特征值至少包括案件案由特征值、案件审级特征值、处理时长特征值、任务类型特征值其中之一。

本申请还提供一种终端的工作量计算装置，包括：

预处理模块，用于对表征计算机终端执行的任务的属性特征值进行标准化处理；

单项运算模块，用于根据标准化后的属性特征值，计算单项任务工作量；

权重赋值模块，用于对计算机终端执行的各项任务进行权重赋值；

加权运算模块，用于根据各项任务的权重赋值，生成计算机终端的工作量。