CN109739869B - 模型运行报告生成方法及系统 - Google Patents
模型运行报告生成方法及系统 Download PDFInfo
- Publication number
- CN109739869B CN109739869B CN201811648125.XA CN201811648125A CN109739869B CN 109739869 B CN109739869 B CN 109739869B CN 201811648125 A CN201811648125 A CN 201811648125A CN 109739869 B CN109739869 B CN 109739869B
- Authority
- CN
- China
- Prior art keywords
- model
- information
- operation report
- generating
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种模型运行报告生成方法及系统,包括:获取检索指令,检索指令包括模型的关键字信息;根据检索指令的关键字信息,提取与关键字信息相匹配的模型信息;将模型信息按照预先设置的排序规则进行排列,将模型信息加载到预先设置的可视化界面中,展示可视化后的加载模型信息的模型;将获取的数据信息输入到模型中运行,生成模型的运行结果;将数据信息和运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告。将工业领域的无形数字资产转换成标准工业模型,统一存储在模型市场进行售卖、使用,运行模型后会生成模型运行报告告知用户该模型的预测结果,以解决现有技术中存在的数字化资产无法统一管理和商业化使用的技术问题。
Description
技术领域
本发明涉及工业互联网技术领域,尤其是涉及一种模型运行报告生成方法及系统。
背景技术
随着工业互联网的飞速发展,工业领域的知识库和模型库、机理模型、工艺流程等企业的数字化资产在成级数级增长,但是在现有技术中,企业主要靠各个孤立的信息化系统去管理这些数字化资产,各个业务系统数据彼此分离,没有形成统一管理数字化资产的体系。更为关键的是,目前没有一个比较完善的方案将这些数字化资产进行商业化,变成可以自由交易或者转让的商业模式,因此,当前企业的这些无形的数字资源既无法形成可以循环利用、不断提升技术水平的企业经验,又无法形成可用的数字化资产,不断的发挥其市场价值。
发明内容
有鉴于此,本发明的目的在于提供一种模型运行报告生成方法及系统,用户通过检索使用统一存储在模型市场中的由工业领域中的无形数字资产转换成的标准工业模型,以解决现有技术中存在的数字化资产无法统一管理和商业化的技术问题。
第一方面,本发明实施例提供了一种模型运行报告生成方法,其中,包括:
获取检索指令,所述检索指令包括模型的关键字信息;
根据所述检索指令的关键字信息,提取与所述关键字信息相匹配的模型信息;
将所述模型信息按照预先设置的排序规则进行排列,将所述模型信息加载到预先设置的可视化界面中,展示可视化后的加载所述模型信息的模型;
将获取的数据信息输入到所述模型中运行,生成所述模型的运行结果;
将所述数据信息和所述运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述模型信息包括模型价格信息,所述模型的定价包括:
从所述模型信息中获取所述模型的样本量、构建算法;
计算所述模型的预测准确率;
根据所述模型的样本量、所述构建算法和所述预测准确率计算所述模型的综合得分;
所述模型信息中包括所述模型的评价度和好评率,根据所述评价度、所述好评率和所述综合得分计算所述模型的综合成本;
根据所述综合成本,计算生成所述模型的价格。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述计算所述模型的预测准确率包括:
将所述模型的样本数据实例输入到模型引擎中,模拟生成测试数据;
将所述测试数据输入到所述模型中进行并发测试,生成运行结果;
将所述运行结果返回给所述模型引擎,通过所述运行结果计算所述模型的预测准确率。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述将所述模型信息加载到预先设置的可视化界面中,展示可视化后的加载所述模型信息的模型包括:
将所述模型信息中的多维特征通过降维耦合为三维特征;
将所述三维特征加载到预先设置的所述可视化界面中,展示可视化后的加载所述三维特征的模型。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述预先设置的模型运行报告模板包括:
确定所述构建算法,自动匹配系统模板,设置所述构建算法的属性信息;
获取元数据配置、所述构建算法和知识库模型;
确定所述元数据配置、所述构建算法和所述知识库模型的RDD关系;
根据所述RDD关系和所述属性信息,生成所述模型运行报告模板;
存储所述模型运行报告模板。
结合第一方面的第四种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述模型运行报告模板包括水印,添加所述水印包括:
按预设提取策略提取所述模型运行报告模板中的像素点,基于提取的像素点生成水印绘图点;
从所述模型信息中获取版权信息;
基于所述版权信息重绘制所述水印绘图点,得到所述模型运行报告模板的水印。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述将所述数据信息和所述运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告之后,还包括:
当所述数据信息和所述运行结果更新时触发同步事件,生成同步结果;
将所述同步结果返回给所述模型运行报告生成模板;
所述模型运行报告生成模板根据所述同步结果进行同步操作。
第二方面,本发明实施例还提供一种模型运行报告生成系统,其中,包括:
获取模块,用于获取检索指令,所述检索指令包括模型的关键字信息;
检索模块,用于根据所述检索指令的关键字信息,提取与所述关键字信息相匹配的模型信息;
筛选排序模块,用于将所述模型信息按照预先设置的排序规则进行排列,将所述模型信息加载到预先设置的可视化界面中,展示可视化后的加载所述模型信息的模型;
运行模块,用于将获取的数据信息输入到所述模型中运行,生成所述模型的运行结果;
生成模块,用于将所述数据信息和所述运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述检索模块中包括定价单元,所述定价单元具体用于:
从所述模型信息中获取所述模型的样本量、构建算法;
计算所述模型的预测准确率;
根据所述模型的样本量、所述构建算法和所述预测准确率计算所述模型的综合得分;
所述模型信息中包括所述模型的评价度和好评率,根据所述评价度、所述好评率和所述综合得分计算所述模型的综合成本;
根据所述综合成本,计算生成所述模型的价格。
结合第二方面的第一种可能的实施方式,本发明实施例提供了第二方面的第二种可能的实施方式,其中,将所述模型的样本数据实例输入到模型引擎中,模拟生成测试数据;
将所述测试数据输入到所述模型中进行并发测试,生成运行结果;
将所述运行结果返回给所述模型引擎,通过所述运行结果计算所述模型的预测准确率。
本发明实施例带来了以下有益效果:
将工业领域中的无形数字资产转换成标准的工业模型,统一存储在模型市场中进行售卖、使用,在运行模型后会生成模型运行报告告知用户该模型的预测结果,不仅使得企业的各类经验软资产变成有形的数字化资产,还有利于企业数字化资产的永久性保存和流转。同时,模型市场也避免了虚假的、质量差的工业模型在模型市场上浑水摸鱼、非法盈利,以解决现有技术中存在的数字化资产无法统一管理和商业化使用的技术问题。
本发明的其他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在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的附图。
图1为本发明实施例提供的模型运行报告方法的流程图;
图2为本发明实施例提供的模型的定价的流程图;
图3为本发明实施例提供的计算模型的预测准确率的流程图;
图4为本发明实施例提供的将模型信息加载到预先设置的可视化界面中,展示可视化后的加载所述模型信息的流程图;
图5为本发明实施例提供的生成模型运行报告模板的流程图;
图6为本发明实施例提供的添加水印的流程图;
图7位本发明实施例提供的更新模型运行报告的流程图;
图8为本发明实施例提供的模型运行报告生成系统的结构框架图。
图标:801-获取模块;802-检索模块;803-筛选排序模块;804-运行模块;805-生成模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前企业中的数字化资产无法统一管理和商业化使用,基于此,本发明实施例提供的一种模型运行报告生成方法及系统,将工业领域中的无形数字资产转换成标准的工业模型,统一存储在模型市场中进行售卖、使用,在运行模型后会生成模型运行报告告知用户该模型的预测结果,不仅使得企业的各类经验软资产变成有形的数字化资产,还有利于企业数字化资产的永久性保存和流转。同时,模型市场也避免了虚假的、质量差的工业模型在模型市场上浑水摸鱼、非法盈利。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种模型运行报告生成方法进行详细介绍,如图1所示,具体包括以下步骤S101~ S105:
S101,获取检索指令,检索指令包括模型的关键字信息。
用户将工业领域的无形数字资产转换训练成工业模型,在模型市场上发布工业模型,工业模型经平台工作人员审核通过后,可以展示在模型市场上。按照关键字信息对模型市场中的工业模型进行分类,其中,关键字信息包括构建工业模型的算法、技术领域、适用范围等,如设备类、预测性维护、离散制造业相关、流程制造业相关等。模型市场通过获取构建工业模型的算法,生成相对应的算法图标;获取工业模型的训练数据和测试数据,生成相对应的数据模型图标,由算法图标和数据模型图标共同构成该工业模型在模型市场上对应的图标。一般模型展示为默认布局,但是模型市场的后台中提供了不同样式的模型展示方案,模型展示方案分为免费和收费两种形式,用户选择或者购买模型展示方案后,会在后台中个性化应用模型展示方案进行模型展示。除此之外,用户可以根据自己的需求在后台中进行模型展示布局定制,也可以根据工业模型市场平台的开发接口,用户自行开发模型展示布局,并发布到后台中供其他用户使用。
S102,根据检索指令的关键字信息,从数据库中提取与关键字信息相匹配的模型信息。
S103,将模型信息按照预先设置的排序规则进行排列,将模型信息加载到预先设置的可视化界面中,展示可视化后的加载模型信息的模型。
模型信息中包括用户上传模型时间的信息,按照上传模型时间由近及远地排列,可以让用户检索到最新上传到平台的工业模型;模型信息中包括模型的下载次数信息,按照下载次数信息由多及少地排列,可以让用户检索到被其他用户下载使用次数多的工业模型;模型信息中还包括模型的价格信息,按照价格信息进行升序或者降序排列。
可选地,如图2所示,模型信息包括模型价格信息,生成模型价格信息具体包括以下步骤S201~S205:
S201,从模型信息中获取模型预测的实际数据量、模型使用的算法。
S202,计算模型的预测准确率。
可选地,如图3所示,其中,步骤S202中具体包括以下步骤S301~S303:
S301,将模型的样本数据实例输入到模型引擎中,模拟生成测试数据。
举一具体实施例,模型的样本数据实例为五维图片特征,包括尺寸特征、亮度特征、RGB三维特征,五维图片特征以及每个维度特征的数据向量、数据类型等详细信息为样本数据实例,将样本数据实例输入到模型引擎中,模拟生成批量符合模型且满足需求的测试数据。
S302,将测试数据输入到模型中进行并发测试,生成运行结果。
大量的测试数据同时输入到模型中,进行大规模的并发测试,模型同时输出与测试数据相对应的运行结果。
S303,将运行结果返回给模型引擎,通过运行结果计算模型的预测准确率。
运行结果不仅可以计算得到模型的预测准确率,还可以计算得到模型的分布式并发能力和数据承载能力,分布式并发能力指的是模型同时处理大规模数据的能力,数据承载能力指的是模型能承受的最大数据访问量的能力。根据模型的预测准确率、分布式并发能力和数据承载能力,计算模型的评测得分,评测得分为百分制,分为ABCDE五档,A档评分最高,E档评分最低,90分及以上为A档,[80,90)为B档,[70,80)为C档,[60,70) 为D档,60分以下为E档。
S203,根据模型预测的实际数据量、构建算法和预测准确率计算模型的综合得分。
S204,模型信息中包括模型的评价度和好评率,根据评价度、好评率和综合得分计算模型的综合成本。
其中,模型的评价度是对用户评分和模型的预测准确率进行权重计算得到的,用户评分为十分制,用户评分至少为一分,[1,6)为差评,[6,8) 为中评,[8,10]为好评。
S205,根据综合成本,计算生成模型价格信息。
可选地,如图4所示,步骤S103中还具体包括以下步骤S401~S402:
S401,将模型信息中的多维特征通过降维耦合为三维特征;
S402,将三维特征加载到预先设置的可视化界面中,展示可视化后的加载所述三维特征的模型。
举一具体实施例,图像特征包括尺度特征、RGB特征、亮度特征共五维特征,将尺度特征作为第一维,RGB特征通过降维耦合合并为第二维,亮度特征作为第三维。将三维特征加载到可视化展现视图中,将各个特征进行空间立体化展示,形成多维数据的立体化展现技术,展示出图像在不同深度中的RGB值和亮度的变化。
除此之外,还可以将多维特征降维耦合为二维特征,通过极坐标的方式展现特征向量。
S104,将获取的数据信息输入到模型中运行,生成模型的运行结果。
S105,将数据信息和运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告。
可选地,如图5所示,步骤S105中的模型运行报告模板的生成具体包括以下步骤S501~S505:
S501,确定构建算法,自动匹配系统模板,设置构建算法的属性信息。
S502,获取元数据配置、构建算法和知识库模型。
S503,确定元数据配置、构建算法和知识库模型的RDD(弹性分布式数据集,Resilient Distributed Datasets)关系。
举一具体实施例,元数据配置到工业算法1,工业算法1到工业算法2,工业算法2到知识库模型。
S504,根据RDD关系和属性信息,生成模型运行报告模板。
S505,存储模型运行报告模板。
除默认样式的模型运行报告模板外,用户还可以个性化定制模板,使得每个模板的报告样式和内容各不相同。
可选地,如图6所示,步骤S504中的模型运行报告模板包括水印,添加水印具体包括以下步骤S601~S603:
S601,按预设提取策略提取模型运行报告模板中的像素点,基于提取的像素点生成水印绘图点。
设定模型运行报告模板左上角的像素点为第一个像素点,以从左往右、从上至下的顺序遍历整个模板的像素点,每隔一定数量的像素点就提取模板中的像素点,基于提取的像素点生成水印绘图点。也可以指定模板中的固定像素点为水印绘图点,如以模板第二行第二列的像素点为中心的周围八个像素点,共同组成的水印绘图点。
S602,从模型信息中获取版权信息。
从模型信息中获取版权信息,包括著作权信息,作者简介,模型上传时间等。
S603,基于版权信息重绘制水印绘图点,得到模型运行报告模板的水印。
动态调用模型的相关属性数据和预测的结果数据,将数据加载到预先设置的模型运行报告中,生成规范化的模型运行报告,并在模型运行报告上添加水印和版权说明,还可以实现权限控制、图像的高清合成等功能。最终生成WEB(万维网,World Wide Web)版和PDF(便携式文档格式,Portable Document Format)版的标准模型运行报告。
可选地,如图7所示,步骤S105之后,具体还包括以下步骤S701~S703:
S701,当数据信息和运行结果更新时触发同步事件,生成同步结果。
S702,将同步结果返回给模型运行报告生成模板。
S703,模型运行报告生成模板根据同步结果进行同步操作。
数据信息的更新可分为以下三种情况:当模型通过调整参数或输入数据后再次运行,模型运行报告会在原有报告基础上自动进行更新;当模型的算法或者模型的数据自动匹配后,模型运行报告会自动适配更新;当模型的用户变更或者运行环境改变时,模型运行报告也会自动适配更新。
本发明实施例还提供了一种模型运行报告生成系统,如图8 所示,包括:获取模块801,用于获取接收检索指令,检索指令包括模型的关键字信息;检索模块802,用于根据检索指令的关键字信息,提取与关键字信息相匹配的模型信息;筛选排序模块803,用于将模型信息按照预先设置的排序规则进行排列,将模型信息加载到预先设置的可视化界面中,展示可视化后的加载模型信息的模型;运行模块804,用于将获取的数据信息输入到模型中运行,生成模型的运行结果;生成模块805,用于将运行模型需要的数据信息和运行结果加载到预先设置的模型运行报告模板中将数据信息和运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告。
其中,检索模块802中包括定价单元,定价单元具体用于:从模型信息中获取所述模型的样本量、构建算法;计算模型的预测准确率;根据模型的样本量、构建算法和预测准确率计算模型的综合得分;模型信息中包括模型的评价度和好评率,根据评价度、好评率和综合得分计算模型的综合成本;根据综合成本,计算生成模型的价格。
定价单元还具体用于:将模型的样本数据实例输入到模型引擎中,模拟生成测试数据;将测试数据输入到模型中进行并发测试,生成运行结果;将运行结果返回给模型引擎,通过运行结果计算模型的预测准确率。
生成模块805具体用于:将模型信息中的多维特征通过降维耦合为三维特征;将三维特征加载到预先设置的所述可视化界面中,展示可视化后的加载三维特征的模型。
生成模块805具体用于:确定构建算法,自动匹配系统模板,设置构建算法的属性信息;获取元数据配置、构建算法和知识库模型;确定元数据配置、构建算法和知识库模型的RDD关系;根据RDD关系和所述属性信息,生成模型运行报告模板;存储模型运行报告模板。
生成模块805还具体用于,模型运行报告模板包括水印,添加水印包括:按预设提取策略提取模型运行报告模板中的像素点,基于提取的像素点生成水印绘图点;从模型信息中获取版权信息;基于版权信息重绘制所述水印绘图点,得到模型运行报告模板的水印。
该系统还包括更新模块,更新模块具体用于:当数据信息和运行结果更新时触发同步事件,生成同步结果;将同步结果返回给模型运行报告生成模板;模型运行报告生成模板根据同步结果进行同步操作。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种模型运行报告生成方法,其特征在于,包括:
获取检索指令,所述检索指令包括模型的关键字信息;
根据所述检索指令的关键字信息,提取与所述关键字信息相匹配的模型信息;
将所述模型信息按照预先设置的排序规则进行排列,将所述模型信息加载到预先设置的可视化界面中,展示可视化后的加载所述模型信息的模型;
将获取的数据信息输入到所述模型中运行,生成所述模型的运行结果;
将所述数据信息和所述运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告;
所述预先设置的模型运行报告模板的生成步骤包括:
确定构建算法,自动匹配系统模板,设置所述构建算法的属性信息;
获取元数据配置、所述构建算法和知识库模型;
确定所述元数据配置、所述构建算法和所述知识库模型的RDD关系;
根据所述RDD关系和所述属性信息,生成所述模型运行报告模板;
存储所述模型运行报告模板。
2.根据权利要求1所述的方法,其特征在于,所述模型信息包括模型价格信息,生成所述模型价格信息包括:
从所述模型信息中获取所述模型的样本量、构建算法;
计算所述模型的预测准确率;
根据所述模型的样本量、所述构建算法和所述预测准确率计算所述模型的综合得分;
所述模型信息中包括所述模型的评价度和好评率,根据所述评价度、所述好评率和所述综合得分计算所述模型的综合成本;
根据所述综合成本,计算生成所述模型价格信息。
3.根据权利要求2所述的方法,其特征在于,所述计算所述模型的预测准确率包括:
将所述模型的样本数据实例输入到模型引擎中,模拟生成测试数据;
将所述测试数据输入到所述模型中进行并发测试,生成运行结果;
将所述运行结果返回给所述模型引擎,通过所述运行结果计算所述模型的预测准确率。
4.根据权利要求1所述的方法,其特征在于,所述将所述模型信息加载到预先设置的可视化界面中,展示可视化后的加载所述模型信息的模型包括:
将所述模型信息中的多维特征通过降维耦合为三维特征;
将所述三维特征加载到预先设置的所述可视化界面中,展示可视化后的加载所述三维特征的模型。
5.根据权利要求1所述的方法,其特征在于,所述模型运行报告模板包括水印,添加所述水印包括:
按预设提取策略提取所述模型运行报告模板中的像素点,基于提取的像素点生成水印绘图点;
从所述模型信息中获取版权信息;
基于所述版权信息重绘制所述水印绘图点,得到所述模型运行报告模板的水印。
6.根据权利要求1所述的方法,其特征在于,所述将所述数据信息和所述运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告之后,还包括:
当所述数据信息和所述运行结果更新时触发同步事件,生成同步结果;
将所述同步结果返回给所述模型运行报告生成模板;
所述模型运行报告生成模板根据所述同步结果进行同步操作。
7.一种模型运行报告生成系统,其特征在于,包括:
获取模块,用于获取检索指令,所述检索指令包括模型的关键字信息;
检索模块,用于根据所述检索指令的关键字信息,提取与所述关键字信息相匹配的模型信息;
筛选排序模块,用于将所述模型信息按照预先设置的排序规则进行排列,将所述模型信息加载到预先设置的可视化界面中,展示可视化后的加载所述模型信息的模型;
运行模块,用于将获取的数据信息输入到所述模型中运行,生成所述模型的运行结果;
生成模块,用于将所述数据信息和所述运行结果加载到预先设置的模型运行报告模板中,生成模型运行报告;
所述生成模块还用于:
确定构建算法,自动匹配系统模板,设置所述构建算法的属性信息;
获取元数据配置、所述构建算法和知识库模型;
确定所述元数据配置、所述构建算法和所述知识库模型的RDD关系;
根据所述RDD关系和所述属性信息,生成所述模型运行报告模板;
存储所述模型运行报告模板。
8.根据权利要求7所述的系统,其特征在于,所述检索模块中包括定价单元,所述定价单元具体用于:
从所述模型信息中获取所述模型的样本量、构建算法;
计算所述模型的预测准确率;
根据所述模型的样本量、所述构建算法和所述预测准确率计算所述模型的综合得分;
所述模型信息中包括所述模型的评价度和好评率,根据所述评价度、所述好评率和所述综合得分计算所述模型的综合成本;
根据所述综合成本,计算生成所述模型的价格。
9.根据权利要求8所述的系统,其特征在于,所述定价单元还具体用于:
将所述模型的样本数据实例输入到模型引擎中,模拟生成测试数据;
将所述测试数据输入到所述模型中进行并发测试,生成运行结果;
将所述运行结果返回给所述模型引擎,通过所述运行结果计算所述模型的预测准确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811648125.XA CN109739869B (zh) | 2018-12-29 | 2018-12-29 | 模型运行报告生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811648125.XA CN109739869B (zh) | 2018-12-29 | 2018-12-29 | 模型运行报告生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109739869A CN109739869A (zh) | 2019-05-10 |
CN109739869B true CN109739869B (zh) | 2021-04-06 |
Family
ID=66362868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811648125.XA Active CN109739869B (zh) | 2018-12-29 | 2018-12-29 | 模型运行报告生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109739869B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110415771B (zh) * | 2019-07-16 | 2022-11-29 | 江苏省食品药品监督检验研究院 | 一种基于r语言的化合物质谱信息批量检索方法 |
CN111161824A (zh) * | 2019-12-20 | 2020-05-15 | 苏州赛美科基因科技有限公司 | 自动化报告解读方法及系统 |
CN112214884B (zh) * | 2020-09-24 | 2023-04-07 | 北京百分点科技集团股份有限公司 | 一种数据模型管理方法和装置 |
CN113420954A (zh) * | 2021-05-08 | 2021-09-21 | 中国电建集团华东勘测设计研究院有限公司 | 基于机理模型的工程管理业务信息化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646137A (zh) * | 2012-04-19 | 2012-08-22 | 中国人民解放军总参谋部第六十三研究所 | 一种基于Markov模型的实体基本信息自动生成系统及方法 |
CN103795794A (zh) * | 2014-01-23 | 2014-05-14 | 浪潮集团山东通用软件有限公司 | 通过智能分析云进行商务智能分析模型共享的方法 |
CN104636404A (zh) * | 2013-11-14 | 2015-05-20 | 华为技术有限公司 | 用于测试的大规模数据生成方法和装置 |
CN106056435A (zh) * | 2016-06-02 | 2016-10-26 | 西南石油大学 | 一种云制造环境下的设计模型共享系统 |
CN106126674A (zh) * | 2016-06-29 | 2016-11-16 | 泰华智慧产业集团股份有限公司 | 一种产业业务信息分析报告生成方法及其系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138802B (zh) * | 2015-09-25 | 2018-01-12 | 北京理工大学 | 一种枪管智能设计系统及设计方法 |
US10839307B2 (en) * | 2015-10-09 | 2020-11-17 | International Business Machines Corporation | Data collection for predictive maintenance of networked assets leveraging mobile measurement devices |
CN108121742A (zh) * | 2016-11-30 | 2018-06-05 | 中国移动通信集团广东有限公司 | 用户分类模型的生成方法及装置 |
CN108764683B (zh) * | 2018-05-21 | 2022-03-22 | 贵州电网有限责任公司 | 电网运行数据分析评估与报表系统 |
-
2018
- 2018-12-29 CN CN201811648125.XA patent/CN109739869B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646137A (zh) * | 2012-04-19 | 2012-08-22 | 中国人民解放军总参谋部第六十三研究所 | 一种基于Markov模型的实体基本信息自动生成系统及方法 |
CN104636404A (zh) * | 2013-11-14 | 2015-05-20 | 华为技术有限公司 | 用于测试的大规模数据生成方法和装置 |
CN103795794A (zh) * | 2014-01-23 | 2014-05-14 | 浪潮集团山东通用软件有限公司 | 通过智能分析云进行商务智能分析模型共享的方法 |
CN106056435A (zh) * | 2016-06-02 | 2016-10-26 | 西南石油大学 | 一种云制造环境下的设计模型共享系统 |
CN106126674A (zh) * | 2016-06-29 | 2016-11-16 | 泰华智慧产业集团股份有限公司 | 一种产业业务信息分析报告生成方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109739869A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109739869B (zh) | 模型运行报告生成方法及系统 | |
US10755391B2 (en) | Digital image completion by learning generation and patch matching jointly | |
CN114155543B (zh) | 神经网络训练方法、文档图像理解方法、装置和设备 | |
US9275078B2 (en) | Estimating depth from a single image | |
CN109791600A (zh) | 将横屏视频转换为竖屏移动布局的方法 | |
EP1835466A2 (en) | Method and apparatus for geometric data processing and a parts catalog system | |
CN113836338B (zh) | 细粒度图像分类方法、装置、存储介质及终端 | |
JPWO2020240809A1 (ja) | 学習装置、分類装置、学習方法、分類方法、学習プログラム、及び分類プログラム | |
KR20220084136A (ko) | 학습 지원 장치, 학습 장치, 학습 지원 방법 및 학습 지원 프로그램 | |
CN116862166A (zh) | 一种岗位匹配方法、装置、设备及计算机存储介质 | |
EP2805472A2 (en) | Systems and methods for rule-based content optimization | |
US10627984B2 (en) | Systems, devices, and methods for dynamic virtual data analysis | |
JP2021022330A (ja) | 板金加工見積作成支援装置及び板金加工見積作成支援方法 | |
JP7275591B2 (ja) | 評価支援プログラム、評価支援方法および情報処理装置 | |
CN115953330B (zh) | 虚拟场景图像的纹理优化方法、装置、设备和存储介质 | |
JP2009252185A (ja) | 情報検索装置、情報検索方法、制御プログラム及び記録媒体 | |
US8488183B2 (en) | Moving labels in graphical output to avoid overprinting | |
JP2001195579A (ja) | 画像評価装置 | |
CN114239842A (zh) | 信息处理装置、信息处理系统以及信息处理方法 | |
JP2004070861A (ja) | 住宅間取り検索プログラム及び住宅間取り検索装置 | |
KR102594173B1 (ko) | 타임 시리즈 데이터 예측을 위한 학습 이미지를 생성하는 방법 및 장치 | |
CN115171198B (zh) | 模型质量评估方法、装置、设备及存储介质 | |
US20240078163A1 (en) | Systems and methods for visualizing machine intelligence | |
CN118297068B (zh) | 多模态命名实体识别方法、装置以及计算机设备 | |
Vashisht et al. | Forest Fire Analysis and Prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |