CN110196912B - 一种基于信任规则网络的电网档案平行模型构建方法 - Google Patents
一种基于信任规则网络的电网档案平行模型构建方法 Download PDFInfo
- Publication number
- CN110196912B CN110196912B CN201910300326.9A CN201910300326A CN110196912B CN 110196912 B CN110196912 B CN 110196912B CN 201910300326 A CN201910300326 A CN 201910300326A CN 110196912 B CN110196912 B CN 110196912B
- Authority
- CN
- China
- Prior art keywords
- value
- data
- parallel model
- attribute
- setting
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 5
- 230000010354 integration Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Water Supply & Treatment (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于信任规则网络的电网档案平行模型构建方法,属于电子档案管理技术领域。该方法包括以下步骤:S1:梳理信任规则;S2:建立信任度评价网络;S3:构建平行模型。本发明融合多个系统数据,能够构建一套基于原模型,通过叠加、裁剪、连接和融合的,建立与原模型等价的模拟平行模型,能够跨越电网站线变户档案差异大的难题,且数据更真实、有效。
Description
技术领域
本发明属于电子档案管理技术领域,涉及一种基于信任规则网络的电网档案平行模型构建方法。
背景技术
在电网的多个系统中,站线变户档案均会并存,但档案差异较大,为此需要融合多个系统数据,急需一套计算模型。
发明内容
有鉴于此,本发明的目的在于提供一种基于信任规则网络的电网档案平行模型构建方法,构建一套平行模型。
平行模型是基于原模型,通过叠加、裁剪、连接、融合,建立与原模型等价的模拟模型。构建平行模型的基础是信任规则。信任规则是基于既定的标准和原则,对一组数据综合评判,得分(投票)最多的数据,即最可信数据。在实践过程中,常基于信任规则(原则),建立数据信任评价网络,通过信任评价网络对数据源和数据项的信任度进行计算,实现对一组数据中各项数据的真实性判定。
为达到上述目的,本发明提供如下技术方案:
一种基于信任规则网络的电网档案平行模型构建方法,该方法包括以下步骤:
S1:梳理信任规则;
S2:建立信任度评价网络;
S3:构建平行模型。
进一步,所述步骤S1具体为:
信任规则的梳理从数据质量和业务规则两个方面入手,综合考虑数据一致性、数据完整性和数据有效性原则,结合数据变更时间、数据来源、多系统数据一致率和数据相似度梳理信任规则;
信任规则梳理标准包括:
(1)一致性原则:若多个系统中业务数据完全一致,则直接取当前数据;
(2)完整性原则:若部分系统无数据,则以有完整数据的系统数据为准;
(3)有效性原则:若数据是信息编码,则以信息编码符合规范的为准;
(4)最近变更优先:若多系统数据变更时间不一致,则优先选取最近有维护的系统数据;
(5)最短编辑路径优先原则:仅适用于文本类属性;多个系统中数据均不一致,则计算各数据之间的距离,距离最短的优先选择;
(6)非默认值优先:默认值是在系统未获得业务支撑,或者在该业务中为具体含义时系统赋予的固定值,较有业务支撑,通过系统赋值处理的数据,非默认值具有更高的可信度;
(7)多数投票优先:多个系统数据中,出现次数最多的数值,具有更高可信度;
(8)数据管理者优先:数据生产者,即数据管理者,为该数据的第一责任人,具有更高可信度。
进一步,所述步骤S2具体为:
基于信任规则的信任度评价模型为:
信任度评价网络按照层次结构构建,第一层完全满足条件则直接选取数值,否则进入第二层继续判断,直到最终确定可信任数值;
若所有数据一致,则直接确定数值;否则判断数值是否有效、是否完整,若不等价则根据规则确定数值;否则通过优先规则权重,计算各数值可信度,确定可信度最高的为选取数值;若可信度计算结果一致,则以数据生产者提供数据为准。
进一步,所述步骤S3具体为:
遍历分析对象的属性,借助不同来源的数据,基于整理的信任规则,多数服从少数的原则,优先对三者一致属性值处理,其次对二者一致属性值处理,最后对三者不一致的属性值进行判断处理,最终构建站线变户平行模型。
进一步,所述平行模型的算法流程为:
S31:针对同一对象识别结果,将识别结果分类为三系统同一对象、两系统同一对象和单系统特有对象;
S32:若为三系统同一对象,则遍历所有属性,将三个系统暂时标记为ABC,F(A)标记为A系统F属性的值;
S321:进行一致性判断,判断是否三者一致,即是否有F(A)=F(B)=F(C),若有,则平行模型F属性值设置为F(A),平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S322;
S322:进行完整性判断,判断是否两者一致,即是否有F(A)=F(B)=空值<>F(C)或者F(B)=F(C)=空值<>F(A)或者F(A)=F(C)=空值<>F(B),若有,则平行模型F属性值设置为非空的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S323;
S323:进行多数投票判断,判断是否两者一致,即是否有F(A)=F(B)=非空值<>F(C)或者F(B)=F(C)=非空值<>F(A)或者F(A)=F(C)=非空值<>F(B),若有,则平行模型F属性值设置为多数相同的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S324;
S324:进行最短路径优先判断,判断是否三者不一致,适合文本类属性,即是否有F(A)<>F(B)<>F(C)且为文本类属性或者;若有,则判断是否存在最小编辑距离有多个属性,若存在,则进行步骤S325;若不存在,则平行模型F属性值设置为与其他系统编辑距离之和最小的值,平行模型F属性值设置完成,进入步骤S4;
S325:进行最近变更优先判断,判断是否三者不一致,即是否有F(A)<>F(B)<>F(C)且F(A)的变更时间<>F(B)的变更时间<>F(C)的变更时间<>空值;若有,则平行模型F属性值设置为变更时间最大的记录所对应的值,平行模型F属性值设置完成,进入步骤S4;若没有,则进行步骤S326;
S326:进行数据管理者优先判断,判断是否三者不一致,即平行模型F属性值设置为数据管理者对应的值,如果F属性的生产者是B系统,那么F属性设置为F(B);平行模型F属性值设置完成,进入步骤S4;
S33:若为两系统同一对象,则遍历所有属性,两个系统暂时标记为AB,F(A)标记为A系统F属性的值;
S331:进行一致性判断,判断是否两者一致,即是否有F(A)=F(B),若有,则平行模型F属性值设置为F(A),平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S332;
S322:进行完整性判断,是否有F(A)=空值<>F(B)或者F(B)=空值<>F(A),若有,则平行模型F属性值设置为非空的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S333;
S333:进行最近变更优先判断,是否有F(A)<>F(B)且F(A)的变更时间<>F(B)<>空值;若有,则平行模型F属性值设置为变更时间最大的记录所对应的值,平行模型F属性值设置完成,进入步骤S4;若没有,则进行步骤S334;
S334:判断是否2个系统都不是数据管理者,若都是,则对于战线变档案,取值优先级为:GIS>生产>营销;对于用户档案,营销>GIS,平行模型F属性值设置完成,进入步骤S4;若不是,则进行数据管理者优先判断,平行模型F属性值设置为数据管理者对应的值;
S34:若为单系统特有对象,则遍历所有属性,单系统特有对象的属性值设定为所述系统的对应属性值,平行模型F属性值设置完成,进入步骤S4;
S4:结束。
本发明的有益效果在于:本发明融合多个系统数据,能够构建一套基于原模型,通过叠加、裁剪、连接和融合的,建立与原模型等价的模拟平行模型,能够跨越电网站线变户档案差异大的难题,且数据更真实、有效。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为信任规则梳理标准示意图;
图2为信任度评价模型示意图;
图3为基于最多三系统的对象构建平行模型的算法结构图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
1、梳理信任规则
信任规则的梳理主要从数据质量和业务规则两个方面入手,可综合考虑数据一致性、数据完整性、数据有效性原则,结合数据变更时间、数据来源、多系统数据一致率、数据相似度等梳理信任规则。
信任规则梳理标准示意图如图1所示:
一致性原则:多个系统中业务数据完全一致,则直接取当前数据;
完整性原则:如果部分系统无数据,则以有完整数据的系统数据为准;
有效性原则:如果数据是信息编码,则以信息编码符合规范的为准;
最近变更优先:如果多系统数据变更时间不一致,则优先选取最近有维护的系统数据。最近有业务支撑的数据较为可信;
最短编辑路径优先原则(仅适用于文本类属性):多个系统中数据均不一致,则计算各数据之间的距离(如:ABC→AB=1,ABC→AC=1,AB→BC=2,则ABC距离为2,AB和BC的距离都为3),距离最短的优先选择;
非默认值优先:默认值是在系统未获得业务支撑,或者在该业务中为具体含义时系统赋予的固定值,较有业务支撑,通过系统赋值处理的数据,非默认值具有更高的可信度;
多数投票优先:多个系统数据中,出现次数最多的数值,具有更高可信度;
数据管理者优先:数据生产者(数据管理者),为该数据的第一责任人,维护及时、业务支撑全面,具有更高可信度。
其他能够对数据可信度构成影响,且可以对其进行量化评价的指标都可以作为行为规则,在综合其影响程度及数据获取难度后,制定最终信任规则体系。对于规则体系可基于业务含义、专家经验或者是有监督的训练学习等得到更多的规则,对以上的规则进行扩展。
2、建立信任度评价网络
信任规则是孤立的评价规则,如果综合评价各项信任度,选取信任度最高的数值作为最终取值,也是核心任务。综合信任规则优先级、评价准确性、评价有效性、影响权重,通过建立信任度评价网络,选取信任度最高的数值。
基于信任规则的信任度评价模型如图2所示:
信任度评价网络按照层次结构构建,第一层完全满足条件则直接选取数值,否则进入第二层继续判断,直到最终确定可信任数值。以图2为例,如果所有数据一致则直接确定数值;否则判断数值是否有效、是否完整,如果不等价则根据规则确定数值;否则通过优先规则权重,计算各数值可信度,确定可信度最高的为选取数值;如果可信度计算结果一致,则以数据生产者提供数据为准。
3、构建平行模型
遍历分析对象的所有属性,借助不同数据来源的数据。基于整理的信任规则,多数服从少数的原则,优先对三者一致属性值处理,其次对二者一致属性值处理,最后对三者不一致的属性值进行判断处理。最终构建站线变户平行模型。
目前基于最多三系统的对象构建平行模型的算法结构如图3所示。
所述平行模型的算法流程为:
S31:针对同一对象识别结果,将识别结果分类为三系统同一对象、两系统同一对象和单系统特有对象;
S32:若为三系统同一对象,则遍历所有属性,将三个系统暂时标记为ABC,F(A)标记为A系统F属性的值;
S321:进行一致性判断,判断是否三者一致,即是否有F(A)=F(B)=F(C),若有,则平行模型F属性值设置为F(A),平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S322;
S322:进行完整性判断,判断是否两者一致,即是否有F(A)=F(B)=空值<>F(C)或者F(B)=F(C)=空值<>F(A)或者F(A)=F(C)=空值<>F(B),若有,则平行模型F属性值设置为非空的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S323;
S323:进行多数投票判断,判断是否两者一致,即是否有F(A)=F(B)=非空值<>F(C)或者F(B)=F(C)=非空值<>F(A)或者F(A)=F(C)=非空值<>F(B),若有,则平行模型F属性值设置为多数相同的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S324;
S324:进行最短路径优先判断,判断是否三者不一致,适合文本类属性,即是否有F(A)<>F(B)<>F(C)且为文本类属性或者;若有,则判断是否存在最小编辑距离有多个属性,若存在,则进行步骤S325;若不存在,则平行模型F属性值设置为与其他系统编辑距离之和最小的值,平行模型F属性值设置完成,进入步骤S4;
S325:进行最近变更优先判断,判断是否三者不一致,即是否有F(A)<>F(B)<>F(C)且F(A)的变更时间<>F(B)的变更时间<>F(C)的变更时间<>空值;若有,则平行模型F属性值设置为变更时间最大的记录所对应的值,平行模型F属性值设置完成,进入步骤S4;若没有,则进行步骤S326;
S326:进行数据管理者优先判断,判断是否三者不一致,即平行模型F属性值设置为数据管理者对应的值,如果F属性的生产者是B系统,那么F属性设置为F(B);平行模型F属性值设置完成,进入步骤S4;
S33:若为两系统同一对象,则遍历所有属性,两个系统暂时标记为AB,F(A)标记为A系统F属性的值;
S331:进行一致性判断,判断是否两者一致,即是否有F(A)=F(B),若有,则平行模型F属性值设置为F(A),平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S332;
S322:进行完整性判断,是否有F(A)=空值<>F(B)或者F(B)=空值<>F(A),若有,则平行模型F属性值设置为非空的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S333;
S333:进行最近变更优先判断,是否有F(A)<>F(B)且F(A)的变更时间<>F(B)<>空值;若有,则平行模型F属性值设置为变更时间最大的记录所对应的值,平行模型F属性值设置完成,进入步骤S4;若没有,则进行步骤S334;
S334:判断是否2个系统都不是数据管理者,若都是,则对于战线变档案,取值优先级为:GIS>生产>营销;对于用户档案,营销>GIS,平行模型F属性值设置完成,进入步骤S4;若不是,则进行数据管理者优先判断,平行模型F属性值设置为数据管理者对应的值;
S34:若为单系统特有对象,则遍历所有属性,单系统特有对象的属性值设定为所述系统的对应属性值,平行模型F属性值设置完成,进入步骤S4;
S4:结束。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (3)
1.一种基于信任规则网络的电网档案平行模型构建方法,其特征在于:该方法包括以下步骤:
S1:梳理信任规则;
S2:建立信任度评价网络;
S3:构建平行模型;具体为遍历分析对象的属性,借助不同来源的数据,基于整理的信任规则,多数服从少数的原则,优先对三者一致属性值处理,其次对二者一致属性值处理,最后对三者不一致的属性值进行判断处理,最终构建站线变户平行模型;
所述平行模型的算法流程为:
S31:针对同一对象识别结果,将识别结果分类为三系统同一对象、两系统同一对象和单系统特有对象;
S32:若为三系统同一对象,则遍历所有属性,将三个系统暂时标记为ABC,F(A)标记为A系统F属性的值;
S321:进行一致性判断,判断是否三者一致,即是否有F(A)=F(B)=F(C),若有,则平行模型F属性值设置为F(A),平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S322;
S322:进行完整性判断,判断是否两者一致,即是否有F(A)=F(B)=空值<>F(C)或者F(B)=F(C)=空值<>F(A)或者F(A)=F(C)=空值<>F(B),若有,则平行模型F属性值设置为非空的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S323;
S323:进行多数投票判断,判断是否两者一致,即是否有F(A)=F(B)=非空值<>F(C)或者F(B)=F(C)=非空值<>F(A)或者F(A)=F(C)=非空值<>F(B),若有,则平行模型F属性值设置为多数相同的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S324;
S324:进行最短路径优先判断,判断是否三者不一致,适合文本类属性,即是否有F(A)<>F(B)<>F(C)且为文本类属性或者;若有,则判断是否存在最小编辑距离有多个属性,若存在,则进行步骤S325;若不存在,则平行模型F属性值设置为与其他系统编辑距离之和最小的值,平行模型F属性值设置完成,进入步骤S4;
S325:进行最近变更优先判断,判断是否三者不一致,即是否有F(A)<>F(B)<>F(C)且F(A)的变更时间<>F(B)的变更时间<>F(C)的变更时间<>空值;若有,则平行模型F属性值设置为变更时间最大的记录所对应的值,平行模型F属性值设置完成,进入步骤S4;若没有,则进行步骤S326;
S326:进行数据管理者优先判断,判断是否三者不一致,即平行模型F属性值设置为数据管理者对应的值,如果F属性的生产者是B系统,那么F属性设置为F(B);平行模型F属性值设置完成,进入步骤S4;
S33:若为两系统同一对象,则遍历所有属性,两个系统暂时标记为AB,F(A)标记为A系统F属性的值;
S331:进行一致性判断,判断是否两者一致,即是否有F(A)=F(B),若有,则平行模型F属性值设置为F(A),平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S332;
S322:进行完整性判断,是否有F(A)=空值<>F(B)或者F(B)=空值<>F(A),若有,则平行模型F属性值设置为非空的值,平行模型F属性值设置完成,进入步骤S4;若无,则进行步骤S333;
S333:进行最近变更优先判断,是否有F(A)<>F(B)且F(A)的变更时间<>F(B)<>空值;若有,则平行模型F属性值设置为变更时间最大的记录所对应的值,平行模型F属性值设置完成,进入步骤S4;若没有,则进行步骤S334;
S334:判断是否2个系统都不是数据管理者,若都是,则对于战线变档案,取值优先级为:GIS>生产>营销;对于用户档案,营销>GIS,平行模型F属性值设置完成,进入步骤S4;若不是,则进行数据管理者优先判断,平行模型F属性值设置为数据管理者对应的值;
S34:若为单系统特有对象,则遍历所有属性,单系统特有对象的属性值设定为所述系统的对应属性值,平行模型F属性值设置完成,进入步骤S4;
S4:结束。
2.根据权利要求1所述的一种基于信任规则网络的电网档案平行模型构建方法,其特征在于:所述步骤S1具体为:
信任规则的梳理从数据质量和业务规则两个方面入手,综合考虑数据一致性、数据完整性和数据有效性原则,结合数据变更时间、数据来源、多系统数据一致率和数据相似度梳理信任规则;
信任规则梳理标准包括:
(1)一致性原则:若多个系统中业务数据完全一致,则直接取当前数据;
(2)完整性原则:若部分系统无数据,则以有完整数据的系统数据为准;
(3)有效性原则:若数据是信息编码,则以信息编码符合规范的为准;
(4)最近变更优先:若多系统数据变更时间不一致,则优先选取最近有维护的系统数据;
(5)最短编辑路径优先原则:仅适用于文本类属性;多个系统中数据均不一致,则计算各数据之间的距离,距离最短的优先选择;
(6)非默认值优先:默认值是在系统未获得业务支撑,或者在该业务中为具体含义时系统赋予的固定值,较有业务支撑,通过系统赋值处理的数据,非默认值具有更高的可信度;
(7)多数投票优先:多个系统数据中,出现次数最多的数值,具有更高可信度;
(8)数据管理者优先:数据生产者,即数据管理者,为该数据的第一责任人,具有更高可信度。
3.根据权利要求1所述的一种基于信任规则网络的电网档案平行模型构建方法,其特征在于:所述步骤S2具体为:
基于信任规则的信任度评价模型为:
信任度评价网络按照层次结构构建,第一层完全满足条件则直接选取数值,否则进入第二层继续判断,直到最终确定可信任数值;
若所有数据一致,则直接确定数值;否则判断数值是否有效、是否完整,若不等价则根据规则确定数值;否则通过优先规则权重,计算各数值可信度,确定可信度最高的为选取数值;若可信度计算结果一致,则以数据生产者提供数据为准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300326.9A CN110196912B (zh) | 2019-04-15 | 2019-04-15 | 一种基于信任规则网络的电网档案平行模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300326.9A CN110196912B (zh) | 2019-04-15 | 2019-04-15 | 一种基于信任规则网络的电网档案平行模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110196912A CN110196912A (zh) | 2019-09-03 |
CN110196912B true CN110196912B (zh) | 2022-09-23 |
Family
ID=67751923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910300326.9A Active CN110196912B (zh) | 2019-04-15 | 2019-04-15 | 一种基于信任规则网络的电网档案平行模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110196912B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111291029B (zh) * | 2020-01-17 | 2024-03-08 | 深圳市华傲数据技术有限公司 | 数据清洗方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662832A (zh) * | 2012-03-20 | 2012-09-12 | 浙江大学 | 一种生产过程数据校正软件的评测方法 |
CN103093613A (zh) * | 2012-11-22 | 2013-05-08 | 浙江大学城市学院 | 一种矩阵式异质平行混合交通流方法 |
CN103593535A (zh) * | 2013-11-22 | 2014-02-19 | 南京洛普股份有限公司 | 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法 |
CN105913198A (zh) * | 2016-05-11 | 2016-08-31 | 邓意麒 | 用于智能港的物理实体类模型构建模块、智能港及智能网 |
CN107368957A (zh) * | 2017-07-04 | 2017-11-21 | 广西电网有限责任公司电力科学研究院 | 一种设备状态监测数据质量评测体系的构建方法 |
CN109408911A (zh) * | 2018-10-08 | 2019-03-01 | 重庆邮电大学 | 一种在cpss下基于acp理论的群体演化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7620647B2 (en) * | 2006-09-15 | 2009-11-17 | Initiate Systems, Inc. | Hierarchy global management system and user interface |
WO2018107128A1 (en) * | 2016-12-09 | 2018-06-14 | U2 Science Labs, Inc. | Systems and methods for automating data science machine learning analytical workflows |
US10769532B2 (en) * | 2017-04-05 | 2020-09-08 | Accenture Global Solutions Limited | Network rating prediction engine |
-
2019
- 2019-04-15 CN CN201910300326.9A patent/CN110196912B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662832A (zh) * | 2012-03-20 | 2012-09-12 | 浙江大学 | 一种生产过程数据校正软件的评测方法 |
CN103093613A (zh) * | 2012-11-22 | 2013-05-08 | 浙江大学城市学院 | 一种矩阵式异质平行混合交通流方法 |
CN103593535A (zh) * | 2013-11-22 | 2014-02-19 | 南京洛普股份有限公司 | 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法 |
CN105913198A (zh) * | 2016-05-11 | 2016-08-31 | 邓意麒 | 用于智能港的物理实体类模型构建模块、智能港及智能网 |
CN107368957A (zh) * | 2017-07-04 | 2017-11-21 | 广西电网有限责任公司电力科学研究院 | 一种设备状态监测数据质量评测体系的构建方法 |
CN109408911A (zh) * | 2018-10-08 | 2019-03-01 | 重庆邮电大学 | 一种在cpss下基于acp理论的群体演化方法 |
Non-Patent Citations (4)
Title |
---|
Unification of mining model for parallel processing;Ivan I. Kholod 等;《2017 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus)》;20170427;450-455 * |
基于GIS营配一体化中信息共享分析;纪元 等;《电子世界》;20160123(第02期);60-63 * |
层次分析法在网络用户信任度评价模型中的研究;杨秀梅 等;《计算机系统应用》;20160315;第25卷(第3期);267-270 * |
非随机应答模型面向敏感问题的仿真实现及抗噪性研究;郭锦舒;《中国优秀博硕士学位论文全文数据库(硕士) 社会科学Ⅱ辑》;20170215(第02期);H123-280 * |
Also Published As
Publication number | Publication date |
---|---|
CN110196912A (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111353413B (zh) | 一种输电设备低漏报率缺陷识别方法 | |
CN106203491B (zh) | 一种公路矢量数据的融合更新方法 | |
CN110020433B (zh) | 一种基于企业关联关系的工商高管人名消歧方法 | |
CN112612902A (zh) | 一种电网主设备的知识图谱构建方法及设备 | |
CN101093559B (zh) | 一种基于知识发现的专家系统构造方法 | |
CN110162591A (zh) | 一种面向数字教育资源的实体对齐方法及系统 | |
CN115278741B (zh) | 一种基于多模态数据依赖关系的故障诊断方法和装置 | |
CN116882038B (zh) | 一种基于bim技术的机电施工方法及系统 | |
CN110378744A (zh) | 面向不完备数据系统的民航常旅客价值分类方法及系统 | |
CN105574675B (zh) | 基于计算规则库的建筑工程规划监督方法和系统 | |
JP2002032773A (ja) | 地図データの処理装置及び方法 | |
CN110032643A (zh) | 一种建筑维修工单分析方法、装置、存储介质及客户端 | |
CN114119110A (zh) | 一种工程造价清单归集系统及其方法 | |
Ebden et al. | Network analysis on provenance graphs from a crowdsourcing application | |
CN110196912B (zh) | 一种基于信任规则网络的电网档案平行模型构建方法 | |
CN113095524A (zh) | 电力设备检修工作单据智能生成方法、系统及存储介质 | |
CN117828539A (zh) | 数据智能融合分析系统及方法 | |
CN114626886A (zh) | 一种调查问卷数据分析方法及系统 | |
CN107798137B (zh) | 一种基于可加模型的多源异构数据融合架构系统 | |
CN116629338B (zh) | 一种模型数据的处理方法、相关装置、设备以及存储介质 | |
CN116109212B (zh) | 一种机场运行效率评价指标设计及监测方法 | |
CN115796651A (zh) | 基于多模态数据的客站设备智能化评价方法、装置和设备 | |
Li et al. | Route restoration method for sparse taxi GPS trajectory based on Bayesian network | |
CN113971213A (zh) | 智慧城市管理公共信息共享系统 | |
Zhang et al. | A Real Time Traffic Flow Model Based on Deep Learning. |
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 |