CN110781202A - 本科教学质量信息的数据智能收集方法及系统 - Google Patents
本科教学质量信息的数据智能收集方法及系统 Download PDFInfo
- Publication number
- CN110781202A CN110781202A CN202010000194.0A CN202010000194A CN110781202A CN 110781202 A CN110781202 A CN 110781202A CN 202010000194 A CN202010000194 A CN 202010000194A CN 110781202 A CN110781202 A CN 110781202A
- Authority
- CN
- China
- Prior art keywords
- data
- collection
- information
- node
- template
- 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.)
- Granted
Links
- 238000013480 data collection Methods 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 135
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000009826 distribution Methods 0.000 claims description 36
- 238000013499 data model Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 abstract description 5
- 238000003860 storage Methods 0.000 description 22
- 230000015654 memory Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 11
- 238000013461 design Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据处理技术领域，提供一种本科教学质量信息的数据智能收集方法及系统，通过服务器根据各个数据收集节点的节点标识信息创建数据库表，然后根据数据信息的数据类型信息，配置对应的针对各个数据收集节点的收集模板和数据表单规则，使得数据收集节点根据服务器下发的收集模板和数据表单规则收集对应的数据信息，之后服务器根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，对创建的数据库表进行数据写入。本发明无需在数据收集过程中进行繁琐的确认和编辑操作，能够自动化精准控制每个数据收集节点的收集过程，使得数据收集过程能够有效适应动态变化的业务任务场景，进而提高数据收集效率。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种本科教学质量信息的数据智能收集方法及系统。
背景技术
在针对本科教学质量信息的数据收集的过程中，由于不同数据收集节点的业务规则和收集任务不同，这可能会导致实际数据收集过程中所收集的数据在后续写入数据库表的过程中，需要进行繁琐的确认和编辑操作，并且还需要严格控制每个数据收集节点的收集过程，使得数据收集过程难以适应动态变化的业务任务场景，极大影响数据收集效率。
发明内容
为了至少克服现有技术中的上述不足，本申请的目的在于提供一种本科教学质量信息的数据智能收集方法及系统，无需在数据收集过程中需要进行繁琐的确认和编辑操作，能够自动化精准控制每个数据收集节点的收集过程，使得数据收集过程能够有效适应动态变化的业务任务场景，进而提高数据收集效率。
第一方面，本申请提供一种本科教学质量信息的数据智能收集方法，应用于本科教学质量信息的数据智能收集系统，所述本科教学质量信息的数据智能收集系统包括服务器以及与所述服务器通信连接的各个用于采集本科教学的数据信息的数据收集节点，所述方法包括：
所述服务器根据各个数据收集节点的节点标识信息创建用于存储各个数据收集节点收集的不同数据类型的数据信息的数据库表，其中，所述节点标识信息用于表征所述数据收集节点的节点类型和节点数据收集任务；
所述服务器根据所述数据信息的数据类型信息，配置对应的针对各个数据收集节点的收集模板和数据表单规则，并将所述收集模板和数据表单规则发送给每个对应的数据收集节点；
所述数据收集节点根据所述服务器下发的收集模板和数据表单规则收集对应的数据信息，并将所述数据信息发送给所述服务器；
所述服务器根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，对创建的所述数据库表进行数据写入。
在第一方面的一种可能的设计中，所述服务器根据所述数据信息的数据类型信息，配置对应的针对各个数据收集节点的收集模板和数据表单规则的步骤，包括：
根据所述数据信息的数据类型信息，确定针对每个数据收集节点的数据结构特征，并根据所述数据结构特征确定每个数据收集节点的特征结构标记和特征结构标记之间的关联逻辑；
以所述特征结构标记为因素锚位、以所述关联逻辑为锚位单位，将所述数据结构特征构建为收集模板单位模型；
根据所述收集模板单位模型，提取将主特征结构标记的主因素锚位与辅特征结构标记中的辅因素锚位，并依次合并由所述主因素锚位与所述辅因素锚位构成的锚位重构数据模型；
将每个锚位重构数据模型转换为同种特征结构标记型的模型结构序列，所述模型结构包括策略和表达关联关系两种特征结构标记型；
分析每个模型结构序列元素之间的语义关联逻辑和结构关联逻辑，得到对应的关联逻辑模型，并对所述关联逻辑模型进行加权，以将所述模型结构序列构建成策略级模型结构序列，其中，所述语义关联逻辑是指获取每个策略的策略特征、特征反转过程信息及特征标识构建成该策略的策略表达集合，将每个策略转化成对应的策略表达集合的特征向量，计算各个特征向量之间的关联关系，所述结构关联逻辑与所述每个策略的数据结构之间的关联关系有关；
确定所述数据结构特征的策略级模型结构序列中因素锚位间不同特征结构标记型的关联逻辑权值的模板位置信息，并根据所述模板位置信息为所述数据结构特征分配模板位置；
依次遍历所述策略级模型结构序列的每个策略级结构，根据策略间的关联关系，对每个策略级结构进行划分，得到所述数据结构特征的特征系统结构；
根据所述数据结构特征的特征系统结构，配置对应的针对各个数据收集节点的收集模板和数据表单规则。
在第一方面的一种可能的设计中，所述根据所述数据结构特征的特征系统结构，配置对应的针对各个数据收集节点的收集模板和数据表单规则的步骤，包括：
根据所述数据结构特征的特征系统结构确定包含各个数据收集节点的收集模板的模板特征信息和包含各个数据收集节点的数据表单规则的规则特征信息；
使用第一模板生成策略、利用第一模板生成组件进行生成的、与所述数据表单规则的规则特征信息对应的数据表单规则以及利用所述各个数据收集节点的收集模板的模板特征信息、采用第二模板生成组件对所述第一模板生成策略进行生成处理而获得第二模板生成策略；其中，所述第一模板生成策略为用于对所述数据表单规则进行生成处理的规则模板生成策略，所述第二模板生成策略为对利用所述各个数据收集节点的收集模板的模板特征信息对所述第一模板生成策略进行生成处理得到的模板生成策略；
其中，所述服务器预先使用第一模板生成策略和第一模板生成组件对数据表单规则进行生成处理，并利用各个数据收集节点的收集模板的模板特征信息对第一模板生成策略进行生成处理生成第二模板生成策略，并向所述各个数据收集节点的收集模板中填入生成处理后的数据表单规则以及所述第二模板生成策略，其中，相同的数据表单规则对应同一第一模板生成策略，不同的数据表单规则对应不同的第一模板生成策略，不同的各个数据收集节点的收集模板对应不同的第二模板生成策略。
在第一方面的一种可能的设计中，所述数据收集节点根据所述服务器下发的收集模板和数据表单规则收集对应的数据信息的步骤，包括：
所述数据收集节点根据所述服务器下发的收集模板和数据表单规则，设置数据收集过程的收集过程节点信息；
提取所述数据收集过程中不同节点的节点历史数据，并根据所述节点历史数据确定所述收集过程节点信息内的收集过程节点密度分布，并在所述收集过程节点密度分布达到设定条件时，将所述收集过程节点密度分布作为目标收集过程节点密度分布；
根据所述目标收集过程节点密度分布调整所述收集过程节点信息，在调整过程中，获取对应节点的收集数据类型分布信息，直至任意一种确定的收集数据类型分布信息在已知分布位置处与实际的收集数据类型分布信息一致时，与调整后的节点对应的节点控制过程即为最终确定的节点控制过程；
将调整后的收集过程节点信息作为所述数据收集过程的目标数据收集范围；
根据所述数据收集过程的目标数据收集范围收集对应的数据信息。
在第一方面的一种可能的设计中，所述服务器根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，对创建的所述数据库表进行数据写入的步骤，包括：
根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，分析每个数据收集节点收集的数据信息的数据写入表达策略和数据表单关联过程，构建数据写入模型；
获取所述数据写入模型的数据写入对象，生成跳转写入过程的对象，将所述数据写入对象传递到所述跳转写入过程的对象中，以构建数据跳转写入对象，并利用所述数据跳转写入对象替换所述数据写入模型的数据写入对象；
在接收到每个数据收集节点收集的数据信息后，获取所述数据信息的数据头的头信息，并且根据所述数据头的头信息写入相应的数据内容；
调用所述数据写入对象执行数据写入处理操作。
在第一方面的一种可能的设计中，所述调用所述数据写入对象执行数据写入处理操作的步骤，包括：
从所述数据写入对象中确定写入数据所在表项的表项定位信息；
调用所述数据写入模型获取表项区域在所述数据库表中的表项定位信息，并从数据写入模型中查找对应的数据写入策略，将所述所在表项的表项定位信息与表项区域在所述数据库表中的表项定位信息分别进行权重融合处理并作为写入参数，调用数据写入模型执行数据写入处理操作。
第三方面，本申请实施例还提供一种本科教学质量信息的数据智能收集系统，所述本科教学质量信息的数据智能收集系统包括服务器以及与所述服务器通信连接的各个用于采集本科教学的数据信息的数据收集节点；
所述服务器，用于根据各个数据收集节点的节点标识信息创建用于存储各个数据收集节点收集的不同数据类型的数据信息的数据库表，其中，所述节点标识信息用于表征所述数据收集节点的节点类型和节点数据收集任务；
所述服务器，用于根据所述数据信息的数据类型信息，配置对应的针对各个数据收集节点的收集模板和数据表单规则，并将所述收集模板和数据表单规则发送给每个对应的数据收集节点；
所述数据收集节点，用于根据所述服务器下发的收集模板和数据表单规则收集对应的数据信息，并将所述数据信息发送给所述服务器；
所述服务器，用于根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，对创建的所述数据库表进行数据写入。
第三方面，本申请实施例还提供一种电子设备，所述电子设备包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个通信设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行前述的本科教学质量信息的数据智能收集方法。
第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其被运行时，执行前述的本科教学质量信息的数据智能收集方法。
基于上述任意一个方面，本申请可以通过服务器根据各个数据收集节点的节点标识信息创建数据库表，然后根据数据信息的数据类型信息，配置对应的针对各个数据收集节点的收集模板和数据表单规则，使得数据收集节点根据服务器下发的收集模板和数据表单规则收集对应的数据信息，之后服务器根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，对创建的数据库表进行数据写入。如此，无需在数据收集过程中需要进行繁琐的确认和编辑操作，能够自动化精准控制每个数据收集节点的收集过程，使得数据收集过程能够有效适应动态变化的业务任务场景，进而提高数据收集效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的本科教学质量信息的数据智能收集系统的应用场景示意图；
图2为本申请实施例提供的本科教学质量信息的数据智能收集方法的流程示意图；
图3为本申请实施例提供的用于实现图1中所述的服务器和数据收集节点的功能组件的电子设备的结构示意框图。
具体实施方式
下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。在本申请的描述中，除非另有说明，“至少一个”包括一个或多个。“多个”是指两个或两个以上。例如，A、B和C中的至少一个，包括：单独存在A、单独存在B、同时存在A和B、同时存在A和C、同时存在B和C，以及同时存在A、B和C。在本申请中，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联目标核磁共振设备的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
图1是本申请一种实施例提供的本科教学质量信息的数据智能收集系统10的交互示意图。本科教学质量信息的数据智能收集系统10可以包括服务器100以及与所述服务器100通信连接的数据收集节点200，服务器100中可以包括执行指令操作的处理器。图1所示的本科教学质量信息的数据智能收集系统10仅为一种可行的示例，在其它可行的实施例中，该本科教学质量信息的数据智能收集系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
在一些实施例中，服务器100可以是单个服务器，也可以是一个服务器组。运营服务器组可以是集中式的，也可以是分布式的（例如，服务器100可以是分布式系统）。在一些实施例中，服务器100相对于数据收集节点200，可以是本地的、也可以是远程的。例如，服务器100可以经由网络访问存储在数据收集节点200以及数据库、或其任意组合中的信息。作为另一示例，服务器100可以直接连接到数据收集节点200和数据库中的至少一个，以访问其中存储的信息和/或数据。在一些实施例中，服务器100可以在云平台上实现；仅作为示例，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云（inter-cloud）、多云(multi-cloud)等，或者它们的任意组合。
在一些实施例中，服务器100可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据，以执行本申请中描述的一个或多个功能。处理器可以包括一个或多个处理核（例如，单核处理器（S）或多核处理器（S））。仅作为举例，处理器可以包括中央处理单元（Central Processing Unit, CPU）、专用集成电路（Application Specific IntegratedCircuit, ASIC）、专用指令集处理器（Application Specific Instruction-setProcessor, ASIP）、图形处理单元（Graphics Processing Unit, GPU）、物理处理单元（Physics Processing Unit, PPU）、数字信号处理器 (Digital Signal Processor,DSP)、现场可编程门阵列( Field Programmable Gate Array，FPGA)、可编程逻辑器件(Programmable Logic Device, PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing, RISC)、或微处理器等，或其任意组合。
网络可以用于信息和/或数据的交换。在一些实施例中，本科教学质量信息的数据智能收集系统10中的一个或多个组件（例如，服务器100，数据收集节点200和数据库）可以向其他组件发送信息和/或数据。在一些实施例中，网络可以是任何类型的有线或者无线网络，或者是他们的结合。仅作为示例，网络130可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网（Local Area Network，LAN）、广域网（Wide AreaNetwork，WAN）、无线局域网（Wireless Local Area Networks，WLAN）、城域网（Metropolitan Area Network，MAN）、广域网（Wide Area Network，WAN）、公共电话交换网（Public Switched Telephone Network，PSTN）、蓝牙网络、ZigBee网络、或近场通信（NearField Communication, NFC）网络等，或其任意组合。在一些实施例中，网络可以包括一个或多个网络接入点。例如，网络可以包括有线或无线网络接入点，例如基站和/或网络交换节点，本科教学质量信息的数据智能收集系统10的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。
前述的数据库可以存储数据和/或指令。在一些实施例中，数据库可以存储向数据收集节点200分配的数据。在一些实施例中，数据库可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中，数据库可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器（Read-Only Memory, ROM）等，或其任意组合。作为举例，大容量存储器可以包括磁盘、光盘、固态驱动器等；可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等；易失性读写存储器可以包括随机存取存储器（Random AccessMemory, RAM）；RAM可以包括动态RAM（Dynamic Random Access Memory, DRAM），双倍数据速率同步动态RAM（Double Date-Rate Synchronous RAM, DDR SDRAM）；静态RAM（StaticRandom-Access Memory, SRAM），晶闸管RAM（Thyristor-Based Random Access Memory,T-RAM）和零电容器RAM（Zero-RAM）等。作为举例，ROM可以包括掩模ROM（Mask Read-OnlyMemory, MROM）、可编程ROM（ Programmable Read-Only Memory, PROM）、可擦除可编程ROM（Programmable Erasable Read-only Memory , PEROM）、电可擦除可编程ROM（Electrically Erasable Programmable read only memory, EEPROM）、光盘ROM（CD-ROM）、以及数字通用磁盘ROM等。在一些实施例中，数据库可以在云平台上实现。仅作为示例，云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等，或其任意组合。
在一些实施例中，数据库可以连接到网络以与本科教学质量信息的数据智能收集系统10（例如，服务器100，数据收集节点200等）中的一个或多个组件通信。本科教学质量信息的数据智能收集系统10中的一个或多个组件可以经由网络访问存储在数据库中的数据或指令。在一些实施例中，数据库可以直接连接到本科教学质量信息的数据智能收集系统10中的一个或多个组件（例如，服务器100，数据收集节点200等；或者，在一些实施例中，数据库也可以是服务器100的一部分。
为了解决前述背景技术中的技术问题，图2为本申请实施例提供的本科教学质量信息的数据智能收集方法的流程示意图，本实施例提供的本科教学质量信息的数据智能收集方法可以由图1中所示的本科教学质量信息的数据智能收集系统10执行，下面对该本科教学质量信息的数据智能收集方法进行详细介绍。
步骤S110，服务器100根据各个数据收集节点200的节点标识信息创建用于存储各个数据收集节点200收集的不同数据类型的数据信息的数据库表，其中，节点标识信息用于表征数据收集节点200的节点类型和节点数据收集任务。
步骤S120，服务器100根据数据信息的数据类型信息，配置对应的针对各个数据收集节点200的收集模板和数据表单规则，并将收集模板和数据表单规则发送给每个对应的数据收集节点200。
步骤S130，数据收集节点200根据服务器100下发的收集模板和数据表单规则收集对应的数据信息，并将数据信息发送给服务器100。
步骤S140，服务器100根据每个数据收集节点200收集的数据信息以及针对每个数据收集节点200的收集模板和数据表单规则，对创建的数据库表进行数据写入。
基于上述步骤，本实施例通过服务器100根据各个数据收集节点200的节点标识信息创建数据库表，然后根据数据信息的数据类型信息，配置对应的针对各个数据收集节点200的收集模板和数据表单规则，使得数据收集节点200根据服务器100下发的收集模板和数据表单规则收集对应的数据信息，之后服务器100根据每个数据收集节点200收集的数据信息以及针对每个数据收集节点200的收集模板和数据表单规则，对创建的数据库表进行数据写入。如此，无需在数据收集过程中需要进行繁琐的确认和编辑操作，能够自动化精准控制每个数据收集节点200的收集过程，使得数据收集过程能够有效适应动态变化的业务任务场景，进而提高数据收集效率。
在一种可能的设计中，针对步骤S120，服务器100具体可以根据数据信息的数据类型信息，确定针对每个数据收集节点200的数据结构特征，并根据数据结构特征确定每个数据收集节点200的特征结构标记和特征结构标记之间的关联逻辑。然后，以特征结构标记为因素锚位、以关联逻辑为锚位单位，将数据结构特征构建为收集模板单位模型，并根据收集模板单位模型，提取将主特征结构标记的主因素锚位与辅特征结构标记中的辅因素锚位，并依次合并由主因素锚位与辅因素锚位构成的锚位重构数据模型。
在此基础上，可以将每个锚位重构数据模型转换为同种特征结构标记型的模型结构序列，模型结构包括策略和表达关联关系两种特征结构标记型。 由此，可以分析每个模型结构序列元素之间的语义关联逻辑和结构关联逻辑，得到对应的关联逻辑模型，并对关联逻辑模型进行加权，以将模型结构序列构建成策略级模型结构序列，其中，语义关联逻辑是指获取每个策略的策略特征、特征反转过程信息及特征标识构建成该策略的策略表达集合，将每个策略转化成对应的策略表达集合的特征向量，计算各个特征向量之间的关联关系，结构关联逻辑与每个策略的数据结构之间的关联关系有关。
接着，可以确定数据结构特征的策略级模型结构序列中因素锚位间不同特征结构标记型的关联逻辑权值的模板位置信息，并根据模板位置信息为数据结构特征分配模板位置。
接着，可以依次遍历策略级模型结构序列的每个策略级结构，根据策略间的关联关系，对每个策略级结构进行划分，得到数据结构特征的特征系统结构。
接着，可以根据数据结构特征的特征系统结构，配置对应的针对各个数据收集节点200的收集模板和数据表单规则。
在一种可能的设计中，在上述根据数据结构特征的特征系统结构，配置对应的针对各个数据收集节点200的收集模板和数据表单规则的过程中，可以根据数据结构特征的特征系统结构确定包含各个数据收集节点200的收集模板的模板特征信息和包含各个数据收集节点200的数据表单规则的规则特征信息。然后，使用第一模板生成策略、利用第一模板生成组件进行生成的、与数据表单规则的规则特征信息对应的数据表单规则以及利用各个数据收集节点200的收集模板的模板特征信息、采用第二模板生成组件对第一模板生成策略进行生成处理而获得第二模板生成策略。其中，第一模板生成策略为用于对数据表单规则进行生成处理的规则模板生成策略，第二模板生成策略为对利用各个数据收集节点200的收集模板的模板特征信息对第一模板生成策略进行生成处理得到的模板生成策略。
其中，服务器100预先使用第一模板生成策略和第一模板生成组件对数据表单规则进行生成处理，并利用各个数据收集节点200的收集模板的模板特征信息对第一模板生成策略进行生成处理生成第二模板生成策略，并向各个数据收集节点200的收集模板中填入生成处理后的数据表单规则以及第二模板生成策略，其中，相同的数据表单规则对应同一第一模板生成策略，不同的数据表单规则对应不同的第一模板生成策略，不同的各个数据收集节点200的收集模板对应不同的第二模板生成策略。
在一种可能的设计中，针对步骤S130，在实施过程中，数据收集节点200可以根据服务器100下发的收集模板和数据表单规则，设置数据收集过程的收集过程节点信息。然后，提取数据收集过程中不同节点的节点历史数据，并根据节点历史数据确定收集过程节点信息内的收集过程节点密度分布，并在收集过程节点密度分布达到设定条件时，将收集过程节点密度分布作为目标收集过程节点密度分布。在此基础上，可以根据目标收集过程节点密度分布调整收集过程节点信息，在调整过程中，获取对应节点的收集数据类型分布信息，直至任意一种确定的收集数据类型分布信息在已知分布位置处与实际的收集数据类型分布信息一致时，与调整后的节点对应的节点控制过程即为最终确定的节点控制过程。而后，将调整后的收集过程节点信息作为数据收集过程的目标数据收集范围，并根据数据收集过程的目标数据收集范围收集对应的数据信息。
在一种可能的设计中，针对步骤S140，在实施过程中，服务器100具体可以根据每个数据收集节点200收集的数据信息以及针对每个数据收集节点200的收集模板和数据表单规则，分析每个数据收集节点200收集的数据信息的数据写入表达策略和数据表单关联过程，构建数据写入模型。然后，获取数据写入模型的数据写入对象，生成跳转写入过程的对象，将数据写入对象传递到跳转写入过程的对象中，以构建数据跳转写入对象，并利用数据跳转写入对象替换数据写入模型的数据写入对象。 由此，在接收到每个数据收集节点200收集的数据信息后，可以获取数据信息的数据头的头信息，并且根据数据头的头信息写入相应的数据内容，之后调用数据写入对象执行数据写入处理操作。
例如，在调用数据写入对象执行数据写入处理操作的过程中，可以从数据写入对象中确定写入数据所在表项的表项定位信息。接着，可以调用数据写入模型获取表项区域在数据库表中的表项定位信息，并从数据写入模型中查找对应的数据写入策略，将所在表项的表项定位信息与表项区域在数据库表中的表项定位信息分别进行权重融合处理并作为写入参数，调用数据写入模型执行数据写入处理操作。
进一步地，接下来介绍本申请实施例的硬件环境，请结合参阅图3，图3为本申请实施例提供的用于实现上述服务器100和数据收集节点200的功能组件的电子设备300的结构示意图。如图3所示，该电子设备300可包括网络接口310、机器可读存储介质320、处理器330以及总线340。处理器330可以是一个或多个，图3中以一个处理器330为例。网络接口310、机器可读存储介质320以及处理器330可以通过总线440或其他方式连接，图3中以通过总线440连接为例。
机器可读存储介质320作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的本科教学质量信息的数据智能收集方法对应的程序指令/模块。处理器330通过检测存储在机器可读存储介质320中的软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述的本科教学质量信息的数据智能收集方法，在此不再赘述。
机器可读存储介质320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，机器可读存储介质320可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合发布节点的存储器。在一些实例中，机器可读存储介质320可进一步包括相对于处理器330远程设置的存储器，这些远程存储器可以通过网络连接至电子设备300。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。
处理器330可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器330中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器330可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。
电子设备300可以通过网络接口310和其它设备进行信息交互。网络接口310可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器330可以利用网络接口310收发信息。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、电子设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、电子设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的电子设备、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种本科教学质量信息的数据智能收集方法，其特征在于，应用于本科教学质量信息的数据智能收集系统，所述本科教学质量信息的数据智能收集系统包括服务器以及与所述服务器通信连接的各个用于采集本科教学的数据信息的数据收集节点，所述方法包括：
所述服务器根据各个数据收集节点的节点标识信息创建用于存储各个数据收集节点收集的不同数据类型的数据信息的数据库表，其中，所述节点标识信息用于表征所述数据收集节点的节点类型和节点数据收集任务；
所述服务器根据所述数据信息的数据类型信息，配置对应的针对各个数据收集节点的收集模板和数据表单规则，并将所述收集模板和数据表单规则发送给每个对应的数据收集节点；
所述数据收集节点根据所述服务器下发的收集模板和数据表单规则收集对应的数据信息，并将所述数据信息发送给所述服务器；
所述服务器根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，对创建的所述数据库表进行数据写入。
2.根据权利要求1所述的本科教学质量信息的数据智能收集方法，其特征在于，所述服务器根据所述数据信息的数据类型信息，配置对应的针对各个数据收集节点的收集模板和数据表单规则的步骤，包括：
根据所述数据信息的数据类型信息，确定针对每个数据收集节点的数据结构特征，并根据所述数据结构特征确定每个数据收集节点的特征结构标记和特征结构标记之间的关联逻辑；
以所述特征结构标记为因素锚位、以所述关联逻辑为锚位单位，将所述数据结构特征构建为收集模板单位模型；
根据所述收集模板单位模型，提取将主特征结构标记的主因素锚位与辅特征结构标记中的辅因素锚位，并依次合并由所述主因素锚位与所述辅因素锚位构成的锚位重构数据模型；
将每个锚位重构数据模型转换为同种特征结构标记型的模型结构序列，所述模型结构包括策略和表达关联关系两种特征结构标记型；
分析每个模型结构序列元素之间的语义关联逻辑和结构关联逻辑，得到对应的关联逻辑模型，并对所述关联逻辑模型进行加权，以将所述模型结构序列构建成策略级模型结构序列，其中，所述语义关联逻辑是指获取每个策略的策略特征、特征反转过程信息及特征标识构建成该策略的策略表达集合，将每个策略转化成对应的策略表达集合的特征向量，计算各个特征向量之间的关联关系，所述结构关联逻辑与所述每个策略的数据结构之间的关联关系有关；
确定所述数据结构特征的策略级模型结构序列中因素锚位间不同特征结构标记型的关联逻辑权值的模板位置信息，并根据所述模板位置信息为所述数据结构特征分配模板位置；
依次遍历所述策略级模型结构序列的每个策略级结构，根据策略间的关联关系，对每个策略级结构进行划分，得到所述数据结构特征的特征系统结构；
根据所述数据结构特征的特征系统结构，配置对应的针对各个数据收集节点的收集模板和数据表单规则。
3.根据权利要求2所述的本科教学质量信息的数据智能收集方法，其特征在于，所述根据所述数据结构特征的特征系统结构，配置对应的针对各个数据收集节点的收集模板和数据表单规则的步骤，包括：
根据所述数据结构特征的特征系统结构确定包含各个数据收集节点的收集模板的模板特征信息和包含各个数据收集节点的数据表单规则的规则特征信息；
使用第一模板生成策略、利用第一模板生成组件进行生成的、与所述数据表单规则的规则特征信息对应的数据表单规则以及利用所述各个数据收集节点的收集模板的模板特征信息、采用第二模板生成组件对所述第一模板生成策略进行生成处理而获得第二模板生成策略；其中，所述第一模板生成策略为用于对所述数据表单规则进行生成处理的规则模板生成策略，所述第二模板生成策略为对利用所述各个数据收集节点的收集模板的模板特征信息对所述第一模板生成策略进行生成处理得到的模板生成策略；
其中，所述服务器预先使用第一模板生成策略和第一模板生成组件对数据表单规则进行生成处理，并利用各个数据收集节点的收集模板的模板特征信息对第一模板生成策略进行生成处理生成第二模板生成策略，并向所述各个数据收集节点的收集模板中填入生成处理后的数据表单规则以及所述第二模板生成策略，其中，相同的数据表单规则对应同一第一模板生成策略，不同的数据表单规则对应不同的第一模板生成策略，不同的各个数据收集节点的收集模板对应不同的第二模板生成策略。
4.根据权利要求1所述的本科教学质量信息的数据智能收集方法，其特征在于，所述数据收集节点根据所述服务器下发的收集模板和数据表单规则收集对应的数据信息的步骤，包括：
所述数据收集节点根据所述服务器下发的收集模板和数据表单规则，设置数据收集过程的收集过程节点信息；
提取所述数据收集过程中不同节点的节点历史数据，并根据所述节点历史数据确定所述收集过程节点信息内的收集过程节点密度分布，并在所述收集过程节点密度分布达到设定条件时，将所述收集过程节点密度分布作为目标收集过程节点密度分布；
根据所述目标收集过程节点密度分布调整所述收集过程节点信息，在调整过程中，获取对应节点的收集数据类型分布信息，直至任意一种确定的收集数据类型分布信息在已知分布位置处与实际的收集数据类型分布信息一致时，与调整后的节点对应的节点控制过程即为最终确定的节点控制过程；
将调整后的收集过程节点信息作为所述数据收集过程的目标数据收集范围；
根据所述数据收集过程的目标数据收集范围收集对应的数据信息。
5.根据权利要求1所述的本科教学质量信息的数据智能收集方法，其特征在于，所述服务器根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，对创建的所述数据库表进行数据写入的步骤，包括：
根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，分析每个数据收集节点收集的数据信息的数据写入表达策略和数据表单关联过程，构建数据写入模型；
获取所述数据写入模型的数据写入对象，生成跳转写入过程的对象，将所述数据写入对象传递到所述跳转写入过程的对象中，以构建数据跳转写入对象，并利用所述数据跳转写入对象替换所述数据写入模型的数据写入对象；
在接收到每个数据收集节点收集的数据信息后，获取所述数据信息的数据头的头信息，并且根据所述数据头的头信息写入相应的数据内容；
调用所述数据写入对象执行数据写入处理操作。
6.根据权利要求5所述的本科教学质量信息的数据智能收集方法，其特征在于，所述调用所述数据写入对象执行数据写入处理操作的步骤，包括：
从所述数据写入对象中确定写入数据所在表项的表项定位信息；
调用所述数据写入模型获取表项区域在所述数据库表中的表项定位信息，并从数据写入模型中查找对应的数据写入策略，将所述所在表项的表项定位信息与表项区域在所述数据库表中的表项定位信息分别进行权重融合处理并作为写入参数，调用数据写入模型执行数据写入处理操作。
7.一种本科教学质量信息的数据智能收集系统，其特征在于，所述本科教学质量信息的数据智能收集系统包括服务器以及与所述服务器通信连接的各个用于采集本科教学的数据信息的数据收集节点；
所述服务器，用于根据各个数据收集节点的节点标识信息创建用于存储各个数据收集节点收集的不同数据类型的数据信息的数据库表，其中，所述节点标识信息用于表征所述数据收集节点的节点类型和节点数据收集任务；
所述服务器，用于根据所述数据信息的数据类型信息，配置对应的针对各个数据收集节点的收集模板和数据表单规则，并将所述收集模板和数据表单规则发送给每个对应的数据收集节点；
所述数据收集节点，用于根据所述服务器下发的收集模板和数据表单规则收集对应的数据信息，并将所述数据信息发送给所述服务器；
所述服务器，用于根据每个数据收集节点收集的数据信息以及针对每个数据收集节点的收集模板和数据表单规则，对创建的所述数据库表进行数据写入。
8.根据权利要求7所述的本科教学质量信息的数据智能收集系统，其特征在于，所述服务器具体用于通过以下方式配置对应的针对各个数据收集节点的收集模板和数据表单规则：
根据所述数据信息的数据类型信息，确定针对每个数据收集节点的数据结构特征，并根据所述数据结构特征确定每个数据收集节点的特征结构标记和特征结构标记之间的关联逻辑；
以所述特征结构标记为因素锚位、以所述关联逻辑为锚位单位，将所述数据结构特征构建为收集模板单位模型；
根据所述收集模板单位模型，提取将主特征结构标记的主因素锚位与辅特征结构标记中的辅因素锚位，并依次合并由所述主因素锚位与所述辅因素锚位构成的锚位重构数据模型；
将每个锚位重构数据模型转换为同种特征结构标记型的模型结构序列，所述模型结构包括策略和表达关联关系两种特征结构标记型；
分析每个模型结构序列元素之间的语义关联逻辑和结构关联逻辑，得到对应的关联逻辑模型，并对所述关联逻辑模型进行加权，以将所述模型结构序列构建成策略级模型结构序列，其中，所述语义关联逻辑是指获取每个策略的策略特征、特征反转过程信息及特征标识构建成该策略的策略表达集合，将每个策略转化成对应的策略表达集合的特征向量，计算各个特征向量之间的关联关系，所述结构关联逻辑与所述每个策略的数据结构之间的关联关系有关；
确定所述数据结构特征的策略级模型结构序列中因素锚位间不同特征结构标记型的关联逻辑权值的模板位置信息，并根据所述模板位置信息为所述数据结构特征分配模板位置；
依次遍历所述策略级模型结构序列的每个策略级结构，根据策略间的关联关系，对每个策略级结构进行划分，得到所述数据结构特征的特征系统结构；
根据所述数据结构特征的特征系统结构，配置对应的针对各个数据收集节点的收集模板和数据表单规则。
9.根据权利要求8所述的本科教学质量信息的数据智能收集系统，其特征在于，所述服务器具体通过以下方式配置对应的针对各个数据收集节点的收集模板和数据表单规则：
根据所述数据结构特征的特征系统结构确定包含各个数据收集节点的收集模板的模板特征信息和包含各个数据收集节点的数据表单规则的规则特征信息；
使用第一模板生成策略、利用第一模板生成组件进行生成的、与所述数据表单规则的规则特征信息对应的数据表单规则以及利用所述各个数据收集节点的收集模板的模板特征信息、采用第二模板生成组件对所述第一模板生成策略进行生成处理而获得第二模板生成策略；其中，所述第一模板生成策略为用于对所述数据表单规则进行生成处理的规则模板生成策略，所述第二模板生成策略为对利用所述各个数据收集节点的收集模板的模板特征信息对所述第一模板生成策略进行生成处理得到的模板生成策略；
其中，所述服务器预先使用第一模板生成策略和第一模板生成组件对数据表单规则进行生成处理，并利用各个数据收集节点的收集模板的模板特征信息对第一模板生成策略进行生成处理生成第二模板生成策略，并向所述各个数据收集节点的收集模板中填入生成处理后的数据表单规则以及所述第二模板生成策略，其中，相同的数据表单规则对应同一第一模板生成策略，不同的数据表单规则对应不同的第一模板生成策略，不同的各个数据收集节点的收集模板对应不同的第二模板生成策略。
10.根据权利要求7所述的本科教学质量信息的数据智能收集系统，其特征在于，所述数据收集节点具体通过以下方式收集对应的数据信息的步骤，包括：
所述数据收集节点根据所述服务器下发的收集模板和数据表单规则，设置数据收集过程的收集过程节点信息；
提取所述数据收集过程中不同节点的节点历史数据，并根据所述节点历史数据确定所述收集过程节点信息内的收集过程节点密度分布，并在所述收集过程节点密度分布达到设定条件时，将所述收集过程节点密度分布作为目标收集过程节点密度分布；
根据所述目标收集过程节点密度分布调整所述收集过程节点信息，在调整过程中，获取对应节点的收集数据类型分布信息，直至任意一种确定的收集数据类型分布信息在已知分布位置处与实际的收集数据类型分布信息一致时，与调整后的节点对应的节点控制过程即为最终确定的节点控制过程；
将调整后的收集过程节点信息作为所述数据收集过程的目标数据收集范围；
根据所述数据收集过程的目标数据收集范围收集对应的数据信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010000194.0A CN110781202B (zh) | 2020-01-02 | 2020-01-02 | 本科教学质量信息的数据智能收集方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010000194.0A CN110781202B (zh) | 2020-01-02 | 2020-01-02 | 本科教学质量信息的数据智能收集方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110781202A true CN110781202A (zh) | 2020-02-11 |
| CN110781202B CN110781202B (zh) | 2020-04-21 |
Family
ID=69394784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010000194.0A Active CN110781202B (zh) | 2020-01-02 | 2020-01-02 | 本科教学质量信息的数据智能收集方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110781202B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310207A (zh) * | 2020-02-14 | 2020-06-19 | 张�浩 | 电子商务数据处理方法、装置、电子商务系统及服务器 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101286879A (zh) * | 2008-04-29 | 2008-10-15 | 中兴通讯股份有限公司 | 显示基站采集数据的系统及其基站采集数据的显示方法 |
| CN103258451A (zh) * | 2013-05-09 | 2013-08-21 | 何凯佳 | 一种课堂教学辅助系统 |
| CN105049304A (zh) * | 2015-07-03 | 2015-11-11 | 中山火炬职业技术学院 | 支持多异构传输模块的物联网终端接入网关及应用系统 |
| CN105183834A (zh) * | 2015-08-31 | 2015-12-23 | 上海电科智能系统股份有限公司 | 一种基于本体库的交通大数据语义应用服务方法 |
| US9501618B1 (en) * | 2009-02-03 | 2016-11-22 | Brooke Erin Wurst | Systems, methods and devices for anonymously collecting personal data using a mobile device |
| CN107193858A (zh) * | 2017-03-28 | 2017-09-22 | 福州金瑞迪软件技术有限公司 | 面向多源异构数据融合的智能服务应用平台和方法 |
| CN108132989A (zh) * | 2017-12-15 | 2018-06-08 | 华中师范大学 | 一种基于教育大数据的分布式系统 |
| CN108537516A (zh) * | 2018-04-24 | 2018-09-14 | 温州市鹿城区中津先进科技研究院 | 智慧校园教育大数据融合平台 |
| CN108595617A (zh) * | 2018-04-23 | 2018-09-28 | 温州市鹿城区中津先进科技研究院 | 一种教育大数据综合分析系统 |
| CN108768791A (zh) * | 2018-07-04 | 2018-11-06 | 山东汇贸电子口岸有限公司 | 一种信息采集配置管理系统及方法 |
| CN110287195A (zh) * | 2019-06-28 | 2019-09-27 | 重庆回形针信息技术有限公司 | 分布式数据分析系统及方法 |
-
2020
- 2020-01-02 CN CN202010000194.0A patent/CN110781202B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101286879A (zh) * | 2008-04-29 | 2008-10-15 | 中兴通讯股份有限公司 | 显示基站采集数据的系统及其基站采集数据的显示方法 |
| US9501618B1 (en) * | 2009-02-03 | 2016-11-22 | Brooke Erin Wurst | Systems, methods and devices for anonymously collecting personal data using a mobile device |
| CN103258451A (zh) * | 2013-05-09 | 2013-08-21 | 何凯佳 | 一种课堂教学辅助系统 |
| CN105049304A (zh) * | 2015-07-03 | 2015-11-11 | 中山火炬职业技术学院 | 支持多异构传输模块的物联网终端接入网关及应用系统 |
| CN105183834A (zh) * | 2015-08-31 | 2015-12-23 | 上海电科智能系统股份有限公司 | 一种基于本体库的交通大数据语义应用服务方法 |
| CN107193858A (zh) * | 2017-03-28 | 2017-09-22 | 福州金瑞迪软件技术有限公司 | 面向多源异构数据融合的智能服务应用平台和方法 |
| CN108132989A (zh) * | 2017-12-15 | 2018-06-08 | 华中师范大学 | 一种基于教育大数据的分布式系统 |
| CN108595617A (zh) * | 2018-04-23 | 2018-09-28 | 温州市鹿城区中津先进科技研究院 | 一种教育大数据综合分析系统 |
| CN108537516A (zh) * | 2018-04-24 | 2018-09-14 | 温州市鹿城区中津先进科技研究院 | 智慧校园教育大数据融合平台 |
| CN108768791A (zh) * | 2018-07-04 | 2018-11-06 | 山东汇贸电子口岸有限公司 | 一种信息采集配置管理系统及方法 |
| CN110287195A (zh) * | 2019-06-28 | 2019-09-27 | 重庆回形针信息技术有限公司 | 分布式数据分析系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 陈亮: "高专院校教学质量实时测评系统设计与研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 韩叶秀: "信息技术环境下独立学院教学质量监控体系构建研究", 《中国优秀硕士学位论文全文数据库社会科学Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310207A (zh) * | 2020-02-14 | 2020-06-19 | 张�浩 | 电子商务数据处理方法、装置、电子商务系统及服务器 |
| CN111310207B (zh) * | 2020-02-14 | 2020-12-15 | 深圳市创富金科技有限公司 | 电子商务数据处理方法、装置、电子商务系统及服务器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110781202B (zh) | 2020-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111476498B (zh) | 新能源汽车充电管理方法、装置及新能源充电管理系统 | |
| CN111245912B (zh) | 智能楼宇信息监控方法、装置、服务器及智能楼宇系统 | |
| CN111132145B (zh) | 网络通信安全监测方法、装置、服务器及网络通信系统 | |
| CN111986062A (zh) | 基于物联网和云平台的环境监测方法、装置及监测服务器 | |
| CN111209336B (zh) | 基于区块链的数据分配方法、装置及服务器 | |
| CN112181531A (zh) | 虚拟现实场景加载方法及虚拟现实系统 | |
| CN110781202B (zh) | 本科教学质量信息的数据智能收集方法及系统 | |
| CN111614579A (zh) | 边缘设备的接入方法、接入装置和接入系统 | |
| CN111526213A (zh) | 基于区块链的设备控制系统 | |
| CN107786989B (zh) | 一种Lora智能水表网络网关部署方法及装置 | |
| CN115730410A (zh) | 基于配用电全息数据模型的电网配网网架拓扑构建方法 | |
| CN110826606A (zh) | 要素匹配方法、装置、服务器及可读存储介质 | |
| CN111209074B (zh) | 浏览器视图加载方法、装置、系统及服务器 | |
| CN112181425B (zh) | 基于云平台的软件开发包的编译方法及装置 | |
| CN111249106B (zh) | 老年康复机器人的训练控制装置及系统 | |
| CN112035490B (zh) | 基于云平台的电动车信息监控方法、装置及系统 | |
| CN111582663A (zh) | Nqi质量服务的方法、平台、用户终端及可读存储介质 | |
| CN111258968A (zh) | 企业冗余数据清理方法、装置及大数据平台 | |
| CN110399534A (zh) | 终端性能报表生成方法、装置、设备和存储介质 | |
| CN111107162B (zh) | 基于物联网的室内定位数据处理方法、装置及系统 | |
| CN117312549A (zh) | 工单的处理方法、装置及电子设备 | |
| CN112434817B (zh) | 构建通信算法数据库的方法、装置和计算机存储介质 | |
| CN111209509B (zh) | 基于大数据平台的信息展示方法、装置及大数据平台 | |
| CN111124321A (zh) | 激光打印机的调试方法及系统 | |
| CN111178209B (zh) | 核磁共振交互处理方法、装置及核磁共振交互系统 |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: No. 222, 2nd floor, building 3, No. 19, Shenzhou Road, Huangpu District, Guangzhou, Guangdong 510000 Patentee after: GUANGZHOU OCS INFORMATION TECHNOLOGY Co.,Ltd. Address before: Room 610, 612, 616, 601, building 5, No. 33, science Avenue, Science City, Guangzhou high tech Industrial Development Zone, Guangdong 510700 Patentee before: GUANGZHOU OCS INFORMATION TECHNOLOGY Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |