CN110826606A - 要素匹配方法、装置、服务器及可读存储介质 - Google Patents
要素匹配方法、装置、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN110826606A CN110826606A CN201911017812.6A CN201911017812A CN110826606A CN 110826606 A CN110826606 A CN 110826606A CN 201911017812 A CN201911017812 A CN 201911017812A CN 110826606 A CN110826606 A CN 110826606A
- Authority
- CN
- China
- Prior art keywords
- innovation
- feature
- attribute information
- matching
- element matching
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06F16/24—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种要素匹配方法、装置、服务器及可读存储介质，通过从目标企业的数据库服务器中获取目标企业的要素匹配特征数据库，并确定要素匹配特征数据库中包含创新要素匹配特征后，对创新要素匹配特征进行前向计算得到创新要素匹配特征的创新属性信息，将创新属性信息与预置的多个预置创新属性信息进行匹配，判断目标企业的创新特征，从而输出目标企业的创新要素规划建议，以减少企业创新要素评估的主观误差，有效提高企业数据库资源的重用率，能够快速准确地完成软件产品方案的创新评估任务，缩短产品研发时间，并且也能够更准确地识别企业关联创新能力的真实状况，从而提高企业的创新要素规划方向的准确性，为企业提供便利。
Description
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种要素匹配方法、装置、服务器及可读存储介质。
背景技术
传统的企业创新能力全面评估方法一般采取线下方式，通常仅仅只是简单地对企业的创新要素进行简要的评估，存在很大的主观差异性，不仅由于主观差异性导致实用性不强，而且相关匹配过程也异常繁琐、开销巨大，企业为了应对各类创新项目评估，往往需要投入巨大的时间和精力，即使将来可能出现的专业创新项目评估机构显然也无法完成对每年大量的评估任务，这对于互联网时代软件数量的大规模增长是非常不适合的。此外，传统方案中往往无法识别企业关联创新能力的真实状况，从而难以根据企业的实际研发状况综合企业的创新要素规划方向。如何减少企业创新要素评估的主观误差，对企业的创新要素进行有效准确地深度数据挖掘，是当前的一大难题。
发明内容
为了至少克服现有技术中的上述不足，本申请的目的之一在于提供一种要素匹配方法、装置、服务器及可读存储介质，以减少企业创新要素评估的主观误差，有效提高企业数据库资源的重用率，能够快速准确地完成软件产品方案的创新评估任务，缩短产品研发时间，并且也能够更准确地识别企业关联创新能力的真实状况，从而提高企业的创新要素规划方向的准确性，为企业提供便利。
第一方面，本申请提供一种要素匹配方法应用于服务器，所述服务器预先根据多个预置创新属性信息为每个预置创新属性信息建立唯一特征名称使得将各个预置创新属性信息的唯一特征名称与和其相对应的创新要素匹配特征的创新属性信息建立一一对应关系，以预先根据各个预置创新属性信息的唯一特征名称与创新要素匹配特征的创新属性信息建立匹配列表，且每个预置创新属性信息均与至少一个创新要素匹配特征的创新属性信息相匹配，所述方法包括：
从目标企业的数据库服务器中获取所述目标企业的要素匹配特征数据库，并利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征；
若包含创新要素匹配特征，则对所述创新要素匹配特征进行前向计算得到所述创新要素匹配特征的创新属性信息；
将计算得到创新要素匹配特征的创新属性信息与预置的多个预置创新属性信息进行匹配，判断所述目标企业的创新特征；
根据所述目标企业的创新特征输出所述目标企业的创新要素规划建议，并将所述目标企业的创新要素规划建议发送给所述目标企业的创新管理终端。
在第一方面的一种可能的设计中，所述利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征的步骤，包括：
从创新要素模板数据库中读取出常见创新要素模板；
根据所述要素匹配特征数据库中的要素适用业务类型从所述常见创新要素模板中确定待用创新要素模板；
根据待用创新要素模板确定待用创新要素的要素匹配范围；
利用所述要素匹配范围在所述要素匹配特征数据库中进行匹配，若匹配成功，则确定所述要素匹配特征数据库中包含创新要素匹配特征。
在第一方面的一种可能的设计中，所述特征匹配算法通过以下方式训练得到：
读取初始创新要素匹配特征数据，每个初始创新要素匹配特征数据中包含初始创新要素匹配特征数据库以及初始创新要素匹配特征数据库的各种创新属性信息；
从初始创新要素匹配特征数据库中提取创新要素匹配特征；
根据初始模型中的不同创新属性信息对应的子模型对每个初始创新要素匹配特征数据库的创新要素匹配特征进行前向计算，得到每个初始创新要素匹配特征数据库的多个创新属性信息的预测值；
根据所述预测值与创新属性信息的值，按照创新属性信息的不同业务适用类型计算得到所述多个创新属性信息的流失度；
将所述多个创新属性信息的流失度求和，得到所述多个创新属性信息的总流失度；
对所述初始模型中的不同创新属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个创新属性信息的总流失度小于或等于预设阈值时，停止调整得到所述特征匹配算法。
在第一方面的一种可能的设计中，所述根据所述目标企业的创新特征输出所述目标企业的创新要素规划建议的步骤，包括：
根据所述目标企业的创新特征获取所述目标企业接入的各个创新要素接入平台上的平台接入信息；
根据所述目标企业接入的各个创新要素接入平台上的平台接入信息获取针对其它与所述目标企业相匹配的其它关联企业在各个创新要素接入平台的关联平台接入信息；
对所述关联平台接入信息进行前向计算，得到所述关联平台接入信息的关联属性信息；
判断所述关联属性信息中是否存在第一创新属性信息和第二创新属性信息；其中，所述第一创新属性信息与所述目标企业的创新属性信息的匹配度大于第一设定匹配度，所述第二创新属性信息与所述目标企业的创新属性信息的匹配度小于第二设定匹配度；
若存在所述第一创新属性信息和所述第二创新属性信息，则获取所述各个创新要素接入平台上的相关接入企业的所述第一创新属性信息对应的第一创新特征以及相关接入企业的所述第二创新属性信息对应的第二创新特征；
对所述第一创新特征以及所述第二创新特征进行合成得到匹配创新特征；
将所述匹配创新特征与所述各个创新要素接入平台对应的标记创新特征进行匹配，并根据匹配结果输出所述目标企业的创新要素规划建议。
在第一方面的一种可能的设计中，所述对所述第一创新特征以及所述第二创新特征进行合成得到匹配创新特征的步骤，包括：
确定所述第一创新特征以及所述第二创新特征之间的对齐点；其中，所述对齐点是指所述第一创新特征以及所述第二创新特征合成的开始位置；
根据所述对齐点将所述第一创新特征与所述第二创新特征合成为匹配创新特征。
在第一方面的一种可能的设计中，所述确定所述第一创新特征以及所述第二创新特征之间的对齐点的步骤，包括：
计算所述第一创新特征的第一创新项目支撑度以及所述第二创新特征的第二创新项目支撑度；
计算所述第一创新项目支撑度和所述第二创新项目支撑度之间的差值；判断所述差值是否小于或等于预设数值；
若是，对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移，以获得最终持续创新项目支撑度相同的第一创新特征和第二创新特征，并以所述最终持续创新项目支撑度相同的第一创新特征和第二创新特征的首个创新特征位置作为对齐点；
若否，则使用相同的默认特征轮询采集方式对所述第一创新特征以及所述第二创新特征分别进行采集，得到第一创新特征位置组和第二创新特征位置组；
根据所述默认特征轮询采集方式、所述第一创新特征位置组、所述第二创新特征位置组以及互相关创新项目支撑度生成创新要素关联列表；其中，所述互相关创新项目支撑度与所述差值正相关，所述创新要素关联列表中包含有多个创新要素关联特征；
将所述创新要素关联列表中的多个创新要素关联特征进行比较，查找特征位置的创新项目支撑度最大的创新要素关联特征；
将所述创新要素关联特征对应的创新特征位置作为对齐点。
在第一方面的一种可能的设计中，所述对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移的步骤，包括：
若所述第一创新特征的第一创新项目支撑度相对于所述第二创新特征的第二创新项目支撑度较小，则根据所述差值确定所述差值占所述第一创新特征的第一创新项目支撑度的比例；
计算所述第一创新特征的特征数量，并根据所述特征数量和所述比例计算偏移系数；
根据所述偏移系数，对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移。
第二方面，本申请实施例提供一种要素匹配装置，应用于服务器，所述服务器预先根据多个预置创新属性信息为每个预置创新属性信息建立唯一特征名称使得将各个预置创新属性信息的唯一特征名称与和其相对应的创新要素匹配特征的创新属性信息建立一一对应关系，以预先根据各个预置创新属性信息的唯一特征名称与创新要素匹配特征的创新属性信息建立匹配列表，且每个预置创新属性信息均与至少一个创新要素匹配特征的创新属性信息相匹配，所述装置包括：
获取模块，用于从目标企业的数据库服务器中获取所述目标企业的要素匹配特征数据库，并利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征；
计算模块，用于若包含创新要素匹配特征，则对所述创新要素匹配特征进行前向计算得到所述创新要素匹配特征的创新属性信息；
匹配判断模块，用于将计算得到创新要素匹配特征的创新属性信息与预置的多个预置创新属性信息进行匹配，判断所述目标企业的创新特征；
输出发送模块，用于根据所述目标企业的创新特征输出所述目标企业的创新要素规划建议，并将所述目标企业的创新要素规划建议发送给所述目标企业的创新管理终端。
第三方面，本申请实施例提供一种服务器，包括处理器、存储器和网络接口。其中，存储器、网络接口处理器之间可以通过总线系统相连。网络接口用于接收报文，存储器用于存储程序、指令或代码，处理器用于执行存储器中的程序、指令或代码，以完成上述第一方面或第一方面的任意可能的设计方式中的所执行的操作。
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，当其在计算机上检测时，使得计算机执行上述第一方面或第一方面的任意可能的设计方式中的方法。
基于上述任意一个方面，本申请通过从目标企业的数据库服务器中获取目标企业的要素匹配特征数据库，并确定要素匹配特征数据库中包含创新要素匹配特征后，对创新要素匹配特征进行前向计算得到创新要素匹配特征的创新属性信息，将创新属性信息与预置的多个预置创新属性信息进行匹配，判断目标企业的创新特征，从而输出目标企业的创新要素规划建议，以减少企业创新要素评估的主观误差，有效提高企业数据库资源的重用率，能够快速准确地完成软件产品方案的创新评估任务，缩短产品研发时间，并且也能够更准确地识别企业关联创新能力的真实状况，从而提高企业的创新要素规划方向的准确性，为企业提供便利。
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要素匹配方法的应用场景示意图；
图2为本申请实施例提供的要素匹配方法的流程示意图；
图3为图2中所示的一种可能的设计中步骤S140包括的各个子步骤的流程示意图；
图4为本申请实施例提供的要素匹配装置的功能模块示意图；
图5为本申请实施例提供的用于执行上述的要素匹配方法的服务器的结构示意框图。
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对象的关联关系，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。
请参阅图1，为本申请实施例提供的要素匹配方法的应用场景示意图。本实施例中，该应用场景可包括服务器100以及与该服务器100通信连接的多个数据库服务器200。其中，服务器100可以为多个企业的数据库服务器200提供要素匹配服务。每个数据库服务器200存储有企业的要素匹配特征数据库，所述要素匹配特征数据库可包括多种待匹配的要素的特征。
其中，所述服务器预先根据多个预置创新属性信息为每个预置创新属性信息建立唯一特征名称使得将各个预置创新属性信息的唯一特征名称与和其相对应的创新要素匹配特征的创新属性信息建立一一对应关系，以预先根据各个预置创新属性信息的唯一特征名称与创新要素匹配特征的创新属性信息建立匹配列表，且每个预置创新属性信息均与至少一个创新要素匹配特征的创新属性信息相匹配。
图2为本申请实施例提供的要素匹配方法的流程示意图。本实施例中，该要素匹配方法可以由图1中所示的服务器100执行，下面对该要素匹配方法进行详细介绍。
步骤S110，从目标企业的数据库服务器中获取所述目标企业的要素匹配特征数据库，并利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征。
步骤S120，若包含创新要素匹配特征，则对所述创新要素匹配特征进行前向计算得到所述创新要素匹配特征的创新属性信息。
步骤S130，将计算得到创新要素匹配特征的创新属性信息与预置的多个预置创新属性信息进行匹配，判断所述目标企业的创新特征。
步骤S140，根据所述目标企业的创新特征输出所述目标企业的创新要素规划建议，并将所述目标企业的创新要素规划建议发送给所述目标企业的创新管理终端。
基于上述步骤，本实施例通过从目标企业的数据库服务器中获取目标企业的要素匹配特征数据库，并确定要素匹配特征数据库中包含创新要素匹配特征后，对创新要素匹配特征进行前向计算得到创新要素匹配特征的创新属性信息，将创新属性信息与预置的多个预置创新属性信息进行匹配，判断目标企业的创新特征，从而输出目标企业的创新要素规划建议，以减少企业创新要素评估的主观误差，有效提高企业数据库资源的重用率，能够快速准确地完成软件产品方案的创新评估任务，缩短产品研发时间，并且也能够更准确地识别企业关联创新能力的真实状况，从而提高企业的创新要素规划方向的准确性，为企业提供便利。
在一种可能的设计中，针对步骤S110，具体可以通过以下实现方式实现：
从创新要素模板数据库中读取出常见创新要素模板，并根据所述要素匹配特征数据库中的要素适用业务类型从所述常见创新要素模板中确定待用创新要素模板，然后根据待用创新要素模板确定待用创新要素的要素匹配范围，并利用所述要素匹配范围在所述要素匹配特征数据库中进行匹配，若匹配成功，则确定所述要素匹配特征数据库中包含创新要素匹配特征。
在一种可能的设计中，所述特征匹配算法可以通过以下方式训练得到：
首先读取初始创新要素匹配特征数据，每个初始创新要素匹配特征数据中包含初始创新要素匹配特征数据库以及初始创新要素匹配特征数据库的各种创新属性信息。接着，从初始创新要素匹配特征数据库中提取创新要素匹配特征，并根据初始模型中的不同创新属性信息对应的子模型对每个初始创新要素匹配特征数据库的创新要素匹配特征进行前向计算，得到每个初始创新要素匹配特征数据库的多个创新属性信息的预测值。接着，根据所述预测值与创新属性信息的值，按照创新属性信息的不同业务适用类型计算得到所述多个创新属性信息的流失度，并将所述多个创新属性信息的流失度求和，得到所述多个创新属性信息的总流失度。接着，对所述初始模型中的不同创新属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个创新属性信息的总流失度小于或等于预设阈值时，停止调整得到所述特征匹配算法。
在一种可能的设计中，本实施例在前述实施例的基础上，进一步考虑到关联企业的创新能力进行综合评估，提高创新要素规划建议的准确性，针对步骤S140，下面结合图3对步骤S140的各个子步骤进行示例性阐述。
子步骤S141，根据所述目标企业的创新特征获取所述目标企业接入的各个创新要素接入平台上的平台接入信息。
子步骤S142，根据所述目标企业接入的各个创新要素接入平台上的平台接入信息获取针对其它与所述目标企业相匹配的其它关联企业在各个创新要素接入平台的关联平台接入信息。
子步骤S143，对所述关联平台接入信息进行前向计算，得到所述关联平台接入信息的关联属性信息。
子步骤S144，判断所述关联属性信息中是否存在第一创新属性信息和第二创新属性信息。其中，所述第一创新属性信息与所述目标企业的创新属性信息的匹配度大于第一设定匹配度，所述第二创新属性信息与所述目标企业的创新属性信息的匹配度小于第二设定匹配度。
子步骤S145，若存在所述第一创新属性信息和所述第二创新属性信息，则获取所述各个创新要素接入平台上的相关接入企业的所述第一创新属性信息对应的第一创新特征以及相关接入企业的所述第二创新属性信息对应的第二创新特征。
子步骤S146，对所述第一创新特征以及所述第二创新特征进行合成得到匹配创新特征。
子步骤S147，将所述匹配创新特征与所述各个创新要素接入平台对应的标记创新特征进行匹配，并根据匹配结果输出所述目标企业的创新要素规划建议。
如此，基于上述步骤，本实施例考虑到关联企业的创新能力进行综合评估，提高创新要素规划建议的准确性。
在一种可能的设计中，为了提高特征匹配的准确性，针对子步骤S146，具体可以确定所述第一创新特征以及所述第二创新特征之间的对齐点；其中，所述对齐点是指所述第一创新特征以及所述第二创新特征合成的开始位置。然后，根据所述对齐点将所述第一创新特征与所述第二创新特征合成为匹配创新特征，这样在获取到第一创新特征和第二创新特征之后，并不是逐一地对这两个创新特征进行匹配，而是把这两个创新特征进行合成得到匹配创新特征，然后再进行匹配，而创新特征合成后会产生更多的可匹配参数(例如是否对齐，差值大小等)，提高了特征匹配的准确性。
在一种可能的设计中，确定所述第一创新特征以及所述第二创新特征之间的对齐点的方式可以是：计算所述第一创新特征的第一创新项目支撑度以及所述第二创新特征的第二创新项目支撑度，并计算所述第一创新项目支撑度和所述第二创新项目支撑度之间的差值；判断所述差值是否小于或等于预设数值。若所述差值小于或等于预设数值，则对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移，以获得最终持续创新项目支撑度相同的第一创新特征和第二创新特征，并以所述最终持续创新项目支撑度相同的第一创新特征和第二创新特征的首个创新特征位置作为对齐点。若所述差值大于预设数值，则使用相同的默认特征轮询采集方式对所述第一创新特征以及所述第二创新特征分别进行采集，得到第一创新特征位置组和第二创新特征位置组，然后根据所述默认特征轮询采集方式、所述第一创新特征位置组、所述第二创新特征位置组以及互相关创新项目支撑度生成创新要素关联列表；其中，所述互相关创新项目支撑度与所述差值正相关，所述创新要素关联列表中包含有多个创新要素关联特征。接着，将所述创新要素关联列表中的多个创新要素关联特征进行比较，查找特征位置的创新项目支撑度最大的创新要素关联特征，从而将所述创新要素关联特征对应的创新特征位置作为对齐点。
如此，本实施例进一步考虑到创新特征的创新项目支撑度，可以使得在进行特征匹配时进一步参考创新特征的创新项目支撑度，提高特征匹配的准确性。
在一种可能的设计中，上述对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移的方式可以是：若所述第一创新特征的第一创新项目支撑度相对于所述第二创新特征的第二创新项目支撑度较小，则根据所述差值确定所述差值占所述第一创新特征的第一创新项目支撑度的比例，然后计算所述第一创新特征的特征数量，并根据所述特征数量和所述比例计算偏移系数，从而根据所述偏移系数，对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移。
图4为本申请实施例提供的要素匹配装置300的功能模块示意图，本实施例可以根据上述方法实施例对该要素匹配装置300进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。比如，在采用对应各个功能划分各个功能模块的情况下，图4示出的要素匹配装置300只是一种装置示意图。其中，要素匹配装置300可以包括获取模块310、计算模块320、匹配判断模块330以及输出发送模块340，下面分别对该要素匹配装置300的各个功能模块的功能进行详细阐述。
获取模块310，用于从目标企业的数据库服务器中获取所述目标企业的要素匹配特征数据库，并利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征。
计算模块320，用于若包含创新要素匹配特征，则对所述创新要素匹配特征进行前向计算得到所述创新要素匹配特征的创新属性信息。
匹配判断模块330，用于将计算得到创新要素匹配特征的创新属性信息与预置的多个预置创新属性信息进行匹配，判断所述目标企业的创新特征。
输出发送模块340，用于根据所述目标企业的创新特征输出所述目标企业的创新要素规划建议，并将所述目标企业的创新要素规划建议发送给所述目标企业的创新管理终端。
在一种可能的设计中，所述获取模块310可以通过以下方式利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征：
从创新要素模板数据库中读取出常见创新要素模板；
根据所述要素匹配特征数据库中的要素适用业务类型从所述常见创新要素模板中确定待用创新要素模板；
根据待用创新要素模板确定待用创新要素的要素匹配范围；
利用所述要素匹配范围在所述要素匹配特征数据库中进行匹配，若匹配成功，则确定所述要素匹配特征数据库中包含创新要素匹配特征。
在一种可能的设计中，所述特征匹配算法可以通过以下方式训练得到：
读取初始创新要素匹配特征数据，每个初始创新要素匹配特征数据中包含初始创新要素匹配特征数据库以及初始创新要素匹配特征数据库的各种创新属性信息；
从初始创新要素匹配特征数据库中提取创新要素匹配特征；
根据初始模型中的不同创新属性信息对应的子模型对每个初始创新要素匹配特征数据库的创新要素匹配特征进行前向计算，得到每个初始创新要素匹配特征数据库的多个创新属性信息的预测值；
根据所述预测值与创新属性信息的值，按照创新属性信息的不同业务适用类型计算得到所述多个创新属性信息的流失度；
将所述多个创新属性信息的流失度求和，得到所述多个创新属性信息的总流失度；
对所述初始模型中的不同创新属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个创新属性信息的总流失度小于或等于预设阈值时，停止调整得到所述特征匹配算法。
在一种可能的设计中，所述输出发送模块340可以通过以下方式输出所述目标企业的创新要素规划建议：
根据所述目标企业的创新特征获取所述目标企业接入的各个创新要素接入平台上的平台接入信息；
根据所述目标企业接入的各个创新要素接入平台上的平台接入信息获取针对其它与所述目标企业相匹配的其它关联企业在各个创新要素接入平台的关联平台接入信息；
对所述关联平台接入信息进行前向计算，得到所述关联平台接入信息的关联属性信息；
判断所述关联属性信息中是否存在第一创新属性信息和第二创新属性信息；其中，所述第一创新属性信息与所述目标企业的创新属性信息的匹配度大于第一设定匹配度，所述第二创新属性信息与所述目标企业的创新属性信息的匹配度小于第二设定匹配度；
若存在所述第一创新属性信息和所述第二创新属性信息，则获取所述各个创新要素接入平台上的相关接入企业的所述第一创新属性信息对应的第一创新特征以及相关接入企业的所述第二创新属性信息对应的第二创新特征；
对所述第一创新特征以及所述第二创新特征进行合成得到匹配创新特征；
将所述匹配创新特征与所述各个创新要素接入平台对应的标记创新特征进行匹配，并根据匹配结果输出所述目标企业的创新要素规划建议。
在一种可能的设计中，所述输出发送模块340可以通过以下方式对所述第一创新特征以及所述第二创新特征进行合成得到匹配创新特征：
确定所述第一创新特征以及所述第二创新特征之间的对齐点；其中，所述对齐点是指所述第一创新特征以及所述第二创新特征合成的开始位置；
根据所述对齐点将所述第一创新特征与所述第二创新特征合成为匹配创新特征。
在一种可能的设计中，所述输出发送模块340可以通过以下方式确定所述第一创新特征以及所述第二创新特征之间的对齐点：
计算所述第一创新特征的第一创新项目支撑度以及所述第二创新特征的第二创新项目支撑度；
计算所述第一创新项目支撑度和所述第二创新项目支撑度之间的差值；判断所述差值是否小于或等于预设数值；
若是，对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移，以获得最终持续创新项目支撑度相同的第一创新特征和第二创新特征，并以所述最终持续创新项目支撑度相同的第一创新特征和第二创新特征的首个创新特征位置作为对齐点；
若否，则使用相同的默认特征轮询采集方式对所述第一创新特征以及所述第二创新特征分别进行采集，得到第一创新特征位置组和第二创新特征位置组；
根据所述默认特征轮询采集方式、所述第一创新特征位置组、所述第二创新特征位置组以及互相关创新项目支撑度生成创新要素关联列表；其中，所述互相关创新项目支撑度与所述差值正相关，所述创新要素关联列表中包含有多个创新要素关联特征；
将所述创新要素关联列表中的多个创新要素关联特征进行比较，查找特征位置的创新项目支撑度最大的创新要素关联特征；
将所述创新要素关联特征对应的创新特征位置作为对齐点。
在一种可能的设计中，所述输出发送模块340可以通过以下方式对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移：
若所述第一创新特征的第一创新项目支撑度相对于所述第二创新特征的第二创新项目支撑度较小，则根据所述差值确定所述差值占所述第一创新特征的第一创新项目支撑度的比例；
计算所述第一创新特征的特征数量，并根据所述特征数量和所述比例计算偏移系数；
根据所述偏移系数，对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移。
图5为本申请实施例提供的用于执行上述要素匹配方法的服务器100的结构示意图，如图5所示，该服务器100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130的数量可以是一个或多个，图5中以一个处理器130为例；网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接，图5中以通过总线140连接为例。
机器可读存储介质120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建立机器人自动问答知识库的方法对应的程序指令/模块(例如，图5中所示的要素匹配装置300中的获取聚类模块310、提取确定模块320、数据获取模块330以及数据挖掘模块340)。处理器130通过检测存储在机器可读存储介质120中的软件程序、指令以及模块，从而执行服务器100的各种功能应用以及数据处理，即实现上述的要素匹配方法，在此不再赘述。
机器可读存储介质120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120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时刻的存储器。在一些实例中，机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。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130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130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130可以是通用处理器、数字信号处理器(DigitalSignalProcessorDSP)、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。
服务器100可以通过通信接口110和其它设备(例如数据库服务器200)进行信息交互。通信接口110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130可以利用通信接口110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、服务器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、服务器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服务器、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)
1.一种要素匹配方法，其特征在于，应用于服务器，所述服务器预先根据多个预置创新属性信息为每个预置创新属性信息建立唯一特征名称使得将各个预置创新属性信息的唯一特征名称与和其相对应的创新要素匹配特征的创新属性信息建立一一对应关系，以预先根据各个预置创新属性信息的唯一特征名称与创新要素匹配特征的创新属性信息建立匹配列表，且每个预置创新属性信息均与至少一个创新要素匹配特征的创新属性信息相匹配，所述方法包括：
从目标企业的数据库服务器中获取所述目标企业的要素匹配特征数据库，并利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征；
若包含创新要素匹配特征，则对所述创新要素匹配特征进行前向计算得到所述创新要素匹配特征的创新属性信息；
将计算得到创新要素匹配特征的创新属性信息与预置的多个预置创新属性信息进行匹配，判断所述目标企业的创新特征；
根据所述目标企业的创新特征输出所述目标企业的创新要素规划建议，并将所述目标企业的创新要素规划建议发送给所述目标企业的创新管理终端。
2.根据权利要求1所述的要素匹配方法，其特征在于，所述利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征的步骤，包括：
从所述创新要素模板数据库中读取出常见创新要素模板；
根据所述要素匹配特征数据库中的要素适用业务类型从所述常见创新要素模板中确定待用创新要素模板；
根据待用创新要素模板确定待用创新要素的要素匹配范围；
利用所述要素匹配范围在所述要素匹配特征数据库中进行匹配，若匹配成功，则确定所述要素匹配特征数据库中包含创新要素匹配特征。
3.根据权利要求1所述的要素匹配方法，其特征在于，所述特征匹配算法通过以下方式训练得到：
读取初始创新要素匹配特征数据，每个初始创新要素匹配特征数据中包含初始创新要素匹配特征数据库以及初始创新要素匹配特征数据库的各种创新属性信息；
从初始创新要素匹配特征数据库中提取创新要素匹配特征；
根据初始模型中的不同创新属性信息对应的子模型对每个初始创新要素匹配特征数据库的创新要素匹配特征进行前向计算，得到每个初始创新要素匹配特征数据库的多个创新属性信息的预测值；
根据所述预测值与创新属性信息的值，按照创新属性信息的不同业务适用类型计算得到所述多个创新属性信息的流失度；
将所述多个创新属性信息的流失度求和，得到所述多个创新属性信息的总流失度；
对所述初始模型中的不同创新属性信息对应的子模型的参数进行调整，直到调整后的参数使得所述多个创新属性信息的总流失度小于或等于预设阈值时，停止调整得到所述特征匹配算法。
4.根据权利要求1所述的要素匹配方法，其特征在于，所述根据所述目标企业的创新特征输出所述目标企业的创新要素规划建议的步骤，包括：
根据所述目标企业的创新特征获取所述目标企业接入的各个创新要素接入平台上的平台接入信息；
根据所述目标企业接入的各个创新要素接入平台上的平台接入信息获取针对其它与所述目标企业相匹配的其它关联企业在各个创新要素接入平台的关联平台接入信息；
对所述关联平台接入信息进行前向计算，得到所述关联平台接入信息的关联属性信息；
判断所述关联属性信息中是否存在第一创新属性信息和第二创新属性信息；其中，所述第一创新属性信息与所述目标企业的创新属性信息的匹配度大于第一设定匹配度，所述第二创新属性信息与所述目标企业的创新属性信息的匹配度小于第二设定匹配度；
若存在所述第一创新属性信息和所述第二创新属性信息，则获取所述各个创新要素接入平台上的相关接入企业的所述第一创新属性信息对应的第一创新特征以及相关接入企业的所述第二创新属性信息对应的第二创新特征；
对所述第一创新特征以及所述第二创新特征进行合成得到匹配创新特征；
将所述匹配创新特征与所述各个创新要素接入平台对应的标记创新特征进行匹配，并根据匹配结果输出所述目标企业的创新要素规划建议。
5.根据权利要求4所述的要素匹配方法，其特征在于，所述对所述第一创新特征以及所述第二创新特征进行合成得到匹配创新特征的步骤，包括：
确定所述第一创新特征以及所述第二创新特征之间的对齐点；其中，所述对齐点是指所述第一创新特征以及所述第二创新特征合成的开始位置；
根据所述对齐点将所述第一创新特征与所述第二创新特征合成为匹配创新特征。
6.根据权利要求5所述的要素匹配方法，其特征在于，所述确定所述第一创新特征以及所述第二创新特征之间的对齐点的步骤，包括：
计算所述第一创新特征的第一创新项目支撑度以及所述第二创新特征的第二创新项目支撑度；
计算所述第一创新项目支撑度和所述第二创新项目支撑度之间的差值；判断所述差值是否小于或等于预设数值；
若是，对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移，以获得最终持续创新项目支撑度相同的第一创新特征和第二创新特征，并以所述最终持续创新项目支撑度相同的第一创新特征和第二创新特征的首个创新特征位置作为对齐点；
若否，则使用相同的默认特征轮询采集方式对所述第一创新特征以及所述第二创新特征分别进行采集，得到第一创新特征位置组和第二创新特征位置组；
根据所述默认特征轮询采集方式、所述第一创新特征位置组、所述第二创新特征位置组以及互相关创新项目支撑度生成创新要素关联列表；其中，所述互相关创新项目支撑度与所述差值正相关，所述创新要素关联列表中包含有多个创新要素关联特征；
将所述创新要素关联列表中的多个创新要素关联特征进行比较，查找特征位置的创新项目支撑度最大的创新要素关联特征；
将所述创新要素关联特征对应的创新特征位置作为对齐点。
7.根据权利要求6所述的要素匹配方法，其特征在于，所述对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移的步骤，包括：
若所述第一创新特征的第一创新项目支撑度相对于所述第二创新特征的第二创新项目支撑度较小，则根据所述差值确定所述差值占所述第一创新特征的第一创新项目支撑度的比例；
计算所述第一创新特征的特征数量，并根据所述特征数量和所述比例计算偏移系数；
根据所述偏移系数，对所述第一创新特征和所述第二创新特征中的任一创新特征进行周期上的偏移。
8.一种要素匹配装置，其特征在于，应用于服务器，所述服务器预先根据多个预置创新属性信息为每个预置创新属性信息建立唯一特征名称使得将各个预置创新属性信息的唯一特征名称与和其相对应的创新要素匹配特征的创新属性信息建立一一对应关系，以预先根据各个预置创新属性信息的唯一特征名称与创新要素匹配特征的创新属性信息建立匹配列表，且每个预置创新属性信息均与至少一个创新要素匹配特征的创新属性信息相匹配，所述装置包括：
获取模块，用于从目标企业的数据库服务器中获取所述目标企业的要素匹配特征数据库，并利用特征匹配算法确定所述要素匹配特征数据库中是否包含创新要素匹配特征；
计算模块，用于若包含创新要素匹配特征，则对所述创新要素匹配特征进行前向计算得到所述创新要素匹配特征的创新属性信息；
匹配判断模块，用于将计算得到创新要素匹配特征的创新属性信息与预置的多个预置创新属性信息进行匹配，判断所述目标企业的创新特征；
输出发送模块，用于根据所述目标企业的创新特征输出所述目标企业的创新要素规划建议，并将所述目标企业的创新要素规划建议发送给所述目标企业的创新管理终端。
9.一种服务器，其特征在于，所述服务器包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该服务器实现权利要求1-7中任意一项所述的要素匹配方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有机器可执行指令，所述机器可执行指令被执行时实现权利要求1-7中任意一项所述的要素匹配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911017812.6A CN110826606B (zh) | 2019-10-24 | 2019-10-24 | 要素匹配方法、装置、服务器及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911017812.6A CN110826606B (zh) | 2019-10-24 | 2019-10-24 | 要素匹配方法、装置、服务器及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110826606A true CN110826606A (zh) | 2020-02-21 |
| CN110826606B CN110826606B (zh) | 2020-07-10 |
Family
ID=69550338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911017812.6A Active CN110826606B (zh) | 2019-10-24 | 2019-10-24 | 要素匹配方法、装置、服务器及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110826606B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112164435A (zh) * | 2020-10-14 | 2021-01-01 | 上海妙一生物科技有限公司 | 信息匹配方法、装置、设备和存储介质 |
| CN112632028A (zh) * | 2020-12-04 | 2021-04-09 | 中牟县职业中等专业学校 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
| CN113343076A (zh) * | 2021-04-23 | 2021-09-03 | 山东师范大学 | 一种基于特征匹配度的创新技术推荐方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001039075A2 (en) * | 1999-11-24 | 2001-05-31 | Laurence Lubin | Method and apparatus for fundamental human values market driven innovation |
| US20150073870A1 (en) * | 2013-09-12 | 2015-03-12 | Netspective Communications Llc | Crowdsourced initiatives tracking, development, evaluation and scoring |
| CN106600117A (zh) * | 2016-04-13 | 2017-04-26 | 内蒙古工业大学 | 一种面向装备制造业的知识创新评价体系动态识别方法 |
| CN109726932A (zh) * | 2019-01-15 | 2019-05-07 | 广州高企云信息科技有限公司 | 一种服务于企业创新管理的元数据管理系统 |
-
2019
- 2019-10-24 CN CN201911017812.6A patent/CN110826606B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001039075A2 (en) * | 1999-11-24 | 2001-05-31 | Laurence Lubin | Method and apparatus for fundamental human values market driven innovation |
| US20150073870A1 (en) * | 2013-09-12 | 2015-03-12 | Netspective Communications Llc | Crowdsourced initiatives tracking, development, evaluation and scoring |
| CN106600117A (zh) * | 2016-04-13 | 2017-04-26 | 内蒙古工业大学 | 一种面向装备制造业的知识创新评价体系动态识别方法 |
| CN109726932A (zh) * | 2019-01-15 | 2019-05-07 | 广州高企云信息科技有限公司 | 一种服务于企业创新管理的元数据管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| 赵真 等: "高新技术企业创新要素与创新能力的匹配度研究-基于湖北省2015年的数据分析", 《商情》 * |
| 齐晶晶 等: "十大城市群自主创新能力及其协调发展程度测度分析", 《改革与战略》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112164435A (zh) * | 2020-10-14 | 2021-01-01 | 上海妙一生物科技有限公司 | 信息匹配方法、装置、设备和存储介质 |
| CN112632028A (zh) * | 2020-12-04 | 2021-04-09 | 中牟县职业中等专业学校 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
| CN112632028B (zh) * | 2020-12-04 | 2021-08-24 | 中牟县职业中等专业学校 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
| CN113343076A (zh) * | 2021-04-23 | 2021-09-03 | 山东师范大学 | 一种基于特征匹配度的创新技术推荐方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110826606B (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826606B (zh) | 要素匹配方法、装置、服务器及可读存储介质 | |
| CN111277469B (zh) | 网络诊断处理方法、装置、网络系统及服务器 | |
| CN111104291B (zh) | 基于物联网的环境监测方法、装置、系统及监测服务器 | |
| 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 | |
| CN110442762B (zh) | 基于云平台大数据的大数据处理方法 | |
| CN111209336B (zh) | 基于区块链的数据分配方法、装置及服务器 | |
| CN110955715A (zh) | Erp系统和目标平台的数据转换方法、装置以及电子设备 | |
| CN111814052A (zh) | 移动互联网用户管理方法、装置、服务器及可读存储介质 | |
| CN112651429B (zh) | 一种音频信号时序对齐方法和装置 | |
| CN110968273B (zh) | 基于物联网的激光彩色打印方法及系统 | |
| CN112511341A (zh) | 一种网络自动化故障定位方法、终端及存储介质 | |
| CN112181563A (zh) | 基于云平台的浏览器视图加载方法、装置、系统及服务器 | |
| CN111680293A (zh) | 基于互联网的信息监控管理方法、装置及服务器 | |
| CN110990852B (zh) | 大数据安全防护方法、装置、服务器及可读存储介质 | |
| CN112055076A (zh) | 基于互联网的多功能智能监控方法、装置及服务器 | |
| CN114238822A (zh) | 一种Web服务设备的识别方法及装置 | |
| CN110781202A (zh) | 本科教学质量信息的数据智能收集方法及系统 | |
| CN111539477A (zh) | 水质监测管理方法、装置、服务器及可读存储介质 | |
| CN111209509B (zh) | 基于大数据平台的信息展示方法、装置及大数据平台 | |
| CN111340683B (zh) | 图像数据处理方法、装置、图像处理系统及服务器 | |
| CN112364515B (zh) | 一种生态环境智能监控方法、装置及服务器 | |
| CN110990378A (zh) | 一种基于区块链的数据一致性对比方法及设备、介质 | |
| CN111178209B (zh) | 核磁共振交互处理方法、装置及核磁共振交互系统 | |
| CN112055075B (zh) | 互联网产品监控方法、装置、服务器及可读存储介质 |
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 |