CN111738589A - 基于内容推荐的大数据项目工作量评估方法、装置及设备 - Google Patents
基于内容推荐的大数据项目工作量评估方法、装置及设备 Download PDFInfo
- Publication number
- CN111738589A CN111738589A CN202010566453.6A CN202010566453A CN111738589A CN 111738589 A CN111738589 A CN 111738589A CN 202010566453 A CN202010566453 A CN 202010566453A CN 111738589 A CN111738589 A CN 111738589A
- Authority
- CN
- China
- Prior art keywords
- item
- evaluated
- historical
- workload
- project
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000012634 fragment Substances 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013479 data entry Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- QBPFLULOKWLNNW-UHFFFAOYSA-N chrysazin Chemical compound O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=CC=C2O QBPFLULOKWLNNW-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种基于内容推荐的大数据项目工作量评估方法、装置及设备。包括：获取待评估项目的工作量基数及影响因子；对所述待评估项目和历史项目进行相似度计算，获得所述待评估项目对应的历史相似项目集合；根据所述历史相似项目集合确定所述待评估项目的影响因子的调整系数；根据所述工作量基数和各影响因子的调整系数计算所述待评估项目的工作量。本发明实施例公开的基于内容推荐的大数据项目工作量评估方法，根据工作量基数以及由历史相似项目集合确定的影响因子的调整系数计算待评估项目的工作量，可以提高大数据项目工作量评估的准确性。
Description
技术领域
本发明实施例涉及数据挖掘技术领域，尤其涉及一种基于内容推荐的大数据项目工作量评估方法、装置及设备。
背景技术
近年来，大数据方面的应用创新及研究得到快速发展，创新项目不仅规模越来越大，数量也越来越多，其研究和应用环境也越来越复杂。一方面，由于大数据项目往往带有一定的理论性、探索性、实验性等特征，在项目研究前期，项目信息并不全面，甚至需求也不够明确，导致大数据项目工作量估算缺乏相关模型、规范，造成工作量估算困难，导致项目研究成本超支，研究成本控制不当，无法产生预期成效；另一方面，由于项目研究活动具有很强的探索性和很大的不确定性，其项目立项遴选、实施过程监管、结题验收和成果评价等方面的管理也存在困难。此外，项目涉及的业务应用场景的多样化，带来更多大数据处理的个性化需求，进一步造成项目工作量量化评估的困难。大数据项目的活动效果与过程管理很难量化评估，导致大数据项目工作量的预算偏差度大，影响项目成本效益的管理控制、绩效考评和激励机制的设计。因此，需要提高科技创新类大数据项目工作量估算准确率，研究应用相关模型算法支撑实现项目工作量估算方法，构建相对完善的项目工作量估算体系，确保在预计的成本和时间内，完成符合质量要求和应用基础的科技创新大数据项目成果，本发明研究无疑具有重要的理论价值和现实意义。
发明内容
本发明实施例提供一种基于内容推荐的大数据项目工作量评估方法、装置及设备，以实现对大数据项目的工作量评估，可以提高大数据项目工作量评估的准确性。
第一方面，本发明实施例提供了一种基于内容推荐的大数据项目工作量评估方法，包括：
获取待评估项目的工作量基数及影响因子；
对所述待评估项目和历史项目进行相似度计算，获得所述待评估项目对应的历史相似项目集合；
根据所述历史相似项目集合确定所述待评估项目的影响因子的调整系数；
根据所述工作量基数和各影响因子的调整系数计算所述待评估项目的工作量。
进一步地，获取待评估项目的工作量基数及影响因子，包括：
对所述待评估项目的标准化流程进行拆解，获得包含的流程环节；
根据历史项目确定各流程环节的工作量基数及影响因子。
进一步地，对所述待评估项目和历史项目进行相似度计算，获得所述待评估项目对应的历史相似项目集合，包括：
采用语义分析技术对所述待评估项目和历史项目进行文本分析，获得所述待评估项目和各历史项目之间的相似度；
根据相似度对各历史项目进行排序，选取相似度排序位于靠前设定数量的历史项目，组成历史相似项目集合。
进一步地，采用语义分析技术对所述待评估项目和历史项目进行文本分析，获得所述待评估项目和各历史项目之间的相似度，包括：
对所述待评估项目和各历史项目的文本进行预处理；
对预处理后的文本进行向量化，并将向量化后的文本拆分为多个文本片段；所述片段为长句或短句；
根据文本片段的长短句特性采用设定相似度算法确定所述待评估项目和各历史项目间的相似度。
进一步地，根据文本片段的长短句特性采用设定相似度算法确定所述待评估项目和各历史项目间的相似度，包括：
将待评估项目的每个文本片段分别与历史项目的所有文本片段进行相似度计算，获得每个片段与历史项目间的相似度；
根据每个片段与历史项目间的相似度确定所述待评估项目和各历史项目间的相似度。
进一步地，根据所述历史相似项目集合确定所述待评估项目的影响因子的调整系数，包括：
计算各历史相似项目的影响因子的参考值集合的并集，确定为参考值并集；
根据所述参考值并集及各历史项目和所述待评估项目的相似度确定评分矩阵；
根据所述评分矩阵计算各参考值的总评分，并将总评分超过设定阈值的参考值的总评分确定为评价值；
根据所述评价值和调整系数范围表确定影响因子的调整系数。
进一步地，根据所述评分矩阵计算各参考值的总评分，包括：
对于当前参考值，将所述评分矩阵中各历史项目与所述待评估项目间的评分进行累加，获得当前参考值的总评分。
进一步地，根据所述工作量基数和各影响因子的调整系数计算所述待评估项目的工作量，包括：
计算各流程环节影响因子的总调整系数；
根据各流程环节的总调整系数和工作量基数计算各流程环节的工作量；
将各流程环节的工作量进行累加，获得所述待评估项目的工作量。
第二方面，本发明实施例还提供了一种基于内容推荐的大数据项目工作量评估装置，包括：
待评估项目获取模块，用于获取待评估项目的工作量基数及影响因子；
历史相似项目集合获取模块，用于对所述待评估项目和历史项目进行相似度计算，获得所述待评估项目对应的历史相似项目集合；
调整系数确定模块，用于根据所述历史相似项目集合确定所述待评估项目的影响因子的调整系数；
工作量计算模块，用于根据所述工作量基数和各影响因子的调整系数计算所述待评估项目的工作量。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例所述的基于内容推荐的大数据项目工作量评估方法。
本发明实施例，首先获取待评估项目的工作量基数及影响因子，然后对待评估项目和历史项目进行相似度计算，获得待评估项目对应的历史相似项目集合，再然后根据历史相似项目集合确定待评估项目的影响因子的调整系数，最后根据工作量基数和各影响因子的调整系数计算待评估项目的工作量。本发明实施例公开的基于内容推荐的大数据项目工作量评估方法，根据工作量基数以及由历史相似项目集合确定的影响因子的调整系数计算待评估项目的工作量，可以提高大数据项目工作量评估的准确性。
附图说明
图1是本发明实施例一中的一种基于内容推荐的大数据项目工作量评估方法的流程图；
图2是本发明实施例二中的一种基于内容推荐的大数据项目工作量评估装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于内容推荐的大数据项目工作量评估方法的流程图，本实施例可适用于对新创建的项目的工作量进行评估的情况，该方法可以由大数据项目工作量评估装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有大数据项目工作量评估功能的设备中，该设备可以是服务器或服务器集群等电子设备。如图1所示，具体包括如下步骤：
步骤110，获取待评估项目的工作量基数及影响因子。
其中，工作量基数指某项工作内容的基准工作量。影响因子即大数据项目工作量解释变量，通过深入分析大数据项目的过程技术特征、组织特征、运行特征等属性维度，构造大数据项目工作量评估模型的解释变量。通常情况下，影响大数据项目工作量的因素可分为两类。一类为项目属性类，主要包括数据获取方式、算法复杂度、工具复杂度、涉及专业及跨专业数量等；另一类为项目资源类，代表项目实施者所具备的硬性条件，主要包括单位层级、单位规模、工作频度等。影响因子通过调整系数来量化。
本实施例中，获取待评估项目的工作量基数及影响因子的过程可以是：对待评估项目的标准化流程进行拆解，获得包含的流程环节；根据历史项目确定各流程环节的工作量基数及影响因子。
具体的，首先对待评估项目的工作流程进行标准化，然后对标准化的流程进行拆解，获得待评估项目包含的流程环节，结合历史项目确定各流程环节的工作量基础及影响因子。本实施例中，工作量基数结合历史数据、平均技术水平和生成效率获得。各项流程环节的工作量基数为统计最近时间段内(如3年)完成的大数据项目的该流程环节的工作量基数获得。计算流程环节的工作量基数时，选取的历史项目具有典型性，且数量不少于10个。
示例性的，表1是一种大数据项目流程环节表。
表1
可选的，还包括如下步骤：构建历史项目信息库。其中历史项目信息包括：项目内容、可研报告、技术方案、活动环节以及各活动环节涉及的影响因子值等信息。示例性的，表2是一种历史项目信息库参考表。
表2
步骤120，对待评估项目和历史项目进行相似度计算，获得待评估项目对应的历史相似项目集合。
具体的，采用语义分析技术对待评估项目和历史项目进行文本分析，获得待评估项目和各历史项目之间的相似度；根据相似度对各历史项目进行排序，选取相似度排序位于靠前设定数量的历史项目，组成历史相似项目集合。
本实施例中，采用语义分析技术对待评估项目和历史项目进行文本分析，获得待评估项目和各历史项目之间的相似度的方式可以是：对待评估项目和各历史项目的文本进行预处理；对预处理后的文本进行向量化，并将向量化后的文本拆分为多个文本片段；片段为长句或短句；根据文本片段的长短句特性采用设定相似度算法确定待评估项目和各历史项目间的相似度。
其中，预处理的方式可以包括分词、停用词去除以及词性筛选。在分词过程中加入不同行业专业词汇的专用词库，提高了分词结果准确性，使得结果更加符合不同行业的特性。由于中文语言特点，文本中存在大量无意义、起辅助作用的词语，这些词语将会导致特征词冗余、特征空间维数过高的问题，直接影响计算效果和计算效率。因此，在分词后对词语进行过滤筛选，进行特征降维。在进行停用词去除时，收集常用停用词，如“你好”、“再见”、“的”、“吧”等，同时，基于大数据项目内容，增加在绝大多数文本中频繁出现但对于分析没有意义的词语。词性筛选时，去除具有助词、数词、量词等对本分析主题无用的词。
其中，文本向量化的方式可以是利用word2vec方式将每个词语表征为实数值向量，如：[0.792,-0.177,-0.107,0.109,-0.542,...]。将所有这些向量放在一起形成一个词向量空间，而每一向量则为该空间中的一个点，在这个空间上的词向量之间的距离度量也可以表示对应的两个词之间的“距离”。
其中，设定相似度算法包括余弦相似度与差异化比较(difflib)算法。本实施例中，根据待评估项目的文本片段和历史项目的文本片段选择对应的相似度算法，并设置不同的阈值。具体的，根据文本片段的长短句特性采用设定相似度算法确定待评估项目和各历史项目间的相似度的方式可以是：将待评估项目的每个文本片段分别与历史项目的所有文本片段进行相似度计算，获得每个片段与历史项目间的相似度；根据每个片段与历史项目间的相似度确定待评估项目和各历史项目间的相似度。具体的，将待评估项目的当前文本片段与历史项目的所有文本片段间的相似度求取平均值，获得当前文本片段与历史项目间的相似度，然后对每个文本与历史项目间的相似度求取平均值获得待评估项目和各历史项目间的相似度。
本实施例中，根据文本片段的长短句特性采用设定相似度算法确定所述待评估项目和各历史项目间的相似度具体如下：
1.当待分析句子长度小于第一设定值，
1)历史库中句子长度小于第一设定值，此时采用difflib算法计算相似度，阈值设为a1；
2)历史库中句子长度大于等于第一设定值，且小于第二设定值，此时采用difflib算法计算相似度，阈值设为a2；
3)历史库中句子长度大于第二设定值，认为长短句比较无意义，滤过此种情形；
2.当待分析句子长度大于等于第一设定值，且小于第二设定值，
1)历史库中句子长度小于第一设定值，此时采用difflib算法计算相似度，阈值设为a3；
2)历史库中句子长度大于等于第一设定值，此时采用difflib算法计算相似度，阈值设为a4；
3.当待分析句子长度大于等于第二设定值，
1)历史库中句子长度小于第一设定值，认为长短句比较无意义，滤过此种情形：
2)历史库中句子长度大于等于第一设定值，此时采用余弦相似度算法计算相似度，阈值设为a5。
其中，第一设定值小于第二设定值。设定阈值的作用是，若两个文本片段的相似度大于设定的阈值，则保留该相似度，否则，丢弃该相似度。
步骤130，根据历史相似项目集合确定待评估项目的影响因子的调整系数。
具体的，根据历史相似项目集合确定待评估项目的影响因子的调整系数的过程可以是：计算各历史相似项目的影响因子的参考值集合的并集，确定为参考值并集；根据参考值并集及各历史项目和待评估项目的相似度确定评分矩阵；根据评分矩阵计算各参考值的总评分，并将总评分超过设定阈值的参考值确定为评价值；根据评价值和调整系数范围表确定影响因子的调整系数。
对于影响因子i，构建评分矩阵Ri。具体的构建过程如下：记P＝{p1,p2,...pk}为维度是k的历史相似项目集合，对P中各历史相似项目的影响因子i的参考值求并集，获得影响因子i的参考值并集V＝{v1,v2,...,vn}。n为影响因子i涉及的参考值数量。参考值并集中的元素可以是算法类别，包括；KMeans，BP神经网络，Arima，灰度预测，傅里叶，皮尔逊，FP-Growth，多元回归等。rlj表示第l个历史相似项目对第j个参考值的“评分”，由第l个历史相似项目与待评估项目间的相似度表征。
评分矩阵表示：
对于rlj，若第l个历史相似项目的影响因子i的参考值中包括第j个参考值，则rlj的值为第l个历史相似项目与待评估项目间的相似度，否则rlj的值为0。
具体的，根据评分矩阵计算各参考值的总评分的方式可以是对于当前参考值，将评分矩阵中各历史项目与待评估项目间的评分进行累加，获得当前参考值的总评分。
对于影响因子i，涉及的各参考值的总评分为c1,ci,...,cn，其中，ci＝r1i+r2i+...+rki。
具体的，获得各参考值的总评分后，将超过设定阈值的参考值的总评分确定为评价值。最后，根据评价值和调整系数范围表确定影响因子的调整系数。
步骤140，根据工作量基数和各影响因子的调整系数计算待评估项目的工作量。
本实施例中，根据工作量基数和各影响因子的调整系数计算待评估项目的工作量，包括：计算各流程环节影响因子的总调整系数；根据各流程环节的总调整系数和工作量基数计算各流程环节的工作量；将各流程环节的工作量进行累加，获得待评估项目的工作量。
具体的，按照如下公式计算待评估项目的工作量：
其中，W表示待评估项目的工作量，Wi表示第i个流程环节的工作量基数，Si表示第i个流程环节的总调整系数，计算公式为
其中st表示第t个影响因子的调整系数。
本实施例的技术方案，首先获取待评估项目的工作量基数及影响因子，然后对待评估项目和历史项目进行相似度计算，获得待评估项目对应的历史相似项目集合，再然后根据历史相似项目集合确定待评估项目的影响因子的调整系数，最后根据工作量基数和各影响因子的调整系数计算待评估项目的工作量。本发明实施例公开的基于内容推荐的大数据项目工作量评估方法，根据工作量基数以及由历史相似项目集合确定的影响因子的调整系数计算待评估项目的工作量，可以提高大数据项目工作量评估的准确性。
本实施例中，根据各影响因子的参考值计算评价值的过程一数据获取方式为例进行阐述：
数据获取方式影响大数据项目工作环节中的数据需求梳理与溯源以及数据采集与提取，使用公司信息系统时调整系数由公司信息系统复杂度评价得分决定，公司信息系统复杂度主要受4个因素影响：数据字段数量、数据库表数量、数据条目数量和存储容量。系统复杂度评价值为系统复杂度的归一值，评价得分为接入的所有公司信息系统的复杂度评价值之和。
单个系统复杂度计算公式为：y＝a1ln(f)+a2ln(t)+a3ln(r)+a4ln(c)，其中，y表示单个系统复杂度，f表示数据字段数量，t表示数据库表数量，r表示数据条目数量，c表示存储容量，a1,a2,a3,a4表示权重系数，a1+a2+a3+a4＝1，可以取0.4，0.1，0.4，0.1。
单个系统复杂度评价值计算公式：Y＝y/E(y)，其中，Y表示单个系统复杂度评价值；E(y)表示系统复杂度平均值。
系统复杂度评价得分计算公式：P＝ΣY。
数据获取方式影响大数据项目工作环节中的数据需求梳理与溯源以及数据采集与提取，使用公司信息系统时调整系数由公司信息系统复杂度评价得分决定，调整系数按表3取值：
表3
根据调整系数确定当前大数据项目的最终活动影响因子，即确定大数据项目中影响工作环节的，各活动环节涉及到的影响因子。表4为影响因子参考表。
表4
实施例二
图2为本发明实施例二提供的一种基于内容推荐的大数据项目工作量评估装置的结构示意图。如图2所示，该装置包括：待评估项目获取模块210，历史相似项目集合获取模块220，调整系数确定模块230和工作量计算模块240。
待评估项目获取模块210，用于获取待评估项目的工作量基数及影响因子；
历史相似项目集合获取模块220，用于对所述待评估项目和历史项目进行相似度计算，获得所述待评估项目对应的历史相似项目集合；
调整系数确定模块230，用于根据所述历史相似项目集合确定所述待评估项目的影响因子的调整系数；
工作量计算模块240，用于根据所述工作量基数和各影响因子的调整系数计算所述待评估项目的工作量。
可选的，待评估项目获取模块210，还用于：
对所述待评估项目的标准化流程进行拆解，获得包含的流程环节；
根据历史项目确定各流程环节的工作量基数及影响因子。
可选的，历史相似项目集合获取模块220，还用于：
采用语义分析技术对所述待评估项目和历史项目进行文本分析，获得所述待评估项目和各历史项目之间的相似度；
根据相似度对各历史项目进行排序，选取相似度排序位于靠前设定数量的历史项目，组成历史相似项目集合。
可选的，历史相似项目集合获取模块220，还用于：
对所述待评估项目和各历史项目的文本进行预处理；
对预处理后的文本进行向量化，并将向量化后的文本拆分为多个文本片段；所述片段为长句或短句；
根据文本片段的长短句特性采用设定相似度算法确定所述待评估项目和各历史项目间的相似度。
可选的，历史相似项目集合获取模块220，还用于：
将待评估项目的每个文本片段分别与历史项目的所有文本片段进行相似度计算，获得每个片段与历史项目间的相似度；
根据每个片段与历史项目间的相似度确定所述待评估项目和各历史项目间的相似度。
可选的，调整系数确定模块230，还用于：
计算各历史相似项目的影响因子的参考值集合的并集，确定为参考值并集；
根据所述参考值并集及各历史项目和所述待评估项目的相似度确定评分矩阵；
根据所述评分矩阵计算各参考值的总评分，并将总评分超过设定阈值的参考值的总评分确定为评价值；
根据所述评价值和调整系数范围表确定影响因子的调整系数。
可选的，调整系数确定模块230，还用于：
对于当前参考值，将所述评分矩阵中各历史项目与所述待评估项目间的评分进行累加，获得当前参考值的总评分。
可选的，工作量计算模块240，还用于：
计算各流程环节影响因子的总调整系数；
根据各流程环节的总调整系数和工作量基数计算各流程环节的工作量；
将各流程环节的工作量进行累加，获得所述待评估项目的工作量。
上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
实施例三
图3为本发明实施例三提供的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的计算机设备312的框图。图3显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的基于内容推荐的大数据项目工作量评估功能的计算设备。
如图3所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的基于内容推荐的大数据项目工作量评估方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于内容推荐的大数据项目工作量评估方法，其特征在于，包括：
获取待评估项目的工作量基数及影响因子；
对所述待评估项目和历史项目进行相似度计算，获得所述待评估项目对应的历史相似项目集合；
根据所述历史相似项目集合确定所述待评估项目的影响因子的调整系数；
根据所述工作量基数和各影响因子的调整系数计算所述待评估项目的工作量。
2.根据权利要求1所述的方法，其特征在于，获取待评估项目的工作量基数及影响因子，包括：
对所述待评估项目的标准化流程进行拆解，获得包含的流程环节；
根据历史项目确定各流程环节的工作量基数及影响因子。
3.根据权利要求1所述的方法，其特征在于，对所述待评估项目和历史项目进行相似度计算，获得所述待评估项目对应的历史相似项目集合，包括：
采用语义分析技术对所述待评估项目和历史项目进行文本分析，获得所述待评估项目和各历史项目之间的相似度；
根据相似度对各历史项目进行排序，选取相似度排序位于靠前设定数量的历史项目，组成历史相似项目集合。
4.根据权利要求3所述的方法，其特征在于，采用语义分析技术对所述待评估项目和历史项目进行文本分析，获得所述待评估项目和各历史项目之间的相似度，包括：
对所述待评估项目和各历史项目的文本进行预处理；
对预处理后的文本进行向量化，并将向量化后的文本拆分为多个文本片段；所述片段为长句或短句；
根据文本片段的长短句特性采用设定相似度算法确定所述待评估项目和各历史项目间的相似度。
5.根据权利要求4所述的方法，其特征在于，根据文本片段的长短句特性采用设定相似度算法确定所述待评估项目和各历史项目间的相似度，包括：
将待评估项目的每个文本片段分别与历史项目的所有文本片段进行相似度计算，获得每个片段与历史项目间的相似度；
根据每个片段与历史项目间的相似度确定所述待评估项目和各历史项目间的相似度。
6.根据权利要求1所述的方法，其特征在于，根据所述历史相似项目集合确定所述待评估项目的影响因子的调整系数，包括：
计算各历史相似项目的影响因子的参考值集合的并集，确定为参考值并集；
根据所述参考值并集及各历史项目和所述待评估项目的相似度确定评分矩阵；
根据所述评分矩阵计算各参考值的总评分，并将总评分超过设定阈值的参考值的总评分确定为评价值；
根据所述评价值和调整系数范围表确定影响因子的调整系数。
7.根据权利要求6所述的方法，其特征在于，根据所述评分矩阵计算各参考值的总评分，包括：
对于当前参考值，将所述评分矩阵中各历史项目与所述待评估项目间的评分进行累加，获得当前参考值的总评分。
8.根据权利要求2所述的方法，其特征在于，根据所述工作量基数和各影响因子的调整系数计算所述待评估项目的工作量，包括：
计算各流程环节影响因子的总调整系数；
根据各流程环节的总调整系数和工作量基数计算各流程环节的工作量；
将各流程环节的工作量进行累加，获得所述待评估项目的工作量。
9.一种基于内容推荐的大数据项目工作量评估装置，其特征在于，包括：
待评估项目获取模块，用于获取待评估项目的工作量基数及影响因子；
历史相似项目集合获取模块，用于对所述待评估项目和历史项目进行相似度计算，获得所述待评估项目对应的历史相似项目集合；
调整系数确定模块，用于根据所述历史相似项目集合确定所述待评估项目的影响因子的调整系数；
工作量计算模块，用于根据所述工作量基数和各影响因子的调整系数计算所述待评估项目的工作量。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8任一所述的基于内容推荐的大数据项目工作量评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010566453.6A CN111738589B (zh) | 2020-06-19 | 2020-06-19 | 基于内容推荐的大数据项目工作量评估方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010566453.6A CN111738589B (zh) | 2020-06-19 | 2020-06-19 | 基于内容推荐的大数据项目工作量评估方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111738589A true CN111738589A (zh) | 2020-10-02 |
| CN111738589B CN111738589B (zh) | 2024-02-27 |
Family
ID=72650382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010566453.6A Active CN111738589B (zh) | 2020-06-19 | 2020-06-19 | 基于内容推荐的大数据项目工作量评估方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111738589B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112506563A (zh) * | 2020-12-24 | 2021-03-16 | 中国移动通信集团江苏有限公司 | 用户故事工时计算的方法、装置、设备及计算机存储介质 |
| CN112580869A (zh) * | 2020-12-17 | 2021-03-30 | 建信金融科技有限责任公司 | 一种业务优化方法、装置及设备 |
| CN112734221A (zh) * | 2021-01-06 | 2021-04-30 | 安徽易测评信息技术有限公司 | 一种基于文明城市测评项目对各责任单位任务量预估的统计计算方法 |
| CN112966971A (zh) * | 2021-03-30 | 2021-06-15 | 建信金融科技有限责任公司 | 一种项目工作量评估方法和装置 |
| CN113298283A (zh) * | 2020-10-19 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种内容对象预测方法和装置以及内容对象推荐方法 |
| CN115169808A (zh) * | 2022-06-08 | 2022-10-11 | 中国电力科学研究院有限公司 | 电力行业数字化项目费用测算方法、装置及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130218626A1 (en) * | 2012-02-22 | 2013-08-22 | International Business Machines Corporation | Utilizing historic projects to estimate a new project schedule based on user provided high level parameters |
| CN104732307A (zh) * | 2013-12-18 | 2015-06-24 | 北京神州泰岳软件股份有限公司 | 项目工作量获取方法和系统 |
| CN108090699A (zh) * | 2018-01-10 | 2018-05-29 | 江苏工程职业技术学院 | 基于双目标特征筛选优化的项目开发工作量估算方法 |
| CN109298998A (zh) * | 2018-08-15 | 2019-02-01 | 深圳壹账通智能科技有限公司 | 工作量评估及模型训练方法、电子设备及存储介质 |
| CN110852057A (zh) * | 2018-07-27 | 2020-02-28 | 北京京东尚科信息技术有限公司 | 一种计算文本相似度的方法和装置 |
| CN111159573A (zh) * | 2019-12-30 | 2020-05-15 | 广东工业大学 | 一种基于项目的内容推荐方法 |
-
2020
- 2020-06-19 CN CN202010566453.6A patent/CN111738589B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130218626A1 (en) * | 2012-02-22 | 2013-08-22 | International Business Machines Corporation | Utilizing historic projects to estimate a new project schedule based on user provided high level parameters |
| CN104732307A (zh) * | 2013-12-18 | 2015-06-24 | 北京神州泰岳软件股份有限公司 | 项目工作量获取方法和系统 |
| CN108090699A (zh) * | 2018-01-10 | 2018-05-29 | 江苏工程职业技术学院 | 基于双目标特征筛选优化的项目开发工作量估算方法 |
| CN110852057A (zh) * | 2018-07-27 | 2020-02-28 | 北京京东尚科信息技术有限公司 | 一种计算文本相似度的方法和装置 |
| CN109298998A (zh) * | 2018-08-15 | 2019-02-01 | 深圳壹账通智能科技有限公司 | 工作量评估及模型训练方法、电子设备及存储介质 |
| CN111159573A (zh) * | 2019-12-30 | 2020-05-15 | 广东工业大学 | 一种基于项目的内容推荐方法 |
Non-Patent Citations (1)
| Title |
|---|
| 任雪利: "协同过率在工作量估算中的应用", 《软件》, vol. 34, no. 10, pages 12 - 14 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298283A (zh) * | 2020-10-19 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种内容对象预测方法和装置以及内容对象推荐方法 |
| CN112580869A (zh) * | 2020-12-17 | 2021-03-30 | 建信金融科技有限责任公司 | 一种业务优化方法、装置及设备 |
| CN112506563A (zh) * | 2020-12-24 | 2021-03-16 | 中国移动通信集团江苏有限公司 | 用户故事工时计算的方法、装置、设备及计算机存储介质 |
| CN112734221A (zh) * | 2021-01-06 | 2021-04-30 | 安徽易测评信息技术有限公司 | 一种基于文明城市测评项目对各责任单位任务量预估的统计计算方法 |
| CN112966971A (zh) * | 2021-03-30 | 2021-06-15 | 建信金融科技有限责任公司 | 一种项目工作量评估方法和装置 |
| CN112966971B (zh) * | 2021-03-30 | 2022-09-13 | 建信金融科技有限责任公司 | 一种项目工作量评估方法和装置 |
| CN115169808A (zh) * | 2022-06-08 | 2022-10-11 | 中国电力科学研究院有限公司 | 电力行业数字化项目费用测算方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111738589B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111738589B (zh) | 基于内容推荐的大数据项目工作量评估方法、装置及设备 | |
| CN108647205B (zh) | 细粒度情感分析模型构建方法、设备及可读存储介质 | |
| US10664719B2 (en) | Accurate tag relevance prediction for image search | |
| US6925433B2 (en) | System and method for context-dependent probabilistic modeling of words and documents | |
| EP3716165A1 (en) | Esg criteria-based enterprise evaluation device and operation method thereof | |
| JP5164209B2 (ja) | 分類モデル生成装置、分類装置、分類モデル生成方法、分類方法、分類モデル生成プログラム、分類プログラムおよび記録媒体 | |
| CN110162630A (zh) | 一种文本去重的方法、装置及设备 | |
| CN111158641B (zh) | 基于语义分析和文本挖掘的事务类功能点自动识别方法 | |
| WO2020232898A1 (zh) | 文本分类方法、装置、电子设备及计算机非易失性可读存储介质 | |
| CN112541056A (zh) | 医学术语标准化方法、装置、电子设备及存储介质 | |
| CN112671985A (zh) | 基于深度学习的坐席质检方法、装置、设备及存储介质 | |
| CN114491034B (zh) | 一种文本分类方法及智能设备 | |
| CN116542800A (zh) | 基于云端ai技术的智能化财务报表分析系统 | |
| CN115099310A (zh) | 训练模型、对企业进行行业分类的方法和装置 | |
| CN110019556B (zh) | 一种话题新闻获取方法、装置及其设备 | |
| CN112562736A (zh) | 一种语音数据集质量评估方法和装置 | |
| CN116680401A (zh) | 文档处理方法、文档处理装置、设备及存储介质 | |
| CN111563361A (zh) | 文本标签的提取方法及装置、存储介质 | |
| CN116205296A (zh) | 一种融合自顶向下与自底向上的abac策略工程方法 | |
| US20230046851A1 (en) | Multi-model approach to natural language processing and recommendation generation | |
| CN115455142A (zh) | 文本检索方法、计算机设备和存储介质 | |
| JP7216627B2 (ja) | 入力支援方法、入力支援システム、及びプログラム | |
| JP2008282111A (ja) | 類似文書検索方法、プログラムおよび装置 | |
| CN114328860A (zh) | 一种基于多模型匹配的交互咨询方法、装置和电子设备 | |
| KR102215259B1 (ko) | 주제별 단어 또는 문서의 관계성 분석 방법 및 이를 구현하는 장치 |
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 |