CN111932148B - 智慧城市评估方法、装置、计算机设备及存储介质 - Google Patents

智慧城市评估方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111932148B
CN111932148B CN202010958167.4A CN202010958167A CN111932148B CN 111932148 B CN111932148 B CN 111932148B CN 202010958167 A CN202010958167 A CN 202010958167A CN 111932148 B CN111932148 B CN 111932148B
Authority
CN
China
Prior art keywords
evaluation
standard
label
determining
tag
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
Application number
CN202010958167.4A
Other languages
English (en)
Other versions
CN111932148A (zh
Inventor
武正彪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An International Smart City Technology Co Ltd
Original Assignee
Ping An International Smart City Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN202010958167.4A priority Critical patent/CN111932148B/zh
Publication of CN111932148A publication Critical patent/CN111932148A/zh
Application granted granted Critical
Publication of CN111932148B publication Critical patent/CN111932148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及数据分析技术领域，具体公开了一种智慧城市评估方法、装置、计算机设备及存储介质。其中方法包括：确定待评估城市的对应的评估项；针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据；根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签；将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息；根据所述待评估城市的对应的评估项的匹配信息，确定所述待评估城市的评估结果。本申请实施例可以优化评估结果以及提高管理效率。此外，本申请还涉及人工智能技术，可以通过人工智能技术确定标准标签和评估对象标签。

Description

智慧城市评估方法、装置、计算机设备及存储介质
技术领域
本申请涉及数据分析技术领域，尤其涉及一种智慧城市评估方法、装置、计算机设备及存储介质。
背景技术
随着信息技术的发展，智慧城市逐渐成为城市的发展目标，智慧城市是把新一代信息技术充分运用在城市中各行各业基于知识社会下一代创新的城市信息化高级形态，实现信息化、工业化与城镇化深度融合。智慧城市需要具备多方面的能力，而如何对一个智慧城市的能力和成熟度进行量化评估很重要，可以帮助各个城市制定有效的提升方案，更好地进行数据资源的评估和规划。
发明内容
本申请提供了一种智慧城市评估方法、装置、计算机设备及存储介质，可以优化评估结果以及提高管理效率。
第一方面，本申请提供了一种智慧城市评估方法，所述方法包括：
确定待评估城市对应的评估项；
针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据；
根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签；
将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息；
根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果。
第二方面，本申请提供了一种智慧城市评估装置，所述装置包括：
评估项确定模块，用于确定待评估城市对应的评估项；
数据获取模块，用于针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据；
标签确定模块，用于根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签；
匹配模块，用于将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息；
评估结果模块，用于根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果。
第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的智慧城市评估方法。
第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的智慧城市评估方法。
本申请公开了一种智慧城市评估方法、装置、计算机设备及存储介质，该方法包括：确定待评估城市对应的评估项；针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据；根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签；将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息；根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果。本申请实施例可以对智慧城市进行综合性评估，评估结果可以有效地辅助管理者对智慧城市进行精细化管理和规划，本申请实施例可以优化评估结果以及提高管理效率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种智慧城市评估方法的示意流程图；
图2是本申请实施例提供的另一种智慧城市评估方法的示意流程图；
图3是本申请实施例提供的另一种智慧城市评估方法的示意流程图；
图4是本申请实施例提供的一种智慧城市评估装置的示意性框图；
图5是本申请的实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请的实施例提供了一种智慧城市评估方法、装置、计算机设备及存储介质。下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，图1是本申请的实施例提供的一种智慧城市评估方法的示意流程图，如图1所示，该智慧城市评估方法具体包括步骤S101至步骤S105。
S101、确定待评估城市对应的评估项。
其中，待评估城市可以是待评估的智慧城市，智慧城市是指利用各种信息技术或创新概念，将城市的系统和服务打通并集成，以提升资源运用的效率，优化城市管理和服务，以及改善市民生活质量的城市。对于一个智慧城市的评估可以是对智慧城市其数据服务能力进行有效管理的成熟度评估，可以是从城市数据相关方、控制数据风险和优化业务的基本诉求出发，确立城市数据管理体系的目标以及实现这些目标所应具备的数据能力。
评估项可以是体现待评估城市某一个方面的能力。例如，可以根据评估能力的不同管理特性将待评估城市的数据能力细分为若干个大范围的评估域，再针对每个评估域细分为若干个评估项。即待评估城市包括多个评估项，通过多个评估项可以体现待评估城市多个方面的能力。
示例性地，待评估城市可以包括建设、融合、安全、应用和服务五个评估域，“建设”中包括战略规划、制度保障、组织人员保障、技术架构和过程实现五个评估项，“融合”中包括业务流程、数据模型、元数据、数据标准和数据准备五个评估项，“安全”中包括数据准备、数据分级、数据加密、数据脱敏和数据监管五个评估项，“应用”中包括数据处理、数据质量、数据分析、数据挖掘和数据资产化五个评估项，“服务”中包括数据共享、数据开放、数据运营、数据评估和服务能力五个评估项。根据不同的待评估城市可以制定对应的评估项，具体的评估项可以根据实际应用进行确定。
S102、针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据。
其中，每个评估项都有对应的目标规范，即一个城市在该评估项内的评估标准数据，针对每个评估项的特点都有其对应的评估标准数据。评估标准数据可以是根据需求预设的，示例性地，“服务能力”评估域的评估标准数据包括“通过内外部能力融合，对服务能力进行补充和完善，实现数据之间的协同服务分析，丰富、扩展基础数据服务的广度和深度”。
评估对象数据是所获取的用于对待评估城市进行评估待评估资料，例如，可以是通过调研访谈收集被调研对象的规章制度、标准规范、项目文档、系统建设说明书等资料。
可选地，每个评估项的评估标准数据可以设置成多个不同级别，例如，评估级别由低到高分为起始级、发展级、稳健级、优秀级和卓越级，不同级别表示智慧城市的在这一方面的不同的能力等级，也对应不同成熟度，评估级别越高表示智慧城市在这个评估域的能力更高，成熟度更高。每个评估级别的评估标准数据也有所不同。
示例性地，“服务能力”评估域的起始级的评估标准数据包括“通过内外部能力融合，对服务能力进行补充和完善，实现数据之间的协同服务分析，丰富、扩展基础数据服务的广度和深度”，发展级的评估标准数据包括“跳出以往智慧城市建设聚焦的部门和行业应用，更多关注跨部门应用和超级应用，超级APP、领导驾驶舱和数据共享交换平台”,稳健级的评估标准数据包括“相关方参与度增加，有更多行业企业、社会组织、民众参与到智慧城市建设中，生态更加完善，覆盖范围更为广阔”，优秀级的评估标准数据包括“数据服务全面提升城市治理和社会服务能力，推动产业生态更加协同化和共享化”，卓越级的评估标准数据包括“提供特色化的数据服务，满足自定义扩展的服务需求，探索数据服务模式创新，使得数据的利用最大化”。
S103、根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签。
其中，标准标签可以是用于体现评估标准数据的目标规范的关键词。可以人工识别或者根据预设语义处理算法对评估标准数据进行语义分析，以提取评估标准数据中的标准标签。评估对象标签可以是用于体现评估对象数据的能力的关键词。可以人工识别或者根据预设语义处理算法对评估标准数据进行语义分析，以提取评估对象数据中的评估对象标签。
示例性地，评估标准数据 “通过内外部能力融合，对服务能力进行补充和完善，实现数据之间的协同服务分析，丰富、扩展基础数据服务的广度和深度”，从中提取的标准标签包括“能力融合、服务能力、数据协同、数据服务、数据广度、数据深度”。即评估标准数据的目标规范包括要求城市具备能力融合、服务能力、数据协同、数据服务、数据广度和数据深度的能力。
评估对象数据包括从某政府的数据统一开放平台获取的内容，从评估对象数据中提取的评估对象标签包括“能力融合、服务能力、数据协同、数据服务”。即评估对象数据中显示的是该城市具备能力融合、服务能力、数据协同和数据服务的能力。
在一个实施例中，所述根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签的操作可以通过如下方式实施：
将所述评估标准数据以及所述评估对象数据分别输入至预设语义模型，以使所述预设语义模型分别输出所述评估项的标准标签以及评估对象标签。
其中，预设语义模型可以是通过人工智能技术预先训练好的机器学习模型，预设语义模型可以对评估标准数据进行语义解析以提取输入的评估标准数据中的体现目标规范的关键词，并确定为标准标签，以及对评估对象数据进行语义解析以提取输入的评估对象数据中体现能力的关键词，并确定为评估对象标签。
S104、将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息。
标准标签可以是用于体现评估标准数据的目标规范的关键词，评估对象标签可以是用于体现评估对象数据的能力的关键词，因此将所述标准标签和所述评估对象标签进行匹配，得到的匹配信息可以确定评估对象标签中和评估标准数据匹配的情况，即待评估城市的在评估项上的能力和目标规范之间的差异。
S105、根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果。
在确定待评估城市对应的评估项的匹配信息后，可以得到待评估城市在多个评估项上的能力和每个评估项的目标规范之间的差异，将对应的评估项的匹配信息确定为所述待评估城市的评估结果，管理者可以根据评估结果了解待评估城市在各个评估项上的能力情况。
如果匹配信息中还包括评估对象标签和多个级别的评估标准数据的标准标签的匹配信息，还可以确定待评估城市的在该评估项上的能力所处的级别。
在一个实施例中，所述将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息，可以通过如下方式实施：
将所述评估对象标签分别和多个级别的评估标准数据的标准标签进行匹配，以得到所述评估对象标签和多个级别的标准标签的匹配信息。
相应地，所述根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果可以通过如下方式实施：
针对每个评估项的匹配信息，确定和所述评估项的评估对象标签的整体匹配度最高的标准标签；根据所述匹配度最高的标准标签的级别确定所述待评估城市在所述评估项上的评估级别，将所述评估项上的评估级别确定为评估结果。
其中，如果评估项包括多个级别的评估标准数据，根据评估对象标签和多个级别的标准标签的匹配信息可以确定整体匹配度最高的标准标签，即智慧城市在该评估项上的能力和该标准标签对应的目标规范的差异是最小的，即可以确定智慧城市在该评估项上的评估级别。
确定智慧城市在每个评估项的评估级别，根据对应的评估项的评估级别可以确定该智慧城市的各个能力的级别，可以辅助管理者对当前的智慧城市的发展情况有更具体的了解，优化智慧城市的精细化管理。
在一个实施例中，如图2所示，所述将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息的操作可以通过如下方式实施：
S201、将所述标准标签和所述评估对象标签进行一一匹配。
S202、将与所述评估对象标签匹配的标准标签确定为优势标签，以及将与所述评估对象标签不匹配的标准标签确定为劣势标签。
S203、确定所述标准标签和所述评估对象标签的整体匹配度。
S204、根据所述优势标签、所述劣势标签和所述整体匹配度确定匹配信息。
其中，根据所述评估标准数据可以确定多个标准标签，以及根据所述评估对象数据可以确定多个评估对象标签，因此可以将所述标准标签和所述评估对象标签进行一一匹配，可以是将每个评估对象标签与所有标准标签分别进行比对，进而可以确定该评估对象标签是否有匹配的标准标签。
与所述评估对象标签匹配的标准标签，可以是和任一评估对象标签相同的标准标签，或者将和任一评估对象标签的匹配度高于预设匹配阈值的标准标签。与所述评估对象标签不匹配的标准标签，可以是和所有评估对象标签均不相同的标准标签，或者和所有评估对象标签的匹配度均低于预设匹配阈值的标准标签。优势标签表示智慧城市具备该优势标签对应的能力，劣势标签表示智慧城市不具备该劣势标签对应的能力，因此在确定标准标签中的所有优势标签和劣势标签后，可以确定智慧城市具备哪些能力，以及不具备哪些能力。
可以再确定所有标准标签和所有评估对象标签的整体匹配度，整体匹配度可以表示智慧城市的整体能力，以及在整体上和目标规范之间的差异。
最终根据所述优势标签、所述劣势标签和所述整体匹配度确定匹配信息，根据该匹配信息确定的评估结果，可以使管理者清楚了解到智慧城市在整体上和目标规范之间的差异，智慧城市具备哪些能力不具备哪些能力，可以提供更好的辅助信息给管理者，可以进一步优化智慧城市的精细化管理。
在一个实施例中，如图3所示，所述确定所述标准标签和所述评估对象标签的整体匹配度的操作可以通过如下方式实施：
S301、根据预设转换算法确定每个标准标签对应的标签数字，以及确定每个评估对象标签对应的标签数字。
S302、根据所有标准标签对应的标签数字确定标准矩阵，以及根据所有评估对象标签对应的标签数字确定评估对象矩阵。
S303、确定所述标准矩阵和所述评估对象矩阵的相似度。
S304、将所述相似度确定为所述标准标签和所述评估对象标签的整体匹配度。
其中，标准标签是用于体现评估标准数据的目标规范的关键词，评估对象标签可以是用于体现评估对象数据的能力的关键词，因此标准标签和评估对象标签包括的是文字，为了方便计算所有的标准标签和评估对象标签的整体匹配度，可以将标准标签和评估对象标签转换为对应的标签数字，多个标准标签的标签数字可以形成标签矩阵，多个评估对象标签对应的标签数字可以形成评估对象矩阵，再计算两个矩阵的相似度，进而可以将相似度确定为整体匹配度。
在一个实施例中，所述根据预设转换算法确定每个标准标签对应的标签数字，以及确定每个评估对象标签对应的标签数字的操作可以通过如下方式实施：
针对每个标准标签，确定所述标准标签中包括的每个字对应的四角号码，将所述标准标签中包括的所有字对应的四角号码，确定为所述标准标签对应的标签数字；
针对每个评估对象标签，确定所述评估对象标签中包括的每个字对应的四角号码，将所述评估对象标签中包括的所有字对应的四角号码，确定为所述评估对象标签对应的标签数字。
其中，四角号码和每个汉字的形状相对应，每个汉字都有一个对应的四角号码，因此每个标准标签或每个评估对象标签所包括的若干个汉字可以对应得到一组数字，确定为对应的标签数字。
在一个实施例中，所述确定所述标准矩阵和所述评估对象矩阵的相似度的操作可以通过如下方式实施：
根据余弦相似度公式确定所述标准矩阵和所述评估对象矩阵的相似度，所述余弦相似度公式为：
Figure 934961DEST_PATH_IMAGE001
；
其中，
Figure 553024DEST_PATH_IMAGE002
为所述标准矩阵和所述评估对象矩阵的相似度，
Figure 761151DEST_PATH_IMAGE003
，
Figure 340031DEST_PATH_IMAGE004
，
Figure 26228DEST_PATH_IMAGE005
为标准标签
Figure 764377DEST_PATH_IMAGE006
在评估对象标签
Figure 612247DEST_PATH_IMAGE007
中出现的次数，为
Figure 803057DEST_PATH_IMAGE008
，
Figure 916113DEST_PATH_IMAGE009
，
Figure 508768DEST_PATH_IMAGE010
为标准标签的数量，
Figure 58698DEST_PATH_IMAGE011
为评估对象标签的数量。
其中，
Figure 736804DEST_PATH_IMAGE005
为评估对象标签
Figure 640169DEST_PATH_IMAGE006
在标准标签
Figure 87331DEST_PATH_IMAGE007
中出现的次数，因此
Figure 808163DEST_PATH_IMAGE012
表示的是每个评估对象标签在标准标签中出现的次数，
Figure 973565DEST_PATH_IMAGE013
表示的是每个标准标签在评估对象标签中出现的次数，通过计算
Figure 929888DEST_PATH_IMAGE012
和
Figure 965977DEST_PATH_IMAGE013
的余弦相似度，可以确定所述标准矩阵和所述评估对象矩阵的相似度。
在一个实施例中，所述根据所述优势标签、所述劣势标签和所述整体匹配度确定匹配信息的操作可以通过如下方式实施：
根据所述优势标签生成优势标签矩阵，以及根据所述劣势标签生成劣势标签矩阵；将所述优势标签矩阵、劣势标签矩阵和所述整体匹配度确定为匹配信息。
其中，可以是根据预设排序规则将多个优势标签生成优势标签矩阵，以及将多个劣势标签生成劣势标签矩阵，优势标签矩阵可以更直观地体现该智慧城市具备哪些方面的能力，劣势标签矩阵可以更直观地体现该智慧城市缺乏哪些方面的能力。
请参阅图4，图4是本申请的实施例提供的一种智慧城市评估装置的示意性框图，该智慧城市评估装置可以配置于服务器中，用于执行上述任一项所述的智慧城市评估方法。如图4所示，该智慧城市评估装置10包括：
评估项确定模块11，用于确定待评估城市对应的评估项；
数据获取模块12，用于针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据；
标签确定模块13，用于根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签；
匹配模块14，用于将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息；
评估结果模块15，用于根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果。
在一个实施例中，所述匹配模块包括：
第一匹配模块，用于将所述标准标签和所述评估对象标签进行一一匹配；
标签分类模块，用于将与所述评估对象标签匹配的标准标签确定为优势标签，以及将与所述评估对象标签不匹配的标准标签确定为劣势标签；
匹配度模块，用于确定所述标准标签和所述评估对象标签的整体匹配度；
第二匹配模块，用于根据所述优势标签、所述劣势标签和所述整体匹配度确定匹配信息。
在一个实施例中，所述匹配度模块具体包括：
数字转换模块，用于根据预设转换算法确定每个标准标签对应的标签数字，以及确定每个评估对象标签对应的标签数字；
矩阵确定模块，根据所有标准标签对应的标签数字确定标准矩阵，以及根据所有评估对象标签对应的标签数字确定评估对象矩阵；
相似度模块，用于确定所述标准矩阵和所述评估对象矩阵的相似度；
匹配度确定模块，用于将所述相似度确定为所述标准标签和所述评估对象标签的整体匹配度。
在一个实施例中，所述数字转换模块具体用于：
针对每个标准标签，确定所述标准标签中包括的每个字对应的四角号码，将所述标准标签中包括的所有字对应的四角号码，确定为所述标准标签对应的标签数字；
针对每个评估对象标签，确定所述评估对象标签中包括的每个字对应的四角号码，将所述评估对象标签中包括的所有字对应的四角号码，确定为所述评估对象标签对应的标签数字。
在一个实施例中，所述相似度模块具体用于：
根据余弦相似度公式确定所述标准矩阵和所述评估对象矩阵的相似度，所述余弦相似度公式为：
Figure 857710DEST_PATH_IMAGE001
；
其中，
Figure 510408DEST_PATH_IMAGE002
为所述标准矩阵和所述评估对象矩阵的相似度，
Figure 880210DEST_PATH_IMAGE003
，
Figure 177330DEST_PATH_IMAGE004
，
Figure 974385DEST_PATH_IMAGE005
为标准标签
Figure 848800DEST_PATH_IMAGE006
在评估对象标签
Figure 287871DEST_PATH_IMAGE007
中出现的次数，为
Figure 298553DEST_PATH_IMAGE008
，
Figure 532088DEST_PATH_IMAGE009
，
Figure 519898DEST_PATH_IMAGE010
为标准标签的数量，
Figure 965923DEST_PATH_IMAGE011
为评估对象标签的数量。
在一个实施例中，所述标签确定模块具体用于：
将所述评估标准数据以及所述评估对象数据分别输入至预设语义模型，以使所述预设语义模型分别输出所述评估项的标准标签以及评估对象标签。
在一个实施例中，所述匹配模块具体用于：
将所述评估对象标签分别和多个级别的评估标准数据的标准标签进行匹配，以得到所述评估对象标签和多个级别的标准标签的匹配信息。
相应地，所述评估结果模块具体用于：
针对每个评估项的匹配信息，确定和所述评估项的评估对象标签的整体匹配度最高的标准标签；
根据所述匹配度最高的标准标签的级别确定所述待评估城市在所述评估项上的评估级别，将所述评估项上的评估级别确定为评估结果。
请参阅图5，图5是本申请的实施例提供的一种计算机设备的结构示意性框图。
参阅图5，该计算机设备100包括通过系统总线连接的处理器110和存储器120，其中，存储器120可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种智慧城市评估方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种智慧城市评估方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元 (Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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、分立硬件组件等。其中，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。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
确定待评估城市对应的评估项；
针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据；
根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签；
将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息；
根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果。
在一个实施例中，所述处理器在实现所述将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息时，用于实现：
将所述标准标签和所述评估对象标签进行一一匹配；
将与所述评估对象标签匹配的标准标签确定为优势标签，以及将与所述评估对象标签不匹配的标准标签确定为劣势标签；
确定所述标准标签和所述评估对象标签的整体匹配度；
根据所述优势标签、所述劣势标签和所述整体匹配度确定匹配信息。
在一个实施例中，所述处理器在实现所述确定所述标准标签和所述评估对象标签的整体匹配度时，用于实现：
根据预设转换算法确定每个标准标签对应的标签数字，以及确定每个评估对象标签对应的标签数字；
根据所有标准标签对应的标签数字确定标准矩阵，以及根据所有评估对象标签对应的标签数字确定评估对象矩阵；
确定所述标准矩阵和所述评估对象矩阵的相似度；
将所述相似度确定为所述标准标签和所述评估对象标签的整体匹配度。
在一个实施例中，所述处理器在实现所述根据预设转换算法确定每个标准标签对应的标签数字，以及确定每个评估对象标签对应的标签数字时，用于实现：
针对每个标准标签，确定所述标准标签中包括的每个字对应的四角号码，将所述标准标签中包括的所有字对应的四角号码，确定为所述标准标签对应的标签数字；
针对每个评估对象标签，确定所述评估对象标签中包括的每个字对应的四角号码，将所述评估对象标签中包括的所有字对应的四角号码，确定为所述评估对象标签对应的标签数字。
在一个实施例中，所述处理器在实现所述确定所述标准矩阵和所述评估对象矩阵的相似度时，用于实现：
根据余弦相似度公式确定所述标准矩阵和所述评估对象矩阵的相似度，所述余弦相似度公式为：
Figure 362269DEST_PATH_IMAGE001
；
其中，
Figure 766705DEST_PATH_IMAGE002
为所述标准矩阵和所述评估对象矩阵的相似度，
Figure 350133DEST_PATH_IMAGE003
，
Figure 865428DEST_PATH_IMAGE004
，
Figure 850702DEST_PATH_IMAGE005
为标准标签
Figure 301406DEST_PATH_IMAGE006
在评估对象标签
Figure 637709DEST_PATH_IMAGE007
中出现的次数，为
Figure 691116DEST_PATH_IMAGE008
，
Figure 796475DEST_PATH_IMAGE009
，
Figure 542714DEST_PATH_IMAGE010
为标准标签的数量，
Figure 835156DEST_PATH_IMAGE011
为评估对象标签的数量。
在一个实施例中，所述处理器在实现所述根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签时，用于实现：
将所述评估标准数据以及所述评估对象数据分别输入至预设语义模型，以使所述预设语义模型分别输出所述评估项的标准标签以及评估对象标签。
在一个实施例中，所述处理器在实现所述将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息时，用于实现：
将所述评估对象标签分别和多个级别的评估标准数据的标准标签进行匹配，以得到所述评估对象标签和多个级别的标准标签的匹配信息。
相应地，所述处理器在实现所述根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果时，用于实现：
针对每个评估项的匹配信息，确定和所述评估项的评估对象标签的整体匹配度最高的标准标签；
根据所述匹配度最高的标准标签的级别确定所述待评估城市在所述评估项上的评估级别，将所述评估项上的评估级别确定为评估结果。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项智慧城市评估方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种智慧城市评估方法，其特征在于，包括：
确定待评估城市对应的评估项；
针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据；
根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签；
将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息；
根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果；
其中，所述匹配信息的确定使用了每个标准标签对应的标签数字以及每个评估对象标签对应的标签数字；
针对每个标准标签，确定所述标准标签中包括的每个字对应的四角号码，将所述标准标签中包括的所有字对应的四角号码，确定为所述标准标签对应的标签数字；
针对每个评估对象标签，确定所述评估对象标签中包括的每个字对应的四角号码，将所述评估对象标签中包括的所有字对应的四角号码，确定为所述评估对象标签对应的标签数字。
2.根据权利要求1所述的智慧城市评估方法，其特征在于，所述将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息，包括：
将所述标准标签和所述评估对象标签进行一一匹配；
将与所述评估对象标签匹配的标准标签确定为优势标签，以及将与所述评估对象标签不匹配的标准标签确定为劣势标签；
确定所述标准标签和所述评估对象标签的整体匹配度；
根据所述优势标签、所述劣势标签和所述整体匹配度确定匹配信息。
3.根据权利要求2所述的智慧城市评估方法，其特征在于，所述确定所述标准标签和所述评估对象标签的整体匹配度，包括：
根据预设转换算法确定每个标准标签对应的标签数字，以及确定每个评估对象标签对应的标签数字；
根据所有标准标签对应的标签数字确定标准矩阵，以及根据所有评估对象标签对应的标签数字确定评估对象矩阵；
确定所述标准矩阵和所述评估对象矩阵的相似度；
将所述相似度确定为所述标准标签和所述评估对象标签的整体匹配度。
4.根据权利要求3所述的智慧城市评估方法，其特征在于，所述确定所述标准矩阵和所述评估对象矩阵的相似度，包括：
根据余弦相似度公式确定所述标准矩阵和所述评估对象矩阵的相似度，所述余弦相似度公式为：
Figure 482683DEST_PATH_IMAGE001
；
其中，
Figure 92656DEST_PATH_IMAGE002
为所述标准矩阵和所述评估对象矩阵的相似度，
Figure 856213DEST_PATH_IMAGE003
，
Figure 768805DEST_PATH_IMAGE004
，
Figure 133108DEST_PATH_IMAGE006
为标准标签i在评估对象标签j中出现的次数，
Figure 343652DEST_PATH_IMAGE007
，
Figure 47166DEST_PATH_IMAGE008
，m为标准标签的数量，n为评估对象标签的数量。
5.根据权利要求1至4任一项所述的智慧城市评估方法，其特征在于，所述根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签，包括：
将所述评估标准数据以及所述评估对象数据分别输入至预设语义模型，以使所述预设语义模型分别输出所述评估项的标准标签以及评估对象标签。
6.根据权利要求1至4任一项所述的智慧城市评估方法，其特征在于，所述将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息，包括：
将所述评估对象标签分别和多个级别的评估标准数据的标准标签进行匹配，以得到所述评估对象标签和多个级别的标准标签的匹配信息；
所述根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果，包括：
针对每个评估项的匹配信息，确定和所述评估项的评估对象标签的整体匹配度最高的标准标签；
根据所述匹配度最高的标准标签的级别确定所述待评估城市在所述评估项上的评估级别，将所述评估项上的评估级别确定为评估结果。
7.一种智慧城市评估装置，其特征在于，包括：
评估项确定模块，用于确定待评估城市对应的评估项；
数据获取模块，用于针对所述待评估城市的每个评估项，获取所述评估项的评估标准数据和评估对象数据；
标签确定模块，用于根据所述评估标准数据确定所述评估项的标准标签，以及根据所述评估对象数据确定所述评估项的评估对象标签；
匹配模块，用于将所述标准标签和所述评估对象标签进行匹配，以得到匹配信息；
评估结果模块，用于根据所述待评估城市对应的评估项的匹配信息，确定所述待评估城市的评估结果；
其中，所述匹配信息的确定使用了每个标准标签对应的标签数字以及每个评估对象标签对应的标签数字；
针对每个标准标签，确定所述标准标签中包括的每个字对应的四角号码，将所述标准标签中包括的所有字对应的四角号码，确定为所述标准标签对应的标签数字；
针对每个评估对象标签，确定所述评估对象标签中包括的每个字对应的四角号码，将所述评估对象标签中包括的所有字对应的四角号码，确定为所述评估对象标签对应的标签数字。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至6中任一项所述的智慧城市评估方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至6中任一项所述的智慧城市评估方法。
CN202010958167.4A 2020-09-14 2020-09-14 智慧城市评估方法、装置、计算机设备及存储介质 Active CN111932148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010958167.4A CN111932148B (zh) 2020-09-14 2020-09-14 智慧城市评估方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010958167.4A CN111932148B (zh) 2020-09-14 2020-09-14 智慧城市评估方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111932148A CN111932148A (zh) 2020-11-13
CN111932148B true CN111932148B (zh) 2021-02-05

Family

ID=73333460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010958167.4A Active CN111932148B (zh) 2020-09-14 2020-09-14 智慧城市评估方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111932148B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113778454B (zh) * 2021-09-22 2024-02-20 重庆海云捷迅科技有限公司 一种人工智能实验平台的自动评测方法及系统
CN114139848A (zh) * 2021-10-15 2022-03-04 无锡数据湖信息技术有限公司 城市数据资产评估方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116825B (zh) * 2013-01-29 2019-08-30 中通服咨询设计研究院有限公司 智慧城市管理系统
CN106096229A (zh) * 2016-05-30 2016-11-09 国网天津市电力公司 一种城市能源消费形态特征的量化对比分析方法
KR102010180B1 (ko) * 2018-05-02 2019-08-12 세종대학교산학협력단 Ａｎｐ와 ｄｅｍａｔｅｌ 방법을 사용하는 유비쿼터스 도시 평가를 위한 방법론적인 프레임워크
CN110175766A (zh) * 2019-05-20 2019-08-27 上海市测绘院 一种基本公共养老服务均等化综合评估系统及评估方法
CN110175765A (zh) * 2019-05-20 2019-08-27 上海市测绘院 一种基本公共教育服务均等化综合评估系统及评估方法
CN110335131B (zh) * 2019-06-04 2023-12-05 创新先进技术有限公司 基于树的相似度匹配的金融风险控制方法及装置
CN111090771B (zh) * 2019-10-31 2023-08-25 腾讯音乐娱乐科技（深圳）有限公司 歌曲搜索方法、装置及计算机存储介质

Also Published As

Publication number Publication date
CN111932148A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
Zhou et al. Forecasting emerging technologies using data augmentation and deep learning
Hodorog et al. Machine learning and Natural Language Processing of social media data for event detection in smart cities
Pereira et al. Why so many people? explaining nonhabitual transport overcrowding with internet data
US20210406981A1 (en) Method and apparatus of determining display page, electronic device, and medium
CN111932148B (zh) 智慧城市评估方法、装置、计算机设备及存储介质
CN105378732A (zh) 表格数据的主题分析
Omrani et al. Multi-label class assignment in land-use modelling
CN108241867B (zh) 一种分类方法及装置
Skoumas et al. Location estimation using crowdsourced spatial relations
CN109074378A (zh) 模块化电子数据分析计算系统
Ning et al. Integration of image feature and word relevance: Toward automatic image annotation in cyber-physical-social systems
Iordăchescu et al. Political ecologies of green-collar crime: understanding illegal trades in European wildlife
Ceschia et al. Task design in complex crowdsourcing experiments: Item assignment optimization
Hanneman et al. Applying modality and equivalence concepts to pattern finding in social process-produced data
CN116795995A (zh) 知识图谱构建方法、装置、计算机设备和存储介质
Adil et al. A framework for weak signal detection in competitive intelligence using semantic clustering algorithms
Das et al. Automated inference of point of view from user interactions in collective intelligence venues
Langbridge et al. Optimal Transport for Fairness: Archival Data Repair using Small Research Data Sets
Motohashi et al. Technological competitiveness of China's internet platformers: comparison of Google and Baidu by using patent text information
Almquist et al. The spatial properties of radical environmental organizations in the UK: Do or Die!
ALI et al. A Novel Leader Election Algorithm for Honeycomb Mesh Networks
Banisch Markov chain aggregation for agent-based models
Babu et al. Large dataset partitioning using ensemble partition-based clustering with majority voting technique
Salamanos et al. HyperGraphDis: Leveraging Hypergraphs for Contextual and Social-Based Disinformation Detection
Li et al. A variable precision attribute reduction approach in multilabel decision tables

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