CN112069230B - 数据分析方法、装置、设备及存储介质 - Google Patents
数据分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112069230B CN112069230B CN202010927381.3A CN202010927381A CN112069230B CN 112069230 B CN112069230 B CN 112069230B CN 202010927381 A CN202010927381 A CN 202010927381A CN 112069230 B CN112069230 B CN 112069230B
- Authority
- CN
- China
- Prior art keywords
- data analysis
- matching
- preset
- analyzed
- index value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000013598 vector Substances 0.000 claims abstract description 64
- 230000011218 segmentation Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims description 13
- 230000014509 gene expression Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 abstract description 35
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000012552 review Methods 0.000 description 22
- 239000000463 material Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000008520 organization Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000246 remedial effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- 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
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- 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
- G06F16/245—Query processing
- G06F16/2452—Query translation
- G06F16/24522—Translation of natural language queries to structured queries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据处理技术,提供了一种数据分析方法、装置、设备及存储介质。该方法对多个待分析项目执行匹配处理得到各待分析项目的匹配度值,基于匹配度值计算得到数据分析对象的第一指标值,当第一指标值大于第一预设阈值时,基于数据分析对象的类型获取多个文本标签并建立多个矩阵,对数据分析对象的文本执行分词并转换为词向量,将每个词向量与矩阵的标签进行匹配,根据匹配结果及权重计算数据分析对象的第二指标值,获取数据分析对象所属用户的相关信息,基于第二指标值及相关信息对应的预设算法计算得到数据分析对象的第三指标值,根据第三指标值的大小向用户反馈提示信息。本发明可以实现数据分析对象在自动分析场景下的处理效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种数据分析方法、装置、设备及存储介质。
背景技术
数据信息安全分析是软件系统在开发、应用过程中的常见需求,现有的数据信息分析大多以模糊匹配的方式进行,模糊匹配目前常用的方法是关键词相似度匹配,通过单字段或多字段进行筛选,基于关键字相似度的匹配技术通常是对数据库进行全表扫描,当数据量达到百万级的时候,匹配处理的效率低,且占用系统内存大。
发明内容
鉴于以上内容,本发明提供一种数据分析方法、装置、设备及存储介质,其目的在于解决现有技术中数据分析时存在匹配处理效率低的技术问题。
为实现上述目的,本发明提供一种数据分析方法,该方法包括:
接收用户发送的待分析的数据分析对象,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值;
当判断所述第一指标值大于第一预设阈值时,基于所述数据分析对象的类型从预设数据库获取多个预设类型的文本标签,基于所述文本标签分别建立多个不同维度的矩阵;
对所述数据分析对象的文本执行分词操作,将得到的各个词转换为词向量,将每个词向量与所述多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值;
获取所述数据分析对象所属用户的相关信息,基于所述第二指标值及所述相关信息对应的预设算法,计算得到所述数据分析对象的第三指标值,判断所述第三指标值是否大于第二预设阈值,若是,向所述用户反馈第一预设提示信息。
优选的,所述根据所述数据分析对象得到第一指标值包括:
解析所述数据分析对象,得到所述数据分析对象的多个待分析项目,基于预设的匹配规则分别对所述多个待分析项目执行匹配处理得到各所述待分析项目的匹配度值,基于各所述待分析项目的匹配度值计算得到所述数据分析对象的第一指标值。
优选的,所述数据分析方法还包括:
当判断所述第三指标值小于或等于第二预设阈值时,向所述用户反馈第三预设提示信息,当判断所述第三指标值大于第二预设阈值时,将所述数据分析对象发送至预设终端。
优选的,所述将每个词向量与所述多个不同维度的矩阵的标签进行匹配包括:
从所述多个不同维度的矩阵中筛选出包含第一词向量的目标矩阵,基于第二词向量从所述目标矩阵中筛选出与第二词向量对应的第一标签,基于第三词向量从所述目标矩阵中筛选出与第三词向量对应的第二标签,分别读取所述第一标签及所述第二标签对应的标签值作为所述匹配结果。
优选的,所述对所述数据分析对象的文本执行分词操作包括:
根据正向最大匹配法将读取到的文本与所述词库进行匹配,得到第一匹配结果,所述第一匹配结果中包含有第一数量的第一词组和第二数量的单字;
根据逆向最大匹配法将读取到的文本与所述词库进行匹配,得到第二匹配结果,所述第二匹配结果中包含有第三数量的第二词组和第四数量的单字;
若所述第一数量与所述第三数量相等且所述第二数量小于或者等于所述第四数量,或者,若所述第一数量小于所述第三数量,则将所述第一匹配结果作为该对象全称的分词结果;若所述第一数量与所述第二数量相等且所述第三数量大于所述第四数量,或者,若所述第一数量大于所述第三数量,则将所述第二匹配结果作为该对象全称的分词结果。
优选的,所述基于预设的匹配规则分别对各个待分析项目执行匹配处理得到各对象的匹配度值包括:
对所述数据分析对象的第一待分析项目执行分词操作,将得到的各个词分别与预先构建的多个正则表达式进行匹配,基于各所述正则表达式的预设权重计算得到所述第一待分析项目的匹配度值;
获取所述数据分析对象的第二待分析项目的元素数量,基于所述元素数量从第一预设映射关系表中查找所述第二待分析项目的匹配度值;
基于所述数据分析对象的第三待分析项目的所占内存容量大小,基于第三待分析项目的所占内存容量大小从第二预设映射关系表中查找所述第三待分析项目的匹配度值;
判断所述数据分析对象是否存在第四待分析项目,当存在所述第四待分析项目时,则将预设值赋值给所述第四待分析项目的匹配度值。
优选的,当所述第二待分析项目、所述待分析项目及所述第四待分析项目的任意一个匹配度值为预设值时,向所述用户反馈第二预设提示信息。
为实现上述目的,本发明还提供一种数据分析装置,该数据分析装置包括:
接收模块:用于接收用户发送的待分析的数据分析对象,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值;
建立模块:用于当判断所述第一指标值大于第一预设阈值时,基于所述数据分析对象的类型从预设数据库获取多个预设类型的文本标签,基于所述文本标签分别建立多个不同维度的矩阵;
匹配模块:用于对所述数据分析对象的文本执行分词操作,将得到的各个词转换为词向量,将每个词向量与所述多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值;
分析模块:用于获取所述数据分析对象所属用户的相关信息,基于所述第二指标值及所述相关信息对应的预设算法,计算得到所述数据分析对象的第三指标值,判断所述第三指标值是否大于第二预设阈值,若是,向所述用户反馈第一预设提示信息。
为实现上述目的,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的数据分析方法的任意步骤。
为实现上述目的,本发明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中包括存储数据区和存储程序区,存储数据区存储根据区块链节点的使用所创建的数据,存储程序区存储有数据分析程序,所述数据分析程序被处理器执行时,实现如上所述数据分析方法的任意步骤。
本发明提出的数据分析方法、装置、设备及存储介质,不需要对数据库全表扫描进行匹配,可以快速实现大批量数据的匹配处理,匹配时将数据分析对象的各个待分析项目与所属申请人的信息进行关联避免了单纯计算文本相似度出现的匹配误差,极大地提高了匹配的准确率,减少了匹配过程所需的内存空间,缩短了匹配时间,从而实现数据分析对象在自动分析场景下的快速处理。
附图说明
图1为本发明电子设备较佳实施例的示意图;
图2为图1中数据分析装置较佳实施例的模块示意图;
图3为本发明数据分析方法较佳实施例的流程图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
参照图1所示,为本发明电子设备1较佳实施例的示意图。
该电子设备1包括但不限于:存储器11、处理器12、显示器13及网络接口14。所述电子设备1通过网络接口14连接网络,获取原始数据。其中,所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobilecommunication,GSM)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器11可以是所述电子设备1的内部存储单元,例如该电子设备1的硬盘或内存。在另一些实施例中,所述存储器11也可以是所述电子设备1的外部存储设备,例如该电子设备1配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器11还可以既包括所述电子设备1的内部存储单元也包括其外部存储设备。本实施例中,存储器11通常用于存储安装于所述电子设备1的操作系统和各类应用软件,例如数据分析程序10的程序代码等。此外,存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子设备1的总体操作,例如执行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据,例如运行数据分析程序10的程序代码等。
显示器13可以称为显示屏或显示单元。在一些实施例中显示器13可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-EmittingDiode,OLED)触摸器等。显示器13用于显示在电子设备1中处理的信息以及用于显示可视化的工作界面,例如显示数据统计的结果。
网络接口14可选地可以包括标准的有线接口、无线接口(如WI-FI接口),该网络接口14通常用于在所述电子设备1与其它电子设备之间建立通信连接。
图1仅示出了具有组件11-14以及数据分析程序10的电子设备1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
可选地,所述电子设备1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
该电子设备1还可以包括射频(Radio Frequency,RF)电路、传感器和音频电路等等,在此不再赘述。
在上述实施例中,处理器12执行存储器11中存储的数据分析程序10时可以实现如下步骤:
接收用户发送的待分析的数据分析对象,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值;
当判断所述第一指标值大于第一预设阈值时,基于所述数据分析对象的类型从预设数据库获取多个预设类型的文本标签,基于所述文本标签分别建立多个不同维度的矩阵;
对所述数据分析对象的文本执行分词操作,将得到的各个词转换为词向量,将每个词向量与所述多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值;
获取所述数据分析对象所属用户的相关信息,基于所述第二指标值及所述相关信息对应的预设算法,计算得到所述数据分析对象的第三指标值,判断所述第三指标值是否大于第二预设阈值,若是,向所述用户反馈第一预设提示信息。
所述存储设备可以为电子设备1的存储器11,也可以为与电子设备1通讯连接的其它存储设备。
关于上述步骤的详细介绍,请参照下述图2关于数据分析装置100实施例的功能模块图以及图3关于数据分析方法实施例的流程图的说明。
参照图2所示,为本发明数据分析装置100的功能模块图。
本发明所述数据分析装置100可以安装于电子设备中。根据实现的功能,所述数据分析装置100可以包括接收模块110、建立模块120、匹配模块130及分析模块140。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
接收模块110,用于接收用户发送的待分析的数据分析对象,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值。
在本实施例中,以待处理数据分析对象以待处理的邮件信息为例对本方案进行说明,待处理的邮件信息可以是用户基于评审需求提交的邮件信息,在接收到待处理的邮件信息后,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值。
在一个实施例中,根据所述数据分析对象得到第一指标值包括:
解析所述数据分析对象,得到所述数据分析对象的多个待分析项目,基于预设的匹配规则分别对所述多个待分析项目执行匹配处理得到各所述待分析项目的匹配度值,基于各所述待分析项目的匹配度值计算得到所述数据分析对象的第一指标值。
解析该邮件信息得到邮件信息对应的多个待分析项目,分析项目包括:邮件信息的材料文件名、材料内容、文件大小、新增附件等,其中,每个对象包括相应的预设处理规则,根据预设的处理规则分别对各个待分析项目执行处理可以得到各待分析项目的匹配度值,基于各待分析项目的匹配度值加权计算得到该邮件信息的第一指标值,再判断第一指标值是否大于第一预设阈值。调用Message对象的getFrom、getSubject等方法,可以得到邮件的发件人和主题等信息,调用getContentType方法得到邮件的类型,通过Message.getContentType方法的返回值可以判断邮件类型,调用Message.getContent方法得到邮件内容,例如,邮件信息的材料文件名、材料内容、文件大小、新增附件等。
在一个实施例中,所述基于预设的匹配规则分别对各个待分析项目执行匹配处理得到各对象的匹配度值包括:
对所述数据分析对象的第一待分析项目执行分词操作,将得到的各个词分别与预先构建的多个正则表达式进行匹配,基于各所述正则表达式的预设权重计算得到所述第一待分析项目的匹配度值;
获取所述数据分析对象的第二待分析项目的元素数量,基于所述元素数量从第一预设映射关系表中查找所述第二待分析项目的匹配度值;
基于所述数据分析对象的第三待分析项目的所占内存容量大小,基于第三待分析项目的所占内存容量大小从第二预设映射关系表中查找所述第三待分析项目的匹配度值;
判断所述数据分析对象是否存在第四待分析项目,当存在所述第四待分析项目时,则将预设值赋值给所述第四待分析项目的匹配度值。
进一步地,当所述第二待分析项目、所述待分析项目及所述第四待分析项目的任意一个匹配度值为预设值(例如,0)时,向所述用户反馈第二预设提示信息。
以所述数据分析对象的第一待分析项目为邮件标题为例对本实施例进行说明,提交的邮件信息标题为“邮件特权表格”,进行2字向量、1字向量切词,得到词向量集合,逐一与预先构建的正则表达式匹配,匹配到的关键词按正则表达式对应的权重求和,再取平均值,即所述第一待分析项目的匹配度值为:
无特殊字词
其中,A1表示第一待分析项目的匹配度值,xk为词向量值,是基于申请人输入文本构建的词向量空间,与预训练关键词运算的结果值,yk为向量权重,k为分析项序号,n为实际方案的分析项数。
若识别到非本评审方法关键信息,例如“大文件”、“网站”、“打印”等词则第一待分析项目的匹配度值为0。
第二待分析项目可以是邮件信息的材料内容,元素数量可以是指材料内容的表格数量,根据表格数量从第一预设映射关系表中查找第二待分析项目的匹配度值,若表格大于1或填写子表的所在行存在空值时第二待分析项目的匹配度值为0,向申请该邮件的用户反馈预设的提示信息(例如,驳回)。
第三待分析项目可以是邮件信息的文件内存大小,根据所占内存大小查找预先配置的映射关系表得到第三对象的匹配度值,若材料内存大小为0kb,第三待分析项目的匹配度值为0,向申请该邮件的用户反馈预设的提示信息。
第四待分析项目可以是邮件信息是否包含其它附件,识别提交材料是否还存在其他附件,如不存在则第四待分析项目的匹配度值为1。
建立模块120,用于当判断所述第一指标值大于第一预设阈值时,基于所述数据分析对象的类型从预设数据库获取多个预设类型的文本标签,基于所述文本标签分别建立多个不同维度的矩阵。
在本实施例中,当第一指标值大于第一预设阈值时,说明该邮件信息的格式通过了审核,可以进入下一步的内容评审,基于该邮件信息的类型从预设数据库获取多个预设类型的文本标签,根据文本标签分别建立多个不同维度的矩阵。例如架构评审、需求评审、权限评审等真假,每个矩阵包括给各评审问题和预设答案。
具体地,引入组织架构矩阵,对申请人岗位、组织信息、上下级关系、申请历史信息进行同纬度数据标签化,确定申请人是否存在申请权限。
以申请岗位为例,可建立如下矩阵:
以邮件特权为例,可建立如下矩阵:
根据邮件的问题穷举风险预设答案,以公司技术合作每周5次发送手机号(机密)为例,可建立如下矩阵:
其它矩阵在此不在列举。
匹配模块130,用于对所述数据分析对象的文本执行分词操作,将得到的各个词转换为词向量,将每个词向量与所述多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值。
在本实施例中,提取邮件信息的文本内容,对邮件信息的文本内容执行分词操作得到多个词,并将分词后的词转换为对应的词向量,将每个词向量与多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值。
在一个实施例中,所述将每个词向量与所述多个不同维度的矩阵的标签进行匹配包括:
从所述多个不同维度的矩阵中筛选出包含第一词向量的目标矩阵,基于第二词向量从所述目标矩阵中筛选出与第二词向量对应的第一标签,基于第三词向量从所述目标矩阵中筛选出与第三词向量对应的第二标签,分别读取所述第一标签及所述第二标签对应的标签值作为所述匹配结果。
例如,提取的文本内容为“邮件外发权限带来的信息外泄隐患,有何补救或规避措施”,可以通过多个不同维度的矩阵中从“外泄隐患”的标签中匹配到“补救”、“规避措施”,再从“补救”、“规避措施”的标签中匹配到对应的矩阵,其中,每个被匹配到矩阵的标签都会有对应的值和权重,通过这种矩阵及文本内容分词之间关联,可以根据每个分词匹配矩阵后的值和权重加权求和得到第二指标值,即
其中,B表示第二指标值,uk为词向量值,wk为被匹配到矩阵的标签权重,Rk为矩阵的值,Sk为被匹配到矩阵的权重,Tk为预训练矩阵权重值,m为矩阵维度,n为词向量数,k为计数值。
在一个实施例中,所述对所述数据分析对象的文本执行分词操作包括:
根据正向最大匹配法将读取到的文本与所述词库进行匹配,得到第一匹配结果,所述第一匹配结果中包含有第一数量的第一词组和第二数量的单字;
根据逆向最大匹配法将读取到的文本与所述词库进行匹配,得到第二匹配结果,所述第二匹配结果中包含有第三数量的第二词组和第四数量的单字;
若所述第一数量与所述第三数量相等且所述第二数量小于或者等于所述第四数量,或者,若所述第一数量小于所述第三数量,则将所述第一匹配结果作为该对象全称的分词结果;若所述第一数量与所述第二数量相等且所述第三数量大于所述第四数量,或者,若所述第一数量大于所述第三数量,则将所述第二匹配结果作为该对象全称的分词结果。
通过该分词方法来分析切分文本内容中前后组合内容的粘性,由于通常情况下词组能代表核心观点信息的概率更大,即通过词组更能表达出核心观点信息,因此,通过正反向同时进行分词匹配找出单字数量更少,词组数量更多的分词匹配结果,以作为切分的语句的分词结果,可提高分词的准确性。
分析模块140,用于获取所述数据分析对象所属用户的相关信息,基于所述第二指标值及所述相关信息对应的预设算法,计算得到所述数据分析对象的第三指标值,判断所述第三指标值是否大于第二预设阈值,若是,向所述用户反馈第一预设提示信息。
在本实施例中,获取邮件信息所属用户(例如,申请人)的相关信息,根据第二指标值及所述相关信息对应的预设算法计算得到该邮件信道的第三指标值,判断所述第三指标值是否大于第二预设阈值,当大于第二预设阈值时,向所述用户反馈预设提示信息。
仅通过第二指标值仍然不能依据的变动和整体策略的调整,进而需要结合用户的相关信息进行关联分析,得到第三指标值,相关信息可以包括申请人历史申请记录、所在部门其他人申请过同类案例、申请人岗位信息、申请人组织信息、申请人上下级等。
在一个实施例中,当判断所述第三指标值小于或等于第二预设阈值时,向所述用户反馈第三预设提示信息。该用户相关信息与本次申请是否归类为同人同类型(如第三指标值大于80%),则判断为同人同类型,进行驳回。
进一步地,当判断所述第三指标值大于第二预设阈值时,将所述数据分析对象发送至预设终端。当第三指标值小于80%,将数据分析对象发送至预设终端,继续下一步的评审操作(例如,人为的随机抽审等)。
以岗位矩阵为例,例如用户张三,其账号已申请过运维岗普通发送权限、公共邮箱权限,本次申请公共邮箱权限,则d1=50%。
若按申请人历史申请记录、所在部门其他人申请过同类案例、申请人岗位信息、申请人组织信息、申请人上下级权重f分别为8、5、8、5、2,d2、d3、d4、d5分别为0、0、0、50%,则
其中,C1表示用户张三申请的邮件的第三指标值,dk表示用户张三各相关信息对应的值,fk表示用户张三各相关信息对应的权重。
为提高申请人的满意度,不管是否通过评审,均可在评审意见栏给出申请人对应申请场景的风险说明(补救措施、规避措施等),以便后续提单改正。
此外,本发明还提供一种数据分析方法。参照图3所示,为本发明数据分析方法的实施例的方法流程示意图。电子设备1的处理器12执行存储器11中存储的数据分析程序10时实现数据分析方法的如下步骤:
步骤S10:接收用户发送的待分析的数据分析对象,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值。
在本实施例中,以待处理数据分析对象以待处理的邮件信息为例对本方案进行说明,待处理的邮件信息可以是用户基于评审需求提交的邮件信息,电子设备(例如,服务器)在接收到待处理的邮件信息后,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值。
在一个实施例中,根据所述数据分析对象得到第一指标值包括:
解析所述数据分析对象,得到所述数据分析对象的多个待分析项目,基于预设的匹配规则分别对所述多个待分析项目执行匹配处理得到各所述待分析项目的匹配度值,基于各所述待分析项目的匹配度值计算得到所述数据分析对象的第一指标值。
解析该邮件信息得到邮件信息对应的多个待分析项目,分析项目包括:邮件信息的材料文件名、材料内容、文件大小、新增附件等,其中,每个对象包括相应的预设处理规则,根据预设的处理规则分别对各个待分析项目执行处理可以得到各待分析项目的匹配度值,基于各待分析项目的匹配度值加权计算得到该邮件信息的第一指标值,再判断第一指标值是否大于第一预设阈值。调用Message对象的getFrom、getSubject等方法,可以得到邮件的发件人和主题等信息,调用getContentType方法得到邮件的类型,通过Message.getContentType方法的返回值可以判断邮件类型,调用Message.getContent方法得到邮件内容,例如,邮件信息的材料文件名、材料内容、文件大小、新增附件等。
在一个实施例中,所述基于预设的匹配规则分别对各个待分析项目执行匹配处理得到各对象的匹配度值包括:
对所述数据分析对象的第一待分析项目执行分词操作,将得到的各个词分别与预先构建的多个正则表达式进行匹配,基于各所述正则表达式的预设权重计算得到所述第一待分析项目的匹配度值;
获取所述数据分析对象的第二待分析项目的元素数量,基于所述元素数量从第一预设映射关系表中查找所述第二待分析项目的匹配度值;
基于所述数据分析对象的第三待分析项目的所占内存容量大小,基于第三待分析项目的所占内存容量大小从第二预设映射关系表中查找所述第三待分析项目的匹配度值;
判断所述数据分析对象是否存在第四待分析项目,当存在所述第四待分析项目时,则将预设值赋值给所述第四待分析项目的匹配度值。
进一步地,当所述第二待分析项目、所述待分析项目及所述第四待分析项目的任意一个匹配度值为预设值(例如,0)时,向所述用户反馈第二预设提示信息。
以所述数据分析对象的第一待分析项目为邮件标题为例对本实施例进行说明,提交的邮件信息标题为“邮件特权表格”,进行2字向量、1字向量切词,得到词向量集合,逐一与预先构建的正则表达式匹配,匹配到的关键词按正则表达式对应的权重求和,再取平均值,即所述第一待分析项目的匹配度值为:
无特殊字词
其中,A1表示第一待分析项目的匹配度值,xk为词向量值,是基于申请人输入文本构建的词向量空间,与预训练关键词运算的结果值,yk为向量权重,k为分析项序号,n为实际方案的分析项数。
若识别到非本评审方法关键信息,例如“大文件”、“网站”、“打印”等词则第一待分析项目的匹配度值为0。
第二待分析项目可以是邮件信息的材料内容,元素数量可以是指材料内容的表格数量,根据表格数量从第一预设映射关系表中查找第二待分析项目的匹配度值,若表格大于1或填写子表的所在行存在空值时第二待分析项目的匹配度值为0,向申请该邮件的用户反馈预设的提示信息(例如,驳回)。
第三待分析项目可以是邮件信息的文件内存大小,根据所占内存大小查找预先配置的映射关系表得到第三对象的匹配度值,若材料内存大小为0kb,第三待分析项目的匹配度值为0,向申请该邮件的用户反馈预设的提示信息。
第四待分析项目可以是邮件信息是否包含其它附件,识别提交材料是否还存在其他附件,如不存在则第四待分析项目的匹配度值为1。
步骤S20:当判断所述第一指标值大于第一预设阈值时,基于所述数据分析对象的类型从预设数据库获取多个预设类型的文本标签,基于所述文本标签分别建立多个不同维度的矩阵。
在本实施例中,当第一指标值大于第一预设阈值时,说明该邮件信息的格式通过了审核,可以进入下一步的内容评审,基于该邮件信息的类型从预设数据库获取多个预设类型的文本标签,根据文本标签分别建立多个不同维度的矩阵。例如架构评审、需求评审、权限评审等真假,每个矩阵包括给各评审问题和预设答案。
具体地,引入组织架构矩阵,对申请人岗位、组织信息、上下级关系、申请历史信息进行同纬度数据标签化,确定申请人是否存在申请权限。
以申请岗位为例,可建立如下矩阵:
以邮件特权为例,可建立如下矩阵:
根据邮件的问题穷举风险预设答案,以公司技术合作每周5次发送手机号(机密)为例,可建立如下矩阵:
其它矩阵在此不在列举。
步骤S30:对所述数据分析对象的文本执行分词操作,将得到的各个词转换为词向量,将每个词向量与所述多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值。
在本实施例中,提取邮件信息的文本内容,对邮件信息的文本内容执行分词操作得到多个词,并将分词后的词转换为对应的词向量,将每个词向量与多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值。
在一个实施例中,所述将每个词向量与所述多个不同维度的矩阵的标签进行匹配包括:
从所述多个不同维度的矩阵中筛选出包含第一词向量的目标矩阵,基于第二词向量从所述目标矩阵中筛选出与第二词向量对应的第一标签,基于第三词向量从所述目标矩阵中筛选出与第三词向量对应的第二标签,分别读取所述第一标签及所述第二标签对应的标签值作为所述匹配结果。
例如,提取的文本内容为“邮件外发权限带来的信息外泄隐患,有何补救或规避措施”,可以通过多个不同维度的矩阵中从“外泄隐患”的标签中匹配到“补救”、“规避措施”,再从“补救”、“规避措施”的标签中匹配到对应的矩阵,其中,每个被匹配到矩阵的标签都会有对应的值和权重,通过这种矩阵及文本内容分词之间关联,可以根据每个分词匹配矩阵后的值和权重加权求和得到第二指标值,即
其中,B表示第二指标值,uk为词向量值,wk为被匹配到矩阵的标签权重,Rk为矩阵的值,Sk为被匹配到矩阵的权重,Tk为预训练矩阵权重值,m为矩阵维度,n为词向量数,k为计数值。
在一个实施例中,所述对所述数据分析对象的文本执行分词操作包括:
根据正向最大匹配法将读取到的文本与所述词库进行匹配,得到第一匹配结果,所述第一匹配结果中包含有第一数量的第一词组和第二数量的单字;
根据逆向最大匹配法将读取到的文本与所述词库进行匹配,得到第二匹配结果,所述第二匹配结果中包含有第三数量的第二词组和第四数量的单字;
若所述第一数量与所述第三数量相等且所述第二数量小于或者等于所述第四数量,或者,若所述第一数量小于所述第三数量,则将所述第一匹配结果作为该对象全称的分词结果;若所述第一数量与所述第二数量相等且所述第三数量大于所述第四数量,或者,若所述第一数量大于所述第三数量,则将所述第二匹配结果作为该对象全称的分词结果。
通过该分词方法来分析切分文本内容中前后组合内容的粘性,由于通常情况下词组能代表核心观点信息的概率更大,即通过词组更能表达出核心观点信息,因此,通过正反向同时进行分词匹配找出单字数量更少,词组数量更多的分词匹配结果,以作为切分的语句的分词结果,可提高分词的准确性。
步骤S40:获取所述数据分析对象所属用户的相关信息,基于所述第二指标值及所述相关信息对应的预设算法,计算得到所述数据分析对象的第三指标值,判断所述第三指标值是否大于第二预设阈值,若是,向所述用户反馈第一预设提示信息。
在本实施例中,获取邮件信息所属用户(例如,申请人)的相关信息,根据第二指标值及所述相关信息对应的预设算法计算得到该邮件信道的第三指标值,判断所述第三指标值是否大于第二预设阈值,当大于第二预设阈值时,向所述用户反馈预设提示信息。
仅通过第二指标值仍然不能依据的变动和整体策略的调整,进而需要结合用户的相关信息进行关联分析,得到第三指标值,相关信息可以包括申请人历史申请记录、所在部门其他人申请过同类案例、申请人岗位信息、申请人组织信息、申请人上下级等。
在一个实施例中,当判断所述第三指标值小于或等于第二预设阈值时,向所述用户反馈第三预设提示信息。该用户相关信息与本次申请是否归类为同人同类型(如第三指标值大于80%),则判断为同人同类型,进行驳回。
进一步地,当判断所述第三指标值大于第二预设阈值时,将所述数据分析对象发送至预设终端。当第三指标值小于80%,将数据分析对象发送至预设终端,继续下一步的评审操作(例如,人为的随机抽审等)。
以岗位矩阵为例,例如用户张三,其账号已申请过运维岗普通发送权限、公共邮箱权限,本次申请公共邮箱权限,则d1=50%。
若按申请人历史申请记录、所在部门其他人申请过同类案例、申请人岗位信息、申请人组织信息、申请人上下级权重f分别为8、5、8、5、2,d2、d3、d4、d5分别为0、0、0、50%,则
其中,C1表示用户张三申请的邮件的第三指标值,dk表示用户张三各相关信息对应的值,fk表示用户张三各相关信息对应的权重。
为提高申请人的满意度,不管是否通过评审,均可在评审意见栏给出申请人对应申请场景的风险说明(补救措施、规避措施等),以便后续提单改正。
此外,本发明实施例还提出一种计算机可读存储介质,该计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括存储数据区和存储程序区,存储数据区存储根据区块链节点的使用所创建的数据,存储程序区存储有数据分析程序10,所述数据分析程序10被处理器执行时实现如下操作:
接收用户发送的待分析的数据分析对象,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值;
当判断所述第一指标值大于第一预设阈值时,基于所述数据分析对象的类型从预设数据库获取多个预设类型的文本标签,基于所述文本标签分别建立多个不同维度的矩阵;
对所述数据分析对象的文本执行分词操作,将得到的各个词转换为词向量,将每个词向量与所述多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值;
获取所述数据分析对象所属用户的相关信息,基于所述第二指标值及所述相关信息对应的预设算法,计算得到所述数据分析对象的第三指标值,判断所述第三指标值是否大于第二预设阈值,若是,向所述用户反馈第一预设提示信息。
在另一个实施例中,本发明所提供的数据分析方法,为进一步保证上述所有出现的数据的私密和安全性,上述所有数据还可以存储于一区块链的节点中。例如待分析的数据分析对象、或多个不同维度的矩阵等等,这些数据均可存储在区块链节点中。
需要说明的是,本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本发明之计算机可读存储介质的具体实施方式与上述数据分析方法的具体实施方式大致相同,在此不再赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,电子装置,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种数据分析方法,应用于电子设备,其特征在于,所述方法包括:
接收用户发送的待分析的数据分析对象,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值;
当判断所述第一指标值大于第一预设阈值时,基于所述数据分析对象的类型从预设数据库获取多个预设类型的文本标签,基于所述文本标签分别建立多个不同维度的矩阵;
对所述数据分析对象的文本执行分词操作,将得到的各个词转换为词向量,将每个词向量与所述多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值;
获取所述数据分析对象所属用户的相关信息,基于所述第二指标值及所述相关信息对应的预设算法,计算得到所述数据分析对象的第三指标值,判断所述第三指标值是否大于第二预设阈值,若是,向所述用户反馈第一预设提示信息;
其中,所述根据所述数据分析对象得到第一指标值包括:解析所述数据分析对象,得到所述数据分析对象的多个待分析项目,基于预设的匹配规则分别对所述多个待分析项目执行匹配处理得到各所述待分析项目的匹配度值,基于各所述待分析项目的匹配度值计算得到所述数据分析对象的第一指标值;
所述对所述数据分析对象的文本执行分词操作包括:根据正向最大匹配法将读取到的文本与词库进行匹配,得到第一匹配结果,所述第一匹配结果中包含有第一数量的第一词组和第二数量的单字;根据逆向最大匹配法将读取到的文本与所述词库进行匹配,得到第二匹配结果,所述第二匹配结果中包含有第三数量的第二词组和第四数量的单字;若所述第一数量与所述第三数量相等且所述第二数量小于或者等于所述第四数量,或者,若所述第一数量小于所述第三数量,则将所述第一匹配结果作为该对象全称的分词结果;若所述第一数量与所述第二数量相等且所述第三数量大于所述第四数量,或者,若所述第一数量大于所述第三数量,则将所述第二匹配结果作为该对象全称的分词结果;
所述基于预设的匹配规则分别对所述多个待分析项目执行匹配处理得到各所述待分析项目的匹配度值包括:对所述数据分析对象的第一待分析项目执行分词操作,将得到的各个词分别与预先构建的多个正则表达式进行匹配,基于各所述正则表达式的预设权重计算得到所述第一待分析项目的匹配度值;获取所述数据分析对象的第二待分析项目的元素数量,基于所述元素数量从第一预设映射关系表中查找所述第二待分析项目的匹配度值;基于所述数据分析对象的第三待分析项目的所占内存容量大小,基于第三待分析项目的所占内存容量大小从第二预设映射关系表中查找所述第三待分析项目的匹配度值;判断所述数据分析对象是否存在第四待分析项目,当存在所述第四待分析项目时,则将预设值赋值给所述第四待分析项目的匹配度值。
2.如权利要求1所述的数据分析方法,其特征在于,所述数据分析方法还包括:
当判断所述第三指标值小于或等于第二预设阈值时,向所述用户反馈第三预设提示信息,当判断所述第三指标值大于第二预设阈值时,将所述数据分析对象发送至预设终端。
3.如权利要求1所述的数据分析方法,其特征在于,所述将每个词向量与所述多个不同维度的矩阵的标签进行匹配包括:
从所述多个不同维度的矩阵中筛选出包含第一词向量的目标矩阵,基于第二词向量从所述目标矩阵中筛选出与第二词向量对应的第一标签,基于第三词向量从所述目标矩阵中筛选出与第三词向量对应的第二标签,分别读取所述第一标签及所述第二标签对应的标签值作为所述匹配结果。
4.如权利要求1所述的数据分析方法,其特征在于,当所述第二待分析项目、所述待分析项目及所述第四待分析项目的任意一个匹配度值为预设值时,向所述用户反馈第二预设提示信息。
5.一种数据分析装置,用于实现如权利要求1至4中任一项所述的数据分析方法,其特征在于,所述装置包括:
接收模块:用于接收用户发送的待分析的数据分析对象,根据所述数据分析对象得到第一指标值,判断所述第一指标值是否大于第一预设阈值;
建立模块:用于当判断所述第一指标值大于第一预设阈值时,基于所述数据分析对象的类型从预设数据库获取多个预设类型的文本标签,基于所述文本标签分别建立多个不同维度的矩阵;
匹配模块:用于对所述数据分析对象的文本执行分词操作,将得到的各个词转换为词向量,将每个词向量与所述多个不同维度的矩阵的标签进行匹配,根据匹配结果及预设的匹配权重计算得到所述数据分析对象的第二指标值;
分析模块:用于获取所述数据分析对象所属用户的相关信息,基于所述第二指标值及所述相关信息对应的预设算法,计算得到所述数据分析对象的第三指标值,判断所述第三指标值是否大于第二预设阈值,若是,向所述用户反馈第一预设提示信息。
6.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至4中任一项所述的数据分析方法。
7.一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中包括存储数据区和存储程序区,存储数据区存储根据区块链节点的使用所创建的数据,存储程序区存储有数据分析程序,所述数据分析程序被处理器执行时,实现如权利要求1至4中任一项所述的数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010927381.3A CN112069230B (zh) | 2020-09-07 | 2020-09-07 | 数据分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010927381.3A CN112069230B (zh) | 2020-09-07 | 2020-09-07 | 数据分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112069230A CN112069230A (zh) | 2020-12-11 |
CN112069230B true CN112069230B (zh) | 2023-10-27 |
Family
ID=73663158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010927381.3A Active CN112069230B (zh) | 2020-09-07 | 2020-09-07 | 数据分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069230B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114996360B (zh) * | 2022-07-20 | 2022-11-18 | 江西现代职业技术学院 | 数据分析方法、系统、可读存储介质及计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321416A (zh) * | 2019-05-23 | 2019-10-11 | 深圳壹账通智能科技有限公司 | 基于aiml的智能问答方法、装置、计算机设备及存储介质 |
CN110502694A (zh) * | 2019-07-23 | 2019-11-26 | 平安科技(深圳)有限公司 | 基于大数据分析的律师推荐方法及相关设备 |
CN111369148A (zh) * | 2020-03-05 | 2020-07-03 | 广州快盈信息技术服务有限公司 | 对象指标的监测方法、电子装置及存储介质 |
CN111581623A (zh) * | 2020-05-09 | 2020-08-25 | 深圳物控智联科技有限公司 | 智能数据交互方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017031082A1 (en) * | 2015-08-14 | 2017-02-23 | California Institute Of Technology | Algebraic query language (aql) database management system |
-
2020
- 2020-09-07 CN CN202010927381.3A patent/CN112069230B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321416A (zh) * | 2019-05-23 | 2019-10-11 | 深圳壹账通智能科技有限公司 | 基于aiml的智能问答方法、装置、计算机设备及存储介质 |
CN110502694A (zh) * | 2019-07-23 | 2019-11-26 | 平安科技(深圳)有限公司 | 基于大数据分析的律师推荐方法及相关设备 |
CN111369148A (zh) * | 2020-03-05 | 2020-07-03 | 广州快盈信息技术服务有限公司 | 对象指标的监测方法、电子装置及存储介质 |
CN111581623A (zh) * | 2020-05-09 | 2020-08-25 | 深圳物控智联科技有限公司 | 智能数据交互方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112069230A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104541278A (zh) | 用于个人信息的安全通信的方法及系统 | |
CN112507116A (zh) | 基于客户应答语料的客户画像方法及其相关设备 | |
CN109274843B (zh) | 按键预测方法、装置及计算机可读存储介质 | |
CN113127633B (zh) | 智能会议管理方法、装置、计算机设备及存储介质 | |
US11748452B2 (en) | Method for data processing by performing different non-linear combination processing | |
CN108334625B (zh) | 用户信息的处理方法、装置、计算机设备和存储介质 | |
CN111178005B (zh) | 数据处理系统、方法及存储介质 | |
CN112434501A (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
CN112182174A (zh) | 业务问答知识查询方法、装置、计算机设备和存储介质 | |
CN112417315A (zh) | 基于网站注册的用户画像生成方法、装置、设备和介质 | |
CN112069230B (zh) | 数据分析方法、装置、设备及存储介质 | |
CN110309217B (zh) | 数据的导入导出方法、装置、终端及计算机可读存储介质 | |
CN116091113A (zh) | 营销模型数据处理方法、系统及计算机可读存储介质 | |
JP2019204157A (ja) | 問合せ機器特定システム、問合せ機器特定方法 | |
CN117114901A (zh) | 基于人工智能的投保数据处理方法、装置、设备及介质 | |
CN111353874A (zh) | 一种银行网点智慧服务系统 | |
CN113743129B (zh) | 基于神经网络的信息推送方法、系统、设备及介质 | |
CN112685439B (zh) | 针对风控系统的造数方法、系统、装置及存储介质 | |
CN112328871B (zh) | 一种基于rpa模块的回复生成方法、装置、设备及存储介质 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN113609833A (zh) | 文件的动态生成方法、装置、计算机设备及存储介质 | |
CN114444502A (zh) | 中文地址检测方法及其装置、设备、介质、产品 | |
CN113269179A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113536788B (zh) | 信息处理方法、装置、存储介质及设备 | |
CN112907360B (zh) | 风险评估方法、设备、存储介质及程序产品 |
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 |