CN112199517A - 一种it/ot驱动的技术管理创新方法 - Google Patents
一种it/ot驱动的技术管理创新方法 Download PDFInfo
- Publication number
- CN112199517A CN112199517A CN202011289591.0A CN202011289591A CN112199517A CN 112199517 A CN112199517 A CN 112199517A CN 202011289591 A CN202011289591 A CN 202011289591A CN 112199517 A CN112199517 A CN 112199517A
- Authority
- CN
- China
- Prior art keywords
- production technology
- advanced
- entity
- technical
- production
- 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
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种IT/OT驱动的技术管理创新方法,包括以下步骤:S1:基于DCAM文本挖掘算法,构建IT/OT驱动的生产技术领域知识图谱;S2:基于生产技术先进度评估体系,计算管理者需求中的等级,与步骤S1中所建领域知识图谱中的先进生产技术实体进行基于特征词的向量表示;S3:依据步骤S2中所的特征向量,基于向量空间模型推荐得到技术路线图;S4:围绕技术路线图进行基于PIE流模型的应用实施;该方法有效克服了传统技术管理过程中主观性较强、经验至上的缺点,提升了技术管理的科学性和流程性,另外,生产技术先进度评估体系,可用于制造企业生产部门进行生产技术先进度现状诊断及改进提升评估。
Description
技术领域
本发明属于生产管理技术领域,特别涉及一种IT/OT驱动的技术管理创新方法。
技术背景
创新发展战略,指出加快新一代信息技术在制造业中的深度应用,推动制造业向自动化、智能化、服务化转变,使生产制造向价值链高端攀升;工业物联网、车间大数据、数字化生产等方面的研究与应用,探索出“新一代信息技术IT+生产领域技术OT”的模式;另外,国内外对创新方法的研究与应用十分关注。
促进“新一代IT/OT+生产制造”的模式在高端装备制造业中的实现时,传统的依赖技术管理经验和对新一代IT/OT驱动的生产技术开放知识利用不足,导致创新机会发现阶段能力弱的问题,以数字化、信息化为背景,可以采用以技术管理创新方法为核心思想的系统工程方法从软、硬实力两方面,提升企业核心竞争力。
发明内容
为了克服上述现有技术的缺陷,本发明的目的在于提供一种IT/OT驱动的技术管理创新方法,首先利用当前互联网上以及数据库中的海量文本信息,构建面向IT/OT的领域知识图谱,其次建立特征词集合,将管理者需求和领域知识图谱中的先进生产技术实体候选集进行特征向量表示,基于向量空间模型推荐得到技术路线图,最后,围绕技术路线图进行基于LCUE-OTPR矩阵的应用实施。
为了达到上述目的,本发明采用的技术方案是:
一种IT/OT驱动的技术管理创新方法,包括以下步骤:
S1:基于DCAM文本挖掘算法,构建IT/OT驱动的生产技术领域知识图谱;
S2:基于生产技术先进度评估体系,计算管理者需求中的等级,与步骤S1中所建领域知识图谱中的先进生产技术实体进行基于特征向量表示;
S3:依据步骤S2中的特征向量,基于向量空间模型推荐得到技术路线图;
S4:围绕技术路线图进行基于PIE流模型的应用实施。
步骤S1所述的DCAM文本挖掘算法,具体包括以下流程:
(1)命名实体识别
命名实体识别是通过构造隐条件随机场HCRF模型对实体的隐藏状态进行分类;首先利用人工标记数据学习出种子规则和词典,在未标记语料中抽取候选词及其上下文,形成候选集的选取;其次,通过与已标记语料进行上下文相似度的计算,对大于等于相似度阈值的实体,即可被正确分类,加入到正例集中;然后,把学习到的内容作为输入,把未被识别出的实体作为隐藏状态,训练HCRF分类器,最终识别出所有的领域命名实体;具体为:
假设需要识别的文本序列为X={x1,x2,…,xL},相应的标记序列为Y={y1,y2,…,yL},那么对于生产技术领域命名实体识别任务,yL即为待识别实体的类别,给定手工标记的训练数据T={(X1,Y1),(X2,Y2),…,(XT,YT)}和自学习所得的训练数据T′={(X1,Z1),(X2,Z2),…,(XT,ZT)},由于只有高相似度的部分进行了标记,所以T′可能存在缺失;若没有缺失,若出现缺失,就是隐藏状态;设学习所得的标签序列中隐藏状态集合为H={h1,h2,…,hM},则标记序列的条件概率为式中ψ(y,h,x;λ)-势函数,其计算方法如下:假设观察值的变动只与隐藏状态相关并且不包含边界,那么根据最大熵模型,对数似然函数可以写成式中其中为惩罚因子;
(2)关系抽取
关系抽取是在模板和实体对的抽取过程中加入过滤函数,模板抽取的过滤函数为式中#match_seed.old表示既有的实体对,#match_seed.new表示新实体对;实体对抽取的过滤函数为式中#match_pattern.old表示既有的模式,#match_pattern.new表示新模式。
步骤S2所述的计算管理者需求中的等级,与步骤S1中所建领域知识图谱中的先进生产技术实体进行基于特征词的向量表示,包括以下流程:
(1)建立生产技术先进度评估体系,确定管理者需求中的等级;
生产技术先进度评估体系中包括生产技术先进度模型、指标体系、生产技术先进度评价方法和分数与等级对应关系;先进度评估是当前生产过程所用到的生产技术的先进程度的量化指标,先选择生产过程域,从信息化级开始,对指标进行打分,要满足某个先进度等级,指标得分就应该满足该等级要求;先进度模型中包括6个域和4个等级,6个域分别是采购、计划与调度、生产作业、质量控制、仓储与物流和安全与环保,4个等级分别是信息化、数字化、集成化、智能化和各等级的先进度要求;6个域和4个等级的对应关系如下:
(2)建立特征词集合,管理者需求与先进生产技术实体候选集进行基于特征词集合的向量表示;
特征词集合是在百科网站和文献关键词中抽取,得到的产品和生产过程领域的同义词;管理者需求采用特征词进行文本表示;先进生产技术实体候选集,将其文本中表示产品、生产领域的特征词作为文本表示,即可得到管理者需求特征向量UN=(un1,un2)和每个先进生产技术特征向量di=(at1,at2)。
步骤S3所述的依据步骤S2中的特征向量,基于向量空间模型推荐得到技术路线图过程,包括以下流程:
(1)根据管理者需求中的等级关键词,检索得到候选集;
(2)进行文本内容相似度计算,排序;
(3)将文本的相似度Sim(UN,di)进行排序后,各等级排名前二的先进生产技术返回给管理者,组成技术路线图。
步骤S4所述的围绕技术路线图进行基于PIE流模型的应用实施过程,包括以下流程:
(1)引入技术路线,进行项目准备
首先,引入包括n个等级先进生产技术的技术路线,由技术管理人员确定组织成员和项目周期;然后,对技术路线从架构到实施方案按照生产准备、生产配置和生产运行三方面逐步实例化,实例化指用类创建对象的过程;最后,根据等级i的生产技术实施方案制定工作计划;
(2)围绕技术路线进行技术路线实施
技术路线实施包括项目任务进度监控管理和知识监控管理;
所述的项目任务进度监控管理包括4个步骤,分别是:建立多资源约束的任务排程问题模型、基于自适应遗传算法对多资源约束的任务排程问题模型进行求解,计算缓冲区大小和实施缓冲耗费控制;
所述的知识监控管理采用知识融合的方法实现,在开展流模型项目过程中,由于先进生产技术实体的加工和实践经验所得到的知识,比领域知识图谱中已有知识更为可靠,因此建立冲突消解规则来替换领域知识图谱中已有的不可靠知识。
(3)进行项目绩效评估
首先,建立基于BSC的项目绩效评估指标体系;其次,由于指标之间有交叉作用关系,故采用ANP计算指标权重;最后,建立了绩效得分与等级的对应关系。
本发明的有益效果为:
1、本发明提出的方法与传统的技术管理方法相比:本发明提出的方法不再依赖于技术管理经验,并提高了对新一代IT/OT驱动的生产技术开放知识利用度,有效克服了传统技术管理过程中主观性较强、经验至上的缺点,提升了技术管理的科学性和流程性,从软硬实力两方面,提升企业核心竞争力;
2、本发明建立的技术先进度评估体系,既通过生产技术先进度模型,精炼地描述了一个生产技术发展过程中所需满足的条件和应达到的标准,又通过生产技术先进度评价方法对先进生产技术及管理者需求中的等级进行量化计算,可用于制造企业生产部门进行生产技术先进度现状诊断及改进提升评估。
附图说明
图1为本发明的执行逻辑图。
图2为命名实体识别算法模型。
图3为关系抽取算法模型。
图4为PIE流模型。
具体实施方式
下面结合附图和实例对本发明作详细的说明,此处所说明的附图是本申请的一部分,用来对本发明作进一步解释,但并不构成对本发明的限定。
参见图1,本发明涉及的一种IT/OT驱动的技术管理创新方法,其应用流程包括以下步骤:
S1:进行基于文献文本分析挖掘(Document Context Analysis and Mining,DCAM)算法,构建IT/OT驱动的生产技术领域知识图谱;
S2:基于生产技术先进度评估体系,计算管理者需求中的等级,与步骤S1中所建领域知识图谱中的先进生产技术实体进行基于特征向量表示;
S3:依据步骤S2中的特征向量,基于向量空间模型推荐得到技术路线图;
S4:围绕技术路线图进行基于PIE流模型的应用实施。
具体实现流程如下:
步骤S1所涉及的DCAM文本挖掘算法,主要包括:
(1)命名实体识别
命名实体识别所采用的半监督学习算法模型主要是为了解决实体名的歧义和多样性、数据资源匮乏和开放性的问题,参见图2。
最重要的是通过HCRF对隐藏状态进行分类。把前面步骤学习到的内容作为输入,把未被识别出的实体作为隐藏状态,训练CRF分类器,可最终识别出所有的领域命名实体。假设需要识别的文本序列为X={x1,x2,…,xL},相应的标记序列为Y={y1,y2,…,yL},那么对于生产技术领域命名实体识别任务,yL即为待识别实体的类别。给定手工标记的训练数据T={(X1,Y1),(X2,Y2),…,(XT,YT)}和自举学习所得的训练数据T′={(X1,Z1),(X2,Z2),…,(XT,ZT)},由于只有高相似度的部分进行了标记,所以T′可能存在缺失。若没有缺失,若出现缺失,就是隐藏状态。设学习所得的标签序列中隐藏状态集合为H={h1,h2,…,hM},则标记序列的条件概率为式中ψ(y,h,x;λ)-势函数,其计算方法如下:假设观察值的变动只与隐藏状态相关并且不包含边界,那么根据最大熵模型,对数似然函数可以写成式中其中为惩罚因子。
(2)关系抽取
关系抽取所采用的co-training关系抽取算法主要是解决出现语义漂移现象的问题,参见图3。
最重要的是在模板和实体对的抽取过程中加入过滤函数。模板抽取的过滤函数为式中#match_seed.old表示既有的实体对,#match_seed.new表示新实体对;实体对抽取的过滤函数为式中#match_pattern.old表示既有的模式,#match_pattern.new表示新模式。
步骤S2所述的计算管理者需求中的等级,和将领域知识图谱中的先进生产技术实体进行基于特征词的向量表示,包括以下流程:
(1)建立生产技术先进度评估体系,确定管理者需求中的等级;
生产技术先进度评估体系中包括生产技术先进度模型、指标体系、生产技术先进度评价方法和分数与等级对应关系;先进度评估是当前生产过程所用到的生产技术的先进程度的量化指标,先选择生产过程域,从信息化级开始,对指标进行打分,要满足某个先进度等级,指标得分就应该满足该等级要求;先进度模型中包括6个域和4个等级,6个域分别是采购、计划与调度、生产作业、质量控制、仓储与物流和安全与环保,4个等级分别是信息化、数字化、集成化、智能化和各等级的先进度要求。6个域和4个等级的对应关系如下:
(2)建立特征词集合,将管理者需求与先进生产技术实体候选集进行基于特征词集合的向量表示;
特征词集合是在百科网站和文献关键词中抽取,得到的产品和生产过程领域的同义词。管理者需求可采用特征词进行文本表示;先进生产技术实体候选集,将其文本中表示产品、生产领域的特征词作为文本表示示,即可得到管理者需求特征向量UN=(un1,un2)和每个先进生产技术特征向量di=(at1,at2);
步骤S3所述的依据S2中所的特征向量,基于向量空间模型推荐得到技术路线图过程,包括以下流程:
(1)根据管理者需求中等级关键词,检索得到候选集;
管理者需求中的等级根据生产技术先进度评价方法计算得到,检索该等级以上等级的先进生产技术实体,返回作为候选集。
(2)进行文本内容相似度计算,排序;
(3)将文本的相似度Sim(UN,di)进行排序后,各等级排名前二的先进生产技术返回给管理者,组成技术路线图。
步骤S4所述的围绕技术路线图进行基于PIE流模型的应用实施过程,参考图4,包括以下流程:
(1)引入技术路线,进行项目准备;
首先,引入包括n个等级先进生产技术的技术路线,由技术管理人员确定组织成员和项目周期。接着,对技术路线从架构到实施方案按照生产准备、生产配置和生产运行三方面逐步实例化,实例化指用类创建对象的过程;最后,根据等级i的生产技术实施方案制定工作计划;
(2)围绕技术路线进行技术路线实施;
此阶段主要包括项目任务进度监控管理和知识监控管理。项目任务进度监控管理采用关键链法实现,此方法在指定工作计划时就考虑了资源约束,主要包括4个步骤。分别是:建立多资源约束的任务排程问题模型、基于自适应遗传算法对多资源约束的任务排程问题模型进行求解、计算缓冲区大小和实施缓冲耗费控制。所述的知识监控管理采用知识融合的方法实现,在开展流模型项目过程中,由于先进生产技术实体的加工和实践经验所得到的知识,比领域知识图谱中已有知识更为可靠,因此建立冲突消解规则来替换领域知识图谱中已有的不可靠知识。
(3)进行项目绩效评估
首先,建立基于BSC的项目绩效评估指标体系。其次,由于指标之间有交叉作用关系,故采用ANP计算指标权重。最后,建立了绩效得分与等级的对应关系,来对技术路线的应用绩效等级有一个直观的认识。
Claims (5)
1.一种IT/OT驱动的技术管理创新方法,其特征在于,包括以下步骤:
S1:基于DCAM文本挖掘算法,构建IT/OT驱动的生产技术领域知识图谱;
S2:基于生产技术先进度评估体系,计算管理者需求中的等级,与步骤S1中所建领域知识图谱中的先进生产技术实体进行基于特征向量表示;
S3:依据步骤S2中的特征向量,基于向量空间模型推荐得到技术路线图;
S4:围绕技术路线图进行基于PIE流模型的应用实施。
2.根据权利要求1所述的一种IT/OT驱动的技术管理创新方法,其特征在于,步骤S1所述的DCAM文本挖掘算法,具体包括以下流程:
(1)命名实体识别
命名实体识别是通过构造隐条件随机场HCRF模型对实体的隐藏状态进行分类;首先利用人工标记数据学习出种子规则和词典,在未标记语料中抽取候选词及其上下文,形成候选集的选取;其次,通过与已标记语料进行上下文相似度的计算,对大于等于相似度阈值的实体,即可被正确分类,加入到正例集中;然后,把学习到的内容作为输入,把未被识别出的实体作为隐藏状态,训练HCRF分类器,最终识别出所有的领域命名实体;具体为:
假设需要识别的文本序列为X={x1,x2,…,xL},相应的标记序列为Y={y1,y2,…,yL},那么对于生产技术领域命名实体识别任务,yL即为待识别实体的类别,给定手工标记的训练数据T={(X1,Y1),(X2,Y2),…,(XT,YT)}和自学习所得的训练数据T′={(X1,Z1),(X2,Z2),…,(XT,ZT)},由于只有高相似度的部分进行了标记,所以T′可能存在缺失;若没有缺失,若出现缺失,就是隐藏状态;设学习所得的标签序列中隐藏状态集合为H={h1,h2,…,hM},则标记序列的条件概率为式中ψ(y,h,x;λ)-势函数,其计算方法如下:假设观察值的变动只与隐藏状态相关并且不包含边界,那么根据最大熵模型,对数似然函数可以写成式中其中为惩罚因子;
(2)关系抽取
3.根据权利要求1所述的一种IT/OT驱动的技术管理创新方法,其特征在于,步骤S2所涉及的计算管理者需求中的等级,与步骤S1中所建领域知识图谱中的先进生产技术实体进行基于特征词的向量表示,包括以下流程:
(1)建立生产技术先进度评估体系,确定管理者需求中的等级;
生产技术先进度评估体系中包括生产技术先进度模型、指标体系、生产技术先进度评价方法和分数与等级对应关系;先进度评估是当前生产过程所用到的生产技术的先进程度的量化指标,先选择生产过程域,从信息化级开始,对指标进行打分,要满足某个先进度等级,指标得分就应该满足该等级要求;先进度模型中包括6个域和4个等级,6个域分别是采购、计划与调度、生产作业、质量控制、仓储与物流和安全与环保,4个等级分别是信息化、数字化、集成化、智能化和各等级的先进度要求;6个域和4个等级的对应关系如下:
(2)建立特征词集合,管理者需求与先进生产技术实体候选集进行基于特征词集合的向量表示;
特征词集合是在百科网站和文献关键词中抽取,得到的产品和生产过程领域的同义词;管理者需求采用特征词进行文本表示;先进生产技术实体候选集,将其文本中表示产品、生产领域的特征词作为文本表示,即可得到管理者需求特征向量UN=(un1,un2)和每个先进生产技术特征向量di=(at1,at2)。
5.根据权利要求1所述的一种IT/OT驱动的技术管理创新方法,其特征在于,步骤S4所述的围绕技术路线图进行基于PIE流模型的应用实施过程,包括以下流程:
(1)引入技术路线,进行项目准备
首先,引入包括n个等级先进生产技术的技术路线,由技术管理人员确定组织成员和项目周期;然后,对技术路线从架构到实施方案按照生产准备、生产配置和生产运行三方面逐步实例化,实例化指用类创建对象的过程;最后,根据等级i的生产技术实施方案制定工作计划;
(2)围绕技术路线进行技术路线实施
技术路线实施包括项目任务进度监控管理和知识监控管理;
所述的项目任务进度监控管理包括4个步骤,分别是:建立多资源约束的任务排程问题模型、基于自适应遗传算法对多资源约束的任务排程问题模型进行求解,计算缓冲区大小和实施缓冲耗费控制;
所述的知识监控管理采用知识融合的方法实现,在开展流模型项目过程中,由于先进生产技术实体的加工和实践经验所得到的知识,比领域知识图谱中已有知识更为可靠,因此建立冲突消解规则来替换领域知识图谱中已有的不可靠知识。
(3)进行项目绩效评估
首先,建立基于BSC的项目绩效评估指标体系;其次,由于指标之间有交叉作用关系,故采用ANP计算指标权重;最后,建立了绩效得分与等级的对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011289591.0A CN112199517B (zh) | 2020-11-17 | 2020-11-17 | 一种it/ot驱动的技术管理创新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011289591.0A CN112199517B (zh) | 2020-11-17 | 2020-11-17 | 一种it/ot驱动的技术管理创新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112199517A true CN112199517A (zh) | 2021-01-08 |
CN112199517B CN112199517B (zh) | 2023-07-18 |
Family
ID=74034421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011289591.0A Active CN112199517B (zh) | 2020-11-17 | 2020-11-17 | 一种it/ot驱动的技术管理创新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112199517B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9189203B1 (en) * | 2013-03-13 | 2015-11-17 | Ca, Inc. | Solution modeling and analysis toolset for enterprise software architecture and architecture roadmaps |
CN106156090A (zh) * | 2015-04-01 | 2016-11-23 | 上海宽文是风软件有限公司 | 一种基于知识图谱(Man-tree)的制造设计知识个性化推送方法 |
US10311442B1 (en) * | 2007-01-22 | 2019-06-04 | Hydrojoule, LLC | Business methods and systems for offering and obtaining research services |
CN111737495A (zh) * | 2020-06-28 | 2020-10-02 | 福州数据技术研究院有限公司 | 基于领域自分类的中高端人才智能推荐系统及其方法 |
CN111813958A (zh) * | 2020-07-20 | 2020-10-23 | 广东道方云泽信息科技有限公司 | 基于创新创业平台的智慧服务方法与系统 |
CN111914096A (zh) * | 2020-07-06 | 2020-11-10 | 同济大学 | 基于舆情知识图谱的公共交通乘客满意度评价方法及系统 |
CN111930956A (zh) * | 2020-06-17 | 2020-11-13 | 西安交通大学 | 一种采用知识图谱的多创新方法推荐与流驱动的集成系统 |
-
2020
- 2020-11-17 CN CN202011289591.0A patent/CN112199517B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10311442B1 (en) * | 2007-01-22 | 2019-06-04 | Hydrojoule, LLC | Business methods and systems for offering and obtaining research services |
US9189203B1 (en) * | 2013-03-13 | 2015-11-17 | Ca, Inc. | Solution modeling and analysis toolset for enterprise software architecture and architecture roadmaps |
CN106156090A (zh) * | 2015-04-01 | 2016-11-23 | 上海宽文是风软件有限公司 | 一种基于知识图谱(Man-tree)的制造设计知识个性化推送方法 |
CN111930956A (zh) * | 2020-06-17 | 2020-11-13 | 西安交通大学 | 一种采用知识图谱的多创新方法推荐与流驱动的集成系统 |
CN111737495A (zh) * | 2020-06-28 | 2020-10-02 | 福州数据技术研究院有限公司 | 基于领域自分类的中高端人才智能推荐系统及其方法 |
CN111914096A (zh) * | 2020-07-06 | 2020-11-10 | 同济大学 | 基于舆情知识图谱的公共交通乘客满意度评价方法及系统 |
CN111813958A (zh) * | 2020-07-20 | 2020-10-23 | 广东道方云泽信息科技有限公司 | 基于创新创业平台的智慧服务方法与系统 |
Non-Patent Citations (2)
Title |
---|
HELONGLONG: "Manufacturing Knowledge Graph: A Connectivism to Answer Production Problems Query With Knowledge Reuse", 《IEEE》 * |
江平宇: "新一代信息技术驱动的装备生产过程技术管理创新方法研究", 《中国机械工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112199517B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428053B (zh) | 一种面向税务领域知识图谱的构建方法 | |
CN109635291B (zh) | 一种基于协同训练的融合评分信息和物品内容的推荐方法 | |
CN108804512B (zh) | 文本分类模型的生成装置、方法及计算机可读存储介质 | |
CN107193959B (zh) | 一种面向纯文本的企业实体分类方法 | |
Li et al. | News text classification model based on topic model | |
CN106649260B (zh) | 基于评论文本挖掘的产品特征结构树构建方法 | |
CN111428054A (zh) | 一种网络空间安全领域知识图谱的构建与存储方法 | |
CN111105209B (zh) | 适用于人岗匹配推荐系统的职位简历匹配方法及装置 | |
CN110990590A (zh) | 一种基于强化学习和迁移学习的动态金融知识图谱构建方法 | |
CN107705066A (zh) | 一种商品入库时信息录入方法及电子设备 | |
CN112307153B (zh) | 一种产业知识库自动构建方法、装置及存储介质 | |
CN112463976A (zh) | 一种以群智感知任务为中心的知识图谱构建方法 | |
CN111814658B (zh) | 基于语义的场景语义结构图检索方法 | |
CN113254507B (zh) | 一种数据资产目录智能构建盘点方法 | |
CN113934909A (zh) | 基于预训练语言结合深度学习模型的金融事件抽取方法 | |
CN115238197A (zh) | 一种基于专家思维模型的领域业务辅助分析方法 | |
CN114138979B (zh) | 基于词拓展无监督文本分类的文物安全知识图谱创建方法 | |
CN117151659B (zh) | 一种基于大语言模型的生态修复工程全生命周期追溯方法 | |
CN114817454A (zh) | 一种结合信息量和BERT-BiLSTM-CRF的NLP知识图谱构建方法 | |
CN116432965B (zh) | 基于知识图谱的岗位能力分析方法及树状图生成方法 | |
CN117151222A (zh) | 领域知识引导的突发事件案例实体属性及其关系抽取方法、电子设备和存储介质 | |
CN116795980A (zh) | 一种融合细粒度要素知识的短文本分类方法 | |
CN112199517A (zh) | 一种it/ot驱动的技术管理创新方法 | |
CN116304011A (zh) | 一种区域产业链的生成方法、装置与存储介质 | |
CN115545437A (zh) | 一种基于多源异构数据融合的金融企业经营风险预警方法 |
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 |