CN112506921A - 一种基于数据中台的多源异构指标多维自助分析方法 - Google Patents

一种基于数据中台的多源异构指标多维自助分析方法 Download PDF

Info

Publication number
CN112506921A
CN112506921A CN202011275902.8A CN202011275902A CN112506921A CN 112506921 A CN112506921 A CN 112506921A CN 202011275902 A CN202011275902 A CN 202011275902A CN 112506921 A CN112506921 A CN 112506921A
Authority
CN
China
Prior art keywords
index
analysis
data
scene
source heterogeneous
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
Application number
CN202011275902.8A
Other languages
English (en)
Other versions
CN112506921B (zh
Inventor
涂夏哲
郑欢
杨思雨
洪居华
黄夏楠
沈豫
刘林
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.)
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power 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 State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN202011275902.8A priority Critical patent/CN112506921B/zh
Publication of CN112506921A publication Critical patent/CN112506921A/zh
Application granted granted Critical
Publication of CN112506921B publication Critical patent/CN112506921B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • 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
    • G06F16/2428—Query predicate definition using graphical user interfaces, including menus and forms
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于数据中台的多源异构指标多维自助分析方法，包括步骤：通过ETL抽取技术，从多个专业部门接入相关的指标报表数据；基于接入的报表，抽取单位、指标、时序三类元素，对多源异构指标数据进行匹配关联，形成规范统一的指标存储库；封装Data Analysis模型，在操作界面以图标拖拽的形式对指标进行相应的分析，并产生对应的结果显示；构建具有电力指标特色的经济活动分析指标知识库；对单个分析场景进行标签化处理，并存储标签化的分析场景，搭建全量场景池；进行信息过滤，将筛选结果存入索引数据库中供分析人员查询；收集分析人员对分析场景的反馈信息，依次来对场景池进行优化。本发明形成标准化的指标模型库，利用语义检索技术实现多源异构指标多维自助分析。

Description

一种基于数据中台的多源异构指标多维自助分析方法
技术领域
本发明涉及电力系统语义检索技术领域，特别是一种基于数据中台的多源异构指标多维自助分析方法。
背景技术
按照公司经济活动分析管理规定，分析人员结合公司经营管理特点，每月定期开展宏观经济形势、电力消费、电力供应、财务损益、电费回收、公司资产运行等方面指标数据分析，线下收集多个专业部门数据，工作耗时长、难度大，且数据人工参与收集，质量难以保证。
发明内容
有鉴于此，本发明的目的是提出一种基于数据中台的多源异构指标多维自助分析方法，形成标准化的指标模型库，利用语义检索技术实现多源异构指标多维自助分析。
本发明采用以下方案实现：一种基于数据中台的多源异构指标多维自助分析方法，具体包括以下步骤：
步骤S1：通过ETL抽取技术，从包括营销、财务、设备、调控中心、人资、物资在内的多个专业部门接入相关的指标报表数据；
步骤S2：基于接入的报表，抽取单位、指标、时序三类元素，对多源异构指标数据进行匹配关联，进一步形成规范统一的指标存储库；
步骤S3：基于指标存储库，封装Data Analysis模型，在操作界面以图标拖拽的形式对指标进行相应的分析，并产生对应的结果显示；
步骤S4：构建具有电力指标特色的经济活动分析指标知识库；
步骤S5：从包括指标类型、归属单位、指标名称、图表类型、分析方法在内的要素对单个分析场景进行标签化处理，并存储标签化的分析场景，搭建全量场景池；
步骤S6：进行信息过滤，采用基于关键词向量的过滤算法筛选出真正满足分析人员需求的信息，并将筛选结果存入索引数据库中供分析人员查询；
步骤S7：收集分析人员对分析场景的反馈信息，依次来对场景池进行优化。
进一步地，步骤S2中，所述匹配关联具体为：对多源公用的包括分析编码、单位编码在内的编码进行匹配关联，将不同部门间的同一种编码进行关联。
进一步地，步骤S3中，所述封装Data Analysis模型具体为：将选择数据源、模型定义、维度定义、关系匹配、以及计算处理在内的步骤，封装成包括单位、时间、指标三维度的立方体模型；其中模型定义是指配置选定数据源各数据项的业务描述；维度定义是指配置数据项为分析维度或度量维度；关系匹配是针对多个数据源时，选取多个数据源之间通用的数据项，将多个数据源数据建立关系；计算处理是指配置衍生数据项。
进一步地，步骤S4具体为：
初步构建包括宏观经济形势、电力消费、电力供应、财务损益、电费回收、公司资产运行在内的一级指标分类，在一级分类下构建具体指标集合；
分别构建指标体系、指标分析手段、指标分析方法、单位在内的词典，构成经济活动分析指标知识库；
其中指标分析手段词典包括柱状图、折线图、饼图、条形图；指标分析方法词典包括趋势分析、单位对比分析、结构占比分析；单位词典包括总部省市县四类层级，在层级之下初始化具体单位清单。
进一步地，步骤S6中，将场景标签的关键词与分析人员搜索的关键词看作2个向量(D1,D2)，并对其进行余弦cos(D1,D2)夹角计算，得出2个向量之间的相似度Q，其值越大说明向量越相似；若相似性达到设定的阈值，则将该场景标签保留下来，存入索引数据库中供分析人员查询。
进一步地，采用加权方法收集分析人员的反馈信息，将分析人员的反馈信息分为分析人员主动反馈信息以及系统的隐形记录反馈，将二者根据设定的权重进行加权得到评分等级。
进一步地，所述分析人员主动反馈信息包括收藏、下载以及评价操作；所述系统的隐形记录反馈包括用户浏览时长、次数在内的数据。
与现有技术相比，本发明有以下有益效果：本发明针对散落在不同专业系统的指标数据，基于两级数据中台，对指标数据进行标准化处理，在此基础上基于语义检索技术，实现自助式查询分析。
附图说明
图1为本发明实施例的信息过滤流程示意图。
图2为本发明实施例的指标拖拽页面示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一种基于数据中台的多源异构指标多维自助分析方法，具体包括以下步骤：
步骤S1：通过ETL抽取技术，从包括营销、财务、设备、调控中心、人资、物资在内的多个专业部门接入相关的指标报表数据；
步骤S2：基于接入的报表，抽取单位、指标、时序三类元素，对多源异构指标数据进行匹配关联，进一步形成规范统一的指标存储库；
步骤S3：基于指标存储库，封装Data Analysis模型，在操作界面以图标拖拽的形式对指标进行相应的分析，并产生对应的结果显示；
步骤S4：构建具有电力指标特色的经济活动分析指标知识库；
步骤S5：提供开放性的标签管理模式，从包括指标类型、归属单位、指标名称、图表类型、分析方法在内的要素对单个分析场景进行标签化处理，并存储标签化的分析场景，搭建全量场景池；
步骤S6：进行信息过滤，采用基于关键词向量的过滤算法筛选出真正满足分析人员需求的信息，并将筛选结果存入索引数据库中供分析人员查询；这里用到的关键词向量的过滤算法使用有监督关键词抽取算法，即通过判断输入的词组和步骤S5中的场景标签进行自动匹配，从而得到相对精确的检索结果；
步骤S7：收集分析人员对分析场景的反馈信息，依次来对场景池进行优化。本实施例提供友好的人机交互界面，接受分析人员的查询要求，显示个性化信息查询结果，并提供接受分析人员反馈评价信息的界面。
在本实施例中，步骤S2中，所述匹配关联具体为：对多源公用的包括分析编码、单位编码在内的编码进行匹配关联，将不同部门间的同一种编码进行关联。以单位编码为例，福建公司编码在营销系统为32101，财务系统为489111，将两者进行匹配，并维护专有单位编码，统一单位编码，便于分析使用。
在本实施例中，步骤S3中，所述封装Data Analysis模型具体为：将选择数据源、模型定义、维度定义、关系匹配、以及计算处理在内的步骤，封装成包括单位、时间、指标三维度的立方体模型；其中模型定义是指配置选定数据源各数据项的业务描述；维度定义是指配置数据项为分析维度或度量维度；关系匹配是针对多个数据源时，选取多个数据源之间通用的数据项，将多个数据源数据建立关系；计算处理是指配置衍生数据项。例如通过当月值、去年同期值可以计算指标的同比维度数据。
如图2所示，其中，在操作界面以图标拖拽的形式对指标进行相应的分析，并产生对应的结果显示具体为，在系统界面左侧为Data Analysis模型，包括单位、时间、指标三个维度；右侧为分析结果展示画板；操作鼠标左键拖动单位、时间、指标维度到右侧画板，以一种自助方式制作业务人员想要的表格或图形，呈现分析结果。
在本实施例中，步骤S4梳理经济活动分析涉及的指标类型、图表类型、分析方法等，使用标准化OWL语言来进行语义编码，并利用工具Jena将电力核心指标类型、图表类型、分析方法本体存储至关系数据库，构建具有电力指标特色的经济活动分析知识库。经济活动分析指标体系采用混合自上向下与自下向上的方法，先搭建体系架构，后续逐步扩展和细化。具体为：
初步构建包括宏观经济形势、电力消费、电力供应、财务损益、电费回收、公司资产运行在内的一级指标分类，在一级分类下构建具体指标集合；
分别构建指标体系、指标分析手段、指标分析方法、单位在内的词典，构成经济活动分析指标知识库；
其中指标分析手段词典包括柱状图、折线图、饼图、条形图；指标分析方法词典包括趋势分析、单位对比分析、结构占比分析；单位词典包括总部省市县四类层级，在层级之下初始化具体单位清单。
在本实施例中，如图1所示，步骤S6中，将场景标签的关键词与分析人员搜索的关键词看作2个向量(D1,D2)，并对其进行余弦cos(D1,D2)夹角计算，得出2个向量之间的相似度Q，其值越大说明向量越相似；若相似性达到设定的阈值，则将该场景标签保留下来，存入索引数据库中供分析人员查询。计算公式如下：
Figure BDA0002779031230000061
式中，D1i表示场景标签中涉及关键词词集的词频向量值，D2i表示分析人员检索关键词词集的词频向量值。
在本实施例中，采用加权方法收集分析人员的反馈信息，将分析人员的反馈信息分为分析人员主动反馈信息以及系统的隐形记录反馈，将二者根据设定的权重进行加权得到评分等级。
在本实施例中，所述分析人员主动反馈信息包括收藏、下载以及评价操作；所述系统的隐形记录反馈包括用户浏览时长、次数在内的数据。基于上述两种主要因素对分析场景设置场景量化评分等级，作为优化依据。评价反馈加权公式如下：
Y＝iA+jB；
式中，Y表示分析人员对分析场景感兴趣程度；A为分析人员主动收藏、下载、评价次数矢量表示；B为用户浏览时长、次数等数据矢量表示，i、j为权重，可根据具体情况设定。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (7)

1.一种基于数据中台的多源异构指标多维自助分析方法，其特征在于，包括以下步骤：
步骤S1：通过ETL抽取技术，从包括营销、财务、设备、调控中心、人资、物资在内的多个专业部门接入相关的指标报表数据；
步骤S2：基于接入的报表，抽取单位、指标、时序三类元素，对多源异构指标数据进行匹配关联，进一步形成规范统一的指标存储库；
步骤S3：基于指标存储库，封装Data Analysis模型，在操作界面以图标拖拽的形式对指标进行相应的分析，并产生对应的结果显示；
步骤S4：构建具有电力指标特色的经济活动分析指标知识库；
步骤S5：从包括指标类型、归属单位、指标名称、图表类型、分析方法在内的要素对单个分析场景进行标签化处理，并存储标签化的分析场景，搭建全量场景池；
步骤S6：进行信息过滤，采用基于关键词向量的过滤算法筛选出真正满足分析人员需求的信息，并将筛选结果存入索引数据库中供分析人员查询；
步骤S7：收集分析人员对分析场景的反馈信息，依次来对场景池进行优化。
2.根据权利要求1所述的一种基于数据中台的多源异构指标多维自助分析方法，其特征在于，步骤S2中，所述匹配关联具体为：对多源公用的包括分析编码、单位编码在内的编码进行匹配关联，将不同部门间的同一种编码进行关联。
3.根据权利要求1所述的一种基于数据中台的多源异构指标多维自助分析方法，其特征在于，步骤S3中，所述封装Data Analysis模型具体为：将选择数据源、模型定义、维度定义、关系匹配、以及计算处理在内的步骤，封装成包括单位、时间、指标三维度的立方体模型；其中模型定义是指配置选定数据源各数据项的业务描述；维度定义是指配置数据项为分析维度或度量维度；关系匹配是针对多个数据源时，选取多个数据源之间通用的数据项，将多个数据源数据建立关系；计算处理是指配置衍生数据项。
4.根据权利要求1所述的一种基于数据中台的多源异构指标多维自助分析方法，其特征在于，步骤S4具体为：
初步构建包括宏观经济形势、电力消费、电力供应、财务损益、电费回收、公司资产运行在内的一级指标分类，在一级分类下构建具体指标集合；
分别构建指标体系、指标分析手段、指标分析方法、单位在内的词典，构成经济活动分析指标知识库；
其中指标分析手段词典包括柱状图、折线图、饼图、条形图；指标分析方法词典包括趋势分析、单位对比分析、结构占比分析；单位词典包括总部省市县四类层级，在层级之下初始化具体单位清单。
5.根据权利要求1所述的一种基于数据中台的多源异构指标多维自助分析方法，其特征在于，步骤S6中，将场景标签的关键词与分析人员搜索的关键词看作2个向量(D1, D2)，并对其进行余弦cos(D1,D2)夹角计算，得出2个向量之间的相似度Q，其值越大说明向量越相似；若相似性达到设定的阈值，则将该场景标签保留下来，存入索引数据库中供分析人员查询。
6.根据权利要求1所述的一种基于数据中台的多源异构指标多维自助分析方法，其特征在于，采用加权方法收集分析人员的反馈信息，将分析人员的反馈信息分为分析人员主动反馈信息以及系统的隐形记录反馈，将二者根据设定的权重进行加权得到评分等级。
7.根据权利要求6所述的一种基于数据中台的多源异构指标多维自助分析方法，其特征在于，所述分析人员主动反馈信息包括收藏、下载以及评价操作；所述系统的隐形记录反馈包括用户浏览时长、次数在内的数据。
CN202011275902.8A 2020-11-16 2020-11-16 一种基于数据中台的多源异构指标多维自助分析方法 Active CN112506921B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011275902.8A CN112506921B (zh) 2020-11-16 2020-11-16 一种基于数据中台的多源异构指标多维自助分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011275902.8A CN112506921B (zh) 2020-11-16 2020-11-16 一种基于数据中台的多源异构指标多维自助分析方法

Publications (2)

Publication Number Publication Date
CN112506921A true CN112506921A (zh) 2021-03-16
CN112506921B CN112506921B (zh) 2022-06-07

Family

ID=74957872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011275902.8A Active CN112506921B (zh) 2020-11-16 2020-11-16 一种基于数据中台的多源异构指标多维自助分析方法

Country Status (1)

Country Link
CN (1) CN112506921B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988718A (zh) * 2021-05-21 2021-06-18 睿至科技集团有限公司 一种自动监测电力的方法及其系统
CN114840583A (zh) * 2022-06-24 2022-08-02 国网浙江省电力有限公司杭州供电公司 基于块数据构建的全景指标数据分析处理方法及系统
CN116911642A (zh) * 2023-09-12 2023-10-20 中国长江电力股份有限公司 面向多维多态的水电机组设备指标计算系统和方法
CN117453721A (zh) * 2023-10-29 2024-01-26 江苏信而泰智能装备有限公司 一种基于大数据的生产经营数据采集系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140181083A1 (en) * 2012-12-21 2014-06-26 Motorola Solutions, Inc. Method and apparatus for multi-dimensional graphical representation of search queries and results
CN104778241A (zh) * 2015-04-08 2015-07-15 北京京东尚科信息技术有限公司 一种报表生成方法及系统
CN106250705A (zh) * 2016-08-10 2016-12-21 深圳市衣信互联网科技有限公司 一种基于云服务的大数据收集分析系统及方法
CN110929790A (zh) * 2019-11-26 2020-03-27 山东中创软件工程股份有限公司 一种船舶数据筛选方法及相关装置
CN111401014A (zh) * 2020-03-12 2020-07-10 山东浪潮通软信息科技有限公司 一种基于报表的多指标多维度分析方法、系统及构建方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140181083A1 (en) * 2012-12-21 2014-06-26 Motorola Solutions, Inc. Method and apparatus for multi-dimensional graphical representation of search queries and results
CN104778241A (zh) * 2015-04-08 2015-07-15 北京京东尚科信息技术有限公司 一种报表生成方法及系统
CN106250705A (zh) * 2016-08-10 2016-12-21 深圳市衣信互联网科技有限公司 一种基于云服务的大数据收集分析系统及方法
CN110929790A (zh) * 2019-11-26 2020-03-27 山东中创软件工程股份有限公司 一种船舶数据筛选方法及相关装置
CN111401014A (zh) * 2020-03-12 2020-07-10 山东浪潮通软信息科技有限公司 一种基于报表的多指标多维度分析方法、系统及构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冷喜武等: ""智能电网监控运行大数据分析系统的数据规范和数据处理"", 《电力系统自动化》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988718A (zh) * 2021-05-21 2021-06-18 睿至科技集团有限公司 一种自动监测电力的方法及其系统
CN114840583A (zh) * 2022-06-24 2022-08-02 国网浙江省电力有限公司杭州供电公司 基于块数据构建的全景指标数据分析处理方法及系统
CN114840583B (zh) * 2022-06-24 2022-09-20 国网浙江省电力有限公司杭州供电公司 基于块数据构建的全景指标数据分析处理方法及系统
CN116911642A (zh) * 2023-09-12 2023-10-20 中国长江电力股份有限公司 面向多维多态的水电机组设备指标计算系统和方法
CN116911642B (zh) * 2023-09-12 2023-12-26 中国长江电力股份有限公司 面向多维多态的水电机组设备指标计算系统和方法
CN117453721A (zh) * 2023-10-29 2024-01-26 江苏信而泰智能装备有限公司 一种基于大数据的生产经营数据采集系统

Also Published As

Publication number Publication date
CN112506921B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN112506921B (zh) 一种基于数据中台的多源异构指标多维自助分析方法
EP0704075B1 (en) Method and apparatus for indexing searching and displaying data
Šilić et al. Visualization of text streams: A survey
AU2022201654A1 (en) System and engine for seeded clustering of news events
CN106339502A (zh) 一种基于用户行为数据分片聚类的建模推荐方法
EP2503477B1 (en) A system and method for contextual resume search and retrieval based on information derived from the resume repository
US9946787B2 (en) Computerized systems and methods for generating interactive cluster charts of human resources-related documents
US20110191335A1 (en) Method and system for conducting legal research using clustering analytics
CN109190051B (zh) 一种用户行为分析方法和基于该分析方法的资源推荐方法
Nazemi et al. Visual analytics for analyzing technological trends from text
CN110704577A (zh) 一种电网调度数据的搜索方法及系统
CN103309869A (zh) 数据对象的展示关键词推荐方法及系统
US20150269138A1 (en) Publication Scope Visualization and Analysis
Sarwar et al. Ontology based image retrieval framework using qualitative semantic image descriptions
Bhardwaj et al. Review of text mining techniques
CA2956627A1 (en) System and engine for seeded clustering of news events
CN110795613A (zh) 商品搜索方法、装置、系统及电子设备
CN114328800A (zh) 文本处理方法、装置、电子设备和计算机可读存储介质
KR20140026796A (ko) 맞춤형 특허분석 서비스 시스템 및 그 방법
Ayre Data Mining for Information Professionals
CN115797795A (zh) 基于强化学习的遥感影像问答式检索系统及方法
Li et al. Exceptional events classification in warehousing based on an integrated clustering method for a dataset with mixed-valued attributes
CN113342844A (zh) 工业智能搜索系统
CN114997624A (zh) 智能化全员安全生产责任制管理系统
Ram et al. An overview on multimedia data mining and its relevance today

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