CN112926834B - 工业app质量评价方法、装置、设备及介质 - Google Patents

工业app质量评价方法、装置、设备及介质 Download PDF

Info

Publication number
CN112926834B
CN112926834B CN202110124472.8A CN202110124472A CN112926834B CN 112926834 B CN112926834 B CN 112926834B CN 202110124472 A CN202110124472 A CN 202110124472A CN 112926834 B CN112926834 B CN 112926834B
Authority
CN
China
Prior art keywords
evaluated
quality
industrial app
neural network
industrial
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
CN202110124472.8A
Other languages
English (en)
Other versions
CN112926834A (zh
Inventor
李义章
孟祥芹
秦敏慧
王振华
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.)
Beijing Rope Is Systems Technology LLC
Original Assignee
Beijing Rope Is Systems Technology LLC
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 Beijing Rope Is Systems Technology LLC filed Critical Beijing Rope Is Systems Technology LLC
Priority to CN202110124472.8A priority Critical patent/CN112926834B/zh
Publication of CN112926834A publication Critical patent/CN112926834A/zh
Application granted granted Critical
Publication of CN112926834B publication Critical patent/CN112926834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q50/04—Manufacturing
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种工业APP质量评价方法、装置、设备及介质，该方法包括：获取待评价工业APP的属性数据和用户浏览数据；采用最小二乘法预测所述待评价工业APP的浏览量排名；根据所述属性数据，获得所述待评价工业APP的分类；基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业APP的质量进行评估，得到质量等级；在所述分类下确定所述待评价工业APP的质量排名；基于所述待评价工业APP的浏览量排名和所述质量排名，得到所述待评价工业APP综合评价。本申请实现了对待评价工业APP快速质量评价和准确质量评估，填补了工业APP质量评估的空白，进而促进工业APP的质量提升，提高了用户体验。

Description

工业APP质量评价方法、装置、设备及介质
技术领域
本发明一般涉及工业互联网技术领域，具体涉及一种工业APP质量评价 方法、装置、设备及介质。
背景技术
随着互联网技术的快速发展，以物联网、云计算、大数据为代表的信息 技术正在推动传统工业生产的转型变革，基于物联网技术与大数据技术加强 系统及设备间的集成和协同，促进工业技术的互联互通，在此背景下，工业 互联网应运而生。工业互联网应用程序，简称工业APP，是基于工业互联网，承载工业知识和经验，满足特定需求的工业应用软件。
目前，工业APP数量的逐渐增多，涌现出大量的工业APP，用户无法快 速、直观地寻找到更适应需求的工业APP，导致用户体验差。因此，如何对 工业APP进行质量评估，以保证工业APP的质量，是现如今需要解决的问题，亟需建立一套针对工业APP的质量评价方法和装置。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种工业APP质量评价方 法、装置、设备及介质。
第一方面，本发明提供了一种工业APP质量评价方法，该方法包括：
获取待评价工业APP的属性数据和浏览数据；
基于所述浏览数据，采用最小二乘法预测所述待评价工业APP的浏览量 排名；
根据所述属性数据，获得所述待评价工业APP的分类；
基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业APP 的质量进行评估，确定质量等级；
基于所述质量等级，在所述分类下确定所述待评价工业APP的质量排 名；
基于所述待评价工业APP的浏览量排名和所述质量排名，对所述待评价 工业APP进行综合评价。
在其中一个实施例中，所述ISO质量模型包括联想记忆神经网络模型和 神经网络收敛梯度模型，所述评估结果包括质量等级，基于ISO质量模型和 用户的使用反馈评价信息，对所述待评价工业APP的质量进行评估，确定评 估结果，包括：
确定所述待评价工业APP输入所述联想记忆神经网络模型的记忆模式 和输入模式；
将所述输入模式与所述记忆模式通过所述神经网络收敛梯度模型进行 计算，确定所述待评价工业APP的质量等级。
在其中一个实施例中，在根据所述属性数据，建立所述待评价工业APP 的分类服务体系之后，所述方法还包括：
在所述待评价工业APP的分类服务体系下进行应用推荐，确定推荐应用 信息；
基于所述推荐应用信息，设置所述待评价工业APP的路由信息。
在其中一个实施例中，所述联想记忆神经网络模型包括：
设定神经网络的神经元为：工业APP的可用性、功能完整性、易用性、可移 植性、可靠性、解决问题的能力；
联想记忆神经网络模型输出质量等级，质量等级设为五级，即一级、二 级、三级、四级、五级。
在其中一个实施例中,所述神经网络收敛梯度模型为：
假设s为神经网络收敛速度的控制参数，0<s<1，神经网络的收敛梯度模 型为：
其中，s为神经网络收敛速度的控制参数，xi为第n个神经元输入状态， X为输入神经元，mj为第j个记忆模式；
对于神经网络模型的神经元中，每一神经元对应多种不同的输入状态， 即，X＝{x1，x2，x3，…，xn}，神经网络的输入状态为n维空间。
设定记忆模式为m，m1，m2，m3，…，mt，为t个记忆模式，当神经网 络的输入神经元X受到记忆模式m的吸引，吸引力大小与神经元xn与记忆 模式mt的距离有关，得到神经元的权重为：
其中，m为记忆模式，mj为第j个记忆模式，xi为第n个神经元输入状 态，X为输入神经元。
在其中一个实施例中，基于所述待评价工业APP的浏览量排名和所述质 量排名，对所述待评价工业APP进行管理，包括：
根据所述待评价工业APP的浏览量排名和所述质量排名，按照加权平均 法确定所述待评价工业APP的综合排名；
获取所述待评价工业APP的第二反馈评价信息；
基于所述第二反馈评价信息更新所述待评价工业APP的综合排名。
在其中一个实施例中，所述属性数据包括以下至少一项：行业属性、业 务场景属性；所述浏览数据包括以下至少一项：浏览次数、浏览时间。
第二方面，本申请实施例提供了一种工业APP应用管理装置，该装置包 括：
获取模块，用于获取待评价工业APP的属性数据和用户浏览数据；
浏览量预测模块，用于基于所述用户浏览数据，采用最小二乘法预测所 述待评价工业APP的浏览量排名；
质量等级评价模块，用于根据所述属性数据，对所述待评价工业APP进 行分类；基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业 APP的质量进行评估，得到质量评估等级；基于所述质量等级，在所述分类 服务体系下确定所述待评价工业APP的质量评估排名；
综合评价模块，用于基于所述待评价工业APP的浏览量排名和所述质量 排名，对所述待评价工业APP进行综合评价。
第三方面，本申请实施例提供了一种计算机设备，包括存储器和处理器， 所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述 工业APP应用管理方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计 算机程序，所述计算机程序用于实现如第一方面所述的工业APP应用管理方 法。
本申请，通过预测待评价工业APP的浏览量排名，以及通过ISO质量模 型和用户的第一反馈评价信息估算待评价工业APP的质量等级，进而确定在 分类服务体系下的质量排名后，按照加权平均法确定待评价工业APP的综合 排名，并实时获取用户对待评价工业APP的第二反馈评价信息，动态更新待 评价工业APP的综合排名。从而实现对待评价工业APP快速质量评价和准 确质量评估，填补了工业APP质量评估的空白，进而促进工业APP的质量提升，使得用户能够快速直观地查找到对应的工业APP，提高了用户体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 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 这些附图获得其它的附图。
图1为本申请实施例提供的工业APP质量评价的实施环境的架构示意 图；
图2为本申请另一实施例提供的工业APP质量评价方法的流程示意图；
图3为本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组 合；并且，基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动 前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。 应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的 任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了 解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个 方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一 或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
可以理解，工业APP，是基于工业互联网、承载工业知识和经验，满足 特定需求的工业应用软件，是工业技术软件化的重要成果。其本质是企业知 识和技术诀窍的模型化、模块化、标准化和软件化，能够有效促进知识的显 性化、公有化、组织化、系统化，极大地便利了知识的应用和复用。工业APP 主要用于关键生产环节控制和生产过程管理，但是随着工业APP数量的逐渐增多的过程中，用户无法快速直观地寻找到更适应需求的工业APP，导致用 户体验差。因此，如何对工业APP进行管理，以保证工业APP的质量是现 今需要解决的问题。
基于上述缺陷，本发明实施例提供了一种工业APP质量评价方法，通过 获取待评价工业APP的属性数据和浏览数据，并对属性数据和浏览数据进行 处理分析，确定待评价工业APP的浏览量排名和质量排名，然后基于待评价 工业APP的浏览量排名和质量排名，对待评价工业APP进行质量评价。该 方案由于确定了对待评价工业APP的浏览量排名和质量排名，从而快速对待评价工业APP进行质量评价，进而提升了工业APP的质量，使得用户能够快速直观地查找到对应的工业APP，进一步很大程度上提高了用户体验。
图1是本申请实施例提供的一种工业APP质量评价方法的实施环境架 构图。如图1所示，该实施环境架构包括：终端100和服务器200。
终端100可以是智能电视、智能电视机顶盒等智能家居设备，或者终端 100可以是智能手机、平板电脑以及电子书阅读器等移动式便携终端，或者， 该终端100可以是智能眼镜、智能手表等智能可穿戴设备，本实施例对此不 进行具体限定。
服务器200可以是一台服务器，也可以是由若干台服务器构成的服务器 集群，或者服务器200可以包含一个或多个虚拟化平台，或者服务器200可以是一个云计算服务中心。
其中，服务器200可以是为上述终端100中安装的AI应用提供后台服 务的服务器设备。
终端100与服务器200之间通过有线或无线网络建立通信连接。可选的， 上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、 但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、 城域网(Metropolitan AreaNetwork，MAN)、广域网(Wide Area Network， WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。
为了便于理解和说明，下面通过图2至图3详细阐述本申请实施例提供的工业APP应用管理方法、装置、设备及介质。
需要说明的是，下述法实施例的执行主体可以是工业APP应用管理装 置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为终端设备的 部分或者全部。下述方法实施例的执行主体以服务器为例来进行说明。
图2为本发明实施例提供的工业APP质量评价方法的流程示意图，如图 2所示，该方法包括：
步骤S101、获取待评价工业APP的属性数据和用户浏览待评价工业 APP的操作数据。
具体的，上述待评价工业APP的属性数据可以包括行业属性、业务场 景属性等，其中，行业属性例如可以是航空、航天、汽车和家电等通用行业。 业务场景属性可以是研发设计、生产制造、运维服务和经营管理等类型得业 务场景。
上述用户浏览待评价工业APP的操作数据例如可以包括待评价工业 APP的浏览时间和浏览次数等。
可选的，上述待评价工业APP可以是至少两个。待评价工业APP的属 性数据和浏览数据可以是用户使用云端下载的数据，也可以是使用外部设备 导入的文件。服务器获取待评价工业APP的属性数据和浏览数据的过程可以 为：服务器接收用户输入的处理指令，并接收并响应于该处理指令，从而获 取得到待评价工业APP的属性数据和浏览数据。
S102、基于浏览数据，采用最小二乘法预测待评价工业APP的浏览量 排名。
具体的，在获取到待评价工业APP的浏览数据后，可以采用最小二乘 法预测得到待评价工业APP的浏览量排名，可以通过最小化误差的平方和寻 找数据的最佳函数匹配。浏览量排名可以是按照浏览次数由高至低的顺序排列，例如可以通过用户打开该工业APP的页面的从次数确定。
S103、根据属性数据，对待评价工业APP进行分类。
本步骤中，在确定待评价工业APP的属性数据后，可以根据待评价工业 APP的行业类型，将其进行分类，从而建立待评价工业APP的分类服务体 系，进而建立待评价工业APP的分类服务体系。
S104、基于ISO质量模型和用户的第一反馈评价信息，对待评价工业 APP的质量进行评估，确定质量等级。
在根据属性数据，建立待评价工业APP的分类服务体系后，待评价工业 APP的分类服务体系下进行应用推荐，确定推荐应用信息，然后基于推荐应 用信息，设置待评价工业APP的路由信息，以便于用户可以直接快速购买该 工业APP。
当该待评价工业APP被用户购买与使用之后，获取用户的第一反馈评价 信息，该第一反馈评价信息为用户根据待评价工业APP的路由信息，购买并 使用待评价工业APP之后，对其进行使用的反馈信息。其中，该第一反馈评 价信息包括ISO质量模型需要输入的，基于工业APP的可用性、功能完整 性、易用性、可移植性、可靠性、解决问题的能力等五方面的评价信息，还 可以包括用户对该待评价工业APP的满意度和使用体验。
ISO质量模型包括联想记忆神经网络模型和神经网络收敛梯度模型。
联想记忆神经网络模型，设定神经网络的神经元为：工业APP的可用性、 功能完整性、易用性、可移植性、可靠性、解决问题的能力。神经网络的输 出质量等级，质量等级可以设为五级，即，一级、二级、三级、四级、五级。 质量等级越大，则工业APP的质量越高。
本申请ISO质量模型对工业APP评价分级标准如表1所示：
根据用户的第一反馈评价信息得到工业APP评分指标表归一化处理后数 据如表2所示。
表2用户评分指标归一化处理表
待评价工业APP的质量等级具体实现过程如下：
对于神经网络模型的神经元中，每一神经元对应多种不同的输入状态， 即，X＝{x1，x2，x3，…，xn}，神经网络的输入状态为n维空间，n的取值与 用户评价样本数相关。
设定记忆模式为m，m1，m2，m3，…，mt，为t个记忆模式，t的取值与 用户评价样本数相关。
当神经网络的输入神经元X受到记忆模式m的吸引，吸引力大小与神 经元xn与记忆模式mt的距离有关，得到神经元的权重为：
其中，m为记忆模式，mj为第j个记忆模式，xi为第n个神经元输入状 态，X为输入神经元。
假设s为神经网络收敛速度的控制参数，0<s<1，神经网络的收敛梯度模 型为：
其中，s为神经网络收敛速度的控制参数，xi为第n个神经元输入状态， mj为第j个记忆模式。
该神经网络模型经过不断训练学习，使得该神经网络模型稳定在一个状 态，且不再发生大的变化，得出最终的训练结果即质量等级。筛选100个评 分样本对神经网络模型进行训练，得出最终的训练结果即100个评分样本的 质量等级，进而形成待评价工业APP质量评价表。
S105、基于质量等级，在待评价工业APP分类类别下确定待评价工业 APP的质量排名。
基于评价质量等级，在分类服务体系下确定待评价应用程序的质量排名， 能够提高待评价工业APP评价的准确性，充分考虑各细分领域工业APP质 量的差异性。
S106、基于待评价工业APP的浏览量排名和质量排名，对待评价工业 APP进行综合评价。
按照加权平均法将获得的浏览量排名和质量排名进行加权平均计算，获 得待评价工业APP的综合排名，并实时获取用户对待评价工业APP的第二 反馈评价信息，实时动态更新待评价工业APP的综合排名。也可以将用户反 馈的工业APP的第二反馈评价信息进行提炼，并反馈至工业APP标识的工 业APP版权人，从而使得工业APP版权人根据用户的第二反馈评价信息对 工业APP的排名按月更新，从而促进工业APP的质量。
应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是， 这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全 部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执 行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤 执行，和/或将一个步骤分解为多个步骤执行。
另一方面，本发明实施例提供的工业APP质量评价装置的结构示意图， 该装置可以包括：
获取模块，用于获取待评价工业APP的属性数据和浏览数据；
确定模块，用于对属性数据和浏览数据进行处理分析，确定待评价工业APP的浏览量排名和质量排名；
管理模块，用于基于待评价工业APP的浏览量排名和质量排名，对待评 价工业APP进行管理。
获取模块，用于获取待评价工业APP的属性数据和用户浏览数据；
浏览量预测模块，用于基于所述用户浏览数据，采用最小二乘法预测所 述待评价工业APP的浏览量排名；
质量等级评价模块，用于根据所述属性数据，对所述待评价工业APP进 行分类；基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业 APP的质量进行评估，得到质量评估等级；基于所述质量等级，在所述分类 服务体系下确定所述待评价工业APP的质量评估排名；
综合评价模块，用于基于所述待评价工业APP的浏览量排名和所述质量 排名，对所述待评价工业APP进行综合评价。
可选的，上述质量等级评价模块，还用于：
在待评价工业APP的分类服务体系下进行应用推荐，确定推荐应用信 息；
基于推荐应用信息，设置待评价工业APP的路由信息。
可选的，上述质量等级评价模块，还用于：
当待评价工业APP被用户购买与使用之后，获取用户的第一反馈评价信 息。
可选的，上述质量等级评价模块中的ISO质量模型，具体包括：
确定待评价工业APP输入联想记忆神经网络模型的记忆模式和输入模 式；
将输入模式与记忆模式通过神经网络收敛梯度模型进行计算，确定待评 价工业APP的质量等级。
可选的，上述综合评价模块，用于：
根据待评价工业APP的浏览量排名和质量排名，按照加权平均法确定待 评价工业APP的综合排名；
获取待评价工业APP的第二反馈评价信息；
基于第二反馈评价信息更新待评价工业APP的综合排名。
可选的，属性数据包括以下至少一项：行业属性、业务场景属性；浏览 数据包括以下至少一项：浏览次数、浏览时间。
本实施例提供的工业APP质量评价装置，可以执行上述方法的实施例， 其实现原理和技术效果类似，在此不再赘述。
图3示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统 700的结构示意图。
计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读 存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器 (RAM)703中的程序而执行各种适当的动作和处理。在RAM703中，还存 储有系统700操作所需的各种程序和数据。CPU701、ROM702以及RAM703 通过总线704彼此相连。输入/输出(I/O)接口706也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括 诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707； 包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接 口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。 驱动器710也根据需要连接至I/O接口706。可拆卸介质711，诸如磁盘、光 盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考图2描述的过程可以被实现为 计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括 有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行 图2的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部 分709从网络上被下载和安装，和/或从可拆卸介质711被安装。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和 计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或 框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、 程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行 指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可 以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图 中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来 实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实 现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理 器中，例如，可以描述为：一种处理器包括获取模块、确定模块和管理模块。 其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的 限定，例如，获取模块还可以被描述为“用于获取待评价工业APP的属性数 据和浏览数据”。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可 读存储介质可以是上述实施例中前述装置中所包含的计算机可读存储介质； 也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存 储介质存储有一个或者一个以上程序，前述程序被一个或者一个以上的处理 器用来执行描述于本申请的工业APP应用管理方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领 域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征 的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下， 由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上 述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换 而形成的技术方案。

Claims (8)

1.一种工业APP质量评价方法，其特征在于，所述方法包括：
获取待评价工业APP的属性数据和用户浏览数据；所述属性数据包括行业属性和业务场景属性的数据；
基于所述用户浏览数据，采用最小二乘法预测所述待评价工业APP的浏览量排名；
根据所述属性数据，获得所述待评价工业APP的分类；
基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业APP的质量进行评估，得到质量等级；
基于所述质量等级，在所述分类下确定所述待评价工业APP的质量排名；
基于所述待评价工业APP的浏览量排名和所述质量排名，得到所述待评价工业APP综合评价；
其中，基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业APP的质量进行评估，得到质量等级，包括：
所述ISO质量模型包括联想记忆神经网络模型和神经网络收敛梯度模型；
确定所述待评价工业APP输入所述联想记忆神经网络模型的记忆模式和输入模式；
将所述输入模式与所述记忆模式通过所述神经网络收敛梯度模型进行计算，得到所述待评价工业APP的质量等级；
所述联想记忆神经网络模型包括：
设定神经网络的神经元为：工业APP的可用性、功能完整性、易用性、可移植性、可靠性、解决问题的能力；
联想记忆神经网络模型输出质量等级；
所述神经网络收敛梯度模型为：
假设s为神经网络收敛速度的控制参数，0<s<1，神经网络的收敛梯度模型为：
其中，s为神经网络收敛速度的控制参数，xi为第i个神经元输入状态，x为输入神经元，mi为第i个记忆模式；
基于所述待评价工业APP的浏览量排名和所述质量排名，对所述待评价工业APP进行综合评价，包括：
根据所述待评价工业APP的浏览量排名和所述质量排名，按照加权平均法获得所述待评价工业APP的综合排名；
获取用户的第二反馈评价信息；
基于所述用户的第二反馈评价信息更新所述待评价工业APP的综合排名。
2.根据权利要求1所述的质量评价方法，其特征在于，在根据所述属性数据,获得所述待评价工业APP的分类之后，所述方法还包括：
建立所述待评价工业APP的分类服务体系，在所述待评价工业APP的分类服务体系下进行应用推荐，获得推荐应用信息；
基于所述推荐应用信息，设置所述待评价工业APP的路由信息。
3.根据权利要求1所述的质量评价方法，其特征在于，质量等级设为五级，即一级、二级、三级、四级、五级。
4.根据权利要求1所述的质量评价方法，其特征在于，
对于神经网络模型的神经元中，每一神经元对应多种不同的输入状态，即，x＝{x1，x2，x3，…，xn}，神经网络的输入状态为n维空间；
设定记忆模式为m，m1，m2，m3，…，mt，为t个记忆模式，当神经网络的输入神经元x受到记忆模式m的吸引，吸引力大小与神经元xn与记忆模式mt的距离有关，得到神经元的权重为：
其中，m为记忆模式，mi为第i个记忆模式，xi为第i个神经元输入状态，x为输入神经元。
5.根据权利要求1所述的质量评价方法，其特征在于，所述属性数据包括以下至少一项：行业属性、业务场景属性；所述浏览数据包括以下至少一项：浏览次数、浏览时间。
6.一种工业APP质量评价装置，其特征在于，所述装置包括：
获取模块，用于获取待评价工业APP的属性数据和用户浏览数据；所述属性数据包括行业属性和业务场景属性的数据；
浏览量预测模块，用于基于所述用户浏览数据，采用最小二乘法预测所述待评价工业APP的浏览量排名；
质量等级评价模块，用于根据所述属性数据，获得所述待评价工业APP的分类；基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业APP的质量进行评估，得到质量等级；基于所述质量等级，在所述分类下确定所述待评价工业APP的质量排名；
综合评价模块，用于基于所述待评价工业APP的浏览量排名和所述质量排名，对所述待评价工业APP进行综合评价；
其中，所述质量等级评价模块，具体用于：
所述ISO质量模型包括联想记忆神经网络模型和神经网络收敛梯度模型；
确定所述待评价工业APP输入所述联想记忆神经网络模型的记忆模式和输入模式；
将所述输入模式与所述记忆模式通过所述神经网络收敛梯度模型进行计算，得到所述待评价工业APP的质量等级；
所述联想记忆神经网络模型包括：
设定神经网络的神经元为：工业APP的可用性、功能完整性、易用性、可移植性、可靠性、解决问题的能力；
联想记忆神经网络模型输出质量等级；
所述神经网络收敛梯度模型为：
假设s为神经网络收敛速度的控制参数，0<s<1，神经网络的收敛梯度模型为：
其中，s为神经网络收敛速度的控制参数，xi为第i个神经元输入状态，x为输入神经元，mi为第i个记忆模式；
综合评价模块，具体用于：
根据所述待评价工业APP的浏览量排名和所述质量排名，按照加权平均法获得所述待评价工业APP的综合排名；
获取用户的第二反馈评价信息；
基于所述用户的第二反馈评价信息更新所述待评价工业APP的综合排名。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-5中任一项所述的方法。
8.一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，所述计算机程序用于被处理器执行时实现权利要求1-5中任一项所述的方法。
CN202110124472.8A 2021-01-29 2021-01-29 工业app质量评价方法、装置、设备及介质 Active CN112926834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110124472.8A CN112926834B (zh) 2021-01-29 2021-01-29 工业app质量评价方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110124472.8A CN112926834B (zh) 2021-01-29 2021-01-29 工业app质量评价方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN112926834A CN112926834A (zh) 2021-06-08
CN112926834B true CN112926834B (zh) 2024-05-10

Family

ID=76168492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110124472.8A Active CN112926834B (zh) 2021-01-29 2021-01-29 工业app质量评价方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN112926834B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004010334A (ja) * 2002-06-11 2004-01-15 Sagawa Express Co Ltd 輸送品質管理方法、輸送品質管理装置、輸送品質管理プログラム及び輸送品質管理プログラム記録媒体
CN105095411A (zh) * 2015-07-09 2015-11-25 中山大学 一种基于app质量的app排名预测方法及系统
KR20160032411A (ko) * 2014-09-16 2016-03-24 김재민 앱 테스트를 위한 소프트웨어 개발 모델 및 그 방법
CN105912599A (zh) * 2016-03-31 2016-08-31 维沃移动通信有限公司 终端应用程序的排名方法及终端
JP2017010175A (ja) * 2015-06-18 2017-01-12 日本電信電話株式会社 Ｗｅｂブラウジング品質管理装置、ユーザ体感品質推定方法、及びプログラム
CN107038377A (zh) * 2016-02-03 2017-08-11 阿里巴巴集团控股有限公司 一种网站认证方法及装置、网站授信方法及装置
CN109242573A (zh) * 2018-09-26 2019-01-18 湖南人文科技学院 App的评价方法、装置、设备及存储介质
CN109408396A (zh) * 2018-11-12 2019-03-01 中国科学院长春光学精密机械与物理研究所 软件质量评价方法、装置、设备及计算机可读存储介质
CN110196814A (zh) * 2019-06-12 2019-09-03 王轶昆 一种软件质量评价方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2437207A1 (en) * 2008-10-17 2012-04-04 Telefonaktiebolaget LM Ericsson (publ) Method and arangement for ranking of live web applications

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004010334A (ja) * 2002-06-11 2004-01-15 Sagawa Express Co Ltd 輸送品質管理方法、輸送品質管理装置、輸送品質管理プログラム及び輸送品質管理プログラム記録媒体
KR20160032411A (ko) * 2014-09-16 2016-03-24 김재민 앱 테스트를 위한 소프트웨어 개발 모델 및 그 방법
JP2017010175A (ja) * 2015-06-18 2017-01-12 日本電信電話株式会社 Ｗｅｂブラウジング品質管理装置、ユーザ体感品質推定方法、及びプログラム
CN105095411A (zh) * 2015-07-09 2015-11-25 中山大学 一种基于app质量的app排名预测方法及系统
CN107038377A (zh) * 2016-02-03 2017-08-11 阿里巴巴集团控股有限公司 一种网站认证方法及装置、网站授信方法及装置
CN105912599A (zh) * 2016-03-31 2016-08-31 维沃移动通信有限公司 终端应用程序的排名方法及终端
CN109242573A (zh) * 2018-09-26 2019-01-18 湖南人文科技学院 App的评价方法、装置、设备及存储介质
CN109408396A (zh) * 2018-11-12 2019-03-01 中国科学院长春光学精密机械与物理研究所 软件质量评价方法、装置、设备及计算机可读存储介质
CN110196814A (zh) * 2019-06-12 2019-09-03 王轶昆 一种软件质量评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于ISO质量模型的软件质量评价方法;赵一鸣;《计算机工程》;第28卷(第5期);78-79、82 *
基于LM-BP神经网络的软件质量综合评价;郑鹏;山东理工大学学报(自然科学版);第30卷(第3期);74-78 *

Also Published As

Publication number Publication date
CN112926834A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
US20230281448A1 (en) Method and apparatus for information recommendation, electronic device, computer readable storage medium and computer program product
Gozhyj et al. Web resources management method based on intelligent technologies
EP3893154A1 (en) Recommendation model training method and related apparatus
US20180240041A1 (en) Distributed hyperparameter tuning system for machine learning
CN111143686B (zh) 资源推荐方法及装置
US10783442B1 (en) Demand forecasting via direct quantile loss optimization
WO2021155691A1 (zh) 用户画像生成方法、装置、存储介质及设备
CN107729915A (zh) 用于确定机器学习样本的重要特征的方法及系统
CN113610240A (zh) 利用嵌套机器学习模型来执行预测的方法及系统
Huynh et al. Context-similarity collaborative filtering recommendation
CN112150094A (zh) 模型训练方法、基于模型的评估方法及装置
CN112529477A (zh) 信用评估变量筛选方法、装置、计算机设备及存储介质
US8204902B1 (en) Dynamic ranking of experts in a knowledge management system
Leal et al. Incremental hotel recommendation with inter-guest trust and similarity post-filtering
Zaffar et al. Comparing the performance of FCBF, Chi-Square and relief-F filter feature selection algorithms in educational data mining
CN113780321A (zh) 图片审核方法、系统、电子设备及计算机可读介质
CN112926834B (zh) 工业app质量评价方法、装置、设备及介质
CN116204709A (zh) 一种数据处理方法及相关装置
WO2023050143A1 (zh) 一种推荐模型训练方法及装置
CN116049544A (zh) 一种全局因子分解的多特征融合网络兴趣预测方法
CN111291196B (zh) 知识图谱的完善方法及装置、数据处理方法及装置
Wang et al. Cross-domain collaborative recommendation by transfer learning of heterogeneous feedbacks
Zhang et al. A generalized soft likelihood function in combining multi-source belief distribution functions
CN114066278B (zh) 物品召回的评估方法、装置、介质及程序产品
US11252160B1 (en) Artificial intelligence software access bundling

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