CN113434571B - 一种知识挖掘方法、平台、系统及存储介质 - Google Patents

一种知识挖掘方法、平台、系统及存储介质 Download PDF

Info

Publication number
CN113434571B
CN113434571B CN202110681170.0A CN202110681170A CN113434571B CN 113434571 B CN113434571 B CN 113434571B CN 202110681170 A CN202110681170 A CN 202110681170A CN 113434571 B CN113434571 B CN 113434571B
Authority
CN
China
Prior art keywords
knowledge
data
mining
results
result set
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
CN202110681170.0A
Other languages
English (en)
Other versions
CN113434571A (zh
Inventor
简仁贤
许�鹏
彭亮
张梦真
闫鸣宇
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.)
Emotibot Technologies Ltd
Original Assignee
Emotibot Technologies 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 Emotibot Technologies Ltd filed Critical Emotibot Technologies Ltd
Priority to CN202110681170.0A priority Critical patent/CN113434571B/zh
Publication of CN113434571A publication Critical patent/CN113434571A/zh
Application granted granted Critical
Publication of CN113434571B publication Critical patent/CN113434571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种知识挖掘方法、平台、系统及存储介质，方法包括：从不同的数据源获取外部数据，将外部数据的结构统一转换为预设的内部结构，构建第一数据集；将所述第一数据集内的数据结构转换为挖掘节点的数据结构类型，构建第二数据集；根据所述挖掘节点的任务类型，同时执行N个相应的挖掘算法对所述第二数据集中的数据进行挖掘，生成知识结果集，N为大于等于1的正整数；对所述知识结果集中的知识结果进行去重处理。本方法有效的减少了运营的重复性工作，可以快速进行梳理日志文档数据、标准问语料扩写或构建知识图谱等工作。能够快速适配不同的数据源，更快速的完成项目冷启动。

Description

一种知识挖掘方法、平台、系统及存储介质
技术领域
本发明涉及计算机软件技术领域，具体涉及一种知识挖掘方法、平台、系统及存储介质。
背景技术
在现有的智能问答机器人中，运营人员在准备准备机器人数据步骤繁琐，需要将大量结构不同的数据转化为机器人可用的数据结构，然后对转换后的数据进行挖掘处理。现有的挖掘平台在对大量数据源进行挖掘处理时效率低下，耗时长。面对新的项目的机器人，准备机器人数据速度慢，无法完成冷启动。
发明内容
针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种知识挖掘方法、平台、系统及存储介质，以解决背景技术中所提出的技术问题。
为实现上述目的，第一方面，本申请提供了一种知识挖掘方法，包括：
从不同的数据源获取外部数据，将外部数据的结构统一转换为预设的内部结构，构建第一数据集；
将所述第一数据集内的数据结构转换为挖掘节点的数据结构类型，构建第二数据集；
根据所述挖掘节点的任务类型，同时执行N个相应的挖掘算法对所述第二数据集中的数据进行挖掘，生成知识结果集，N为大于等于1的正整数；
对所述知识结果集中的知识结果进行去重处理。
可选的，通过数据下载软件从数据源获取外部数据。
可选的，所述挖掘节点的任务类型包括标准问语料扩写、构建知识图谱和挖掘日志聚类中的一种。
可选的，对所述知识结果集中的知识结果进行去重处理，具体包括：
采用逐一比对的方法计算所述知识结果集中不同知识结果之间的相似度，去除所述知识结果集中相似度高于阈值的两条知识结果之一。
可选的，相似度高于阈值的两条知识结果包括重合的两条知识结果。
可选的，所述方法还包括：
对去重处理后的所述知识结果集进行存储。
可选的，对去重处理后的所述知识结果集进行存储，具体包括：
将知识结果和与每个所述知识结果一一对应的数据源和挖掘算法进行分层存储，每一层均存储到缓存器中。
第二方面，本申请还提供了一种知识挖掘平台，包括：
第一数据集构建模块，用于从不同的数据源获取外部数据，将外部数据的结构统一转换为预设的内部结构，构建第一数据集；
第二数据集构建模块，用于将所述第一数据集内的数据结构转换为挖掘节点的数据结构类型，构建第二数据集；
知识结果集生成模块，用于根据所述挖掘节点的任务类型，同时接入、执行N个相应的挖掘算法对所述第二数据集中的数据进行挖掘，生成知识结果集，N为大于等于1的正整数；
去重处理模块，用于对所述知识结果集中的知识结果进行去重处理。
第三方面，本申请还提供了一种知识挖掘系统，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如第一方面所述的方法。
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，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
实施本申请的知识挖掘方法，有效的减少了运营的重复性工作，可以快速进行梳理日志文档数据、标准问语料扩写或构建知识图谱等工作，能够快速适配不同的数据源，更快速的完成项目冷启动。也可以快速的接入其他挖掘算法，导出结果到不同的目标使用。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的知识挖掘方法的流程示意图；
图2是本发明实施例提供的知识挖掘平台的结构示意图；
图3是本发明实施例提供的知识挖掘系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明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发明。如在本发明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，本发明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。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示，其示出了一种知识挖掘方法的流程图，该方法在挖掘节点中可以接入多个与挖掘节点的任务类型对应的挖掘算法对挖掘节点进行扩充，然后对经过结构类型转换的外部数据进行挖掘，从而快速生成知识结果集，有效提高了知识挖掘速度，并且对从不同数据源获取的外部数据均可以快速适配。该知识挖掘方法可以包括如下步骤：
S100：从不同的数据源获取外部数据，将外部数据的结构统一转换为预设的内部结构，构建第一数据集。
通过数据下载软件从数据源下载获取外部数据，从不同的数据源获取的外部数据具有不同的数据结构，例如机器人接口类型数据、Excel格式数据和txt文本格式数据。将这些不同结构的数据根据各自的映射关系统一转换为预设的内部结构类型的数据，构建第一数据集，第一数据集中的所有数据的结构均为内部结构类型。内部结构类型作为标准数据结构类型，在此不做具体的限定。
S200：将所述第一数据集内的数据结构转换为挖掘节点的数据结构类型，构建第二数据集。
为保证第一数据集中的数据能够接入挖掘节点中，需要将第一数据集内的数据结构转换为挖掘节点的数据结构类型。由于第一数据集中的所有数据的结构是统一的，所以能够避免直接将不同的数据源的数据结构转换为挖掘节点的数据结构类型时出现的混乱和效率低下的问题。
S300：根据所述挖掘节点的任务类型，同时执行N个相应的挖掘算法对所述第二数据集中的数据进行挖掘，生成知识结果集，N为大于等于1的正整数。
挖掘节点可以执行的任务类型包括标准问语料扩写、构建知识图谱和挖掘日志聚类，每次挖掘节点只能执行前述的一种任务类型。一种任务类型将会对应多种挖掘算法，通过调用算法接口接入多种算法后，多种挖掘算法会同时执行。并且，每种挖掘算法可以设置不止一个。本实施例中，N的数值可以根据第二数据集中的数据个数进行人为选择设定。
例如，挖掘节点执行的任务类型为标准问语料扩写，先将从不同的数据源上获取的500个外部数据的数据结构统一转换为预设的内部结构，构建第一数据集；然后将第一数据集中的500个数据的数据结构转换为挖掘节点的数据结构类型，构建第二数据集；设定挖掘节点同时接入、执行10个挖掘算法，对第二数据集中的数据进行挖掘计算，生成标准问扩写语料库。
S400：对所述知识结果集中的知识结果进行去重处理。
知识结果知识结果知识结果知识结果对同一数据同时执行多种算法进行挖掘，获取的知识结果将会有相似度较高甚至是重复的知识结果，因此需要对知识结果进行去重处理，重复的知识结果和相似度较高的知识结果均只保留一条，保证知识结果的单一性和准确性，便于机器人进行学习。
具体的，本实施例中，采用逐一比对的方法计算所述知识结果集中不同知识结果之间的相似度，去除所述知识结果集中相似度高于阈值的两条知识结果之一。
可选的，所述方法还包括：
S500：对去重处理后的所述知识结果集进行存储。
对知识结果集进行去重处理后，需要对最终的知识结果集持久化，即将去重处理后的知识结果集进行存储。为避免在系统重新启动后数据丢失，本实施例中将知识结果和与每个所述知识结果一一对应的数据源和挖掘算法进行分层存储，每一层会优先缓存到缓存器minio中。
实施本申请的知识挖掘方法，有效的减少了运营的重复性工作，可以快速进行梳理日志文档数据、标准问语料扩写或构建知识图谱等工作，能够快速适配不同的数据源，更快速的完成项目冷启动。也可以快速的接入其他挖掘算法，导出结果到不同的目标使用。
进一步地，基于相同的发明构思，本发明实施例还提供了一种知识挖掘平台，用于进行知识挖掘。如图2所示，该知识挖掘平台可以包括：
第一数据集构建模块201，用于从不同的数据源获取外部数据，将外部数据的结构统一转换为预设的内部结构，构建第一数据集。
第一数据集构建模块201通过数据下载软件从数据源下载获取外部数据，从不同的数据源获取的外部数据具有不同的数据结构，例如机器人接口类型数据、Excel格式数据和txt文本格式数据。将这些不同结构的数据根据各自的映射关系统一转换为预设的内部结构类型的数据，构建第一数据集，第一数据集中的所有数据的结构均为内部结构类型。内部结构类型作为标准数据结构类型，在此不做具体的限定。
第二数据集构建模块202，用于将所述第一数据集内的数据结构转换为挖掘节点的数据结构类型，构建第二数据集。
为保证第一数据集中的数据能够接入挖掘节点中，需要将第一数据集内的数据结构转换为挖掘节点的数据结构类型。由于第一数据集中的所有数据的结构是统一的，所以能够避免直接将不同的数据源的数据结构转换为挖掘节点的数据结构类型时出现的混乱和效率低下的问题。
知识结果集生成模块203，用于根据所述挖掘节点的任务类型，同时执行N个相应的挖掘算法对所述第二数据集中的数据进行挖掘，生成知识结果集，N为大于等于1的正整数。
挖掘节点可以执行的任务类型包括标准问语料扩写、构建知识图谱和挖掘日志聚类，每次挖掘节点只能执行前述的一种任务类型。一种任务类型将会对应多种挖掘算法，通过调用算法接口接入多种算法后，多种挖掘算法会同时执行。并且，每种挖掘算法可以设置不止一个。本实施例中，N的数值可以根据第二数据集中的数据个数在知识结果集生成模块203上进行人为选择设定。
例如，挖掘节点执行的任务类型为标准问语料扩写，第一数据集构建模块201先将从不同的数据源上获取的500个外部数据的数据结构统一转换为预设的内部结构，构建第一数据集；然后第二数据集构建模块202将第一数据集中的500个数据的数据结构转换为挖掘节点的数据结构类型，构建第二数据集；最后在知识结果集生成模块203上设定挖掘节点同时接入、执行10个挖掘算法，对第二数据集中的数据进行挖掘计算，生成标准问扩写语料库。
去重处理模块204，用于对所述知识结果集中的知识结果进行去重处理。
多种算法同时执行产生的知识结果将会有相似度较高甚至是重复的知识结果，因此需要对知识结果进行去重处理，重复的知识结果和相似度较高的知识结果均只保留一条，保证知识结果的单一性和准确性，便于机器人进行学习。
本实施例中，去重处理模块204采用逐一比对的方法计算所述知识结果集中不同知识结果之间的相似度，去除所述知识结果集中相似度高于阈值的两条知识结果之一。
可选的，所述知识挖掘平台还可以包括：
存储模块205，用于对去重处理后的所述知识结果集进行存储。
对知识结果集进行去重处理后，需要对最终的知识结果集持久化，即将去重处理后的知识结果集进行存储。为避免在系统重新启动后数据丢失，本实施例中存储模块205会将知识结果和与每个所述知识结果一一对应的数据源和挖掘算法进行分层存储，每一层均会优先缓存到缓存器minio中。
进一步地，基于相同的发明构思，本发明实施例还提供一种知识挖掘系统。如图3所示，该系统可以包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序，所述计算机程序包括程序指令，所述处理器101被配置用于调用所述程序指令执行上述知识挖掘方法实施例部分的方法。
应当理解，在本发明实施例中，所称处理器101可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。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。
输入设备102可以包括键盘等，输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器，并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如，存储器104还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的知识挖掘方法的实施例中所描述的实现方式，在此不再赘述。
需要说明的是，关于知识挖掘系统的具体工作流程，可参考前述方法实施例部分，在此不再赘述。
进一步地，本发明实施例还提供了一种可读存储介质，存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：上述知识挖掘方法。
所述计算机可读存储介质可以是前述实施例所述的后台服务器的内部存储单元，例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备，例如所述系统上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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，或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，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发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种知识挖掘方法，其特征在于，包括：
从不同的数据源获取外部数据，将外部数据的结构统一转换为预设的内部结构，构建第一数据集；
将所述第一数据集内的数据结构转换为挖掘节点的数据结构类型，构建第二数据集；
根据所述挖掘节点的任务类型，同时执行N个相应的挖掘算法对所述第二数据集中的数据进行挖掘，生成知识结果集，N为大于等于1的正整数；
对所述知识结果集中的知识结果进行去重处理；
对去重处理后的所述知识结果集进行存储，具体包括：
将知识结果和与每个所述知识结果一一对应的数据源和挖掘算法进行分层存储，每一层均存储到缓存器中。
2.根据权利要求1所述的一种知识挖掘方法，其特征在于，通过数据下载软件从数据源获取外部数据。
3.根据权利要求1所述的一种知识挖掘方法，其特征在于，所述挖掘节点的任务类型包括标准问语料扩写、构建知识图谱和挖掘日志聚类中的一种。
4.根据权利要求1所述的一种知识挖掘方法，其特征在于，对所述知识结果集中的知识结果进行去重处理，具体包括：
采用逐一比对的方法计算所述知识结果集中不同知识结果之间的相似度，去除所述知识结果集中相似度高于阈值的两条知识结果之一。
5.根据权利要求4所述的一种知识挖掘方法，其特征在于，相似度高于阈值的两条知识结果包括重合的两条知识结果。
6.一种知识挖掘平台，其特征在于，包括：
第一数据集构建模块，用于从不同的数据源获取外部数据，将外部数据的结构统一转换为预设的内部结构，构建第一数据集；
第二数据集构建模块，用于将所述第一数据集内的数据结构转换为挖掘节点的数据结构类型，构建第二数据集；
知识结果集生成模块，用于根据所述挖掘节点的任务类型，同时执行N个相应的挖掘算法对所述第二数据集中的数据进行挖掘，生成知识结果集，N为大于等于1的正整数；
去重处理模块，用于对所述知识结果集中的知识结果进行去重处理；
存储模块，用于对去重处理后的所述知识结果集进行存储，具体包括：将知识结果和与每个所述知识结果一一对应的数据源和挖掘算法进行分层存储，每一层均存储到缓存器中。
7.一种知识挖掘系统，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-5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，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
CN202110681170.0A 2021-06-18 2021-06-18 一种知识挖掘方法、平台、系统及存储介质 Active CN113434571B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110681170.0A CN113434571B (zh) 2021-06-18 2021-06-18 一种知识挖掘方法、平台、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110681170.0A CN113434571B (zh) 2021-06-18 2021-06-18 一种知识挖掘方法、平台、系统及存储介质

Publications (2)

Publication Number Publication Date
CN113434571A CN113434571A (zh) 2021-09-24
CN113434571B true CN113434571B (zh) 2023-08-22

Family

ID=77756639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110681170.0A Active CN113434571B (zh) 2021-06-18 2021-06-18 一种知识挖掘方法、平台、系统及存储介质

Country Status (1)

Country Link
CN (1) CN113434571B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516116A (zh) * 2019-08-27 2019-11-29 华中师范大学 一种多步分层的学习者认知水平挖掘方法及系统
CN112434089A (zh) * 2020-12-23 2021-03-02 龙马智芯（珠海横琴）科技有限公司 一种频繁项挖掘方法、装置、服务器及可读存储介质
CN112765150A (zh) * 2021-02-24 2021-05-07 永城职业学院 大数据异构融合提取方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9754230B2 (en) * 2010-11-29 2017-09-05 International Business Machines Corporation Deployment of a business intelligence (BI) meta model and a BI report specification for use in presenting data mining and predictive insights using BI tools
US10019538B2 (en) * 2015-04-01 2018-07-10 Tata Consultancy Services Limited Knowledge representation on action graph database

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516116A (zh) * 2019-08-27 2019-11-29 华中师范大学 一种多步分层的学习者认知水平挖掘方法及系统
CN112434089A (zh) * 2020-12-23 2021-03-02 龙马智芯（珠海横琴）科技有限公司 一种频繁项挖掘方法、装置、服务器及可读存储介质
CN112765150A (zh) * 2021-02-24 2021-05-07 永城职业学院 大数据异构融合提取方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Yan Wang.Modeling of big production data storage of fully mechanized mining equipment based on workflow-driven deep coupling network.IEEE.2018,全文. *

Also Published As

Publication number Publication date
CN113434571A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
US11023801B2 (en) Data processing method and apparatus
CN111580866B (zh) 一种向量运算装置及运算方法
US7343266B2 (en) System and method for metadata verification during measurement processing
Chen et al. A hybrid short read mapping accelerator
US20120117347A1 (en) Initializing of a memory area
CN111651200A (zh) 一种用于执行向量超越函数运算的装置和方法
US20220351490A1 (en) Convolution calculation method, convolution calculation apparatus, and terminal device
CN111078672A (zh) 数据库的数据对比方法及装置
CN111522574B (zh) 差分包生成方法及相关设备
CN113342671B (zh) 对运算模块进行验证的方法、装置、电子设备和介质
CN113434571B (zh) 一种知识挖掘方法、平台、系统及存储介质
WO2019147441A1 (en) Wide key hash table for a graphics processing unit
WO2019136799A1 (zh) 数据离散化方法、装置、计算机设备及存储介质
US8990741B2 (en) Circuit design support device, circuit design support method and program
CN112507323A (zh) 基于单向网络的模型训练方法、装置和计算设备
US20210117799A1 (en) Monitoring performance of a storage system using paired neural networks
JP2014186477A (ja) 情報処理装置、情報処理方法、及び、プログラム
CN112579061B (zh) 一种安卓组件间数据传递方法、设备、系统及存储介质
CN115220914A (zh) 一种数据处理方法、系统及计算设备
CN116382782A (zh) 向量运算方法、向量运算器、电子设备和存储介质
CN111241099A (zh) 一种工业大数据存储方法及装置
CN104009733A (zh) 基于fpga的样本重要性重采样粒子滤波器的硬件实现方法
US9311274B2 (en) Approach for significant improvement of FFT performance in microcontrollers
CN110956251A (zh) 一种模型训练方法及装置
TWI281619B (en) Data processing structure and method for fast Fourier transformation/inverse fast Fourier transformation

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