CN113435209A - 基于共享实验室平台的数据管理方法及系统 - Google Patents
基于共享实验室平台的数据管理方法及系统 Download PDFInfo
- Publication number
- CN113435209A CN113435209A CN202110706820.2A CN202110706820A CN113435209A CN 113435209 A CN113435209 A CN 113435209A CN 202110706820 A CN202110706820 A CN 202110706820A CN 113435209 A CN113435209 A CN 113435209A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- feasibility
- experiment
- project
- experimental
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
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)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种基于共享实验室平台的数据管理方法及系统,根据实验项目使用终端的实验请求,向各所述远程开发终端发布实验项目邀请信息;然后,接收各所述远程开发终端根据所述实验项目邀请信息反馈的项目计划信息,将接收到的各所述远程开发终端反馈的所述项目计划信息通过预先设定的与所述实验项目相关联的实验信息知识库进行分析,根据分析结果从多个所述远程开发终端中确定多个目标实验终端,最后控制所述多个目标实验终端进行所述实验项目的协同实验,并在协同实验过程中对所述目标实验终端的实验数据进行数据管理和交互。如此,可以提升优质人力资源以及实验室资源的利用率,同时有助于实验项目高效高质量的完成。
Description
技术领域
本发明涉及共享实验室技术领域,具体而言,涉及一种基于共享实验室平台的数据管理方法及系统。
背景技术
在一些特殊的场合下,例如因为疫情的原因,通过互联网及计算机实现的职业也能在家进行正常的办公。而针对一些特殊的企业而言,例如医药及化工企业则需要在实验室进行工作,常规的在线平台无法满足这种需求。在这种背景下,共享实验平台应运而生,以用于解决多地协同实验的问题。此外,随着共享实验室平台的逐渐推广,各种各类的实现项目均可以通过共享实验室平台实现。而针对一些特定的实验项目,如何将平台上的广大优质人力资源以及实验室资源利用起来,以促进实验项目的完成是本领域广为关注的一大课题。
发明内容
鉴于上述内容,本发明实施例提供一种基于共享实验室平台的数据管理方法,应用于实验室共享云服务平台,所述实验室共享云服务平台与多个远程开发终端通信连接,所述远程开发终端用于与所述数字化实验设备连接,实现与数字化实验设备进行实验过程中的数据管理及交互,所述方法包括:
根据实验项目使用终端的实验请求,向各所述远程开发终端发布实验项目邀请信息,所述实验项目邀请信息包括待进行的实验项目以及与所述实验项目相关的项目信息;
接收各所述远程开发终端根据所述实验项目邀请信息反馈的项目计划信息;
将接收到的各所述远程开发终端反馈的所述项目计划信息通过预先设定的与所述实验项目相关联的实验信息知识库进行分析,根据分析结果从多个所述远程开发终端中确定多个目标实验终端,
控制所述多个目标实验终端进行所述实验项目的协同实验,并在协同实验过程中对所述目标实验终端的实验数据进行数据管理和交互。
本实施例中,将接收到的各所述远程开发终端反馈的所述项目计划信息通过预先设定的与所述实验项目相关联的实验信息知识库进行分析,根据分析结果从多个所述远程开发终端中确定多个目标实验终端,包括
获取通过所述实验信息知识库针对各所述远程开发终端反馈的项目计划信息的项目计划评价结果,得到评价结果序列,所述评价结果序列包括多个可行性评价;
获得所述评价结果序列中的各可行性评价与各所述项目计划信息对应的兴趣热度指标;
根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行排序,得到相应的可行性评价序列;
基于所述可行性评价序列生成所述项目计划信息对应的远程开发终端集合,所述远程开发终端集合包括多个远程开发终端;
从所述多个远程开发终端中确定所述目标实验终端。
本实施例中,所述根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行排序,得到相应的可行性评价序列,具体包括:
根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行分组,得到多个可行性评价组合;
根据各可行性评价组合中的各可行性评价的可行性评价指数对各个可行性评价组合进行排序,并分别对所述各个可行性评价组合中的各可行性评价进行排序,得到所述可行性评价序列;
其中,所述目标实验终端根据所述可行性评价序列中各远程开发终端对应的可行性评价的排列顺序确定。
本实施例中,所述获得所述评价结果序列中的各可行性评价与所述项目计划信息对应的兴趣热度指标,包括:
分别将所述各可行性评价输入预先得到的兴趣度热点评价网络中,基于所述预先得到的兴趣度热点评价网络中的语义描述的兴趣热度评价单元对所述各可行性评价进行兴趣热度语义提取,获得所述兴趣热度评价单元输出的所述各可行性评价对应的兴趣热度指标;
所述根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行排序,得到相应的可行性评价序列,包括:
分别将所述各可行性评价,以及所述各可行性评价对应的兴趣热度指标输入所述预先得到的兴趣度热点评价网络中的可行性分类评价单元,基于所述可行性分类评价单元对所述各可行性评价进行分类和排序,获得所述可行性分类评价单元输出的语义描述结果的第一分类评价特征表示,所述第一分类评价特征表示中的各个可行性评价特征组合形成所述可行性评价序列;
所述基于所述可行性评价序列生成所述项目计划信息对应的远程开发终端集合,包括:将所述分类评价特征表示输入所述预先得到的兴趣度热点评价网络中的注意力函数单元,基于所述注意力函数单元进行注意力兴趣热度语义提取,获得所述注意力函数单元输出的所述远程开发终端集合;
其中,所述预先得到的兴趣度热点评价网络是根据包括大量训练样本的样本序列训练得到的,所述样本序列中的训练样本包括具有兴趣热度标签的可行性评价样本,所述兴趣热度标签表示所述可行性评价样本与样本实验项目之间的兴趣热度。
本实施例中,所述兴趣度热点评价网络是通过如下过程训练得到的:
获取针对至少一个样本实验项目的所述样本序列;根据所述样本序列中的训练样本,对选定的的兴趣度热点评价网络执行循环优化,以获得所述预先得到的兴趣度热点评价网络;其中,每一次循环优化过程包括以下操作:从所述样本序列中选取针对同一样本实验项目的一组训练样本,分别将选取的各个训练样本包含的可行性评价样本输入所述选定的的兴趣度热点评价网络中的语义描述的兴趣热度评价单元,获得所述兴趣热度评价单元输出的各可行性评价样本对应的兴趣热度指标;
基于所述各可行性评价样本对应的兴趣热度指标与对应的兴趣热度标签之间的差异,构建第一模型评价指标;以及
分别将选取的各个训练样本中的可行性评价样本,以及所述各可行性评价样本对应的兴趣热度指标输入所述选定的的兴趣度热点评价网络中的可行性分类评价单元,基于所述可行性分类评价单元对所述各可行性评价样本进行分类,获得多个可行性评价组合;
基于所述可行性分类评价单元对各个可行性评价组合进行排序,获得所述可行性分类评价单元输出的语义描述结果的第二分类评价特征表示;
将所述第二分类评价特征表示输入所述选定的的兴趣度热点评价网络中的注意力函数单元,基于所述注意力函数单元进行注意力兴趣热度语义提取,获得所述注意力函数单元输出的预测注意力函数集合,所述预测注意力函数集合包括多个预测注意力函数语义描述;
基于所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,构建第二模型评价指标;以及
基于各个可行性评价组合中可行性评价词的注意力值,构建第三模型评价指标;根据所述第一模型评价指标,所述第二模型评价指标和所述第三模型评价指标,对所述选定的的兴趣度热点评价网络进行模型指标优化。
本实施例中,所述基于所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,构建第二模型评价指标,包括:
对于任意一个预测注意力函数语义描述,基于所述预测注意力函数语义描述在预设的注意力函数语义描述集合中的出现几率,以及所述预测注意力函数语义描述在所述评价结果序列中的出现几率,确定所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,然后基于确定的特征差异构建所述第二模型评价指标。
本实施例中,所述控制所述多个目标实验终端进行所述实验项目的协同实验,包括:
根据预定实验规则获取待创建的目标可视化实验项目对应的实验项目需求描述;
基于所述实验项目需求描述,在初始可视化实验项目中创建实验项目解析模型,其中,所述实验项目解析模型包括一种或多种解析策略,所述解析策略用于解析所述初始可视化实验项目;
创建待加载至所述实验项目解析模型中的实验项目终端标签集,其中,所述实验项目终端标签集包括多个实验项目终端标签;
将所述实验项目终端标签与所述实验项目解析模型中的解析策略进行项目协同信息匹配,得到下发给所述解析策略的备选实验项目终端标签;
根据所述备选实验项目终端标签与所述解析策略之间的状态关联信息,从所述备选实验项目终端标签中挑选出目标实验项目终端标签;
将所述目标实验项目终端标签下发至所述解析策略,以将所述目标实验项目终端标签加载至所述实验项目解析模型中,创建目标可视化实验项目;
将所述目标可视化实验项目下发至所述目标实验终端,使所述目标实验终端基于所述可视化实验项目进行协同实验交互。
本实施例中,所述基于所述实验项目需求描述,在初始可视化实验项目中创建实验项目解析模型,包括:
基于所述实验项目需求描述,在所述初始可视化实验项目中创建初始化解析模型,其中,所述初始化解析模型包括多种待优化的解析策略;
基于所述解析策略在所述初始化解析模型中的策略重叠信息,对所述解析策略进行优化,得到优化后的解析策略;
根据所述优化后的解析策略,确定所述初始可视化实验项目中的实验项目解析模型,其中,所述实验项目解析模型包括一种或多种优化后的解析策略,所述解析策略用于解析所述初始可视化实验项目。
本实施例中,基于所述实验项目需求描述,在所述初始可视化实验项目中创建初始化解析模型,包括:
确定创建初始化解析模型对应的策略全局描述信息;
对所述实验项目需求描述进行特征转换,得到所述实验项目需求描述对应的特征向量;
在所述初始可视化实验项目中创建匹配所述策略全局描述信息的初始化解析模型,其中,所述初始化解析模型包括一种或多种待调整的解析策略;
根据所述特征向量,对所述初始化解析模型中的解析策略进行非线性调整,得到调整后的解析策略;
根据所述调整后的解析策略,确定所述初始可视化实验项目中的初始化解析模型。
进一步地,本发明实施例还提供一种基于共享实验室平台的数据管理系统,包括实验室共享云服务平台以及与所述实验室共享云服务平台通信连接的多个远程开发终端,所述远程开发终端用于与数字化实验设备连接,所述实验室共享云服务平台用于上述的方法。
基于以上内容,本发明实施例提供的基于共享实验室平台的数据管理方法及系统通过根据实验项目使用终端的实验请求,向各所述远程开发终端发布实验项目邀请信息,所述实验项目邀请信息包括待进行的实验项目以及与所述实验项目相关的项目信息;然后,接收各所述远程开发终端根据所述实验项目邀请信息反馈的项目计划信息,将接收到的各所述远程开发终端反馈的所述项目计划信息通过预先设定的与所述实验项目相关联的实验信息知识库进行分析,根据分析结果从多个所述远程开发终端中确定多个目标实验终端,最后控制所述多个目标实验终端进行所述实验项目的协同实验,并在协同实验过程中对所述目标实验终端的实验数据进行数据管理和交互。如此,可以通过共享实验室平台向平台上的各远程开发终端发布实验项目邀请信息,通过反馈的项目计划信息进行智能化分析挑选出符合实验项目的多个目标实验室终端进行协同实验,然后进行实验数据的管理和交互,可以提升优质人力资源以及实验室资源的利用率,同时有助于实验项目高效高质量的完成。
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,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,针对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他相关的附图。
图1是本发明实施例提供的一种基于共享实验室平台的数据管理系统的示例性示意图。
图2是本发明实施例提供的基于共享实验室平台的数据管理方法的流程示意图。
图3是图1中的实验室共享云服务平台1的架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的一部分实施例,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的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。
请参阅图1,是本发明实施例提供的一种基于共享实验室平台的数据管理系统的示意图,该系统包括实验室共享云服务平台100以及与所述实验室共享云服务平台通信连接的多个远程开发终端200以及至少一个实验项目使用终端300,所述远程开发终端200用于与数字化实验设备210连接。所述所述实验项目使用终端300可以提出实验项目的实验请求。
本实施例中,实验室共享云服务平台100的主要作用包括:
将整个实验室项目的开发流程进行数字化工作,整合实验相关的优质人力以及实验室资源,对实验室项目,流程开发设计(优质人才),实验验证确认进行无缝隙对接,从而产生高效的工作。一种简要的平台使用流程规则如下:
用户登陆平台—发布项目—人才库承接项目,并提供不同的实验方案然后择优选取多种优秀实验方案(被用户选取实验方案则可以得到相应的佣金)—用户提交需要的实验步骤—平台进行审核—审核通过后,进行线下实验—实验由提供最优方案的人才线上进行,且线下的实验过程直播—实验期间,可以进行实时的勘误—对实验路径进行替换,平台端工作完成,且实验数据均被记录在平台上。由于所有的实验流程均被数字化,大量的实验过程在线上被整合,后续的智能化实验提供基础。
针对各远程开发终端200可以作为线下实验室端,通过建立一系列数字化实验室(根据线上的实验流程的描述,根据算法自动生产合理的实验控制方案,并可自动化的按照流程进行自动化实验验证),以解放人力,提高效率,简单方便的把人的想法转化成项目。
如图2所示,是本发明本实施例提供的基于共享实验室平台的数据管理系统的示意图,所述方法可以由所述实验室共享云服务平台100实现示例性描述如下。
步骤S210,根据实验项目使用终端的实验请求,向各所述远程开发终端发布实验项目邀请信息,所述实验项目邀请信息包括待进行的实验项目以及与所述实验项目相关的项目信息。
步骤S220,接收各所述远程开发终端根据所述实验项目邀请信息反馈的项目计划信息。
步骤S230,将接收到的各所述远程开发终端反馈的所述项目计划信息通过预先设定的与所述实验项目相关联的实验信息知识库进行分析,根据分析结果从多个所述远程开发终端中确定多个目标实验终端。
步骤S240,控制所述多个目标实验终端进行所述实验项目的协同实验,并在协同实验过程中对所述目标实验终端的实验数据进行数据管理和交互。
本实施例中,所述实验项目使用终端300可以是提出实验项目的任意终端设备,通过向实验室共享云服务平台200发出实验项目请求,进而由实验室共享云服务平台200向各所述远程开发终端发布相应的实验项目请求。所述实验项目使用终端300也可以是多个所述远程开发终端中的其中任意一个。所述实验室共享云服务平台200可以是架构在医药企业、化工企业、高校等任何场景下的一个平台,用于与这些场景下架构的有关的各种远程开发终端通信连接,这些远程开发终端可以是架构在实验人员家里、实验室里、学生宿舍里等等场景下的设备。在一些特定场合下,需要进行实验项目协同时,所述实验室共享云服务平台100可以将对应的实验项目通过邀请信息的方式下发到相应的远程开发终端,由各远程开发终端的操作员根据相应的实验项目回复实验项目计划信息,以用于根据实验项目计划信息挑选相应的目标实验室终端进行协同实验。所述项目计划信息可以是已预设格式的文件(如xml文件)体现,相应人员可以在文件预定的栏位中录入相应的信息得到项目计划信息已进行反馈。预定格式的文件有利于实现人工智能的自动化识别,有助于筛选出合适的实验人员或设备。本实例中,所述实验项目可以是付费实验项目或有酬实验项目,以利于优质实验人力资源以及优质设备资源的参与,但并不限于此。
在一种可替代的实现方式中,所述步骤S230可以通过以下A1-A5的步骤实现,示例性描述如下。
A1、获取通过所述实验信息知识库针对各所述远程开发终端反馈的项目计划信息的项目计划评价结果,得到评价结果序列,所述评价结果序列包括多个可行性评价。其中,所述实验信息知识库可以是提前根据大数据分析而确定的与所述实验项目有关的知识库,用于对反馈的实验计划信息的可行性等进行质量评估,所述大数据分析可以是基于人工智能的大数据分析方式也可以结合人工线下的经验数据进行整合得到,所述知识库还可以包括评价规则。
A2、获得所述评价结果序列中的各可行性评价与各所述项目计划信息对应的兴趣热度指标。所述兴趣热度指标可以用于表示根据所述实验信息知识库得到的相应项目计划信息被专家规则选中的概率或者感兴趣程度的一个量化指标,具体可以根据评价规则计算得到。
A3、根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行排序,得到相应的可行性评价序列。可替代地,首先可以根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行分组,得到多个可行性评价组合;然后,根据各可行性评价组合中的各可行性评价的可行性评价指数对各个可行性评价组合进行排序,并分别对所述各个可行性评价组合中的各可行性评价进行排序,得到所述可行性评价序列。其中,所述目标实验终端可以根据所述可行性评价序列中各远程开发终端对应的可行性评价的排列顺序确定,例如可以将排序靠前的预设数量个远程开发终端确定为所述目标实验终端。
本实例中,示例性地,可以根据兴趣热度指标,按照预先设定的兴趣热度指标分区,兴趣热度指标可以分为高、中、一般、低、不匹配几个分区,根据兴趣热度指标的结果将相应的可行性评价分组到对应的分区中,形成相应的可行性评价组合。然后可以根据各评价组合对应的可行性评价指数(例如可行性评价指数均值)进行组合排序。所述可行性评价指数可以是预先设定的用于评价各项目计划信息对实验项目可行性的量化指标,例如可以是可行性评分。
譬如,还可以分别根据所述各可行性评价对应的兴趣热度指标,对所述各可行性评价的可行性评价指数进行优化调整,得到所述各可行性评价的最终参考可行性评价指数;然后再根据所述各可行性评价的最终参考可行性评价指数对所述各可行性评价进行分类,得到多个可行性评价组合。所述优化调整可以是通过预设的加权系数对各可行性评价指数进行加权计算,得到加权计算之后的可行性评价指数。
A4、基于所述可行性评价序列生成所述项目计划信息对应的远程开发终端集合,所述远程开发终端集合包括多个远程开发终端。
A5、从所述多个远程开发终端中确定所述目标实验终端。
步骤A3中,具体的排序方式可以示例性介绍如下。
首先,根据各个可行性评价组合所包含的可行性评价的数量,对所述各个可行性评价组合进行排序;然后,针对所述各个可行性评价组合,分别执行以下操作:接着,根据所述可行性评价组合中各可行性评价的可行性评价指数与所述可行性评价组合的差异度参数,对所述可行性评价组合中的各可行性评价进行排序;最后,基于所述各个可行性评价组合之间的排序结果,以及所述各个可行性评价组合中各可行性评价的排序结果,生成所述可行性评价序列。所述差异度参数可以是各可行性评价指数与组合中的平均可行性评价指数之间的差值,然后可根据差值从小到大的顺序进行排序。
进一步地,兴趣热度指标可以通过以下方式获得:分别将所述各可行性评价输入预先得到的兴趣度热点评价网络中,基于所述预先得到的兴趣度热点评价网络中的语义描述的兴趣热度评价单元对所述各可行性评价进行兴趣热度语义提取,获得所述兴趣热度评价单元输出的所述各可行性评价对应的兴趣热度指标。
一种可能的实现方式中,所述可行性评价序列可以通过以下方式得到:
分别将所述各可行性评价,以及所述各可行性评价对应的兴趣热度指标输入所述预先得到的兴趣度热点评价网络中的可行性分类评价单元,基于所述可行性分类评价单元对所述各可行性评价进行分类和排序,获得所述可行性分类评价单元输出的语义描述结果的第一分类评价特征表示,所述第一分类评价特征表示中的各个可行性评价特征组合形成所述可行性评价序列。基于此,步骤A4中,基于所述可行性评价序列生成所述项目计划信息对应的远程开发终端集合,可以包括:将所述分类评价特征表示输入所述预先得到的兴趣度热点评价网络中的注意力函数单元,基于所述注意力函数单元进行注意力兴趣热度语义提取,获得所述注意力函数单元输出的所述远程开发终端集合。
其中,所述预先得到的兴趣度热点评价网络是根据包括大量训练样本的样本序列训练得到的,所述样本序列中的训练样本包括具有兴趣热度标签的可行性评价样本,所述兴趣热度标签表示所述可行性评价样本与样本实验项目之间的兴趣热度。
示例性地,所述兴趣度热点评价网络可以通过获取针对至少一个样本实验项目的样本序列,然后根据所述样本序列中的训练样本,对选定的的兴趣度热点评价网络执行循环优化,以获得所述预先得到的兴趣度热点评价网络。
其中,每一次循环优化过程包括以下操作:
1、从所述样本序列中选取针对同一样本实验项目的一组训练样本,分别将选取的各个训练样本包含的可行性评价样本输入所述选定的的兴趣度热点评价网络中的语义描述的兴趣热度评价单元,获得所述兴趣热度评价单元输出的各可行性评价样本对应的兴趣热度指标。
2、基于所述各可行性评价样本对应的兴趣热度指标与对应的兴趣热度标签之间的差异,构建第一模型评价指标。
3、分别将选取的各个训练样本中的可行性评价样本,以及所述各可行性评价样本对应的兴趣热度指标输入所述选定的的兴趣度热点评价网络中的可行性分类评价单元,基于所述可行性分类评价单元对所述各可行性评价样本进行分类,获得多个可行性评价组合。
4、基于所述可行性分类评价单元对各个可行性评价组合进行排序,获得所述可行性分类评价单元输出的语义描述结果的第二分类评价特征表示。
5、将所述第二分类评价特征表示输入所述选定的的兴趣度热点评价网络中的注意力函数单元,基于所述注意力函数单元进行注意力兴趣热度语义提取,获得所述注意力函数单元输出的预测注意力函数集合,所述预测注意力函数集合包括多个预测注意力函数语义描述;基于所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,构建第二模型评价指标。
6、基于各个可行性评价组合中可行性评价词的注意力值,构建第三模型评价指标;根据所述第一模型评价指标,所述第二模型评价指标和所述第三模型评价指标,对所述选定的的兴趣度热点评价网络进行模型指标优化。
其中,步骤5中,所述基于所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,构建第二模型评价指标,可以包括以下内容。
首先,对于任意一个预测注意力函数语义描述,基于所述预测注意力函数语义描述在预设的注意力函数语义描述集合中的出现几率,以及所述预测注意力函数语义描述在所述评价结果序列中的出现几率,确定所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,然后基于确定的特征差异构建所述第二模型评价指标。
进一步地,本实施例中,所述步骤S240可以包括以下步骤。
步骤S2401,根据所述实验规则获取待创建的目标可视化实验项目对应的实验项目需求描述。
步骤S2402,基于所述实验项目需求描述,在初始可视化实验项目中创建实验项目解析模型。其中,所述实验项目解析模型包括一种或多种解析策略,所述解析策略用于解析所述初始可视化实验项目。
所述解析策略可以根据具体的实验项目通过用户预先设定的解析参数进行解析策略的优化,使优化后的解析策略可用于当前进行的实验项目中的实验相关信息的解析。
详细地,可首先基于所述实验项目需求描述,在所述初始可视化实验项目中创建初始化解析模型,其中,所述初始化解析模型包括一种或多种待优化的解析策略;
然后,基于所述解析策略在所述初始化解析模型中的策略重叠信息,对所述解析策略进行优化,得到优化后的解析策略;例如,可首先根据预设的策略优化约束条件,对所述策略重叠信息进行匹配分析,以确定待优化的目标解析策略;再按照所述策略优化约束条件对所述目标解析策略进行优化,得到优化后的解析策略;
最后,根据所述优化后的解析策略,确定所述初始可视化实验项目中的实验项目解析模型,其中,所述实验项目解析模型包括一种或多种优化后的解析策略,所述解析策略用于解析所述初始可视化实验项目。
其中,所述策略重叠信息可以理解为不同策略之间的重复信息或者相似度较高的信息,通过对重叠信息进行分析,能够实现冗余信息优化,从而确保不同策略之间的互相独立性和区分性。
所述初始化解析模型的创建过程可以包括:
确定创建初始化解析模型对应的策略全局描述信息;
对所述实验项目需求描述进行特征转换,得到所述实验项目需求描述对应的特征向量;以及
基于所述策略全局描述信息与所述特征向量,在所述初始可视化实验项目中创建初始化解析模型。例如,首先,在所述初始可视化实验项目中创建匹配所述策略全局描述信息的初始化解析模型,其中,所述初始化解析模型包括一种或多种待调整的解析策略;然后根据所述特征向量,对所述初始化解析模型中的解析策略进行非线性调整,得到调整后的解析策略;最后,根据所述调整后的解析策略,确定所述初始可视化实验项目中的初始化解析模型。
步骤S2403,创建待加载至所述实验项目解析模型中的实验项目终端标签集,其中,所述实验项目终端标签集包括多个实验项目终端标签。所述实验项目终端标签集包括的终端标签可以为包括所述多个目标实验终端的终端标签的组合。
步骤S2404,将所述实验项目终端标签与所述实验项目解析模型中的解析策略进行项目协同信息匹配,得到下发给所述解析策略的备选实验项目终端标签。其中,备选实验项目终端标签可以是所述目标实验终端的一部分或者全部,具体根据匹配结果而定。
示例性地,本实施例中,可以首先确定所述实验项目终端标签的终端标签项目协同信息、以及所述解析策略的策略项目协同信息;然后,对所述终端标签项目协同信息与所述策略项目协同信息进行项目协同信息匹配;最后,将匹配的实验项目终端标签确定为下发给所述解析策略的备选实验项目终端标签。
步骤S2405,根据所述备选实验项目终端标签与所述解析策略之间的状态关联信息,从所述备选实验项目终端标签中挑选出目标实验项目终端标签。
例如,可首先,基于所述备选实验项目终端标签的非线性特征,确定所述备选实验项目终端标签与所述解析策略之间的状态关联信息;然后,根据所述状态关联信息,对所述备选实验项目终端标签与所述解析策略进行项目干扰分析;最后,从所述项目干扰分析通过的备选实验项目终端标签中,挑选出下发给所述解析策略的目标实验项目终端标签。
步骤S2406,将所述目标实验项目终端标签下发至所述解析策略,以将所述目标实验项目终端标签加载至所述实验项目解析模型中,创建目标可视化实验项目。
例如,本实施例中,可首先对所述目标实验项目终端标签按照需要进行排列,以确定各目标实验项目终端标签对应的实验项目终端的项目权重;然后,根据所述项目权重,对所述目标实验项目终端标签进行项目干扰分析;最后,将项目干扰分析通过的目标实验项目终端标签下发至所述解析策略,以将所述目标实验项目终端标签加载至所述实验项目解析模型中,创建目标可视化实验项目。
上述项目干扰分析的具体实现方式可以是,首先,对对应同一终端标签类别的目标实验项目终端标签进行项目干扰分析,得到分析结果;然后,基于所述分析结果,对所述终端标签类别对应的目标实验项目终端标签进行挑选,得到挑选后的目标实验项目终端标签;最后,基于所述挑选后目标实验项目终端标签的项目权重,从所述挑选后目标实验项目终端标签中确定目标实验项目终端标签。
本实施例中,基于所述目标可视化实验项目,加载至所述实验项目解析模型中的各实验项目终端即可通过共享实验室云服务平台100提供的可视实验项目对应的界面进行实验协同交互。
步骤S2407,将所述目标可视化实验项目下发至所述目标实验终端,使所述目标实验终端基于所述可视化实验项目进行协同实验交互。
如图3所示,是本发明实施例提供的实验室共享云服务平台100的示意图。所述实验室共享云服务平台100所述实验室共享云服务平台100可以包括通信模块101、机器可读存储介质102和处理器103。所述通信模块101用于实现实验室共享云服务平台100与各远程开发终端200的通信连接。所述机器可读存储介质102可以由处理器103通过总线接口来访问。机器可读存储介质102也可以集成到处理器103中,例如,可以是高速缓存和/或通用寄存器。
处理器103是实验室共享云服务平台100的控制中心,利用各种接口和线路连接整个实验室共享云服务平台100的各个部分,通过运行或执行存储在机器可读存储介质102内的软件程序和/或模块,以及通过存储在机器可读存储介质102内的数据,实现该实验室共享云服务平台100的各种功能和处理数据,例如实现本发明实施例提供的基于共享实验室平台的数据管理方法。
综上所述,本发明实施例提供的基于共享实验室平台的数据管理方法及系统通过根据实验项目使用终端的实验请求,向各所述远程开发终端发布实验项目邀请信息,所述实验项目邀请信息包括待进行的实验项目以及与所述实验项目相关的项目信息;然后,接收各所述远程开发终端根据所述实验项目邀请信息反馈的项目计划信息,将接收到的各所述远程开发终端反馈的所述项目计划信息通过预先设定的与所述实验项目相关联的实验信息知识库进行分析,根据分析结果从多个所述远程开发终端中确定多个目标实验终端,最后控制所述多个目标实验终端进行所述实验项目的协同实验,并在协同实验过程中对所述目标实验终端的实验数据进行数据管理和交互。如此,可以通过共享实验室平台向平台上的各远程开发终端发布实验项目邀请信息,通过反馈的项目计划信息进行智能化分析挑选出符合实验项目的多个目标实验室终端进行协同实验,然后进行实验数据的管理和交互,可以提升优质人力资源以及实验室资源的利用率,同时有助于实验项目高效高质量的完成。
此外,本实施例还可以大大提高可视化实验项目创建的效率,具体地,基于待创建的目标可视化实验项目的实验项目需求描述,来创建与实验项目特征相符的实验项目解析模型,这可以使得最后基于该实验项目解析模型所创建的目标可视化实验项目具有较高的可用性。并且,将实验项目终端标签下发至实验项目解析模型中的解析策略的过程中,既考虑了实验项目终端标签与解析策略之间的项目协同信息的匹配程度,又考虑了实验项目终端标签与解析策略之间的状态关联信息,可以有效地避免在实验项目创建过程产生的实验项目信息错误及误差的问题。
以上所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。通常在附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,在附图中提供的本发明的实施例的详细描述并非旨在限制本发明的保护范围,而仅仅是表示本发明的选定实施例。因此,本发明的保护范围应以权利要求的保护范围为准。此外,基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例,都应属于本发明保护的范围。
Claims (10)
1.一种基于共享实验室平台的数据管理方法,应用于实验室共享云服务平台,所述实验室共享云服务平台与多个远程开发终端通信连接,所述远程开发终端用于与所述数字化实验设备连接,实现与数字化实验设备进行实验过程中的数据管理及交互,其特征在于,所述方法包括:
根据实验项目使用终端的实验请求,向各所述远程开发终端发布实验项目邀请信息,所述实验项目邀请信息包括待进行的实验项目以及与所述实验项目相关的项目信息;
接收各所述远程开发终端根据所述实验项目邀请信息反馈的项目计划信息;
将接收到的各所述远程开发终端反馈的所述项目计划信息通过预先设定的与所述实验项目相关联的实验信息知识库进行分析,根据分析结果从多个所述远程开发终端中确定多个目标实验终端,
控制所述多个目标实验终端进行所述实验项目的协同实验,并在协同实验过程中对所述目标实验终端的实验数据进行数据管理和交互。
2.根据权利要求1所述的方法,其特征在于,将接收到的各所述远程开发终端反馈的所述项目计划信息通过预先设定的与所述实验项目相关联的实验信息知识库进行分析,根据分析结果从多个所述远程开发终端中确定多个目标实验终端,包括
获取通过所述实验信息知识库针对各所述远程开发终端反馈的项目计划信息的项目计划评价结果,得到评价结果序列,所述评价结果序列包括多个可行性评价;
获得所述评价结果序列中的各可行性评价与各所述项目计划信息对应的兴趣热度指标;
根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行排序,得到相应的可行性评价序列;
基于所述可行性评价序列生成所述项目计划信息对应的远程开发终端集合,所述远程开发终端集合包括多个远程开发终端;
从所述多个远程开发终端中确定所述目标实验终端。
3.如权利要求2所述的方法,其特征在于,所述根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行排序,得到相应的可行性评价序列,具体包括:
根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行分组,得到多个可行性评价组合;
根据各可行性评价组合中的各可行性评价的可行性评价指数对各个可行性评价组合进行排序,并分别对所述各个可行性评价组合中的各可行性评价进行排序,得到所述可行性评价序列;
其中,所述目标实验终端根据所述可行性评价序列中各远程开发终端对应的可行性评价的排列顺序确定。
4.如权利要求2所述的方法,其特征在于,所述获得所述评价结果序列中的各可行性评价与所述项目计划信息对应的兴趣热度指标,包括:
分别将所述各可行性评价输入预先得到的兴趣度热点评价网络中,基于所述预先得到的兴趣度热点评价网络中的语义描述的兴趣热度评价单元对所述各可行性评价进行兴趣热度语义提取,获得所述兴趣热度评价单元输出的所述各可行性评价对应的兴趣热度指标;
所述根据所述各可行性评价对应的兴趣热度指标,以及所述各可行性评价的可行性评价指数,对所述各可行性评价进行排序,得到相应的可行性评价序列,包括:
分别将所述各可行性评价,以及所述各可行性评价对应的兴趣热度指标输入所述预先得到的兴趣度热点评价网络中的可行性分类评价单元,基于所述可行性分类评价单元对所述各可行性评价进行分类和排序,获得所述可行性分类评价单元输出的语义描述结果的第一分类评价特征表示,所述第一分类评价特征表示中的各个可行性评价特征组合形成所述可行性评价序列;
所述基于所述可行性评价序列生成所述项目计划信息对应的远程开发终端集合,包括:将所述分类评价特征表示输入所述预先得到的兴趣度热点评价网络中的注意力函数单元,基于所述注意力函数单元进行注意力兴趣热度语义提取,获得所述注意力函数单元输出的所述远程开发终端集合;
其中,所述预先得到的兴趣度热点评价网络是根据包括大量训练样本的样本序列训练得到的,所述样本序列中的训练样本包括具有兴趣热度标签的可行性评价样本,所述兴趣热度标签表示所述可行性评价样本与样本实验项目之间的兴趣热度。
5.如权利要求4所述的方法,其特征在于,所述兴趣度热点评价网络是通过如下过程训练得到的:
获取针对至少一个样本实验项目的所述样本序列;根据所述样本序列中的训练样本,对选定的的兴趣度热点评价网络执行循环优化,以获得所述预先得到的兴趣度热点评价网络;其中,每一次循环优化过程包括以下操作:从所述样本序列中选取针对同一样本实验项目的一组训练样本,分别将选取的各个训练样本包含的可行性评价样本输入所述选定的的兴趣度热点评价网络中的语义描述的兴趣热度评价单元,获得所述兴趣热度评价单元输出的各可行性评价样本对应的兴趣热度指标;
基于所述各可行性评价样本对应的兴趣热度指标与对应的兴趣热度标签之间的差异,构建第一模型评价指标;以及
分别将选取的各个训练样本中的可行性评价样本,以及所述各可行性评价样本对应的兴趣热度指标输入所述选定的的兴趣度热点评价网络中的可行性分类评价单元,基于所述可行性分类评价单元对所述各可行性评价样本进行分类,获得多个可行性评价组合;
基于所述可行性分类评价单元对各个可行性评价组合进行排序,获得所述可行性分类评价单元输出的语义描述结果的第二分类评价特征表示;
将所述第二分类评价特征表示输入所述选定的的兴趣度热点评价网络中的注意力函数单元,基于所述注意力函数单元进行注意力兴趣热度语义提取,获得所述注意力函数单元输出的预测注意力函数集合,所述预测注意力函数集合包括多个预测注意力函数语义描述;
基于所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,构建第二模型评价指标;以及
基于各个可行性评价组合中可行性评价词的注意力值,构建第三模型评价指标;根据所述第一模型评价指标,所述第二模型评价指标和所述第三模型评价指标,对所述选定的的兴趣度热点评价网络进行模型指标优化。
6.根据权利要求5所述的方法,其特征在于,所述基于所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,构建第二模型评价指标,包括:
对于任意一个预测注意力函数语义描述,基于所述预测注意力函数语义描述在预设的注意力函数语义描述集合中的出现几率,以及所述预测注意力函数语义描述在所述评价结果序列中的出现几率,确定所述预测注意力函数集合中的预测注意力函数语义描述与基准注意力函数集合中的基准注意力函数语义描述的特征差异,然后基于确定的特征差异构建所述第二模型评价指标。
7.根据权利要求2所述的方法,其特征在于,所述控制所述多个目标实验终端进行所述实验项目的协同实验,包括:
根据预定实验规则获取待创建的目标可视化实验项目对应的实验项目需求描述;
基于所述实验项目需求描述,在初始可视化实验项目中创建实验项目解析模型,其中,所述实验项目解析模型包括一种或多种解析策略,所述解析策略用于解析所述初始可视化实验项目;
创建待加载至所述实验项目解析模型中的实验项目终端标签集,其中,所述实验项目终端标签集包括多个实验项目终端标签;
将所述实验项目终端标签与所述实验项目解析模型中的解析策略进行项目协同信息匹配,得到下发给所述解析策略的备选实验项目终端标签;
根据所述备选实验项目终端标签与所述解析策略之间的状态关联信息,从所述备选实验项目终端标签中挑选出目标实验项目终端标签;
将所述目标实验项目终端标签下发至所述解析策略,以将所述目标实验项目终端标签加载至所述实验项目解析模型中,创建目标可视化实验项目;
将所述目标可视化实验项目下发至所述目标实验终端,使所述目标实验终端基于所述可视化实验项目进行协同实验交互。
8.根据权利要求7所述的方法,其特征在于,所述基于所述实验项目需求描述,在初始可视化实验项目中创建实验项目解析模型,包括:
基于所述实验项目需求描述,在所述初始可视化实验项目中创建初始化解析模型,其中,所述初始化解析模型包括多种待优化的解析策略;
基于所述解析策略在所述初始化解析模型中的策略重叠信息,对所述解析策略进行优化,得到优化后的解析策略;
根据所述优化后的解析策略,确定所述初始可视化实验项目中的实验项目解析模型,其中,所述实验项目解析模型包括一种或多种优化后的解析策略,所述解析策略用于解析所述初始可视化实验项目。
9.根据权利要求8所述的方法,其特征在于,基于所述实验项目需求描述,在所述初始可视化实验项目中创建初始化解析模型,包括:
确定创建初始化解析模型对应的策略全局描述信息;
对所述实验项目需求描述进行特征转换,得到所述实验项目需求描述对应的特征向量;
在所述初始可视化实验项目中创建匹配所述策略全局描述信息的初始化解析模型,其中,所述初始化解析模型包括一种或多种待调整的解析策略;
根据所述特征向量,对所述初始化解析模型中的解析策略进行非线性调整,得到调整后的解析策略;
根据所述调整后的解析策略,确定所述初始可视化实验项目中的初始化解析模型。
10.一种基于共享实验室平台的数据管理系统,其特征在于,包括实验室共享云服务平台以及与所述实验室共享云服务平台通信连接的多个远程开发终端,所述远程开发终端用于与数字化实验设备连接,所述实验室共享云服务平台用于实现权利要求1-9任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110706820.2A CN113435209B (zh) | 2021-06-24 | 2021-06-24 | 基于共享实验室平台的数据管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110706820.2A CN113435209B (zh) | 2021-06-24 | 2021-06-24 | 基于共享实验室平台的数据管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435209A true CN113435209A (zh) | 2021-09-24 |
CN113435209B CN113435209B (zh) | 2021-12-14 |
Family
ID=77754122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110706820.2A Active CN113435209B (zh) | 2021-06-24 | 2021-06-24 | 基于共享实验室平台的数据管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435209B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431871A (zh) * | 2023-05-04 | 2023-07-14 | 予唯智能科技(南通)有限公司 | 智慧实验室的信息化管理方法及系统 |
CN117056419A (zh) * | 2023-07-20 | 2023-11-14 | 安徽国科检测科技有限公司 | 一种基于局域网的实验室检测数据共享系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5765140A (en) * | 1995-11-17 | 1998-06-09 | Mci Corporation | Dynamic project management system |
JP2006039603A (ja) * | 2004-07-22 | 2006-02-09 | Jastec Co Ltd | ソフトウェア開発生産管理システム、コンピュータプログラム及び記録媒体 |
CN1959735A (zh) * | 2006-11-29 | 2007-05-09 | 上海电力学院 | 基于数据包络分析的城市电网规划方案综合决策方法 |
CN101068498A (zh) * | 2004-10-04 | 2007-11-07 | 旗帜健康公司 | 链接来自多模态数据集的图案的方法 |
CN109165809A (zh) * | 2018-07-18 | 2019-01-08 | 国网江苏省电力有限公司 | 一种新电改环境下电网规划项目投资排序评估方法 |
CN110334210A (zh) * | 2019-05-30 | 2019-10-15 | 哈尔滨理工大学 | 一种基于bert与lstm、cnn融合的中文情感分析方法 |
CN110364042A (zh) * | 2019-06-26 | 2019-10-22 | 北京航空航天大学 | 一种基于云实验平台的无线传感器网络实验教学系统 |
CN111460378A (zh) * | 2020-03-20 | 2020-07-28 | 四川大学 | 一种考虑风险测度的配电网精准投资项目优选方法 |
CN111984744A (zh) * | 2020-08-13 | 2020-11-24 | 孙小丽 | 基于远程通信和人工智能的信息处理方法及云端服务平台 |
-
2021
- 2021-06-24 CN CN202110706820.2A patent/CN113435209B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5765140A (en) * | 1995-11-17 | 1998-06-09 | Mci Corporation | Dynamic project management system |
JP2006039603A (ja) * | 2004-07-22 | 2006-02-09 | Jastec Co Ltd | ソフトウェア開発生産管理システム、コンピュータプログラム及び記録媒体 |
CN101068498A (zh) * | 2004-10-04 | 2007-11-07 | 旗帜健康公司 | 链接来自多模态数据集的图案的方法 |
CN1959735A (zh) * | 2006-11-29 | 2007-05-09 | 上海电力学院 | 基于数据包络分析的城市电网规划方案综合决策方法 |
CN109165809A (zh) * | 2018-07-18 | 2019-01-08 | 国网江苏省电力有限公司 | 一种新电改环境下电网规划项目投资排序评估方法 |
CN110334210A (zh) * | 2019-05-30 | 2019-10-15 | 哈尔滨理工大学 | 一种基于bert与lstm、cnn融合的中文情感分析方法 |
CN110364042A (zh) * | 2019-06-26 | 2019-10-22 | 北京航空航天大学 | 一种基于云实验平台的无线传感器网络实验教学系统 |
CN111460378A (zh) * | 2020-03-20 | 2020-07-28 | 四川大学 | 一种考虑风险测度的配电网精准投资项目优选方法 |
CN111984744A (zh) * | 2020-08-13 | 2020-11-24 | 孙小丽 | 基于远程通信和人工智能的信息处理方法及云端服务平台 |
Non-Patent Citations (1)
Title |
---|
薛海峰 等: "基于三网融合与云计算的融合式远程教育环境研究", 《计算机教育》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431871A (zh) * | 2023-05-04 | 2023-07-14 | 予唯智能科技(南通)有限公司 | 智慧实验室的信息化管理方法及系统 |
CN116431871B (zh) * | 2023-05-04 | 2023-12-19 | 予唯智能科技(南通)有限公司 | 智慧实验室的信息化管理方法及系统 |
CN117056419A (zh) * | 2023-07-20 | 2023-11-14 | 安徽国科检测科技有限公司 | 一种基于局域网的实验室检测数据共享系统 |
CN117056419B (zh) * | 2023-07-20 | 2024-03-15 | 安徽国科检测科技有限公司 | 一种基于局域网的实验室检测数据共享系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113435209B (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113435209B (zh) | 基于共享实验室平台的数据管理方法及系统 | |
CN106600356B (zh) | 多平台电子商务信息聚合方法及系统 | |
CN107301229A (zh) | 基于语义分析的反馈指派方法及系统 | |
US11367008B2 (en) | Artificial intelligence techniques for improving efficiency | |
CN110489749B (zh) | 一种智能办公自动化系统的业务流程优化方法 | |
CA3153056A1 (en) | Intelligently questioning and answering method, device, computer, equipment and storage medium | |
CN110689371A (zh) | 一种基于ai和大数据的智能营销云服务平台 | |
CN112328868A (zh) | 一种基于信息数据的信用评估与授信申请系统及方法 | |
US11055666B2 (en) | Systems and methods for automation of corporate workflow processes via machine learning techniques | |
CN113361959A (zh) | 一种银行业务集中运营成熟度的计算方法和装置 | |
CN117312643A (zh) | 基于联机分析引擎的数据查询方法及其装置、电子设备 | |
CN116823164A (zh) | 一种业务审批方法、装置、设备及存储介质 | |
CN116957882A (zh) | 基于智能模型的政策热点分析方法、装置、介质及设备 | |
CN110895781A (zh) | 菜品类别推荐方法、装置、电子设备及存储介质 | |
CN110427388A (zh) | 一种数据处理方法及装置、存储介质 | |
KR20210004505A (ko) | 경영 표준 규격 자동 매핑 시스템 | |
CN116187675A (zh) | 任务分配方法、装置、设备及存储介质 | |
CN113516454B (zh) | 一种基于云计算平台的企业信息管理系统及方法 | |
CN109739958A (zh) | 一种说明书手册问答方法及系统 | |
CN114924879A (zh) | 一种企业营销策划方案用在线设计服务系统 | |
CN112329883A (zh) | 模型训练系统、方法、设备及存储介质 | |
CN112182413A (zh) | 一种基于教学大数据的智能推荐方法及服务器 | |
CN112860878A (zh) | 业务数据推荐方法、存储介质及设备 | |
CN117436594B (zh) | 一种企业客户的信息智慧管理方法与系统 | |
Song | Visual Analysis of Project Investment Decision Information Platform based on FCM Algorithm |
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 |