CN113609170A - 基于神经网络的在线办工数据处理方法及系统 - Google Patents

基于神经网络的在线办工数据处理方法及系统 Download PDF

Info

Publication number
CN113609170A
CN113609170A CN202110822451.3A CN202110822451A CN113609170A CN 113609170 A CN113609170 A CN 113609170A CN 202110822451 A CN202110822451 A CN 202110822451A CN 113609170 A CN113609170 A CN 113609170A
Authority
CN
China
Prior art keywords
online data
interactive online
matrix
data
interactive
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.)
Pending
Application number
CN202110822451.3A
Other languages
English (en)
Inventor
王斌
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.)
Shanghai DC Science Co Ltd
Original Assignee
Shanghai DC Science 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 Shanghai DC Science Co Ltd filed Critical Shanghai DC Science Co Ltd
Priority to CN202110822451.3A priority Critical patent/CN113609170A/zh
Publication of CN113609170A publication Critical patent/CN113609170A/zh
Pending legal-status Critical Current

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/2237—Vectors, bitmaps or matrices
    • 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
    • G06Q10/10—Office automation; Time management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请提供的基于神经网络的在线办工数据处理方法及系统，通过将所有属性中每个属性需要传输的多个交互在线数据连续加载至一个交互在线数据矩阵中，并在对该交互在线数据矩阵中的交互在线数据进行处理时严格遵循目标内容的处理规则，从而实现了排序传输的多个交互在线数据，从而完成每个属性，大大减少了数据的错误率，备需要保持的矩阵准确性，从而降低了属性处理的复杂性，减少了数据处理终端的处理负担。

Description

基于神经网络的在线办工数据处理方法及系统
技术领域
本申请涉及数据处理技术领域，具体而言，涉及基于神经网络的在线办工数据处理方法及系统。
背景技术
随着信息技术的不断进步，很多职业只需要进行通过电脑进行工作，这样在家里放置一台电脑就能进行工作，无需相关工作人员每天去公司上班，这样有效的节约了每天去公司所消耗的上班时间，这样能提高工作效率，降低相关工作人员的工作强度。
然而在在线办工的技术中，还可能存在数据错误的问题，需要解决。
发明内容
鉴于此，本申请提供了基于神经网络的在线办工数据处理方法及系统。
第一方面，提供一种基于神经网络的在线办工数据处理方法，所述方法包括：
获取多个交互在线数据匹配的办公数据，每个交互在线数据匹配的办公数据配置有属性对应的待传输的交互在线数据内容；
将获取到的多个交互在线数据加载至交互在线数据矩阵，所述交互在线数据矩阵为目标矩阵；
依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理。
进一步地，所述获取多个交互在线数据匹配的办公数据之后，所述方法还包括：
当获取到的多个交互在线数据中任一个交互在线数据为启动交互在线数据时，划分属性标签，并将所述属性标签传输至特定交互端，所述启动交互在线数据为属性的交互在线数据传输的排序中的第一个交互在线数据，所述特定交互端为传输所述任一个交互在线数据对应的交互在线数据匹配的办公数据的交互端。
进一步地，所述依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理，包括：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据时，获取用户数据库中的第一特定用户，所述第一特定用户为属于滞留状态的用户；
向所述第一特定用户传输所述交互在线数据，由所述第一特定用户传输的所述交互在线数据；
将所述交互在线数据从所述交互在线数据矩阵中剔除，并将所述第一特定用户的状态置为工作状态；
其中，所述向所述第一特定用户传输所述交互在线数据之后，所述方法还包括：
遍历待校验矩阵，所述待校验矩阵用于维护属于等待状态的交互在线数据；当所述待校验矩阵中包括特定交互在线数据时，将所述特定交互在线数据传输至所述第一特定用户，所述特定交互在线数据与所述交互在线数据具有同一的属性标签。
进一步地，所述方法还包括：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据且用户数据库中的用户均属于工作状态时，则向待校验矩阵传输所述交互在线数据；
将所述交互在线数据与所述交互在线数据矩阵中在所述交互在线数据之后第一个未处理交互在线数据进行转换。
进一步地，所述依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理，还包括：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据不是启动交互在线数据时，获取所述交互在线数据的属性标签；
遍历待校验矩阵和用户数据库；
根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理；
其中，所述根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还包括：
当所述待校验矩阵的第一遍历结果表征所述待校验矩阵包括所述交互在线数据的属性标签时，将所述交互在线数据传输至所述待校验矩阵；
将所述交互在线数据从所述交互在线数据矩阵中剔除；
其中，所述根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还包括：
当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签；
当所述第二特定用户属于滞留状态时，将所述交互在线数据从所述交互在线数据矩阵中剔除；
其中，所述根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还包括：
当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取所述第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签；
当所述第二特定用户属于工作状态时，向所述第二特定用户传输所述交互在线数据，由所述第二特定用户传输的所述交互在线数据；
将所述交互在线数据从所述交互在线数据矩阵中剔除。
第二方面，提供一种基于神经网络的在线办工数据处理系统，包括数据采集端和数据处理终端，所述数据采集端和所述数据处理终端通信连接，所述数据处理终端具体用于：
获取多个交互在线数据匹配的办公数据，每个交互在线数据匹配的办公数据配置有属性对应的待传输的交互在线数据内容；
将获取到的多个交互在线数据加载至交互在线数据矩阵，所述交互在线数据矩阵为目标矩阵；
依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理。
进一步地，所述数据处理终端具体还用于：
当获取到的多个交互在线数据中任一个交互在线数据为启动交互在线数据时，划分属性标签，并将所述属性标签传输至特定交互端，所述启动交互在线数据为属性的交互在线数据传输的排序中的第一个交互在线数据，所述特定交互端为传输所述任一个交互在线数据对应的交互在线数据匹配的办公数据的交互端。
进一步地，所述数据处理终端具体用于：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据时，获取用户数据库中的第一特定用户，所述第一特定用户为属于滞留状态的用户；
向所述第一特定用户传输所述交互在线数据，由所述第一特定用户传输的所述交互在线数据；
将所述交互在线数据从所述交互在线数据矩阵中剔除，并将所述第一特定用户的状态置为工作状态；
其中，所述数据处理终端具体还用于：
遍历待校验矩阵，所述待校验矩阵用于维护属于等待状态的交互在线数据；当所述待校验矩阵中包括特定交互在线数据时，将所述特定交互在线数据传输至所述第一特定用户，所述特定交互在线数据与所述交互在线数据具有同一的属性标签。
进一步地，所述数据处理终端具体还用于：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据且用户数据库中的用户均属于工作状态时，则向待校验矩阵传输所述交互在线数据；
将所述交互在线数据与所述交互在线数据矩阵中在所述交互在线数据之后第一个未处理交互在线数据进行转换。
进一步地，所述数据处理终端具体还用于：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据不是启动交互在线数据时，获取所述交互在线数据的属性标签；
遍历待校验矩阵和用户数据库；
根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理；
其中，所述数据处理终端具体还用于：
当所述待校验矩阵的第一遍历结果表征所述待校验矩阵包括所述交互在线数据的属性标签时，将所述交互在线数据传输至所述待校验矩阵；
将所述交互在线数据从所述交互在线数据矩阵中剔除；
其中，所述数据处理终端具体还用于：
当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取所述第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签；
当所述第二特定用户属于滞留状态时，将所述交互在线数据从所述交互在线数据矩阵中剔除；
其中，所述数据处理终端具体还用于：
当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签；
当所述第二特定用户属于工作状态时，向所述第二特定用户传输所述交互在线数据，由所述第二特定用户传输的所述交互在线数据；
将所述交互在线数据从所述交互在线数据矩阵中剔除。
本申请实施例所提供的基于神经网络的在线办工数据处理方法及系统，通过将所有属性中每个属性需要传输的多个交互在线数据连续加载至一个交互在线数据矩阵中，并在对该交互在线数据矩阵中的交互在线数据进行处理时严格遵循目标内容的处理规则，从而实现了排序传输的多个交互在线数据，从而完成每个属性，大大减少了数据的错误率，备需要保持的矩阵准确性，从而降低了属性处理的复杂性，减少了数据处理终端的处理负担。
附图说明
为了更清楚地说明本申请实施例的技术方案，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申请的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1为本申请实施例所提供的一种基于神经网络的在线办工数据处理方法的流程图。
图2为本申请实施例所提供的一种基于神经网络的在线办工数据处理装置的框图。
图3为本申请实施例所提供的一种基于神经网络的在线办工数据处理系统的架构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种基于神经网络的在线办工数据处理方法，该方法可以包括以下步骤100-步骤300所描述的技术方案。
步骤100，获取多个交互在线数据匹配的办公数据，每个交互在线数据匹配的办公数据配置有属性对应的待传输的交互在线数据内容。
步骤200，将获取到的多个交互在线数据加载至交互在线数据矩阵，所述交互在线数据矩阵为目标矩阵。
步骤300，依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理。
可以理解，在执行上述步骤100-步骤300所描述的技术方案时，通过将所有属性中每个属性需要传输的多个交互在线数据连续加载至一个交互在线数据矩阵中，并在对该交互在线数据矩阵中的交互在线数据进行处理时严格遵循目标内容的处理规则，从而实现了排序传输的多个交互在线数据，从而完成每个属性，大大减少了数据的错误率，备需要保持的矩阵准确性，从而降低了属性处理的复杂性，减少了数据处理终端的处理负担。
基于上述基础，获取多个交互在线数据匹配的办公数据之后，还可以包括以下步骤q1所描述的技术方案。
步骤q1，当获取到的多个交互在线数据中任一个交互在线数据为启动交互在线数据时，划分属性标签，并将所述属性标签传输至特定交互端，所述启动交互在线数据为属性的交互在线数据传输的排序中的第一个交互在线数据，所述特定交互端为传输所述任一个交互在线数据对应的交互在线数据匹配的办公数据的交互端。
可以理解，在执行上述步骤q1所描述的技术方案时，通过划分属性标签，从而提高交互在线数据匹配的办公数据的交互端的准确性。
在一种可喜欢的实施例中，发明人发现，依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理时，存在获取用户数据库中的第一特定用户不准确的问题，从而难以准确地进行处理，为了改善上述技术问题，步骤300所描述的依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理的步骤，具体可以包括以下步骤w1-步骤w3所描述的技术方案。
步骤w1，对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据时，获取用户数据库中的第一特定用户，所述第一特定用户为属于滞留状态的用户。
步骤w2，向所述第一特定用户传输所述交互在线数据，由所述第一特定用户传输的所述交互在线数据。
步骤w3，将所述交互在线数据从所述交互在线数据矩阵中剔除，并将所述第一特定用户的状态置为工作状态。
可以理解，在执行上述步骤w1-步骤w3所描述的技术方案时，依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理时，改善获取用户数据库中的第一特定用户不准确的问题，从而能够准确地进行处理。
基于上述基础，向所述第一特定用户传输所述交互在线数据之后，还可以包括以下步骤e1和步骤e2所描述的技术方案。
步骤e1，遍历待校验矩阵，所述待校验矩阵用于维护属于等待状态的交互在线数据。
步骤e2，当所述待校验矩阵中包括特定交互在线数据时，将所述特定交互在线数据传输至所述第一特定用户，所述特定交互在线数据与所述交互在线数据具有同一的属性标签。
可以理解，在执行上述步骤e1和步骤e2所描述的技术方案时，通过遍历待校验矩阵，从而提高特定交互在线数据与所述交互在线数据具有同一的属性标签的精度。
基于上述基础，还可以包括以下步骤r1和步骤r2所描述的技术方案。
步骤r1，对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据且用户数据库中的用户均属于工作状态时，则向待校验矩阵传输所述交互在线数据。
步骤r2，将所述交互在线数据与所述交互在线数据矩阵中在所述交互在线数据之后第一个未处理交互在线数据进行转换。
可以理解，在执行上述步骤r1和步骤r2所描述的技术方案时，通过交互在线数据矩阵标准的交互在线数据，提高交互在线数据之后第一个未处理交互在线数据进行转换准确性。
基于上述基础，依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理，还可以包括以下步骤t1-步骤t3所描述的技术方案。
步骤t1，对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据不是启动交互在线数据时，获取所述交互在线数据的属性标签。
步骤t2，遍历待校验矩阵和用户数据库。
步骤t3，根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理。
可以理解，在执行上述步骤t1-步骤t3所描述的技术方案时，通过精确地获取所述交互在线数据的属性标签，从而提高交互在线数据进行处理的准确性。
基于上述基础，根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还可以包括以下步骤y1和步骤y2所描述的技术方案。
步骤y1，当所述待校验矩阵的第一遍历结果表征所述待校验矩阵包括所述交互在线数据的属性标签时，将所述交互在线数据传输至所述待校验矩阵。
步骤y2，将所述交互在线数据从所述交互在线数据矩阵中剔除。
可以理解，在执行上述步骤y1和步骤y2所描述的技术方案时，通过第一遍历结果，从而提高将所述交互在线数据从所述交互在线数据矩阵中剔除的准确性。
基于上述基础，根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还可以包括以下步骤u1和步骤u2所描述的技术方案。
步骤u1，当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签。
步骤u2，当所述第二特定用户属于滞留状态时，将所述交互在线数据从所述交互在线数据矩阵中剔除。
可以理解，在执行上述步骤u1和步骤u2所描述的技术方案时，通过精确地获取第二特定用户，从而提高将所述交互在线数据从所述交互在线数据矩阵中剔除的准确性。
基于上述基础，根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还可以包括以下步骤i1-步骤i3所描述的技术方案。
步骤i1，当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取所述第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签。
步骤i2，当所述第二特定用户属于工作状态时，向所述第二特定用户传输所述交互在线数据，由所述第二特定用户传输的所述交互在线数据。
步骤i3，将所述交互在线数据从所述交互在线数据矩阵中剔除。
可以理解，在执行上述步骤i1-步骤i3所描述的技术方案时，通过精确地获取所述第二特定用户，从而提高将所述交互在线数据从所述交互在线数据矩阵中剔除的准确性。
基于上述基础，当所述第二特定用户属于工作状态时，向所述第二特定用户传输所述交互在线数据，由所述第二特定用户传输的所述交互在线数据之后，还可以包括以下步骤o1所描述的技术方案。
步骤o1，当所述交互在线数据为结束交互在线数据时，将所述第二特定用户的状态置为滞留状态，所述结束交互在线数据为每个属性的交互在线数据传输的排序中的最后一个交互在线数据。
可以理解，在执行上述步骤o1所描述的技术方案时，通过交互在线数据为结束交互在线数据，从而精确地确定用户状态。
基于上述基础，根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还可以包括以下步骤a1所描述的技术方案。
步骤a1，当所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果表征所述待校验矩阵和所述用户数据库均不包括所述交互在线数据的属性标签时，将所述交互在线数据从所述交互在线数据矩阵中剔除。
可以理解，在执行上述步骤a1所描述的技术方案时，通过第一遍历结果和第二遍历结果，从而提高将所述交互在线数据从所述交互在线数据矩阵中剔除的准确性。
在上述基础上，请结合参阅图2，提供了一种基于神经网络的在线办工数据处理装置200，应用于数据处理终端，所述装置包括：
数据获取模块210，用于获取多个交互在线数据匹配的办公数据，每个交互在线数据匹配的办公数据配置有属性对应的待传输的交互在线数据内容；
矩阵获取模块220，用于将获取到的多个交互在线数据加载至交互在线数据矩阵，所述交互在线数据矩阵为目标矩阵；
数据处理模块230，用于依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理。
在上述基础上，请结合参阅图3，示出了一种基于神经网络的在线办工数据处理系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，通过将所有属性中每个属性需要传输的多个交互在线数据连续加载至一个交互在线数据矩阵中，并在对该交互在线数据矩阵中的交互在线数据进行处理时严格遵循目标内容的处理规则，从而实现了排序传输的多个交互在线数据，从而完成每个属性，大大减少了数据的错误率，备需要保持的矩阵准确性，从而降低了属性处理的复杂性，减少了数据处理终端的处理负担。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于神经网络的在线办工数据处理方法，其特征在于，所述方法包括：
获取多个交互在线数据匹配的办公数据，每个交互在线数据匹配的办公数据配置有属性对应的待传输的交互在线数据内容；
将获取到的多个交互在线数据加载至交互在线数据矩阵，所述交互在线数据矩阵为目标矩阵；
依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理。
2.根据权利要求1所述的方法，其特征在于，所述获取多个交互在线数据匹配的办公数据之后，所述方法还包括：
当获取到的多个交互在线数据中任一个交互在线数据为启动交互在线数据时，划分属性标签，并将所述属性标签传输至特定交互端，所述启动交互在线数据为属性的交互在线数据传输的排序中的第一个交互在线数据，所述特定交互端为传输所述任一个交互在线数据对应的交互在线数据匹配的办公数据的交互端。
3.根据权利要求1所述的方法，其特征在于，所述依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理，包括：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据时，获取用户数据库中的第一特定用户，所述第一特定用户为属于滞留状态的用户；
向所述第一特定用户传输所述交互在线数据，由所述第一特定用户传输的所述交互在线数据；
将所述交互在线数据从所述交互在线数据矩阵中剔除，并将所述第一特定用户的状态置为工作状态；
其中，所述向所述第一特定用户传输所述交互在线数据之后，所述方法还包括：
遍历待校验矩阵，所述待校验矩阵用于维护属于等待状态的交互在线数据；
当所述待校验矩阵中包括特定交互在线数据时，将所述特定交互在线数据传输至所述第一特定用户，所述特定交互在线数据与所述交互在线数据具有同一的属性标签。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据且用户数据库中的用户均属于工作状态时，则向待校验矩阵传输所述交互在线数据；
将所述交互在线数据与所述交互在线数据矩阵中在所述交互在线数据之后第一个未处理交互在线数据进行转换。
5.根据权利要求1所述的方法，其特征在于，所述依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理，还包括：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据不是启动交互在线数据时，获取所述交互在线数据的属性标签；
遍历待校验矩阵和用户数据库；
根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理；
其中，所述根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还包括：
当所述待校验矩阵的第一遍历结果表征所述待校验矩阵包括所述交互在线数据的属性标签时，将所述交互在线数据传输至所述待校验矩阵；
将所述交互在线数据从所述交互在线数据矩阵中剔除；
其中，所述根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还包括：
当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签；
当所述第二特定用户属于滞留状态时，将所述交互在线数据从所述交互在线数据矩阵中剔除；
其中，所述根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理，还包括：
当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取所述第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签；
当所述第二特定用户属于工作状态时，向所述第二特定用户传输所述交互在线数据，由所述第二特定用户传输的所述交互在线数据；
将所述交互在线数据从所述交互在线数据矩阵中剔除。
6.一种基于神经网络的在线办工数据处理系统，其特征在于，包括数据采集端和数据处理终端，所述数据采集端和所述数据处理终端通信连接，所述数据处理终端具体用于：
获取多个交互在线数据匹配的办公数据，每个交互在线数据匹配的办公数据配置有属性对应的待传输的交互在线数据内容；
将获取到的多个交互在线数据加载至交互在线数据矩阵，所述交互在线数据矩阵为目标矩阵；
依照所述交互在线数据矩阵中的每个交互在线数据在所述交互在线数据矩阵中的排序，对所述每个交互在线数据进行处理。
7.根据权利要求6所述的系统，其特征在于，所述数据处理终端具体还用于：
当获取到的多个交互在线数据中任一个交互在线数据为启动交互在线数据时，划分属性标签，并将所述属性标签传输至特定交互端，所述启动交互在线数据为属性的交互在线数据传输的排序中的第一个交互在线数据，所述特定交互端为传输所述任一个交互在线数据对应的交互在线数据匹配的办公数据的交互端。
8.根据权利要求6所述的系统，其特征在于，所述数据处理终端具体用于：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据时，获取用户数据库中的第一特定用户，所述第一特定用户为属于滞留状态的用户；
向所述第一特定用户传输所述交互在线数据，由所述第一特定用户传输的所述交互在线数据；
将所述交互在线数据从所述交互在线数据矩阵中剔除，并将所述第一特定用户的状态置为工作状态；
其中，所述数据处理终端具体还用于：
遍历待校验矩阵，所述待校验矩阵用于维护属于等待状态的交互在线数据；当所述待校验矩阵中包括特定交互在线数据时，将所述特定交互在线数据传输至所述第一特定用户，所述特定交互在线数据与所述交互在线数据具有同一的属性标签。
9.根据权利要求6所述的系统，其特征在于，所述数据处理终端具体还用于：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据为启动交互在线数据且用户数据库中的用户均属于工作状态时，则向待校验矩阵传输所述交互在线数据；
将所述交互在线数据与所述交互在线数据矩阵中在所述交互在线数据之后第一个未处理交互在线数据进行转换。
10.根据权利要求6所述的系统，其特征在于，所述数据处理终端具体还用于：
对于位于所述交互在线数据矩阵标准的交互在线数据，当所述交互在线数据不是启动交互在线数据时，获取所述交互在线数据的属性标签；
遍历待校验矩阵和用户数据库；
根据所述待校验矩阵的第一遍历结果和所述用户数据库的第二遍历结果，对所述交互在线数据进行处理；
其中，所述数据处理终端具体还用于：
当所述待校验矩阵的第一遍历结果表征所述待校验矩阵包括所述交互在线数据的属性标签时，将所述交互在线数据传输至所述待校验矩阵；
将所述交互在线数据从所述交互在线数据矩阵中剔除；
其中，所述数据处理终端具体还用于：
当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取所述第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签；
当所述第二特定用户属于滞留状态时，将所述交互在线数据从所述交互在线数据矩阵中剔除；
其中，所述数据处理终端具体还用于：
当所述用户数据库的第二遍历结果表征所述用户数据库包括所述交互在线数据的属性标签时，获取第二特定用户，所述第二特定用户与所述交互在线数据具有同一的属性标签；
当所述第二特定用户属于工作状态时，向所述第二特定用户传输所述交互在线数据，由所述第二特定用户传输的所述交互在线数据；
将所述交互在线数据从所述交互在线数据矩阵中剔除。
CN202110822451.3A 2021-07-21 2021-07-21 基于神经网络的在线办工数据处理方法及系统 Pending CN113609170A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110822451.3A CN113609170A (zh) 2021-07-21 2021-07-21 基于神经网络的在线办工数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110822451.3A CN113609170A (zh) 2021-07-21 2021-07-21 基于神经网络的在线办工数据处理方法及系统

Publications (1)

Publication Number Publication Date
CN113609170A true CN113609170A (zh) 2021-11-05

Family

ID=78304914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110822451.3A Pending CN113609170A (zh) 2021-07-21 2021-07-21 基于神经网络的在线办工数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN113609170A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107222787A (zh) * 2017-06-02 2017-09-29 中国科学技术大学 视频资源流行度预测方法
CN107833117A (zh) * 2017-12-13 2018-03-23 合肥工业大学 一种考虑标签信息的贝叶斯个性化排序推荐方法
WO2018228231A1 (zh) * 2017-06-14 2018-12-20 阿里巴巴集团控股有限公司 一种办公场所的共享设置、共享使用方法及装置
US20200409960A1 (en) * 2019-06-27 2020-12-31 Microsoft Technology Licensing, Llc Technique for leveraging weak labels for job recommendations
CN112187813A (zh) * 2020-03-21 2021-01-05 薛爱君 基于在线办公环境的数据处理方法及系统
CN112217745A (zh) * 2020-03-18 2021-01-12 薛爱君 基于智能终端云计算的在线办公处理方法及网络设备
CN112231272A (zh) * 2020-09-30 2021-01-15 陈梅玉 基于远程在线办公的信息处理方法及信息服务平台
CN112306642A (zh) * 2020-11-24 2021-02-02 安徽大学 一种基于稳定匹配博弈理论的工作流调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107222787A (zh) * 2017-06-02 2017-09-29 中国科学技术大学 视频资源流行度预测方法
WO2018228231A1 (zh) * 2017-06-14 2018-12-20 阿里巴巴集团控股有限公司 一种办公场所的共享设置、共享使用方法及装置
CN107833117A (zh) * 2017-12-13 2018-03-23 合肥工业大学 一种考虑标签信息的贝叶斯个性化排序推荐方法
US20200409960A1 (en) * 2019-06-27 2020-12-31 Microsoft Technology Licensing, Llc Technique for leveraging weak labels for job recommendations
CN112217745A (zh) * 2020-03-18 2021-01-12 薛爱君 基于智能终端云计算的在线办公处理方法及网络设备
CN112187813A (zh) * 2020-03-21 2021-01-05 薛爱君 基于在线办公环境的数据处理方法及系统
CN112231272A (zh) * 2020-09-30 2021-01-15 陈梅玉 基于远程在线办公的信息处理方法及信息服务平台
CN112306642A (zh) * 2020-11-24 2021-02-02 安徽大学 一种基于稳定匹配博弈理论的工作流调度方法

Similar Documents

Publication Publication Date Title
CN113378554B (zh) 一种医疗信息智能交互的方法及系统
CN113886468A (zh) 基于互联网的在线互动数据挖掘方法及系统
CN113903473A (zh) 基于人工智能的医疗信息智能交互的方法及系统
CN115641176A (zh) 一种数据分析方法及ai系统
CN113609170A (zh) 基于神经网络的在线办工数据处理方法及系统
CN114329116B (zh) 基于人工智能的智慧园区资源匹配度分析方法及系统
CN113626538A (zh) 基于大数据的医疗信息智能分类的方法及系统
CN113626688B (zh) 基于软件定义的智能化医疗数据采集方法及系统
CN115373688A (zh) 一种软件开发线程的优化方法、系统及云平台
CN113360562A (zh) 基于人工智能与大数据的接口配对方法、系统及云平台
CN113485203A (zh) 一种智能控制网络资源共享的方法及系统
CN114168410A (zh) 基于大数据的智能控制蒸发冷却方法及系统
CN114358420B (zh) 基于产业生态的业务工作流程智能优化方法及系统
CN114282505A (zh) 一种基于科技成果转化的报表模板构建方法及系统
CN113420158B (zh) 一种标准医疗术语录入方法及系统
CN114090858B (zh) 基于自动化爬虫的资源池对象数据获取方法及系统
CN115279127A (zh) 一种喷淋式液冷机调控数据中心的温度控制方法及系统
CN114663071A (zh) 一种科技项目数据在线处理的方法及系统
CN113627495A (zh) 基于云边缘的医疗数据融合方法、系统及与服务器
CN113609931A (zh) 基于神经网络的人脸识别方法及系统
CN113611381A (zh) 基于智慧医疗的门诊信息登记方法及系统
CN113409076A (zh) 一种基于大数据构建用户画像的方法、系统及云平台
CN115564048A (zh) 一种医疗大数据共享分析方法及系统
CN114169551A (zh) 一种机柜巡检管理方法及系统
CN115455406A (zh) 一种网络信息的风险检测方法及系统

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