CN113610373B - 基于智能制造的信息决策处理方法及系统 - Google Patents
基于智能制造的信息决策处理方法及系统 Download PDFInfo
- Publication number
- CN113610373B CN113610373B CN202110854377.3A CN202110854377A CN113610373B CN 113610373 B CN113610373 B CN 113610373B CN 202110854377 A CN202110854377 A CN 202110854377A CN 113610373 B CN113610373 B CN 113610373B
- Authority
- CN
- China
- Prior art keywords
- decision
- information
- text
- information decision
- training model
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 106
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012549 training Methods 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000012512 characterization method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的基于智能制造的信息决策处理方法及系统，根据至少一个待处理信息决策文本，确定决策指示系数，该决策指示系数用于表征条件属性与多个决策指示之间的相关性，并根据该决策指示系数，确定信息决策文本训练模型，将该信息决策文本训练模型在智能制造信息集中进行加载，再根据信息决策文本训练模型以及智能制造信息集的业务决策请求，生成包含该信息决策文本训练模型以及条件属性的目标信息决策文本。由此，使得信息决策文本训练模型能够与智能制造信息集所获取到的业务决策请求相匹配，提高了信息决策文本训练模型与业务决策请求之间的适配性，进而提升了信息决策的效率。
Description
技术领域
本申请涉及信息处理技术领域，具体而言，涉及基于智能制造的信息决策处理方法及系统。
背景技术
随着科技的不断发展，信息决策已经成为一种战略方针，在各行各业的信息决策处理过程中，存在着不确定性因素，这样在信息决策处理的难度不断增加。因此，结合智能设备对信息进行决策处理，这样有效地提高信息决策处理的效率。然而，在相关智能信息决策处理技术中还存在一些缺陷。
发明内容
鉴于此，本申请提供了基于智能制造的信息决策处理方法及系统。
第一方面，提供一种基于智能制造的信息决策处理方法，包括：
根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本；
根据所述至少一个待处理信息决策文本，确定所述至少一个待处理信息决策文本对应的决策指示系数，所述决策指示系数用于表征所述条件属性与多个决策指示之间的相关性；
根据所述决策指示系数，确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型；
将所述信息决策文本训练模型在所述智能制造信息集中进行加载；
根据所述信息决策文本训练模型以及所述智能制造信息集的业务决策请求，生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本。
优选地，所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本之前，还包括：
响应于针对目标信息决策文本的生成决策请求，加载所述智能制造信息集，所述智能制造信息集包含用于表征条件属性的智能制造要求的警示信息；
其中，所述警示信息为属于所述智能制造信息集中预设制造步骤的表征块；所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本，包括：
若在所述表征块中校验到至少一个全局的条件属性，根据在所述智能制造信息集中获取到的业务决策请求，获取至少一个待处理信息决策文本。
优选地，所述根据所述至少一个待处理信息决策文本，确定所述至少一个待处理信息决策文本对应的决策指示系数，包括：
将所述至少一个待处理信息决策文本传输至预先训练的识别网络中，通过所述识别网络输出与所述至少一个待处理信息决策文本对应的决策指示系数。
优选地，根据所述决策指示系数，确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型，包括：
根据所述决策指示系数，确定所述决策指示系数所处的预设系数范围；
根据所述预设系数范围，从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型。
优选地，根据所述预设系数范围，从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型，包括：
根据所述预设系数范围，从所述信息决策文本训练模型库中确定与所述预设系数范围对应的至少一个候选的信息决策文本训练模型；
将所述至少一个候选的信息决策文本训练模型在所述智能制造信息集中进行加载；
响应于针对所述至少一个候选的信息决策文本训练模型的提取决策请求，确定目标信息决策文本训练模型。
优选地，所述至少一个待处理信息决策文本的数量大于或等于两个；所述将所述信息决策文本训练模型在所述智能制造信息集中进行加载，包括：
根据所述至少一个待处理信息决策文本对应的先后顺序，将在后确定的所述信息决策文本训练模型转换在先确定的所述信息决策文本训练模型，并在所述智能制造信息集中进行加载。
优选地，所述根据所述信息决策文本训练模型以及所述智能制造信息集当前的业务决策请求，生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本之后，还包括：
根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息，所述文本标签信息为获取所述目标信息决策文本的特征向量；
其中，所述文本标签信息为关键信息内容；所述根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息之后，还包括：
若接收到通过搜索所述关键信息内容发送的相关指令，获取所述相关指令中包含的决策对象信息；
将所述决策对象信息与所述目标信息决策文本构建相关关系，以通过所述相关关系对所述目标信息决策文本执行操作决策；
其中，所述根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息之后，还包括：
若接收到包含所述文本标签信息的信息决策文本获取请求，根据所述文本标签信息进行匹配，确定与所述文本标签信息对应的目标信息决策文本；
响应于对所述目标信息决策文本的操作请求，对所述目标信息决策文本执行操作决策。
优选地，所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本，包括：
根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取所述业务决策请求对应的决策内容；
根据所述决策内容，采用模拟场景对所述决策内容进行模拟，得到与所述业务决策请求对应的信息决策文本集合，所述信息决策文本集合中包含至少一个信息决策文本；
基于所述信息决策文本集合包含的信息决策文本，确定至少一个待处理信息决策文本。
优选地，所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本之前，还包括：
响应于针对目标信息决策文本的生成决策请求，在目标信息中加载所述智能制造信息集。
第二方面，提供一种基于智能制造的信息决策处理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的基于智能制造的信息决策处理方法及系统，通过根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本，根据至少一个待处理信息决策文本，确定该至少一个待处理信息决策文本对应的决策指示系数，该决策指示系数用于表征条件属性与多个决策指示之间的相关性，并根据该决策指示系数，确定与该至少一个待处理信息决策文本对应的信息决策文本训练模型，将该信息决策文本训练模型在智能制造信息集中进行加载，再根据信息决策文本训练模型以及智能制造信息集的业务决策请求，生成包含该信息决策文本训练模型以及条件属性的目标信息决策文本。由此，使得信息决策文本训练模型能够与智能制造信息集所获取到的业务决策请求相匹配，提高了信息决策文本训练模型与业务决策请求之间的适配性，进而提升了信息决策的效率。
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智能制造的信息决策处理方法的流程图。
图2为本申请实施例所提供的一种基于智能制造的信息决策处理装置的框图。
图3为本申请实施例所提供的一种基于智能制造的信息决策处理系统的架构图。
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，示出了一种基于智能制造的信息决策处理方法，该方法可以应用于风险账号防入侵识别系统，该方法可以包括以下步骤100-步骤500所描述的技术方案。
步骤100，根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本。
示例性的，业务决策指令表示对智能制造信息集中下达的操作要求。
进一步地，待处理信息决策文本表示需要业务决策指令对应的相关信息形成的集合。
步骤200，根据所述至少一个待处理信息决策文本，确定所述至少一个待处理信息决策文本对应的决策指示系数，所述决策指示系数用于表征所述条件属性与多个决策指示之间的相关性。
举例而言，决策指示系数表示能执行决策指示对应的操作标准。
步骤300，根据所述决策指示系数，确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型。
步骤400，将所述信息决策文本训练模型在所述智能制造信息集中进行加载。
步骤500，根据所述信息决策文本训练模型以及所述智能制造信息集的业务决策请求，生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本。
举例而言，目标信息决策文本表示执行业务决策请求生成的信息。
可以理解，在执行上述步骤100-步骤500所描述的技术方案时，通过根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本，根据至少一个待处理信息决策文本，确定该至少一个待处理信息决策文本对应的决策指示系数，该决策指示系数用于表征条件属性与多个决策指示之间的相关性，并根据该决策指示系数，确定与该至少一个待处理信息决策文本对应的信息决策文本训练模型，将该信息决策文本训练模型在智能制造信息集中进行加载，再根据信息决策文本训练模型以及智能制造信息集的业务决策请求，生成包含该信息决策文本训练模型以及条件属性的目标信息决策文本。由此，使得信息决策文本训练模型能够与智能制造信息集所获取到的业务决策请求相匹配，提高了信息决策文本训练模型与业务决策请求之间的适配性，进而提升了信息决策的效率。
基于上述基础，根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本之前，还可以包括以下步骤q1所描述的技术方案。
步骤q1，响应于针对目标信息决策文本的生成决策请求，加载所述智能制造信息集，所述智能制造信息集包含用于表征条件属性的智能制造要求的警示信息。
可以理解，在执行上述步骤q1所描述的技术方案时，通过智能制造要求的警示信息，有效地提高业务决策指令的准确性。
在一种可替换的实施例中，发明人发现，警示信息为属于所述智能制造信息集中预设制造步骤的表征块；所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令时，存在校验不准确的问题，从而难以准确地获取至少一个待处理信息决策文本，为了改善上述技术问题，步骤q1所描述的警示信息为属于所述智能制造信息集中预设制造步骤的表征块；所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本的步骤，具体可以包括以下步骤q1a1所描述的技术方案。
步骤q1a1，若在所述表征块中校验到至少一个全局的条件属性，根据在所述智能制造信息集中获取到的业务决策请求，获取至少一个待处理信息决策文本。
可以理解，在执行上述步骤q1a1所描述的技术方案时，警示信息为属于所述智能制造信息集中预设制造步骤的表征块；所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令时，避免校验不准确的问题，从而能够准确地获取至少一个待处理信息决策文本。
在一种可替换的实施例中，发明人发现，根据所述至少一个待处理信息决策文本，存在预先训练的识别网络计算错误的问题，从而难以准确地确定所述至少一个待处理信息决策文本对应的决策指示系数，为了改善上述技术问题，步骤200所描述的根据所述至少一个待处理信息决策文本，确定所述至少一个待处理信息决策文本对应的决策指示系数的步骤，具体可以包括以下步骤w1所描述的技术方案。
步骤w1，将所述至少一个待处理信息决策文本传输至预先训练的识别网络中，通过所述识别网络输出与所述至少一个待处理信息决策文本对应的决策指示系数。
可以理解，在执行上述步骤w1所描述的技术方案时，根据所述至少一个待处理信息决策文本，避免预先训练的识别网络计算错误的问题，从而能够准确地确定所述至少一个待处理信息决策文本对应的决策指示系数。
在一种可替换的实施例中，发明人发现，根据所述决策指示系数，存在决策指示系数所处的预设系数范围不准确的问题，从而难以准确地确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型，为了改善上述技术问题，步骤300所描述的根据所述决策指示系数，确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型的步骤，具体可以包括以下步骤e1和步骤e2所描述的技术方案。
步骤e1，根据所述决策指示系数，确定所述决策指示系数所处的预设系数范围。
步骤e2，根据所述预设系数范围，从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型。
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，根据所述决策指示系数，避免决策指示系数所处的预设系数范围不准确的问题，从而能够准确地确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型。
在一种可替换的实施例中，发明人发现，根据所述预设系数范围，从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型，存在预设系数范围对应的至少一个候选的信息决策文本训练模型不精确的问题，从而难以精确地从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型，为了改善上述技术问题，步骤e2所描述的根据所述预设系数范围，从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型的步骤，具体可以包括以下步骤e1a1-步骤e1a3所描述的技术方案。
步骤e1a1，根据所述预设系数范围，从所述信息决策文本训练模型库中确定与所述预设系数范围对应的至少一个候选的信息决策文本训练模型。
步骤e1a2，将所述至少一个候选的信息决策文本训练模型在所述智能制造信息集中进行加载。
步骤e1a3，响应于针对所述至少一个候选的信息决策文本训练模型的提取决策请求，确定目标信息决策文本训练模型。
可以理解，在执行上述步骤e1a1-步骤e1a3所描述的技术方案时，根据所述预设系数范围，从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型，避免预设系数范围对应的至少一个候选的信息决策文本训练模型不精确的问题，从而能够精确地从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型。
在一种可替换的实施例中，发明人发现，至少一个待处理信息决策文本的数量大于或等于两个；所述将所述信息决策文本训练模型在所述智能制造信息集中进行加载时，存在待处理信息决策文本对应的先后顺序错误的问题，从而难以准确地进行加载，为了改善上述技术问题，步骤400所描述的至少一个待处理信息决策文本的数量大于或等于两个；所述将所述信息决策文本训练模型在所述智能制造信息集中进行加载的步骤，具体可以包括以下步骤r1所描述的技术方案。
步骤r1，根据所述至少一个待处理信息决策文本对应的先后顺序，将在后确定的所述信息决策文本训练模型转换在先确定的所述信息决策文本训练模型，并在所述智能制造信息集中进行加载。
可以理解，在执行上述步骤r1所描述的技术方案时，，至少一个待处理信息决策文本的数量大于或等于两个；所述将所述信息决策文本训练模型在所述智能制造信息集中进行加载时，避免待处理信息决策文本对应的先后顺序错误的问题，从而能够准确地进行加载。
基于上述基础，根据所述信息决策文本训练模型以及所述智能制造信息集当前的业务决策请求，生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本之后，还可以包括以下步骤t1所描述的技术方案。
步骤t1，根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息，所述文本标签信息为获取所述目标信息决策文本的特征向量。
可以理解，在执行上述步骤t1所描述的技术方案时，通过提高目标信息决策文本对应的文本标签信息的完整性，有效地提高获取所述目标信息决策文本的特征向量的精度。
基于上述基础，文本标签信息为关键信息内容；所述根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息之后，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，若接收到通过搜索所述关键信息内容发送的相关指令，获取所述相关指令中包含的决策对象信息。
步骤y2，将所述决策对象信息与所述目标信息决策文本构建相关关系，以通过所述相关关系对所述目标信息决策文本执行操作决策。
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，通过搜索关键信息内容发送的相关指令，从而能够准确地对目标信息决策文本执行操作决策。
基于上述基础，所述根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息之后，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，若接收到包含所述文本标签信息的信息决策文本获取请求，根据所述文本标签信息进行匹配，确定与所述文本标签信息对应的目标信息决策文本。
步骤u2，响应于对所述目标信息决策文本的操作请求，对所述目标信息决策文本执行操作决策。
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，通过精确地确定与文本标签信息对应的目标信息决策文本，从而能够准确地对目标信息决策文本执行操作决策。
在一种可替换的实施例中，发明人发现，根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，存在决策内容不完整的问题，从而难以完整地获取至少一个待处理信息决策文本，为了改善上述技术问题，步骤100所描述的根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本的步骤，具体可以包括以下步骤o1-步骤o3所描述的技术方案。
步骤o1，根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取所述业务决策请求对应的决策内容。
步骤o2，根据所述决策内容，采用模拟场景对所述决策内容进行模拟，得到与所述业务决策请求对应的信息决策文本集合，所述信息决策文本集合中包含至少一个信息决策文本。
步骤o3，基于所述信息决策文本集合包含的信息决策文本，确定至少一个待处理信息决策文本。
可以理解，在执行上述步骤o1-步骤o3所描述的技术方案时，根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，避免决策内容不完整的问题，从而能够完整地获取至少一个待处理信息决策文本。
基于上述基础，根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本之前，还可以包括以下步骤p1所描述的技术方案。
步骤p1，响应于针对目标信息决策文本的生成决策请求，在目标信息中加载所述智能制造信息集。
可以理解，在执行上述步骤p1所描述的技术方案时，通过在目标信息中加载智能制造信息集，能够提高业务决策指令的准确性。
在一种可能的实施例中，发明人发现，根据所述信息决策文本训练模型以及所述智能制造信息集的业务决策请求，存在误差的问题，从而难以准确地生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本，为了改善上述技术问题，步骤500所描述的根据所述信息决策文本训练模型以及所述智能制造信息集的业务决策请求，生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本的步骤，具体可以包括以下步骤a1-步骤a5所描述的技术方案。
步骤a1，获取包含多个的业务决策请求，以及至少一张包含多个的目标请求。
示例性的，所述目标请求与业务决策请求具有多维度的决策方向。
步骤a2，从所述业务决策请求中提取预设标准的业务决策请求集，并从所述目标请求中提取预设标准的目标请求集。
示例性的，所述业务决策请求集包括用于标记业务决策请求中的误差区间信息的多个许可误差值，所述目标请求集包括用于标记目标请求中的误差区间信息的多个目标许可误差值。
步骤a3，根据预设区间范围计算模型将所述多个许可误差值对应至所述目标请求中，得到多个对应许可误差值。
步骤a4，构建所述多个对应许可误差值与所述多个目标许可误差值之间的许可误差值计算模型。
步骤a5，基于所述许可误差值计算模型，获取业务决策请求中的许可误差值在所述目标请求中对应的目标许可误差值的范围。
可以理解，在执行上述步骤a1-步骤a5所描述的技术方案时，根据所述信息决策文本训练模型以及所述智能制造信息集的业务决策请求，避免误差的问题，从而能够准确地生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本。
在上述基础上，请结合参阅图2，提供了一种基于智能制造的信息决策处理装置200，应用于数据处理终端，所述装置包括：
文本获取模块210，用于根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本；
系数确定模块220，用于根据所述至少一个待处理信息决策文本，确定所述至少一个待处理信息决策文本对应的决策指示系数，所述决策指示系数用于表征所述条件属性与多个决策指示之间的相关性；
模型确定模块230，用于根据所述决策指示系数，确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型；
信息加载模块240，用于将所述信息决策文本训练模型在所述智能制造信息集中进行加载；
文本生成模块250，用于根据所述信息决策文本训练模型以及所述智能制造信息集的业务决策请求，生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本。
在上述基础上，请结合参阅图3，示出了一种基于智能制造的信息决策处理系统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，通过根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本，根据至少一个待处理信息决策文本，确定该至少一个待处理信息决策文本对应的决策指示系数，该决策指示系数用于表征条件属性与多个决策指示之间的相关性，并根据该决策指示系数，确定与该至少一个待处理信息决策文本对应的信息决策文本训练模型，将该信息决策文本训练模型在智能制造信息集中进行加载，再根据信息决策文本训练模型以及智能制造信息集的业务决策请求，生成包含该信息决策文本训练模型以及条件属性的目标信息决策文本。由此，使得信息决策文本训练模型能够与智能制造信息集所获取到的业务决策请求相匹配，提高了信息决策文本训练模型与业务决策请求之间的适配性，进而提升了信息决策的效率。
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 (2)
1.一种基于智能制造的信息决策处理方法，其特征在于，包括：
根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本；
根据所述至少一个待处理信息决策文本，确定所述至少一个待处理信息决策文本对应的决策指示系数，所述决策指示系数用于表征所述条件属性与多个决策指示之间的相关性；
根据所述决策指示系数，确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型；
将所述信息决策文本训练模型在所述智能制造信息集中进行加载；
根据所述信息决策文本训练模型以及所述智能制造信息集的业务决策请求，生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本；
其中，所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本之前，还包括：
响应于针对目标信息决策文本的生成决策请求，加载所述智能制造信息集，所述智能制造信息集包含用于表征条件属性的智能制造要求的警示信息；
其中，所述警示信息为属于所述智能制造信息集中预设制造步骤的表征块；所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本，包括：
若在所述表征块中校验到至少一个全局的条件属性，根据在所述智能制造信息集中获取到的业务决策请求，获取至少一个待处理信息决策文本；
其中，所述根据所述至少一个待处理信息决策文本，确定所述至少一个待处理信息决策文本对应的决策指示系数，包括：
将所述至少一个待处理信息决策文本传输至预先训练的识别网络中，通过所述识别网络输出与所述至少一个待处理信息决策文本对应的决策指示系数；
其中，根据所述决策指示系数，确定与所述至少一个待处理信息决策文本对应的信息决策文本训练模型，包括：
根据所述决策指示系数，确定所述决策指示系数所处的预设系数范围；
根据所述预设系数范围，从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型；
其中，根据所述预设系数范围，从信息决策文本训练模型库中选取与所述预设系数范围对应的信息决策文本训练模型，包括：
根据所述预设系数范围，从所述信息决策文本训练模型库中确定与所述预设系数范围对应的至少一个候选的信息决策文本训练模型；
将所述至少一个候选的信息决策文本训练模型在所述智能制造信息集中进行加载；
响应于针对所述至少一个候选的信息决策文本训练模型的提取决策请求，确定目标信息决策文本训练模型；
其中，所述至少一个待处理信息决策文本的数量大于或等于两个；所述将所述信息决策文本训练模型在所述智能制造信息集中进行加载，包括：
根据所述至少一个待处理信息决策文本对应的先后顺序，将在后确定的所述信息决策文本训练模型转换在先确定的所述信息决策文本训练模型，并在所述智能制造信息集中进行加载；
其中，所述根据所述信息决策文本训练模型以及所述智能制造信息集当前的业务决策请求，生成包含所述信息决策文本训练模型以及所述条件属性的目标信息决策文本之后，还包括：
根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息，所述文本标签信息为获取所述目标信息决策文本的特征向量；
其中，所述文本标签信息为关键信息内容；所述根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息之后，还包括：
若接收到通过搜索所述关键信息内容发送的相关指令，获取所述相关指令中包含的决策对象信息；
将所述决策对象信息与所述目标信息决策文本构建相关关系，以通过所述相关关系对所述目标信息决策文本执行操作决策；
其中，所述根据所述目标信息决策文本，生成与所述目标信息决策文本对应的文本标签信息之后，还包括：
若接收到包含所述文本标签信息的信息决策文本获取请求，根据所述文本标签信息进行匹配，确定与所述文本标签信息对应的目标信息决策文本；
响应于对所述目标信息决策文本的操作请求，对所述目标信息决策文本执行操作决策；
其中，所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本，包括：
根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取所述业务决策请求对应的决策内容；
根据所述决策内容，采用模拟场景对所述决策内容进行模拟，得到与所述业务决策请求对应的信息决策文本集合，所述信息决策文本集合中包含至少一个信息决策文本；
基于所述信息决策文本集合包含的信息决策文本，确定至少一个待处理信息决策文本；
其中，所述根据在智能制造信息集中获取到的包含条件属性对应的业务决策指令，获取至少一个待处理信息决策文本之前，还包括：
响应于针对目标信息决策文本的生成决策请求，在目标信息中加载所述智能制造信息集。
2.一种基于智能制造的信息决策处理系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110854377.3A CN113610373B (zh) | 2021-07-28 | 2021-07-28 | 基于智能制造的信息决策处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110854377.3A CN113610373B (zh) | 2021-07-28 | 2021-07-28 | 基于智能制造的信息决策处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610373A CN113610373A (zh) | 2021-11-05 |
| CN113610373B true CN113610373B (zh) | 2024-01-26 |
Family
ID=78305702
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110854377.3A Active CN113610373B (zh) | 2021-07-28 | 2021-07-28 | 基于智能制造的信息决策处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610373B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726080B (zh) * | 2024-02-05 | 2024-04-26 | 南京迅集科技有限公司 | 多源异构数据驱动的智能制造决策系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109816221A (zh) * | 2019-01-07 | 2019-05-28 | 平安科技（深圳）有限公司 | 项目风险决策方法、装置、计算机设备和存储介质 |
| CN112356841A (zh) * | 2020-11-26 | 2021-02-12 | 中国人民解放军国防科技大学 | 一种基于脑机交互的车辆控制方法及装置 |
| CN112862339A (zh) * | 2021-02-25 | 2021-05-28 | 厦门渊亭信息科技有限公司 | 一种风险决策方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102141997A (zh) * | 2010-02-02 | 2011-08-03 | 三星电子（中国）研发中心 | 智能决策支持系统及其智能决策方法 |
-
2021
- 2021-07-28 CN CN202110854377.3A patent/CN113610373B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109816221A (zh) * | 2019-01-07 | 2019-05-28 | 平安科技（深圳）有限公司 | 项目风险决策方法、装置、计算机设备和存储介质 |
| CN112356841A (zh) * | 2020-11-26 | 2021-02-12 | 中国人民解放军国防科技大学 | 一种基于脑机交互的车辆控制方法及装置 |
| CN112862339A (zh) * | 2021-02-25 | 2021-05-28 | 厦门渊亭信息科技有限公司 | 一种风险决策方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610373A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107590168B (zh) | 用于关系推断的系统和方法 | |
| US20210166080A1 (en) | Utilizing object oriented programming to validate machine learning classifiers and word embeddings | |
| CN116112746B (zh) | 在线教育直播视频压缩方法及系统 | |
| CN113378554A (zh) | 一种医疗信息智能交互的方法及系统 | |
| CN113610373B (zh) | 基于智能制造的信息决策处理方法及系统 | |
| CN113239229A (zh) | 一种智能筛选数据处理方法、系统及云平台 | |
| CN113903473A (zh) | 基于人工智能的医疗信息智能交互的方法及系统 | |
| CN116739184B (zh) | 一种滑坡预测方法及系统 | |
| CN113468323A (zh) | 争议焦点类别及相似判断方法及系统及装置及推荐方法 | |
| CN113626538B (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
| CN114779923A (zh) | 一种基于超声波的vr仿真场景定位方法及系统 | |
| CN113609931B (zh) | 基于神经网络的人脸识别方法及系统 | |
| CN113609362B (zh) | 基于5g的数据管理方法及系统 | |
| CN115292301B (zh) | 基于人工智能的任务数据异常监测处理方法及系统 | |
| CN115756576B (zh) | 软件开发包的翻译方法及软件开发系统 | |
| CN115409510B (zh) | 一种在线交易安全系统及方法 | |
| CN113608689B (zh) | 基于边缘计算的数据缓存方法及系统 | |
| CN113610117B (zh) | 基于深度数据的水下传感数据处理方法及系统 | |
| CN113627490B (zh) | 基于多核异构处理器的运维多模态决策方法及系统 | |
| CN113626429B (zh) | 基于元数据的智能化范围急救医疗知识库构建方法及系统 | |
| CN113495749B (zh) | 车载设备的识别方法、装置、系统、设备及可读介质 | |
| CN113610127B (zh) | 基于遗传交叉算法的图像特征融合方法及系统 | |
| CN113627165B (zh) | 基于智慧医疗的床旁交互方法及系统 | |
| CN114611478B (zh) | 一种基于人工智能的信息处理方法、系统及云平台 | |
| CN114217240B (zh) | 一种不间断电源检测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Information Decision Processing Method and System Based on Intelligent Manufacturing Granted publication date: 20240126 Pledgee: China Construction Bank Corporation Shanghai Changning Branch Pledgor: SHANGHAI DATACENTER SCIENCE Co.,Ltd. Registration number: Y2024980022877 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |