CN113902302A - 基于人工智能的数据分析方法、装置、设备及存储介质 - Google Patents

基于人工智能的数据分析方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113902302A
CN113902302A CN202111185238.2A CN202111185238A CN113902302A CN 113902302 A CN113902302 A CN 113902302A CN 202111185238 A CN202111185238 A CN 202111185238A CN 113902302 A CN113902302 A CN 113902302A
Authority
CN
China
Prior art keywords
development
research
vulnerability
function points
project function
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
CN202111185238.2A
Other languages
English (en)
Inventor
陆海鹏
党升
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.)
Ping An International Smart City Technology Co Ltd
Original Assignee
Ping An International Smart City Technology 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 Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN202111185238.2A priority Critical patent/CN113902302A/zh
Publication of CN113902302A publication Critical patent/CN113902302A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G06F21/577—Assessing vulnerabilities and evaluating computer system security
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Computer Hardware Design (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Computer Security & Cryptography (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及人工智能，提供一种基于人工智能的数据分析方法、装置、设备及存储介质。该方法能够根据对研发项目功能点拆解得到的研发任务的依赖数量对研发项目功能点进行归类，得到难度级别，提取与研发项目功能点具有依赖关系的特征项目，根据特征项目及难度级别分析待测用户对研发项目功能点的开发效率，对开发漏洞进行归类，得到漏洞级别，根据漏洞级别及开发漏洞的重开次数生成研发项目功能点的开发质量，根据开发效率及开发质量生成待测用户对研发项目功能点的能力指数，根据能力指数确定待测用户的能力等级，能够准确的确定出用户的能力等级。此外，本发明还涉及区块链技术，所述能力等级可存储于区块链中。

Description

基于人工智能的数据分析方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的数据分析方法、装置、设备及存储介质。
背景技术
目前，在对研发成员进行能力评价时，通常掺杂很多主观因素，导致无法从客观层面分析研发成员的能力，造成无法准确的确定出研发成员所对应的能力级别，不利于企业人才的留存。
因此，在如何准确的确定出研发成员所对应的能力级别，成了亟需解决的问题。
发明内容
鉴于以上内容，有必要提供一种基于人工智能的数据分析方法、装置、设备及存储介质，能够准确的确定出研发成员所对应的能力级别。
一方面，本发明提出一种基于人工智能的数据分析方法，所述基于人工智能的数据分析方法包括：
获取待测用户参与的研发项目功能点以及所述研发项目功能点出现的开发漏洞；
根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别；
从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目；
根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率；
对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别；
根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量；
根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数；
根据所述能力指数确定所述待测用户的能力等级。
根据本发明优选实施例，所述根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别包括：
拆解所述研发项目功能点，得到多个所述研发任务；
获取多个所述研发任务之间的任务依赖关系；
根据所述任务依赖关系统计每个研发任务的依赖数量，并计算多个所述依赖数量的总和，得到所述研发项目功能点的难易程度；
从预设难度映射表中提取所述难易程度所在的等级作为所述难度级别。
根据本发明优选实施例，在从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目之前，所述方法还包括：
获取多个预设故事，并获取多个配置故事线；
根据所述多个配置故事线检测所述多个预设故事是否属于同一故事线；
将属于同一故事线的预设故事确定为相互具有依赖关系的多个依赖故事；
根据所述多个依赖故事构建关联树，并将所述关联树存储于所述预设研发管理系统中。
根据本发明优选实施例，所述根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率包括：
获取与所述难度级别对应的历史故事，并获取历史用户对所述历史故事的用户分值；
计算所述用户分值的平均值，得到所述研发项目功能点的基准值；
获取所述研发项目功能点的故事计划完成时长及所述研发项目功能点中每次开发漏洞的漏洞更新时间，并获取漏洞生成时间；
根据所述基准值、所述故事计划完成时长、所述漏洞更新时间、所述漏洞生成时间、所述特征项目及所述难度级别分析所述开发效率，包括：
Figure BDA0003298905910000031
Figure BDA0003298905910000032
其中，P是指所述开发效率，S是指所述基准值，tq是指第q个研发项目功能点的故事计划完成时长，t′q是指所述第q个研发项目功能点的故事实际完成时长，Bug_update_time(n)是指第n次开发漏洞的漏洞更新时间，Bug-create_time是指所述漏洞生成时间，h是指所述特征项目的功能点总量，dK是指所述研发项目功能点与第K个特征项目的依赖程度，PK是指所述第K个特征项目的特征效率，Ln是指所述难度级别所对应的难度分值。
根据本发明优选实施例，所述根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量包括：
根据所述开发漏洞从所述预设研发管理系统中获取所述重开次数，并获取每次开发漏洞的的漏洞计划完成时长；
根据下列公式分析所述漏洞级别、所述重开次数、所述漏洞计划完成时长及所述漏洞更新时间，得到所述开发质量：
Figure BDA0003298905910000033
t′i＝Bug_update_time(i)-Bug_update_time(i-1)；
e＝km；
Figure BDA0003298905910000034
其中，Q是指所述开发质量，m是指所述重开次数，t′i是指第i次开发漏洞的漏洞实际完成时长，Bug-update_time(i)是指所述第i次开发漏洞的漏洞更新时间，ti是指所述第i次开发漏洞的漏洞计划完成时长，Bi是指所述第i次开发漏洞的漏洞级别所对应的分值，k＞1，n是指所述开发漏洞的漏洞数量。
根据本发明优选实施例，所述根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数包括：
Figure BDA0003298905910000041
其中，Y是指所述能力指数，N是指所述研发项目功能点的功能点总量，Pq是指所述第q个研发项目功能点的开发效率，Qq是指所述第q个研发项目功能点的开发质量。
根据本发明优选实施例，所述对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别包括：
获取与所述开发漏洞所对应的运行日志；
解析所述运行日志，得到漏洞信息；
提取所述漏洞信息中的关键词；
根据所述关键词遍历预设漏洞映射表；
从所述预设漏洞映射表中获取与所述关键词对应的等级作为所述漏洞级别。
另一方面，本发明还提出一种基于人工智能的数据分析装置，所述基于人工智能的数据分析装置包括：
获取单元，用于获取待测用户参与的研发项目功能点以及所述研发项目功能点出现的开发漏洞；
归类单元，用于根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别；
提取单元，用于从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目；
分析单元，用于根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率；
所述归类单元，还用于对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别；
生成单元，用于根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量；
所述生成单元，还用于根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数；
确定单元，用于根据所述能力指数确定所述待测用户的能力等级。
另一方面，本发明还提出一种电子设备，所述电子设备包括：
存储器，存储计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现所述基于人工智能的数据分析方法。
另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述基于人工智能的数据分析方法。
由以上技术方案可以看出，本发明通过对所述研发任务进行分析，能够得到所述研发项目功能点的难度级别，通过所述预设研发管理系统能够全面获取到与所述研发项目功能点具有依赖关系的特征项目，提高所述特征项目的全面性，进而通过所述特征项目及所述难度级别能够准确的确定出所述待测用户对所述研发项目功能点的开发效率，提高所述能力指数的准确性，从而能够准确的确定出所述能力等级，进一步地，通过对所述研发项目功能点中的开发漏洞的分析，能够快速的确定出所述开发质量，提高所述能力指数的生成效率，从而能够快速的确定出所述能力等级。
附图说明
图1是本发明基于人工智能的数据分析方法的较佳实施例的流程图。
图2是本发明基于人工智能的数据分析装置的较佳实施例的功能模块图。
图3是本发明实现基于人工智能的数据分析方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明基于人工智能的数据分析方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述基于人工智能的数据分析方法可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述基于人工智能的数据分析方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的计算机可读指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程门阵列(Field-Programmable Gate Array，FPGA)、数字信号处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括，但不限于：互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，获取待测用户参与的研发项目功能点以及所述研发项目功能点出现的开发漏洞。
在本发明的至少一个实施例中，所述待测用户是指需要进行研发能力评价的用户，所述待测用户可以是企业中任意研发人员。
所述研发项目功能点是指所述待测用户所参与的开发项目下的具体功能，所述研发项目功能点所表征的信息为开发项目功能的内容描述。
所述开发漏洞是指所述待测用户在参与所述研发项目功能点的开发项目中产生的漏洞。
在本发明的至少一个实施例中，所述电子设备可以根据所述待测用户的用户识别码从预设研发管理系统中获取到所述研发项目功能点及所述开发漏洞。
其中，所述预设研发管理系统中存储有多个研发用户的相关研发信息。
S11，根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别。
在本发明的至少一个实施例中，所述研发任务是指实现所述研发项目功能点中某个功能所对应的任务。
所述难度级别是指所述研发项目功能点所对应的难易级别。其中，所述难度级别可以是高级、中级、低级中的任意一种等级。所述难度级别不同，所述难度级别所对应的难度分值也有所不同。例如，高级难度所对应的难度分值为1.2，中级难度所对应的难度分值为1.0，低级难度所对应的难度分值为0.8。
在本发明的至少一个实施例中，所述电子设备根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别包括：
拆解所述研发项目功能点，得到多个所述研发任务；
获取多个所述研发任务之间的任务依赖关系；
根据所述任务依赖关系统计每个研发任务的依赖数量，并计算多个所述依赖数量的总和，得到所述研发项目功能点的难易程度；
从预设难度映射表中提取所述难易程度所在的等级作为所述难度级别。
其中，所述任务依赖关系是指任意两个所述研发任务之间的关联关系，例如，研发任务B需要在研发任务A完成后才能执行，则确定所述研发任务B与所述研发任务A之间具有所述任务关联关系。
所述难易程度用于指示用户完成所述研发项目功能点的难度。可以理解的是，所述依赖数量越多，对应的研发任务的任务复杂度越高，则所述研发项目功能点的难度越大。
所述预设难度映射表中存储有多个等级与依赖数量的映射关系。
通过对所述研发项目功能点的拆解能够快速获取到所述任务依赖关系，从而提高所述难度级别的确定效率，由于所述难易程度与所述依赖数量有关，因此，通过所述依赖数量能够准确的确定出所述难易程度，从而提高所述难度级别的确定准确性。
S12，从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目。
在本发明的至少一个实施例中，所述特征项目是指与所述研发项目功能点具有依赖关系的故事项目。
在本发明的至少一个实施例中，在从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目之前，所述方法还包括：
获取多个预设故事，并获取多个配置故事线；
根据所述多个配置故事线检测所述多个预设故事是否属于同一故事线；
将属于同一故事线的预设故事确定为相互具有依赖关系的多个依赖故事；
根据所述多个依赖故事构建关联树，并将所述关联树存储于所述预设研发管理系统中。
其中，所述多个预设故事是指在研发过程中预先构建好的故事。
所述多个配置故事线中包括具有关联关系的多个故事。例如，任一配置故事线为：故事A-故事B-故事C，则所述故事A、所述故事B及所述故事C相互之间具有依赖关系。
通过分析所述多个预设故事在所述多个配置故事线中的关系，能够准确的确定出相互具有依赖关系的多个依赖故事，提高所述关联树的构建全面性及准确性，便于后续所述特征项目的提取。
在本发明的至少一个实施例中，所述电子设备从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目包括：
获取所述研发项目功能点的故事标识；
根据所述故事标识遍历所述关联树，得到所述特征项目。
通过所述关联树能够快速的提取到所述特征项目。
S13，根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率。
在本发明的至少一个实施例中，所述开发效率是指所述待测用户处理所述研发项目功能点的效率。
在本发明的至少一个实施例中，所述电子设备根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率包括：
获取与所述难度级别对应的历史故事，并获取历史用户对所述历史故事的用户分值；
计算所述用户分值的平均值，得到所述研发项目功能点的基准值；
获取所述研发项目功能点的故事计划完成时长及所述研发项目功能点中每次开发漏洞的漏洞更新时间，并获取漏洞生成时间；
根据所述基准值、所述故事计划完成时长、所述漏洞更新时间、所述漏洞生成时间、所述特征项目及所述难度级别分析所述开发效率，包括：
Figure BDA0003298905910000101
Figure BDA0003298905910000102
其中，P是指所述开发效率，S是指所述基准值，tq是指第q个研发项目功能点的故事计划完成时长，t′q是指所述第q个研发项目功能点的故事实际完成时长，Bug_update_time(n)是指第n次开发漏洞的漏洞更新时间，Bug_create_time是指所述漏洞生成时间，h是指所述特征项目的功能点总量，dK是指所述研发项目功能点与第K个特征项目的依赖程度，PK是指所述第K个特征项目的特征效率，Ln是指所述难度级别所对应的难度分值。
其中，所述历史故事是指等级为所述难度级别的故事。
可以理解的是，当不存在特征项目与所述研发项目功能点依赖时，dK＝0。
所述用户分值是指所述历史用户完成所述历史故事所得到的分值，所述用户分值可以所述历史用户在开发过程中实际完成的事项设定。例如：A研发同学正常完成一个开发任务就能得到该任务的基础分数10分，而B研发同学提前完成了开发任务且质量很好得到了12分，2分是除了基础分外的额外奖励。可以理解的是，当一群人都在做一些相同难度等级的任务且都是正常进度，我们就可以理解为他们都在一条直线上，如果这个时候有人做了难度大的任务，就可以明显看出这个人的分数值会高于这条线，相反就低于这条线。
所述故事计划完成时长是指计划完成所述研发项目功能点所花费的时长。
所述漏洞生成时间是指发现所述开发漏洞的时间点。
所述漏洞更新时间是指对所述开发漏洞进行验证的时间点，例如，早上十点钟。
通过所述历史故事能够准确的生成所述基准值，进而根据所述基准值、所述故事计划完成时长、所述漏洞更新时间、所述漏洞生成时间、所述特征项目及所述难度级别能够准确的分析出所述待测用户对所述研发项目功能点的开发效率。
S14，对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别。
在本发明的至少一个实施例中，所述漏洞级别是指所述开发漏洞所对应的级别。所述漏洞级别包括严重等级、一般等级、轻微等级中的任意一个等级。
在本发明的至少一个实施例中，所述电子设备对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别包括：
获取与所述开发漏洞所对应的运行日志；
解析所述运行日志，得到漏洞信息；
提取所述漏洞信息中的关键词；
根据所述关键词遍历预设漏洞映射表；
从所述预设漏洞映射表中获取与所述关键词对应的等级作为所述漏洞级别。
其中，所述运行日志记载了生成所述开发漏洞的操作信息。
所述关键词通常是指词性为动词及名词的词汇，例如，所述关键词可以为系统崩溃、宕机等。
所述预设漏洞映射表中存储有多个等级与词汇的映射关系，例如，严重等级：系统崩溃、系统宕机；一般等级：功能实现问题；轻微等级：页面布局问题。
通过对所述运行日志的解析能够准确的获取到所述漏洞信息，进而根据所述关键词对所述预设漏洞映射表进行遍历，能够提高所述漏洞级别的确定效率。
S15，根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量。
在本发明的至少一个实施例中，所述重开次数是指所述开发漏洞的修复有效率，可以理解的是，所述重开次数越大，所述开发漏洞的修复效果越差。
在本发明的至少一个实施例中，所述开发质量是指所述待测用户处理所述研发项目功能点的质量。
在本发明的至少一个实施例中，所述电子设备根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量包括：
根据所述开发漏洞从所述预设研发管理系统中获取所述重开次数，并获取每次开发漏洞的的漏洞计划完成时长；
根据下列公式分析所述漏洞级别、所述重开次数、所述漏洞计划完成时长及所述漏洞更新时间，得到所述开发质量：
Figure BDA0003298905910000121
t′i＝Bug_update_time(i)-Bug_update_time(i-1)；
e＝km；
Figure BDA0003298905910000122
其中，Q是指所述开发质量，m是指所述重开次数，t′i是指第i次开发漏洞的漏洞实际完成时长，Bug_update_time(i)是指所述第i次开发漏洞的漏洞更新时间，ti是指所述第i次开发漏洞的漏洞计划完成时长，Bi是指所述第i次开发漏洞的漏洞级别所对应的分值，k＞1，n是指所述开发漏洞的漏洞数量。
其中，所述漏洞计划完成时长是指计划解决所述开发漏洞所花费的时长，例如，所述计划完成时长可以是24h。
通过每次开发漏洞的漏洞更新时间能够准确的确定出每次开发漏洞的实际完成时长，进而根据所述漏洞级别、所述重开次数、所述计划完成时长及所述更新时间能够准确得到生成所述研发项目功能点的开发质量。
S16，根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数。
在本发明的至少一个实施例中，所述能力指数用于指示所述待测用户的研发能力。所述能力指数的表现形式为数值。
在本发明的至少一个实施例中，所述电子设备根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数包括：
Figure BDA0003298905910000131
其中，Y是指所述能力指数，N是指所述研发项目功能点的功能点总量，Pq是指所述第q个研发项目功能点的开发效率，Qq是指所述第q个研发项目功能点的开发质量。
通过所述开发效率及所述开发质量等维度对所述能力指数的分析，能够提高所述能力指数的准确性。
S17，根据所述能力指数确定所述待测用户的能力等级。
在本发明的至少一个实施例中，所述能力等级用于指示所述待测用户的研发能力。所述能力等级的表现形式为级别。具体地，所述能力等级包括专家、资深、高级、中级、初级中的任意一种等级。所述能力等级所对应的能力指示依次为：[0.9，1)、[0.7，0.9)、[0.5，0.7)、[0.3，0.5)、(0，0.3)。
需要强调的是，为进一步保证上述能力等级的私密和安全性，上述能力等级还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述电子设备根据所述能力指数确定所述待测用户的能力等级包括：
根据所述能力指数对预设能力列表进行映射处理，得到所述能力等级。
其中，所述预设能力列表包括多个等级与多个指数的映射关系。
本实施例中，通过所述能力等级的确定，在对企业进行管理时，能够快速确定出用户所对应的奖励，提高企业管理效率。
由以上技术方案可以看出，本发明通过对所述研发任务进行分析，能够得到所述研发项目功能点的难度级别，通过所述预设研发管理系统能够全面获取到与所述研发项目功能点具有依赖关系的特征项目，提高所述特征项目的全面性，进而通过所述特征项目及所述难度级别能够准确的确定出所述待测用户对所述研发项目功能点的开发效率，提高所述能力指数的准确性，从而能够准确的确定出所述能力等级，进一步地，通过对所述研发项目功能点中的开发漏洞的分析，能够快速的确定出所述开发质量，提高所述能力指数的生成效率，从而能够快速的确定出所述能力等级。
如图2所示，是本发明基于人工智能的数据分析装置的较佳实施例的功能模块图。所述基于人工智能的数据分析装置11包括获取单元110、归类单元111、提取单元112、分析单元113、生成单元114、确定单元115、检测单元116及存储单元117。本发明所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机可读指令段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
获取单元110获取待测用户参与的研发项目功能点以及所述研发项目功能点出现的开发漏洞。
在本发明的至少一个实施例中，所述待测用户是指需要进行研发能力评价的用户，所述待测用户可以是企业中任意研发人员。
所述研发项目功能点是指所述待测用户所参与的开发项目下的具体功能，所述研发项目功能点所表征的信息为开发项目功能的内容描述。
所述开发漏洞是指所述待测用户在参与所述研发项目功能点的开发项目中产生的漏洞。
在本发明的至少一个实施例中，所述获取单元110可以根据所述待测用户的用户识别码从预设研发管理系统中获取到所述研发项目功能点及所述开发漏洞。
其中，所述预设研发管理系统中存储有多个研发用户的相关研发信息。
归类单元111根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别。
在本发明的至少一个实施例中，所述研发任务是指实现所述研发项目功能点中某个功能所对应的任务。
所述难度级别是指所述研发项目功能点所对应的难易级别。其中，所述难度级别可以是高级、中级、低级中的任意一种等级。所述难度级别不同，所述难度级别所对应的难度分值也有所不同。例如，高级难度所对应的难度分值为1.2，中级难度所对应的难度分值为1.0，低级难度所对应的难度分值为0.8。
在本发明的至少一个实施例中，所述归类单元111根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别包括：
拆解所述研发项目功能点，得到多个所述研发任务；
获取多个所述研发任务之间的任务依赖关系；
根据所述任务依赖关系统计每个研发任务的依赖数量，并计算多个所述依赖数量的总和，得到所述研发项目功能点的难易程度；
从预设难度映射表中提取所述难易程度所在的等级作为所述难度级别。
其中，所述任务依赖关系是指任意两个所述研发任务之间的关联关系，例如，研发任务B需要在研发任务A完成后才能执行，则确定所述研发任务B与所述研发任务A之间具有所述任务关联关系。
所述难易程度用于指示用户完成所述研发项目功能点的难度。可以理解的是，所述依赖数量越多，对应的研发任务的任务复杂度越高，则所述研发项目功能点的难度越大。
所述预设难度映射表中存储有多个等级与依赖数量的映射关系。
通过对所述研发项目功能点的拆解能够快速获取到所述任务依赖关系，从而提高所述难度级别的确定效率，由于所述难易程度与所述依赖数量有关，因此，通过所述依赖数量能够准确的确定出所述难易程度，从而提高所述难度级别的确定准确性。
提取单元112从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目。
在本发明的至少一个实施例中，所述特征项目是指与所述研发项目功能点具有依赖关系的故事项目。
在本发明的至少一个实施例中，在从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目之前，所述获取单元110获取多个预设故事，并获取多个配置故事线；
检测单元116根据所述多个配置故事线检测所述多个预设故事是否属于同一故事线；
确定单元115将属于同一故事线的预设故事确定为相互具有依赖关系的多个依赖故事；
存储单元117根据所述多个依赖故事构建关联树，并将所述关联树存储于所述预设研发管理系统中。
其中，所述多个预设故事是指在研发过程中预先构建好的故事。
所述多个配置故事线中包括具有关联关系的多个故事。例如，任一配置故事线为：故事A-故事B-故事C，则所述故事A、所述故事B及所述故事C相互之间具有依赖关系。
通过分析所述多个预设故事在所述多个配置故事线中的关系，能够准确的确定出相互具有依赖关系的多个依赖故事，提高所述关联树的构建全面性及准确性，便于后续所述特征项目的提取。
在本发明的至少一个实施例中，所述提取单元112从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目包括：
获取所述研发项目功能点的故事标识；
根据所述故事标识遍历所述关联树，得到所述特征项目。
通过所述关联树能够快速的提取到所述特征项目。
分析单元113根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率。
在本发明的至少一个实施例中，所述开发效率是指所述待测用户处理所述研发项目功能点的效率。
在本发明的至少一个实施例中，所述分析单元113根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率包括：
获取与所述难度级别对应的历史故事，并获取历史用户对所述历史故事的用户分值；
计算所述用户分值的平均值，得到所述研发项目功能点的基准值；
获取所述研发项目功能点的故事计划完成时长及所述研发项目功能点中每次开发漏洞的漏洞更新时间，并获取漏洞生成时间；
根据所述基准值、所述故事计划完成时长、所述漏洞更新时间、所述漏洞生成时间、所述特征项目及所述难度级别分析所述开发效率，包括：
Figure BDA0003298905910000171
Figure BDA0003298905910000172
其中，P是指所述开发效率，S是指所述基准值，tq是指第q个研发项目功能点的故事计划完成时长，t′q是指所述第q个研发项目功能点的故事实际完成时长，Bug_update_time(n)是指第n次开发漏洞的漏洞更新时间，Bug_create_time是指所述漏洞生成时间，h是指所述特征项目的功能点总量，dK是指所述研发项目功能点与第K个特征项目的依赖程度，PK是指所述第K个特征项目的特征效率，Ln是指所述难度级别所对应的难度分值。
其中，所述历史故事是指等级为所述难度级别的故事。
可以理解的是，当不存在特征项目与所述研发项目功能点依赖时，dK＝0。
所述用户分值是指所述历史用户完成所述历史故事所得到的分值，所述用户分值可以所述历史用户在开发过程中实际完成的事项设定。例如：A研发同学正常完成一个开发任务就能得到该任务的基础分数10分，而B研发同学提前完成了开发任务且质量很好得到了12分，2分是除了基础分外的额外奖励。可以理解的是，当一群人都在做一些相同难度等级的任务且都是正常进度，我们就可以理解为他们都在一条直线上，如果这个时候有人做了难度大的任务，就可以明显看出这个人的分数值会高于这条线，相反就低于这条线。
所述故事计划完成时长是指计划完成所述研发项目功能点所花费的时长。
所述漏洞生成时间是指发现所述开发漏洞的时间点。
所述漏洞更新时间是指对所述开发漏洞进行验证的时间点，例如，早上十点钟。
通过所述历史故事能够准确的生成所述基准值，进而根据所述基准值、所述故事计划完成时长、所述漏洞更新时间、所述漏洞生成时间、所述特征项目及所述难度级别能够准确的分析出所述待测用户对所述研发项目功能点的开发效率。
所述归类单元111对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别。
在本发明的至少一个实施例中，所述漏洞级别是指所述开发漏洞所对应的级别。所述漏洞级别包括严重等级、一般等级、轻微等级中的任意一个等级。
在本发明的至少一个实施例中，所述归类单元111对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别包括：
获取与所述开发漏洞所对应的运行日志；
解析所述运行日志，得到漏洞信息；
提取所述漏洞信息中的关键词；
根据所述关键词遍历预设漏洞映射表；
从所述预设漏洞映射表中获取与所述关键词对应的等级作为所述漏洞级别。
其中，所述运行日志记载了生成所述开发漏洞的操作信息。
所述关键词通常是指词性为动词及名词的词汇，例如，所述关键词可以为系统崩溃、宕机等。
所述预设漏洞映射表中存储有多个等级与词汇的映射关系，例如，严重等级：系统崩溃、系统宕机；一般等级：功能实现问题；轻微等级：页面布局问题。
通过对所述运行日志的解析能够准确的获取到所述漏洞信息，进而根据所述关键词对所述预设漏洞映射表进行遍历，能够提高所述漏洞级别的确定效率。
生成单元114根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量。
在本发明的至少一个实施例中，所述重开次数是指所述开发漏洞的修复有效率，可以理解的是，所述重开次数越大，所述开发漏洞的修复效果越差。
在本发明的至少一个实施例中，所述开发质量是指所述待测用户处理所述研发项目功能点的质量。
在本发明的至少一个实施例中，所述生成单元114根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量包括：
根据所述开发漏洞从所述预设研发管理系统中获取所述重开次数，并获取每次开发漏洞的的漏洞计划完成时长；
根据下列公式分析所述漏洞级别、所述重开次数、所述漏洞计划完成时长及所述漏洞更新时间，得到所述开发质量：
Figure BDA0003298905910000191
t′i＝Bug-update_time(i)-Bug_update_time(i-1)；
e＝km；
Figure BDA0003298905910000192
其中，Q是指所述开发质量，m是指所述重开次数，t′i是指第i次开发漏洞的漏洞实际完成时长，Bug_update_time(i)是指所述第i次开发漏洞的漏洞更新时间，ti是指所述第i次开发漏洞的漏洞计划完成时长，Bi是指所述第i次开发漏洞的漏洞级别所对应的分值，k＞1，n是指所述开发漏洞的漏洞数量。
其中，所述漏洞计划完成时长是指计划解决所述开发漏洞所花费的时长，例如，所述计划完成时长可以是24h。
通过每次开发漏洞的漏洞更新时间能够准确的确定出每次开发漏洞的实际完成时长，进而根据所述漏洞级别、所述重开次数、所述计划完成时长及所述更新时间能够准确得到生成所述研发项目功能点的开发质量。
所述生成单元114根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数。
在本发明的至少一个实施例中，所述能力指数用于指示所述待测用户的研发能力。所述能力指数的表现形式为数值。
在本发明的至少一个实施例中，所述生成单元114根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数包括：
Figure BDA0003298905910000201
其中，Y是指所述能力指数，N是指所述研发项目功能点的功能点总量，Pq是指所述第q个研发项目功能点的开发效率，Qq是指所述第q个研发项目功能点的开发质量。
通过所述开发效率及所述开发质量等维度对所述能力指数的分析，能够提高所述能力指数的准确性。
所述确定单元115根据所述能力指数确定所述待测用户的能力等级。
在本发明的至少一个实施例中，所述能力等级用于指示所述待测用户的研发能力。所述能力等级的表现形式为级别。具体地，所述能力等级包括专家、资深、高级、中级、初级中的任意一种等级。所述能力等级所对应的能力指示依次为：[0.9，1)、[0.7，0.9)、[0.5，0.7)、[0.3，0.5)、(0，0.3)。
需要强调的是，为进一步保证上述能力等级的私密和安全性，上述能力等级还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述确定单元115根据所述能力指数确定所述待测用户的能力等级包括：
根据所述能力指数对预设能力列表进行映射处理，得到所述能力等级。
其中，所述预设能力列表包括多个等级与多个指数的映射关系。
本实施例中，通过所述能力等级的确定，在对企业进行管理时，能够快速确定出用户所对应的奖励，提高企业管理效率。
由以上技术方案可以看出，本发明通过对所述研发任务进行分析，能够得到所述研发项目功能点的难度级别，通过所述预设研发管理系统能够全面获取到与所述研发项目功能点具有依赖关系的特征项目，提高所述特征项目的全面性，进而通过所述特征项目及所述难度级别能够准确的确定出所述待测用户对所述研发项目功能点的开发效率，提高所述能力指数的准确性，从而能够准确的确定出所述能力等级，进一步地，通过对所述研发项目功能点中的开发漏洞的分析，能够快速的确定出所述开发质量，提高所述能力指数的生成效率，从而能够快速的确定出所述能力等级。
如图3所示，是本发明实现基于人工智能的数据分析方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令，例如基于人工智能的数据分析程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的，所述计算机可读指令可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如，所述计算机可读指令可以被分割成获取单元110、归类单元111、提取单元112、分析单元113、生成单元114、确定单元115、检测单元116及存储单元117。
所述存储器12可用于存储所述计算机可读指令和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器，例如：硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1，所述电子设备1中的所述存储器12存储计算机可读指令实现一种基于人工智能的数据分析方法，所述处理器13可执行所述计算机可读指令从而实现：
获取待测用户参与的研发项目功能点以及所述研发项目功能点出现的开发漏洞；
根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别；
从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目；
根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率；
对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别；
根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量；
根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数；
根据所述能力指数确定所述待测用户的能力等级。
具体地，所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述计算机可读存储介质上存储有计算机可读指令，其中，所述计算机可读指令被处理器13执行时用以实现以下步骤：
获取待测用户参与的研发项目功能点以及所述研发项目功能点出现的开发漏洞；
根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别；
从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目；
根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率；
对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别；
根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量；
根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数；
根据所述能力指数确定所述待测用户的能力等级。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于人工智能的数据分析方法，其特征在于，所述基于人工智能的数据分析方法包括：
获取待测用户参与的研发项目功能点以及所述研发项目功能点出现的开发漏洞；
根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别；
从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目；
根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率；
对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别；
根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量；
根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数；
根据所述能力指数确定所述待测用户的能力等级。
2.如权利要求1所述的基于人工智能的数据分析方法，其特征在于，所述根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别包括：
拆解所述研发项目功能点，得到多个所述研发任务；
获取多个所述研发任务之间的任务依赖关系；
根据所述任务依赖关系统计每个研发任务的依赖数量，并计算多个所述依赖数量的总和，得到所述研发项目功能点的难易程度；
从预设难度映射表中提取所述难易程度所在的等级作为所述难度级别。
3.如权利要求1所述的基于人工智能的数据分析方法，其特征在于，在从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目之前，所述方法还包括：
获取多个预设故事，并获取多个配置故事线；
根据所述多个配置故事线检测所述多个预设故事是否属于同一故事线；
将属于同一故事线的预设故事确定为相互具有依赖关系的多个依赖故事；
根据所述多个依赖故事构建关联树，并将所述关联树存储于所述预设研发管理系统中。
4.如权利要求1所述的基于人工智能的数据分析方法，其特征在于，所述根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率包括：
获取与所述难度级别对应的历史故事，并获取历史用户对所述历史故事的用户分值；
计算所述用户分值的平均值，得到所述研发项目功能点的基准值；
获取所述研发项目功能点的故事计划完成时长及所述研发项目功能点中每次开发漏洞的漏洞更新时间，并获取漏洞生成时间；
根据所述基准值、所述故事计划完成时长、所述漏洞更新时间、所述漏洞生成时间、所述特征项目及所述难度级别分析所述开发效率，包括：
Figure FDA0003298905900000021
其中，P是指所述开发效率，S是指所述基准值，tq是指第q个研发项目功能点的故事计划完成时长，t′q是指所述第q个研发项目功能点的故事实际完成时长，Bug_update_time(n)是指第n次开发漏洞的漏洞更新时间，Bug_create_time是指所述漏洞生成时间，h是指所述特征项目的功能点总量，dK是指所述研发项目功能点与第K个特征项目的依赖程度，PK是指所述第K个特征项目的特征效率，Ln是指所述难度级别所对应的难度分值。
5.如权利要求4所述的基于人工智能的数据分析方法，其特征在于，所述根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量包括：
根据所述开发漏洞从所述预设研发管理系统中获取所述重开次数，并获取每次开发漏洞的的漏洞计划完成时长；
根据下列公式分析所述漏洞级别、所述重开次数、所述漏洞计划完成时长及所述漏洞更新时间，得到所述开发质量：
Figure FDA0003298905900000031
t′i＝Bug_update_time(i)-Bug_update_time(i-1)；
e＝km；
Figure FDA0003298905900000032
其中，Q是指所述开发质量，m是指所述重开次数，t′i是指第i次开发漏洞的漏洞实际完成时长，Bug_update_time(i)是指所述第i次开发漏洞的漏洞更新时间，ti是指所述第i次开发漏洞的漏洞计划完成时长，Bi是指所述第i次开发漏洞的漏洞级别所对应的分值，k＞1，n是指所述开发漏洞的漏洞数量。
6.如权利要求4所述的基于人工智能的数据分析方法，其特征在于，所述根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数包括：
Figure FDA0003298905900000033
其中，Y是指所述能力指数，N是指所述研发项目功能点的功能点总量，Pq是指所述第q个研发项目功能点的开发效率，Qq是指所述第q个研发项目功能点的开发质量。
7.如权利要求1所述的基于人工智能的数据分析方法，其特征在于，所述对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别包括：
获取与所述开发漏洞所对应的运行日志；
解析所述运行日志，得到漏洞信息；
提取所述漏洞信息中的关键词；
根据所述关键词遍历预设漏洞映射表；
从所述预设漏洞映射表中获取与所述关键词对应的等级作为所述漏洞级别。
8.一种基于人工智能的数据分析装置，其特征在于，所述基于人工智能的数据分析装置包括：
获取单元，用于获取待测用户参与的研发项目功能点以及所述研发项目功能点出现的开发漏洞；
归类单元，用于根据对所述研发项目功能点拆解得到的研发任务的依赖数量对所述研发项目功能点进行归类，得到所述研发项目功能点的难度级别；
提取单元，用于从预设研发管理系统中提取与所述研发项目功能点具有依赖关系的特征项目；
分析单元，用于根据所述特征项目及所述难度级别分析所述待测用户对所述研发项目功能点的开发效率；
所述归类单元，还用于对所述开发漏洞进行归类，得到所述开发漏洞的漏洞级别；
生成单元，用于根据所述漏洞级别及所述开发漏洞的重开次数生成所述研发项目功能点的开发质量；
所述生成单元，还用于根据所述开发效率及所述开发质量生成所述待测用户对所述研发项目功能点的能力指数；
确定单元，用于根据所述能力指数确定所述待测用户的能力等级。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储有计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的基于人工智能的数据分析方法。
10.一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中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的基于人工智能的数据分析方法。
CN202111185238.2A 2021-10-12 2021-10-12 基于人工智能的数据分析方法、装置、设备及存储介质 Pending CN113902302A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111185238.2A CN113902302A (zh) 2021-10-12 2021-10-12 基于人工智能的数据分析方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111185238.2A CN113902302A (zh) 2021-10-12 2021-10-12 基于人工智能的数据分析方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113902302A true CN113902302A (zh) 2022-01-07

Family

ID=79191457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111185238.2A Pending CN113902302A (zh) 2021-10-12 2021-10-12 基于人工智能的数据分析方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113902302A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757597A (zh) * 2022-06-15 2022-07-15 希望知舟技术(深圳)有限公司 员工操作能力的确定方法及相关装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757597A (zh) * 2022-06-15 2022-07-15 希望知舟技术(深圳)有限公司 员工操作能力的确定方法及相关装置
CN114757597B (zh) * 2022-06-15 2022-08-26 希望知舟技术(深圳)有限公司 员工操作能力的确定方法及相关装置

Similar Documents

Publication Publication Date Title
Schelter et al. Fairprep: Promoting data to a first-class citizen in studies on fairness-enhancing interventions
CN112686036B (zh) 风险文本识别方法、装置、计算机设备及存储介质
CN112183091A (zh) 问答对生成方法、装置、电子设备及可读存储介质
CN113283675B (zh) 指标数据分析方法、装置、设备及存储介质
CN111798123A (zh) 基于人工智能的合规性评价方法、装置、设备及介质
CN111639487A (zh) 基于分类模型的字段抽取方法、装置、电子设备及介质
WO2019148718A1 (zh) 人才数据库建立方法、装置及存储介质
CN114037545A (zh) 客户推荐方法、装置、设备及存储介质
US11385988B2 (en) System and method to improve results of a static code analysis based on the probability of a true error
CN112214515B (zh) 数据自动匹配方法、装置、电子设备及存储介质
CN114510487A (zh) 数据表合并方法、装置、设备及存储介质
CN114329095A (zh) 系统逻辑图生成方法、装置、设备及存储介质
CN113516205A (zh) 基于人工智能的数据分类方法、装置、设备及存储介质
CN113902302A (zh) 基于人工智能的数据分析方法、装置、设备及存储介质
CN113065947A (zh) 数据处理方法、装置、设备及存储介质
CN109325099A (zh) 一种自动检索的方法和装置
US20230186212A1 (en) System, method, electronic device, and storage medium for identifying risk event based on social information
CN112036439A (zh) 依存关系分类方法及相关设备
CN111933241A (zh) 医疗数据解析方法、装置、电子设备及存储介质
CN113240325B (zh) 数据处理方法、装置、设备及存储介质
CN114898155B (zh) 车辆定损方法、装置、设备及存储介质
CN114581177B (zh) 产品推荐方法、装置、设备及存储介质
CN115292489A (zh) 企业舆情分析方法、装置、设备及存储介质
CN111967235B (zh) 表单处理方法、装置、计算机设备及存储介质
CN115168585A (zh) 文本主题识别方法、装置、设备及存储介质

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