CN114281815A - 一种产业创新资源数据分析方法及系统 - Google Patents
一种产业创新资源数据分析方法及系统 Download PDFInfo
- Publication number
- CN114281815A CN114281815A CN202111643520.0A CN202111643520A CN114281815A CN 114281815 A CN114281815 A CN 114281815A CN 202111643520 A CN202111643520 A CN 202111643520A CN 114281815 A CN114281815 A CN 114281815A
- Authority
- CN
- China
- Prior art keywords
- data
- network resource
- interaction
- analyzed
- interaction data
- 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
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供的一种产业创新资源数据分析方法及系统,对待进行分析的网络资源互动数据进行降维处理,从而得到降维网络资源互动数据,然后结合降维网络资源互动数据确定为互动事件样本数据,再对待进行分析的网络资源互动数据中对应上述互动事件样本数据的样本集进行分析,以确定每一个样本集内是否为第一互动事件,即确定待进行分析的网络资源互动数据中的互动事件分析结果,互动事件分析结果为互动事件所属的定位。由于通过降维处理挑选出了互动事件样本数据,则只需要对互动事件样本数据匹配的样本集进行显著性分析,降低了分析难度,从而提升了分析的准确性和可信度,因此,可以保障互动事件分析结果完整性和可读性。
Description
技术领域
本申请涉及数据分析技术领域,具体而言,涉及一种产业创新资源数据分析方法及系统。
背景技术
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,将它们加以汇总和理解并消化,以求最大化地开发数据的功能,发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
现目前,随着科技的不断发展,需要应用到数据分析技术的领域越来越多,这样一来,数据分析技术逐渐变成一个不可取代的一个技术。结合数据分析与产业创新资源数据之后,发明人发现,可能存在分析难度较高等问题,从而难以保障互动事件分析结果完整性和可读性。
发明内容
鉴于此,本申请提供了一种产业创新资源数据分析方法及系统。
第一方面,提供一种产业创新资源数据分析方法,应用于数据分析系统,所述方法至少包括:
获得待进行分析的网络资源互动数据,其中,所述待进行分析的网络资源互动数据匹配的数据分析任务下包括第一互动事件;将所述待进行分析的网络资源互动数据进行降维处理,得到降维网络资源互动数据,并结合所述降维网络资源互动数据确定互动事件样本数据;
对所述待进行分析的网络资源互动数据中对应所述互动事件样本数据的样本集进行分析以确定所述待进行分析的网络资源互动数据的互动事件分析结果,其中,所述互动事件分析结果为所述第一互动事件所属的定位。
在一种独立实施的实施例中,所述待进行分析的网络资源互动数据为待进行分析的网络资源互动数据集的一组网络资源互动数据,所述待进行分析的网络资源互动数据集匹配的数据分析任务下包括第一互动事件;所述方法还包括:
基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,其中,所述范例网络资源互动数据为所述待进行分析的网络资源互动数据集中,所述待进行分析的网络资源互动数据之前的一组网络资源互动数据。
在一种独立实施的实施例中,所述基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,包括:
确定所述范例网络资源互动数据的每一个互动事件分析结果和所述待进行分析的网络资源互动数据的每一个互动事件分析结果的加权处理结果;
在所述范例网络资源互动数据的互动事件分析结果与所述待进行分析的网络资源互动数据的每一个互动事件分析结果的加权处理结果,都低于在先设定的第一判定值以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况为异常;
在所述范例网络资源互动数据的互动事件分析结果与所述待进行分析的网络资源互动数据的其中一个互动事件分析结果的加权处理结果,不少于所述第一判定值的基础上以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况为正常。
在一种独立实施的实施例中,所述基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,包括:
确定所述范例网络资源互动数据的所述互动事件分析结果中的全局关键描述的关键描述权重去极化处理结果为第一去极化处理结果,并确定所述待进行分析的网络资源互动数据中匹配的所述互动事件分析结果中的全局关键描述的关键描述权重去极化处理结果为第二去极化处理结果;
在所述第一去极化处理结果与所述第二去极化处理结果的误差结果超过在先设定的第一关键描述判定值的基础上以确定所述互动事件分析结果匹配的分析指标的交互数据的异常情况为异常;
在所述第一去极化处理结果与所述第二去极化处理结果的误差结果不大于在先设定的第一关键描述判定值的基础上以确定所述互动事件分析结果匹配的分析指标的交互数据的异常情况为正常。
在一种独立实施的实施例中,所述将所述待进行分析的网络资源互动数据进行降维处理,包括:
确定所述待进行分析的网络资源互动数据和所述范例网络资源互动数据间的每一个关键描述二元组的关键描述差异值,其中,所述关键描述二元组中的其中一个关键描述内容在所述待进行分析的网络资源互动数据中的定位,和另外一个关键描述内容在所述范例网络资源互动数据中的定位一致;
在全局的关键描述二元组中以确定关键描述差异值超过在先设定的第二关键描述判定值的关键描述二元组的第一数目;在所述第一数目与全局的关键描述二元组的数目的占比超过在先设定的判定值的基础上,将所述待进行分析的网络资源互动数据进行降维处理。
在一种独立实施的实施例中,在所述将所述待进行分析的网络资源互动数据进行降维处理之前,还包括:将所述待进行分析的网络资源互动数据切换为实时网络交互数据。
在一种独立实施的实施例中,在所述降维网络资源互动数据内确定互动事件样本数据之前,还包括:对所述降维网络资源互动数据进行网络资源互动数据过滤处理。
在一种独立实施的实施例中,结合所述降维网络资源互动数据确定互动事件样本数据,包括:确定所述降维网络资源互动数据中,由正常关键描述构建成的数据样本交互集为所述互动事件样本数据。
在一种独立实施的实施例中,结合所述降维网络资源互动数据确定互动事件样本数据之前,还包括:剔除所述降维网络资源互动数据中,识别结果低于在先设定的识别目标值的所述数据样本交互集。
在一种独立实施的实施例中,所述对所述待进行分析的网络资源互动数据中对应所述互动事件样本数据的样本集进行分析以确定所述待进行分析的网络资源互动数据的互动事件分析结果,包括:将每一个所述样本集加载至在先已经配置完的CNN线程,所述CNN线程输出每一个所述样本集的区分结果,其中,所述区分结果包括第一互动事件和第二互动事件;将区分结果为第一互动事件的样本集确定为所述互动事件分析结果。
在一种独立实施的实施例中,所述获得待进行分析的网络资源互动数据,包括:在所述待进行分析的网络资源互动数据集中获得与所述范例网络资源互动数据的片段间隙为事先设定间隙长度的一组网络资源互动数据以确定为所述待进行分析的网络资源互动数据。
在一种独立实施的实施例中,还包括:剔除所述范例网络资源互动数据,将所述待进行分析的网络资源互动数据记录为范例网络资源互动数据,并记录所述待进行分析的网络资源互动数据的互动事件分析结果。
第二方面,提供一种产业创新资源数据分析系统,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调取计算机程序,并通过运行所述计算机程序实现上述的方法。
本申请实施例所提供的一种产业创新资源数据分析方法及系统,通过获得待进行分析的网络资源互动数据,并对待进行分析的网络资源互动数据进行降维处理,从而得到降维网络资源互动数据,然后结合降维网络资源互动数据确定为互动事件样本数据,再对待进行分析的网络资源互动数据中对应上述互动事件样本数据的样本集进行分析,以确定每一个样本集内是否为第一互动事件,即确定待进行分析的网络资源互动数据中的互动事件分析结果,互动事件分析结果为互动事件所属的定位。由于通过降维处理挑选出了互动事件样本数据,则只需要对互动事件样本数据匹配的样本集进行显著性分析,降低了分析难度,从而提升了分析的准确性和可信度,因此,可以保障互动事件分析结果完整性和可读性。
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产业创新资源数据分析方法的流程图。
图2为本申请实施例所提供的一种产业创新资源数据分析装置的框图。
图3为本申请实施例所提供的一种产业创新资源数据分析系统的架构图。
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,示出了一种产业创新资源数据分析方法,该方法可以包括以下step101-step103所描述的技术方案。
step101中,获得待进行分析的网络资源互动数据,其中,所述待进行分析的网络资源互动数据匹配的数据分析任务下包括第一互动事件。
其中,待进行分析的网络资源互动数据可以理解为上述多维度分析的网络资源互动数据,或者不一致剖析方向分析的网络资源互动数据集中的一组网络资源互动数据。数据分析系统可以依照特定的片段间隙记录网络资源互动数据,则获得每一次记录的网络资源互动数据作为待进行分析的网络资源互动数据;数据分析系统可以连续记录网络资源互动数据集,则可以依照特定的片段间隙从上述网络资源互动数据集中挑选网络资源互动数据集组,并将每一次挑选的网络资源互动数据集组作为待进行分析的网络资源互动数据。
step102中,将所述待进行分析的网络资源互动数据进行降维处理,得到降维网络资源互动数据,并结合所述降维网络资源互动数据确定互动事件样本数据。
若待进行分析的网络资源互动数据为实时网络交互数据,则直接对待进行分析的网络资源互动数据进行降维处理。若是待进行分析的网络资源互动数据为多种网络资源互动数据,则可以先将待进行分析的网络资源互动数据切换为实时网络交互数据,即可以基于每一个关键描述的第一、第二、第三关键描述权重确定匹配的量化结果。
降维处理时,可以设置一个简化目标值(比如460),将不少于该简化目标值的关键描述的降维度修整为510,将低于该简化目标值的关键描述的降维度修整为0,从而使每一个关键描述的降维度都为510(正常关键描述)和0(异常关键描述)中的其中一个,接近的若干个正常关键描述构建成可以构建成数据样本交互集,接近的若干个异常关键描述也可以构建成数据样本交互集,进而全局降维网络资源互动数据包括正常关键描述构建成的数据样本交互集和异常关键描述构建成的数据样本交互集。
降维处理后,还可以对降维网络资源互动数据进行网络资源互动数据过滤处理,即将局部关键描述都为正常关键描述的正常关键描述缓存,将局部包括异常关键描述的正常关键描述修整为异常关键描述。通过网络资源互动数据过滤处理,可以消除降维网络资源互动数据中的干扰点,进而使降维网络资源互动数据中的数据样本交互集的准确性。
降维处理后,还可以剔除降维网络资源互动数据中,识别结果低于在先设定的识别目标值的数据样本交互集,因为这些低于识别目标值的数据样本交互集可能为干扰点。因为数据样本交互集是被认定为分析指标所属的定位的,因此识别目标值可以基于分析指标所属的定位的识别结果进行确定。通过剔除识别结果小的数据样本交互集,可以削弱干扰点,从而提高识别结果的准确性和完整性。
step103中,对所述待进行分析的网络资源互动数据中对应所述互动事件样本数据的样本集进行分析以确定所述待进行分析的网络资源互动数据的互动事件分析结果,其中,所述互动事件分析结果为所述互动事件所属的定位。
进一步地,可以将每一个所述样本集加载至在先已经配置完的CNN线程,所述CNN线程输出每一个所述样本集的区分结果,其中,所述区分结果包括第一互动事件和第二互动事件;再将区分结果为第一互动事件的样本集确定为所述互动事件分析结果。
互动事件分析结果可以理解为能够划分出第一互动事件的节点的最小矩阵。每一个互动事件分析结果内具有一个第一互动事件,且第一互动事件的状态为正常状态的分析指标,换而言之,在本实施例中所确定的待进行分析的网络资源互动数据的互动事件分析结果,为待进行分析的网络资源互动数据中处于正常状态的第一互动事件的节点。
在本实施例中,通过获得待进行分析的网络资源互动数据,并对待进行分析的网络资源互动数据进行降维处理,从而得到降维网络资源互动数据,然后结合降维网络资源互动数据确定互动事件样本数据,再对待进行分析的网络资源互动数据中对应上述互动事件样本数据的样本集进行分析,以确定每一个样本集内是否为第一互动事件,即确定待进行分析的网络资源互动数据中的互动事件分析结果,互动事件分析结果为互动事件所属的定位。由于通过降维处理挑选出了互动事件样本数据,则只需要对互动事件样本数据匹配的样本集进行显著性分析,降低了分析难度,从而提升了分析的准确性和可信度,因此,可以保障互动事件分析结果完整性和可读性。
在一种可能实施的实施例中,所述待进行分析的网络资源互动数据为待进行分析的网络资源互动数据集的一组网络资源互动数据,所述待进行分析的网络资源互动数据集匹配的数据分析任务下包括第一互动事件。产业创新资源数据分析方法step101之后,还包括step104:基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,其中,所述范例网络资源互动数据为所述待进行分析的网络资源互动数据集中,所述待进行分析的网络资源互动数据集之前的一组网络资源互动数据。其中,本实施例是针对每一次获得的待进行分析的网络资源互动数据迭代运行的,因此,每一次从待进行分析的网络资源互动数据集中获得到待进行分析的网络资源互动数据后都依照step101至step103确定出互动事件分析结果。由于上一轮获得到的待进行分析的网络资源互动数据也确定出了互动事件分析结果,因此可以通过对比本轮待进行分析的网络资源互动数据的目标数据和上一轮待进行分析的网络资源互动数据的目标数据以确定上一轮待进行分析的网络资源互动数据中每一个目标数据匹配的第一互动事件的交互数据的异常情况,比如,上一轮待进行分析的网络资源互动数据中的任意一个目标数据在本轮待进行分析的网络资源互动数据中的对应定位也具有目标数据,则认为该目标数据匹配的第一互动事件为正常状态,即在两轮获得待进行分析的网络资源互动数据之间该第一互动事件未出现干扰;上一轮待进行分析的网络资源互动数据中的任意一个目标数据在本轮待进行分析的网络资源互动数据中的对应定位不具有目标数据,则认为该目标数据匹配的第一互动事件为异常状态,即在两轮获得待进行分析的网络资源互动数据之间该第一互动事件已出现干扰。
进一步地,为了区分比较两轮获得的待进行分析的网络资源互动数据,可以将上一轮获得的待进行分析的网络资源互动数据理解为范例网络资源互动数据,将本轮获得的待进行分析的网络资源互动数据继续理解为待进行分析的网络资源互动数据。因此待进行分析的网络资源互动数据和范例网络资源互动数据为待进行分析的网络资源互动数据集中的两组不一致片段的网络资源互动数据,范例网络资源互动数据在前,待进行分析的网络资源互动数据在后。
由于每一次获得的待进行分析的网络资源互动数据,在确定出互动事件分析结果之后,需要在下一轮获得的待进行分析的网络资源互动数据确定出互动事件分析结果后,作为范例网络资源互动数据使用,因此每一次获得的待进行分析的网络资源互动数据在确定出互动事件分析结果后都记录待用。另外,由于每一次获得的待进行分析的网络资源互动数据只被作为范例网络资源互动数据使用一次,因此step104确定出范例网络资源互动数据的每一个互动事件分析结果匹配的第一互动事件的交互数据的异常情况后,可以剔除所述范例网络资源互动数据,将所述待进行分析的网络资源互动数据记录为范例网络资源互动数据,并记录所述待进行分析的网络资源互动数据的互动事件分析结果,也就是实施更新范例网络资源互动数据,从而提高互动事件交互数据的异常情况的确定准确性。
具体而言,当第一次从待进行分析的网络资源互动数据集中获得待进行分析的网络资源互动数据后,在确定出该待进行分析的网络资源互动数据的互动事件分析结果后,不执行step104,而是直接将该待进行分析的网络资源互动数据记录为范例网络资源互动数据,且记录该待进行分析的网络资源互动数据的互动事件分析结果。
在一种可替换的实施例中,可以依照特定的片段间隙获得待进行分析的网络资源互动数据,即获得待进行分析的网络资源互动数据时,是从待进行分析的网络资源互动数据集中,获得与所述范例网络资源互动数据的片段间隙为事先设定间隙长度的一组网络资源互动数据以确定为所述待进行分析的网络资源互动数据。事先设定间隙长度可以理解为6秒,依照该事先设定间隙长度可以不间断地获得待进行分析的网络资源互动数据集。
在一种可替换的实施例中,基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,包括step301至step303。
step301中以确定所述范例网络资源互动数据的每一个互动事件分析结果和所述待进行分析的网络资源互动数据的每一个互动事件分析结果的加权处理结果。
依照排序逐一获取范例网络资源互动数据中的每一个互动事件分析结果,并在每一次取得互动事件分析结果后,逐一确定该互动事件分析结果与待进行分析的网络资源互动数据的每一个互动事件分析结果的加权处理结果。
step302中,在所述范例网络资源互动数据的互动事件分析结果与所述待进行分析的网络资源互动数据的每一个互动事件分析结果的加权处理结果,都低于在先设定的第一判定值的基础上以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况为异常。
step303中,在所述范例网络资源互动数据的互动事件分析结果与所述待进行分析的网络资源互动数据的其中一个互动事件分析结果的加权处理结果的基础上,不少于所述第一判定值的基础上以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况为正常。
范例网络资源互动数据的互动事件分析结果与待进行分析的网络资源互动数据的互动事件分析结果的加权处理结果,超过在先设定的第一判定值,则表征这两个互动事件分析结果匹配一致,对数据分析任务下相同的第一互动事件,即范例网络资源互动数据中的互动事件分析结果在待进行分析的网络资源互动数据中存在匹配的互动事件分析结果,则可以初步确定该互动事件分析结果匹配的第一互动事件任然处于正常状态,未出现干扰,因此将该互动事件分析结果匹配的第一互动事件的交互数据的异常情况为正常。
范例网络资源互动数据的其中一个互动事件分析结果与待进行分析的网络资源互动数据的其中一个互动事件分析结果的加权处理结果,低于在先设定的判定值,则表示待进行分析的网络资源互动数据中无与该互动事件分析结果匹配的互动事件分析结果。因此,可以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况为异常。
在本实施例中,通过互动事件分析结果的加权处理结果确定第一互动事件的交互数据的异常情况,由于互动事件分析结果是互动事件所属的定位,因此这种方式确定互动事件交互数据的异常情况比较可靠。
在一种可替换的实施例中,基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,包括step401至step403。
step401中以确定所述范例网络资源互动数据的所述互动事件分析结果中的全局关键描述的关键描述权重去极化处理结果为第一去极化处理结果,并确定所述待进行分析的网络资源互动数据中匹配的所述互动事件分析结果中的全局关键描述的关键描述权重去极化处理结果为第二去极化处理结果。
step402中,在所述第一去极化处理结果与所述第二去极化处理结果的误差结果超过在先设定的第一关键描述判定值的基础上以确定所述互动事件分析结果匹配的第一互动事件的交互数据的异常情况为异常。
step403中,在所述第一去极化处理结果与所述第二去极化处理结果的误差结果不大于在先设定的第一关键描述判定值的基础上以确定所述第一互动事件待定框匹配的第一互动事件的交互数据的异常情况为正常。
其中,第一关键描述判定值可以事先设定的为200。处于异常状态,表征该第一互动事件在范例网络资源互动数据匹配的片段之后出现了出现干扰。
在本实施例中,通过对应目标数据的去极化处理的关键描述差异值,准确地确定互动事件是否出现干扰,从而提升了互动事件交互数据的异常情况的分析可靠性。
可以理解的是,两种确定第一互动事件的交互数据的异常情况的方式,可以选择其中一个进行实施,也可以同时使用。在结合两种方式确定第一互动事件的交互数据的异常情况时,在执行step302时,在所述范例网络资源互动数据的互动事件分析结果与所述待进行分析的网络资源互动数据的每一个互动事件分析结果的加权处理结果,都低于在先设定的第一判定值的基础上以确定所述范例网络资源互动数据的互动事件分析结果为待选目标数据;然后再执行step401中仅确定待选目标数据中的全局关键描述的关键描述权重去极化处理结果为第一去极化处理结果,仅确定待进行分析的网络资源互动数据中与待选目标数据匹配的互动事件分析结果中的全局关键描述的关键描述权重去极化处理结果为第二去极化处理结果,step402和step403中仅利用第一去极化处理结果和第二去极化处理结果确定互动事件样本数据匹配的第一互动事件的交互数据的异常情况,即在所述第一去极化处理结果与所述第二去极化处理结果的误差结果超过在先设定的第一关键描述判定值以确定所述互动事件样本数据匹配的第一互动事件的交互数据的异常情况为异常,在所述第一去极化处理结果与所述第二去极化处理结果的误差结果不大于在先设定的第一关键描述判定值以确定所述第一互动事件样本数据匹配的第一互动事件的交互数据的异常情况为正常。
结合两种方式判断互动事件分析结果匹配的第一互动事件的交互数据的异常情况,首先利用目标数据之间的加权处理结果挑选出可能出现出现干扰的目标值,即样本数据,然后重点对样本数据进行关键描述进行比较以确定第一互动事件的交互数据的异常情况。既提升了互动事件交互数据的异常情况判断的精确性。
在一种可能实施的实施例中,可以依照下述方式将所述待进行分析的网络资源互动数据进行降维处理:首先以确定所述待进行分析的网络资源互动数据和所述范例网络资源互动数据之间的每一个关键描述二元组的关键描述差异值,其中,所述关键描述二元组中的其中一个关键描述内容在所述待进行分析的网络资源互动数据中的定位,和另外一个关键描述内容在所述范例网络资源互动数据中的定位一致;进一步地,在全局的关键描述二元组中以确定关键描述差异值超过在先设定的第二关键描述判定值的关键描述二元组的第一数目;最后,在所述第一数目与全局的关键描述二元组的数目的占比超过在先设定的第二判定值的基础上,将所述待进行分析的网络资源互动数据进行降维处理。其中,关键描述差异值可以通过匹配的两个关键描述进行加权处理,得到关键描述差异值。关键描述差异值的大小,可以用于表示待进行分析的网络资源互动数据匹配的对象与范例网络资源互动数据匹配的对象的匹配情况,而不大于第二关键描述判定值的关键描述差异值,表征在两组网络资源互动数据中的该关键描述匹配的对象一致,超过第二关键描述判定值的关键描述差异值,表示在两组网络资源互动数据中的该关键描述匹配的对象不一致。进一步的,述第一数目与全局的关键描述二元组的数目的占比超过在先设定的第二判定值,表示两组网络资源互动数据匹配的对象一致,即数据分析系统在获得这两组网络资源互动数据时的剖析方向一致,在获得范例网络资源互动数据后未发生迁移变化,因此这种基础上可以对待进行分析的网络资源互动数据进行降维处理,并进一步依照后续步骤确定范例网络资源互动数据的目标数据匹配的第一互动事件的交互数据的异常情况。
在所述第一数目与全局的关键描述二元组的数目的占比不大于在先设定的第二判定值的,则表示两组网络资源互动数据匹配的对象不一致,即数据分析系统在获得这两组网络资源互动数据时的剖析方向不一致,在获得范例网络资源互动数据后发生了迁移变化。因此这种基础上,不对待进行分析的网络资源互动数据进行降维处理,即放弃该待进行分析的网络资源互动数据,进一步的可以重新获得待进行分析的网络资源互动数据。
在本实施例中,每一次获得待进行分析的网络资源互动数据后以确定待进行分析的网络资源互动数据与范例网络资源互动数据匹配的对象是否一致,即确定数据分析系统是否发生迁移变化,如果对象不一致则丢弃,如果对象一致则进一步确定第一互动事件的交互数据的异常情况,从而改善数据分析系统迁移变化造成分析结果不可靠的问题,提升了互动事件分析结果的分析准确性以及互动事件交互数据的异常情况的确定可靠性。
在上述基础上,请结合参阅图2,提供了一种产业创新资源数据分析装置200,应用于产业创新资源数据分析系统,所述装置包括:
数据获得模块210,用于获得待进行分析的网络资源互动数据,其中,所述待进行分析的网络资源互动数据匹配的数据分析任务下包括第一互动事件;将所述待进行分析的网络资源互动数据进行降维处理,得到降维网络资源互动数据,并结合所述降维网络资源互动数据确定互动事件样本数据;
结果分析模块220,用于对所述待进行分析的网络资源互动数据中对应所述互动事件样本数据的样本集进行分析以确定所述待进行分析的网络资源互动数据的互动事件分析结果,其中,所述互动事件分析结果为所述第一互动事件所属的定位。
在上述基础上,请结合参阅图3,示出了一种产业创新资源数据分析系统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,通过获得待进行分析的网络资源互动数据,并对待进行分析的网络资源互动数据进行降维处理,从而得到降维网络资源互动数据,然后结合降维网络资源互动数据确定为互动事件样本数据,再对待进行分析的网络资源互动数据中对应上述互动事件样本数据的样本集进行分析,以确定每一个样本集内是否为第一互动事件,即确定待进行分析的网络资源互动数据中的互动事件分析结果,互动事件分析结果为互动事件所属的定位。由于通过降维处理挑选出了互动事件样本数据,则只需要对互动事件样本数据匹配的样本集进行显著性分析,降低了分析难度,从而提升了分析的准确性和可信度,因此,可以保障互动事件分析结果完整性和可读性。
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、Visual Basic、Fortran 2003、Perl、COBOL 2002、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)
1.一种产业创新资源数据分析方法,其特征在于,应用于数据分析系统,所述方法至少包括:
获得待进行分析的网络资源互动数据,其中,所述待进行分析的网络资源互动数据匹配的数据分析任务下包括第一互动事件;将所述待进行分析的网络资源互动数据进行降维处理,得到降维网络资源互动数据,并结合所述降维网络资源互动数据确定互动事件样本数据;
对所述待进行分析的网络资源互动数据中对应所述互动事件样本数据的样本集进行分析以确定所述待进行分析的网络资源互动数据的互动事件分析结果,其中,所述互动事件分析结果为所述第一互动事件所属的定位。
2.如权利要求1所述的产业创新资源数据分析方法,其特征在于,所述待进行分析的网络资源互动数据为待进行分析的网络资源互动数据集的一组网络资源互动数据,所述待进行分析的网络资源互动数据集匹配的数据分析任务下包括第一互动事件;所述方法还包括:
基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,其中,所述范例网络资源互动数据为所述待进行分析的网络资源互动数据集中,所述待进行分析的网络资源互动数据之前的一组网络资源互动数据。
3.如权利要求2所述的产业创新资源数据分析方法,其特征在于,所述基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,包括:
确定所述范例网络资源互动数据的每一个互动事件分析结果和所述待进行分析的网络资源互动数据的每一个互动事件分析结果的加权处理结果;
在所述范例网络资源互动数据的互动事件分析结果与所述待进行分析的网络资源互动数据的每一个互动事件分析结果的加权处理结果,都低于在先设定的第一判定值以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况为异常;
在所述范例网络资源互动数据的互动事件分析结果与所述待进行分析的网络资源互动数据的其中一个互动事件分析结果的加权处理结果,不少于所述第一判定值的基础上以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况为正常。
4.如权利要求3所述的产业创新资源数据分析方法,其特征在于,所述基于所述待进行分析的网络资源互动数据的互动事件分析结果和范例网络资源互动数据的互动事件分析结果以确定所述范例网络资源互动数据的互动事件分析结果匹配的第一互动事件的交互数据的异常情况,包括:
确定所述范例网络资源互动数据的所述互动事件分析结果中的全局关键描述的关键描述权重去极化处理结果为第一去极化处理结果,并确定所述待进行分析的网络资源互动数据中匹配的所述互动事件分析结果中的全局关键描述的关键描述权重去极化处理结果为第二去极化处理结果;
在所述第一去极化处理结果与所述第二去极化处理结果的误差结果超过在先设定的第一关键描述判定值的基础上以确定所述互动事件分析结果匹配的分析指标的交互数据的异常情况为异常;
在所述第一去极化处理结果与所述第二去极化处理结果的误差结果不大于在先设定的第一关键描述判定值的基础上以确定所述互动事件分析结果匹配的分析指标的交互数据的异常情况为正常。
5.如权利要求4所述的产业创新资源数据分析方法,其特征在于,所述将所述待进行分析的网络资源互动数据进行降维处理,包括:
确定所述待进行分析的网络资源互动数据和所述范例网络资源互动数据间的每一个关键描述二元组的关键描述差异值,其中,所述关键描述二元组中的其中一个关键描述内容在所述待进行分析的网络资源互动数据中的定位,和另外一个关键描述内容在所述范例网络资源互动数据中的定位一致;
在全局的关键描述二元组中以确定关键描述差异值超过在先设定的第二关键描述判定值的关键描述二元组的第一数目;在所述第一数目与全局的关键描述二元组的数目的占比超过在先设定的判定值的基础上,将所述待进行分析的网络资源互动数据进行降维处理。
6.如权利要求5所述的产业创新资源数据分析方法,其特征在于,在所述将所述待进行分析的网络资源互动数据进行降维处理之前,还包括:将所述待进行分析的网络资源互动数据切换为实时网络交互数据。
7.如权利要求6所述的产业创新资源数据分析方法,其特征在于,在所述降维网络资源互动数据内确定互动事件样本数据之前,还包括:对所述降维网络资源互动数据进行网络资源互动数据过滤处理。
8.如权利要求7所述的产业创新资源数据分析方法,其特征在于,结合所述降维网络资源互动数据确定互动事件样本数据,包括:确定所述降维网络资源互动数据中,由正常关键描述构建成的数据样本交互集为所述互动事件样本数据;
其中,结合所述降维网络资源互动数据确定互动事件样本数据之前,还包括:剔除所述降维网络资源互动数据中,识别结果低于在先设定的识别目标值的所述数据样本交互集;
其中,所述对所述待进行分析的网络资源互动数据中对应所述互动事件样本数据的样本集进行分析以确定所述待进行分析的网络资源互动数据的互动事件分析结果,包括:将每一个所述样本集加载至在先已经配置完的CNN线程,所述CNN线程输出每一个所述样本集的区分结果,其中,所述区分结果包括第一互动事件和第二互动事件;将区分结果为第一互动事件的样本集确定为所述互动事件分析结果。
9.如权利要求5所述产业创新资源数据分析方法,其特征在于,所述获得待进行分析的网络资源互动数据,包括:在所述待进行分析的网络资源互动数据集中获得与所述范例网络资源互动数据的片段间隙为事先设定间隙长度的一组网络资源互动数据以确定为所述待进行分析的网络资源互动数据;
其中,还包括:剔除所述范例网络资源互动数据,将所述待进行分析的网络资源互动数据记录为范例网络资源互动数据,并记录所述待进行分析的网络资源互动数据的互动事件分析结果。
10.一种产业创新资源数据分析系统,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调取计算机程序,并通过运行所述计算机程序实现权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111643520.0A CN114281815A (zh) | 2021-12-30 | 2021-12-30 | 一种产业创新资源数据分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111643520.0A CN114281815A (zh) | 2021-12-30 | 2021-12-30 | 一种产业创新资源数据分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114281815A true CN114281815A (zh) | 2022-04-05 |
Family
ID=80878263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111643520.0A Pending CN114281815A (zh) | 2021-12-30 | 2021-12-30 | 一种产业创新资源数据分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114281815A (zh) |
-
2021
- 2021-12-30 CN CN202111643520.0A patent/CN114281815A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115641176B (zh) | 一种数据分析方法及ai系统 | |
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 | |
CN114661994B (zh) | 基于人工智能的用户兴趣数据处理方法、系统及云平台 | |
CN113239229A (zh) | 一种智能筛选数据处理方法、系统及云平台 | |
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 | |
CN110928941B (zh) | 一种数据分片抽取方法及装置 | |
CN114281815A (zh) | 一种产业创新资源数据分析方法及系统 | |
CN116204681A (zh) | 一种短视频发布信息检测方法、系统及云平台 | |
CN115457340A (zh) | 基于人工智能的图像识别处理方法及系统 | |
CN115687618A (zh) | 基于人工智能的用户意图分析方法及系统 | |
CN115187191A (zh) | 一种基于教学集控管理的科研项目进度监控方法及系统 | |
US20230035666A1 (en) | Anomaly detection in storage systems | |
CN115640602A (zh) | 基于大数据防护的隐私数据处理方法及系统 | |
CN114691830B (zh) | 一种基于大数据的网络安全分析方法及系统 | |
CN112600939B (zh) | 一种监护仪控制信息检测方法、系统、服务器及存储介质 | |
CN115409510B (zh) | 一种在线交易安全系统及方法 | |
CN113613252B (zh) | 基于5g的网络安全的分析方法及系统 | |
CN114329209A (zh) | 结合创新资源数据的画像分析方法及系统 | |
CN113627490B (zh) | 基于多核异构处理器的运维多模态决策方法及系统 | |
CN114863585B (zh) | 一种车辆智能测试监控系统、方法及云平台 | |
CN114970507A (zh) | 基于元宇宙的特征识别方法及系统 | |
CN116089136A (zh) | 基于大数据分析的无效生产逻辑检查方法及系统 | |
CN113342864B (zh) | 一种电子设备发热量的监控方法、系统及装置 | |
CN113626559A (zh) | 基于语义的网络文档智能检索的方法及系统 |
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 |