CN114329116B - 基于人工智能的智慧园区资源匹配度分析方法及系统 - Google Patents
基于人工智能的智慧园区资源匹配度分析方法及系统 Download PDFInfo
- Publication number
- CN114329116B CN114329116B CN202111649123.4A CN202111649123A CN114329116B CN 114329116 B CN114329116 B CN 114329116B CN 202111649123 A CN202111649123 A CN 202111649123A CN 114329116 B CN114329116 B CN 114329116B
- Authority
- CN
- China
- Prior art keywords
- resource
- data
- theme
- interactive
- description
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的基于人工智能的智慧园区资源匹配度分析方法及系统,在本实施例中通过数据筛选的方式能够比较精确地确定了互动资源主题的关键事件,之后结合互动资源主题的关键事件,能够将确定的互动资源数据与互动资源主题对应匹配情况,改善了资源主题分析的不同种类的匹配情况,后续在进行分析数据的搜寻时,可以快速的搜寻到任意一个指定属性的资源主题分析,提升了资源主题分析的准确性和可靠性。
Description
技术领域
本申请涉及数据分析技术领域,具体而言,涉及一种基于人工智能的智慧园区资源匹配度分析方法及系统。
背景技术
人工智能(Artificial Intelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
随着人工智能技术的不断发展和成熟,人工智能具体结合的技术领域越来越广泛,这样一来,有效地提高了各技术领域的工作效率。随着技术发展,人工智能应用于园区管理上,形成智慧园区,以成为当前智慧物业与智慧管理的智能园区管理模式。现目前,以人工智能数据分析为例,由于数据的种类和属性繁多,有一些数据的相似度比较高,在处理的过程中,可能会将相似度较高的数据默认为同一数据,这样一来,难以保障数据分析准确性和可靠性。
发明内容
鉴于此,本申请提供了基于人工智能的智慧园区资源匹配度分析方法及系统。
第一方面,提供一种基于人工智能的智慧园区资源匹配度分析方法,应用于智能分析系统,所述方法至少包括:
获得互动资源主题绑定的资源描述属性;结合所述资源描述属性,确定所述互动资源主题的关键事件描述内容;
获得所述互动资源主题的互动资源数据,并构建所述互动资源数据与所述关键事件描述内容之间的第一匹配情况,以结合所述第一匹配情况,生成所述互动资源主题绑定的资源主题分析结果。
在一种独立实施的实施例中,所述获得互动资源主题绑定的资源描述属性,包括:获得资源主题集中的资源数据;结合所述资源数据,确定所述互动资源主题在所述资源主题集中所处定位的定位数据;结合所述定位数据,从所述资源主题集绑定的关键描述事项中获得所述互动资源主题绑定的资源描述属性。
在一种独立实施的实施例中,所述获得互动资源主题绑定的资源描述属性,包括:
获得所述资源主题集绑定的关键描述事项,并从所述关键描述事项中获得不少于一组资源主题数据;结合所述资源主题数据中每一个数据标签的局部描述,确定每一个数据标签在在先设定的片段中执行在先设定的匹配的频率;
将超过第一在先设定的判定值的所述频率绑定的数据标签作为所述互动资源主题,并从所述互动资源主题所属资源主题数据中获得所述互动资源主题绑定的资源描述属性。
在一种独立实施的实施例中,所述互动资源主题的互动资源数据包括以下其中一种:所述互动资源主题的资源数据、所述资源数据绑定的属性数据;所述资源描述属性包括以下其中一种:所述互动资源主题绑定的数据、所述互动资源主题绑定的数据集。
在一种独立实施的实施例中,所述结合所述第一匹配情况,生成所述互动资源主题绑定的资源主题分析结果,包括:构建所述资源描述属性与所述关键事件描述内容之间的第二匹配情况;结合所述第一匹配情况以及所述第二匹配情况,生成所述互动资源主题绑定的资源主题分析结果。
在一种独立实施的实施例中,所述构建所述资源描述属性与所述关键事件描述内容之间的第二匹配情况,包括如下其中一种:
确定所述互动资源主题的互动资源周期;
在所述互动资源周期超过在先设定的周期的基础上,构建所述互动资源主题绑定的资源描述属性与所述关键事件描述内容之间的第二匹配情况;
对所述资源描述属性绑定的数据进行筛选,确定所述互动资源主题的局部对应局部资源描述属性;构建所述局部资源描述属性与所述关键事件描述内容之间的第二匹配情况。
在一种独立实施的实施例中,所述互动资源数据包括所述互动资源主题的资源数据;所述结合所述第一匹配情况,生成所述互动资源主题绑定的资源主题分析结果,包括:
结合所述资源数据,确定所述互动资源主题绑定的关键词指示数据;构建所述关键词指示数据与所述关键事件描述内容之间的第三匹配情况;结合所述第一匹配情况以及所述第三匹配情况,生成所述互动资源主题绑定的资源主题分析结果。
在一种独立实施的实施例中,所述关键词指示数据包括以下其中一种:所述互动资源主题的关键词描述数据;所述互动资源主题的关键词标签数据。
在一种独立实施的实施例中,确定所述数据标签在在先设定的片段中执行在先设定的匹配的频率,包括:分别确定所述数据标签的第一在先设定的位置情况,在所属的每一组资源主题数据中的第一节点描述数据;结合每一组资源主题数据绑定的所述第一节点描述数据,确定所述第一在先设定的位置情况在在先设定的片段中执行在先设定的匹配的频率。
在一种独立实施的实施例中,所述第一在先设定的位置情况包括标准定位样本;所述在先设定的匹配包括合法或异常;所述第一节点描述数据包括标准定位样本的重要描述数据;所述结合每一组资源主题数据绑定的所述第一节点描述数据,确定所述第一在先设定的位置情况在在先设定的片段中执行在先设定的匹配的频率,包括:针对每一组资源主题数据,结合所述资源主题数据绑定的所述标准定位样本的重要描述数据,确定所述标准定位样本的两个目标重要描述之间的第一量化结果数据;结合各资源主题数据分别绑定的所述第一量化结果数据和第二在先设定的判定值,确定所述标准定位样本在在先设定的片段中合法或异常的频率。
在一种独立实施的实施例中,在所述结合各资源主题数据分别绑定的所述第一量化结果数据和第二在先设定的判定值,确定所述标准定位样本在在先设定的片段中合法或异常的频率之前,还包括确定所述第二在先设定的判定值的步骤:结合所述关键描述事项,确定所述数据标签的第二在先设定的位置情况的第二节点描述数据;结合所述第二节点描述数据,确定所述数据标签与分析所述关键描述事项绑定的目标数据集的智能分析系统之间的第二量化结果数据;结合所述第二量化结果数据,确定所述第二在先设定的判定值。
在一种独立实施的实施例中,所述结合所述资源主题数据中每一个数据标签的局部描述,确定每一个数据标签在在先设定的片段中执行在先设定的匹配的频率,包括:结合所述关键描述事项,确定每一个数据标签的局部绑定的局部数据集;针对每一个数据标签,结合所述数据标签绑定的局部数据集,确定所述局部数据集中的每一组局部数据中所述数据标签是否执行了在先设定的匹配,得到筛选结果;结合所述筛选结果,确定所述数据标签在在先设定的片段中执行在先设定的匹配的频率。
在一种独立实施的实施例中,所述方法还包括:响应于不存在所述资源描述属性,或未获得到所述资源描述属性,结合所述资源主题集中的资源数据,确定所述互动资源主题绑定的关键词指示数据及所述互动资源数据;结合所述关键词指示数据,确定互动资源主题以及所述互动资源主题的关键事件描述内容。
第二方面,提供一种基于人工智能的智慧园区资源匹配度分析系统,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基于人工智能的智慧园区资源匹配度分析方法及系统,在本实施例中通过数据筛选的方式能够比较精确地确定了互动资源主题的关键事件,之后结合互动资源主题的关键事件,能够将确定的互动资源数据与互动资源主题对应匹配情况,改善了资源主题分析的不同种类的匹配情况,后续在进行分析数据的搜寻时,可以快速的搜寻到任意一个指定属性的资源主题分析,提升了资源主题分析的准确性和可靠性。
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基于人工智能的智慧园区资源匹配度分析方法的流程图。
图2为本申请实施例所提供的一种基于人工智能的智慧园区资源匹配度分析装置的框图。
图3为本申请实施例所提供的一种基于人工智能的智慧园区资源匹配度分析系统的架构图。
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,示出了一种基于人工智能的智慧园区资源匹配度分析方法,该方法可以包括以下S110-S130所描述的技术方案。
S110、获得互动资源主题绑定的资源描述属性。
在获得以上资源描述属性之后,需要首先确定互动资源主题。在确定互动资源主题时,可以通过对资源主题集中的资源主题数据进行卷积处理的步骤来确定。通过资源主题集中的资源数据来确定,也可以通过属性筛选和数据筛选共同作用下的步骤来确定。另外,还可以通过已经配置好的AI线程来对对资源主题集中的资源主题数据进行筛选来确定互动资源主题。以上互动资源数据可以包括互动资源主题的资源数据、所述资源数据切换后属性数据、互动资源主题绑定的资源描述属性等,本申请对此不进行一一限定。
以上资源描述属性可以包括互动资源主题绑定的数据、所述互动资源主题绑定的数据集等,本申请对此不进行一一限定。
以上资源描述属性可以是只包括互动资源主题的资源描述属性,也可以是包括互动资源主题以及互动资源主题应用场景的资源描述属性,还可以是仅包括互动资源主题的指定位置情况的资源描述属性,还可以是包括全局资源主题集的资源描述属性,本申请对此不进行一一限定。
以资源数据、属性数据等作为互动资源数据,能够提高资源主题分析结果的多样性,将数据、数据集等作为资源描述属性有利于提升关键事件筛选的可靠性,同时能够提高资源描述属性的多样性。
S120、结合所述资源描述属性,确定所述互动资源主题的关键事件描述内容。
示例性的,在确定了资源描述属性之后,基于互动资源主题的资源描述属性,可以确定互动资源主题的关键事件描述内容,该关键事件描述内容可以是事先为互动资源主题配置好的,也可以是在第一次通过数据筛选到互动资源主题时确定的。
举例而言,抽取所述资源描述属性绑定的数据的数据描述,确定抽取到的数据描述与每一个数据标签的事先存储数据描述之间的关联程度,并将关联度最佳并且超过在先设定的判定值的属性的关键事件描述内容作为互动资源主题的关键事件描述内容。其中,每一个事先存储数据描述逐一关联一个关键事件描述内容。
S130、获得所述互动资源主题的互动资源数据,并构建所述互动资源数据与所述关键事件描述内容之间的第一匹配情况,以结合所述第一匹配情况,生成所述互动资源主题绑定的资源主题分析结果。
通过第一匹配情况,能够高效地搜索到任意一个关键事件描述内容绑定的互动资源主题的互动资源数据。通过以上步骤可以为一次资源主题中的如果干个互动资源主题构建第一匹配情况以及绑定的资源主题分析结果。在本实施例中,利用数据筛选的方式能够比较精确地确定了互动资源主题的关键事件,之后结合互动资源主题的关键事件,能够将确定的互动资源数据与互动资源主题对应匹配情况,改善了资源主题分析的不同种类的匹配情况,后续在进行分析数据的搜寻时,可以快速的搜寻到任意一个指定属性的资源主题分析,提升了资源主题分析的准确性和可靠性。
在一种可能的实施例中,可以通过以下步骤获得互动资源主题绑定的资源描述属性:首先,获得资源主题集中的资源数据;之后结合所述资源数据,确定所述互动资源主题在所述资源主题集中所处定位的定位数据;最终,结合所述定位数据,从所述资源主题集绑定的关键描述事项中获得所述互动资源主题绑定的资源描述属性。
利用属性收集智能分析系统收集资源主题集中的资源数据,之后基于收集到的资源数据绑定的数据处理维度,可以确定互动资源主题所在的大概范围,该大概范围即为以上定位数据。之后可以通过修正记录智能分析系统优化等步骤来分析以上定位数据绑定的集的数据或数据集,得到以上资源描述属性。在确定以上定位数据之后,也可以基于的定位数据,从已经获得的全局资源主题集的关键描述事项中获得互动资源主题绑定的资源描述属性。
通过数据筛选技术对以上资源描述属性进行处理,可以确定互动资源主题。这里通过资源描述属性确定互动资源主题的具体实施步骤与以下利用关键描述事项筛选互动资源主题的步骤一致。
在本实施例中,通过资源数据能够比较精确地确定互动资源主题所处的同一片段,即以上定位数据;通过该片段中的资源描述属性,从而能够精确地确定互动资源主题,并行地该资源描述属性绑定的集相对于全局资源主题集,片段相对比较小,有效地削弱了需要进行数据处理的工作量,提升了处理速度。
根据以上内容,资源主题分析结果中除了可以包括属性数据和资源数据,还可以包括资源描述属性,在具体实施过程中,可以通过以下内容将资源描述属性加载到资源主题分析结果中:构建所述资源描述属性与所述关键事件描述内容之间的第二匹配情况;结合所述互动资源数据、所述关键事件描述内容、所述资源描述属性、所述第一匹配情况以及所述第二匹配情况,生成所述互动资源主题绑定的资源主题分析结果。
将资源描述属性作为资源主题分析的一个指示,提高了资源主题分析结果的多样性,以及资源主题分析结果的准确性。
根据以上内容,根据以上第一匹配情况和第二匹配情况,可以快速且可靠地确定任意一个关键事件描述内容绑定的属性的互动资源数据和资源描述属性,即资源主题分析结果。
在资源主题中,一些互动资源主题描述内容描述的不太清楚,此时可以不匹配情况该互动资源主题的资源描述属性,即不将这些互动资源主题的资源描述属性加载如资源主题分析结果中。另外对于描述内容描述的不太清楚的互动资源主题也可以不用收集互动资源主题的资源描述属性,提高记录智能分析系统优化的精确性。
举例而言,可以通过以下内容进一步地优化资源描述属性的匹配情况:首先,确定所述互动资源主题的互动资源周期;之后,在所述互动资源周期超过在先设定的周期的基础上,构建所述互动资源主题绑定的资源描述属性与所述关键事件描述内容之间的第二匹配情况;在所述互动资源周期不大于在先设定的周期的基础上,不构建所述互动资源主题绑定的资源描述属性与所述关键事件描述内容之间的第二匹配情况。如果构建了第二匹配情况,即可基于构建的第二匹配情况生成包括资源描述属性的资源主题分析结果;如果未构建第二匹配情况,那么构建的资源主题分析结果不包括资源描述属性。
举例而言,可以通过收集的互动资源主题的资源数据确定过互动资源主题的互动资源周期,也可以通过收集的互动资源主题的资源描述属性,确定互动资源主题的互动资源周期。这里的资源描述属性需要为属性数据集,只通过属性的任意一个张属性数据不能确定互动资源周期。
将描述内容详细的互动资源主题的资源描述属性作为资源主题分析结果,而将描述内容描述的不太清楚互动资源主题的资源描述属性不作为资源主题分析结果,从而能够提升分析的资源描述属性的准确性。
加载到资源主题分析结果中的资源描述属性可以是直接收集得到的资源描述属性,也可以是收集得到的资源描述属性进行处理后的局部资源描述属性。举例而言,可以通过以下内容实现:首先,对所述资源描述属性绑定的数据进行筛选,确定所述互动资源主题的局部对应局部资源描述属性;之后,构建所述局部资源描述属性与所述关键事件描述内容之间的第二匹配情况。
仅将互动资源主题的局部绑定的局部资源描述属性作为资源主题分析结果,能够有效地缓解分析的工作量,提升分析的数据的准确性。
为了增加资源主题分析结果的多样性,还可以将互动资源主题绑定的关键词指示数据更新。举例而言,可以通过以下方式实现:首先,结合所述互动资源数据中的资源数据,确定所述互动资源主题绑定的关键词指示数据;之后,构建所述关键词指示数据与所述关键事件描述内容之间的第三匹配情况;最终,结合所述互动资源数据、所述关键事件描述内容、述关键词指示数据、所述第一匹配情况以及所述第三匹配情况,生成所述互动资源主题绑定的资源主题分析结果。
以上关键词指示数据可以包括互动资源主题的关键词描述数据;所述互动资源主题的关键词标签数据中的其中一种。关键词描述数据可以是对互动资源主题的资源数据进行关键词描述抽取得到的。关键词描述数据和/或关键词标签数据能够比较精确和可靠的表示互动资源主题关键词指示描述。
将关键词指示数据作为资源主题分析结果的一个部分,提升了资源主题分析结果的多样性、可信度以及准确性。
为了添加资源主题分析结果的多样性,可以将资源描述属性、关键词指示数据同时加载到资源主题分析结果中。可以通过以下方式实现:结合所述互动资源数据、所述关键事件描述内容、关键词指示数据、资源描述属性、所述第一匹配情况、所述第二匹配情况以及所述第三匹配情况,生成所述互动资源主题绑定的资源主题分析结果。以上资源描述属性可以用以上的局部资源描述属性更新。
在一种可能的实施例中,可以通过在资源主题集中分析的大范围内的数据集来筛选互动资源主题以及获得互动资源主题的资源描述属性,具体可以通过以下方式实现:首先,获得所述资源主题绑定的资源主题集中的关键描述事项,并从所述关键描述事项中获得不少于一组资源主题数据;之后,结合所述资源主题数据中每一个数据标签的局部描述,确定每一个数据标签在在先设定的片段中执行在先设定的匹配的频率;最终将超过第一在先设定的判定值的所述频率绑定的数据标签作为所述互动资源主题,并从所述互动资源主题所属资源主题数据中获得所述互动资源主题绑定的资源描述属性。分析关键描述事项绑定的数据集的智能分析系统既可以是要执行显著性操作的以下记录智能分析系统,也可以是随机可以分析到资源主题集中的数据集的智能分析系统。
数据标签为要校验是否执行了操作行为的属性,在校验之前首先需要结合关键描述事项,筛选目标数据集中其中一部分数据标签;在筛选到数据标签之后,结合数据标签的局部描述,确定每一个数据标签在在先设定的片段中执行在先设定的匹配的频率,以及确定互动资源主题。
在筛选到数据标签之后,还可以通过配置好的线程确定每一个数据标签是否执行了操作行为,从而实现从所述数据标签中挑选出互动资源主题。
举例而言,在筛选数据标签和/或校验数据标签在在先设定的片段中执行在先设定的匹配的频率校验时可以利用配置好的线程来实现,该线程在配置时利用包括不同的数据标签的若干个范例数据经过若干次更新来实现。配置好的线程校验准确性较高,能够比较精确地筛选出目标数据集中数据标签和比较精确地确定数据标签在在先设定的片段中执行在先设定的匹配的频率。
举例而言,也可以确定执行在先设定的匹配的位置情况,之后通过数据校验的方式,对执行在先设定的匹配的位置情况进行校验,通过校验结果来确定数据标签在在先设定的片段中执行在先设定的匹配的频率。
在一种可能的实施例中,可以通过以下内容以确定所述数据标签在在先设定的片段中执行在先设定的匹配的频率,包括:首先,结合所述关键描述事项,确定每一组资源主题数据中所述数据标签的第一在先设定的位置情况的第一节点描述数据;之后,结合每一组资源主题数据绑定的所述第一节点描述数据,确定所述第一在先设定的位置情况在在先设定的片段中执行在先设定的匹配的频率。第一在先设定的位置情况为数据标签执行在先设定的匹配的位置情况,因此,第一节点描述数据包括标准定位样本的重要描述数据。
第一在先设定的位置情况与在先设定的匹配相对应,是执行在先设定的匹配的位置情况,比如,在在先设定的匹配为合法或异常时,在先设定的位置情况可以是标准定位样本,因此通过第一在先设定的位置情况的第一节点描述数据,能够比较精确地确定第一在先设定的位置情况在在先设定的片段中执行在先设定的匹配的频率。
举例而言,可以通过以下方式实现确定第一在先设定的位置情况在在先设定的片段中执行在先设定的匹配的频率:首先,针对每一组资源主题数据,结合该数据绑定的所述标准定位样本的重要描述数据,确定所述标准定位样本的两个目标重要描述之间的第一量化结果数据;之后,结合各资源主题数据绑定的所述第一量化结果数据和第二在先设定的判定值,确定所述标准定位样本在在先设定的片段中合法或异常的频率。
标准定位样本的两个指定的重要描述,即以上目标重要描述之间的量化结果会由于标准定位样本的匹配情况的不一致而存在差异,并且在合法和异常的情况下逐一会属于一定的量化结果范围内,因此基于两个目标重要描述之间的第一量化结果数据可以确定标准定位样本的情况,结合持续若干种数据中标准定位样本的情况,可以确定标准定位样本在在先设定的片段中合法或异常的频率。
以上结合确定标准定位样本的重要描述数据,能够精确地确定所述标准定位样本的两个目标重要描述之间的第一量化结果数据,精确的第一量化结果数据有利于提升确定的以上频率的可信度。
分析关键描述事项绑定的目标数据集的智能分析系统与数据标签之间的量化结果直接干扰确定的第一量化结果数据,而只有第二在先设定的判定值与以上量化结果相关联时,才能结合第一量化结果数据和第二在先设定的判定值精确地确定标准定位样本在在先设定的片段中合法或异常的频率;比如,分析目标数据集的智能分析系统与数据标签的量化结果比较小时,确定的第一量化结果数据绑定的量化结果高,此时需要将第二在先设定的判定值配置的比较大,否则可能会导致异常的确定以上频率。举例而言,可以通过以下方式确定以上第二在先设定的判定值:(1)、结合所述关键描述事项,确定所述数据标签的第二在先设定的位置情况的第二节点描述数据。
可以理解的是,从关键描述事项中随机一个资源主题数据,对该数据进行校验,确定数据标签的第二在先设定的位置情况的第二节点描述数据。
进一步地,本申请对第二在先设定的位置情况不进行一一限定,第二在先设定的位置情况可以与第一在先设定的位置情况一致,也可以是数据标签的剩余位置情况。
(2)、结合所述第二节点描述数据,确定所述数据标签与分析所述目标数据集的智能分析系统之间的第二量化结果数据。
激励而言,利用局部重要描述数据,确定数据标签与分析所述目标数据集的智能分析系统之间的第二量化结果数据。
(3)、结合所述第二量化结果数据,确定所述第二在先设定的判定值。
举例而言,第二量化结果数据绑定的量化结果较高时,第二在先设定的判定值配置的较低,第二量化结果数据绑定的量化结果较低时,第二在先设定的判定值配置的较高。
根据以上实施方式结合第二在先设定的位置情况的第二节点描述数据能够比较精确地确定数据标签与分析所述目标数据集的智能分析系统之间的第二量化结果数据,在比较准确的第二量化结果数据的前提下,能够比较精确地确定以上第二量化结果判定值,从而有利于提升确定的以上频率的可靠性。
在一种可能的实施例中,还可以通过以下方式实现以上结合所述资源主题数据中每一个数据标签的局部描述,确定每一个数据标签在在先设定的片段中执行在先设定的匹配的频率:首先,结合所述关键描述事项,确定每一个数据标签的局部绑定的局部数据集;之后,针对每一个数据标签,结合所述数据标签绑定的局部数据集,得到所述局部数据集中的每一组局部数据中所述数据标签是否执行了在先设定的匹配,得到筛选结果;举例而言,可以将所述局部数据集输入配置好的匹配筛选线程,确定所述局部数据集中的每一组局部数据中所述数据标签是否执行了在先设定的匹配,得到筛选结果;最终,结合所述筛选结果,确定所述数据标签在在先设定的片段中执行在先设定的匹配的频率。
以上局部数据集包括若干组局部数据,局部数据可以是通过从关键描述事项的数据中截取的第二在先设定的位置情况的数据集来得到的。以上匹配筛选线程是通过大量的范例数据经过若干次更新配置得到的,所以,其校验准确性较高,利用以上配置好的匹配筛选线程能够比较精确地确定数据标签是否执行了在先设定的匹配,从而,能够比较精确地确定数据标签在在先设定的片段中执行在先设定的匹配的频率;另外,在本实施例中是在目标数据集中抽取了包括局部数据集的局部数据集来进行校验,并非直接利用全局数据来进行校验,该方式能够有效地缓解数据的处理量化,从而提升校验速度。
在所述筛选所述目标数据集中的数据标签之后或筛选数据标签的过程中,为每一个数据标签配置关键事件描述内容。
在上述基础上,请结合参阅图2,提供了一种基于人工智能的智慧园区资源匹配度分析装置200,应用于基于人工智能的智慧园区资源匹配度分析系统,所述装置包括:
内容确定模块210,用于获得互动资源主题绑定的资源描述属性;结合所述资源描述属性,确定所述互动资源主题的关键事件描述内容;
结果分析模块220,用于获得所述互动资源主题的互动资源数据,并构建所述互动资源数据与所述关键事件描述内容之间的第一匹配情况,以结合所述第一匹配情况,生成所述互动资源主题绑定的资源主题分析结果。
在上述基础上,请结合参阅图3,示出了一种基于人工智能的智慧园区资源匹配度分析系统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,在本实施例中通过数据筛选的方式能够比较精确地确定了互动资源主题的关键事件,之后结合互动资源主题的关键事件,能够将确定的互动资源数据与互动资源主题对应匹配情况,改善了资源主题分析的不同种类的匹配情况,后续在进行分析数据的搜寻时,可以快速的搜寻到任意一个指定属性的资源主题分析,提升了资源主题分析的准确性和可靠性。
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 (6)
1.一种基于人工智能的智慧园区资源匹配度分析方法,其特征在于,应用于智能分析系统,所述方法至少包括:
获得互动资源主题绑定的资源描述属性;结合所述资源描述属性,确定所述互动资源主题的关键事件描述内容;
获得所述互动资源主题的互动资源数据,并构建所述互动资源数据与所述关键事件描述内容之间的第一匹配情况,以结合所述第一匹配情况,生成所述互动资源主题绑定的资源主题分析结果;
其中,所述获得互动资源主题绑定的资源描述属性,包括:获得资源主题集中的资源数据;结合所述资源数据,确定所述互动资源主题在所述资源主题集中所处定位的定位数据;结合所述定位数据,从所述资源主题集绑定的关键描述事项中获得所述互动资源主题绑定的资源描述属性;
其中,所述获得互动资源主题绑定的资源描述属性,包括:
获得所述资源主题集绑定的关键描述事项,并从所述关键描述事项中获得不少于一组资源主题数据;结合所述资源主题数据中每一个数据标签的局部描述,确定每一个数据标签在在先设定的片段中执行在先设定的匹配的频率;
将超过第一在先设定的判定值的所述频率绑定的数据标签作为所述互动资源主题,并从所述互动资源主题所属资源主题数据中获得所述互动资源主题绑定的资源描述属性;
其中,所述互动资源主题的互动资源数据包括以下其中一种:所述互动资源主题的资源数据、所述资源数据绑定的属性数据;所述资源描述属性包括以下其中一种:所述互动资源主题绑定的数据、所述互动资源主题绑定的数据集;
其中,所述结合所述第一匹配情况,生成所述互动资源主题绑定的资源主题分析结果,包括:构建所述资源描述属性与所述关键事件描述内容之间的第二匹配情况;结合所述第一匹配情况以及所述第二匹配情况,生成所述互动资源主题绑定的资源主题分析结果;
其中,所述构建所述资源描述属性与所述关键事件描述内容之间的第二匹配情况,包括如下其中一种:
确定所述互动资源主题的互动资源周期;
在所述互动资源周期超过在先设定的周期的基础上,构建所述互动资源主题绑定的资源描述属性与所述关键事件描述内容之间的第二匹配情况;
对所述资源描述属性绑定的数据进行筛选,确定所述互动资源主题的局部对应局部资源描述属性;构建所述局部资源描述属性与所述关键事件描述内容之间的第二匹配情况;
其中,所述互动资源数据包括所述互动资源主题的资源数据;所述结合所述第一匹配情况,生成所述互动资源主题绑定的资源主题分析结果,包括:
结合所述资源数据,确定所述互动资源主题绑定的关键词指示数据;构建所述关键词指示数据与所述关键事件描述内容之间的第三匹配情况;结合所述第一匹配情况以及所述第三匹配情况,生成所述互动资源主题绑定的资源主题分析结果;
其中,所述关键词指示数据包括以下其中一种:所述互动资源主题的关键词描述数据;所述互动资源主题的关键词标签数据。
2.如据权利要求1所述的方法,其特征在于,确定所述数据标签在在先设定的片段中执行在先设定的匹配的频率,包括:分别确定所述数据标签的第一在先设定的位置情况,在所属的每一组资源主题数据中的第一节点描述数据;结合每一组资源主题数据绑定的所述第一节点描述数据,确定所述第一在先设定的位置情况在在先设定的片段中执行在先设定的匹配的频率。
3.如据权利要求2所述的方法,其特征在于,所述第一在先设定的位置情况包括标准定位样本;所述在先设定的匹配包括合法或异常;所述第一节点描述数据包括标准定位样本的重要描述数据;所述结合每一组资源主题数据绑定的所述第一节点描述数据,确定所述第一在先设定的位置情况在在先设定的片段中执行在先设定的匹配的频率,包括:针对每一组资源主题数据,结合所述资源主题数据绑定的所述标准定位样本的重要描述数据,确定所述标准定位样本的两个目标重要描述之间的第一量化结果数据;结合各资源主题数据分别绑定的所述第一量化结果数据和第二在先设定的判定值,确定所述标准定位样本在在先设定的片段中合法或异常的频率。
4.如据权利要求3所述的方法,其特征在于,在所述结合各资源主题数据分别绑定的所述第一量化结果数据和第二在先设定的判定值,确定所述标准定位样本在在先设定的片段中合法或异常的频率之前,还包括确定所述第二在先设定的判定值的步骤:结合所述关键描述事项,确定所述数据标签的第二在先设定的位置情况的第二节点描述数据;结合所述第二节点描述数据,确定所述数据标签与分析所述关键描述事项绑定的目标数据集的智能分析系统之间的第二量化结果数据;结合所述第二量化结果数据,确定所述第二在先设定的判定值。
5.如据权利要求1所述的方法,其特征在于,所述结合所述资源主题数据中每一个数据标签的局部描述,确定每一个数据标签在在先设定的片段中执行在先设定的匹配的频率,包括:结合所述关键描述事项,确定每一个数据标签的局部绑定的局部数据集;针对每一个数据标签,结合所述数据标签绑定的局部数据集,确定所述局部数据集中的每一组局部数据中所述数据标签是否执行了在先设定的匹配,得到筛选结果;结合所述筛选结果,确定所述数据标签在在先设定的片段中执行在先设定的匹配的频率;
其中,所述方法还包括:响应于不存在所述资源描述属性,或未获得到所述资源描述属性,结合所述资源主题集中的资源数据,确定所述互动资源主题绑定的关键词指示数据及所述互动资源数据;结合所述关键词指示数据,确定互动资源主题以及所述互动资源主题的关键事件描述内容。
6.一种基于人工智能的智慧园区资源匹配度分析系统,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1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111649123.4A CN114329116B (zh) | 2021-12-31 | 2021-12-31 | 基于人工智能的智慧园区资源匹配度分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111649123.4A CN114329116B (zh) | 2021-12-31 | 2021-12-31 | 基于人工智能的智慧园区资源匹配度分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114329116A CN114329116A (zh) | 2022-04-12 |
CN114329116B true CN114329116B (zh) | 2022-09-02 |
Family
ID=81019444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111649123.4A Active CN114329116B (zh) | 2021-12-31 | 2021-12-31 | 基于人工智能的智慧园区资源匹配度分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114329116B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994668B (zh) * | 2023-02-16 | 2023-06-20 | 浙江非线数联科技股份有限公司 | 智慧社区资源管理系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336784B (zh) * | 2013-06-04 | 2016-04-20 | 百度在线网络技术(北京)有限公司 | 一种用于确定资源的优选资源描述信息的方法与设备 |
US20150356171A1 (en) * | 2014-06-05 | 2015-12-10 | Harmon.Ie R&D Ltd. | System and method for cross-cloud topic matching |
CN112685607A (zh) * | 2020-12-31 | 2021-04-20 | 车主邦(北京)科技有限公司 | 主题库信息的处理方法及装置 |
CN113011753A (zh) * | 2021-03-23 | 2021-06-22 | 钟建昆 | 基于人工智能与大数据的智慧园区管理方法及云平台系统 |
CN113780847A (zh) * | 2021-09-16 | 2021-12-10 | 苏州绿萃筑信息科技有限公司 | 基于物联网的智慧社区信息处理方法及服务器 |
-
2021
- 2021-12-31 CN CN202111649123.4A patent/CN114329116B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114329116A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113239229A (zh) | 一种智能筛选数据处理方法、系统及云平台 | |
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 | |
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 | |
CN115641176B (zh) | 一种数据分析方法及ai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 | |
CN115481197A (zh) | 一种分布式数据处理方法、系统及云平台 | |
CN115473822A (zh) | 一种5g智能网关数据传输方法、系统及云平台 | |
CN114691830B (zh) | 一种基于大数据的网络安全分析方法及系统 | |
CN114661980B (zh) | 一种网页数据推送方法、系统及云平台 | |
CN114637994B (zh) | 基于人工智能的网络安全数据获取方法、系统及云平台 | |
CN115455070A (zh) | 一种电流信号的数据管控方法及系统 | |
CN114358420B (zh) | 基于产业生态的业务工作流程智能优化方法及系统 | |
CN114281815A (zh) | 一种产业创新资源数据分析方法及系统 | |
CN114662861A (zh) | 基于人工智能的设备点检人员配置方法及系统 | |
CN114356961A (zh) | 基于大数据的资源检索方法及系统 | |
CN114139552A (zh) | 基于大数据的可视化智能数据挖掘方法及系统 | |
CN115455406A (zh) | 一种网络信息的风险检测方法及系统 | |
CN114139870A (zh) | 基于人工智能的智能建筑管理方法及系统 | |
CN114911850A (zh) | 一种基于虚拟现实的磁悬浮失重控制方法及系统 | |
CN114970507A (zh) | 基于元宇宙的特征识别方法及系统 | |
CN115357925A (zh) | 一种加密处理方法、系统及云平台 | |
CN114863585A (zh) | 一种车辆智能测试监控系统、方法及云平台 | |
CN114329209A (zh) | 结合创新资源数据的画像分析方法及系统 | |
CN116126930A (zh) | 基于大数据分析的生产过程工艺监控方法及系统 | |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |