CN114663071A - 一种科技项目数据在线处理的方法及系统 - Google Patents

Abstract

本申请提供的一种科技项目数据在线处理的方法及系统，通过将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，以得到当前科技项目数据对应的科技项目标签信息。并根据科技项目标签信息中的每一个项目属性的关键词解析得到当前科技项目数据中的项目主题数据集，再将当前科技项目数据的项目主题数据集与当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定当前科技项目数据的目标数据集。如此，能够精准定位当前科技项目数据的目标数据集，以便后续利用目标数据集进行高效快速的科技项目业务分析，减少目标数据集中的冗余数据的占比。

Description

一种科技项目数据在线处理的方法及系统

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种科技项目数据在线处理的方法及系统。

背景技术

随着互联网的不断发展和进步，相关科技项目数据可以通过互联网的方式进行实时采集，这样一来，能够最大程度的提高相关科技项目数据采集效率，能够有效地降低人工成本。但是，在接收到的相关科技项目数据时，可能存在相关科技项目数据出现误差的情况，从而可能会导致无法准确地确定相关数据集的问题，因此，需要一种有效的方案解决上述问题。

发明内容

鉴于此，本申请提供了一种科技项目数据在线处理的方法及系统。

第一方面，提供一种科技项目数据在线处理的方法，应用于科技项目数据在线处理系统，所述方法包括：

将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，得到所述当前科技项目数据对应的科技项目标签信息；

基于所述科技项目标签信息中的每一个项目属性的关键词解析得到所述当前科技项目数据中的项目主题数据集；

将所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定所述当前科技项目数据的目标数据集；将所述当前科技项目数据的目标数据集传输至科技项目客户端。

在一种独立实施的实施例中，所述项目主题挖掘线程根据事先接收的携带项目任务信息的参考信息通过AI智能线程配置所得。

在一种独立实施的实施例中，所述项目主题挖掘线程包括第一子线程、第二子线程、第三子线程以及第四子线程；所述将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，得到所述当前科技项目数据对应的科技项目标签信息的步骤，包括：

分别通过所述第一子线程和第二子线程对所述当前科技项目数据进行描述识别处理，得到所述当前科技项目数据的描述内容；

通过所述第三子线程对所述描述内容进行内容挖掘及内容拼接处理，得到所述当前科技项目数据的内容拼接信息；

通过所述第四子线程对所述内容拼接信息进行描述识别处理及特征扩展处理，得到所述当前科技项目数据对应的科技项目标签信息。

在一种独立实施的实施例中，所述第一子线程包括若干第一局部特征提取单元及若干第二局部特征提取单元，第一局部特征提取单元和第二局部特征提取单元循环配置，连续两个第一局部特征提取单元之间存在不少于一个第二局部特征提取单元，所述第二子线程包括若干逐一连接的第三局部特征提取单元；所述分别通过所述第一子线程和第二子线程对所述当前科技项目数据进行描述识别处理得到所述当前科技项目数据的描述内容的步骤，包括：

将所述当前科技项目数据的信息逐一加载至所述第一子线程中的第一局部特征提取单元和第二局部特征提取单元进行描述识别处理，得到第一显著性描述信息；

将所述第一显著性描述信息逐一加载至所述第二子线程中的若干第三局部特征提取单元进行滑动平均处理，得到所述当前科技项目数据的描述内容；其中，每个所述第一局部特征提取单元对加载至的信息进行描述识别处理得到对应的第一滑动平均描述内容，将该第一滑动平均描述内容输出到该第一局部特征提取单元的下一局部特征提取单元；每个所述第二局部特征提取单元对加载至的信息进行内容挖掘后得到第二滑动平均描述内容，并将该第二滑动平均描述内容以及加载至该第二局部特征提取单元的信息一并输出到下一局部特征提取单元；每个所述第三局部特征提取单元对加载至的信息进行描述识别处理得到对应的第三滑动平均描述内容，将该第三滑动平均描述内容输出到该第三局部特征提取单元的下一局部特征提取单元。

在一种独立实施的实施例中，所述第三子线程包括若干第四局部特征提取单元以及一个第五局部特征提取单元；所述通过所述第三子线程对所述当前科技项目数据的描述内容进行内容挖掘及内容拼接处理，得到所述当前科技项目数据的内容拼接信息的步骤，包括：

将所述当前科技项目数据的描述内容加载至至每个所述第四局部特征提取单元分别进行内容挖掘处理得到若干第四滑动平均描述内容，并将得到的各第四滑动平均描述内容输出到所述第五局部特征提取单元；所述第五局部特征提取单元对每个所述第四滑动平均描述内容进行内容拼接处理，得到所述当前科技项目数据的内容拼接信息。

在一种独立实施的实施例中，所述第四子线程包括特征扩展单元以及第六局部特征提取单元，该第六局部特征提取单元分别连接至所述特征扩展单元以及所述第一子线程中的其中一个第一局部特征提取单元或其中一个第二局部特征提取单元；所述通过所述第四子线程对所述当前科技项目数据的内容拼接信息进行描述识别处理及特征扩展处理，得到所述当前科技项目数据对应的科技项目标签信息的步骤，包括：

将所述当前科技项目数据的内容拼接信息加载至所述特征扩展单元进行特征扩展处理得到目标信息并输出到所述第六局部特征提取单元；所述第六局部特征提取单元接收所连接的第一局部特征提取单元输出的第一滑动平均描述内容或第二局部特征提取单元输出的第二滑动平均描述内容以及所述特征扩展单元输出的目标信息，对接收到的信息进行全局处理得到全局信息，并对所述全局信息进行描述识别处理得到所述当前科技项目数据对应的科技项目标签信息。

在一种独立实施的实施例中，所述基于所述科技项目标签信息中的每一个项目属性的关键词解析得到所述当前科技项目数据的项目主题数据集的步骤，包括：

利用目标约束条件标记所述科技项目标签信息中关键词为第一数值的全部项目属性；

基于所述目标约束条件内关键词为第一数值的项目属性在所述目标约束条件的全部项目属性中的比例，判断所述科技项目标签信息中是否携带项目主题数据集；

如果携带项目主题数据集，则基于所述科技项目标签信息中的项目主题数据集解析得到所述当前科技项目数据的项目主题数据集。

在一种独立实施的实施例中，所述利用目标约束条件标记所述科技项目标签信息中关键词为第一数值的全部项目属性的步骤，包括：

获取所述科技项目标签信息中关键词为第一数值的全部项目属性中分别在第一维度和第二维度存在显著性差异度的项目属性，其中，该显著性差异度包括最大显著性差异度和最小显著性差异度；

基于获取到的存在显著性差异度的项目属性在所述科技项目标签信息中的分布确定目标约束条件，该目标约束条件的各条件特征匹配其中一个存在显著性差异度的项目属性。

在一种独立实施的实施例中，所述基于所述目标约束条件内关键词为第一数值的项目属性在所述目标约束条件的全部项目属性中的比例，判断所述科技项目标签信息中是否携带项目主题数据集的步骤，包括：

确定所述目标约束条件内由关键词为第一数值的项目属性组成的数据集的第一数据量，并确定所述目标约束条件的第二数据量；

确定所述第一数据量与所述第二数据量之间的量化比较结果；

在所述量化比较结果大于事先设置的标准值时，确定所述科技项目标签信息中关键词为第一数值的项目属性形成的数据集为项目主题数据集。

在一种独立实施的实施例中，所述将所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定所述当前科技项目数据的目标数据集的步骤，包括：

确定得到所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集之间的状态变化量化评价；

在所述状态变化量化评价不大于设定量化评价时，基于所述前一组科技项目数据的项目主题数据集的状态信息在所述当前科技项目数据中解析得到目标数据集；

在所述状态变化量化评价大于所述设定量化评价时，将所述当前科技项目数据的项目主题数据集作为所述目标数据集。

在一种独立实施的实施例中，所述确定得到所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集之间的状态变化量化评价的步骤，包括：

利用相同拆解策略分别将所述当前科技项目数据的项目主题数据集拆解为若干第一子数据集，将所述前一组科技项目数据的项目主题数据集拆解为若干第二子数据集；

对于每个所述第一子数据集，确定得到所述第一子数据集的关键描述与对应的第二子数据集的关键描述之间的状态变化量化评价。

第二方面，提供一种科技项目数据在线处理的系统，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一种科技项目数据在线处理的方法及系统，通过将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，以得到当前科技项目数据对应的科技项目标签信息。并根据科技项目标签信息中的每一个项目属性的关键词解析得到当前科技项目数据中的项目主题数据集，再将当前科技项目数据的项目主题数据集与当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定当前科技项目数据的目标数据集。如此，能够精准定位当前科技项目数据的目标数据集，以便后续利用目标数据集进行高效快速的科技项目业务分析，减少目标数据集中的冗余数据的占比。

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科技项目数据在线处理的方法的流程图。

图2为本申请实施例所提供的一种科技项目数据在线处理的装置的框图。

图3为本申请实施例所提供的一种科技项目数据在线处理的系统的架构图。

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，示出了一种科技项目数据在线处理的方法，该方法可以包括以下STEP210-STEP240所描述的技术方案。

STEP210，将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，得到所述当前科技项目数据对应的科技项目标签信息。

示例性的，项目主题挖掘线程可以理解为AI人工智能网络。进一步地，科技项目标签信息用于表征在线收集的采集的科技项目种类。

STEP220，基于所述科技项目标签信息中的每一个项目属性的关键词解析得到所述当前科技项目数据中的项目主题数据集。

举例而言，关键词用于表征项目属性中的关键特征。进一步地，项目主题数据用于表征科技项目数据中的主要题材。

STEP230，将所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定所述当前科技项目数据的目标数据集。

示例性的，差异分析可以理解为对项目主题数据集进行对比区分。

STEP240，将所述当前科技项目数据的目标数据集传输至科技项目客户端。

在本实施例中，在STEP210中，可通过数据接收平台实时接收项目任务在处理过程中的当前科技项目数据，该当前科技项目数据中可能携带项目任务信息。可将接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，以得到当前科技项目数据对应的科技项目标签信息。其中，项目主题挖掘线程根据事先接收的携带项目任务信息的参考信息对AI智能线程进行配置而获得。

进一步地，在将当前科技项目数据加载至项目主题挖掘线程进行挖掘之前，可以先对当前科技项目数据进行初步处理。在本实施例中，根据AI智能线程配置得到的项目主题挖掘线程包括第一子线程、第二子线程、第三子线程以及第四子线程，子线程可以理解为子模型或者网络层，在结合上述STEP210中描述的内容可以通过以下步骤获得当前科技项目数据对应的科技项目标签信息。

STEP211，分别通过所述第一子线程和第二子线程对所述当前科技项目数据进行描述识别处理，得到所述当前科技项目数据的描述内容。

STEP212，通过所述第三子线程对所述描述内容进行内容挖掘及内容拼接处理，得到所述当前科技项目数据的内容拼接信息。

STEP213，通过所述第四子线程对所述内容拼接信息进行描述识别处理及特征扩展处理，得到所述当前科技项目数据对应的科技项目标签信息。

在本实施例中，第一子线程包括若干第一局部特征提取单元（可以理解为卷积神经模型/卷积层）及若干第二局部特征提取单元，第一局部特征提取单元和第二局部特征提取单元循环配置。其中，连续两个第一局部特征提取单元之间存在不少于一个第二局部特征提取单元，第二子线程包括若干逐一连接的第三局部特征提取单元。

在上述STEP211中，在分别利用第一子线程和第二子线程对当前科技项目数据进行描述识别处理得到当前科技项目数据的描述内容时，可以将当前科技项目数据的信息逐一加载至第一子线程中的第一局部特征提取单元和第二局部特征提取单元进行描述识别处理，得到第一显著性描述信息。再将得到的第一显著性描述信息逐一加载至第二子线程中的若干第三局部特征提取单元进行滑动平均处理，得到当前科技项目数据的描述内容。

其中，每一个第一局部特征提取单元对加载至的信息进行描述识别处理得到对应的第一滑动平均描述内容，将该第一滑动平均描述内容输出到该第一局部特征提取单元的下一局部特征提取单元。该下一局部特征提取单元可以是连接在该第一局部特征提取单元之后的第二局部特征提取单元，或者是连接在该第一局部特征提取单元之后的第二子线程中的第三局部特征提取单元。

在本实施例中，每一个第一局部特征提取单元的描述方式，第一局部特征提取单元对加载至的信息首先以滑动平均值进行描述识别处理，再进行精细化处理（可以理解为优化处理）。

进一步地，每一个第二局部特征提取单元对加载至的信息进行内容挖掘后得到第二滑动平均描述内容，并将该第二滑动平均描述内容以及加载至该第二局部特征提取单元的信息一并输出到下一局部特征提取单元。该下一局部特征提取单元可以是连接在该第二局部特征提取单元之后的第一局部特征提取单元，也可以是其他的第二局部特征提取单元。

在本实施例中，每一个第二滑动平均值（可以理解为卷积特征值）的描述方式，第二局部特征提取单元对加载至的信息首先以滑动平均值进行描述识别处理，并进行精细化处理。再以滑动平均值进行描述识别处理，再次进行精细化处理。最后再以滑动平均值进行描述识别处理，得到第二滑动平均描述内容。再将得到的第二滑动平均描述内容及加载至该层的信息一并输出到下一局部特征提取单元。

其中，每一个第三局部特征提取单元对加载至的信息进行描述识别处理得到对应的第三滑动平均描述内容，将该第三滑动平均描述内容输出到该第三局部特征提取单元的下一局部特征提取单元。该下一局部特征提取单元可以是连接在该第三局部特征提取单元之后的其他第三局部特征提取单元，也可以是连接在其后的第四子线程中的局部特征提取单元。

在本实施例中，每一个第三局部特征提取单元的描述方式，第三局部特征提取单元对加载至的信息首先以滑动平均值进行描述识别处理，并进行精细化处理。再以滑动平均值进行描述识别处理，最后再进行精细化处理，得到第三滑动平均描述内容，并输出。第三局部特征提取单元在进行描述识别处理时，识别时长可设置为2。

在本实施例中，第三子线程包括若干第四局部特征提取单元以及一个第五局部特征提取单元。在上述STEP212中，具体可以通过以下步骤根据第四子线程获得当前科技项目数据的内容拼接信息：

将当前科技项目数据的描述内容加载至至各第四局部特征提取单元分别进行内容挖掘处理得到若干第四滑动平均描述内容，并将得到的各第四滑动平均描述内容输出到第五局部特征提取单元。第五局部特征提取单元对各第四滑动平均描述内容进行内容拼接处理，得到当前科技项目数据的内容拼接信息。

在本实施例中，第四局部特征提取单元的描述方式与第三局部特征提取单元的单元配置相同，而第五局部特征提取单元的单元配置与第二局部特征提取单元的描述方式相同，在此不做进一步限定。

进一步地，在本实施例中，第四子线程包括特征扩展单元以及第六局部特征提取单元，该第六局部特征提取单元分别连接至特征扩展单元以及第一子线程中的其中一个第一局部特征提取单元或其中一个第二局部特征提取单元。示例性的，第六局部特征提取单元分别连接至特征扩展单元及第一子线程中的第二局部特征提取单元，可以理解的是，在此不做限定。在上述STEP213中，具体可以通过以下步骤获得当前科技项目数据对应的科技项目标签信息：将当前科技项目数据的内容拼接信息加载至至特征扩展单元进行特征扩展处理得到目标信息并输出到第六局部特征提取单元。第六局部特征提取单元接收所连接的第一局部特征提取单元输出的第一滑动平均描述内容或第二局部特征提取单元输出的第二滑动平均描述内容以及特征扩展单元输出的目标信息。例如，可以是接收第一滑动平均描述内容及目标信息，或者也可以是接收第二滑动平均描述内容及目标信息。第六局部特征提取单元对接收到的信息进行全局处理得到全局信息，并对全局信息进行描述识别处理得到当前科技项目数据对应的科技项目标签信息。

在本实施例中，第六局部特征提取单元的描述方式与第二局部特征提取单元的描述方式相同，在此不做进一步限定。此外，在第四子线程中还可包括特征扩展单元及第六局部特征提取单元，其中特征扩展单元和特征扩展单元、第六局部特征提取单元和第六局部特征提取单元的处理方式相同，在此不做进一步限定。通过将特征扩展单元输出的目标信息与第一滑动平均描述内容或第二滑动平均描述内容进行全局，可将信息拓展过程中得到的新的描述内容与前面滑动平均过程得到的相似度高的特征进行结合，以一定程度上保留前面滑动平均过程得到的一些显著性描述信息，提高最终的挖掘效果。

本实施例提供的项目主题挖掘线程，相比现有的常规AI智能线程更加方便，并且其结构中不携带分类单元，可以最大程度上削弱需要配置的变量规模，提高处理效率。

通过数据接收平台接收到的当前科技项目数据匹配上述处理得到对应的科技项目标签信息，该科技项目标签信息中包括若干项目属性，每一个项目属性关键词为-2或2。其中，关键词为第一数值的项目属性可以是前景信息的项目属性，关键词为-2的项目属性可能是背景信息项目属性。在本实施例中，在执行上述STEP220时，具体可通过以下步骤确定出当前科技项目数据中的项目主题数据集。

STEP221，利用目标约束条件标记所述科技项目标签信息中关键词为第一数值的全部项目属性。

STEP222，基于所述目标约束条件内关键词为第一数值的项目属性在所述目标约束条件的全部项目属性中的比例，判断所述科技项目标签信息中是否携带项目主题数据集。如果携带项目主题数据集，则执行以下STEP223，如果不携带项目主题数据集，则执行以下STEP224。

STEP223，基于所述科技项目标签信息中的项目主题数据集解析得到所述当前科技项目数据的项目主题数据集。

STEP224，将当前科技项目数据直接传输至科技项目客户端。

为了检测当前科技项目数据中是否携带项目主题信息，在本实施例中，首先可利用目标约束条件标记科技项目标签信息中关键词为第一数值的全部项目属性。再根据该目标约束条件内关键词为第一数值的项目属性在该目标约束条件的全部项目属性中的比例，判断该科技项目标签信息中是否携带项目主题数据集。如果确定该科技项目标签信息中携带项目主题数据集时，可根据该科技项目标签信息中的项目主题数据集解析得到当前科技项目数据的项目主题数据集。如果不携带项目主题数据集，则无需进行后续的目标数据集的获取，可将当前科技项目数据直接传输至科技项目客户端。

可选地，在利用目标约束条件标记科技项目标签信息中关键词为第一数值的全部项目属性时，可通过获取科技项目标签信息中关键词为第一数值的全部项目属性中分别在第一维度和第二维度存在显著性差异度的项目属性，包括最大显著性差异度和最小显著性差异度。即针对科技项目标签信息，可分别获得该科技项目标签信息的多维度的关键词为第一数值的项目属性。再基于获取到的存在显著性差异度的项目属性在科技项目标签信息中的分布确定目标约束条件，该目标约束条件的各条件特征匹配其中一个存在显著性差异度的项目属性。如此，该目标约束条件即为能够将科技项目标签信息中全部关键词为第一数值的项目属性标记在内的最小标准值。

可以理解的是，在该目标约束条件内除了携带关键词（可以理解为重要的维度存在显著性差异度）为第一数值的项目属性之外，还包括关键词为1的项目属性（差异度标签）。在本实施例中，可通过目标约束条件内关键词为第一数值的项目属性在该目标约束条件的全部项目属性的比例，判断科技项目标签信息中是否携带项目主题数据集（可以理解为科技项目标签信息中种类信息）。

进一步地，项目主题信息中每一个项目属性之间较为密集，因此，如果关键词为第一数值的项目属性对应为项目主题信息，则关键词为第一数值的项目属性较为密集，关键词为第一数值的项目属性在目标约束条件内的比例应当较大。因此，在本实施例中，可确定目标约束条件内由关键词为第一数值的项目属性组成的数据集的第一数据量，并确定目标约束条件的第二数据量（可以理解为科技项目数据的约束数目）。再确定第一数据量与第二数据量之间的量化比较结果，在该量化比较结果大于事先设置的标准值时，则可确定科技项目标签信息中关键词为第一数值的项目属性形成的数据集为项目主题数据集。

或者，作为另一种独立实施的实施例中，也可以确定目标约束条件内关键词为第一数值的项目属性的数目以及目标约束条件内全部项目属性的数目。再确定关键词为第一数值的项目属性的数目与目标约束条件内全部项目属性的数目之间的量化比较结果是否大于事先设置的标准值，在大于事先设置的标准值时，可确定关键词为第一数值的项目属性形成的数据集为项目主题数据集。

在确定科技项目标签信息中的项目主题数据集的基础上，则当前科技项目数据中对应科技项目标签信息的项目主题数据集的数据集，即为当前科技项目数据的项目主题数据集。

在本实施例中，考虑到项目主题挖掘线程在一些情况下可能存在挖掘紊乱，为了保证挖掘结果的准确性，在确定出当前科技项目数据中的项目主题数据集之后，将通过差异分析当前科技项目数据的项目主题数据集与当前科技项目数据的前一组科技项目数据的项目主题数据集的方式，确定出当前科技项目数据最终的目标数据集。

在本实施例中，在执行上述STEP230时，具体可以通过以下步骤确定出当前科技项目数据的目标数据集。

STEP231，确定得到所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集之间的状态变化量化评价，检测所述状态变化量化评价是否不大于设定量化评价，如果不大于设定量化评价，则执行以下STEP232，否则，执行以下STEP233。

STEP232，基于所述前一组科技项目数据的项目主题数据集的状态信息在所述当前科技项目数据中解析得到目标数据集。

STEP233，将所述当前科技项目数据的项目主题数据集作为所述目标数据集。

进一步地，如果得到的状态变化量化评价大于设定量化评价时，可确定针对当前科技项目数据的项目主题挖掘结果完整，可将当前科技项目数据的项目主题数据集作为最终的目标数据集。

基于上述描述内容，在本实施例中，可利用相同拆解策略分别将当前科技项目数据的项目主题数据集拆解为若干第一子数据集，将前一组科技项目数据拆解为若干第二子数据集。其中，所述的相同拆解策略可以是，将项目主题数据集拆解2组，或者将项目主题数据集拆解为3组，在此不做赘述。

针对当前科技项目数据中的每个第一子数据集，确定得到第一子数据集的关键描述与对应的前一组科技项目数据的第二子数据集的关键描述之间的状态变化量化评价。在其中一个第一子数据集的关键描述与对应的第二子数据集的关键描述之间的状态变化量化评价大于设定量化评价时，可确定对当前科技项目数据的挖掘结果准确，可将当前科技项目数据的项目主题数据集作为目标数据集。而如果任意一个第一子数据集的关键描述与对应的第二子数据集的关键描述之间的状态变化量化评价均不大于设定量化评价，则将前一组科技项目数据的项目主题数据集作为当前科技项目数据的目标数据集。

在确定出当前科技项目数据的目标数据集之后，可将当前科技项目数据的目标数据集传输至科技项目客户端。在一种独立实施的实施例中，可将目标数据集携带在数据队列中，同数据队列一并传输至科技项目客户端。

在上述基础上，请结合参阅图2，提供了一种科技项目数据在线处理的装置200，应用于科技项目数据在线处理的系统，所述装置包括：

标签挖掘模块210，用于将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，得到所述当前科技项目数据对应的科技项目标签信息；

数据得到模块220，用于基于所述科技项目标签信息中的每一个项目属性的关键词解析得到所述当前科技项目数据中的项目主题数据集；

数据确定模块230，用于将所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定所述当前科技项目数据的目标数据集；将所述当前科技项目数据的目标数据集传输至科技项目客户端。

在上述基础上，请结合参阅图3，示出了一种科技项目数据在线处理的系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。

在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。

综上，基于上述方案，通过将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，以得到当前科技项目数据对应的科技项目标签信息。并根据科技项目标签信息中的每一个项目属性的关键词解析得到当前科技项目数据中的项目主题数据集，再将当前科技项目数据的项目主题数据集与当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定当前科技项目数据的目标数据集。如此，能够精准定位当前科技项目数据的目标数据集，以便后续利用目标数据集进行高效快速的科技项目业务分析，减少目标数据集中的冗余数据的占比。

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)

1.一种科技项目数据在线处理的方法，其特征在于，应用于科技项目数据在线处理系统，所述方法包括：

将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，得到所述当前科技项目数据对应的科技项目标签信息；

基于所述科技项目标签信息中的每一个项目属性的关键词解析得到所述当前科技项目数据中的项目主题数据集；

将所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定所述当前科技项目数据的目标数据集；将所述当前科技项目数据的目标数据集传输至科技项目客户端。

2.如权利要求1所述的科技项目数据在线处理的方法，其特征在于，所述项目主题挖掘线程根据事先接收的携带项目任务信息的参考信息通过AI智能线程配置所得。

3.如权利要求1所述的科技项目数据在线处理的方法，其特征在于，所述项目主题挖掘线程包括第一子线程、第二子线程、第三子线程以及第四子线程；所述将数据接收平台实时接收到的当前科技项目数据加载至事先配置得到的项目主题挖掘线程中进行挖掘，得到所述当前科技项目数据对应的科技项目标签信息的步骤，包括：

分别通过所述第一子线程和第二子线程对所述当前科技项目数据进行描述识别处理，得到所述当前科技项目数据的描述内容；

通过所述第三子线程对所述描述内容进行内容挖掘及内容拼接处理，得到所述当前科技项目数据的内容拼接信息；

通过所述第四子线程对所述内容拼接信息进行描述识别处理及特征扩展处理，得到所述当前科技项目数据对应的科技项目标签信息。

4.如权利要求3所述的科技项目数据在线处理的方法，其特征在于，所述第一子线程包括若干第一局部特征提取单元及若干第二局部特征提取单元，第一局部特征提取单元和第二局部特征提取单元循环配置，连续两个第一局部特征提取单元之间存在不少于一个第二局部特征提取单元，所述第二子线程包括若干逐一连接的第三局部特征提取单元；所述分别通过所述第一子线程和第二子线程对所述当前科技项目数据进行描述识别处理得到所述当前科技项目数据的描述内容的步骤，包括：

将所述当前科技项目数据的信息逐一加载至所述第一子线程中的第一局部特征提取单元和第二局部特征提取单元进行描述识别处理，得到第一显著性描述信息；

将所述第一显著性描述信息逐一加载至所述第二子线程中的若干第三局部特征提取单元进行滑动平均处理，得到所述当前科技项目数据的描述内容；其中，每个所述第一局部特征提取单元对加载至的信息进行描述识别处理得到对应的第一滑动平均描述内容，将该第一滑动平均描述内容输出到该第一局部特征提取单元的下一局部特征提取单元；每个所述第二局部特征提取单元对加载至的信息进行内容挖掘后得到第二滑动平均描述内容，并将该第二滑动平均描述内容以及加载至该第二局部特征提取单元的信息一并输出到下一局部特征提取单元；每个所述第三局部特征提取单元对加载至的信息进行描述识别处理得到对应的第三滑动平均描述内容，将该第三滑动平均描述内容输出到该第三局部特征提取单元的下一局部特征提取单元。

5.如权利要求3所述的科技项目数据在线处理的方法，其特征在于，所述第三子线程包括若干第四局部特征提取单元以及一个第五局部特征提取单元；所述通过所述第三子线程对所述当前科技项目数据的描述内容进行内容挖掘及内容拼接处理，得到所述当前科技项目数据的内容拼接信息的步骤，包括：

将所述当前科技项目数据的描述内容加载至至每个所述第四局部特征提取单元分别进行内容挖掘处理得到若干第四滑动平均描述内容，并将得到的各第四滑动平均描述内容输出到所述第五局部特征提取单元；所述第五局部特征提取单元对每个所述第四滑动平均描述内容进行内容拼接处理，得到所述当前科技项目数据的内容拼接信息。

6.如权利要求4所述的科技项目数据在线处理的方法，其特征在于，所述第四子线程包括特征扩展单元以及第六局部特征提取单元，该第六局部特征提取单元分别连接至所述特征扩展单元以及所述第一子线程中的其中一个第一局部特征提取单元或其中一个第二局部特征提取单元；所述通过所述第四子线程对所述当前科技项目数据的内容拼接信息进行描述识别处理及特征扩展处理，得到所述当前科技项目数据对应的科技项目标签信息的步骤，包括：

将所述当前科技项目数据的内容拼接信息加载至所述特征扩展单元进行特征扩展处理得到目标信息并输出到所述第六局部特征提取单元；所述第六局部特征提取单元接收所连接的第一局部特征提取单元输出的第一滑动平均描述内容或第二局部特征提取单元输出的第二滑动平均描述内容以及所述特征扩展单元输出的目标信息，对接收到的信息进行全局处理得到全局信息，并对所述全局信息进行描述识别处理得到所述当前科技项目数据对应的科技项目标签信息。

7.如权利要求1-6任一项所述的科技项目数据在线处理的方法，其特征在于，所述基于所述科技项目标签信息中的每一个项目属性的关键词解析得到所述当前科技项目数据的项目主题数据集的步骤，包括：

利用目标约束条件标记所述科技项目标签信息中关键词为第一数值的全部项目属性；

基于所述目标约束条件内关键词为第一数值的项目属性在所述目标约束条件的全部项目属性中的比例，判断所述科技项目标签信息中是否携带项目主题数据集；

如果携带项目主题数据集，则基于所述科技项目标签信息中的项目主题数据集解析得到所述当前科技项目数据的项目主题数据集。

8.如权利要求7所述的科技项目数据在线处理的方法，其特征在于，所述利用目标约束条件标记所述科技项目标签信息中关键词为第一数值的全部项目属性的步骤，包括：

获取所述科技项目标签信息中关键词为第一数值的全部项目属性中分别在第一维度和第二维度存在显著性差异度的项目属性，其中，该显著性差异度包括最大显著性差异度和最小显著性差异度；

基于获取到的存在显著性差异度的项目属性在所述科技项目标签信息中的分布确定目标约束条件，该目标约束条件的各条件特征匹配其中一个存在显著性差异度的项目属性；

其中，所述基于所述目标约束条件内关键词为第一数值的项目属性在所述目标约束条件的全部项目属性中的比例，判断所述科技项目标签信息中是否携带项目主题数据集的步骤，包括：

确定所述目标约束条件内由关键词为第一数值的项目属性组成的数据集的第一数据量，并确定所述目标约束条件的第二数据量；

确定所述第一数据量与所述第二数据量之间的量化比较结果；

在所述量化比较结果大于事先设置的标准值时，确定所述科技项目标签信息中关键词为第一数值的项目属性形成的数据集为项目主题数据集。

9.如权利要求1-6任一项所述的科技项目数据在线处理的方法，其特征在于，所述将所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集进行差异分析，确定所述当前科技项目数据的目标数据集的步骤，包括：

确定得到所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集之间的状态变化量化评价；

在所述状态变化量化评价不大于设定量化评价时，基于所述前一组科技项目数据的项目主题数据集的状态信息在所述当前科技项目数据中解析得到目标数据集；

在所述状态变化量化评价大于所述设定量化评价时，将所述当前科技项目数据的项目主题数据集作为所述目标数据集；

其中，所述确定得到所述当前科技项目数据的项目主题数据集与所述当前科技项目数据的前一组科技项目数据的项目主题数据集之间的状态变化量化评价的步骤，包括：

利用相同拆解策略分别将所述当前科技项目数据的项目主题数据集拆解为若干第一子数据集，将所述前一组科技项目数据的项目主题数据集拆解为若干第二子数据集；

对于每个所述第一子数据集，确定得到所述第一子数据集的关键描述与对应的第二子数据集的关键描述之间的状态变化量化评价。

10.一种科技项目数据在线处理的系统，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1-9任一项所述的方法。

Images