CN114676230B - 基于数字孪生技术的信息交互方法及装置 - Google Patents
基于数字孪生技术的信息交互方法及装置 Download PDFInfo
- Publication number
- CN114676230B CN114676230B CN202210600304.6A CN202210600304A CN114676230B CN 114676230 B CN114676230 B CN 114676230B CN 202210600304 A CN202210600304 A CN 202210600304A CN 114676230 B CN114676230 B CN 114676230B
- Authority
- CN
- China
- Prior art keywords
- information
- digital twin
- target
- robot
- request
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 230000006854 communication Effects 0.000 claims abstract description 63
- 238000004891 communication Methods 0.000 claims abstract description 61
- 230000002452 interceptive effect Effects 0.000 claims abstract description 55
- 230000008520 organization Effects 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 12
- 230000008901 benefit Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004455 differential thermal analysis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于数字孪生技术的信息交互方法和装置,该方法包括利用数字孪生机器人接收其关联对象提出的需求信息,并基于所述数字孪生机器人中预先存储的所述关联对象的对象信息生成所述需求信息对应的信息交互请求;基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人,将所述信息交互请求发送至所述目标数字孪生机器人;接收所述目标数字孪生机器人响应所述信息交互请求返回的任务执行信息;整理所述任务执行信息,供所述请求对象进行查看。本发明的方案能够有效提升信息交互的沟通效率,且减少用户之间的交流成本。
Description
技术领域
本申请涉及数字孪生技术领域,具体涉及一种基于数字孪生技术的信息交互方法及装置。
背景技术
随着网络技术的发展,互联网是人民之前进行信息交流的重要渠道,目前,各种网上社交平台的社交模式中,一个人能够发生联系的数量和范围均极度受限。仅从通讯技术能够触达的技术角度看,一个人具备与成千上万的人互动沟通交流,但是能真实形成互动的数量则较少。一般来讲,大部分人的社交人数为数百人和数千人,但是,随着数量的增加,社交价值会降低,人能够维系的用户数受到邓巴数(Dunbar’s Number)150的限制。更为受限的是交往的范围和找到建立互信的时间代价也太大。一个人在不同情况下,与更合适的主体与周边熟悉的人交流的价值差异可以超过数十、数百倍甚至更大。
每个人都有自己不同的相对优势,然而这些相对优势资源或潜力在绝大部分情况下,都没有合适方式转化为有社会价值的资产。不仅在广泛社会范围内,就是在一个人数较多企业范围内,由于没有合适机制了记录和了解一个人的相对优势,而且每个人的相对优势,大都只是保存部分领导或员工个人记忆中。
举例来讲,当一个机构相似业务的客户增加、产品化程度不高、整体业务数字化、尤其是人力资源数字化程度不高、在所服务行业的模式发展变化较快以及机会导致相近同类相似人员的增加时,传统流程管理工具和交流工具都会导致大量的人力资源浪费且大幅增加上下级和员工之间的交流成本,员工之间交流的有效性显著降低。
发明内容
鉴于上述问题,本发明提出一种克服上述问题或者至少部分地解决上述问题的基于数字孪生技术的信息交互方法及装置。
根据本发明的一个方面,提供了一种基于数字孪生技术的信息交互方法,其特征在于,所述方法包括:
利用数字孪生机器人接收其关联对象提出的需求信息,并基于所述数字孪生机器人中预先存储的所述关联对象的对象信息进行目标自动拆解,以形成所述数字孪生机器人对应关联对象需要追求的多个目标范围,同时形成多个目标范围之间的层次分类和优先级顺序;
在关联对象的目标范围内进行筛选高价值点的目标对象,寻找出所述目标对象主要的目标特征,同时形成目标范围内所述目标对象的沟通范式,根据不同层次分类的目标范围和相应的沟通范式,形成关联对象可接受的多种交互方案,基于关联对象的多种交互方案,从预制的模型知识库中选择出目标范围和沟通范式都最匹配的目标交互方案,作为所述需求信息对应的信息交互请求;其中,所述需求信息包括业务问题信息和/或预期结果信息;
基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人,将所述信息交互请求发送至所述目标数字孪生机器人;每个交互对象对应至少一个数字孪生机器人;
接收所述目标数字孪生机器人响应所述信息交互请求返回的任务执行信息;
整理所述任务执行信息,供所述请求对象进行查看。
可选地,所述整理所述任务执行信息,供所述请求对象进行查看包括:
根据各所述目标数字孪生机器人返回的任务执行信息对应的执行状态进行分类,得到结果成熟、任务交流中或未来展望三个类别;
为各类别的任务执行信息添加标签,所述标签包括主体类型标签和结果标签;所述主体类型标签用于表征所述交互对象所属的执行方;所述结果标签用于表征任务执行结果;
构建数字交流空间,在所述数字交流空间中展示所述三个类别分别对应的任务执行信息及标签。
可选地,所述方法还包括:在所述数字交流空间中按照既定规则完成数据整理,包括数字孪生体匿名化处理,数字空间中数字孪生体主体的基本信息自动维护和更新,所述数字孪生体数字匹配模型的迭代,以及为根据所述交互对象所属的执行方生成的匿名标签。
可选地,所述基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人之后,所述方法还包括:
利用各所述目标数字孪生机器人在知识库或网络知识空间中查找与所述信息交互请求具有较高关联性的目标信息;该数字孪生体基于交互信息的组织规则和进行结果信息的检索/学习;
利用所述目标信息生成所述信息交互请求对应的结果信息,基于所述结果信息生成任务执行信息返回至所述请求对象的数字孪生机器人。
可选地,所述利用所述目标信息生成所述信息交互请求对应的结果信息之后,基于所述结果信息生成任务执行信息返回至所述请求对象的数字孪生机器人之前,所述方法还包括:
接收所述目标数字孪生机器人关联的交互对象针对所述结果信息的选择操作,将经过所述选择操作后的第一结果信息以及所述第一结果信息和所述需求信息的关联关系存储至所述知识库中;和/或,
接收所述目标数字孪生机器人关联的交互对象输入的第二结果信息,将所述第二结果信息以及所述第二结果信息和所述需求信息的关联关系存储至所述知识库中。
可选地,所述整理所述任务执行信息,供所述请求对象进行查看之后,所述方法还包括:
通过所述数字孪生机器人和任一所述目标数字孪生机器人辅助完成所述请求对象和至少一个交互对象之间的多轮交互,交互方式为通过数字孪生机器人所生成的任务请求,根据任务请求内的目标范围和交互方式对应的字段、特征和/或模式,匹配最相似的/最对口的数字孪生机器人,然后开启交互。
可选地,所述通过所述数字孪生机器人和任一所述目标数字孪生机器人辅助完成所述请求对象和至少一交互对象之间的多轮交互包括:
接收所述请求对象根据任一所述任务执行信息提出的追问信息,并将所述追问信息发送至所述任务执行信息对应的目标数字孪生机器人,以由所述目标数字孪生机器人和/或所述目标数字孪生机器人对应的交互对象提供用于解决所述追问信息的解决方案;
通过所述数字孪生机器人接收所述解决方案并将所述解决方案,并向所述请求对象进行展示。
根据本发明的另一个方面,还提供了一种基于数字孪生技术的信息交互装置,所述装置包括:
任务生成模块,用于利用数字孪生机器人接收其关联对象提出的需求信息,并基于所述数字孪生机器人中预先存储的所述关联对象的对象信息生成所述需求信息对应的信息交互请求;其中,所述需求信息包括业务问题信息和/或预期结果信息;
任务发送模块,用于基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人,将所述信息交互请求发送至所述目标数字孪生机器人;每个交互对象对应至少一个数字孪生机器人;
信息接收模块,用于接收所述目标数字孪生机器人响应所述信息交互请求返回的任务执行信息;
信息整理模块,用于整理所述任务执行信息,供所述请求对象进行查看。
根据本发明的另一个方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述任一项所述的方法。
根据本发明的另一个方面,还提供了一种计算设备,所述计算设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述任一项所述的方法。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
结合附图,并通过参考下面的详细描述,将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征,其中:
图1为本发明实施例的基于数字孪生技术的信息交互方法流程示意图;
图2为本发明实施例的数字交流空间示意图;图3为本发明一实施例的基于数字孪生技术的信息交互装置结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。以下实施例仅为清楚说明本发明而举例,并非对本发明实施方式的限定。
在实际操作中,可在下述说明的基础上根据需求做出变化和变动,但由本发明精神所引出的显而易见的变化或变动仍处于本发明的保护范围之中。
如图1所示,本发明实施例提供了一种基于数字孪生技术的信息交互方法,所述方法至少可以包括以下步骤S1~S4。
S1,利用数字孪生机器人接收其关联对象提出的需求信息,并基于所述数字孪生机器人中预先存储的所述请求对象的对象信息进行目标自动拆解,以形成所述数字孪生机器人对应关联对象需要追求的多个目标范围,同时形成多个目标范围之间的层次分类和优先级顺序;在关联对象的目标范围内进行筛选高价值点的目标对象,寻找出所述目标对象主要的目标特征,同时形成目标范围内所述目标对象的沟通范式,根据不同层次分类的目标范围和相应的沟通范式,形成关联对象可接受的多种交互方案,基于关联对象的多种交互方案,从预制的模型知识库中选择出目标范围和沟通范式都最匹配的目标交互方案,作为所述需求信息对应的信息交互请求;其中,所述需求信息包括业务问题信息和/或预期结果信息。其中,所述需求信息包括业务问题信息和/或预期结果信息。
本实施例中的数字孪生机器人是基于数字孪生技术预先为请求对象对应创建的虚拟机器人,其可以受控于请求对象,或代表请求对象实现信息的传输与筛选。请求对象可以是需要获取信息的用户,一个用户可以对应设置有一个或多个数字孪生机器人,数字孪生机器人中对应存储有其所属对象的对象信息,该基本信息可以根据所属对象通过语音或是文字进行输入并存储。可选地,对象信息可以包括性别、年龄、偏好、职业等信息。
当一个用户想要获得关于某个业务问题或是某些需求时,可以将自己的想法和预期传达至数字孪生机器人,当数字孪生机器人接收到请求对象提出的需求信息时,即可根据请求对象的对象信息生成信息交互请求。
在本实施例中,需求信息包括业务问题信息或者是预期结果信息。举例来讲,请求对象提出的需求信息可以包括不同业务场景下的问题,例如,“有哪些家用电器推荐”,还可以是“需要具备一定业务能力的人完成一项任务”。当数字孪生机器人接收到上述需求信息之后,可以通过分析需求信息中的预期信息和业务信息同时结合请求对象自身的情况创建对应的信息交互请求,并同时按照请求的范式完成请求方式的选择以实现合适任务(合作)请求的选择。例如,根据请求对象的对象信息为需求信息添加筛选条件、附加标签等,例如家用电器的类型、价格范围等等,通过预期信息为需求信息添加筛选范围,如使用三年以上。
孪生机器人通过拆解关联对象追求的多个目标范围,形成多个目标范围之间的层次分类和优先级顺序,基于业务信息和/或预期结果信息,通过对应的目标匹配方式在知识库中选择到匹配的任务(合作)方案完成对应的信息交互请求。
S2,基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人,将所述信息交互请求发送至所述目标数字孪生机器人;每个交互对象对应至少一个数字孪生机器人。
本实施例中的其他交互对象是除主控之外的其他任一对象,其他交互对象中的每个交互对象同样可以对应创建有一个或多个数字孪生机器人。同理,各数字孪生机器人中同样具有所属交互对象的信息,另外,还可以存储有可供其他数字孪生机器人读取的能够提供的业务信息以及不同问题的解决方案的相关信息。因此,上述步骤S1中请求对象的数字孪生机器人根据请求对象的需求生成信息交互请求之后,还可以在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人,进而将所述信息交互请求发送至所述目标数字孪生机器人进行处理。可选地,在选取目标数字孪生机器人时,由于各交互对象对应的数字孪生机器人存储有各自可提供的业务、方案等信息,因此,可以先从多个数字孪生机器人中选取至少一个目标数字孪生机器人。
以数字化的方式进行阐述,可以将机器人匹配到的数字孪生机器人进行匹配度(相似度/契合度/混淆度)的排序,通过多种目标的关联性排序分析我们可以找到关联度较紧密的孪生体作为孪生机器人的目标交流对象,也可以在整体匹配度/关联度不高的孪生体中找到特定属性/特征上匹配度/关联度较高的孪生体进行新业务/方案的探索。通过兼容多种可能的方案存在以实现最终目标的达成。
例如,根据需求信息中的关键词信息,查找具有相关业务或可提供解决方案的目标数字孪生机器人,或是其他方式选取目标数字孪生机器人。机器人选择任务请求的其他方式包括但不限于:通过机器人所属的行业、地域、阶层进行目标任务的范围选定,通过机器人的任务目标分类进行类别范围限定,通过目标机器人的属性标签进行任务属性匹配,通过对不同实体之间的同类关系进行相似度匹配,通过任务机器人的关键词信息匹配目标机器人所有相关信息的匹配等,通过一系列的筛选和匹配得到最后的任务请求。也就是说,每个对象至少有一个数字孪生机器人DTA(数字孪生助理),当一个请求对象要想获得某个(些)结果时,只要将自己的想法和预期转达至对应的数字孪生机器人DTA(0),每个对象的DTA((n),都会根据其请求对象(真人)的内容(关键词),职位,偏好等,从模型知识库中,选择合适任务(合作)请求,发送给有可能响应这类‘任务’或‘合作’请求的DTA(n)。本实施例中,信息交互请求可以采用图数据库来记录和传递。
S3,接收所述目标数字孪生机器人响应所述信息交互请求返回的任务执行信息。
对于任意一个目标数字孪生机器人来讲,在接收到请求对象的数字机器人发送的信息交互请求之后,可对信息交互请求中携带的需求信息进行解析,获取请求对象所需要解决的业务问题或者是针对某个场景的解决方案。其中,假设为需要解决业务问题,可以先对业务问题进行分析,从而通过智能学习以查找能够解决相关业务问题的技术方案。假设请求对象需要某个解决方案,那么可以根据解决方案生成对应的方案细节或是能否提供解决方案的结果等信息,从而作为任务执行信息返回至请求对象的数字孪生机器人。任务执行信息除了具有方案细节之外,还可以方案是否已经执行或是是否有成熟的方案或是否为计划中的方案、预期的方案等信息。
在本发明可选实施例中,上述步骤S2基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人之后,所述方法还可以包括:利用各所述目标数字孪生机器人在知识库或网络知识空间中查找与所述信息交互请求具有较高关联性的目标信息;该数字孪生体基于交互信息的组织规则和进行结果信息的检索和/或学习;利用所述目标信息生成所述信息交互请求对应的结果信息,基于所述结果信息生成任务执行信息返回至所述请求对象的数字孪生机器人。
如:数字孪生体DTA(1)形成 “寻找有上市公司背景并十年及以上经验的管理人员” 的需求之后,其中至少可以解析出三个组织规则,包括上市公司背景、十年经验、十年以上经验,对应可以生成的规则是:实体“上市公司”—实体“高管”的图关联规则,属性“十年”与其他实体属性之间的等价规则,属性“十年以上”与其他实体属性之间的包含规则。在数字空间中还存在多种未列举的数据结构用于任务的执行。
进一步地,接收所述目标数字孪生机器人关联的交互对象针对所述结果信息的选择操作,将经过所述选择操作后的第一结果信息以及所述第一结果信息和所述需求信息的关联关系存储至所述知识库中;和/或,接收所述目标数字孪生机器人关联的交互对象输入的第二结果信息,将所述第二结果信息以及所述第二结果信息和所述需求信息的关联关系存储至所述知识库中。
如上述介绍,一个信息交互请求可以同时发给任何有可能响应的DTA(n),每个人DTA(n),首先在已有的知识库中搜寻做出回应,而后该根据关系联想(关系联想也是DTA(1)自己私有知识)到更广泛网络空间中搜寻关联信息,进而得到相关的结果。
其中关系联想也即是S2中类同于寻找到目标机器人信息的这个阶段,不同之处在于,S2中为在数字孪生机器人得到高匹配度/关联度的孪生体,而关系联想为在获得高匹配度/关联度的孪生体之外,也即是除开在相对狭窄的数字空间和网络空间之内获得高匹配度/关联度的孪生体之外,还可以通过在更广泛的数字空间/网络空间中进行关系联想在数字空间中寻找特定目标上有匹配度/关联性的孪生提信息以期找到更多的交易可能,而这类关系联想获得更多信息和交易可能性的价值在特定领域或者特定情况下会高于直接匹配/关联得到的孪生体的价值。
例如:数字孪生体DTA(0) 作为请求人发出请求:“寻找熟悉华南市场的市场总监”,在原始的关联和匹配过程中,找到了一位在快消品行业负责华南市场的DTA(1)、某外企零售商常驻广州的市场总监DTA(2),此两人均满足DTA(0)发起的请求,属于高关联度的数字孪生体对象;而“关系联想”则可能是脱离“市场总监”身份的属性去更广阔的的网络空间寻找更多的DTA(n),如,可能寻找到DTA(101),是一位在咨询公司做华南区市场咨询顾问的资深顾问,而“关系联想”的原理就是通过弱化“市场”身份属性而强化“华南市场”的属性去更广阔的空间寻找可能更多的数字孪生对象。而这种匹配到的关联信息一定条件下价值可能更高。
同时,在完成发送信息交互请求并获得信息结果之后,如果能用DTA(n)现有记忆的知识组织规则并自动产出结果,则将产出结果,返回给请求人DTA(0),以自动完成‘任务’或‘请求’;如果搜到的数据和信息无法自动完成,则将有关信息提示对应的交互对象,由交互对象根据收到的内容,做出挑选或做出自己解答回复,这些解读回复,也将记录在自己的DTA(n)的知识库中。
在获得DTA(n)反馈的信息结果中,将可能存在DTA(n)和DTA(0)两个孪生主体知识组织规则的冲突,可能带来的至少五种情况结果,分别是:
S3-1-1:DTA(n)和DTA(0)的信息正好能相互转换;
S3-1-2:DTA(n)的知识组织规则完全包含DTA(0)的知识组织规则;
S3-1-3:DTA(0)的知识组织规则完全包含DTA(n)的知识组织规则;
S3-1-4:DTA(0)的知识组织规则和DTA(n)的知识组织规则存在一定的交集同时各自有自己的差集;
S3-1-5:DTA(0)的知识组织规则和DTA(n)的知识组织规则完全没有交集;
例如:DTA(0)的任务请求需求是学习购买名牌包包的经验,而DTA(0)的经验为:知道产地有意大利、法国;价格通常大于5万;通常认为限量款都是名包;一般通过品牌官网购买途径。对于DTA(0)的这个请求需求,他的购包经验知识组织规则转换为:{产地:意大利、法国;价格:大于5万;名包特征:限量款;购买途径:品牌官网}。我们找到了五个候选机器人DTA(1)、DTA(2)、DTA(3)、DTA(4)、DTA(5),他们的购包知识组织规则分别是:
S3-2-1:DTA(1):{产地:意大利、法国;价格:大于5万;名包特征:限量发售;购买途径:品牌官网};
S3-2-2:DTA(2):{产地:意大利、法国、英国;价格:大于3万;名包特征:定制、限量发售;购买途径:品牌官网、电话订购、专卖店、客户经理 订购};
S3-2-3:DTA(3):{产地:意大利;价格:大于10万};
S3-2-4:DTA(4):{产地:意大利、法国、英国;价格:大于10万;购买途径:品牌官网、专卖店};
S3-2-5:DTA(5):{产地:英国、美国;价格:2万~5万;购买途径:专卖店};
基于六位DTA各自的购包经验知识组织规则,我们可以得到五种不同的关系:
S3-3-1:DTA(0)和DTA(1)的知识正好转换;
S3-3-2:DTA(2)的知识经验完全多于DTA(0),因为DTA(2)知道更多的产地,知道包包的价格范围更多,知道包包还可以定制,购买途径也多很多;
S3-3-3:DTA(0)的知识经验完全包含DTA(3),因为DTA(0)比DTA(3)知道更多的产地、价格范围、特征和购买途径;
S3-3-4:DTA(0)和DTA(4)的知识则是一定程度上可以相互转换,同时存在差集,因为DTA(0) 和DTA(4)都知道意大利和法国的产地、都知道区间会大于10万,都知道通过品牌官网进行购买;但是他们相互也有差集,DTA(0)比DTA(4)多知道5万~10万的包包、多知道限量款的一般是名包;DTA(4)比DTA(0)多知道英国产地的包包、多知道通过专卖店进行购买包包;S3-3-5:DTA(1)和DTA(5)的知识则正好完全不相关;
通过以上最小单元的例子我们可以看出,我们通过NLP自动识别的功能解析出知识经验的要点并生成知识组织规则,然后自动形成每个DTA的知识组织规则(亦可称:知识结构、数据结构),然后通过在T级甚至BT级别等海量的数字孪生体大数据中完成这种知识组织规则的生成和自动校验产出结果。
S4,整理所述任务执行信息,供所述请求对象进行查看。
对于各目标数字孪生机器人返回的任务执行信息,可以进行整理以供请求对象查看。具体可以包括以下步骤:
S4-1,根据各所述目标数字孪生机器人返回的任务执行信息对应的执行状态进行分类,得到结果成熟、任务交流中或未来展望三个类别;
S4-2,为各类别的任务执行信息添加标签,所述标签包括主体类型标签和结果标签;所述主体类型标签用于表征所述交互对象所属的执行方;所述结果标签用于表征任务执行结果;
S4-3,构建数字交流空间,在所述数字交流空间中展示所述三个类别分别对应的任务执行信息及标签。在所述数字交流空间中按照既定规则完成数据整理,包括数字孪生体匿名化处理,数字空间中数字孪生体主体的基本信息自动维护和更新,所述数字孪生体数字匹配模型的迭代,以及为根据所述交互对象所属的执行方生成的匿名标签。
数字交流空间中完成的数据整理逻辑,将主要通过系统设定的规则完成,该种规则首先以预置形式表达和执行,在数字空间学习和交流壮大的过程中,逐渐积累以事务触发规则执行为核心的事务执行引擎,即通过数字空间中活动的行动完成数字空间中规则的触发和执行以及持久化存储,在后续的任务中自动完成数据整理的工作。
请求对象的DTA(0) 收到多个不同DAT(n)返回的结果后,构建一个数字交流空间,用三张标签卡片呈现。数字交流空间(也可以称为元宇宙)的三张卡片分别代表相对 成熟(左),交流中(中),未来展望(右),如图2所示。每张卡片上有两大类标签:第一,角色--某类或某个具体的主体,也可以是一个系统等;第二,利益或目标或结果。
请求对象看到DTA(0)将收到信息,将通过信息整理模块进行整理,信息整理的过程主要分为三个子步骤:
S4-3-1:在交流范式中搭建知识交流的过程框架,分别包含任务执行信息、标签、匿名标签三个集合;
S4-3-2:然后在知识库中通过任务执行信息的内容检索可能匹配的知识标签、知识图、知识关系、知识组织结构,分别填充到以上执行信息、标签、匿名标签的三个集合中,形成该数字交流空间的整体框架;
S4-3-3:根据任务执行信息的内容进行解析,将内容分别填充到对应阶段集合的对应标签框架中;完成数字交流空间的构建。
在DTA(0)进行任务执行信息接收完成并整理形成了该信息的数字交流空间后,DTA(0)便可以选择某个或某几个方向继续发出进一步落实跟踪工作安排,与相关利益方(可能是员工或者咨询顾问专家,也可能是潜在客户或供应方),交流探索如何变成实际结果的可能性。
在本发明可选实施例中,上述步骤S4整理所述任务执行信息,供所述请求对象进行查看之后,所述方法还包括:通过所述数字孪生机器人和任一所述目标数字孪生机器人辅助完成所述请求对象和至少一个交互对象之间的多轮交互,交互方式为通过数字孪生机器人所生成的任务请求,根据任务请求内的目标范围和交互方式对应的字段、特征和/或模式,匹配最相似的/最对口的数字孪生机器人,然后开启交互。具体地,接收所述请求对象根据任一所述任务执行信息提出的追问信息,并将所述追问信息发送至所述任务执行信息对应的目标数字孪生机器人,以由所述目标数字孪生机器人和/或所述目标数字孪生机器人对应的交互对象提供用于解决所述追问信息的解决方案;通过所述数字孪生机器人接收所述解决方案并将所述解决方案,并向所述请求对象进行展示。
例如,交互对象DTA(1)在自身所在的宽泛的域数字空间中,同时展开单目标和/或单范式的联想作业,得到除开最匹配的结果信息之外还最可能产生新任务/方案/业务或者有助于方案修改建议的结果信息。
也就是说,如果请求对象交流空间的内容不满意,将做出有针对性要求,想多个可能利益方发出请求。出现在卡片上利益方标签,原则上都是匿名,只有特征说明(员工或经理,外部人员),并不会呈现更多具体信息,如果请求对象要求看到利益方的隐私信息,需要获得利益方本人的授权许可。
落实过程中,如果是外部合作就是商业协议合同,签署智能协议,按结果付费。如果是内部员工,就是工作安排和记录工作绩效,或提升能力等级等。
也就是说,如果员工自己拥有某种特殊资源和能力,并不在劳动合同约定工作职责范围内,员工也可能同公司(签署匿名服务协议)公司单独为其额外的工作结果付费。每个对象的数字孪生代理,是在应用过程中,逐步完善丰富。在初始阶段,从零开始的DTA(1),是从选择响应某些请求开始。
实施例一:面向机构的营销交流
当机构希望用IT技术来解决,业务发展中遇到的问题时,通常会找咨询机构或者直接找IT公司交流,有IT技术服务机构提供解决方案。这类探索性交流的效率非常低,而且有效性也不高。
采用本方法,从买方的初始想法开始,进行结构化交流,围绕问题一步一步引入合适的相关利益方,例如:某银行信用卡运营部门从提出某个业务问题开始,将问题输入系统后,随即系统找到与该问题所有相关利益(责任)方,每个利益方:输入分解后的利益方和与相关业务责任,逐步分解,到市场中的商户,到收银员,信用卡持卡人,根据行为和结果进行分类和将影响因素,逐步展开细分,并与相关利益方不断确认问题,并用一个利益关系图(用图数据库,如neo4j)完整记录全部关联关系,每个参与交流的利益方只需要完全站在自己的角度做出判断和选择,围绕目标达成结构化分析,可以定位关键问题。
所有参与交流利益方并不需要相互认识和了解。
采用这种结构化方法,可以显著提高2B销售交流的有效性,显著2B销售。
实施例二:
战略规划和实施
市场在持续变化,在争取市场份额的竞争者,大部分企业都不得不灵活地适应市场变化,企业不得不利用原有主要人员和资源基础,进入一个可能是全新业务领域,例如,较多原来做技术实施企业,因为自己熟悉客户,提出不同类型的需求,从技术服务能力提供方,进入技术系统的运营和业务拓展方,而导致失败的例子普遍存在,这类转型的决策和管理团队的商业思维模式,很难实现转型或者突然进入一个新的商业领域。结构化交流方法,通过引入不同类型利益相关方,通过各个数字孪生代理,从其他领域的商业案例中,按照结构化交流框架,对各种可能商业组合模式,对每个参与方的成本和产出分析,筛选各个利益相关方都能共赢合作模式,逐一找出实现商业模式关键资源,在数字空间演算推演,建立一个持续变化和发展的商业模式,整个商业逻辑的演变过程,将渐进的小量变,逐步实现质变的飞跃,尤其是每次变化,都通过现有成熟专业合作方为基础,从而大大降低了探索新模式风险和成本,大幅减少了商业试错的成本。
采用结构化交流方法建构的战略规划和实施系统,其规划过程同时也包含了关键资源的落实和签约,而且形成过程是一个连续过程,即不同于委托外部专业机构规划,也不是某个战略管理部门少数专家做规划,不仅全员参与,而且更让公司战略合作机构,和专业咨询机构也参与,还有真实客户全程参与,甚至通过商业协议确定和明确某些市场价值信息。不是花很长时间做规划,再去组织资源实施,市场很可能都发生变化。
基于同一发明构思,本发明实施例还提供了一种基于数字孪生技术的信息交互装置,所述装置包括:
任务生成模块310,用于利用数字孪生机器人接收其关联对象提出的需求信息,并基于所述数字孪生机器人中预先存储的所述关联对象的对象信息进行目标自动拆解,以形成所述数字孪生机器人对应关联对象需要追求的多个目标范围,同时形成多个目标范围之间的层次分类和优先级顺序;在关联对象的目标范围内进行筛选高价值点的目标对象,寻找出所述目标对象主要的目标特征,同时形成目标范围内所述目标对象的沟通范式,根据不同层次分类的目标范围和相应的沟通范式,形成关联对象可接受的多种交互方案,基于关联对象的多种交互方案,从预制的模型知识库中选择出目标范围和沟通范式都最匹配的目标交互方案,作为所述需求信息对应的信息交互请求;其中,所述需求信息包括业务问题信息和/或预期结果信息;
任务发送模块320,用于基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人,将所述信息交互请求发送至所述目标数字孪生机器人;每个交互对象对应至少一个数字孪生机器人;
信息接收模块330,用于接收所述目标数字孪生机器人响应所述信息交互请求返回的任务执行信息;
信息整理模块340,用于整理所述任务执行信息,供所述请求对象进行查看。
在本发明一可选实施例中,信息整理模块340还可以用于:
根据各所述目标数字孪生机器人返回的任务执行信息对应的执行状态进行分类,得到结果成熟、任务交流中或未来展望三个类别;
为各类别的任务执行信息添加标签,所述标签包括主体类型标签和结果标签;所述主体类型标签用于表征所述交互对象所属的执行方;所述结果标签用于表征任务执行结果;
构建数字交流空间,在所述数字交流空间中展示所述三个类别分别对应的任务执行信息及标签。
在本发明一可选实施例中,信息整理模块340还可以用于:在所述数字交流空间中按照既定规则完成数据整理,包括数字孪生体匿名化处理,数字空间中数字孪生体主体的基本信息自动维护和更新,所述数字孪生体数字匹配模型的迭代,以及为根据所述交互对象所属的执行方生成的匿名标签。
在本发明一可选实施例中,各目标数字孪生机器人可以用于在知识库或网络知识空间中查找与所述信息交互请求具有较高关联性的目标信息;该数字孪生体基于交互信息的组织规则和进行结果信息的检索和/或学习;
利用所述目标信息生成所述信息交互请求对应的结果信息,基于所述结果信息生成任务执行信息返回至所述请求对象的数字孪生机器人。
在本发明一可选实施例中,各目标数字孪生机器人可以用于:所述利用所述目标信息生成所述信息交互请求对应的结果信息之后,基于所述结果信息生成任务执行信息返回至所述请求对象的数字孪生机器人之前,接收所述目标数字孪生机器人关联的交互对象针对所述结果信息的选择操作,将经过所述选择操作后的第一结果信息以及所述第一结果信息和所述需求信息的关联关系存储至所述知识库中;和/或,
接收所述目标数字孪生机器人关联的交互对象输入的第二结果信息,将所述第二结果信息以及所述第二结果信息和所述需求信息的关联关系存储至所述知识库中。
在本发明一可选实施例中,信息整理模块340还可以用于:通过所述数字孪生机器人和任一所述目标数字孪生机器人辅助完成所述请求对象和至少一个交互对象之间的多轮交互,交互方式为通过数字孪生机器人所生成的任务请求,根据任务请求内的目标范围和交互方式对应的字段、特征和/或模式,匹配最相似的/最对口的数字孪生机器人,然后开启交互。
在本发明一可选实施例中,信息整理模块340还可以用于:
接收所述请求对象根据任一所述任务执行信息提出的追问信息,并将所述追问信息发送至所述任务执行信息对应的目标数字孪生机器人,以由所述目标数字孪生机器人和/或所述目标数字孪生机器人对应的交互对象提供用于解决所述追问信息的解决方案;
通过所述数字孪生机器人接收所述解决方案并将所述解决方案,并向所述请求对象进行展示。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述实施例所述的方法。
本发明实施例还提供了一种计算设备,所述计算设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述实施例所述的方法。
所属领域的技术人员可以清楚地了解到,上述描述的系统、装置、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,为简洁起见,在此不另赘述。
另外,在本发明各个实施例中的各功能单元可以物理上相互独立,也可以两个或两个以上功能单元集成在一起,还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现,也可以采用软件或者固件的形式实现。
本领域普通技术人员可以理解:所述集成的功能单元如果以软件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,本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,其包括若干指令,用以使得一台计算设备(例如个人计算机,服务器,或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM),磁碟或者光盘等各种可以存储程序代码的介质。
或者,实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机,服务器,或者网络设备等的计算设备)来完成,所述程序指令可以存储于一计算机可读取存储介质中,当所述程序指令被计算设备的处理器执行时,所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:在本发明的精神和原则之内,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案脱离本发明的保护范围。
Claims (9)
1.一种基于数字孪生技术的信息交互方法,其特征在于,所述方法包括:
利用数字孪生机器人接收其关联对象提出的需求信息,并基于所述数字孪生机器人中预先存储的所述关联对象的对象信息进行目标自动拆解,以形成所述数字孪生机器人对应关联对象需要追求的多个目标范围,同时形成多个目标范围之间的层次分类和优先级顺序;
在关联对象的目标范围内进行筛选高价值点的目标对象,寻找出所述目标对象主要的目标特征,同时形成目标范围内所述目标对象的沟通范式,根据不同层次分类的目标范围和相应的沟通范式,形成关联对象可接受的多种交互方案,基于关联对象的多种交互方案,从预制的模型知识库中选择出目标范围和沟通范式都最匹配的目标交互方案,作为所述需求信息对应的信息交互请求;其中,所述需求信息包括业务问题信息和/或预期结果信息;
基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人,将所述信息交互请求发送至所述目标数字孪生机器人;每个交互对象对应至少一个数字孪生机器人;
接收所述目标数字孪生机器人响应所述信息交互请求返回的任务执行信息;
整理所述任务执行信息,供请求对象进行查看,
所述整理所述任务执行信息,供请求对象进行查看包括:
根据各所述目标数字孪生机器人返回的任务执行信息对应的执行状态进行分类,得到结果成熟、任务交流中或未来展望三个类别;
为各类别的任务执行信息添加标签,所述标签包括主体类型标签和结果标签;所述主体类型标签用于表征所述交互对象所属的执行方;所述结果标签用于表征任务执行结果;
构建数字交流空间,在所述数字交流空间中展示所述三个类别分别对应的任务执行信息及标签。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述数字交流空间中按照既定规则完成数据整理,包括数字孪生体匿名化处理,数字空间中数字孪生体主体的基本信息自动维护和更新,所述数字孪生体数字匹配模型的迭代,以及为根据所述交互对象所属的执行方生成的匿名标签。
3.根据权利要求2所述的方法,其特征在于,所述基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人之后,所述方法还包括:
利用各所述目标数字孪生机器人在知识库或网络知识空间中查找与所述信息交互请求具有较高关联性的目标信息;该数字孪生体基于交互信息的组织规则和进行结果信息的检索和/或学习;
利用所述目标信息生成所述信息交互请求对应的结果信息,基于所述结果信息生成任务执行信息返回至所述请求对象的数字孪生机器人。
4.根据权利要求3所述的方法,其特征在于,所述利用所述目标信息生成所述信息交互请求对应的结果信息之后,基于所述结果信息生成任务执行信息返回至所述请求对象的数字孪生机器人之前,所述方法还包括:
接收所述目标数字孪生机器人关联的交互对象针对所述结果信息的选择操作,将经过所述选择操作后的第一结果信息以及所述第一结果信息和所述需求信息的关联关系存储至所述知识库中;和/或,
接收所述目标数字孪生机器人关联的交互对象输入的第二结果信息,将所述第二结果信息以及所述第二结果信息和所述需求信息的关联关系存储至所述知识库中。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述整理所述任务执行信息,供所述请求对象进行查看之后,所述方法还包括:
通过所述数字孪生机器人和任一所述目标数字孪生机器人辅助完成所述请求对象和至少一个交互对象之间的多轮交互,交互方式为通过数字孪生机器人所生成的任务请求,根据任务请求内的目标范围和交互方式对应的字段、特征和/或模式,匹配最相似的/最对口的数字孪生机器人,然后开启交互。
6.根据权利要求5所述的方法,其特征在于,所述通过所述数字孪生机器人和任一所述目标数字孪生机器人辅助完成所述请求对象和至少一个交互对象之间的多轮交互包括:
接收所述请求对象根据任一所述任务执行信息提出的追问信息,并将所述追问信息发送至所述任务执行信息对应的目标数字孪生机器人,以由所述目标数字孪生机器人和/或所述目标数字孪生机器人对应的交互对象提供用于解决所述追问信息的解决方案;
通过所述数字孪生机器人接收所述解决方案并将所述解决方案,并向所述请求对象进行展示。
7.一种基于数字孪生技术的信息交互装置,其特征在于,所述装置包括:
任务生成模块,用于利用数字孪生机器人接收其关联对象提出的需求信息,并基于所述数字孪生机器人中预先存储的所述关联对象的对象信息进行目标自动拆解,以形成所述数字孪生机器人对应关联对象需要追求的多个目标范围,同时形成多个目标范围之间的层次分类和优先级顺序;在关联对象的目标范围内进行筛选高价值点的目标对象,寻找出所述目标对象主要的目标特征,同时形成目标范围内所述目标对象的沟通范式,根据不同层次分类的目标范围和相应的沟通范式,形成关联对象可接受的多种交互方案,基于关联对象的多种交互方案,从预制的模型知识库中选择出目标范围和沟通范式都最匹配的目标交互方案,作为所述需求信息对应的信息交互请求;其中,所述需求信息包括业务问题信息和/或预期结果信息;
任务发送模块,用于基于所述需求信息在其他交互对象关联的多个数字孪生机器人中选取至少一个目标数字孪生机器人,将所述信息交互请求发送至所述目标数字孪生机器人;每个交互对象对应至少一个数字孪生机器人;
信息接收模块,用于接收所述目标数字孪生机器人响应所述信息交互请求返回的任务执行信息;
信息整理模块,用于整理所述任务执行信息,供请求对象进行查看,包括:根据各所述目标数字孪生机器人返回的任务执行信息对应的执行状态进行分类,得到结果成熟、任务交流中或未来展望三个类别;为各类别的任务执行信息添加标签,所述标签包括主体类型标签和结果标签;所述主体类型标签用于表征所述交互对象所属的执行方;所述结果标签用于表征任务执行结果;构建数字交流空间,在所述数字交流空间中展示所述三个类别分别对应的任务执行信息及标签。
8.一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用于存储程序代码,所述程序代码用于执行权利要求1-6任一项所述的方法。
9.一种计算设备,其特征在于,所述计算设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210600304.6A CN114676230B (zh) | 2022-05-30 | 2022-05-30 | 基于数字孪生技术的信息交互方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210600304.6A CN114676230B (zh) | 2022-05-30 | 2022-05-30 | 基于数字孪生技术的信息交互方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114676230A CN114676230A (zh) | 2022-06-28 |
CN114676230B true CN114676230B (zh) | 2022-09-27 |
Family
ID=82081122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210600304.6A Active CN114676230B (zh) | 2022-05-30 | 2022-05-30 | 基于数字孪生技术的信息交互方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114676230B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941251A (zh) * | 2019-12-25 | 2020-03-31 | 南方科技大学 | 基于数字孪生体的生产控制方法、装置、设备及介质 |
CN112659127A (zh) * | 2020-12-25 | 2021-04-16 | 达闼机器人有限公司 | 多机器人控制方法、装置、系统、存储介质及电子设备 |
CN113301111A (zh) * | 2021-04-09 | 2021-08-24 | 厦门攸信信息技术有限公司 | 数字孪生方法、边缘计算设备、移动终端及存储介质 |
CN113792134A (zh) * | 2021-11-18 | 2021-12-14 | 深圳市长亮科技股份有限公司 | 一种基于数字孪生技术的用户服务方法及系统 |
CN114020248A (zh) * | 2021-11-16 | 2022-02-08 | 武汉理工大学 | 船舶工业数字孪生体平台化构建方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10564993B2 (en) * | 2017-11-07 | 2020-02-18 | General Electric Company | Contextual digital twin runtime environment |
CN112906206B (zh) * | 2021-01-29 | 2024-04-02 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 数字孪生模型构建方法和装置 |
-
2022
- 2022-05-30 CN CN202210600304.6A patent/CN114676230B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941251A (zh) * | 2019-12-25 | 2020-03-31 | 南方科技大学 | 基于数字孪生体的生产控制方法、装置、设备及介质 |
CN112659127A (zh) * | 2020-12-25 | 2021-04-16 | 达闼机器人有限公司 | 多机器人控制方法、装置、系统、存储介质及电子设备 |
CN113301111A (zh) * | 2021-04-09 | 2021-08-24 | 厦门攸信信息技术有限公司 | 数字孪生方法、边缘计算设备、移动终端及存储介质 |
CN114020248A (zh) * | 2021-11-16 | 2022-02-08 | 武汉理工大学 | 船舶工业数字孪生体平台化构建方法及系统 |
CN113792134A (zh) * | 2021-11-18 | 2021-12-14 | 深圳市长亮科技股份有限公司 | 一种基于数字孪生技术的用户服务方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114676230A (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sestino et al. | Leveraging artificial intelligence in business: Implications, applications and methods | |
Chatterjee et al. | Are CRM systems ready for AI integration? A conceptual framework of organizational readiness for effective AI-CRM integration | |
Orenga-Roglá et al. | Social customer relationship management: taking advantage of Web 2.0 and Big Data technologies | |
Leventhal | An introduction to data mining and other techniques for advanced analytics | |
Singh et al. | Picture fuzzy set and quality function deployment approach based novel framework for multi-criteria group decision making method | |
Davari et al. | Data mining approach to professional education market segmentation: a case study | |
Joanna et al. | The concept of the qualitology and grey system theory application in marketing information quality cognition and assessment | |
Zaim et al. | E-CRM success factors as determinants of customer satisfaction rate in retail website | |
Ahmed et al. | Understanding the business value creation process for business intelligence tools in the UAE | |
UnnisaBegum et al. | Data mining techniques for big data | |
Haag et al. | Augmented cross-selling through explainable AI--a case from energy retailing | |
Sim | Critical success factors in data mining projects | |
Olson | Data mining models | |
Valmohammadi et al. | Analyzing the interaction of the challenges of big data usage in a cloud computing environment | |
CN114676230B (zh) | 基于数字孪生技术的信息交互方法及装置 | |
Dhanalakshmi et al. | An analysis of data mining applications for fraud detection in securities market | |
Massy et al. | Model-Building in Marketing Research | |
Soni et al. | Big data analytics for market prediction via consumer insight | |
Chen et al. | Strategic Decision-making Processes of NPD by Hybrid Classification Model Techniques | |
Jaffari et al. | Framework of business intelligence systems for infrastructure design and management | |
Chaudhary | Data mining system, functionalities and applications: a radical review | |
Tooranloo et al. | Analysis of causal relationship between factors affecting the successful implementation of enterprise resource planning using intuitionistic fuzzy DEMATEL | |
Chhabra et al. | Data Science and Knowledge Discovery through Data Mining Paradigms | |
Singh et al. | Knowledge Generation through Web Mining Techniques for e-Business Recommendation System | |
Mahmood | Data Mining and Knowledge Management Application to Enhance Business Operations: An Exploratory Study |
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 |