CN114722831A - 一种数据处理方法、装置、设备和介质 - Google Patents

Abstract

本发明公开了一种数据处理方法、装置、设备和介质，包括：从多个终端设备中的每个终端设备获取样本数据；将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型；从多个终端设备中的目标终端设备获取待解析数据，并将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；根据语义分析结果，确定目标终端设备待执行的目标操作。本申请解决了信息处理领域、物联网领域中涉及的边缘处理过程终对数据分类智能化的难题，使用语义解析模型实现语义解析，可以保障物联网整个系统更加高效、智能、精准及便捷。

Description

一种数据处理方法、装置、设备和介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据处理方法、装置、设备和介质。

背景技术

在互联网服务领域中，随着技术不断的进步和发展，需要对大量底层数据进行采集处理。

相关技术中，主要通过人工现场采集、人工手动数据录入等，导致处理效率较低，因此，如何提高数据处理效率是亟需解决的问题。

发明内容

本申请实施例通过提供一种数据处理方法、装置、设备和介质，解决了现有技术中数据处理效率低的技术问题，实现了提高数据处理效率的技术效果。

第一方面，本申请提供了一种数据处理方法，方法包括：

从多个终端设备中的每个终端设备获取样本数据；

将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型；

从多个终端设备中的目标终端设备获取待解析数据，并将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；

根据语义分析结果，确定目标终端设备待执行的目标操作。

进一步地，从多个终端设备中的每个终端设备获取样本数据，包括：

从多个终端设备中的每个终端设备获取样本数据，构成初始样本数据集；

对初始样本数据集中每条样本数据进行分类，确定每条样本数据的类型标签；

根据每条样本数据的类型标签，确定每条样本数据的语义，并将每条样本数据的语义作为对应样本数据的标签属性，以得到带有标签属性的样本数据。

进一步地，根据语义分析结果，确定目标终端设备待执行的目标操作，包括：

当语义分析结果为数据异常时，目标终端设备待执行的目标操作为报警操作；

当语义分析结果为数据待更新时，目标终端设备待执行的目标操作为数据更新。

进一步地，在得到目标语义解析模型之后，方法还包括：

确定目标语义解析模型的错误率；

当错误率大于等于预设错误率时，对带有标签属性的样本数据进行更新；

将更新后的带有标签属性的样本数据输入到目标语义解析模型中，以对目标语义解析模型进行优化调整。

第二方面，本申请提供了一种数据处理装置，装置包括：

样本数据获取模块，用于从多个终端设备中的每个终端设备获取样本数据；

目标语义解析模型确定模块，用于将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型；

语义分析模块，用于从多个终端设备中的目标终端设备获取待解析数据，并将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；

目标操作确定模块，用于根据语义分析结果，确定目标终端设备待执行的目标操作。

进一步地，样本数据获取模块，包括：

初始样本数据集构成子模块，用于从多个终端设备中的每个终端设备获取样本数据，构成初始样本数据集；

类型标签确定子模块，用于对初始样本数据集中每条样本数据进行分类，确定每条样本数据的类型标签；

样本数据确定子模块，用于根据每条样本数据的类型标签，确定每条样本数据的语义，并将每条样本数据的语义作为对应样本数据的标签属性，以得到带有标签属性的样本数据。

进一步地，目标操作确定模块，包括：

报警操作子模块，用于当语义分析结果为数据异常时，目标终端设备待执行的目标操作为报警操作；

数据更新子模块，用于当语义分析结果为数据待更新时，目标终端设备待执行的目标操作为数据更新。

进一步地，装置还包括：

错误率确定模块，用于确定目标语义解析模型的错误率；

更新模块，用于当错误率大于等于预设错误率时，对带有标签属性的样本数据进行更新；

调整模块，用于将更新后的带有标签属性的样本数据输入到目标语义解析模型中，以对目标语义解析模型进行优化调整。

第三方面，本申请提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为执行以实现如第一方面提供的一种数据处理方法。

第四方面，本申请提供了一种非临时性计算机可读存储介质，当存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行实现如第一方面提供的一种数据处理方法。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请通过从多个终端设备中的每个终端设备获取样本数据，并将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型，再从多个终端设备中的目标终端设备获取待解析数据，将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；最后，根据语义分析结果，确定目标终端设备待执行的目标操作。本申请解决了信息处理领域、物联网领域中涉及的边缘处理过程终对数据分类智能化的难题，使用语义解析模型实现语义解析，可以保障物联网整个系统更加高效、智能、精准及便捷。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。

图1为本申请提供的一种数据处理方法的流程示意图；

图2为本申请提供的一种数据处理装置的结构示意图；

图3为本申请提供的一种电子设备的结构示意图。

具体实施方式

本申请实施例通过提供一种数据处理方法，解决了现有技术中数据处理效率低的技术问题。

本申请实施例的技术方案为解决上述技术问题，总体思路如下：

一种数据处理方法，方法包括：从多个终端设备中的每个终端设备获取样本数据；将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型；从多个终端设备中的目标终端设备获取待解析数据，并将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；根据语义分析结果，确定目标终端设备待执行的目标操作。

本实施例通过从多个终端设备中的每个终端设备获取样本数据，并将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型，再从多个终端设备中的目标终端设备获取待解析数据，将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；最后，根据语义分析结果，确定目标终端设备待执行的目标操作。本实施例解决了信息处理领域、物联网领域中涉及的边缘处理过程终对数据分类智能化的难题，使用语义解析模型实现语义解析，可以保障物联网整个系统更加高效、智能、精准及便捷。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

首先说明，本文中出现的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本实施例提供了如图1所示的一种数据处理方法，方法包括：

步骤S11，从多个终端设备中的每个终端设备获取样本数据。

本实施例提供的数据处理方法可以应用于服务器，服务器与多个终端设备连接。多个终端设备可以包括消防设备、电梯设备、照明设备、报警设备、监控设备等，可以应用于工业园区、办公楼、厂房等区域。

样本数据可以是多个终端设备中的每个终端设备在某一历史时间段内产生的历史数据，也可以是每个终端设备在当前时间段内产生的实时数据。

具体地，从多个终端设备中的每个终端设备获取的样本数据，可以构成初始样本数据集。

按照预设的样本数据类型，对初始样本数据集中每条样本数据进行分类，确定每条样本数据的类型标签。其中，预设的样本数据类型可以按照终端设备的分布区域进行确定，也可以按照终端设备的种类进行划分。类型标签可以根据分类的项目进行设定。

根据每条样本数据的类型标签，确定每条样本数据的语义，并将每条样本数据的语义作为对应样本数据的标签属性，以得到带有标签属性的样本数据。

根据样本数据的类型标签，可以确定每条样本数据本身的语义，进而可以将语义作为样本数据的标签属性，进而得到带有标签属性的样本数据。

步骤S12，将样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型。

将带有标签属性的样本数据输入到初始语义解析模型中进行学习，以对初始语义解析模型进行优化调整，得到目标语义解析模型。

在得到目标语义解析模型之后，还可以对目标语义解析模型进行验证，具体包括：

步骤S21，确定目标语义解析模型的错误率。

将标签属性确定的备用样本数据输入到目标语义解析模型中，得到验证结果，将备用样本数据的验证结果与标签属性进行对比，以确定木笔哦啊语义解析模型的错误率。

步骤S22，当错误率大于等于预设错误率时，对带有标签属性的样本数据进行更新。

步骤S23，将更新后的带有标签属性的样本数据输入到目标语义解析模型中，以对目标语义解析模型进行优化调整。

当错误率大于等于预设错误率时，意味着目标语义解析模型的错误率较高，需要对目标语义解析模型进行进一步调整，因此将带有标签属性的样本数据进行更新。将更新后的带有标签属性的样本数据输入到目标语义解析模型中，以对目标语义解析模型进行优化调整。

针对调整后的目标语义解析模型可以继续确定其错误率，当错误率小于预设错误率时，则可以依赖于调整后的目标语义解析模型执行步骤S13。

步骤S13，从多个终端设备中的目标终端设备获取待解析数据，并将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果。

目标终端设备可以是多个终端设备中的至少一个设备，从目标终端设备获取待解析数据，将待解析数据输入至目标语义解析模型中，进而可以得到待解析数据的语义分析结果。

步骤S14，根据语义分析结果，确定目标终端设备待执行的目标操作。

当语义分析结果为数据异常时，目标终端设备待执行的目标操作为报警操作。例如，当目标终端设备是温度传感器时，当温度传感器检测的温度为65℃，而正常温度为55℃，那么此时意味着温度过高，也就存在数据异常，需要温度传感器执行报警操作。

当语义分析结果为数据待更新时，目标终端设备待执行的目标操作为数据更新。例如，当目标终端设备是电梯时，电梯设定为每运行1个小时，需要上传一次这1个小时内的运行数据。那么，当到达电梯的数据上传时刻时，待上传的运行数据的语义分析结果为数据待更新，电梯则执行上传运行数据的操作。

综上所述，本实施例通过从多个终端设备中的每个终端设备获取样本数据，并将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型，再从多个终端设备中的目标终端设备获取待解析数据，将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；最后，根据语义分析结果，确定目标终端设备待执行的目标操作。本实施例解决了信息处理领域、物联网领域中涉及的边缘处理过程终对数据分类智能化的难题，使用语义解析模型实现语义解析，可以保障物联网整个系统更加高效、智能、精准及便捷。

例如，工业自动化控制过程中，如果出现了故障，使用本实施例进行数据排查时，可以有章可循，排查起来更加方便，容易发现其中哪个环节出了问题；或者在一些具有关联关系的设备系统，前置后置的数据关联性很强，那么我们经过使用语义解析，这样机器就能快速理解系统发生了什么情况。

基于同一发明构思，本申请提供了如图2所示的一种数据处理装置，装置包括：

样本数据获取模块21，用于从多个终端设备中的每个终端设备获取样本数据；

目标语义解析模型确定模块22，用于将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型；

语义分析模块23，用于从多个终端设备中的目标终端设备获取待解析数据，并将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；

目标操作确定模块24，用于根据语义分析结果，确定目标终端设备待执行的目标操作。

进一步地，样本数据获取模块21，包括：

初始样本数据集构成子模块，用于从多个终端设备中的每个终端设备获取样本数据，构成初始样本数据集；

类型标签确定子模块，用于对初始样本数据集中每条样本数据进行分类，确定每条样本数据的类型标签；

样本数据确定子模块，用于根据每条样本数据的类型标签，确定每条样本数据的语义，并将每条样本数据的语义作为对应样本数据的标签属性，以得到带有标签属性的样本数据。

进一步地，目标操作确定模块24，包括：

报警操作子模块，用于当语义分析结果为数据异常时，目标终端设备待执行的目标操作为报警操作；

数据更新子模块，用于当语义分析结果为数据待更新时，目标终端设备待执行的目标操作为数据更新。

进一步地，装置还包括：

错误率确定模块，用于确定目标语义解析模型的错误率；

更新模块，用于当错误率大于等于预设错误率时，对带有标签属性的样本数据进行更新；

调整模块，用于将更新后的带有标签属性的样本数据输入到目标语义解析模型中，以对目标语义解析模型进行优化调整。

基于同一发明构思，本申请提供了如图3所示的一种电子设备，包括：

处理器31；

用于存储处理器31可执行指令的存储器32；

其中，处理器31被配置为执行以实现如上述提供的一种数据处理方法。

基于同一发明构思，本申请提供了一种非临时性计算机可读存储介质，当存储介质中的指令由电子设备的处理器31执行时，使得电子设备能够执行实现如上述提供的一种数据处理方法。

由于本实施例所介绍的电子设备为实施本申请实施例中信息处理的方法所采用的电子设备，故而基于本申请实施例中所介绍的信息处理的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中信息处理的方法所采用的电子设备，都属于本申请所欲保护的范围。

上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：

本实施例通过从多个终端设备中的每个终端设备获取样本数据，并将获取的样本数据输入到初始语义解析模型中，以对初始语义解析模型进行优化调整，得到目标语义解析模型，再从多个终端设备中的目标终端设备获取待解析数据，将待解析数据输入至目标语义解析模型中，得到待解析数据的语义分析结果；最后，根据语义分析结果，确定目标终端设备待执行的目标操作。本实施例解决了信息处理领域、物联网领域中涉及的边缘处理过程终对数据分类智能化的难题，使用语义解析模型实现语义解析，可以保障物联网整个系统更加高效、智能、精准及便捷。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种数据处理方法，其特征在于，所述方法包括：

从多个终端设备中的每个终端设备获取样本数据；

将获取的样本数据输入到初始语义解析模型中，以对所述初始语义解析模型进行优化调整，得到目标语义解析模型；

从所述多个终端设备中的目标终端设备获取待解析数据，并将所述待解析数据输入至所述目标语义解析模型中，得到所述待解析数据的语义分析结果；

根据所述语义分析结果，确定所述目标终端设备待执行的目标操作。

2.如权利要求1所述的方法，其特征在于，所述从多个终端设备中的每个终端设备获取样本数据，包括：

从所述多个终端设备中的每个终端设备获取样本数据，构成初始样本数据集；

对所述初始样本数据集中每条样本数据进行分类，确定每条样本数据的类型标签；

根据每条样本数据的类型标签，确定每条样本数据的语义，并将每条样本数据的语义作为对应样本数据的标签属性，以得到带有标签属性的样本数据。

3.如权利要求1所述的方法，其特征在于，所述根据所述语义分析结果，确定所述目标终端设备待执行的目标操作，包括：

当所述语义分析结果为数据异常时，所述目标终端设备待执行的目标操作为报警操作；

当所述语义分析结果为数据待更新时，所述目标终端设备待执行的目标操作为数据更新。

4.如权利要求1所述的方法，其特征在于，在得到目标语义解析模型之后，所述方法还包括：

确定所述目标语义解析模型的错误率；

当所述错误率大于等于预设错误率时，对带有标签属性的样本数据进行更新；

将更新后的带有标签属性的样本数据输入到所述目标语义解析模型中，以对所述目标语义解析模型进行优化调整。

5.一种数据处理装置，其特征在于，所述装置包括：

样本数据获取模块，用于从多个终端设备中的每个终端设备获取样本数据；

目标语义解析模型确定模块，用于将获取的样本数据输入到初始语义解析模型中，以对所述初始语义解析模型进行优化调整，得到目标语义解析模型；

语义分析模块，用于从所述多个终端设备中的目标终端设备获取待解析数据，并将所述待解析数据输入至所述目标语义解析模型中，得到所述待解析数据的语义分析结果；

目标操作确定模块，用于根据所述语义分析结果，确定所述目标终端设备待执行的目标操作。

6.如权利要求5所述的装置，其特征在于，所述样本数据获取模块，包括：

初始样本数据集构成子模块，用于从所述多个终端设备中的每个终端设备获取样本数据，构成初始样本数据集；

类型标签确定子模块，用于对所述初始样本数据集中每条样本数据进行分类，确定每条样本数据的类型标签；

样本数据确定子模块，用于根据每条样本数据的类型标签，确定每条样本数据的语义，并将每条样本数据的语义作为对应样本数据的标签属性，以得到带有标签属性的样本数据。

7.如权利要求5所述的装置，其特征在于，所述目标操作确定模块，包括：

报警操作子模块，用于当所述语义分析结果为数据异常时，所述目标终端设备待执行的目标操作为报警操作；

数据更新子模块，用于当所述语义分析结果为数据待更新时，所述目标终端设备待执行的目标操作为数据更新。

8.如权利要求5所述的装置，其特征在于，所述装置还包括：

错误率确定模块，用于确定所述目标语义解析模型的错误率；

更新模块，用于当所述错误率大于等于预设错误率时，对带有标签属性的样本数据进行更新；

调整模块，用于将更新后的带有标签属性的样本数据输入到所述目标语义解析模型中，以对所述目标语义解析模型进行优化调整。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行以实现如权利要求1至4中任一项所述的一种数据处理方法。

10.一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行实现如权利要求1至4中任一项所述的一种数据处理方法。

Images