CN114780645B - 基于人工智能的数据分类处理方法、系统及云平台 - Google Patents
基于人工智能的数据分类处理方法、系统及云平台 Download PDFInfo
- Publication number
- CN114780645B CN114780645B CN202210317726.2A CN202210317726A CN114780645B CN 114780645 B CN114780645 B CN 114780645B CN 202210317726 A CN202210317726 A CN 202210317726A CN 114780645 B CN114780645 B CN 114780645B
- Authority
- CN
- China
- Prior art keywords
- attribute
- key feature
- feature vector
- report
- interaction scene
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供的基于人工智能的数据分类处理方法、系统及云平台,获取该业务报表数据对应表格部分区间的表格属性的表格关键特征向量,同时在目前报表互动场景加载样本报表互动场景以执行该表格属性的表格关键特征向量。使用该样本报表互动场景执行后一个业务报表数据对应的表格关键特征向量。因此,通过触发目前报表互动场景的业务报表数据就可使用样本报表互动场景预览到对应表格部分区间的表格属性内容。在对象转换触发其他业务报表数据时,样本报表互动场景转换执行相应其他业务报表数据对应的表格部分区间的表格属性内容,提高了报表统计的准确率,从而实现提升数据分类处理效率的目的。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及基于人工智能的数据分类处理方法、系统及云平台。
背景技术
在人工智能技术深入到实际应用报表统计的过程中时,取代了传统上的报表数据处理方式,通过人工智能进行报表数据处理,这样能够有效的提高报表处理的效率,还能有效的降低人工成本。
人工智能能够对采集到的数据进行分析、分类等处理方式,这样能过全面的对采集到的数据进行完整的认知,在进行数据统计的时候既能提高统计的准确率。
然而,在统计的过程中,还存在数据分类不准确的问题。
发明内容
鉴于此,本申请提供了基于人工智能的数据分类处理方法、系统及云平台。
第一方面,提供一种基于人工智能的数据分类处理方法,在目前报表互动场景涵盖多个业务报表数据,提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性;
获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量;
在目前报表互动场景加载样本报表互动场景,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量;
提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性;
获取所述第二业务报表数据对应的第二表格部分区间的表格属性的表格关键特征向量;
暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行,统计所述第二表格部分区间的表格属性的表格关键特征向量,并使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量。
进一步地,所述暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行,统计所述第二表格部分区间的表格属性的表格关键特征向量,并使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量,包括:
暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量中局部位置关系的执行,保持所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量的执行;
统计所述第二表格部分区间的表格属性的表格关键特征向量;
暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量中表格识别请求的执行,并在暂停所述第一表格部分区间的表格属性表格识别请求的相同时刻使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量。
进一步地,所述获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量,包括:
获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量位置区域;
根据所述第一表格部分区间的表格属性的表格关键特征向量位置区域获取该表格部分区间的表格属性的表格关键特征向量;
或,所述获取所述第二业务报表数据对应的第二表格部分区间的表格属性的表格关键特征向量,包括:
获取所述第二业务报表数据对应的第二表格部分区间的表格属性的表格关键特征向量位置区域;
根据所述第二表格部分区间的表格属性的表格关键特征向量位置区域获取该表格部分区间的表格属性的表格关键特征向量。
进一步地,所述暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行之后,还包括:
缓存所述第一表格部分区间的表格属性的表格关键特征向量;确认对象再次触发所述第一业务报表数据时,从缓存区中统计所述第一表格部分区间的表格属性的表格关键特征向量,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量。
进一步地,所述在目前报表互动场景涵盖多个业务报表数据之前,还包括:
获取目前报表互动场景中多个业务报表数据对应表格部分区间的表格属性的记录;
提取所述多个表格部分区间的表格属性的记录;
所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量,包括:
根据表格部分区间的表格属性的记录,使用样本报表互动场景执行表格部分区间的表格属性的表格关键特征向量。
进一步地,所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量之后,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之后,还包括:
提取对象在所述样本报表互动场景筛选预设标准的模板;
统计所述样本报表互动场景目前执行的表格部分区间的表格属性对应的预设标准的内容属性;
在样本报表互动场景涵盖所述对应的预设标准的信息。
进一步地,所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之后,还包括:
获取所述对象在目前报表互动场景的候选录入表格的数据;
根据所述对象候选录入表格的数据从目前报表互动场景中选择训练表格要素特征的业务报表数据;
预加载所述训练表格要素特征的业务报表数据对应的表格部分区间的表格属性的表格关键特征向量;
提取对象在所述样本报表互动场景的执行表格指示内容属性,依次在所述样本报表互动场景执行训练时长的所述训练表格要素特征的业务报表数据对应表格部分区间的表格属性的局部位置关系。
进一步地,所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量之后,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之后,还包括:
提取所述对象从所述样本报表互动场景进入对应表格部分区间的表格指示内容属性;
进入所述样本报表互动场景目前执行表格属性表格关键特征向量对应的表格部分区间。
进一步地,所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量之前,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之前,还包括:
获取所述样本报表互动场景执行的表格关键特征向量对应的表格部分区间的表格属性的词义标签;
所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量,包括:
根据表格部分区间的表格属性的词义标签修正所述样本报表互动场景,并使用所述修正后的样本报表互动场景执行该表格部分区间的表格属性的表格关键特征向量;
其中,所述提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性或提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性,包括:
提取对象对业务报表数据的提示或执行该业务报表数据的表格指示内容属性。
第二方面,本申请实施例提供一种基于人工智能的数据分类处理系统,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。
第三方面,本申请实施例提供一种云平台,所述云平台包括存储有程序的可读存储介质,以执行所述的方法。
本申请实施例所提供的基于人工智能的数据分类处理方法、系统及云平台,在对象触发一业务报表数据时提取对象的表格指示内容属性并获取该业务报表数据对应表格部分区间的表格属性的表格关键特征向量,同时在目前报表互动场景加载样本报表互动场景以执行该表格属性的表格关键特征向量。之后提取到对象触发另一业务报表数据的表格指示内容属性后,转换该样本报表互动场景的表格关键特征向量。即暂停前一个表格关键特征向量之后,使用该样本报表互动场景执行后一个业务报表数据对应的表格关键特征向量。因此,对象可以在表格属性中,通过触发目前报表互动场景的业务报表数据就可使用样本报表互动场景预览到对应表格部分区间的表格属性内容。并且,在对象转换触发其他业务报表数据时,样本报表互动场景转换执行相应其他业务报表数据对应的表格部分区间的表格属性内容。因此,避免对象通过不断属性修正表格属性的方式进入不同的表格部分区间,以寻找热度的表格内容。进而,提高报表统计的准确率,从而实现提升数据分类处理效率的目的。
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数据分类处理方法的流程图。
图2为本申请实施例所提供的一种基于人工智能的数据分类处理装置的框图。
图3为本申请实施例所提供的一种基于人工智能的数据分类处理系统的架构图。
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数据分类处理方法,该方法可以包括以下步骤100-步骤600所描述的技术方案。
步骤100,在目前报表互动场景涵盖多个业务报表数据,提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性。
在本实施例中,电脑等设备上的Excel表格的目前报表互动场景给对象涵盖表格属性。表格属性中包括多个业务报表数据,每个业务报表数据显示对应表格部分区间的表示界面。表格属性中给对象显示的业务报表数据对应的表格部分区间可以包含多种种类的表格部分区间内容。例如,娱乐类的表格部分区间,工作类的表格部分区间,安排类的表格部分区间等。每个业务报表数据上涵盖对应表格部分区间的表格内容界面,以便对象可以通过表格内容界面初步了解对应表格部分区间的表格内容。同时,业务报表数据上涵盖对应表格部分区间表格内容的词义识别。对象可以根据业务报表数据的词义识别以及卡片上涵盖的表格内容界面,判断是否符合表格预设内容,从而决定是否进入对应的表格部分区间。
电脑等设备给对象展示多个业务报表数据之后,提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性。其中,移动设备提取的对象表格指示内容属性可以是对象提示表格属性中的业务报表数据或者对象执行表格属性中的业务报表数据。业务报表数据对应的表格部分区间中的内容包括表格部分区间的表格属性、显示面以及内容填写效果等。
步骤200,获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量。
在本实施例中,电脑等设备提取出对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性后,获取该业务报表数据对应的表格部分区间的表格属性的表格关键特征向量。
步骤300,在目前报表互动场景加载样本报表互动场景,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量。
在本实施例中,电脑等设备提取对象对业务报表数据的表格指示内容属性并且获取该业务报表数据对应表格部分区间的表格属性的表格关键特征向量之后,在目前展示的报表互动场景预设时间段内加载样本报表互动场景。加载的样本报表互动场景可以是设置为全局属性的样本报表互动场景。也即是样本报表互动场景可以浮动在目前报表互动场景的表格属性中所有业务报表数据的上层。并且,在提取到对象的加载模板时,加载的样本报表互动场景根据对象的加载模板进行违法上的移动。
具体地,样本报表互动场景设置为全局置顶属性。因此,在使用样本报表互动场景执行表格部分区间的表格属性的表格关键特征向量时,可退出目前报表互动场景或者退出Excel表格。
步骤400,提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性。
在本实施例中,电脑等设备确认对象在使用样本报表互动场景执行第一表格部分区间的表格属性的表格关键特征向量之后,再次提取到对象触发目前报表互动场景的表格属性中另一业务报表数据。其中,移动设备提取的对象表格指示内容属性可以是对象提示表格属性中的业务报表数据或者对象执行表格属性中的业务报表数据。
步骤500,获取所述第二业务报表数据对应的第二表格部分区间的表格属性的表格关键特征向量。
在本实施例中,电脑等设备提取到对象触发目前报表互动场景表格属性中的另一业务报表数据之后,获取该业务报表数据对应表格部分区间的表格属性的表格关键特征向量。也即是,对象在触发上一业务报表数据使用样本报表互动场景浏览该业务报表数据对应表格部分区间的表格属性内容时,想要预览其他业务报表数据对应的表格部分区间的表格属性内容,通过触发其他业务报表数据,电脑等设备即获取该业务报表数据对应表格部分区间的表格属性的表格关键特征向量。
步骤600,暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行,统计所述第二表格部分区间的表格属性的表格关键特征向量,并使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量。
在本实施例中,电脑等设备获取到另一业务报表数据对应的表格部分区间的表格属性的表格关键特征向量之后,暂停样本报表互动场景正在执行的上一表格部分区间的表格属性的表格关键特征向量,同时统计该另一业务报表数据对应的表格部分区间的表格属性的表格关键特征向量,并将样本报表互动场景转换执行另一业务报表数据对应的表格部分区间的表格属性的表格关键特征向量。其中,在本步骤中只需要在样本报表互动场景统计不同业务报表数据对应表格部分区间的表格属性的表格关键特征向量进行执行,样本报表互动场景不需要重新加载。
可以理解,在执行上述步骤100-步骤600所描述的技术方案时,在对象触发一业务报表数据时提取对象的表格指示内容属性并获取该业务报表数据对应表格部分区间的表格属性的表格关键特征向量,同时在目前报表互动场景加载样本报表互动场景以执行该表格属性的表格关键特征向量。之后提取到对象触发另一业务报表数据的表格指示内容属性后,转换该样本报表互动场景的表格关键特征向量。即暂停前一个表格关键特征向量之后,使用该样本报表互动场景执行后一个业务报表数据对应的表格关键特征向量。因此,对象可以在表格属性中,通过触发目前报表互动场景的业务报表数据就可使用样本报表互动场景预览到对应表格部分区间的表格属性内容。并且,在对象转换触发其他业务报表数据时,样本报表互动场景转换执行相应其他业务报表数据对应的表格部分区间的表格属性内容。因此,避免对象通过不断属性修正表格属性的方式进入不同的表格部分区间,以寻找热度的表格内容。进而,提高报表统计的准确率,从而实现提升数据分类处理效率的目的。
在一种实施例中,步骤600所描述的“暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行,统计所述第二表格部分区间的表格属性的表格关键特征向量”可以包括以下步骤q1-步骤q3所描述的内容。
步骤q1,暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量中局部位置关系的执行,保持所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量的执行。
步骤q2,统计所述第二表格部分区间的表格属性的表格关键特征向量。
步骤q3,暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量中表格识别请求的执行,并在暂停所述第一表格部分区间的表格属性表格识别请求的相同时刻使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量。
可以理解,在执行上述步骤q1-步骤q3所描述的内容时,样本报表互动场景在执行第一表格部分区间的表格属性的表格关键特征向量转换到执行第二表格部分区间的表格属性的表格关键特征向量的过程中,样本报表互动场景在转换期间,先关闭第一表格部分区间的表格属性的局部位置关系,保持执行第一表格部分区间的表格属性的表格识别请求。然后统计第二表格部分区间的表格属性的表格关键特征向量,样本报表互动场景在暂停第一表格部分区间的表格属性的表格识别请求的相同时刻,执行第二表格部分区间的表格属性的表格关键特征向量。因此,保持样本报表互动场景在转换执行表格部分区间的表格属性的表格关键特征向量的过程中,无缝转换,提高对象体验。
在一具体实施方式中,步骤S200包括:获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量位置区域;根据所述第一表格部分区间的表格属性的表格关键特征向量位置区域获取该表格部分区间的表格属性的表格关键特征向量。具体地,移动设备在提取出对象对目前报表互动场景的第一业务报表数据的表格指示内容属性之后,与后台数据处理终端通信,从后台数据处理终端获取到该业务报表数据对应的表格部分区间的表格属性的表格关键特征向量位置区域。进一步地,根据该表格关键特征向量位置区域从后台数据处理终端获取到该业务报表数据对应的表格部分区间的表格属性的表格关键特征向量,同时对该表格关键特征向量进行剖析以使得该表格关键特征向量可以在该电脑等设备进行执行。
在一实施例中,步骤S600中“暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行”之后,还包括:缓存所述第一表格部分区间的表格属性的表格关键特征向量;确认对象再次触发所述第一业务报表数据时,从缓存区中统计所述第一表格部分区间的表格属性的表格关键特征向量,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量。也即是,移动设备将暂停的上一表格部分区间的表格属性表格关键特征向量先进行缓存,在检测到对象触发上一表格部分区间对应的业务报表数据时,直接从缓存区中统计该业务报表数据对应的表格部分区间的表格属性的表格关键特征向量进行执行。因此,可以加快样本报表互动场景转换执行对应表格部分区间的表格属性表格关键特征向量的速率,提高对象体验。
基于上述基础,在目前报表互动场景涵盖多个业务报表数据之前,还可以包括以下步骤w1和步骤w2所描述的技术方案。
步骤w1,获取目前报表互动场景中多个业务报表数据对应表格部分区间的表格属性的记录。
步骤w2,提取所述多个表格部分区间的表格属性的记录。
可以理解,在执行上述步骤w1和步骤w2所描述的技术方案时,通过表格属性的记录,提高提取所述多个表格部分区间的表格属性的记录的完整性。
在另一种可实施的实施例中,步骤w1所描述的“使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量”,可以包括步骤w11所描述的技术方案。
步骤w11,根据表格部分区间的表格属性的记录,使用样本报表互动场景执行表格部分区间的表格属性的表格关键特征向量。
可以理解,在执行上述步骤w11所描述的技术方案时,通过对表格部分区间的表格属性的记录进行处理,从而提高表格关键特征向量的准确性。
基于上述基础,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量之后,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之后,开可以包括以下步骤r1-步骤r3所描述的技术方案。
步骤r1,提取对象在所述样本报表互动场景筛选预设标准的模板。
步骤r2,统计所述样本报表互动场景目前执行的表格部分区间的表格属性对应的预设标准的内容属性。
步骤r3,在样本报表互动场景涵盖所述对应的预设标准的信息。
可以理解,在执行上述步骤r1-步骤r3所描述的技术方案时,通过精确地提取对象在所述样本报表互动场景筛选预设标准的模板,从而提高预设标准的信息的完整性。
在一实施例中,步骤S600之后,还包括以下步骤:
S700,获取所述对象在目前报表互动场景的候选录入表格的数据;
S800,根据所述对象候选录入表格的数据从目前报表互动场景中选择训练表格要素特征的业务报表数据;
S900,预加载所述训练表格要素特征的业务报表数据对应的表格部分区间的表格属性的表格关键特征向量;
S1000,提取对象在所述样本报表互动场景的执行表格指示内容属性,依次在所述样本报表互动场景执行训练时长的所述训练表格要素特征的业务报表数据对应表格部分区间的表格属性的局部位置关系。
在本实施例中,移动设备获取对象在目前报表互动场景的候选录入表格的数据。其中,对象的候选录入表格数据包括对象进入表格部分区间的类型以及进入每个类型表格部分区间的次数,对象收藏的表格部分区间类型数据,对象分享的表格部分区间类型的数据等。对象的候选录入表格数据可以是表明对象对于表格部分区间类型喜欢的数据。进一步地,移动设备根据获取到的对象的候选录入表格数据从Excel表格目前报表互动场景的表格属性首页中选择训练表格要素特征的业务报表数据,并预加载该训练表格要素特征的业务报表数据对应的表格部分区间的表格属性的表格关键特征向量数据。在提取对象在样本报表互动场景的执行表格指示内容属性(可以是对象提示或者执行样本报表互动场景),依次在样本报表互动场景执行训练时长的该训练表格要素特征的表格关键特征向量。
在一实施例中,步骤S300中“使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量”之后,还包括:提取所述对象从所述样本报表互动场景进入对应表格部分区间的表格指示内容属性;进入所述样本报表互动场景目前执行表格属性表格关键特征向量对应的表格部分区间。具体地,对象在使用样本报表互动场景执行第一表格部分区间的表格属性的表格关键特征向量时,可在样本报表互动场景提示进入第一表格部分区间。也即是,移动设备提取到对象从样本报表互动场景进入第一表格部分区间的表格指示内容属性,进入第一表格部分区间。因此可以提高对象体验。
基于上述基础,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量之前,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之前,还可以包可以下步骤a1所描述的技术方案。
步骤a1,获取所述样本报表互动场景执行的表格关键特征向量对应的表格部分区间的表格属性的词义标签。
可以理解,在执行上述步骤a1所描述的技术方案时,通过样本报表互动场景从而提高词义标签的准确性。
在一种可替换的实施例中,发明人发现,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量时,存在误差的问题,从而难以准确的执行所述第二表格部分区间的表格属性的表格关键特征向量,为了改善上述技术问题,步骤w1所描述的使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量的步骤,具体可以包括以下步骤s1所描述的技术方案。
步骤s1,根据表格部分区间的表格属性的词义标签修正所述样本报表互动场景,并使用所述修正后的样本报表互动场景执行该表格部分区间的表格属性的表格关键特征向量。
可以理解,在执行上述步骤s1所描述的技术方案时,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量时,改善误差的问题,从而能够准确的执行所述第二表格部分区间的表格属性的表格关键特征向量。
在一种可替换的实施例中,发明人发现,提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性或提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性时,存在多种属性不准确的问题,从而难以准确地提取对象对目前报表互动场景中的第一业务报表数据,为了改善上述技术问题,步骤100所描述的提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性或提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性的步骤,具体可以包括以下步骤d1所描述的技术方案。
步骤d1,提取对象对业务报表数据的提示或执行该业务报表数据的表格指示内容属性。
可以理解,在执行上述步骤d1所描述的技术方案时,提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性或提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性时,改善多种属性不准确的问题,从而能够准确地提取对象对目前报表互动场景中的第一业务报表数据。
在一实施例中,步骤S300中“在目前报表互动场景加载逐一检测方式的样本报表互动场景”包括:在目前报表互动场景加载逐一检测方式的样本报表互动场景。步骤S300中“所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量”或者步骤S600中“用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量”包括:根据所述逐一检测方式使用所述样本报表互动场景执行表格属性的表格关键特征向量。
或,步骤S300中“在目前报表互动场景加载逐一检测方式的样本报表互动场景”包括:在目前报表互动场景加载根据对象指示变化向量方式的样本报表互动场景。步骤S300中“所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量”或者步骤S600中“用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量”包括:获取对象的指示变化,根据所述对象的指示变化使用所述样本报表互动场景执行表格属性的表格关键特征向量。
也即是,在本实施例中,在使用样本报表互动场景执行对应的表格部分区间的表格属性表格关键特征向量时,样本报表互动场景可以逐一检测形成执行表格填写位置并执行对应的表格部分区间的表格属性的表格关键特征向量。或者,样本报表互动场景可以根据对象的指示变化向量形成执行表格填写位置并执行对应的表格部分区间的表格属性的表格关键特征向量。
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数据分类处理装置200,应用于数据处理终端,所述装置包括:
内容提取模块210,用于在目前报表互动场景涵盖多个业务报表数据,提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性;
特征获取模块220,用于获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量;
特征执行模块230,用于在目前报表互动场景加载样本报表互动场景,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量;
属性提取模块240,用于提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性;
属性获取模块250,用于获取所述第二业务报表数据对应的第二表格部分区间的表格属性的表格关键特征向量;
属性统计模块260,用于暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行,统计所述第二表格部分区间的表格属性的表格关键特征向量,并使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量。
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数据分类处理系统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,本申请实施例提供一种云平台,所述云平台包括存储有程序的可读存储介质,以执行所述的方法。
综上,基于上述方案,在对象触发一业务报表数据时提取对象的表格指示内容属性并获取该业务报表数据对应表格部分区间的表格属性的表格关键特征向量,同时在目前报表互动场景加载样本报表互动场景以执行该表格属性的表格关键特征向量。之后提取到对象触发另一业务报表数据的表格指示内容属性后,转换该样本报表互动场景的表格关键特征向量。即暂停前一个表格关键特征向量之后,使用该样本报表互动场景执行后一个业务报表数据对应的表格关键特征向量。因此,对象可以在表格属性中,通过触发目前报表互动场景的业务报表数据就可使用样本报表互动场景预览到对应表格部分区间的表格属性内容。并且,在对象转换触发其他业务报表数据时,样本报表互动场景转换执行相应其他业务报表数据对应的表格部分区间的表格属性内容。因此,避免对象通过不断属性修正表格属性的方式进入不同的表格部分区间,以寻找热度的表格内容。进而,提高报表统计的准确率,从而实现提升数据分类处理效率的目的。
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)
1.一种基于人工智能的数据分类处理方法,其特征在于,所述方法包括:
在目前报表互动场景涵盖多个业务报表数据,提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性;
获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量;
在目前报表互动场景加载样本报表互动场景,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量;
提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性;
获取所述第二业务报表数据对应的第二表格部分区间的表格属性的表格关键特征向量;
暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行,统计所述第二表格部分区间的表格属性的表格关键特征向量,并使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量。
2.根据权利要求1所述的方法,其特征在于,所述暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行,统计所述第二表格部分区间的表格属性的表格关键特征向量,并使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量,包括:
暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量中局部位置关系的执行,保持所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量的执行;
统计所述第二表格部分区间的表格属性的表格关键特征向量;
暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量中表格识别请求的执行,并在暂停所述第一表格部分区间的表格属性表格识别请求的相同时刻使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量。
3.根据权利要求1所述的方法,其特征在于,所述获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量,包括:
获取所述第一业务报表数据对应的第一表格部分区间的表格属性的表格关键特征向量位置区域;
根据所述第一表格部分区间的表格属性的表格关键特征向量位置区域获取该表格部分区间的表格属性的表格关键特征向量;
或,所述获取所述第二业务报表数据对应的第二表格部分区间的表格属性的表格关键特征向量,包括:
获取所述第二业务报表数据对应的第二表格部分区间的表格属性的表格关键特征向量位置区域;
根据所述第二表格部分区间的表格属性的表格关键特征向量位置区域获取该表格部分区间的表格属性的表格关键特征向量。
4.根据权利要求1所述的方法,其特征在于,所述暂停所述样本报表互动场景中所述第一表格部分区间的表格属性的表格关键特征向量执行之后,还包括:
缓存所述第一表格部分区间的表格属性的表格关键特征向量;确认对象再次触发所述第一业务报表数据时,从缓存区中统计所述第一表格部分区间的表格属性的表格关键特征向量,使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量。
5.根据权利要求1所述的方法,其特征在于,所述在目前报表互动场景涵盖多个业务报表数据之前,还包括:
获取目前报表互动场景中多个业务报表数据对应表格部分区间的表格属性的记录;
提取多个表格部分区间的表格属性的记录;
所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量,包括:
根据表格部分区间的表格属性的记录,使用样本报表互动场景执行表格部分区间的表格属性的表格关键特征向量。
6.根据权利要求1所述的方法,其特征在于,所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之后,还包括:
获取所述对象在目前报表互动场景的候选录入表格的数据;
根据所述对象在目前报表互动场景的候选录入表格的数据从目前报表互动场景中选择训练表格要素特征的业务报表数据;
预加载所述训练表格要素特征的业务报表数据对应的表格部分区间的表格属性的表格关键特征向量;
提取对象在所述样本报表互动场景的执行表格指示内容属性,依次在所述样本报表互动场景执行训练时长的所述训练表格要素特征的业务报表数据对应表格部分区间的表格属性的局部位置关系。
7.根据权利要求1所述的方法,其特征在于,所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量之后,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之后,还包括:
提取所述对象从所述样本报表互动场景进入对应表格部分区间的表格指示内容属性;
进入所述样本报表互动场景目前执行表格属性表格关键特征向量对应的表格部分区间。
8.根据权利要求1所述的方法,其特征在于,所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量之前,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量之前,还包括:
获取所述样本报表互动场景执行的表格关键特征向量对应的表格部分区间的表格属性的词义标签;
所述使用所述样本报表互动场景执行所述第一表格部分区间的表格属性的表格关键特征向量,或所述使用所述样本报表互动场景执行所述第二表格部分区间的表格属性的表格关键特征向量,包括:
根据表格部分区间的表格属性的词义标签修正所述样本报表互动场景,并使用所述修正后的样本报表互动场景执行该表格部分区间的表格属性的表格关键特征向量;
其中,所述提取对象对目前报表互动场景中的第一业务报表数据的表格指示内容属性或提取所述对象对目前报表互动场景中的第二业务报表数据的表格指示内容属性,包括:
提取对象对业务报表数据的提示或执行该业务报表数据的表格指示内容属性。
9.一种基于人工智能的数据分类处理系统,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1-8任一项所述的方法。
10.一种云平台,其特征在于,所述云平台包括存储有程序的可读存储介质,以执行权利要求1中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210317726.2A CN114780645B (zh) | 2022-03-29 | 2022-03-29 | 基于人工智能的数据分类处理方法、系统及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210317726.2A CN114780645B (zh) | 2022-03-29 | 2022-03-29 | 基于人工智能的数据分类处理方法、系统及云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114780645A CN114780645A (zh) | 2022-07-22 |
CN114780645B true CN114780645B (zh) | 2022-10-25 |
Family
ID=82424710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210317726.2A Active CN114780645B (zh) | 2022-03-29 | 2022-03-29 | 基于人工智能的数据分类处理方法、系统及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114780645B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781252A (zh) * | 2019-11-05 | 2020-02-11 | 安徽数据堂科技有限公司 | 一种基于大数据的数据智能分析可视化方法 |
CN111782839A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 图像问答方法、装置、计算机设备和介质 |
CN112650816A (zh) * | 2020-09-15 | 2021-04-13 | 广州奥缔飞梭数字科技有限公司 | 一种数据智能分析可视化系统及方法 |
CN112668566A (zh) * | 2020-12-23 | 2021-04-16 | 深圳壹账通智能科技有限公司 | 表格处理方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3895037A4 (en) * | 2018-12-11 | 2022-08-31 | Decision Scenarios Pty. Ltd. | IMPROVED SPREADSHEETS AND METHODS TO UPDATE SAME |
-
2022
- 2022-03-29 CN CN202210317726.2A patent/CN114780645B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781252A (zh) * | 2019-11-05 | 2020-02-11 | 安徽数据堂科技有限公司 | 一种基于大数据的数据智能分析可视化方法 |
CN111782839A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 图像问答方法、装置、计算机设备和介质 |
CN112650816A (zh) * | 2020-09-15 | 2021-04-13 | 广州奥缔飞梭数字科技有限公司 | 一种数据智能分析可视化系统及方法 |
CN112668566A (zh) * | 2020-12-23 | 2021-04-16 | 深圳壹账通智能科技有限公司 | 表格处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114780645A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11755387B1 (en) | Updating code of an app feature based on a value of a query feature | |
US8589876B1 (en) | Detection of central-registry events influencing dynamic pointers and app feature dependencies | |
US8756593B2 (en) | Map generator for representing interrelationships between app features forged by dynamic pointers | |
US11462018B2 (en) | Representative image generation | |
CN110826494A (zh) | 标注数据质量评价方法、装置、计算机设备及存储介质 | |
CN110955590A (zh) | 界面检测方法、图像处理方法、装置、电子设备及存储介质 | |
CN111539412A (zh) | 一种基于ocr的图像分析方法、系统、设备及介质 | |
CN109658485B (zh) | 网页动画绘制方法、装置、计算机设备和存储介质 | |
CN112035092A (zh) | 一种表单的处理方法、装置、设备和可读介质 | |
CN111292377A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN112765402A (zh) | 一种敏感信息识别方法、装置、设备及存储介质 | |
CN109446324B (zh) | 样本数据的处理方法、装置、存储介质及电子设备 | |
WO2024061309A1 (zh) | 缺陷识别方法、装置、计算机设备及其存储介质 | |
CN114780645B (zh) | 基于人工智能的数据分类处理方法、系统及云平台 | |
CN116756525A (zh) | 基于人工智能的岩土体参数智能测试方法及系统 | |
CN107909054A (zh) | 图片文本的相似度评价方法及装置 | |
CN116204681A (zh) | 一种短视频发布信息检测方法、系统及云平台 | |
CN111382643B (zh) | 一种手势检测方法、装置、设备及存储介质 | |
US20230401809A1 (en) | Image data augmentation device and method | |
CN114462417A (zh) | 一种应用于大数据的评论文本处理方法及存储介质 | |
CN112597012A (zh) | 应用程序的遍历方法、装置、电子设备和存储介质 | |
CN115315690A (zh) | 用于监视在操作系统内执行的应用的使用的方法和装置 | |
CN114201973B (zh) | 基于人工智能的资源池对象数据挖掘方法及系统 | |
CN118116019A (zh) | 文本覆盖率的测试方法、装置、存储介质及电子设备 | |
CN114281815A (zh) | 一种产业创新资源数据分析方法及系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220927 Address after: Room 703, No. 93, Yanling Road, Tianhe District, Guangzhou City, Guangdong Province, 510650 Applicant after: GUANGDONG KENENG PROJECT MANAGEMENT CO.,LTD. Address before: No. 58, shenwuying village, Liying community neighborhood committee, Goujie Town, Yiliang County, Kunming City, Yunnan Province, 650000 Applicant before: Yang Shengliang |
|
GR01 | Patent grant | ||
GR01 | Patent grant |