CN115147020B - 装修数据处理方法、装置、设备及存储介质 - Google Patents
装修数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115147020B CN115147020B CN202211068785.7A CN202211068785A CN115147020B CN 115147020 B CN115147020 B CN 115147020B CN 202211068785 A CN202211068785 A CN 202211068785A CN 115147020 B CN115147020 B CN 115147020B
- Authority
- CN
- China
- Prior art keywords
- data
- decoration data
- decoration
- target
- distribution
- 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
- 238000005034 decoration Methods 0.000 title claims abstract description 554
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000012795 verification Methods 0.000 claims abstract description 103
- 239000013598 vector Substances 0.000 claims abstract description 95
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000013523 data management Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 23
- 238000007477 logistic regression Methods 0.000 claims description 20
- 230000002457 bidirectional effect Effects 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 7
- 238000013524 data verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及计算机技术领域,公开了一种装修数据处理方法、装置、设备及存储介质,用于提高装修数据核验的准确率。所述方法包括:根据装修数据处理请求确定待核验的第一装修数据;从装修数据管理云平台中搜索第一装修数据对应的第二装修数据,得到搜索结果;根据搜索结果对第一装修数据进行特征分布解析,得到目标特征分布,并根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;根据对应关系生成第一装修数据与第二装修数据对应的关联数据组;根据关联数据组创建第一装修数据与第二装修数据对应的目标状态向量;将目标状态向量输入装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种装修数据处理方法、装置、设备及存储介质。
背景技术
随着信息技术的快速发展,装修领域也逐渐智能化,装修过程中会产生大量的装修数据以及装修相关的数据,对于这些数据进行分析,可以有效的分析出装修过程的潜在问题,可以有效提高装修工程的管理效率。
现有方案通过数据库实现装修数据处理的存储与管理,但是无法快速准确的分析出装修数据中潜在的异常或者问题,即现有方案的准确率低。
发明内容
本发明提供了一种装修数据处理方法、装置、设备及存储介质,用于提高装修数据核验的准确率。
本发明第一方面提供了一种装修数据处理方法,所述装修数据处理方法包括:接收用户终端发送的装修数据处理请求,并根据所述装修数据处理请求确定待核验的第一装修数据;从预置的装修数据管理云平台中搜索所述第一装修数据对应的第二装修数据,得到搜索结果;根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系;根据所述对应关系生成所述第一装修数据与所述第二装修数据对应的关联数据组;根据所述关联数据组创建所述第一装修数据与所述第二装修数据对应的目标状态向量;将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果。
可选的,在本发明第一方面的第一种实现方式中,所述从预置的装修数据管理云平台中搜索所述第一装修数据对应的第二装修数据,得到搜索结果,包括:获取所述第一装修数据的第一数据标识,并根据所述第一数据标识搜索预置的装修数据管理云平台中是否存在与所述第一数据标识对应的第二数据标识;若存在,则获取所述第二数据标识对应的第二装修数据,并生成搜索结果;若不存在,则根据所述第一数据标识构建第三数据标识,并根据所述第三数据标识生成第二装修数据,以及根据所述第二装修数据生成搜索结果。
可选的,在本发明第一方面的第二种实现方式中,所述根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系,包括:根据所述搜索结果对所述第一装修数据进行数据分类,得到所述第一装修数据对应的多个数据类;根据所述多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布;根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系。
可选的,在本发明第一方面的第三种实现方式中,所述根据所述对应关系生成所述第一装修数据与所述第二装修数据对应的关联数据组,包括:根据所述对应关系分别对所述第一装修数据和所述第二装修数据进行数据识别,得到识别结果;根据所述识别结果对所述第一装修数据和所述第二装修数据进行关联度计算,得到目标关联度;根据所述目标关联度生成所述第一装修数据与所述第二装修数据对应的关联数据组。
可选的,在本发明第一方面的第四种实现方式中,所述根据所述关联数据组创建所述第一装修数据与所述第二装修数据对应的目标状态向量,包括:将所述关联数据组按照预设的数据组排列规则进行数据组整合,得到排列后的关联数据组;对所述排列后的关联数据组进行向量转换,得到所述第一装修数据与所述第二装修数据对应的目标状态向量。
可选的,在本发明第一方面的第五种实现方式中,所述将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,包括:将所述目标状态向量输入预置的装修数据状态核验模型,其中,所述装修数据状态核验模型包括:双向长短时记忆网络、全连接网络和逻辑回归网络;通过所述双向长短时记忆网络对所述目标状态向量进行特征提取,得到目标特征向量;将所述目标特征向量输入所述全连接网络进行特征整合,得到目标输出向量;将所述目标输出向量输入所述逻辑回归网络进行逻辑回归运算,得到目标特征值;根据所述目标特征值生成装修数据状态核验结果。
可选的,在本发明第一方面的第六种实现方式中,所述装修数据处理方法还包括:根据所述装修数据状态核验结果对所述第一装修数据进行状态预测,生成状态预测结果;基于所述装修数据管理云平台对所述状态预测结果进行数据处理策略分析,得到目标数据处理策略。
本发明第二方面提供了一种装修数据处理装置,所述装修数据处理装置包括:接收模块,用于接收用户终端发送的装修数据处理请求,并根据所述装修数据处理请求确定待核验的第一装修数据;搜索模块,用于从预置的装修数据管理云平台中搜索所述第一装修数据对应的第二装修数据,得到搜索结果;解析模块,用于根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系;处理模块,用于根据所述对应关系生成所述第一装修数据与所述第二装修数据对应的关联数据组;创建模块,用于根据所述关联数据组创建所述第一装修数据与所述第二装修数据对应的目标状态向量;核验模块,用于将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果。
可选的,在本发明第二方面的第一种实现方式中,所述搜索模块具体用于:获取所述第一装修数据的第一数据标识,并根据所述第一数据标识搜索预置的装修数据管理云平台中是否存在与所述第一数据标识对应的第二数据标识;若存在,则获取所述第二数据标识对应的第二装修数据,并生成搜索结果;若不存在,则根据所述第一数据标识构建第三数据标识,并根据所述第三数据标识生成第二装修数据,以及根据所述第二装修数据生成搜索结果。
可选的,在本发明第二方面的第二种实现方式中,所述解析模块具体用于:根据所述搜索结果对所述第一装修数据进行数据分类,得到所述第一装修数据对应的多个数据类;根据所述多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布;根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系。
可选的,在本发明第二方面的第三种实现方式中,所述处理模块具体用于:根据所述对应关系分别对所述第一装修数据和所述第二装修数据进行数据识别,得到识别结果;根据所述识别结果对所述第一装修数据和所述第二装修数据进行关联度计算,得到目标关联度;根据所述目标关联度生成所述第一装修数据与所述第二装修数据对应的关联数据组。
可选的,在本发明第二方面的第四种实现方式中,所述创建模块具体用于:将所述关联数据组按照预设的数据组排列规则进行数据组整合,得到排列后的关联数据组;对所述排列后的关联数据组进行向量转换,得到所述第一装修数据与所述第二装修数据对应的目标状态向量。
可选的,在本发明第二方面的第五种实现方式中,所述核验模块具体用于:将所述目标状态向量输入预置的装修数据状态核验模型,其中,所述装修数据状态核验模型包括:双向长短时记忆网络、全连接网络和逻辑回归网络;通过所述双向长短时记忆网络对所述目标状态向量进行特征提取,得到目标特征向量;将所述目标特征向量输入所述全连接网络进行特征整合,得到目标输出向量;将所述目标输出向量输入所述逻辑回归网络进行逻辑回归运算,得到目标特征值;根据所述目标特征值生成装修数据状态核验结果。
可选的,在本发明第二方面的第六种实现方式中,所述装修数据处理装置还包括:预测模块,用于根据所述装修数据状态核验结果对所述第一装修数据进行状态预测,生成状态预测结果;基于所述装修数据管理云平台对所述状态预测结果进行数据处理策略分析,得到目标数据处理策略。
本发明第三方面提供了一种装修数据处理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述装修数据处理设备执行上述的装修数据处理方法。
本发明的第四方面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中存储有指令,当其在计算机上运行时,使得计算机执行上述的装修数据处理方法。
本发明提供的技术方案中,根据装修数据处理请求确定待核验的第一装修数据;从装修数据管理云平台中搜索第一装修数据对应的第二装修数据,得到搜索结果;根据搜索结果对第一装修数据进行特征分布解析,得到目标特征分布,并根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;根据对应关系生成第一装修数据与第二装修数据对应的关联数据组;根据关联数据组创建第一装修数据与第二装修数据对应的目标状态向量;将目标状态向量输入装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,本发明通过对第一装修数据和装修数据管理云平台中的第二装修数据进行特征分析,进而生成两者的对应关系,然后根据这个对应关系构建目标状态向量,最后根据预先构建的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,通过引入人工智能模型进行装修数据分析,有效的提高了装修数据核验的准确率。
附图说明
图1为本发明实施例中装修数据处理方法的一个实施例示意图;
图2为本发明实施例中装修数据处理方法的另一个实施例示意图;
图3为本发明实施例中装修数据处理装置的一个实施例示意图;
图4为本发明实施例中装修数据处理装置的另一个实施例示意图;
图5为本发明实施例中装修数据处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种装修数据处理方法、装置、设备及存储介质,用于提高装修数据核验的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中装修数据处理方法的一个实施例包括:
101、接收用户终端发送的装修数据处理请求,并根据装修数据处理请求确定待核验的第一装修数据;
可以理解的是,本发明的执行主体可以为装修数据处理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器获取用户终端发送的装修数据处理请求,从预先设置的模板库中获取与装修数据处理请求匹配的多个数据源配置模板,选择一个获取的数据源模板并判断其对应的数据源是否满足装修数据处理请求的要求,若满足要求,则将该数据源确定为目标数据源,从目标数据源处获取数据且数据正常时,将目标数据源返回的第一装修数据转换为预定格式的数据,可以减少数据处理量,提升数据处理的效率。
102、从预置的装修数据管理云平台中搜索第一装修数据对应的第二装修数据,得到搜索结果;
具体的,响应于搜索请求,根据搜索请求的数据流构建第一装修数据,并根据第一装修数据构建数据容器,根据数据容器对数据池进行遍历,确定数据池内是否存在与数据容器中的第一装修数据一致的第二装修数据,若在数据池内存在与第一装修数据一致的第二装修数据,根据第二装修数据生成搜索结果,实现了通过数据容器快速遍历数据池,获取与搜索请求对应的第二装修数据,并将第二装修数据发送至终端设备,提升搜索的效率。
103、根据搜索结果对第一装修数据进行特征分布解析,得到目标特征分布,并根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;
具体的,服务器根据搜索结果对第一装修数据进行数据分类,得到第一装修数据对应的多个数据类,根据多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布,根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系。
104、根据对应关系生成第一装修数据与第二装修数据对应的关联数据组;
具体的,使用第一装修数据生成表示装修数据特征的装修特征数据,将装修特征数据与表示实际在装修内生成的数据建立对应关系,并生成关联数据,根据该关联数据建立对应关系的样本,从关联数据检索与表示任意装修特征数据对应的样本,确定与该装修特征数据建立对应关系的关联数据,并生成第一装修数据与第二装修数据对应的关联数据组。
105、根据关联数据组创建第一装修数据与第二装修数据对应的目标状态向量;
具体的,获取房间的装修数据,利用CNN网络读取装修数据并进行特征提取,获取房屋的量化数据,其中CNN网络为基于收集的装修图纸训练得到,将量化数据输入RNN序列模型进行序列排布,输出家具的排布向量,其中RNN序列模型为基于装修图纸的家具排列信息训练得到,根据排布向量从存储装修图纸的家具库中查找相应家具的家具信息,并根据家具信息及关联数据组创建第一装修数据与第二装修数据对应的目标状态向量。
106、将目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果。
具体的,通过获取核验请求中的待核验装修数据名称、测试用例文件和核验配置清单,自预设的接口装修测试数据平台中查询到与待核验装修数据名称匹配的升级前历史版本名称,并获取第一装修测试数据,根据待核验装修数据名称和测试用例文件,获取第二装修测试数据,通过数据爬虫模型,分别对第一装修测试数据和第二装修测试数据进行爬取,输出第一结果数据和第二结果数据,根据核验配置清单,筛选出第一比对数据和第二比对数据,通过数据核验模型比对第一比对数据和第二比对数据,得到装修数据状态核验结果,提升了核验准确性及核验效率。
本发明实施例中,根据装修数据处理请求确定待核验的第一装修数据;从装修数据管理云平台中搜索第一装修数据对应的第二装修数据,得到搜索结果;根据搜索结果对第一装修数据进行特征分布解析,得到目标特征分布,并根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;根据对应关系生成第一装修数据与第二装修数据对应的关联数据组;根据关联数据组创建第一装修数据与第二装修数据对应的目标状态向量;将目标状态向量输入装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,本发明通过对第一装修数据和装修数据管理云平台中的第二装修数据进行特征分析,进而生成两者的对应关系,然后根据这个对应关系构建目标状态向量,最后根据预先构建的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,通过引入人工智能模型进行装修数据分析,有效的提高了装修数据核验的准确率。
请参阅图2,本发明实施例中装修数据处理方法的另一个实施例包括:
201、接收用户终端发送的装修数据处理请求,并根据装修数据处理请求确定待核验的第一装修数据;
具体的,在本实施例中,步骤201的具体实施方式与上述步骤101类似,此处不再赘述。
202、从预置的装修数据管理云平台中搜索第一装修数据对应的第二装修数据,得到搜索结果;
具体的,获取第一装修数据的第一数据标识,并根据第一数据标识搜索预置的装修数据管理云平台中是否存在与第一数据标识对应的第二数据标识;若存在,则获取第二数据标识对应的第二装修数据,并生成搜索结果;若不存在,则根据第一数据标识构建第三数据标识,并根据第三数据标识生成第二装修数据,以及根据第二装修数据生成搜索结果。
可选的,接收用户对搜索模式的选择生成搜索模式标识符,根据预置的索引文件名称,在本地的存储载体中执行文件查找操作生成装修数据标识符,当装修数据标识符不为空时,设置与装修数据标识符对应的文件为索引文件,根据搜索模式标识符,对索引文件进行对应的索引记录数据搜索操作,当搜索模式标识符为全文搜索模式时根据记录计数器对索引文件进行全记录搜索操作生成文件列表,当搜索模式标识符为关键字搜索模式时根据记录计数器和用户输入的搜索关键字和关键字类型对索引文件进行关键字搜索操作生成文件列表,当文件列表不为空时,将文件列表作为搜索结果进行发送。
203、根据搜索结果对第一装修数据进行数据分类,得到第一装修数据对应的多个数据类;
204、根据多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布;
205、根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;
具体的,服务器根据第一装修数据在设定时间周期内对应各分类评分分数段的核准率信息,确定该第一装修数据的评分分值与时间的对应关系;根据第一装修数据的评分分值与时间的对应关系与设定时间周期内原始训练数据与新增预测数据的比值,确定第一装修数据的评分分布稳定性监控结果,当监测到第一装修数据的评分分布稳定性监控结果符合异常分布条件时,根据预设特征变量在原始训练数据和新增预测数据中的分布占比,确定第一装修数据的特征分布稳定性监控结果,同时根据该稳定性监控结果及多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布,根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系。
206、根据对应关系生成第一装修数据与第二装修数据对应的关联数据组;
具体的,根据对应关系分别对第一装修数据和第二装修数据进行数据识别,得到识别结果;根据识别结果对第一装修数据和第二装修数据进行关联度计算,得到目标关联度;根据目标关联度生成第一装修数据与第二装修数据对应的关联数据组。
其中,服务器获取第一装修数据和第二装修数据,通过预设机器学习模型对第一装修数据和第二装修数据进行识别,获得标准结果,获取第一装修数据和第二装修数据所在数据库的表结构信息,并根据表结构信息以及预设抽样规则对第一装修数据和第二装修数据进行随机抽样,获得抽样数据,根据表结构信息,确定抽样数据的数据类型;基于抽样数据的数据类型,采用与数据类型对应的预先通过训练生成的数据识别模型对抽样数据进行识别,获得预测识别结果,根据识别结果对第一装修数据和第二装修数据进行关联度计算,得到目标关联度,根据目标关联度生成第一装修数据与第二装修数据对应的关联数据组,该方法在保证准确率的同时,降低了人力成本,提高了工作效率。
207、根据关联数据组创建第一装修数据与第二装修数据对应的目标状态向量;
具体的,将关联数据组按照预设的数据组排列规则进行数据组整合,得到排列后的关联数据组;对排列后的关联数据组进行向量转换,得到第一装修数据与第二装修数据对应的目标状态向量。
其中,服务器将关联数据组按照预设的数据组排列规则进行数据组整合,得到排列后的关联数据组,同时服务器根据请求端发起的需要共享的数据列表进行共享数据的搜集,被请求端在其自身服务器中根据请求端发来的数据列表查找共享数据,并对排列后的关联数据组进行向量转换,得到第一装修数据与第二装修数据对应的目标状态向量。
208、将目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果。
具体的,将目标状态向量输入预置的装修数据状态核验模型,其中,装修数据状态核验模型包括:双向长短时记忆网络、全连接网络和逻辑回归网络;通过双向长短时记忆网络对目标状态向量进行特征提取,得到目标特征向量;将目标特征向量输入全连接网络进行特征整合,得到目标输出向量;将目标输出向量输入逻辑回归网络进行逻辑回归运算,得到目标特征值;根据目标特征值生成装修数据状态核验结果。
其中,获取待核验的装修数据;获取当前用户的目标状态向量,并根据装修数据中的用户身份信息从预设的特征数据库中,查询对应的特征信息,进行比对识别,若识别结果为一致,则提取装修数据中待确认的数据内容,通过双向长短时记忆网络对目标状态向量进行特征提取,得到目标特征向量,将目标特征向量输入全连接网络进行特征整合,得到目标输出向量,将目标输出向量输入逻辑回归网络进行逻辑回归运算,得到目标特征值;根据目标特征值生成装修数据状态核验结果。
可选的,根据装修数据状态核验结果对第一装修数据进行状态预测,生成状态预测结果;基于装修数据管理云平台对状态预测结果进行数据处理策略分析,得到目标数据处理策略。
其中,将装修数据状态输入预设的策略预测模型进行策略分析,得到数据处理策略,基于数据处理策略构造初始策略种群,对初始策略种群进行进化处理,得到进化策略种群,依据获取到的装修参数信息,确定进化策略种群中各候选进化策略的适应度,将适应度满足预设条件的候选进化策略作为目标数据处理策略,实现为复杂召梯情况制定适应的目标数据处理策略的技术效果。
本发明实施例中,根据装修数据处理请求确定待核验的第一装修数据;从装修数据管理云平台中搜索第一装修数据对应的第二装修数据,得到搜索结果;根据搜索结果对第一装修数据进行特征分布解析,得到目标特征分布,并根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;根据对应关系生成第一装修数据与第二装修数据对应的关联数据组;根据关联数据组创建第一装修数据与第二装修数据对应的目标状态向量;将目标状态向量输入装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,本发明通过对第一装修数据和装修数据管理云平台中的第二装修数据进行特征分析,进而生成两者的对应关系,然后根据这个对应关系构建目标状态向量,最后根据预先构建的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,通过引入人工智能模型进行装修数据分析,有效的提高了装修数据核验的准确率。
上面对本发明实施例中装修数据处理方法进行了描述,下面对本发明实施例中装修数据处理装置进行描述,请参阅图3,本发明实施例中装修数据处理装置一个实施例包括:
接收模块301,用于接收用户终端发送的装修数据处理请求,并根据所述装修数据处理请求确定待核验的第一装修数据;
搜索模块302,用于从预置的装修数据管理云平台中搜索所述第一装修数据对应的第二装修数据,得到搜索结果;
解析模块303,用于根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系;
处理模块304,用于根据所述对应关系生成所述第一装修数据与所述第二装修数据对应的关联数据组;
创建模块305,用于根据所述关联数据组创建所述第一装修数据与所述第二装修数据对应的目标状态向量;
核验模块306,用于将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果。
本发明实施例中,根据装修数据处理请求确定待核验的第一装修数据;从装修数据管理云平台中搜索第一装修数据对应的第二装修数据,得到搜索结果;根据搜索结果对第一装修数据进行特征分布解析,得到目标特征分布,并根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;根据对应关系生成第一装修数据与第二装修数据对应的关联数据组;根据关联数据组创建第一装修数据与第二装修数据对应的目标状态向量;将目标状态向量输入装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,本发明通过对第一装修数据和装修数据管理云平台中的第二装修数据进行特征分析,进而生成两者的对应关系,然后根据这个对应关系构建目标状态向量,最后根据预先构建的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,通过引入人工智能模型进行装修数据分析,有效的提高了装修数据核验的准确率。
请参阅图4,本发明实施例中装修数据处理装置另一个实施例包括:
接收模块301,用于接收用户终端发送的装修数据处理请求,并根据所述装修数据处理请求确定待核验的第一装修数据;
搜索模块302,用于从预置的装修数据管理云平台中搜索所述第一装修数据对应的第二装修数据,得到搜索结果;
解析模块303,用于根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系;
处理模块304,用于根据所述对应关系生成所述第一装修数据与所述第二装修数据对应的关联数据组;
创建模块305,用于根据所述关联数据组创建所述第一装修数据与所述第二装修数据对应的目标状态向量;
核验模块306,用于将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果。
可选的,所述搜索模块302具体用于:获取所述第一装修数据的第一数据标识,并根据所述第一数据标识搜索预置的装修数据管理云平台中是否存在与所述第一数据标识对应的第二数据标识;若存在,则获取所述第二数据标识对应的第二装修数据,并生成搜索结果;若不存在,则根据所述第一数据标识构建第三数据标识,并根据所述第三数据标识生成第二装修数据,以及根据所述第二装修数据生成搜索结果。
可选的,所述解析模块303具体用于:根据所述搜索结果对所述第一装修数据进行数据分类,得到所述第一装修数据对应的多个数据类;根据所述多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布;根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系。
可选的,所述处理模块304具体用于:根据所述对应关系分别对所述第一装修数据和所述第二装修数据进行数据识别,得到识别结果;根据所述识别结果对所述第一装修数据和所述第二装修数据进行关联度计算,得到目标关联度;根据所述目标关联度生成所述第一装修数据与所述第二装修数据对应的关联数据组。
可选的,所述创建模块305具体用于:将所述关联数据组按照预设的数据组排列规则进行数据组整合,得到排列后的关联数据组;对所述排列后的关联数据组进行向量转换,得到所述第一装修数据与所述第二装修数据对应的目标状态向量。
可选的,所述核验模块306具体用于:将所述目标状态向量输入预置的装修数据状态核验模型,其中,所述装修数据状态核验模型包括:双向长短时记忆网络、全连接网络和逻辑回归网络;通过所述双向长短时记忆网络对所述目标状态向量进行特征提取,得到目标特征向量;将所述目标特征向量输入所述全连接网络进行特征整合,得到目标输出向量;将所述目标输出向量输入所述逻辑回归网络进行逻辑回归运算,得到目标特征值;根据所述目标特征值生成装修数据状态核验结果。
可选的,所述装修数据处理装置还包括:
预测模块307,用于根据所述装修数据状态核验结果对所述第一装修数据进行状态预测,生成状态预测结果;基于所述装修数据管理云平台对所述状态预测结果进行数据处理策略分析,得到目标数据处理策略。
本发明实施例中,根据装修数据处理请求确定待核验的第一装修数据;从装修数据管理云平台中搜索第一装修数据对应的第二装修数据,得到搜索结果;根据搜索结果对第一装修数据进行特征分布解析,得到目标特征分布,并根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;根据对应关系生成第一装修数据与第二装修数据对应的关联数据组;根据关联数据组创建第一装修数据与第二装修数据对应的目标状态向量;将目标状态向量输入装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,本发明通过对第一装修数据和装修数据管理云平台中的第二装修数据进行特征分析,进而生成两者的对应关系,然后根据这个对应关系构建目标状态向量,最后根据预先构建的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,通过引入人工智能模型进行装修数据分析,有效的提高了装修数据核验的准确率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的装修数据处理装置进行详细描述,下面从硬件处理的角度对本发明实施例中装修数据处理设备进行详细描述。
图5是本发明实施例提供的一种装修数据处理设备的结构示意图,该装修数据处理设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对装修数据处理设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在装修数据处理设备500上执行存储介质530中的一系列指令操作。
装修数据处理设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的装修数据处理设备结构并不构成对装修数据处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种装修数据处理设备,所述装修数据处理设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述装修数据处理方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述装修数据处理方法的步骤。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置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,在此不再赘述。
所述集成的单元如果以软件功能单元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说对现有技术做出贡献的部分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,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个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(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上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: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的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种装修数据处理方法,其特征在于,所述装修数据处理方法包括:
接收用户终端发送的装修数据处理请求,并根据所述装修数据处理请求确定待核验的第一装修数据;
从预置的装修数据管理云平台中搜索所述第一装修数据对应的第二装修数据,得到搜索结果;
根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系;其中,所述根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系,包括:根据所述搜索结果对所述第一装修数据进行数据分类,得到所述第一装修数据对应的多个数据类;根据所述多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布;根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系;具体的,根据第一装修数据在设定时间周期内对应各分类评分分数段的核准率信息,确定所述第一装修数据的评分分值与时间的对应关系;根据第一装修数据的评分分值与时间的对应关系与设定时间周期内原始训练数据与新增预测数据的比值,确定第一装修数据的评分分布稳定性监控结果,当监测到第一装修数据的评分分布稳定性监控结果符合异常分布条件时,根据预设特征变量在原始训练数据和新增预测数据中的分布占比,确定第一装修数据的特征分布稳定性监控结果,根据特征分布稳定性监控结果及多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布,根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;
根据所述对应关系生成所述第一装修数据与所述第二装修数据对应的关联数据组;
根据所述关联数据组创建所述第一装修数据与所述第二装修数据对应的目标状态向量;
将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果;其中,所述将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,包括:将所述目标状态向量输入预置的装修数据状态核验模型,其中,所述装修数据状态核验模型包括:双向长短时记忆网络、全连接网络和逻辑回归网络;通过所述双向长短时记忆网络对所述目标状态向量进行特征提取,得到目标特征向量;将所述目标特征向量输入所述全连接网络进行特征整合,得到目标输出向量;将所述目标输出向量输入所述逻辑回归网络进行逻辑回归运算,得到目标特征值;根据所述目标特征值生成装修数据状态核验结果。
2.根据权利要求1所述的装修数据处理方法,其特征在于,所述从预置的装修数据管理云平台中搜索所述第一装修数据对应的第二装修数据,得到搜索结果,包括:
获取所述第一装修数据的第一数据标识,并根据所述第一数据标识搜索预置的装修数据管理云平台中是否存在与所述第一数据标识对应的第二数据标识;
若存在,则获取所述第二数据标识对应的第二装修数据,并生成搜索结果;
若不存在,则根据所述第一数据标识构建第三数据标识,并根据所述第三数据标识生成第二装修数据,以及根据所述第二装修数据生成搜索结果。
3.根据权利要求1所述的装修数据处理方法,其特征在于,所述根据所述对应关系生成所述第一装修数据与所述第二装修数据对应的关联数据组,包括:
根据所述对应关系分别对所述第一装修数据和所述第二装修数据进行数据识别,得到识别结果;
根据所述识别结果对所述第一装修数据和所述第二装修数据进行关联度计算,得到目标关联度;
根据所述目标关联度生成所述第一装修数据与所述第二装修数据对应的关联数据组。
4.根据权利要求1所述的装修数据处理方法,其特征在于,所述根据所述关联数据组创建所述第一装修数据与所述第二装修数据对应的目标状态向量,包括:
将所述关联数据组按照预设的数据组排列规则进行数据组整合,得到排列后的关联数据组;
对所述排列后的关联数据组进行向量转换,得到所述第一装修数据与所述第二装修数据对应的目标状态向量。
5.根据权利要求1-4中任一项所述的装修数据处理方法,其特征在于,所述装修数据处理方法还包括:
根据所述装修数据状态核验结果对所述第一装修数据进行状态预测,生成状态预测结果;
基于所述装修数据管理云平台对所述状态预测结果进行数据处理策略分析,得到目标数据处理策略。
6.一种装修数据处理装置,其特征在于,所述装修数据处理装置包括:
接收模块,用于接收用户终端发送的装修数据处理请求,并根据所述装修数据处理请求确定待核验的第一装修数据;
搜索模块,用于从预置的装修数据管理云平台中搜索所述第一装修数据对应的第二装修数据,得到搜索结果;
解析模块,用于根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系;其中,所述根据所述搜索结果对所述第一装修数据进行特征分布解析,得到目标特征分布,并根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系,包括:根据所述搜索结果对所述第一装修数据进行数据分类,得到所述第一装修数据对应的多个数据类;根据所述多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布;根据所述目标特征分布构建所述第一装修数据与所述第二装修数据之间的对应关系;具体的,根据第一装修数据在设定时间周期内对应各分类评分分数段的核准率信息,确定所述第一装修数据的评分分值与时间的对应关系;根据第一装修数据的评分分值与时间的对应关系与设定时间周期内原始训练数据与新增预测数据的比值,确定第一装修数据的评分分布稳定性监控结果,当监测到第一装修数据的评分分布稳定性监控结果符合异常分布条件时,根据预设特征变量在原始训练数据和新增预测数据中的分布占比,确定第一装修数据的特征分布稳定性监控结果,根据特征分布稳定性监控结果及多个数据类生成每个数据类对应的分布特征,并根据每个数据类对应的分布特征生成目标特征分布,根据目标特征分布构建第一装修数据与第二装修数据之间的对应关系;
处理模块,用于根据所述对应关系生成所述第一装修数据与所述第二装修数据对应的关联数据组;
创建模块,用于根据所述关联数据组创建所述第一装修数据与所述第二装修数据对应的目标状态向量;
核验模块,用于将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果;其中,所述将所述目标状态向量输入预置的装修数据状态核验模型进行装修数据状态核验,得到装修数据状态核验结果,包括:将所述目标状态向量输入预置的装修数据状态核验模型,其中,所述装修数据状态核验模型包括:双向长短时记忆网络、全连接网络和逻辑回归网络;通过所述双向长短时记忆网络对所述目标状态向量进行特征提取,得到目标特征向量;将所述目标特征向量输入所述全连接网络进行特征整合,得到目标输出向量;将所述目标输出向量输入所述逻辑回归网络进行逻辑回归运算,得到目标特征值;根据所述目标特征值生成装修数据状态核验结果。
7.一种装修数据处理设备,其特征在于,所述装修数据处理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述装修数据处理设备执行如权利要求1-5中任一项所述的装修数据处理方法。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-5中任一项所述的装修数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211068785.7A CN115147020B (zh) | 2022-09-02 | 2022-09-02 | 装修数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211068785.7A CN115147020B (zh) | 2022-09-02 | 2022-09-02 | 装修数据处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115147020A CN115147020A (zh) | 2022-10-04 |
CN115147020B true CN115147020B (zh) | 2023-01-06 |
Family
ID=83416611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211068785.7A Active CN115147020B (zh) | 2022-09-02 | 2022-09-02 | 装修数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147020B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115576999B (zh) * | 2022-12-09 | 2023-03-10 | 矩阵起源(深圳)信息科技有限公司 | 基于云平台的任务数据处理方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782277A (zh) * | 2019-10-12 | 2020-02-11 | 上海陆家嘴国际金融资产交易市场股份有限公司 | 资源处理方法、装置、计算机设备和存储介质 |
CN113239249A (zh) * | 2021-06-04 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 一种对象关联识别方法、装置和存储介质 |
CN114547335A (zh) * | 2022-02-16 | 2022-05-27 | 平安国际智慧城市科技股份有限公司 | 业务数据处理方法、装置、设备及存储介质 |
CN114721856A (zh) * | 2022-04-18 | 2022-07-08 | 深圳市智象科技有限公司 | 业务数据处理方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022047571A1 (en) * | 2020-09-03 | 2022-03-10 | The Toronto-Dominion Bank | Dynamic analysis and monitoring machine learning processes |
-
2022
- 2022-09-02 CN CN202211068785.7A patent/CN115147020B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782277A (zh) * | 2019-10-12 | 2020-02-11 | 上海陆家嘴国际金融资产交易市场股份有限公司 | 资源处理方法、装置、计算机设备和存储介质 |
CN113239249A (zh) * | 2021-06-04 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 一种对象关联识别方法、装置和存储介质 |
CN114547335A (zh) * | 2022-02-16 | 2022-05-27 | 平安国际智慧城市科技股份有限公司 | 业务数据处理方法、装置、设备及存储介质 |
CN114721856A (zh) * | 2022-04-18 | 2022-07-08 | 深圳市智象科技有限公司 | 业务数据处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115147020A (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765275B (zh) | 搜索方法、装置、计算机设备和存储介质 | |
CN108804641B (zh) | 一种文本相似度的计算方法、装置、设备和存储介质 | |
CN111258767A (zh) | 复杂系统仿真应用的云计算资源智能分配方法与装置 | |
CN111950622B (zh) | 基于人工智能的行为预测方法、装置、终端及存储介质 | |
CN111986792A (zh) | 医疗机构评分方法、装置、设备及存储介质 | |
CN111984792A (zh) | 网站分类方法、装置、计算机设备及存储介质 | |
CN115098650A (zh) | 基于历史数据模型的评论信息分析方法及相关装置 | |
CN116719520B (zh) | 代码生成方法及装置 | |
CN112035620A (zh) | 医疗查询系统的问答管理方法、装置、设备及存储介质 | |
CN113283675A (zh) | 指标数据分析方法、装置、设备及存储介质 | |
CN115576999B (zh) | 基于云平台的任务数据处理方法、装置、设备及存储介质 | |
CN109285024B (zh) | 在线特征确定方法、装置、电子设备及存储介质 | |
CN115830649A (zh) | 一种网络资产指纹特征的识别方法、装置及电子设备 | |
CN115147020B (zh) | 装修数据处理方法、装置、设备及存储介质 | |
CN112364014A (zh) | 数据查询方法、装置、服务器及存储介质 | |
CN113221570A (zh) | 基于线上问诊信息的处理方法、装置、设备及存储介质 | |
CN113315851A (zh) | 域名检测方法、装置及存储介质 | |
CN112860850B (zh) | 人机交互方法、装置、设备及存储介质 | |
CN115082041A (zh) | 用户信息管理方法、装置、设备及存储介质 | |
CN115222443A (zh) | 客户群体划分方法、装置、设备及存储介质 | |
CN112711678A (zh) | 数据解析方法、装置、设备及存储介质 | |
CN110929526A (zh) | 样本生成方法、装置以及电子设备 | |
CN114780589A (zh) | 多表连接查询方法、装置、设备及存储介质 | |
CN114610590A (zh) | 作业运行时长确定方法、装置、设备及存储介质 | |
CN113792189A (zh) | 群智软件开发贡献效率评估方法、装置、设备及介质 |
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 |