CN115809833B - 基于画像技术的基建项目智能监督方法、装置 - Google Patents
基于画像技术的基建项目智能监督方法、装置 Download PDFInfo
- Publication number
- CN115809833B CN115809833B CN202310039092.3A CN202310039092A CN115809833B CN 115809833 B CN115809833 B CN 115809833B CN 202310039092 A CN202310039092 A CN 202310039092A CN 115809833 B CN115809833 B CN 115809833B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- project
- data
- preset
- tag
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 333
- 238000010276 construction Methods 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims description 41
- 238000003062 neural network model Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000011176 pooling Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 16
- 230000004913 activation Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 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
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种基于画像技术的基建项目智能监督方法,包括:获取基建项目的评价文档并评价指标,计算评价指标的重要性并获取权重,将重要性与权重累加作为评价权重;获取基建项目的项目数据以及评价数据,提取关键数据以及关键评价作为数据标签以及评价标签;利用数据标签以及评价标签生成所述基建项目的项目画像,获取所述项目画像对应的项目标签并计算与评价指标的相似度;若所述相似度与预设的相似阈值的大小关系,对所述基建项目警醒监督管理。本发明还提出一种基于画像技术的基建项目智能监督装置。本发明可以完成基建项目的智能检测。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于画像技术的基建项目智能监督方法、装置。
背景技术
随着现代城市以及乡村的发展,基建项目的研究始终是发展离不开的话题。为了降低基建项目的成本投入,减少基建项目的人力花费,需要一种智能的基建项目监督系统,自动对基建项目进行监督。
现有的基建项目的开发对人力资源耗费较大,但是人力资源是有限的,人力资源投入的越少,同时开展的基建项目就能越多。实际生活中,基建项目在监督方面对人力依赖较大,从而导致人力匮乏,且同时监管多个基建项目也会导致监管失误,监管困难。
发明内容
本发明提供一种基于画像技术的基建项目智能监督方法、装置,其主要目的在于解决如何智能检测基建项目的问题。
为实现上述目的,本发明提供的一种基于画像技术的基建项目智能监督方法,包括:
获取基建项目的评价文档,提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,获取所述评价指标的权重,将所述重要性与权重累加作为所述评价指标的评价权重;
获取所述基建项目的项目数据以及评价数据,提取所述项目数据中的关键数据作为数据标签,并提取所述评价数据中的关键评价作为评价标签;
利用所述数据标签以及评价标签生成所述基建项目的项目画像,利用预设的神经网络模型获取所述项目画像对应的项目标签,逐一计算所述项目标签与评价指标的相似度;
若所述相似度大于预设的相似阈值,则所述基建项目合格,若所述相似度小于预设的相似阈值,则获取所述评价指标的评价权重,若所述评价权重大于预设的权重阈值说明所述基建项目不合格,若所述评价权重小于预设的权重阈值,则返回获取所述基建项目的项目数据以及评价数据的步骤。
可选地,所述提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,包括:
获取所述评价文档的评价分词,并将所述评价分词转化成评价向量;
统计所有评价向量在评价文档中出现的频率;
将大于预设频率阈值的评价向量确定为评价指标;
利用预设的重要性计算公式计算所述评价指标的重要性。
可选地,所述获取所述评价文档的评价分词,并将所述评价分词转化成评价向量,包括:
将所述评价文档按照不同的长度在预设的标准词库内检索,将可在所述标准词库中检索到的内容汇集成评价分词;
从预设的字向量表中查询所述评价分词中每个字的字向量;
按照所述评价分词中每一个字的顺序将所述字向量拼接成评价向量。
可选地,所述利用预设的重要性计算公式计算所述评价指标的重要性,包括:
利用如下重要性计算公式计算所述评价指标的重要性:
其中所述为评价指标的重要性,为第个评价指标在评价文档中的出现的频率,为第个评价指标在评价文档中出现的频率,为所述评价文档中的分词数,为所述评价指标的数量,为所述评价指标的计数。
可选地,所述提取所述项目数据中的关键数据作为数据标签,包括:
从所述项目数据中逐个选取其中一个数据为目标数据;
对所述目标数据进行核心语义提取,得到数据语义;
对所述数据语义进行向量转换,得到语义向量;
将所述语义向量进行向量拼接得到数据标签。
可选地,所述提取所述评价数据中的关键评价作为评价标签,包括:
对所述评价数据进行删减,得到精简评价;
将所述精简评价进行分句,得到评价分句;
计算所述评价分句与预设的关键标签之间的匹配度,将大于预设匹配度阈值的评价分句确定为关键评价即评价标签。
可选地,所述计算所述评价分句与预设的关键标签之间的匹配度,包括:
利用如下匹配度计算公式计算所述评价分句与预设的关键标签之间的匹配度:
其中,为所述匹配度,为所述评价分句,为所述关键标签。
可选地,所述将所述额外项目画像以及额外项目标签作为训练数据对所述神经网络模型进行训练,得到项目神经网络模型,包括:
将所述项目画像进行卷积、池化处理,得到训练画像;
利用所述神经网络模型计算所述训练画像对应的画像标签;
计算所述画像标签与项目标签的误差值,根据所述误差值调整所述神经网络模型的参数,直至误差值在预设的误差范围内;
将完成参数调整的神经网络模型确定为项目神经网络模型。
为了解决上述问题,本发明还提供一种基于画像技术的基建项目智能监督装置,所述装置包括:
计算评价权重模块:获取基建项目的评价文档,提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,获取所述评价指标的权重,将所述重要性与权重累加作为所述评价指标的评价权重;
获取评价标签模块:获取所述基建项目的项目数据以及评价数据,提取所述项目数据中的关键数据作为数据标签,并提取所述评价数据中的关键评价作为评价标签;
计算相似度模块:利用所述数据标签以及评价标签生成所述基建项目的项目画像,利用预设的神经网络模型获取所述项目画像对应的项目标签,逐一计算所述项目标签与评价指标的相似度;
最终监督模块:若所述相似度大于预设的相似阈值,则所述基建项目合格,若所述相似度小于预设的相似阈值,则获取所述评价指标的评价权重,若所述评价权重大于预设的权重阈值说明所述基建项目不合格,若所述评价权重小于预设的权重阈值,则返回获取所述基建项目的项目数据以及评价数据的步骤。
本发明实施例通过获取基建项目的评价文档,提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,获取所述评价指标的权重,将所述重要性与权重累加作为所述评价指标的评价权重,通过所述重要性与所述权重进行累加得到的评价权重更加真实,更加准确,通过公式计算方法也更加简介明了,可执行性高,通用性好;获取所述基建项目的项目数据以及评价数据,提取所述项目数据中的关键数据作为数据标签,并提取所述评价数据中的关键评价作为评价标签,获取项目数据以及评价数据能够从两方面形成所述基建项目的画像,一方面使基建项目本身的数据具体如何,另一方面通过外部评价也能够了解所述基建项目的优劣性。利用所述数据标签以及评价标签生成所述基建项目的项目画像,利用预设的神经网络模型获取所述项目画像对应的项目标签,逐一计算所述项目标签与评价指标的相似度,通过评价指标与评价权重的双重保障,能够准确检测所述基建项目上的所有项目指标,能够及时对发生问题的项目指标进行处理,完成基于画像技术的基建项目智能监督系统;因此本发明提出的基于画像技术的基建项目智能监督方法、装置,可以解决如何智能监督基建项目的问题。
附图说明
图1为本发明一实施例提供的基于画像技术的基建项目智能监督方法的流程示意图;
图2为本发明一实施例提供的获取数据标签的流程示意图;
图3为本发明一实施例提供的获取评价标签的流程示意图;
图4为本发明一实施例提供的基于画像技术的基建项目智能监督装置的功能模块图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于画像技术的基建项目智能监督方法。所述基于画像技术的基建项目智能监督方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于画像技术的基建项目智能监督方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于画像技术的基建项目智能监督方法的流程示意图。在本实施例中,所述基于画像技术的基建项目智能监督方法包括:
S1、获取基建项目的评价文档,提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,获取所述评价指标的权重,将所述重要性与权重累加作为所述评价指标的评价权重;
本发明实施例中,所述基建项目即基础设施建设项目,其中基础设施主要包括交通运输、机场、港口、桥梁、通讯等。是一切企业、单位和居民生产经营工作和生活的共同物质基础,是城市主体设施正常运行的保证。因此对基建项目的有关研究是重要的且是有必要的,本发明实施例中围绕基建项目的智能检测系统展开研究。
详细地,所述评价文档为所述基建项目各个部分优劣的评判标准组合成的文档,根据所述评价文档能判断所述基建项目完成度如何,是否符合标准等等。
本发明实施例中,所述提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,包括:
获取所述评价文档的评价分词,并将所述评价分词转化成评价向量;
统计所有评价向量在评价文档中出现的频率;
将大于预设频率阈值的评价向量确定为评价指标;
利用预设的重要性计算公式计算所述评价指标的重要性。
详细地,所述获取所述评价文档的评价分词,并将所述评价分词转化成评价向量,包括:
将所述评价文档按照不同的长度在预设的标准词库内检索,将可在所述标准词库中检索到的内容汇集成评价分词;
从预设的字向量表中查询所述评价分词中每个字的字向量;
按照所述评价分词中每一个字的顺序将所述字向量拼接成评价向量。
具体地,所述利用预设的重要性计算公式计算所述评价指标的重要性,包括:
利用如下重要性计算公式计算所述评价指标的重要性:
其中所述为评价指标的重要性,为第个评价指标在评价文档中的出现的频率,为第个评价指标在评价文档中出现的频率,为所述评价文档中的分词数,为所述评价指标的数量,为所述评价指标的计数。
详细地,由于不同评价指标的重要性不同,有的评价指标较为重要,而有的评价指标重要性较低,例如安全性指标比外观性指标就重要得多。通过公式计算所述评价指标的重要性能够直观对比出不同评价指标的不同重要性,便于对所述评价指标进行对比。
由于单独计算出的重要性可能不足以完全表示所述评价指标的真实重要性,因此需要额外获取所述评价指标的权重,其中,所述权重可以直接获取预设的权重数值。
本发明实施例中,所述获取所述评价指标的权重,将所述重要性与权重累加作为所述评价指标的评价权重,可以利用加法求和公式直接将获取到的权重与所述评价指标的重要性累加在一起,得到评价权重。
详细地,通过所述重要性与所述权重进行累加得到的评价权重更加真实,更加准确,通过公式计算方法也更加简介明了,可执行性高,通用性好。
S2、获取所述基建项目的项目数据以及评价数据,提取所述项目数据中的关键数据作为数据标签,并提取所述评价数据中的关键评价作为评价标签;
本发明实施例中,由于所述基建项目的项目数据通常非常繁杂,因此需要将所述项目数据进行删减,保留重要的项目数值进行计算,能够节省计算量,提升计算效率,同时也能使计算结果更加准确。
本发明实施例中,参照图2所示,所述提取所述项目数据中的关键数据作为数据标签,包括:
S21、从所述项目数据中逐个选取其中一个数据为目标数据;
S22、对所述目标数据进行核心语义提取,得到数据语义;
S23、对所述数据语义进行向量转换,得到语义向量;
S24、将所述语义向量进行向量拼接得到数据标签。
本发明实施例中,可预先构建的语义分析模型对所述目标数据进行核心语义提取,得到数据语义。
详细地,所述语义分析模型包括但不限于NLP(NaturalLanguage Processing,自然语言处理)模型、HMM(Hidden MarkovModel,隐马尔科夫模型)。
例如,利用预先构建的语义分析模型对所述目标数据进行卷积、池化等操作,以提取该目标数据的低维特征表达,再将提取到的低维特表达征映射至预先构建的高维空间,得到该低维特征的高维特征表达,利用预设的激活函数对所述高维特征表达进行选择性地输出,得到数据语义。
本发明实施例中,参照图3所示,所述提取所述评价数据中的关键评价作为评价标签,包括:
S31、对所述评价数据进行删减,得到精简评价;
S32、将所述精简评价进行分句,得到评价分句;
S33、计算所述评价分句与预设的关键标签之间的匹配度,将大于预设匹配度阈值的评价分句确定为关键评价即评价标签。
详细地,所述对所述评价数据进行删减即删减所述评价数据中的无意义词,通常包括了,吗,嘛,嗯等等。进行删减之后的评价数据更便于计算,且不损坏评价数据本身的准确性。
具体地,所述计算所述评价分句与预设的关键标签之间的匹配度,包括:
利用如下匹配度计算公式计算所述评价分句与预设的关键标签之间的匹配度:
其中,为所述匹配度,为所述评价分句,为所述关键标签。
详细地,获取项目数据以及评价数据能够从两方面形成所述基建项目的画像,一方面使基建项目本身的数据具体如何,另一方面通过外部评价也能够了解所述基建项目的优劣性。两个方面互相补充,最终形成最客观准确的评价标签。
S3、利用所述数据标签以及评价标签生成所述基建项目的项目画像,利用预设的神经网络模型获取所述项目画像对应的项目标签,逐一计算所述项目标签与评价指标的相似度;
本发明实施例中,所述利用所述数据标签以及评价标签生成所述基建项目的项目画像,包括:
将所述数据标签与评价标签转化成向量模式,得到数据向量与评价向量;
将所述数据向量与所述评价向量中逐列填入预设的空白矩阵中;
利用预设的矩阵参数将所述空白矩阵填满,得到项目画像。
详细地,所述利用预设的神经网络模型获取所述项目画像对应的项目标签,包括:
获取额外基建项目的额外项目画像以及额外项目标签;
将所述额外项目画像以及额外项目标签作为训练数据对所述神经网络模型进行训练,得到项目神经网络模型;
利用所述项目神经网络模型获取所述项目画像对应的项目标签。
进一步地,所述将所述额外项目画像以及额外项目标签作为训练数据对所述神经网络模型进行训练,得到项目神经网络模型,包括:
将所述项目画像进行卷积、池化处理,得到训练画像;
利用所述神经网络模型计算所述训练画像对应的画像标签;
计算所述画像标签与项目标签的误差值,根据所述误差值调整所述神经网络模型的参数,直至误差值在预设的误差范围内;
将完成参数调整的神经网络模型确定为项目神经网络模型。
另外地,所述计算所述画像标签与项目标签的误差值,包括:
利用如下误差值算法计算所述画像标签与项目标签的误差值,
其中,是误差值,为项目标签,为第个画像标签,为所述画像标签个数。
详细地,所述利用所述项目神经网络模型获取所述项目画像对应的项目标签,包括:
对所述项目画像进行卷积、池化处理,得到所述项目画像的低维特征画像;
将所述低维特征语义映射至预先构建的高维空间,得到高维特征画像;
利用预设的激活函数对所述高维特征画像进行筛选,得到项目标签。
具体地,可利用预设的映射函数将低维特征画像映射至预先构建的高维空间,所述映射函数包括MATLAB库中的GaussianRadial Basis Function函数、高斯函数等。
例如,所述低维特征画像为二维平面中的点,则可利用映射函数对该二维平面中的点的二维坐标进行计算,以将二维坐标转换为三维坐标,并利用计算得到的三维坐标将点映射至预先构建的三维空间,得到该低维特征画像的高维特征画像。
本发明实施例中,可利用预设的激活函数计算所述高维特征画像中每个特征画像的输出值,并选取所述输出值大于预设的输出阈值的特征画像为项目标签,所述激活函数包括但不限于sigmoid激活函数、tanh激活函数、relu激活函数。
S4、若所述相似度大于预设的相似阈值,则所述基建项目合格,若所述相似度小于预设的相似阈值,则获取所述评价指标的评价权重,若所述评价权重大于预设的权重阈值说明所述基建项目不合格,若所述评价权重小于预设的权重阈值,则返回获取所述基建项目的项目数据以及评价数据的步骤。
本发明实施例中,若所述相似度大于预设的相似阈值,说明项目标签与所述评价指标基本吻合,也就是所述基建项目合格;若所述相似度小于预设的相似阈值,说明所述项目标签与所述评价指标不吻合,此时需要查看所述项目标签对应的评价指标的评价权重,若若所述评价权重大于预设的权重阈值说明所述评价指标非常重要,则所述评价项目不合格;若所述评价权重小于预设的权重阈值,说明所述评价指标不重要,需要返回获取所述基建项目的项目数据以及评价数据的步骤,重新获取所述基建项目的项目数据。
详细地,通过评价指标与评价权重的双重保障,能够准确检测所述基建项目上的所有项目指标,能够及时对发生问题的项目指标进行处理,完成基于画像技术的基建项目智能监督系统。
如图4所示,是本发明一实施例提供的基于画像技术的基建项目智能监督装置的功能模块图。
本发明所述基于画像技术的基建项目智能监督装置100可以安装于电子设备中。根据实现的功能,所述基于画像技术的基建项目智能监督装置100可以包括计算评价权重模块101、获取评价标签模块102、计算相似度模块及最终监督模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述计算评价权重模块101:获取基建项目的评价文档,提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,获取所述评价指标的权重,将所述重要性与权重累加作为所述评价指标的评价权重;
所述获取评价标签模块102:获取所述基建项目的项目数据以及评价数据,提取所述项目数据中的关键数据作为数据标签,并提取所述评价数据中的关键评价作为评价标签;
所述计算相似度模块103:利用所述数据标签以及评价标签生成所述基建项目的项目画像,利用预设的神经网络模型获取所述项目画像对应的项目标签,逐一计算所述项目标签与评价指标的相似度;
所述最终监督模块104:若所述相似度大于预设的相似阈值,则所述基建项目合格,若所述相似度小于预设的相似阈值,则获取所述评价指标的评价权重,若所述评价权重大于预设的权重阈值说明所述基建项目不合格,若所述评价权重小于预设的权重阈值,则返回获取所述基建项目的项目数据以及评价数据的步骤。
详细地,本发明实施例中所述基于画像技术的基建项目智能监督装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于画像技术的基建项目智能监督方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于画像技术的基建项目智能监督方法,其特征在于,所述方法包括:
获取基建项目的评价文档,提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,获取所述评价指标的权重,将所述重要性与权重累加作为所述评价指标的评价权重;
获取所述基建项目的项目数据以及评价数据,提取所述项目数据中的关键数据作为数据标签,并提取所述评价数据中的关键评价作为评价标签;
所述提取所述评价数据中的关键评价作为评价标签,包括:
对所述评价数据进行删减,得到精简评价;
将所述精简评价进行分句,得到评价分句;
计算所述评价分句与预设的关键标签之间的匹配度,将大于预设匹配度阈值的评价分句确定为关键评价即评价标签;
所述计算所述评价分句与预设的关键标签之间的匹配度,包括:
利用如下匹配度计算公式计算所述评价分句与预设的关键标签之间的匹配度:
其中,为所述匹配度,为所述评价分句,为所述关键标签;
利用所述数据标签以及评价标签生成所述基建项目的项目画像,利用预设的神经网络模型获取所述项目画像对应的项目标签,逐一计算所述项目标签与评价指标的相似度;
若所述相似度大于预设的相似阈值,则所述基建项目合格,若所述相似度小于预设的相似阈值,则获取所述评价指标的评价权重,若所述评价权重大于预设的权重阈值说明所述基建项目不合格,若所述评价权重小于预设的权重阈值,则返回获取所述基建项目的项目数据以及评价数据的步骤。
2.如权利要求1所述的基于画像技术的基建项目智能监督方法,其特征在于,所述提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,包括:
获取所述评价文档的评价分词,并将所述评价分词转化成评价向量;
统计所有评价向量在评价文档中出现的频率;
将大于预设频率阈值的评价向量确定为评价指标;
利用预设的重要性计算公式计算所述评价指标的重要性。
3.如权利要求2所述的基于画像技术的基建项目智能监督方法,其特征在于,所述获取所述评价文档的评价分词,并将所述评价分词转化成评价向量,包括:
将所述评价文档按照不同的长度在预设的标准词库内检索,将可在所述标准词库中检索到的内容汇集成评价分词;
从预设的字向量表中查询所述评价分词中每个字的字向量;
按照所述评价分词中每一个字的顺序将所述字向量拼接成评价向量。
4.如权利要求2所述的基于画像技术的基建项目智能监督方法,其特征在于,所述利用预设的重要性计算公式计算所述评价指标的重要性,包括:
利用如下重要性计算公式计算所述评价指标的重要性:
其中所述为评价指标的重要性,为第个评价指标在评价文档中的出现的频率,为第个评价指标在评价文档中出现的频率,为所述评价文档中的分词数,为所述评价指标的数量,为所述评价指标的计数。
5.如权利要求1所述的基于画像技术的基建项目智能监督方法,其特征在于,所述提取所述项目数据中的关键数据作为数据标签,包括:
从所述项目数据中逐个选取其中一个数据为目标数据;
对所述目标数据进行核心语义提取,得到数据语义;
对所述数据语义进行向量转换,得到语义向量;
将所述语义向量进行向量拼接得到数据标签。
6.如权利要求1至5中任一项所述的基于画像技术的基建项目智能监督方法,其特征在于,所述利用预设的神经网络模型获取所述项目画像对应的项目标签,包括:
获取额外基建项目的额外项目画像以及额外项目标签;
将所述额外项目画像以及额外项目标签作为训练数据对所述神经网络模型进行训练,得到项目神经网络模型;
利用所述项目神经网络模型获取所述项目画像对应的项目标签。
7.如权利要求6所述的基于画像技术的基建项目智能监督方法,其特征在于,所述将所述额外项目画像以及额外项目标签作为训练数据对所述神经网络模型进行训练,得到项目神经网络模型,包括:
将所述项目画像进行卷积、池化处理,得到训练画像;
利用所述神经网络模型计算所述训练画像对应的画像标签;
计算所述画像标签与项目标签的误差值,根据所述误差值调整所述神经网络模型的参数,直至误差值在预设的误差范围内;
将完成参数调整的神经网络模型确定为项目神经网络模型。
8.一种基于画像技术的基建项目智能监督装置,其特征在于,所述装置包括:
计算评价权重模块:获取基建项目的评价文档,提取所述评价文档中的评价指标,逐一计算所述评价指标的重要性,获取所述评价指标的权重,将所述重要性与权重累加作为所述评价指标的评价权重;
获取评价标签模块:获取所述基建项目的项目数据以及评价数据,提取所述项目数据中的关键数据作为数据标签,并提取所述评价数据中的关键评价作为评价标签;
所述提取所述评价数据中的关键评价作为评价标签,包括:
对所述评价数据进行删减,得到精简评价;
将所述精简评价进行分句,得到评价分句;
计算所述评价分句与预设的关键标签之间的匹配度,将大于预设匹配度阈值的评价分句确定为关键评价即评价标签;
所述计算所述评价分句与预设的关键标签之间的匹配度,包括:
利用如下匹配度计算公式计算所述评价分句与预设的关键标签之间的匹配度:
其中,为所述匹配度,为所述评价分句,为所述关键标签;
计算相似度模块:利用所述数据标签以及评价标签生成所述基建项目的项目画像,利用预设的神经网络模型获取所述项目画像对应的项目标签,逐一计算所述项目标签与评价指标的相似度;
最终监督模块:若所述相似度大于预设的相似阈值,则所述基建项目合格,若所述相似度小于预设的相似阈值,则获取所述评价指标的评价权重,若所述评价权重大于预设的权重阈值说明所述基建项目不合格,若所述评价权重小于预设的权重阈值,则返回获取所述基建项目的项目数据以及评价数据的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310039092.3A CN115809833B (zh) | 2023-01-13 | 2023-01-13 | 基于画像技术的基建项目智能监督方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310039092.3A CN115809833B (zh) | 2023-01-13 | 2023-01-13 | 基于画像技术的基建项目智能监督方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115809833A CN115809833A (zh) | 2023-03-17 |
CN115809833B true CN115809833B (zh) | 2023-05-05 |
Family
ID=85487479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310039092.3A Active CN115809833B (zh) | 2023-01-13 | 2023-01-13 | 基于画像技术的基建项目智能监督方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115809833B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402260A (zh) * | 2023-06-07 | 2023-07-07 | 埃睿迪信息技术(北京)有限公司 | 一种排水户画像的确定方法、装置及设备 |
CN117035561A (zh) * | 2023-10-09 | 2023-11-10 | 江苏鼎豪电力工程有限公司 | 基于人工智能的电力工程质量监督管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573106A (zh) * | 2015-01-30 | 2015-04-29 | 浙江大学城市学院 | 一种基于案例推理技术的城市建设智能审批方法 |
CN113723869A (zh) * | 2021-11-02 | 2021-11-30 | 国网北京市电力公司 | 一种电网基建项目后评价方法、装置、设备及介质 |
CN114049095A (zh) * | 2021-11-24 | 2022-02-15 | 国家电网有限公司大数据中心 | 一种基建工程业务监测方法、装置、设备及存储介质 |
CN114493249A (zh) * | 2022-01-24 | 2022-05-13 | 河南省宏力工程咨询有限公司 | 一种公路工程监理用道路施工全周期管理方法、系统、终端以及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102166490B1 (ko) * | 2020-05-12 | 2020-10-15 | 현동명 | 건축 및 건설 공사비 견적 시스템 및 장치 |
CN113269523A (zh) * | 2021-05-21 | 2021-08-17 | 国网新源控股有限公司 | 一种基于画像的智能审计方法及其装置、存储介质以及电子设备 |
CN114493266A (zh) * | 2022-01-26 | 2022-05-13 | 海天工程咨询有限公司 | 工程造价成果质量智能品控方法及系统 |
-
2023
- 2023-01-13 CN CN202310039092.3A patent/CN115809833B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573106A (zh) * | 2015-01-30 | 2015-04-29 | 浙江大学城市学院 | 一种基于案例推理技术的城市建设智能审批方法 |
CN113723869A (zh) * | 2021-11-02 | 2021-11-30 | 国网北京市电力公司 | 一种电网基建项目后评价方法、装置、设备及介质 |
CN114049095A (zh) * | 2021-11-24 | 2022-02-15 | 国家电网有限公司大数据中心 | 一种基建工程业务监测方法、装置、设备及存储介质 |
CN114493249A (zh) * | 2022-01-24 | 2022-05-13 | 河南省宏力工程咨询有限公司 | 一种公路工程监理用道路施工全周期管理方法、系统、终端以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115809833A (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115809833B (zh) | 基于画像技术的基建项目智能监督方法、装置 | |
CN104834747B (zh) | 基于卷积神经网络的短文本分类方法 | |
CN105677857B (zh) | 一种关键词与营销落地页的精准匹配方法和装置 | |
CN109408574B (zh) | 基于文本挖掘技术的投诉责任认定系统 | |
CN113326377A (zh) | 一种基于企业关联关系的人名消歧方法及系统 | |
CN113312499B (zh) | 一种基于知识图谱的电力安全预警方法及系统 | |
Li et al. | Deep spatio-temporal wind power forecasting | |
CN113239753A (zh) | 基于YOLOv4改进的交通标志检测与识别方法 | |
CN116468392A (zh) | 一种电网工程项目进度监控方法、装置、设备及存储介质 | |
CN117274650A (zh) | 基于遥感-众源语义深度聚类的城市功能区识别方法 | |
CN116662839A (zh) | 基于多维智能采集的关联大数据聚类分析方法及装置 | |
CN113806492B (zh) | 基于语义识别的记录生成方法、装置、设备及存储介质 | |
CN114491081A (zh) | 基于数据血缘关系图谱的电力数据溯源方法及系统 | |
Li et al. | Evaluating BERT on cloud-edge time series forecasting and sentiment analysis via prompt learning | |
CN116467437A (zh) | 面向复杂场景描述的自动流程建模方法 | |
CN106816871B (zh) | 一种电力系统状态相似性分析方法 | |
CN109857886A (zh) | 一种基于极小极大值博弈理论视图逼近的三维模型检索方法 | |
CN115272864A (zh) | 一种基于无人机航空摄影的实景三维建筑物智能提取方法 | |
Xu et al. | R-ProjNet: an optimal rotated-projection neural network for wood segmentation from point clouds | |
CN113487374A (zh) | 一种基于5g网络的区块电商平台交易系统 | |
CN113886547B (zh) | 基于人工智能的客户实时对话转接方法、装置和电子设备 | |
CN117911662B (zh) | 基于深度霍夫投票的数字孪生场景语义分割方法及系统 | |
CN116089586B (zh) | 基于文本的问题生成方法及问题生成模型的训练方法 | |
CN115693667B (zh) | 基于不对称网架信息的电网供电节点自动分配方法及装置 | |
CN115222988B (zh) | 激光雷达点云数据城市地物PointEFF精细分类方法 |
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 |