CN116127474A - 知识计算低代码平台 - Google Patents

知识计算低代码平台 Download PDF

Info

Publication number
CN116127474A
CN116127474A CN202310425044.8A CN202310425044A CN116127474A CN 116127474 A CN116127474 A CN 116127474A CN 202310425044 A CN202310425044 A CN 202310425044A CN 116127474 A CN116127474 A CN 116127474A
Authority
CN
China
Prior art keywords
value
knowledge
operator
keywords
duration
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.)
Granted
Application number
CN202310425044.8A
Other languages
English (en)
Other versions
CN116127474B (zh
Inventor
徐帆
墙辉
郭立超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiniu Medical Technology Zhejiang Co ltd
Original Assignee
Xiniu Medical Technology Zhejiang Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiniu Medical Technology Zhejiang Co ltd filed Critical Xiniu Medical Technology Zhejiang Co ltd
Priority to CN202310425044.8A priority Critical patent/CN116127474B/zh
Publication of CN116127474A publication Critical patent/CN116127474A/zh
Application granted granted Critical
Publication of CN116127474B publication Critical patent/CN116127474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G06F21/577—Assessing vulnerabilities and evaluating computer system security
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种知识计算低代码平台，涉及计算机技术领域，用于解决目前知识计算过于依赖业务人员经验、计算逻辑预验证成本高、返工率高、工程人员重复造轮子的问题；本发明基于DAG拓扑排序的算子拆解与自定义配置框架，借助hydra框架与yaml/toml配置模块实现插件化的配置框架；知识图谱融合开放域抽取算子，实现便捷全面的知识推理；为业务人员提供了可视化的计算逻辑配置工具，通过知识图谱为业务人员提供先验知识，供其快速配置逻辑并输出知识计算结果，可快速迭代修改知识计算逻辑，大大缩短查验流程同时确保知识有效性，以满足个性化需求。

Description

知识计算低代码平台
技术领域
本发明涉及计算机技术领域，具体为一种知识计算低代码平台。
背景技术
在传统的基于数据流进行知识计算的场景中，由于业务逻辑会存在很多相同或类似的计算逻辑，在开发过程中会有重复造轮子的工作，导致效率较低。如传统专病领域基于数据流知识计算需要业务人员整理计算逻辑，工程师实现后输入数据流产生可用知识，再经过业务人员复查，确认知识有效性。主要缺陷在于：流程繁琐，对于计算逻辑预验证成本高，对业务人员专业水平要求高，相关专业知识没有先验逻辑，返工率过高且复用性差。
为解决目前知识计算过于依赖业务人员经验、计算逻辑预验证成本高、返工率高、工程人员重复造轮子的问题，本发明提供了一种基于低代码知识计算平台的开发，为业务人员提供了可视化的计算逻辑配置工具。
发明内容
本发明的目的在于为了解决目前知识计算过于依赖业务人员经验、计算逻辑预验证成本高、返工率高、工程人员重复造轮子的问题，而提出一种知识计算低代码平台。
本发明的目的可以通过以下技术方案实现：一种知识计算低代码平台，包括算子模块、配置框架模块、知识图谱模块和可视化计算逻辑配置模块；
算子模块用于组合多个基础算子并构建算子预训练模型，以提供知识计算底层能力；其中算子预训练模型包括信息抽取模型、关系判断模型、文本解析模型和数据归一模型；
配置框架模块对预训练模型进行DAG拓扑排序、算子拆解和自定义配置框架处理，并通过hydra框架与yaml/toml配置文件进行插件化配置操作；
知识图谱模块用于融合开放域抽取算子和算子预训练模型并构建知识图谱，将知识图谱与开发接口接通，构成知识库；
可视化计算逻辑配置模块用于业务人员根据需要的专业信息通过智能终端选取对应知识图谱得到知识计算逻辑，对知识计算逻辑进行先验，验证成功后，通过知识计算逻辑计算专业信息并输出知识计算结果。
作为本发明的一种优选实施方式，所述选取对应知识图谱的具体过程为：
输入需求信息对应的查询条件内容，对查询条件内容进行关键词提取，设定所有的算子预训练模型均对应一个关键词组，每个关键词组包含至少一个关键词，将提取到的关键词与所有关键词组内的关键词进行匹配计算得到词重值，将词重值与预设阈值进行比对，将词重值大于预设阈值的关键词组对应的算子预训练模型标记为匹配模型，将匹配模型对应的知识图谱依据词重值由大到小进行排序进行显示，由业务人员进行选取对应的知识图谱时，选取确认后，将提取的关键词与选取的知识图谱对应关键词组进行比对，当关键词组内未包括全部提取的关键词时，将未包括的关键词补充至该关键词组内；当所有词重值均小于设定阈值时，生成查询条件内容对应的提取请求并执行发送操作至对应的工程人员的智能终端，接收工程人员通过智能终端反馈的关键词，将反馈的关键词与所有关键词组内的关键词进行匹配得到词重值；当所有词重值均小于设定阈值时，生成查询条件内容的算子模型请求信令并执行发送操作至工程人员的智能终端，同时发送未匹配到知识图谱提示标签至业务人员的智能终端；接收工程人员通过智能终端反馈的算子预训练模型并发送至配置框架模块。
作为本发明的一种优选实施方式，所述词重值的具体计算过程为：
统计提取到的关键词与关键词组内关键词完全一致的数量并提取数量对应的数值，将该数值标记为完重数值；获取关联度词库，其中关联度词库包括若干个关键词以及与关键词对应的关联词，每个关联词对应一个关联值；将提取到的关键词与关联度词库内所有的关键词进行匹配以得到对应的关联词，将匹配到的所有关联词与关键词组内的关键词进行比对，当关键词组内包括与关联词一致的关键词时，提取该关联词的关联值，将提取的所有的关联值进行求和得到关联总值，统计提取的关联值数量并将数量对应的数值标记为提关值；对完重数值、关联总值和提关值进行归一化处理得到词重值。
作为本发明的一种优选实施方式，所述执行发送操作的具体过程为：
获取工程人员智能终端的当前状态，将当前状态处于在处状态的工程人员标记为初选人员；将初选人员智能终端的位置与平台的位置进行距离计算并将该计算的距离数值标记为平端距；获取初选人员的从业时长并其数值标记为从业时值；再获取初选人员的处送基值；以处送基值和从业时值为椭圆的长轴和短轴构建椭圆形并选取椭圆形的圆心，将平端距的数值倒数乘以预设值得到长度换算值，以椭圆形的圆心为起始点做垂直于椭圆形的直线，且直线的长度数值与长度换算值一致；将直线结束点连接椭圆形构建椭圆椎体，计算椭圆椎体的体积并将其体积的数值标记为执发优值；将提取请求或算子模型请求信令发送至执发优值最大的初选人员的智能终端。
作为本发明的一种优选实施方式，还包括统计存储模块，所述统计存储模块用于统计工程人员通过智能终端接收到提取请求或算子模型请求信令的时刻以及反馈关键词或算子预训练模型的时刻并进行存储和分析，具体分析过程为：
将接收到提取请求的时刻与反馈关键词的时刻进行时刻差计算得到馈耗时长，将所有的馈耗时长依据提取请求的时刻先后顺序进行排序，统计排序后馈耗时长的数量得到馈耗数值，将排序后馈耗时长的数值代入折线图中，并分析得到提请馈耗比值；
将接收到算子模型请求信令的时刻与反馈算子预训练模型的时刻进行时刻差计算得到馈型时长，统计反馈时长的数量得到馈型数值，将所有的馈型时长与预设的时长阈值进行比对，当馈型时长小于预设的时长阈值时，计算两者之间的差值得到提馈时长，当馈型时长大于预设的时长阈值时，计算两者之间的差值得到超馈时长，将所有的体馈时长进行求和并取其数值得到提馈总值，将所有的超馈时长进行求和并取其数值得到超馈总值，对提馈总值和超馈总值处理得到馈型总值；
再对馈耗数值、提请馈耗比值、馈型数值以及馈型总值进行处理得到工程人员的处送基值。
作为本发明的一种优选实施方式，还包括逻辑监控处理模块，所述逻辑监控处理模块用于对知识图谱进行逻辑计算监控，当知识图谱运行出现故障和程序漏洞时，识别知识图谱对应故障和程序漏洞和算子预训练模型，将算子预训练模型通过执行发送操作发送至对应的工程人员的智能终端进行修复处理；同时将该时刻标记为算子预训练模型对应工程人员的障漏时刻。
作为本发明的一种优选实施方式，所述逻辑监控处理模块还用于统计工程人员的障漏时刻并进行分析得到序漏因子并将其发送至统计存储模块，具体分析过程为：统计障漏时刻的数量得到障漏总数，将所有障漏时刻依据先后顺序进行排序，并计算相邻两个障漏时刻之间的时刻的得到障漏间隔时长，将所有的障漏间隔时长进行求和并取均值得到障漏平均时长；提取障漏总数和障漏平均时长的数值处理得到序漏因子。
与现有技术相比，本发明的有益效果是：
1、 本发明基于DAG拓扑排序的算子拆解与自定义配置框架，借助hydra框架与yaml/toml配置模块实现插件化的配置框架；知识图谱融合开放域抽取算子，实现便捷全面的知识推理；
2、 本发明为业务人员提供了可视化的计算逻辑配置工具，通过知识图谱为业务人员提供先验知识，供其快速配置逻辑并输出知识计算结果，可快速迭代修改知识计算逻辑，大大缩短查验流程同时确保知识有效性，以满足个性化需求；
3、 本发明通过对输入需求信息对应的查询条件内容进行关键词提取并进行匹配计算得到词重值，通过词重值合理选取对应的算子预训练模型，便于为业务人员提供准确的算子预训练模型构建图谱；
4、 本发明通过对需求信息未包括的关键词进行关键词提取以及算子模型请求处理，便于对需求信息进行更全面的处理，避免为匹配到合适的关键词和模型造成业务人员无法使用，使得低代码平台功能受限。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
请参阅图1所示，知识计算低代码平台，应用于专病医疗领域，包括算子模块、配置框架模块、知识图谱模块、可视化计算逻辑配置模块和统计存储模块；
算子模块包括若干个基础算子和业务算子，业务算子用于组合多个基础算子并构建专病库对应的算子预训练模型，以提供知识计算底层能力；算子预训练模型包括信息(时间、正则串)抽取模型、关系判断模型、文本(地址、身份证)解析模型、数据归一模型等；其中专病库包括医院结直肠癌专病库和医院消化道出血专病库；
配置框架模块对预训练模型进行DAG拓扑排序、算子拆解和自定义配置框架处理，并通过hydra框架与yaml配置文件、toml配置文件进行插件化配置操作；YAML是一种专门用来写配置文件的语言!YAML全称是”YAML Ain’t a Markup Language”的递归缩写，TOML为一个语义明显且易于阅读的最小化配置文件格式；
知识图谱模块用于融合开放域抽取算子和算子预训练模型并构建知识图谱，将知识图谱与开发接口接通，构成知识库；开发接口与知识图谱打通，形成（检索+校准+回流）链路；业务人员根据需要的专业信息在图谱中获取相对准确且覆盖率较高的先验知识，提高知识计算结果准确率，降低预验证难度；经过计算后的知识回流至知识图谱；
可视化计算逻辑配置模块用于业务人员选取对应知识图谱得到知识计算逻辑，具体为：
业务人员根据需要的专业信息通过智能终端输入需求信息对应的查询条件内容，查询条件内容包括输入的一段话、若干个词语或目的等；对查询条件内容进行关键词提取，设定所有的算子预训练模型均对应一个关键词组，每个关键词组包含至少一个关键词，将提取到的关键词与所有关键词组内的关键词进行匹配计算得到词重值，词重值的具体计算过程为：
统计提取到的关键词与关键词组内关键词完全一致的数量并提取数量对应的数值，将该数值标记为完重数值；
获取关联度词库，其中关联度词库包括若干个关键词以及与关键词对应的关联词，每个关联词对应一个关联值；
将提取到的关键词与关联度词库内所有的关键词进行匹配以得到对应的关联词，将匹配到的所有关联词与关键词组内的关键词进行比对，当关键词组内包括与关联词一致的关键词时，提取该关联词的关联值，将提取的所有的关联值进行求和得到关联总值，统计提取的关联值数量并将数量对应的数值标记为提关值；
再将完重数值、关联总值和提关值进行归一化处理并取三者的数值，将其依次标记为WM1、WM2和WM3；设定完重数值、关联总值和提关值对应的权重系数为es1、es2、es3；将完重数值、关联总值和提关值代入预设词重模型得到词重值；
将词重值与预设阈值进行比对，将词重值大于预设阈值的关键词组对应的算子预训练模型标记为匹配模型，将匹配模型对应的知识图谱依据词重值由大到小进行排序进行显示，由业务人员进行选取对应的知识图谱时，选取确认后，将提取的关键词与选取的知识图谱对应关键词组进行比对，当关键词组内未包括全部提取的关键词时，将未包括的关键词补充至该关键词组内；当所有词重值均小于设定阈值时，生成查询条件内容对应的提取请求并执行发送操作至对应的工程人员的智能终端，接收工程人员通过智能终端反馈的关键词，将反馈的关键词与所有关键词组内的关键词进行匹配得到词重值；当所有词重值均小于设定阈值时，生成查询条件内容的算子模型请求信令并执行发送操作至工程人员的智能终端，同时发送未匹配到知识图谱提示标签至业务人员的智能终端；接收工程人员通过智能终端反馈的算子预训练模型并发送至配置框架模块；算子模型请求信令包括需求信息、查询条件内容和模型代码请求指令；
对知识计算逻辑进行先验，验证成功后，通过知识计算逻辑计算专业信息并输出知识计算结果；
执行发送操作为：获取工程人员智能终端的当前状态，将当前状态处于在处状态的工程人员标记为初选人员；将初选人员智能终端的位置与平台的位置进行距离计算并将该计算的距离数值标记为平端距；获取初选人员的从业时长并其数值标记为从业时值；再获取初选人员的处送基值；以处送基值和从业时值为椭圆的长轴和短轴构建椭圆形并选取椭圆形的圆心，将平端距的数值倒数乘以预设值得到长度换算值，以椭圆形的圆心为起始点做垂直于椭圆形的直线，且直线的长度数值与长度换算值一致；将直线结束点连接椭圆形构建椭圆椎体，计算椭圆椎体的体积并将其体积的数值标记为执发优值；将提取请求或算子模型请求信令发送至执发优值最大的初选人员的智能终端。
统计存储模块用于统计工程人员通过智能终端接收到提取请求或算子模型请求信令的时刻以及反馈关键词或算子预训练模型的时刻并进行存储和分析，具体分析过程为：
将接收到提取请求的时刻与反馈关键词的时刻进行时刻差计算得到馈耗时长，将所有的馈耗时长依据提取请求的时刻先后顺序进行排序，统计排序后馈耗时长的数量得到馈耗数值，将排序后馈耗时长的数值代入折线图中，得到馈耗时长在折线图中对应的时长点，连接相邻两个时长点得到馈耗线，计算馈耗线的斜率和倾斜角度，当馈耗线的倾斜角度小于九十度时，将该馈耗线的斜率标记为线小斜率；当馈耗线的倾斜角度大于九十度时，将该馈耗线的斜率标记为线大斜率；将所有的线小斜率进行求和得到线小总值，将所有的线大斜率的绝对值进行求和得到线大总值；将线大总值除以线小总值得到提请馈耗比值；
将接收到算子模型请求信令的时刻与反馈算子预训练模型的时刻进行时刻差计算得到馈型时长，统计反馈时长的数量得到馈型数值，将所有的馈型时长与预设的时长阈值进行比对，当馈型时长小于预设的时长阈值时，计算两者之间的差值得到提馈时长，当馈型时长大于预设的时长阈值时，计算两者之间的差值得到超馈时长，将所有的体馈时长进行求和并取其数值得到提馈总值，将所有的超馈时长进行求和并取其数值得到超馈总值，将提馈总值和超馈总值标记为Tz1和Cz1，代入公式KZ=Tz1×ed1-Cz1×ed2得到馈型总值KZ，其中，ed1和ed2为预设权重因子；
最后将馈耗数值、提请馈耗比值、馈型数值分别标记为KH、KC、KE，将馈耗数值、提请馈耗比值、馈型数值以及馈型总值代入预设公式得到工程人员的处送基值CJ，其中，fs1、fs2、fs3和fs4为预设权重系数；KB为预设初始基值；μ为序漏因子。
实施例2
在实施例1的基础上，知识计算低代码平台还包括逻辑监控处理模块，逻辑监控处理模块用于对知识图谱进行逻辑计算监控，当知识图谱运行出现故障和程序漏洞时，识别知识图谱对应故障和程序漏洞和算子预训练模型，将算子预训练模型通过执行发送操作发送至对应的工程人员的智能终端进行修复处理；同时将该时刻标记为算子预训练模型对应工程人员的障漏时刻；
通过对知识图谱进行监控，以便于及时发现逻辑计算出现的BUG和程序漏洞等进行处理，避免不能及时解决，影响业务人员使用。
还用于统计工程人员的障漏时刻并进行分析得到序漏因子并将其发送至统计存储模块，具体分析过程为：统计障漏时刻的数量得到障漏总数，将所有障漏时刻依据先后顺序进行排序，并计算相邻两个障漏时刻之间的时刻的得到障漏间隔时长，将所有的障漏间隔时长进行求和并取均值得到障漏平均时长；提取障漏总数和障漏平均时长的数值并分别标记为ZF1、ZF2；
代入公式μ=1-（ZF1×ma1+ZF2×ma2）/100得到序漏因子，其中，ma1、ma2均为权重因子；上述权重因子、预设权重系数、预设初始基值、权重系数均由平台开发者根据实际需求进行自定义设置。
本发明在使用时，基于DAG拓扑排序的算子拆解与自定义配置框架，借助hydra框架与yaml/toml配置模块实现插件化的配置框架；知识图谱融合开放域抽取算子，实现便捷全面的知识推理，为业务人员提供了可视化的计算逻辑配置工具，通过知识图谱为业务人员提供先验知识，供其快速配置逻辑并输出知识计算结果，可快速迭代修改知识计算逻辑，大大缩短查验流程同时确保知识有效性，以满足个性化需求；
通过对输入需求信息对应的查询条件内容进行关键词提取并进行匹配计算得到词重值，通过词重值合理选取对应的算子预训练模型，便于为业务人员提供准确的算子预训练模型构建图谱；
通过对需求信息未包括的关键词进行关键词提取以及算子模型请求处理，便于对需求信息进行更全面的处理，避免为匹配到合适的关键词和模型造成业务人员无法使用，使得低代码平台功能受限。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.知识计算低代码平台，包括算子模块、配置框架模块、知识图谱模块和可视化计算逻辑配置模块；算子模块用于组合多个基础算子并构建算子预训练模型，以提供知识计算底层能力；配置框架模块对预训练模型进行DAG拓扑排序、算子拆解和自定义配置框架处理，并通过hydra框架与yaml/toml配置文件进行插件化配置操作；其特征在于，所述知识图谱模块用于融合开放域抽取算子和算子预训练模型并构建知识图谱，将知识图谱与开发接口接通，构成知识库；
所述可视化计算逻辑配置模块用于业务人员根据需要的专业信息通过智能终端选取对应知识图谱得到知识计算逻辑，对知识计算逻辑进行先验，验证成功后，通过知识计算逻辑计算专业信息并输出知识计算结果。
2.根据权利要求1所述的知识计算低代码平台，其特征在于，所述选取对应知识图谱的具体过程为：
输入需求信息对应的查询条件内容，对查询条件内容进行关键词提取，设定所有的算子预训练模型均对应一个关键词组，将提取到的关键词与所有关键词组内的关键词进行匹配并计算得到词重值，将词重值与预设阈值进行比对，将词重值大于预设阈值的关键词组对应的算子预训练模型标记为匹配模型，将匹配模型对应的知识图谱依据词重值由大到小进行排序进行显示，由业务人员进行选取对应的知识图谱；选取确认后，将提取的关键词与选取的知识图谱对应关键词组进行比对，当关键词组内未包括全部提取的关键词时，将未包括的关键词补充至该关键词组内；当所有词重值均小于设定阈值时，生成查询条件内容对应的提取请求并执行发送操作至对应的工程人员的智能终端，接收工程人员通过智能终端反馈的关键词，将反馈的关键词与所有关键词组内的关键词进行匹配得到词重值；当所有词重值均小于设定阈值时，生成查询条件内容的算子模型请求信令并执行发送操作至工程人员的智能终端，同时发送未匹配到知识图谱提示标签至业务人员的智能终端；接收工程人员通过智能终端反馈的算子预训练模型并发送至配置框架模块。
3.根据权利要求2所述的知识计算低代码平台，其特征在于，所述词重值的具体计算过程为：
统计提取到的关键词与关键词组内关键词完全一致的数量并提取数量对应的数值，将该数值标记为完重数值；获取关联度词库，关联度词库包括若干个关键词以及与关键词对应的关联词，每个关联词对应一个关联值；将提取到的关键词与关联度词库内所有的关键词进行匹配以得到对应的关联词，将匹配到的所有关联词与关键词组内的关键词进行比对，当关键词组内包括与关联词一致的关键词时，提取该关联词的关联值，将提取的所有的关联值进行求和得到关联总值，统计提取的关联值数量并将数量对应的数值标记为提关值；对完重数值、关联总值和提关值进行处理得到词重值。
4.根据权利要求2所述的知识计算低代码平台，其特征在于，所述执行发送操作的具体过程为：
获取工程人员智能终端的当前状态，将当前状态处于在处状态的工程人员标记为初选人员；将初选人员智能终端的位置与平台的位置进行距离计算并将该计算的距离数值标记为平端距；获取初选人员的从业时长并其数值标记为从业时值；再获取初选人员的处送基值；以处送基值和从业时值为椭圆的长轴和短轴构建椭圆形并选取椭圆形的圆心，将平端距的数值倒数乘以预设值得到长度换算值，以椭圆形的圆心为起始点做垂直于椭圆形的直线，且直线的长度数值与长度换算值一致；将直线结束点连接椭圆形构建椭圆椎体，计算椭圆椎体的体积并将其体积的数值标记为执发优值；将提取请求或算子模型请求信令发送至执发优值最大的初选人员的智能终端。
5.根据权利要求4所述的知识计算低代码平台，其特征在于，还包括统计存储模块，所述统计存储模块用于统计工程人员通过智能终端接收到提取请求或算子模型请求信令的时刻以及反馈关键词或算子预训练模型的时刻并进行存储和分析，具体分析过程为：
将接收到提取请求的时刻与反馈关键词的时刻进行时刻差计算得到馈耗时长，将所有的馈耗时长依据提取请求的时刻先后顺序进行排序，统计排序后馈耗时长的数量得到馈耗数值，将排序后馈耗时长的数值代入折线图中，并分析得到提请馈耗比值；
将接收到算子模型请求信令的时刻与反馈算子预训练模型的时刻进行时刻差计算得到馈型时长，统计反馈时长的数量得到馈型数值，将所有的馈型时长与预设的时长阈值进行比对，当馈型时长小于预设的时长阈值时，计算两者之间的差值得到提馈时长，当馈型时长大于预设的时长阈值时，计算两者之间的差值得到超馈时长，将所有的体馈时长进行求和并取其数值得到提馈总值，将所有的超馈时长进行求和并取其数值得到超馈总值，对提馈总值和超馈总值处理得到馈型总值；对馈耗数值、提请馈耗比值、馈型数值以及馈型总值进行处理得到工程人员的处送基值。
6.根据权利要求2所述的知识计算低代码平台，其特征在于，还包括逻辑监控处理模块，所述逻辑监控处理模块用于对知识图谱进行逻辑计算监控，当知识图谱运行出现故障和程序漏洞时，识别知识图谱对应故障和程序漏洞和算子预训练模型，将算子预训练模型通过执行发送操作发送至对应的工程人员的智能终端进行修复处理；同时将该时刻标记为算子预训练模型对应工程人员的障漏时刻。
7.根据权利要求6所述的知识计算低代码平台，其特征在于，所述逻辑监控处理模块还用于统计工程人员的障漏时刻并进行分析得到序漏因子并将其发送至统计存储模块，具体分析过程为：统计障漏时刻的数量得到障漏总数，将所有障漏时刻依据先后顺序进行排序，并计算相邻两个障漏时刻之间的时刻的得到障漏间隔时长，将所有的障漏间隔时长进行求和并取均值得到障漏平均时长；提取障漏总数和障漏平均时长的数值并处理得到序漏因子。
CN202310425044.8A 2023-04-20 2023-04-20 知识计算低代码平台 Active CN116127474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310425044.8A CN116127474B (zh) 2023-04-20 2023-04-20 知识计算低代码平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310425044.8A CN116127474B (zh) 2023-04-20 2023-04-20 知识计算低代码平台

Publications (2)

Publication Number Publication Date
CN116127474A true CN116127474A (zh) 2023-05-16
CN116127474B CN116127474B (zh) 2023-06-23

Family

ID=86294200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310425044.8A Active CN116127474B (zh) 2023-04-20 2023-04-20 知识计算低代码平台

Country Status (1)

Country Link
CN (1) CN116127474B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103339597A (zh) * 2010-10-30 2013-10-02 布雷克公司 转换搜索引擎查询
CN108038183A (zh) * 2017-12-08 2018-05-15 北京百度网讯科技有限公司 结构化实体收录方法、装置、服务器和存储介质
CN109753541A (zh) * 2018-12-10 2019-05-14 北京明略软件系统有限公司 一种关系网络构建方法和装置、计算机可读存储介质
WO2021190668A1 (zh) * 2020-06-28 2021-09-30 上海松鼠课堂人工智能科技有限公司 智能学习系统的知识图谱生成方法
CN113987842A (zh) * 2021-12-24 2022-01-28 湖南高至科技有限公司 基于知识图谱的bdi建模方法、装置、设备和介质
CN114115857A (zh) * 2021-10-29 2022-03-01 北京邮电大学 一种机器学习模型自动化生产线构建方法及系统
CN114462603A (zh) * 2022-02-09 2022-05-10 中国银行股份有限公司 数据湖的知识图谱生成方法及装置
CN115391552A (zh) * 2022-08-19 2022-11-25 东软集团股份有限公司 知识图谱构建方法、装置、存储介质及电子设备
CN115794069A (zh) * 2022-11-15 2023-03-14 国网信通亿力科技有限责任公司 一种低代码应用开发平台
US20230087667A1 (en) * 2021-09-21 2023-03-23 International Business Machines Corporation Canonicalization of data within open knowledge graphs

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103339597A (zh) * 2010-10-30 2013-10-02 布雷克公司 转换搜索引擎查询
CN108038183A (zh) * 2017-12-08 2018-05-15 北京百度网讯科技有限公司 结构化实体收录方法、装置、服务器和存储介质
CN109753541A (zh) * 2018-12-10 2019-05-14 北京明略软件系统有限公司 一种关系网络构建方法和装置、计算机可读存储介质
WO2021190668A1 (zh) * 2020-06-28 2021-09-30 上海松鼠课堂人工智能科技有限公司 智能学习系统的知识图谱生成方法
US20230087667A1 (en) * 2021-09-21 2023-03-23 International Business Machines Corporation Canonicalization of data within open knowledge graphs
CN114115857A (zh) * 2021-10-29 2022-03-01 北京邮电大学 一种机器学习模型自动化生产线构建方法及系统
CN113987842A (zh) * 2021-12-24 2022-01-28 湖南高至科技有限公司 基于知识图谱的bdi建模方法、装置、设备和介质
CN114462603A (zh) * 2022-02-09 2022-05-10 中国银行股份有限公司 数据湖的知识图谱生成方法及装置
CN115391552A (zh) * 2022-08-19 2022-11-25 东软集团股份有限公司 知识图谱构建方法、装置、存储介质及电子设备
CN115794069A (zh) * 2022-11-15 2023-03-14 国网信通亿力科技有限责任公司 一种低代码应用开发平台

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HYUNHEE CHOI等: "Optimal Knowledge Component Extracting Model for Knowledge-Concept Graph Completion in Education", IEEE ACCESS, vol. 11, pages 15002 *
陈泽东;赵旭剑;张晖;杨春明;李波;: "面向开放式信息抽取系统的知识推理验证", 西南科技大学学报, no. 04 *

Also Published As

Publication number Publication date
CN116127474B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN104391934B (zh) 数据校验方法和装置
CN101849399B (zh) 用于基于规则的内容过滤的系统和方法
CN111125052B (zh) 基于动态元数据的大数据智能建模系统及方法
CN105868050A (zh) 基于json数据的验证方法及装置
CN109446689A (zh) 直流换流站二次系统图纸识别方法及系统
CN104135521A (zh) 环境自动监测网络的数据异常值标识方法及系统
CN110019519A (zh) 数据处理方法、装置、存储介质和电子装置
CN111815169B (zh) 业务审批参数配置方法及装置
CN112860676B (zh) 应用于大数据挖掘和业务分析的数据清洗方法及云服务器
CN105989001A (zh) 图像搜索方法及装置、图像搜索系统
CN115329556A (zh) 变电站cad图纸审核方法及设备
CN110149241A (zh) 一种基于ims设备的自动化测试方法及存储介质
CN106126634A (zh) 一种基于直播行业的主数据去重处理方法及系统
CN114841789A (zh) 基于区块链的审计审价故障数据在线编辑方法及系统
CN115984486A (zh) 一种融合激光雷达与深度相机的桥梁模型生成方法及装置
CN116881430A (zh) 一种产业链识别方法、装置、电子设备及可读存储介质
CN116127474B (zh) 知识计算低代码平台
CN108829968A (zh) 基于Python扩展函数的电路图审查方法
CN114359670A (zh) 非结构化数据标注方法、装置、计算机设备及存储介质
CN113535551A (zh) 基于json格式规约描述的6016B规则测试的文本模型构建方法
CN113434658A (zh) 火电机组运行问答生成方法、系统、设备及可读存储介质
CN113204945A (zh) 应用题批改方法、装置、计算机可读介质及电子设备
CN112579670A (zh) 一种精细油藏分布的勘察数据分析方法及系统
CN116010349B (zh) 基于元数据的数据检核方法和装置、电子设备和存储介质
CN117708337B (zh) 一种面向复杂定域的人机交互方法和系统

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
GR01 Patent grant
GR01 Patent grant