CN116304250A - 一种基于可视化操作的智能规则引擎管理方法及系统 - Google Patents
一种基于可视化操作的智能规则引擎管理方法及系统 Download PDFInfo
- Publication number
- CN116304250A CN116304250A CN202310559054.0A CN202310559054A CN116304250A CN 116304250 A CN116304250 A CN 116304250A CN 202310559054 A CN202310559054 A CN 202310559054A CN 116304250 A CN116304250 A CN 116304250A
- Authority
- CN
- China
- Prior art keywords
- rule
- real
- time
- historical
- similar
- 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
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 84
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 128
- 238000012800 visualization Methods 0.000 claims abstract description 87
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000012163 sequencing technique Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 12
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于可视化操作的智能规则引擎管理方法及系统，该方法包括：获取并保存多个历史用户通过物联网设备规则制定平台传输的多个历史设备触发执行规则和多个历史可视化操作；所述物联网设备规则制定平台设置有可视化操作界面；实时获取当前用户通过所述物联网设备规则制定平台传输的多个物联网设备之间的实时触发执行规则和实时可视化操作；根据数据统计比对算法，以及所述多个历史设备触发执行规则和多个历史可视化操作，对所述实时触发执行规则和实时可视化操作进行处理，以得到修正建议；向所述当前用户展示所述修正建议。可见，本发明能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
Description
技术领域
本发明涉及物联网技术领域，尤其涉及一种基于可视化操作的智能规则引擎管理方法及系统。
背景技术
物联网技术已被大量应用在现有的设备控制技术中，有越来越多的物联网设备被应用，相应的，对于物联网设备的数据规则的设置，也越来越智能化，例如对于家居设备的触发执行规则的设置，或是对于特定区域的传感设备的报警规则和触发消防设备的规则的设置，都开始被应用，以提高区域管控的智能化程度。但现有的物联网设备的数据规则的设置，没有充分考虑到可视化操作的便利程度，也没有结合历史用户的操作来对当前用户的操作进行调整，因此其智能化程度较低，也无法提高用户的操作效率。可见，现有技术存在缺陷，亟需解决。
发明内容
本发明所要解决的技术问题在于，提供一种基于可视化操作的智能规则引擎管理方法及系统，能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
为了解决上述技术问题，本发明第一方面公开了一种基于可视化操作的智能规则引擎管理方法，所述方法包括：
获取并保存多个历史用户通过物联网设备规则制定平台传输的多个历史设备触发执行规则和多个历史可视化操作；所述物联网设备规则制定平台设置有可视化操作界面；
实时获取当前用户通过所述物联网设备规则制定平台传输的多个物联网设备之间的实时触发执行规则和实时可视化操作；
根据数据统计比对算法，以及所述多个历史设备触发执行规则和多个历史可视化操作，对所述实时触发执行规则和实时可视化操作进行处理，以得到修正建议；
向所述当前用户展示所述修正建议。
作为一种可选的实施方式，在本发明第一方面中，所述物联网设备包括家居设备、传感设备、工业设备中的至少一种；和/或，所述历史设备触发执行规则或所述实时触发执行规则包括数据类型触发规则、数据值触发规则、数据关系触发规则中的至少一种；和/或，所述历史可视化操作或所述实时可视化操作包括单一设备连接操作、多设备关联操作、设备删除操作、设备添加操作、设备分类操作中的至少一种。
作为一种可选的实施方式，在本发明第一方面中，所述修正建议包括规则修正建议和操作修正建议；所述根据数据统计比对算法，以及所述多个历史设备触发执行规则和多个历史可视化操作，对所述实时触发执行规则和实时可视化操作进行处理，以得到修正建议，包括：
基于规则相似度计算算法，从所述多个历史设备触发执行规则中与所述实时触发执行规则相似的多个相似历史规则；
根据所述多个相似历史规则，确定所述实时触发执行规则对应的规则修正建议；
基于神经网络预测算法，从所述多个历史可视化操作中与所述实时可视化操作的预测操作相似的多个相似历史操作；
根据所述多个相似历史操作，确定所述实时可视化操作对应的操作修正建议。
作为一种可选的实施方式，在本发明第一方面中，所述基于规则相似度计算算法，从所述多个历史设备触发执行规则中与所述实时触发执行规则相似的多个相似历史规则，包括：
确定所述实时触发执行规则对应的第一设备信息和规则信息；
在所述多个历史设备触发执行规则中筛选出符合所述第一设备信息的多个候选相似历史规则；
对于每一所述候选相似历史规则，计算该候选相似历史规则的规则信息与所述实时触发执行规则的规则信息之间的规则相似度；
根据所述规则相似度从大到小，对所述多个候选相似历史规则进行排序得到第一规则序列，将所述第一规则序列前第一数量个候选相似历史规则确定为多个相似历史规则。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述多个相似历史规则，确定所述实时触发执行规则对应的规则修正建议，包括：
对于每一所述相似历史规则，计算该相似历史规则的设置时间信息和所述实时触发执行规则的设置时间信息之间的第一时间相似度；
计算该相似历史规则的用户类型和所述实时触发执行规则的用户类型之间的第一用户相似度；
计算该相似历史规则的所述第一时间相似度和所述第一用户相似度之间的加权求和平均值，得到该相似历史规则的第一相似参数；
根据所述第一相似参数从大到小，对所述多个相似历史规则进行排序得到第二规则序列，将所述第二规则序列的前第二数量个规则确定为所述实时触发执行规则对应的规则修正建议。
作为一种可选的实施方式，在本发明第一方面中，所述基于神经网络预测算法，从所述多个历史可视化操作中与所述实时可视化操作的预测操作相似的多个相似历史操作，包括：
将所述实时可视化操作输入至预先训练好的操作预测神经网络模型中，以得到所述实时可视化操作对应的预测操作；所述操作预测神经网络模型通过包括有多个训练操作和下一步操作标注的训练数据集训练得到；
确定所述实时可视化操作的第二设备信息；
在所述多个历史可视化操作中筛选出符合所述第二设备信息的多个候选相似历史操作；
计算每一所述候选相似历史操作的操作信息和所述预测操作的操作信息的操作相似度；
根据所述操作相似度从大到小，对所述多个候选相似历史操作进行排序得到第一操作序列，将所述第一操作序列中的前第三数量个操作确定为多个相似历史操作。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述多个相似历史操作，确定所述实时可视化操作对应的操作修正建议，包括：
对于每一所述相似历史操作，计算该相似历史操作的设置时间信息和所述实时可视化操作的设置时间信息之间的第二时间相似度；
计算该相似历史操作的用户类型和所述实时可视化操作的用户类型之间的第二用户相似度；
计算该相似历史操作的所述第二时间相似度和所述第二用户相似度之间的加权求和平均值，得到该相似历史操作的第二相似参数；
根据所述第二相似参数从大到小，对所述多个相似历史操作进行排序得到第二操作序列，将所述第二操作序列的前第四数量个规则确定为所述实时可视化操作对应的操作修正建议。
作为一种可选的实施方式，在本发明第一方面中，所述向所述当前用户展示所述修正建议，包括：
获取所述当前用户在当前时间段的当前操作信息；所述当前操作信息包括规则设置操作和/或可视化操作；
根据所述当前操作信息，基于预测算法，确定所述当前用户的下一操作类型；
根据所述下一操作类型，确定所述规则修正建议和所述操作修正建议的展示优先级；
根据所述展示优先级，确定所述规则修正建议和操作修正建议对应的展示顺序；
根据所述展示顺序，向所述当前用户展示所述规则修正建议和操作修正建议。
本发明第二方面公开了一种基于可视化操作的智能规则引擎管理系统，所述系统包括：
保存模块，用于获取并保存多个历史用户通过物联网设备规则制定平台传输的多个历史设备触发执行规则和多个历史可视化操作；所述物联网设备规则制定平台设置有可视化操作界面；
获取模块，用于实时获取当前用户通过所述物联网设备规则制定平台传输的多个物联网设备之间的实时触发执行规则和实时可视化操作；
修正模块，用于根据数据统计比对算法，以及所述多个历史设备触发执行规则和多个历史可视化操作，对所述实时触发执行规则和实时可视化操作进行处理，以得到修正建议；
展示模块，用于向所述当前用户展示所述修正建议。
作为一种可选的实施方式，在本发明第二方面中，所述物联网设备包括家居设备、传感设备、工业设备中的至少一种；和/或，所述历史设备触发执行规则或所述实时触发执行规则包括数据类型触发规则、数据值触发规则、数据关系触发规则中的至少一种；和/或，所述历史可视化操作或所述实时可视化操作包括单一设备连接操作、多设备关联操作、设备删除操作、设备添加操作、设备分类操作中的至少一种。
作为一种可选的实施方式，在本发明第二方面中，所述修正建议包括规则修正建议和操作修正建议；所述修正模块根据数据统计比对算法，以及所述多个历史设备触发执行规则和多个历史可视化操作，对所述实时触发执行规则和实时可视化操作进行处理，以得到修正建议的具体方式，包括：
基于规则相似度计算算法，从所述多个历史设备触发执行规则中与所述实时触发执行规则相似的多个相似历史规则；
根据所述多个相似历史规则，确定所述实时触发执行规则对应的规则修正建议；
基于神经网络预测算法，从所述多个历史可视化操作中与所述实时可视化操作的预测操作相似的多个相似历史操作；
根据所述多个相似历史操作，确定所述实时可视化操作对应的操作修正建议。
作为一种可选的实施方式，在本发明第二方面中，所述修正模块基于规则相似度计算算法，从所述多个历史设备触发执行规则中与所述实时触发执行规则相似的多个相似历史规则的具体方式，包括：
确定所述实时触发执行规则对应的第一设备信息和规则信息；
在所述多个历史设备触发执行规则中筛选出符合所述第一设备信息的多个候选相似历史规则；
对于每一所述候选相似历史规则，计算该候选相似历史规则的规则信息与所述实时触发执行规则的规则信息之间的规则相似度；
根据所述规则相似度从大到小，对所述多个候选相似历史规则进行排序得到第一规则序列，将所述第一规则序列前第一数量个候选相似历史规则确定为多个相似历史规则。
作为一种可选的实施方式，在本发明第二方面中，所述修正模块根据所述多个相似历史规则，确定所述实时触发执行规则对应的规则修正建议的具体方式，包括：
对于每一所述相似历史规则，计算该相似历史规则的设置时间信息和所述实时触发执行规则的设置时间信息之间的第一时间相似度；
计算该相似历史规则的用户类型和所述实时触发执行规则的用户类型之间的第一用户相似度；
计算该相似历史规则的所述第一时间相似度和所述第一用户相似度之间的加权求和平均值，得到该相似历史规则的第一相似参数；
根据所述第一相似参数从大到小，对所述多个相似历史规则进行排序得到第二规则序列，将所述第二规则序列的前第二数量个规则确定为所述实时触发执行规则对应的规则修正建议。
作为一种可选的实施方式，在本发明第二方面中，所述修正模块基于神经网络预测算法，从所述多个历史可视化操作中与所述实时可视化操作的预测操作相似的多个相似历史操作的具体方式，包括：
将所述实时可视化操作输入至预先训练好的操作预测神经网络模型中，以得到所述实时可视化操作对应的预测操作；所述操作预测神经网络模型通过包括有多个训练操作和下一步操作标注的训练数据集训练得到；
确定所述实时可视化操作的第二设备信息；
在所述多个历史可视化操作中筛选出符合所述第二设备信息的多个候选相似历史操作；
计算每一所述候选相似历史操作的操作信息和所述预测操作的操作信息的操作相似度；
根据所述操作相似度从大到小，对所述多个候选相似历史操作进行排序得到第一操作序列，将所述第一操作序列中的前第三数量个操作确定为多个相似历史操作。
作为一种可选的实施方式，在本发明第二方面中，所述修正模块根据所述多个相似历史操作，确定所述实时可视化操作对应的操作修正建议的具体方式，包括：
对于每一所述相似历史操作，计算该相似历史操作的设置时间信息和所述实时可视化操作的设置时间信息之间的第二时间相似度；
计算该相似历史操作的用户类型和所述实时可视化操作的用户类型之间的第二用户相似度；
计算该相似历史操作的所述第二时间相似度和所述第二用户相似度之间的加权求和平均值，得到该相似历史操作的第二相似参数；
根据所述第二相似参数从大到小，对所述多个相似历史操作进行排序得到第二操作序列，将所述第二操作序列的前第四数量个规则确定为所述实时可视化操作对应的操作修正建议。
作为一种可选的实施方式，在本发明第二方面中，所述展示模块向所述当前用户展示所述修正建议的具体方式，包括：
获取所述当前用户在当前时间段的当前操作信息；所述当前操作信息包括规则设置操作和/或可视化操作；
根据所述当前操作信息，基于预测算法，确定所述当前用户的下一操作类型；
根据所述下一操作类型，确定所述规则修正建议和所述操作修正建议的展示优先级；
根据所述展示优先级，确定所述规则修正建议和操作修正建议对应的展示顺序；
根据所述展示顺序，向所述当前用户展示所述规则修正建议和操作修正建议。
本发明第三方面公开了另一种基于可视化操作的智能规则引擎管理系统，所述系统包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于可视化操作的智能规则引擎管理方法中的部分或全部步骤。
与现有技术相比，本发明具有以下有益效果：
本发明能够充分利用历史用户的规则设置和操作，对当前用户的规则和操作进行修正，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
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简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明实施例公开的一种基于可视化操作的智能规则引擎管理方法的流程示意图；
图2是本发明实施例公开的一种基于可视化操作的智能规则引擎管理系统的结构示意图；
图3是本发明实施例公开的另一种基于可视化操作的智能规则引擎管理系统的结构示意图；
图4是本发明实施例公开的一种基于可视化操作的物联网设备规则制定平台的界面示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。
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”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于可视化操作的智能规则引擎管理方法及系统，能够充分利用历史用户的规则设置和操作，对当前用户的规则和操作进行修正，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于可视化操作的智能规则引擎管理方法的流程示意图。其中，图1所描述的方法可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定如图1所示，该基于可视化操作的智能规则引擎管理方法可以包括以下操作：
101、获取并保存多个历史用户通过物联网设备规则制定平台传输的多个历史设备触发执行规则和多个历史可视化操作。
可选的，物联网设备规则制定平台设置有可视化操作界面，其界面示意可以参见图4，可见，其可以允许用户通过可视化的操作来制定物联网设备之间的数据触发执行规则，提供一种物联网平台的可视化拖拽式规则引擎编排系统，以拖拽节点、连接组合节点的形式来快速实现规则关系设计，实现物联网平台的设备规则联动核心业务流程。
102、实时获取当前用户通过物联网设备规则制定平台传输的多个物联网设备之间的实时触发执行规则和实时可视化操作。
可选的，物联网设备包括家居设备、传感设备、工业设备中的至少一种。例如，传感设备可以为水质检测设备或温湿度传感设备。
可选的，历史设备触发执行规则或实时触发执行规则包括数据类型触发规则、数据值触发规则、数据关系触发规则中的至少一种。可选的，数据关系触发规则可以为利用更加复杂的数据关系模型来判断是否触发执行特定的操作的规则。
可选的，历史可视化操作或实时可视化操作包括单一设备连接操作、多设备关联操作、设备删除操作、设备添加操作、设备分类操作中的至少一种。
103、根据数据统计比对算法，以及多个历史设备触发执行规则和多个历史可视化操作，对实时触发执行规则和实时可视化操作进行处理，以得到修正建议。
104、向当前用户展示修正建议。
可选的，修正建议包括规则修正建议和操作修正建议。
可见，实施本发明实施例所描述的方法能够充分利用历史用户的规则设置和操作，对当前用户的规则和操作进行修正，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，上述步骤中的，根据数据统计比对算法，以及多个历史设备触发执行规则和多个历史可视化操作，对实时触发执行规则和实时可视化操作进行处理，以得到修正建议，包括：
基于规则相似度计算算法，从多个历史设备触发执行规则中与实时触发执行规则相似的多个相似历史规则；
根据多个相似历史规则，确定实时触发执行规则对应的规则修正建议；
基于神经网络预测算法，从多个历史可视化操作中与实时可视化操作的预测操作相似的多个相似历史操作；
根据多个相似历史操作，确定实时可视化操作对应的操作修正建议。
可见，实施该可选的实施例可以根据规则相似度计算算法和神经网络预测算法，来确定出当前用户相应的规则修正建议和操作修正建议，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，上述步骤中的，基于规则相似度计算算法，从多个历史设备触发执行规则中与实时触发执行规则相似的多个相似历史规则，包括：
确定实时触发执行规则对应的第一设备信息和规则信息；
在多个历史设备触发执行规则中筛选出符合第一设备信息的多个候选相似历史规则；
对于每一候选相似历史规则，计算该候选相似历史规则的规则信息与实时触发执行规则的规则信息之间的规则相似度；
根据规则相似度从大到小，对多个候选相似历史规则进行排序得到第一规则序列，将第一规则序列前第一数量个候选相似历史规则确定为多个相似历史规则。
可选的，本发明中所述的相似度的计算，例如规则相似度或下面的时间相似度或用户相似度，均可以通过向量相似度计算规则或文本相似度计算算法来确定，操作人员可以在特定场景下通过经验或实验来选择合适的算法来计算。
可见，实施该可选的实施例可以基于多重的信息筛选以及规则相似度的计算，来确定出当前用户相应的多个相似历史规则，从而能够在后续使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，上述步骤中的，根据多个相似历史规则，确定实时触发执行规则对应的规则修正建议，包括：
对于每一相似历史规则，计算该相似历史规则的设置时间信息和实时触发执行规则的设置时间信息之间的第一时间相似度；
计算该相似历史规则的用户类型和实时触发执行规则的用户类型之间的第一用户相似度；
计算该相似历史规则的第一时间相似度和第一用户相似度之间的加权求和平均值，得到该相似历史规则的第一相似参数；
根据第一相似参数从大到小，对多个相似历史规则进行排序得到第二规则序列，将第二规则序列的前第二数量个规则确定为实时触发执行规则对应的规则修正建议。
在一个实际的实施方案中，第一用户相似度的权重要大于第一时间相似度的权重，这是由于用户的设置习惯与其用户角色的相关度更高，而与时间的相关度更低，但在一些特定的实施场景如对特定时间的家居设备的规则设置中，用户的设置习惯与时间的相关度会更高。
可见，实施该可选的实施例可以基于时间相似度和用户相似度的计算，来更精确地确定多个相似历史规则之间的相关度，以得到规则修正建议，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，上述步骤中的，基于神经网络预测算法，从多个历史可视化操作中与实时可视化操作的预测操作相似的多个相似历史操作，包括：
将实时可视化操作输入至预先训练好的操作预测神经网络模型中，以得到实时可视化操作对应的预测操作；操作预测神经网络模型通过包括有多个训练操作和下一步操作标注的训练数据集训练得到；
确定实时可视化操作的第二设备信息；
在多个历史可视化操作中筛选出符合第二设备信息的多个候选相似历史操作；
计算每一候选相似历史操作的操作信息和预测操作的操作信息的操作相似度；
根据操作相似度从大到小，对多个候选相似历史操作进行排序得到第一操作序列，将第一操作序列中的前第三数量个操作确定为多个相似历史操作。
可见，实施该可选的实施例可以基于操作预测神经网络模型的预测以及操作相似度的计算，来确定出当前用户相应的多个相似历史操作，从而能够在后续使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，上述步骤中的，根据多个相似历史操作，确定实时可视化操作对应的操作修正建议，包括：
对于每一相似历史操作，计算该相似历史操作的设置时间信息和实时可视化操作的设置时间信息之间的第二时间相似度；
计算该相似历史操作的用户类型和实时可视化操作的用户类型之间的第二用户相似度；
计算该相似历史操作的第二时间相似度和第二用户相似度之间的加权求和平均值，得到该相似历史操作的第二相似参数；
根据第二相似参数从大到小，对多个相似历史操作进行排序得到第二操作序列，将第二操作序列的前第四数量个规则确定为实时可视化操作对应的操作修正建议。
关于第二时间相似度和第二用户相似度之间的权重大小的技术细节，可以参见上述实施例中对于第一时间相似度和第一用户相似度之间的权重大小的技术细节的表述，在此不再赘述。
可见，实施该可选的实施例可以基于时间相似度和用户相似度的计算，来更精确地确定多个相似历史操作之间的相关度，以得到操作修正建议，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，上述步骤中的，向当前用户展示修正建议，包括：
获取当前用户在当前时间段的当前操作信息；当前操作信息包括规则设置操作和/或可视化操作；
根据当前操作信息，基于预测算法，确定当前用户的下一操作类型；
根据下一操作类型，确定规则修正建议和操作修正建议的展示优先级；
根据展示优先级，确定规则修正建议和操作修正建议对应的展示顺序；
根据展示顺序，向当前用户展示规则修正建议和操作修正建议。
可选的，预测算法也可以采用上述操作预测神经网络模型来预测当前用户的下一操作类型，这一下一操作类型可以为规则设置类型或可视化操作类型，这一预测是为了预测用户下一步可能要采取的步骤来决定后面推送展示的修正建议的类型。
可选的，展示优先级和下一操作类型之间的对应关系，可以由操作人员通过经验或实验来确定，展示优先级可以为单纯的展示建议，例如优先展示规则修正建议，则将规则修正建议展示在操作修正建议之前或更显眼的位置，也可以为复杂的优先级权重，以将部分修正建议展示在其他修正建议之前或更显眼的位置。
可见，实施该可选的实施例可以通过计算展示优先级来确定展示顺序，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
实施例二
请参阅图2，图2是本发明实施例公开的一种基于可视化操作的智能规则引擎管理系统的结构示意图。其中，图2所描述的装置可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。如图2所示，该装置可以包括：
保存模块201，用于获取并保存多个历史用户通过物联网设备规则制定平台传输的多个历史设备触发执行规则和多个历史可视化操作。
可选的，物联网设备规则制定平台设置有可视化操作界面，其界面示意可以参见图4，可见，其可以允许用户通过可视化的操作来制定物联网设备之间的数据触发执行规则，提供一种物联网平台的可视化拖拽式规则引擎编排系统，以拖拽节点、连接组合节点的形式来快速实现规则关系设计，实现物联网平台的设备规则联动核心业务流程。
获取模块202，用于实时获取当前用户通过物联网设备规则制定平台传输的多个物联网设备之间的实时触发执行规则和实时可视化操作。
可选的，物联网设备包括家居设备、传感设备、工业设备中的至少一种。例如，传感设备可以为水质检测设备或温湿度传感设备。
可选的，历史设备触发执行规则或实时触发执行规则包括数据类型触发规则、数据值触发规则、数据关系触发规则中的至少一种。可选的，数据关系触发规则可以为利用更加复杂的数据关系模型来判断是否触发执行特定的操作的规则。
可选的，历史可视化操作或实时可视化操作包括单一设备连接操作、多设备关联操作、设备删除操作、设备添加操作、设备分类操作中的至少一种。
修正模块203，用于根据数据统计比对算法，以及多个历史设备触发执行规则和多个历史可视化操作，对实时触发执行规则和实时可视化操作进行处理，以得到修正建议。
展示模块204，用于向当前用户展示修正建议。
可选的，修正建议包括规则修正建议和操作修正建议。
可见，实施本发明实施例所描述的装置能够充分利用历史用户的规则设置和操作，对当前用户的规则和操作进行修正，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，修正模块203根据数据统计比对算法，以及多个历史设备触发执行规则和多个历史可视化操作，对实时触发执行规则和实时可视化操作进行处理，以得到修正建议的具体方式，包括：
基于规则相似度计算算法，从多个历史设备触发执行规则中与实时触发执行规则相似的多个相似历史规则；
根据多个相似历史规则，确定实时触发执行规则对应的规则修正建议；
基于神经网络预测算法，从多个历史可视化操作中与实时可视化操作的预测操作相似的多个相似历史操作；
根据多个相似历史操作，确定实时可视化操作对应的操作修正建议。
可见，实施该可选的实施例可以根据规则相似度计算算法和神经网络预测算法，来确定出当前用户相应的规则修正建议和操作修正建议，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，修正模块203基于规则相似度计算算法，从多个历史设备触发执行规则中与实时触发执行规则相似的多个相似历史规则的具体方式，包括：
确定实时触发执行规则对应的第一设备信息和规则信息；
在多个历史设备触发执行规则中筛选出符合第一设备信息的多个候选相似历史规则；
对于每一候选相似历史规则，计算该候选相似历史规则的规则信息与实时触发执行规则的规则信息之间的规则相似度；
根据规则相似度从大到小，对多个候选相似历史规则进行排序得到第一规则序列，将第一规则序列前第一数量个候选相似历史规则确定为多个相似历史规则。
可选的，本发明中所述的相似度的计算，例如规则相似度或下面的时间相似度或用户相似度，均可以通过向量相似度计算规则或文本相似度计算算法来确定，操作人员可以在特定场景下通过经验或实验来选择合适的算法来计算。
可见，实施该可选的实施例可以基于多重的信息筛选以及规则相似度的计算，来确定出当前用户相应的多个相似历史规则，从而能够在后续使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，修正模块203根据多个相似历史规则，确定实时触发执行规则对应的规则修正建议的具体方式，包括：
对于每一相似历史规则，计算该相似历史规则的设置时间信息和实时触发执行规则的设置时间信息之间的第一时间相似度；
计算该相似历史规则的用户类型和实时触发执行规则的用户类型之间的第一用户相似度；
计算该相似历史规则的第一时间相似度和第一用户相似度之间的加权求和平均值，得到该相似历史规则的第一相似参数；
根据第一相似参数从大到小，对多个相似历史规则进行排序得到第二规则序列，将第二规则序列的前第二数量个规则确定为实时触发执行规则对应的规则修正建议。
在一个实际的实施方案中，第一用户相似度的权重要大于第一时间相似度的权重，这是由于用户的设置习惯与其用户角色的相关度更高，而与时间的相关度更低，但在一些特定的实施场景如对特定时间的家居设备的规则设置中，用户的设置习惯与时间的相关度会更高。
可见，实施该可选的实施例可以基于时间相似度和用户相似度的计算，来更精确地确定多个相似历史规则之间的相关度，以得到规则修正建议，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，修正模块203基于神经网络预测算法，从多个历史可视化操作中与实时可视化操作的预测操作相似的多个相似历史操作的具体方式，包括：
将实时可视化操作输入至预先训练好的操作预测神经网络模型中，以得到实时可视化操作对应的预测操作；操作预测神经网络模型通过包括有多个训练操作和下一步操作标注的训练数据集训练得到；
确定实时可视化操作的第二设备信息；
在多个历史可视化操作中筛选出符合第二设备信息的多个候选相似历史操作；
计算每一候选相似历史操作的操作信息和预测操作的操作信息的操作相似度；
根据操作相似度从大到小，对多个候选相似历史操作进行排序得到第一操作序列，将第一操作序列中的前第三数量个操作确定为多个相似历史操作。
可见，实施该可选的实施例可以基于操作预测神经网络模型的预测以及操作相似度的计算，来确定出当前用户相应的多个相似历史操作，从而能够在后续使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，修正模块203根据多个相似历史操作，确定实时可视化操作对应的操作修正建议的具体方式，包括：
对于每一相似历史操作，计算该相似历史操作的设置时间信息和实时可视化操作的设置时间信息之间的第二时间相似度；
计算该相似历史操作的用户类型和实时可视化操作的用户类型之间的第二用户相似度；
计算该相似历史操作的第二时间相似度和第二用户相似度之间的加权求和平均值，得到该相似历史操作的第二相似参数；
根据第二相似参数从大到小，对多个相似历史操作进行排序得到第二操作序列，将第二操作序列的前第四数量个规则确定为实时可视化操作对应的操作修正建议。
关于第二时间相似度和第二用户相似度之间的权重大小的技术细节，可以参见上述实施例中对于第一时间相似度和第一用户相似度之间的权重大小的技术细节的表述，在此不再赘述。
可见，实施该可选的实施例可以基于时间相似度和用户相似度的计算，来更精确地确定多个相似历史操作之间的相关度，以得到操作修正建议，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
作为一种可选的实施例，展示模块204向当前用户展示修正建议的具体方式，包括：
获取当前用户在当前时间段的当前操作信息；当前操作信息包括规则设置操作和/或可视化操作；
根据当前操作信息，基于预测算法，确定当前用户的下一操作类型；
根据下一操作类型，确定规则修正建议和操作修正建议的展示优先级；
根据展示优先级，确定规则修正建议和操作修正建议对应的展示顺序；
根据展示顺序，向当前用户展示规则修正建议和操作修正建议。
可选的，预测算法也可以采用上述操作预测神经网络模型来预测当前用户的下一操作类型，这一下一操作类型可以为规则设置类型或可视化操作类型，这一预测是为了预测用户下一步可能要采取的步骤来决定后面推送展示的修正建议的类型。
可选的，展示优先级和下一操作类型之间的对应关系，可以由操作人员通过经验或实验来确定，展示优先级可以为单纯的展示建议，例如优先展示规则修正建议，则将规则修正建议展示在操作修正建议之前或更显眼的位置，也可以为复杂的优先级权重，以将部分修正建议展示在其他修正建议之前或更显眼的位置。
可见，实施该可选的实施例可以通过计算展示优先级来确定展示顺序，从而能够使得可视化的物联网设备规则设置更加智能，提高用户进行物联网设备的设置的效率和正确率。
实施例三
请参阅图3，图3是本发明实施例公开的另一种基于可视化操作的智能规则引擎管理系统的结构示意图。如图3所示，该装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一公开的基于可视化操作的智能规则引擎管理方法中的部分或全部步骤。
实施例四
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一公开的基于可视化操作的智能规则引擎管理方法中的部分或全部步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，EPROM）、一次可编程只读存储器（One-timeProgrammable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于可视化操作的智能规则引擎管理方法及系统所揭露的仅为本发明较佳实施例而已，仅用于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项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于可视化操作的智能规则引擎管理方法，其特征在于，所述方法包括：
获取并保存多个历史用户通过物联网设备规则制定平台传输的多个历史设备触发执行规则和多个历史可视化操作；所述物联网设备规则制定平台设置有可视化操作界面；
实时获取当前用户通过所述物联网设备规则制定平台传输的多个物联网设备之间的实时触发执行规则和实时可视化操作；
根据数据统计比对算法，以及所述多个历史设备触发执行规则和多个历史可视化操作，对所述实时触发执行规则和实时可视化操作进行处理，以得到修正建议；
向所述当前用户展示所述修正建议。
2.根据权利要求1所述的基于可视化操作的智能规则引擎管理方法，其特征在于，所述物联网设备包括家居设备、传感设备、工业设备中的至少一种；和/或，所述历史设备触发执行规则或所述实时触发执行规则包括数据类型触发规则、数据值触发规则、数据关系触发规则中的至少一种；和/或，所述历史可视化操作或所述实时可视化操作包括单一设备连接操作、多设备关联操作、设备删除操作、设备添加操作、设备分类操作中的至少一种。
3.根据权利要求1所述的基于可视化操作的智能规则引擎管理方法，其特征在于，所述修正建议包括规则修正建议和操作修正建议；所述根据数据统计比对算法，以及所述多个历史设备触发执行规则和多个历史可视化操作，对所述实时触发执行规则和实时可视化操作进行处理，以得到修正建议，包括：
基于规则相似度计算算法，从所述多个历史设备触发执行规则中与所述实时触发执行规则相似的多个相似历史规则；
根据所述多个相似历史规则，确定所述实时触发执行规则对应的规则修正建议；
基于神经网络预测算法，从所述多个历史可视化操作中与所述实时可视化操作的预测操作相似的多个相似历史操作；
根据所述多个相似历史操作，确定所述实时可视化操作对应的操作修正建议。
4.根据权利要求3所述的基于可视化操作的智能规则引擎管理方法，其特征在于，所述基于规则相似度计算算法，从所述多个历史设备触发执行规则中与所述实时触发执行规则相似的多个相似历史规则，包括：
确定所述实时触发执行规则对应的第一设备信息和规则信息；
在所述多个历史设备触发执行规则中筛选出符合所述第一设备信息的多个候选相似历史规则；
对于每一所述候选相似历史规则，计算该候选相似历史规则的规则信息与所述实时触发执行规则的规则信息之间的规则相似度；
根据所述规则相似度从大到小，对所述多个候选相似历史规则进行排序得到第一规则序列，将所述第一规则序列前第一数量个候选相似历史规则确定为多个相似历史规则。
5.根据权利要求4所述的基于可视化操作的智能规则引擎管理方法，其特征在于，所述根据所述多个相似历史规则，确定所述实时触发执行规则对应的规则修正建议，包括：
对于每一所述相似历史规则，计算该相似历史规则的设置时间信息和所述实时触发执行规则的设置时间信息之间的第一时间相似度；
计算该相似历史规则的用户类型和所述实时触发执行规则的用户类型之间的第一用户相似度；
计算该相似历史规则的所述第一时间相似度和所述第一用户相似度之间的加权求和平均值，得到该相似历史规则的第一相似参数；
根据所述第一相似参数从大到小，对所述多个相似历史规则进行排序得到第二规则序列，将所述第二规则序列的前第二数量个规则确定为所述实时触发执行规则对应的规则修正建议。
6.根据权利要求3所述的基于可视化操作的智能规则引擎管理方法，其特征在于，所述基于神经网络预测算法，从所述多个历史可视化操作中与所述实时可视化操作的预测操作相似的多个相似历史操作，包括：
将所述实时可视化操作输入至预先训练好的操作预测神经网络模型中，以得到所述实时可视化操作对应的预测操作；所述操作预测神经网络模型通过包括有多个训练操作和下一步操作标注的训练数据集训练得到；
确定所述实时可视化操作的第二设备信息；
在所述多个历史可视化操作中筛选出符合所述第二设备信息的多个候选相似历史操作；
计算每一所述候选相似历史操作的操作信息和所述预测操作的操作信息的操作相似度；
根据所述操作相似度从大到小，对所述多个候选相似历史操作进行排序得到第一操作序列，将所述第一操作序列中的前第三数量个操作确定为多个相似历史操作。
7.根据权利要求6所述的基于可视化操作的智能规则引擎管理方法，其特征在于，所述根据所述多个相似历史操作，确定所述实时可视化操作对应的操作修正建议，包括：
对于每一所述相似历史操作，计算该相似历史操作的设置时间信息和所述实时可视化操作的设置时间信息之间的第二时间相似度；
计算该相似历史操作的用户类型和所述实时可视化操作的用户类型之间的第二用户相似度；
计算该相似历史操作的所述第二时间相似度和所述第二用户相似度之间的加权求和平均值，得到该相似历史操作的第二相似参数；
根据所述第二相似参数从大到小，对所述多个相似历史操作进行排序得到第二操作序列，将所述第二操作序列的前第四数量个规则确定为所述实时可视化操作对应的操作修正建议。
8.根据权利要求3所述的基于可视化操作的智能规则引擎管理方法，其特征在于，所述向所述当前用户展示所述修正建议，包括：
获取所述当前用户在当前时间段的当前操作信息；所述当前操作信息包括规则设置操作和/或可视化操作；
根据所述当前操作信息，基于预测算法，确定所述当前用户的下一操作类型；
根据所述下一操作类型，确定所述规则修正建议和所述操作修正建议的展示优先级；
根据所述展示优先级，确定所述规则修正建议和操作修正建议对应的展示顺序；
根据所述展示顺序，向所述当前用户展示所述规则修正建议和操作修正建议。
9.一种基于可视化操作的智能规则引擎管理系统，其特征在于，所述系统包括：
保存模块，用于获取并保存多个历史用户通过物联网设备规则制定平台传输的多个历史设备触发执行规则和多个历史可视化操作；所述物联网设备规则制定平台设置有可视化操作界面；
获取模块，用于实时获取当前用户通过所述物联网设备规则制定平台传输的多个物联网设备之间的实时触发执行规则和实时可视化操作；
修正模块，用于根据数据统计比对算法，以及所述多个历史设备触发执行规则和多个历史可视化操作，对所述实时触发执行规则和实时可视化操作进行处理，以得到修正建议；
展示模块，用于向所述当前用户展示所述修正建议。
10.一种基于可视化操作的智能规则引擎管理系统，其特征在于，所述系统包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-8任一项所述的基于可视化操作的智能规则引擎管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310559054.0A CN116304250B (zh) | 2023-05-18 | 2023-05-18 | 一种基于可视化操作的智能规则引擎管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310559054.0A CN116304250B (zh) | 2023-05-18 | 2023-05-18 | 一种基于可视化操作的智能规则引擎管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116304250A true CN116304250A (zh) | 2023-06-23 |
| CN116304250B CN116304250B (zh) | 2023-07-21 |
Family
ID=86834448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310559054.0A Active CN116304250B (zh) | 2023-05-18 | 2023-05-18 | 一种基于可视化操作的智能规则引擎管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116304250B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117216327A (zh) * | 2023-10-10 | 2023-12-12 | 广州红海云计算股份有限公司 | 基于可视化数据关系的数据分析系统 |
| CN117615359A (zh) * | 2023-11-28 | 2024-02-27 | 广州视声智能股份有限公司 | 基于多种规则引擎的蓝牙数据传输方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104865834A (zh) * | 2015-04-24 | 2015-08-26 | 汤伟杰 | 智能家居物联控制系统及方法 |
| CN111665729A (zh) * | 2020-05-15 | 2020-09-15 | 青岛海尔智能技术研发有限公司 | 家居设备控制方法、装置和计算机设备 |
| CN112162531A (zh) * | 2020-08-27 | 2021-01-01 | 南京市晨枭软件技术有限公司 | 一种基于物联网的工业系统流程监测调整系统 |
| CN112732692A (zh) * | 2021-01-15 | 2021-04-30 | 联想(北京)有限公司 | 一种数据处理方法、装置以及计算机可读存储介质 |
| US20220083940A1 (en) * | 2020-09-15 | 2022-03-17 | Accenture Global Solutions Limited | Intelligent and Automatic Generation of Construction Rule Set |
| CN114595839A (zh) * | 2020-12-03 | 2022-06-07 | 国家电网有限公司大数据中心 | 一种智能电能表故障原因分析方法和系统 |
| CN115437307A (zh) * | 2022-09-01 | 2022-12-06 | 厦门烟草工业有限责任公司 | 基于Thingworx平台的预警方法及装置、计算机可存储介质 |
| CN115820952A (zh) * | 2022-09-30 | 2023-03-21 | 中冶赛迪信息技术(重庆)有限公司 | 一种高炉状态监控方法、装置、电子设备及存储介质 |
-
2023
- 2023-05-18 CN CN202310559054.0A patent/CN116304250B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104865834A (zh) * | 2015-04-24 | 2015-08-26 | 汤伟杰 | 智能家居物联控制系统及方法 |
| CN111665729A (zh) * | 2020-05-15 | 2020-09-15 | 青岛海尔智能技术研发有限公司 | 家居设备控制方法、装置和计算机设备 |
| CN112162531A (zh) * | 2020-08-27 | 2021-01-01 | 南京市晨枭软件技术有限公司 | 一种基于物联网的工业系统流程监测调整系统 |
| US20220083940A1 (en) * | 2020-09-15 | 2022-03-17 | Accenture Global Solutions Limited | Intelligent and Automatic Generation of Construction Rule Set |
| CN114595839A (zh) * | 2020-12-03 | 2022-06-07 | 国家电网有限公司大数据中心 | 一种智能电能表故障原因分析方法和系统 |
| CN112732692A (zh) * | 2021-01-15 | 2021-04-30 | 联想(北京)有限公司 | 一种数据处理方法、装置以及计算机可读存储介质 |
| CN115437307A (zh) * | 2022-09-01 | 2022-12-06 | 厦门烟草工业有限责任公司 | 基于Thingworx平台的预警方法及装置、计算机可存储介质 |
| CN115820952A (zh) * | 2022-09-30 | 2023-03-21 | 中冶赛迪信息技术(重庆)有限公司 | 一种高炉状态监控方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 蔡新雷 等: "基于人工智能的电网调度操作智能防误系统建设及实践", 电力大数据, vol. 23, no. 4, pages 16 - 22 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117216327A (zh) * | 2023-10-10 | 2023-12-12 | 广州红海云计算股份有限公司 | 基于可视化数据关系的数据分析系统 |
| CN117216327B (zh) * | 2023-10-10 | 2024-02-23 | 广州红海云计算股份有限公司 | 基于可视化数据关系的数据分析系统 |
| CN117615359A (zh) * | 2023-11-28 | 2024-02-27 | 广州视声智能股份有限公司 | 基于多种规则引擎的蓝牙数据传输方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116304250B (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116304250B (zh) | 一种基于可视化操作的智能规则引擎管理方法及系统 | |
| CN109729395B (zh) | 视频质量评估方法、装置、存储介质和计算机设备 | |
| CN111369299B (zh) | 识别的方法、装置、设备及计算机可读存储介质 | |
| CN110971659A (zh) | 推荐消息的推送方法、装置及存储介质 | |
| CN111080417A (zh) | 用于提高预订顺畅率的处理方法、模型训练方法及系统 | |
| CN109840503B (zh) | 一种确定种类信息的方法及装置 | |
| CN113688957A (zh) | 一种基于多模型融合的目标检测方法、装置、设备及介质 | |
| CN117632905B (zh) | 基于云端使用记录的数据库管理方法及系统 | |
| Zheng et al. | Steve-eye: Equipping llm-based embodied agents with visual perception in open worlds | |
| CN116910274B (zh) | 基于知识图谱和预测模型的试题生成方法及系统 | |
| CN109165691A (zh) | 用于识别作弊用户的模型的训练方法、装置及电子设备 | |
| CN111770353A (zh) | 一种直播监控方法、装置、电子设备及存储介质 | |
| CN110288403A (zh) | 挽留弹框弹出方法、系统、设备及存储介质 | |
| CN109634820A (zh) | 一种云端移动端协同的故障预警方法、相关设备及系统 | |
| CN112632179A (zh) | 模型构建方法、装置、存储介质及设备 | |
| CN112862525A (zh) | 门店选址数据确定方法、系统及电子设备 | |
| CN116320324B (zh) | 一种智慧园区安防可视化管理系统与方法 | |
| CN117235873A (zh) | 基于历史工作记录的智慧家居布局方法及系统 | |
| CN117540336A (zh) | 时间序列预测方法、装置及电子设备 | |
| CN114511095A (zh) | 数据处理方法及装置、计算设备、存储介质 | |
| CN114722266A (zh) | 问卷推送方法、装置、电子设备及可读存储介质 | |
| CN117077854A (zh) | 基于传感器网络的楼宇能耗监控方法及系统 | |
| CN113934862B (zh) | 社区安全风险预测方法、装置、电子设备及介质 | |
| CN110210959A (zh) | 财务数据的分析方法、装置及存储介质 | |
| CN113673811A (zh) | 一种基于session的在线学习绩效评估方法及装置 |
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 |