CN116842200A - 一种事件聚档管理方法 - Google Patents
一种事件聚档管理方法 Download PDFInfo
- Publication number
- CN116842200A CN116842200A CN202310325268.1A CN202310325268A CN116842200A CN 116842200 A CN116842200 A CN 116842200A CN 202310325268 A CN202310325268 A CN 202310325268A CN 116842200 A CN116842200 A CN 116842200A
- Authority
- CN
- China
- Prior art keywords
- event
- file
- storage unit
- aggregated
- label
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 28
- 238000004220 aggregation Methods 0.000 title claims abstract description 22
- 230000002776 aggregation Effects 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000002372 labelling Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 2
- 238000011176 pooling Methods 0.000 claims 3
- 238000013145 classification model Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出了一种事件聚档管理方法,其包括如下步骤:S1、完成每一事件的标签化处理;S2、建立与每一事件标签分别对应的聚档事件存储单元,并对事件的事件内容进行事件主体以及语义关键词的提取;S3、确定档案事件;S4、完成每一待聚档事件的标签化处理;S5、将待聚档事件的事件标签与聚档事件存储单元所对应的事件标签进行对比;以及S6、将待聚档事件与档案事件进行事件信息对比。本发明将某一档案事件,而不是事件标签作为后续对待聚档事件进行聚档的对比判断基准,实现对各类事件进行更为精准的分类,可大幅提高事件处理效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种事件聚档管理方法。
背景技术
大数据事件聚档是对信息监测平台采集的数据进行分类、聚档等处理的数据分析技术。
目前对于信息数据进行聚档管理时,通常先按照关键词建立不同的标签,如“婚姻家庭”等,然后判断收集的事件中是否具有类似关键词,如有,则将对应事件划分到对应的标签下。
但上述事件管理方式较为粗放,无法对事件进行精准区分,同时导致同一标签下事件量越来越大,不便于后期维护管理,同时导致事件处理效率低下。
发明内容
为解决上述技术问题,本发明提出了一种事件聚档管理方法,其通过事件主体以及语义关键词的提取排除无效事件,并将某一档案事件,而不是事件标签作为后续对待聚档事件进行聚档的对比判断基准,实现对各类事件进行更为精准的分类,可大幅提高事件处理效率。
为实现上述目的,本发明提供如下技术方案:
提供了一种事件聚档管理方法,其包括如下步骤:
S1、获取若干事件,并完成每一事件的标签化处理,使得每一事件均与一事件标签进行对应,且完成标签化处理的每一个事件均具有对应的事件信息;
S2、建立与每一事件标签分别对应的聚档事件存储单元,然后获取每一事件的事件信息,并对每一事件的事件内容进行事件主体以及语义关键词的提取;
若可以从当前事件的事件内容中完成事件主体以及语义关键词的提取,则将该事件存储至对应的聚档事件存储单元;
S3、确定档案事件;
S4、获取若干待聚档事件,并完成每一待聚档事件的标签化处理,使得每一待聚档事件均与一待聚档事件标签进行对应,且完成标签化处理的每一个待聚档事件均具有对应的事件信息;
S5、将每一个待聚档事件的事件标签与聚档事件存储单元所对应的事件标签进行对比,若某一待聚档事件的事件标签与任一聚档事件存储单元所对应的事件标签相同,则执行步骤S6;
以及S6、若该聚档事件存储单元中存储有档案事件,则将待聚档事件与档案事件进行事件信息对比,若事件信息比对结果符合预设条件,则将该待聚档事件存储至该档案事件所在的档案事件存储子单元中。
本发明可通过事件主体以及语义关键词的提取排除无效事件,减少需要处理的事件数量,进一步的,将某一档案事件,而不是事件标签作为后续对待聚档事件进行聚档的对比判断基准,并根据事件信息对比结果在同一事件标签对应的聚档事件存储单元下建立不同的档案事件存储子单元,以对各类事件进行更为精准的分类,并可以直观看出某一大类的事件下具有何种不同的事件细分类别,以进行有针对性的处理,以提高事件处理的效率。
附图说明
图1为本发明的事件聚档管理方法的步骤流程图;
图2为本发明步骤S3中建立的聚档事件存储单元、档案事件存储子单元的结构示意图;
图3为本发明步骤S5中建立的聚档事件存储单元的结构示意图。
具体实施方式
为便于理解,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做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。
实施例1:
本实施例提供了一种事件聚档管理方法,如图1所示,包括如下步骤:
S1、获取若干事件,并通过文本分类模型对每一事件进行文本多分类标签处理,使得每一事件均与一事件标签进行对应,以完成每一事件的标签化处理;且完成标签化处理的每一个事件均具有对应的事件信息,所述事件信息包括:事件ID、事件上报时间、对应的事件标签、事件内容等信息中的一种或几种;
再将所有事件及其对应的事件标签进行存储,以形成聚档事件数据表;
例如,本实施例中,事件可来自大数据监测平台(例如可来自Hive数据库等),通过文本分类模型对事件内容进行文本多分类标签处理,如将事件“B大道车辆拥堵”与事件标签“交通管理”进行对应等;
进一步的,所述文本分类模型又名事件标签分类模型,可通过机器学习或者深度学习等方案对数据样本训练生成,以从多个事件标签中选定某一个与事件对应;
S2、建立与每一事件标签分别对应的聚档事件存储单元100,然后读取所述待聚档事件数据表,以获取每一事件的事件信息,并对每一事件的事件内容进行事件主体以及语义关键词的提取;
若可以从当前事件的事件内容中完成事件主体以及语义关键词的提取,则将该事件存储至对应的聚档事件存储单元100;
若不能从当前事件的事件内容中完成事件主体以及语义关键词的提取,则将该事件确定为无效事件,且不再执行后续步骤;
其中,所述事件主体包括事件内容中涉及到的人名、身份账号、手机号、组织机构等实体信息中的一种或几种,所述语义关键词包括事件内容中涉及到的特定词汇,该词汇可以是名词、动词、动名词等中的一种或几种,且某词汇是否为该特定词汇可通过该词汇在文本内容中的语义权重进行判断,例如,本实施例中,语义关键词中词汇的语义权重可通过TF-IDF、PageRank等算法实现;
例如,如图2所示,如对于事件“小区垃圾未及时处理”,该事件内容中虽然存在部分语义关键词,如“小区垃圾”,但无法提取出事件主体(如无法确定该小区的具体名称),因此仍将其作为无效事件,放弃后续的聚档处理;
而事件“B大道车辆拥堵”中可以同时提取出事件主体(“B大道”)以及语义关键词(“车辆”、“拥堵”),则将其将其存储至与事件标签“交通管理”对应的聚档事件存储单元100中;
如上所述,由于事件“小区垃圾未及时处理”为无效事件,因此无需将其存储至与“物业管理”对应的聚档事件存储单元100中,该聚档事件存储单元100为空,即其中存储的事件数量为0;
S3、对于存储有多个事件的聚档事件存储单元100,则将存储于其中的所有事件按照事件上报时间进行升序排列,并将事件上报时间最早的事件确定为档案事件,并在当前聚档事件存储单元100中建立用于存储该档案事件以及其他事件的档案事件存储子单元101以及与该档案事件存储子单元101对应的档案事件标签;
对于存储有一个事件的聚档事件存储单元,则直接将该事件确定为档案事件,并在当前聚档事件存储单元100中建立用于存储该档案事件的档案事件存储子单元101以及与该档案事件存储子单元101对应的档案事件标签;
例如,如图2所示,目前“X”标签对应的聚档事件存储单元100中存储有两个事件X1、X2,且按照上报时间升序排列后,事件“X1”的上报时间最早,则将其确定为档案事件,并在该聚档事件存储单元100中建立用于存储档案事件“X1”以及其他事件“X2”的档案事件存储子单元101,同时建立该档案事件存储子单元101对应的档案事件标签“A1”;
而“交通管理”对应的聚档事件存储单元中仅存储有1个事件“B大道车辆拥堵”,则直接将其确定为档案事件,并在该聚档事件存储单元100中建立用于存储档案事件“B大道车辆拥堵”的档案事件存储子单元101,同时建立对应的档案事件标签“B大道拥堵”;
S4、获取若干待聚档事件,并通过文本分类模型对每一待聚档事件进行文本多分类标签处理,使得每一待聚档事件均与一待聚档事件标签进行对应,以完成每一待聚档事件的标签化处理;且完成标签化处理的每一个待聚档事件均具有对应的事件信息,所述事件信息包括:事件ID、事件上报时间、对应的事件标签、事件内容等信息中的一种或几种;
同样的,所述待聚档事件可来自大数据监测平台(例如可来自Hive数据库等);
S5、将每一个待聚档事件的事件标签与聚档事件存储单元100所对应的事件标签进行对比,若某一待聚档事件的事件标签与任一聚档事件存储单元100所对应的事件标签均不相同,则另行建立与该待聚档事件的事件标签对应的聚档事件存储单元100,并将该待聚档事件存储至该聚档事件存储单元100中;
若某一待聚档事件的事件标签与任一聚档事件存储单元100所对应的事件标签相同,则执行步骤S6;
例如,待聚档事件为“需办理结婚证,请问C市民政局上午何时开始办公?”,其事件标签为“婚姻家庭”,则将其与图2中已有的三个聚档事件存储单元100对应的事件标签(“X”、“交通管理”、“物业管理”)进行对比,发现无一相同,则如图3所述,另行建立与该待聚档事件“需办理结婚证,请问C市民政局上午何时开始办公?”的事件标签(即“婚姻家庭”)对应的聚档事件存储单元100,并将该待聚档事件存储至该聚档事件存储单元100中;
S6、若该聚档事件存储单元100中存储有档案事件,则将待聚档事件与档案事件进行事件信息对比,若事件信息比对结果符合预设条件,则将该待聚档事件存储至该档案事件所在的档案事件存储子单元101中;
若事件信息比对结果不符合预设条件,则在当前聚档事件存储单元100中另行建立档案事件存储子单元101以及与该档案事件存储子单元101对应的档案事件标签,并将该待聚档事件作为档案事件存储至该档案事件存储子单元101中;
具体的,所述预设条件包括:待聚档事件、档案事件的事件主体部分/全部相同,以及,待聚档事件、档案事件的语义关键词部分/全部相同;
事件主体、语义关键词的含义与上文相同,不再赘述;
例如,待聚档事件为“X3”,其标签同样为“X”,则将其与图2中“X”对应的聚档事件存储单元100中的档案事件“A1”进行事件信息比对,其事件主体“W1”以及语义关键词“W2”均相同,则将待聚档事件“X3”存储至“X”标签下、且存储有“X1”、“X2”的档案事件存储子单元101中,说明其属于一类事件;
又如,待聚档事件为“X4”,其标签同样为“X”,则将其与图2中“X”对应的聚档事件存储单元100中的档案事件“A1”进行事件信息比对,其仅有语义关键词“W2”相同,则说明二者不属于一类事件,无需将“X4”存储至“X1”、“X2”所在的档案事件存储子单元101中,但需要在当前聚档事件存储单元100中另行建立档案事件存储子单元101,并将该待聚档事件“X4”作为档案事件存储至该档案事件存储子单元101中,并建立与之对应的档案事件标签“A2”,由此,事件标签“X”即与两个具有不同档案事件标签的档案事件存储子单元101对应,且两个档案事件存储子单元101均具有一个档案事件;
S7、重复步骤S5-S6,已完成若干待聚档事件的聚档归类管理。
现有技术中通常先建立事件标签,如“物业管理”,再将该标签与某些关键词(如“物业”、“小区”)进行关联,一旦从某事件中提取出此类关键词,则将该事件归类到“物业管理”这一事件标签下,如此导致很多无效事件信息,如上述的“小区垃圾未及时处理”堆积在该事件标签下,后续仍然需要通过人工等方式进一步剔除,不利于提高事件处理效率;
而本实施例中,首先通过事件主体以及语义关键词的提取排除无效事件,进一步的,将某一具体的事件(即档案事件),而不是事件标签作为后续对待聚档事件进行聚档的对比判断基准,即后续所有的待聚档事件均只需要与档案事件进行事件信息对比,并根据对比结果在同一事件标签对应的聚档事件存储单元100下建立不同的档案事件存储子单元101,如图2中,在事件标签“X”对应的聚档事件存储单元100下建立两个不同的档案事件存储子单元101,由此,相比于现有技术,其可以对各类事件进行更为精准的分类,可以直观看出某一大类的事件下具有何种不同的事件细分类别,如可以直接在“X”标签下区分出分别与A1、A2对应的事件,以进行有针对性的处理,以进一步提高事件处理的效率。
实施例2:
本实施例与实施例1的不同之处仅在于,本实施例中,如图3所示,在每一聚档事件存储单元100以及每一档案事件存储子单元101中实时/定期显示其中所存储的事件数量(如2643、765、41、474、55等);
和/或,在每一聚档事件存储单元100以及每一档案事件存储子单元101中实时/定期显示其中所存储的事件数量变化比例(如+12%、+4%、-6%、+7%等);
并且,当某一聚档事件存储单元100和/或某一档案事件存储子单元101中存储的事件数量超过预警值时,产生提示信息,例如,当“X”标签对应的聚档事件存储单元100中存储的事件数量超过预警值500时,则将事件数量2563采用特殊字号、颜色加以提示,以提醒对此类事件重点关注;
和/或,当某一聚档事件存储单元100和/或某一档案事件存储子单元101中存储的事件数量变化比例超过预警值时,产生提示信息,例如,当“X”标签对应的聚档事件存储单元100中存储的事件数量变化比例超过预警值1%时,则将事件数量变化比例+12%采用特殊字号、颜色加以提示。
实施例3:
本实施例与实施例1或2的不同之处仅在于,若某一聚档事件存储单元100中存储的事件数量在预定时间段(如一个月)内未发生变化,则步骤S5时,无需将待聚档事件的事件标签与该聚档事件存储单元100所对应的事件标签进行对比;
和/或,若某一档案事件存储子单元101中存储的事件数量在预定时间段(如一个月)内未发生变化,则步骤S6时,无需将待聚档事件与该档案事件存储子单元101中的档案事件进行事件信息对比。
若聚档事件存储单元100、档案事件存储子单元101中存储的事件数量在预定时间段内未发生变化,则说明与其对应的事件已经不再发生或不再需要重点关注,后续产生的待聚档事件无需再与此类事件进行对比聚档,由此减少数据处理运算量以及事件积累量。
综上所述,本发明通过事件主体以及语义关键词的提取排除无效事件,进一步的,将某一档案事件,而不是事件标签作为后续对待聚档事件进行聚档的对比判断基准,并根据事件信息对比结果在同一事件标签对应的聚档事件存储单元下建立不同的档案事件存储子单元,以对各类事件进行更为精准的分类,并可以直观看出某一大类的事件下具有何种不同的事件细分类别,以进行有针对性的处理,以提高事件处理的效率。
上述实施例1-3的技术特征可进行任意组合,且组合而成的技术方案均属于本发明的保护范围。且对于本领域技术人员而言,显然本发明实施例不限于上述示范性实施例的细节,而且在不背离本发明实施例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实施例。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,本发明实施例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实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。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、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块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,以上实施方式仅用以说明本发明实施例的技术方案而非限制,尽管参照以上较佳实施方式对本发明实施例进行了详细说明,本领域的普通技术人员应当理解,可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。
Claims (10)
1.一种事件聚档管理方法,其特征在于,包括如下步骤:
S1、获取若干事件,并完成每一事件的标签化处理,使得每一事件均与一事件标签进行对应,且完成标签化处理的每一个事件均具有对应的事件信息;
S2、建立与每一事件标签分别对应的聚档事件存储单元,然后获取每一事件的事件信息,并对每一事件的事件内容进行事件主体以及语义关键词的提取;
若可以从当前事件的事件内容中完成事件主体以及语义关键词的提取,则将该事件存储至对应的聚档事件存储单元;
S3、确定档案事件;
S4、获取若干待聚档事件,并完成每一待聚档事件的标签化处理,使得每一待聚档事件均与一待聚档事件标签进行对应,且完成标签化处理的每一个待聚档事件均具有对应的事件信息;
S5、将每一个待聚档事件的事件标签与聚档事件存储单元所对应的事件标签进行对比,若某一待聚档事件的事件标签与任一聚档事件存储单元所对应的事件标签相同,则执行步骤S6;
以及S6、若该聚档事件存储单元中存储有档案事件,则将待聚档事件与档案事件进行事件信息对比,若事件信息比对结果符合预设条件,则将该待聚档事件存储至该档案事件所在的档案事件存储子单元中。
2.如权利要求1所述的事件聚档管理方法,其特征在于,步骤S1或步骤S4中,所述事件信息包括:事件ID、事件上报时间、对应的事件标签、事件内容中的一种或几种。
3.如权利要求2所述的事件聚档管理方法,其特征在于,所述事件主体包括事件内容中涉及到的人名、身份账号、手机号、组织机构中的一种或几种;所述语义关键词包括事件内容中涉及到的特定词汇,该特定词汇为名词、动词、动名词中的一种或几种。
4.如权利要求1所述的事件聚档管理方法,其特征在于,若不能从当前事件的事件内容中完成事件主体以及语义关键词的提取,则将该事件确定为无效事件,且不再执行后续步骤。
5.如权利要求1所述的事件聚档管理方法,其特征在于,所述步骤S3包括:对于存储有多个事件的聚档事件存储单元,则将存储于其中的所有事件按照事件上报时间进行升序排列,并将事件上报时间最早的事件确定为档案事件,并在当前聚档事件存储单元中建立用于存储该档案事件以及其他事件的档案事件存储子单元以及与该档案事件存储子单元对应的档案事件标签;
对于存储有一个事件的聚档事件存储单元,则直接将该事件确定为档案事件,并在当前聚档事件存储单元中建立用于存储该档案事件的档案事件存储子单元以及与该档案事件存储子单元对应的档案事件标签。
6.如权利要求1所述的事件聚档管理方法,其特征在于,所述步骤S5中,若某一待聚档事件的事件标签与任一聚档事件存储单元所对应的事件标签均不相同,则另行建立与该待聚档事件的事件标签对应的聚档事件存储单元,并将该待聚档事件存储至该聚档事件存储单元中。
7.如权利要求1所述的事件聚档管理方法,其特征在于,所述步骤S6中,若事件信息比对结果不符合预设条件,则在当前聚档事件存储单元中另行建立档案事件存储子单元以及与该档案事件存储子单元对应的档案事件标签,并将该待聚档事件作为档案事件存储至该档案事件存储子单元中。
8.如权利要求7所述的事件聚档管理方法,其特征在于,所述预设条件包括:待聚档事件、档案事件的事件主体部分/全部相同,以及,待聚档事件、档案事件的语义关键词部分/全部相同。
9.如权利要求1所述的事件聚档管理方法,其特征在于,在每一聚档事件存储单元以及每一档案事件存储子单元中显示其中所存储的事件数量;
和/或,在每一聚档事件存储单元以及每一档案事件存储子单元中显示其中所存储的事件数量变化比例。
10.如权利要求9所述的事件聚档管理方法,其特征在于,若某一聚档事件存储单元中存储的事件数量在预定时间段内未发生变化,则步骤S5时,无需将待聚档事件的事件标签与该聚档事件存储单元所对应的事件标签进行对比;
和/或,若某一档案事件存储子单元中存储的事件数量在预定时间段内未发生变化,则步骤S6时,无需将待聚档事件与该档案事件存储子单元中的档案事件进行事件信息对比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310325268.1A CN116842200B (zh) | 2023-03-29 | 2023-03-29 | 一种事件聚档管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310325268.1A CN116842200B (zh) | 2023-03-29 | 2023-03-29 | 一种事件聚档管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116842200A true CN116842200A (zh) | 2023-10-03 |
CN116842200B CN116842200B (zh) | 2024-06-28 |
Family
ID=88162336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310325268.1A Active CN116842200B (zh) | 2023-03-29 | 2023-03-29 | 一种事件聚档管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116842200B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298586A (zh) * | 2010-06-24 | 2011-12-28 | 宏碁股份有限公司 | 信息管理系统及方法 |
CN105224604A (zh) * | 2015-09-01 | 2016-01-06 | 天津大学 | 一种基于堆优化的微博突发事件检测方法及其检测装置 |
US20160307173A1 (en) * | 2015-04-20 | 2016-10-20 | Splunk Inc. | Display of data ingestion information based on counting generated events |
CN109858869A (zh) * | 2018-12-21 | 2019-06-07 | 厦门市美亚柏科信息股份有限公司 | 用于处理事件信息的方法和装置 |
CN111949789A (zh) * | 2019-05-16 | 2020-11-17 | 北京京东尚科信息技术有限公司 | 文本分类方法和文本分类系统 |
CN113158681A (zh) * | 2021-03-24 | 2021-07-23 | 鹏城实验室 | 突发事件本体模型构建方法、装置、设备及存储介质 |
CN113342979A (zh) * | 2021-06-24 | 2021-09-03 | 中国平安人寿保险股份有限公司 | 热点话题识别方法、计算机设备及存储介质 |
WO2021175009A1 (zh) * | 2020-03-02 | 2021-09-10 | 深圳壹账通智能科技有限公司 | 预警事件图谱的构建方法、装置、设备及存储介质 |
CN113627542A (zh) * | 2021-08-13 | 2021-11-09 | 青岛海信网络科技股份有限公司 | 一种事件信息处理方法、服务器及存储介质 |
-
2023
- 2023-03-29 CN CN202310325268.1A patent/CN116842200B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298586A (zh) * | 2010-06-24 | 2011-12-28 | 宏碁股份有限公司 | 信息管理系统及方法 |
US20160307173A1 (en) * | 2015-04-20 | 2016-10-20 | Splunk Inc. | Display of data ingestion information based on counting generated events |
CN105224604A (zh) * | 2015-09-01 | 2016-01-06 | 天津大学 | 一种基于堆优化的微博突发事件检测方法及其检测装置 |
CN109858869A (zh) * | 2018-12-21 | 2019-06-07 | 厦门市美亚柏科信息股份有限公司 | 用于处理事件信息的方法和装置 |
CN111949789A (zh) * | 2019-05-16 | 2020-11-17 | 北京京东尚科信息技术有限公司 | 文本分类方法和文本分类系统 |
WO2021175009A1 (zh) * | 2020-03-02 | 2021-09-10 | 深圳壹账通智能科技有限公司 | 预警事件图谱的构建方法、装置、设备及存储介质 |
CN113158681A (zh) * | 2021-03-24 | 2021-07-23 | 鹏城实验室 | 突发事件本体模型构建方法、装置、设备及存储介质 |
CN113342979A (zh) * | 2021-06-24 | 2021-09-03 | 中国平安人寿保险股份有限公司 | 热点话题识别方法、计算机设备及存储介质 |
CN113627542A (zh) * | 2021-08-13 | 2021-11-09 | 青岛海信网络科技股份有限公司 | 一种事件信息处理方法、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116842200B (zh) | 2024-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657267B (zh) | 产品潜在用户挖掘方法及装置 | |
CN110458324B (zh) | 风险概率的计算方法、装置和计算机设备 | |
CN111538931A (zh) | 基于大数据的舆情监控方法、装置、计算机设备及介质 | |
CN101916294A (zh) | 一种利用语义分析实现精确搜索的方法 | |
CN111026870A (zh) | 一种综合文本分类和图像识别的ict系统故障分析方法 | |
CN114648393A (zh) | 一种应用于招投标的数据挖掘方法、系统及设备 | |
CN111371672A (zh) | 消息推送方法及装置 | |
CN111369294B (zh) | 软件造价估算方法及装置 | |
CN106682206A (zh) | 一种大数据处理方法及系统 | |
CN112632218A (zh) | 一种用于企业危机公关的网络舆情监测方法 | |
CN114860941A (zh) | 一种基于数据大脑的行业数据治理方法及系统 | |
CN116842200B (zh) | 一种事件聚档管理方法 | |
CN112801806A (zh) | 一种基于知识图谱的理赔方法及系统 | |
CN116401434A (zh) | 一种网络数据信息智能提取系统 | |
CN115936748A (zh) | 一种商业大数据分析方法及系统 | |
CN102402610A (zh) | 一种日志自动分类通知的方法及系统 | |
CN114706948A (zh) | 新闻处理方法、装置、存储介质以及电子设备 | |
CN113888318A (zh) | 风险检测方法及系统 | |
CN116721556B (zh) | 车辆管控方法、系统、设备及介质 | |
Kim et al. | Review of the Reliability and Feasibility of Existing Databases for Automated Vehicle Safety | |
US20240013315A1 (en) | Computer-implemented methods, computer-readable media, and systems for identifying causes of loss | |
US12100056B2 (en) | Computer-implemented methods, computer-readable media, and systems for identifying causes of loss | |
CN113723522B (zh) | 异常用户的识别方法、装置、电子设备以及存储介质 | |
CN114021788B (zh) | 预测方法、装置、电子设备和存储介质 | |
CN115080808B (zh) | 一种行车记录仪信息管理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |