CN117350685B - 一种基于人工智能的校园自动化办公监管系统及方法 - Google Patents

Abstract

本发明公开了一种基于人工智能的校园自动化办公监管系统及方法，属于办公自动化技术领域。构建校园办公云平台，架构用于不同角色人登录并发布角色事务的后台窗口，以单位时间周期进行循环，对每次循环时的单位时间周期节点处后台窗口中展示的角色事务进行记录，生成窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，根据角色事务的异常度，调取异常角色任务对应的发布角色人的历史行为信息，分析角色任务的误操作情况，计算角色任务的误操作概率，并进行人工智能自动化预警；从而使校园办公系统更加智能化、简洁化和自动化，使平台信息能够快速共享和实施的同时，避免错误信息的蔓延事故，纠正角色人的误操作。

Description

一种基于人工智能的校园自动化办公监管系统及方法

技术领域

本发明涉及办公自动化技术领域，具体为一种基于人工智能的校园自动化办公监管系统及方法。

背景技术

办公自动化是高校自身建设、改革和发展的必然要求，是提高高校行政管理水平和行政效率的重要途经和方式，办公自动化能够创造快速便捷的工作环境，为学校各部门的工作提高效率；

校园办公系统包括很多种类，如学生管理系统、教师管理系统、资源管理系统和办公管理系统等，学生管理系统用于学生发布角色信息，教师管理系统用于教师发布角色信息，资源管理系统用于后勤人员发布角色信息，办公管理系统用于文员发布会议或活动等公开事项；现有技术中，各类型的校园办公系统往往都是孤立运行的状态，数据的发布通过多平台运行配置单独施行，再通过各子类系统之间进行共享，同时，角色人还需要在不同子系统之间进行重复跳跃转换，进而现有的校园办公系统缺乏智能性，过于繁琐复杂，且也不利于信息的共享，容易使角色人产生误操作。

发明内容

本发明的目的在于提供一种基于人工智能的校园自动化办公监管系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于人工智能的校园自动化办公监管系统，本系统包括：校园办公云平台模块、办公行为处理模块、行为异常分析模块和人工智能预警模块；

所述校园办公云平台模块，用于构建校园办公云平台，且架构用于不同角色人登录并发布角色事务的后台窗口，并统筹全部后台窗口和角色人；

所述办公行为处理模块，用于以单位时间周期进行循环，对每次循环时的单位时间周期节点处后台窗口中展示的角色事务进行记录，并生成窗口事务集合，根据窗口事务集合，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库；

所述行为异常分析模块，根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，计算角色事务的异常度；

所述人工智能预警模块，根据角色事务的异常度，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，根据历史角色人行为集合，分析角色任务的误操作情况，计算角色任务的误操作概率，并进行人工智能自动化预警。

进一步的，所述校园办公云平台模块还包括办公窗口架构单元和编号统筹单元；

所述办公窗口架构单元，用于构建校园办公云平台，所述校园办公云平台中提供有用于不同角色人登录并发布角色事务的后台窗口，所述角色人配置有身份信息的唯一角色标识，所述角色事务配置有事务的唯一属性标识，所述后台窗口具有根据多类型的校园办公系统进行配置的唯一窗口标识，且一种类型的校园办公系统对应配置一种后台窗口标识；

所述编号统筹单元，用于分别对所述后台窗口和所述角色人进行统计并统一编号，并分别生成后台窗口集合，记为I={I₁，I₂，...，I_n}，和角色人集合，记为J={J₁，J₂，...，J_m}，其中，I₁，I₂，...，I_n分别表示第1，2，...，n个后台窗口的唯一窗口标识，J₁，J₂，...，J_m分别表示第1，2，...，m个角色人的唯一角色标识。

进一步的，所述办公行为处理模块还包括行为记录单元和待分析行为统筹单元；

所述行为记录单元，用于以单位时间周期进行循环，并在每次循环时的单位时间周期节点对后台窗口中展示的角色事务进行统一归纳，将任意一个后台窗口I_i在第T次循环的单位时间周期节点时归纳的角色事务生成窗口事务集合，记为WG_i(T)={g₁，g₂，...，g_a}，其中，g₁，g₂，...，g_a分别表示第1，2，...，a个角色事务的唯一属性标识，且窗口事务集合WG_i中每一个角色任务都对应角色人集合中的一个元素，并形成角色任务与角色人之间的发布属权绑定关系；

所述待分析行为统筹单元，根据窗口事务集合，在当前第K个循环的单位时间周期节点，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库，记为R={WG_i(1)，WG_i(2)，...，WG_i(K-1)}。

进一步的，所述行为异常分析模块还包括异常度分析单元和异常标记单元；

所述异常度分析单元，根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，建立待分析样本集，记为U_i，且U_i=⨆_T=1 ^K-1WG_i(T)，在待分析样本集U_i中任意选取一个角色事务，记为g_b，并计算角色事务g_b的异常度，具体计算公式如下：

AD(g_b)=(K-1)^-1Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，AD(g_b)表示角色事务g_b的异常度，H[·]表示隶属度判断函数，如果g_b∈WG_i(T)，则令H[if：g_b∈WG_i(T)]=1，否则，令H[if：g_b∈WG_i(T)]=0；

所述异常标记单元，用于预设异常度阈值，如果角色事务g_b的异常度大于等于异常度阈值，将角色事务g_b标记为异常状态，则角色事务g_b为异常角色事务，且对角色事务g_b在当前第K个循环的单位时间周期节点时发布的后台窗口I_i进行标记。

进一步的，所述人工智能预警模块还包括历史行为信息调取单元和误操作分析单元；

所述历史行为信息调取单元，根据属权绑定关系，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，记为JD(J_x)={WG_i(T)|i∈[1，n]，T∈[1，K-1]}，其中，J_x为异常状态的角色任务g_b对应的发布角色人，且J_x∈J；

所述误操作分析单元，根据历史角色人行为集合，分析角色任务g_b的误操作情况，计算角色任务g_b的误操作概率，具体计算公式如下：

MP(g_b)=1-Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]/Σ_i=1 ⁿΣ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，MP(g_b)表示角色任务g_b的误操作概率；

预设误操作概率阈值，如果角色任务g_b的误操作概率大于等于误操作概率阈值，则判断角色任务g_b是角色人J_x发布在后台窗口I_i的误操作行为，并发送预警提示至角色人J_x。

一种基于人工智能的校园自动化办公监管方法，本方法包括以下步骤：

步骤S100：构建校园办公云平台，且架构用于不同角色人登录并发布角色事务的后台窗口，并统筹全部后台窗口和角色人；

步骤S200：以单位时间周期进行循环，对每次循环时的单位时间周期节点处后台窗口中展示的角色事务进行记录，并生成窗口事务集合，根据窗口事务集合，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库；

步骤S300：根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，计算角色事务的异常度；

步骤S400：根据角色事务的异常度，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，根据历史角色人行为集合，分析角色任务的误操作情况，计算角色任务的误操作概率，并进行人工智能自动化预警；

根据上述方法，校园办公系统包括很多种类，如学生管理系统、教师管理系统、资源管理系统和办公管理系统等，学生管理系统用于学生发布角色信息，教师管理系统用于教师发布角色信息，资源管理系统用于后勤人员发布角色信息，办公管理系统用于文员发布会议或活动等公开事项；现有技术中，各类型的校园办公系统往往都是孤立运行的状态，数据的发布通过多平台运行配置单独施行，再通过各子类系统之间进行共享，同时，角色人还需要在不同子系统之间进行重复跳跃转换，进而现有的校园办公系统缺乏智能性，过于繁琐复杂，且也不利于信息的共享，容易使角色人产生误操作。

进一步的，所述步骤S100的具体实施过程包括：

步骤S101：构建校园办公云平台，所述校园办公云平台中提供有用于不同角色人登录并发布角色事务的后台窗口，所述角色人配置有身份信息的唯一角色标识，所述角色事务配置有事务的唯一属性标识，所述后台窗口具有根据多类型的校园办公系统进行配置的唯一窗口标识，且一种类型的校园办公系统对应配置一种后台窗口标识；

步骤S102：分别对所述后台窗口和所述角色人进行统计并统一编号，并分别生成后台窗口集合，记为I={I₁，I₂，...，I_n}，和角色人集合，记为J={J₁，J₂，...，J_m}，其中，I₁，I₂，...，I_n分别表示第1，2，...，n个后台窗口的唯一窗口标识，J₁，J₂，...，J_m分别表示第1，2，...，m个角色人的唯一角色标识。

进一步的，所述步骤S200的具体实施过程包括：

步骤S201：以单位时间周期进行循环，并在每次循环时的单位时间周期节点对后台窗口中展示的角色事务进行统一归纳，将任意一个后台窗口I_i在第T次循环的单位时间周期节点时归纳的角色事务生成窗口事务集合，记为WG_i(T)={g₁，g₂，...，g_a}，其中，g₁，g₂，...，g_a分别表示第1，2，...，a个角色事务的唯一属性标识，且窗口事务集合WG_i中每一个角色任务都对应角色人集合中的一个元素，并形成角色任务与角色人之间的发布属权绑定关系；

步骤S202：根据窗口事务集合，在当前第K个循环的单位时间周期节点，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库，记为R={WG_i(1)，WG_i(2)，...，WG_i(K-1)}。

进一步的，所述步骤S300的具体实施过程包括：

步骤S301：根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，建立待分析样本集，记为U_i，且U_i=⨆_T=1 ^K-1WG_i(T)，在待分析样本集U_i中任意选取一个角色事务，记为g_b，并计算角色事务g_b的异常度，具体计算公式如下：

AD(g_b)=(K-1)^-1Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，AD(g_b)表示角色事务g_b的异常度，H[·]表示隶属度判断函数，如果g_b∈WG_i(T)，则令H[if：g_b∈WG_i(T)]=1，否则，令H[if：g_b∈WG_i(T)]=0；

步骤S302：预设异常度阈值，如果角色事务g_b的异常度大于等于异常度阈值，将角色事务g_b标记为异常状态，则角色事务g_b为异常角色事务，且对角色事务g_b在当前第K个循环的单位时间周期节点时发布的后台窗口I_i进行标记。

进一步的，所述步骤S400的具体实施过程包括：

步骤S401：根据属权绑定关系，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，记为JD(J_x)={WG_i(T)|i∈[1，n]，T∈[1，K-1]}，其中，J_x为异常状态的角色任务g_b对应的发布角色人，且J_x∈J；

步骤S402：根据历史角色人行为集合，分析角色任务g_b的误操作情况，计算角色任务g_b的误操作概率，具体计算公式如下：

MP(g_b)=1-Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]/Σ_i=1 ⁿΣ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，MP(g_b)表示角色任务g_b的误操作概率；

预设误操作概率阈值，如果角色任务g_b的误操作概率大于等于误操作概率阈值，则判断角色任务g_b是角色人J_x发布在后台窗口I_i的误操作行为，并发送预警提示至角色人J_x；

根据上述方法，本申请发明通过轻量化的窗口事务统计和识别，对角色人在不同后台窗口中发布的角色任务信息进行归类，并且角色任务可通过后台窗口进行发布，并通过窗口功能进行自动化的任务转发，如后台窗口1中角色任务1和角色任务2的前一步待处理事务的后台窗口分别为窗口2和窗口3，则通过后台窗口之间的功能属性进行自动化的分发，同时角色人在实施任务时也可以进行自动化的窗口跳转；进而，以窗口事务集合为角色行为导向，进行行为记录，并通过分析角色任务的异常度和角色人行为的误操作概率，不仅能够对角色任务的实施进行监督，促进任务的进展，同时还能对角色行为人的误操作情况进行判断，避免在窗口信息共享过程中，产生错误的信息蔓延事故，继而，角色任务的异常度反应事务的处理完成情况，异常度越大表示事务进展越慢，且发生误操作的概率越大，误操作一旦产生，将会导致事务在窗口中得不到角色人交接，使事务无法顺利实施完成，且如果有其他角色人把误操作的事务当成正常的事务进行处理，则将使错误的信息不断蔓延。

与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于人工智能的校园自动化办公监管系统及方法中，构建校园办公云平台，架构用于不同角色人登录并发布角色事务的后台窗口，以单位时间周期进行循环，对每次循环时的单位时间周期节点处后台窗口中展示的角色事务进行记录，生成窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，根据角色事务的异常度，调取异常角色任务对应的发布角色人的历史行为信息，分析角色任务的误操作情况，计算角色任务的误操作概率，并进行人工智能自动化预警；从而使校园办公系统更加智能化、简洁化和自动化，使平台信息能够快速共享和实施的同时，避免错误信息的蔓延事故，纠正角色人的误操作。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并且不构成对本发明的限制。在附图中：

图1是本发明一种基于人工智能的校园自动化办公监管系统的结构示意图；

图2是本发明一种基于人工智能的校园自动化办公监管方法的步骤示意图。

具体实施方式

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。

请参阅图1-图2，本发明提供技术方案：

请参阅图1，在本实施例一中：提供一种基于人工智能的校园自动化办公监管系统，该系统包括：校园办公云平台模块、办公行为处理模块、行为异常分析模块和人工智能预警模块；

校园办公云平台模块，用于构建校园办公云平台，且架构用于不同角色人登录并发布角色事务的后台窗口，并统筹全部后台窗口和角色人；

其中，校园办公云平台模块还包括办公窗口架构单元和编号统筹单元；

办公窗口架构单元，用于构建校园办公云平台，校园办公云平台中提供有用于不同角色人登录并发布角色事务的后台窗口，角色人配置有身份信息的唯一角色标识，角色事务配置有事务的唯一属性标识，后台窗口具有根据多类型的校园办公系统进行配置的唯一窗口标识，且一种类型的校园办公系统对应配置一种后台窗口标识；

编号统筹单元，用于分别对后台窗口和角色人进行统计并统一编号，并分别生成后台窗口集合，记为I={I₁，I₂，...，I_n}，和角色人集合，记为J={J₁，J₂，...，J_m}，其中，I₁，I₂，...，I_n分别表示第1，2，...，n个后台窗口的唯一窗口标识，J₁，J₂，...，J_m分别表示第1，2，...，m个角色人的唯一角色标识；

办公行为处理模块，用于以单位时间周期进行循环，对每次循环时的单位时间周期节点处后台窗口中展示的角色事务进行记录，并生成窗口事务集合，根据窗口事务集合，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库；

其中，办公行为处理模块还包括行为记录单元和待分析行为统筹单元；

行为记录单元，用于以单位时间周期进行循环，并在每次循环时的单位时间周期节点对后台窗口中展示的角色事务进行统一归纳，将任意一个后台窗口I_i在第T次循环的单位时间周期节点时归纳的角色事务生成窗口事务集合，记为WG_i(T)={g₁，g₂，...，g_a}，其中，g₁，g₂，...，g_a分别表示第1，2，...，a个角色事务的唯一属性标识，且窗口事务集合WG_i中每一个角色任务都对应角色人集合中的一个元素，并形成角色任务与角色人之间的发布属权绑定关系；

待分析行为统筹单元，根据窗口事务集合，在当前第K个循环的单位时间周期节点，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库，记为R={WG_i(1)，WG_i(2)，...，WG_i(K-1)}；

行为异常分析模块，根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，计算角色事务的异常度；

其中，行为异常分析模块还包括异常度分析单元和异常标记单元；

异常度分析单元，根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，建立待分析样本集，记为U_i，且U_i=⨆_T=1 ^K-1WG_i(T)，在待分析样本集U_i中任意选取一个角色事务，记为g_b，并计算角色事务g_b的异常度，具体计算公式如下：

AD(g_b)=(K-1)^-1Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，AD(g_b)表示角色事务g_b的异常度，H[·]表示隶属度判断函数，如果g_b∈WG_i(T)，则令H[if：g_b∈WG_i(T)]=1，否则，令H[if：g_b∈WG_i(T)]=0；

异常标记单元，用于预设异常度阈值，如果角色事务g_b的异常度大于等于异常度阈值，将角色事务g_b标记为异常状态，则角色事务g_b为异常角色事务，且对角色事务g_b在当前第K个循环的单位时间周期节点时发布的后台窗口I_i进行标记；

人工智能预警模块，根据角色事务的异常度，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，根据历史角色人行为集合，分析角色任务的误操作情况，计算角色任务的误操作概率，并进行人工智能自动化预警；

人工智能预警模块还包括历史行为信息调取单元和误操作分析单元；

历史行为信息调取单元，根据属权绑定关系，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，记为JD(J_x)={WG_i(T)|i∈[1，n]，T∈[1，K-1]}，其中，J_x为异常状态的角色任务g_b对应的发布角色人，且J_x∈J；

误操作分析单元，根据历史角色人行为集合，分析角色任务g_b的误操作情况，计算角色任务g_b的误操作概率，具体计算公式如下：

MP(g_b)=1-Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]/Σ_i=1 ⁿΣ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，MP(g_b)表示角色任务g_b的误操作概率；

预设误操作概率阈值，如果角色任务g_b的误操作概率大于等于误操作概率阈值，则判断角色任务g_b是角色人J_x发布在后台窗口I_i的误操作行为，并发送预警提示至角色人J_x。

请参阅图2，在本实施例二中：提供一种基于人工智能的校园自动化办公监管方法，该方法包括以下步骤：

构建校园办公云平台，且架构用于不同角色人登录并发布角色事务的后台窗口，并统筹全部后台窗口和角色人；

构建校园办公云平台，校园办公云平台中提供有用于不同角色人登录并发布角色事务的后台窗口，角色人配置有身份信息的唯一角色标识，角色事务配置有事务的唯一属性标识，后台窗口具有根据多类型的校园办公系统进行配置的唯一窗口标识，且一种类型的校园办公系统对应配置一种后台窗口标识；

分别对后台窗口和角色人进行统计并统一编号，并分别生成后台窗口集合，记为I={I₁，I₂，...，I_n}，和角色人集合，记为J={J₁，J₂，...，J_m}，其中，I₁，I₂，...，I_n分别表示第1，2，...，n个后台窗口的唯一窗口标识，J₁，J₂，...，J_m分别表示第1，2，...，m个角色人的唯一角色标识；

以单位时间周期进行循环，对每次循环时的单位时间周期节点处后台窗口中展示的角色事务进行记录，并生成窗口事务集合，根据窗口事务集合，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库；

以单位时间周期进行循环，并在每次循环时的单位时间周期节点对后台窗口中展示的角色事务进行统一归纳，将任意一个后台窗口I_i在第T次循环的单位时间周期节点时归纳的角色事务生成窗口事务集合，记为WG_i(T)={g₁，g₂，...，g_a}，其中，g₁，g₂，...，g_a分别表示第1，2，...，a个角色事务的唯一属性标识，且窗口事务集合WG_i中每一个角色任务都对应角色人集合中的一个元素，并形成角色任务与角色人之间的发布属权绑定关系；

根据窗口事务集合，在当前第K个循环的单位时间周期节点，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库，记为R={WG_i(1)，WG_i(2)，...，WG_i(K-1)}；

根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，计算角色事务的异常度；

根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，建立待分析样本集，记为U_i，且U_i=⨆_T=1 ^K-1WG_i(T)，在待分析样本集U_i中任意选取一个角色事务，记为g_b，并计算角色事务g_b的异常度，具体计算公式如下：

AD(g_b)=(K-1)^-1Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，AD(g_b)表示角色事务g_b的异常度，H[·]表示隶属度判断函数，如果g_b∈WG_i(T)，则令H[if：g_b∈WG_i(T)]=1，否则，令H[if：g_b∈WG_i(T)]=0；

预设异常度阈值，如果角色事务g_b的异常度大于等于异常度阈值，将角色事务g_b标记为异常状态，则角色事务g_b为异常角色事务，且对角色事务g_b在当前第K个循环的单位时间周期节点时发布的后台窗口I_i进行标记；

根据角色事务的异常度，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，根据历史角色人行为集合，分析角色任务的误操作情况，计算角色任务的误操作概率，并进行人工智能自动化预警；

根据属权绑定关系，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，记为JD(J_x)={WG_i(T)|i∈[1，n]，T∈[1，K-1]}，其中，J_x为异常状态的角色任务g_b对应的发布角色人，且J_x∈J；

根据历史角色人行为集合，分析角色任务g_b的误操作情况，计算角色任务g_b的误操作概率，具体计算公式如下：

MP(g_b)=1-Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]/Σ_i=1 ⁿΣ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，MP(g_b)表示角色任务g_b的误操作概率；

预设误操作概率阈值，如果角色任务g_b的误操作概率大于等于误操作概率阈值，则判断角色任务g_b是角色人J_x发布在后台窗口I_i的误操作行为，并发送预警提示至角色人J_x；

例如，如果判断角色任务1为异常角色任务，且角色任务1的发布者为角色人2，角色任务1在当前第5个循环单位时间周期处的角色窗口I₁中，则调取角色人2的在不同后台窗口中发布信息的历史行为，生成历史角色人行为集合JD(J_x)={WG₁(1)，WG₁(2)，WG₂(1)，WG₂(2)，WG₂(3)，WG₃(1)，WG₃(2)，WG₃(3)}，则，Σ_T=1 ⁴H[if：g_b∈WG_i(T)]的数量中包括WG₁(1)和WG₁(2)，MP(g₁)=1-2/8=0.75，则判断角色任务g₁是角色人J₂发布在后台窗口I₁的误操作行为，并发送预警提示至角色人J₂。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并且不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于人工智能的校园自动化办公监管方法，其特征在于，该方法包括以下步骤：

步骤S100：构建校园办公云平台，且架构用于不同角色人登录并发布角色事务的后台窗口，并统筹全部后台窗口和角色人；

步骤S200：以单位时间周期进行循环，对每次循环时的单位时间周期节点处后台窗口中展示的角色事务进行记录，并生成窗口事务集合，根据窗口事务集合，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库；

步骤S300：根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，计算角色事务的异常度；

步骤S400：根据角色事务的异常度，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，根据历史角色人行为集合，分析角色任务的误操作情况，计算角色任务的误操作概率，并进行人工智能自动化预警；

所述步骤S100的具体实施过程包括：

步骤S101：构建校园办公云平台，所述校园办公云平台中提供有用于不同角色人登录并发布角色事务的后台窗口，所述角色人配置有身份信息的唯一角色标识，所述角色事务配置有事务的唯一属性标识，所述后台窗口具有根据多类型的校园办公系统进行配置的唯一窗口标识，且一种类型的校园办公系统对应配置一种后台窗口标识；

步骤S102：分别对所述后台窗口和所述角色人进行统计并统一编号，并分别生成后台窗口集合，记为I={I₁，I₂，...，I_n}，和角色人集合，记为J={J₁，J₂，...，J_m}，其中，I₁，I₂，...，I_n分别表示第1，2，...，n个后台窗口的唯一窗口标识，J₁，J₂，...，J_m分别表示第1，2，...，m个角色人的唯一角色标识；

所述步骤S200的具体实施过程包括：

步骤S201：以单位时间周期进行循环，并在每次循环时的单位时间周期节点对后台窗口中展示的角色事务进行统一归纳，将任意一个后台窗口I_i在第T次循环的单位时间周期节点时归纳的角色事务生成窗口事务集合，记为WG_i(T)={g₁，g₂，...，g_a}，其中，g₁，g₂，...，g_a分别表示第1，2，...，a个角色事务的唯一属性标识，且窗口事务集合WG_i中每一个角色任务都对应角色人集合中的一个元素，并形成角色任务与角色人之间的发布属权绑定关系；

步骤S202：根据窗口事务集合，在当前第K个循环的单位时间周期节点，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库，记为R={WG_i(1)，WG_i(2)，...，WG_i(K-1)}；

所述步骤S300的具体实施过程包括：

步骤S301：根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，建立待分析样本集，记为U_i，且U_i=⨆_T=1 ^K-1WG_i(T)，在待分析样本集U_i中任意选取一个角色事务，记为g_b，并计算角色事务g_b的异常度，具体计算公式如下：

AD(g_b)=(K-1)^-1Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，AD(g_b)表示角色事务g_b的异常度，H[·]表示隶属度判断函数，如果g_b∈WG_i(T)，则令H[if：g_b∈WG_i(T)]=1，否则，令H[if：g_b∈WG_i(T)]=0；

步骤S302：预设异常度阈值，如果角色事务g_b的异常度大于等于异常度阈值，将角色事务g_b标记为异常状态，则角色事务g_b为异常角色事务，且对角色事务g_b在当前第K个循环的单位时间周期节点时发布的后台窗口I_i进行标记；

所述步骤S400的具体实施过程包括：

步骤S401：根据属权绑定关系，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，记为JD(J_x)={WG_i(T)|i∈[1，n]，T∈[1，K-1]}，其中，J_x为异常状态的角色任务g_b对应的发布角色人，且J_x∈J；

步骤S402：根据历史角色人行为集合，分析角色任务g_b的误操作情况，计算角色任务g_b的误操作概率，具体计算公式如下：

MP(g_b)=1-Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]/Σ_i=1 ⁿΣ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，MP(g_b)表示角色任务g_b的误操作概率；

预设误操作概率阈值，如果角色任务g_b的误操作概率大于等于误操作概率阈值，则判断角色任务g_b是角色人J_x发布在后台窗口I_i的误操作行为，并发送预警提示至角色人J_x。

2.一种基于人工智能的校园自动化办公监管系统，其特征在于，所述系统包括：校园办公云平台模块、办公行为处理模块、行为异常分析模块和人工智能预警模块；

所述校园办公云平台模块，用于构建校园办公云平台，且架构用于不同角色人登录并发布角色事务的后台窗口，并统筹全部后台窗口和角色人；

所述办公行为处理模块，用于以单位时间周期进行循环，对每次循环时的单位时间周期节点处后台窗口中展示的角色事务进行记录，并生成窗口事务集合，根据窗口事务集合，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库；

所述行为异常分析模块，根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，计算角色事务的异常度；

所述人工智能预警模块，根据角色事务的异常度，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，根据历史角色人行为集合，分析角色任务的误操作情况，计算角色任务的误操作概率，并进行人工智能自动化预警；

所述校园办公云平台模块还包括办公窗口架构单元和编号统筹单元；

所述办公窗口架构单元，用于构建校园办公云平台，所述校园办公云平台中提供有用于不同角色人登录并发布角色事务的后台窗口，所述角色人配置有身份信息的唯一角色标识，所述角色事务配置有事务的唯一属性标识，所述后台窗口具有根据多类型的校园办公系统进行配置的唯一窗口标识，且一种类型的校园办公系统对应配置一种后台窗口标识；

所述编号统筹单元，用于分别对所述后台窗口和所述角色人进行统计并统一编号，并分别生成后台窗口集合，记为I={I₁，I₂，...，I_n}，和角色人集合，记为J={J₁，J₂，...，J_m}，其中，I₁，I₂，...，I_n分别表示第1，2，...，n个后台窗口的唯一窗口标识，J₁，J₂，...，J_m分别表示第1，2，...，m个角色人的唯一角色标识；

所述办公行为处理模块还包括行为记录单元和待分析行为统筹单元；

所述行为记录单元，用于以单位时间周期进行循环，并在每次循环时的单位时间周期节点对后台窗口中展示的角色事务进行统一归纳，将任意一个后台窗口I_i在第T次循环的单位时间周期节点时归纳的角色事务生成窗口事务集合，记为WG_i(T)={g₁，g₂，...，g_a}，其中，g₁，g₂，...，g_a分别表示第1，2，...，a个角色事务的唯一属性标识，且窗口事务集合WG_i中每一个角色任务都对应角色人集合中的一个元素，并形成角色任务与角色人之间的发布属权绑定关系；

所述待分析行为统筹单元，根据窗口事务集合，在当前第K个循环的单位时间周期节点，统筹前K个循环的单位时间周期时对应生成的全部窗口事务集合，并生成窗口事务待分析数据库，记为R={WG_i(1)，WG_i(2)，...，WG_i(K-1)}；

所述行为异常分析模块还包括异常度分析单元和异常标记单元；

所述异常度分析单元，根据窗口事务待分析数据库，分析在以单位时间周期进行循环过程中存在的异常角色事务，建立待分析样本集，记为U_i，且U_i=⨆_T=1 ^K-1WG_i(T)，在待分析样本集U_i中任意选取一个角色事务，记为g_b，并计算角色事务g_b的异常度，具体计算公式如下：

AD(g_b)=(K-1)^-1Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，AD(g_b)表示角色事务g_b的异常度，H[·]表示隶属度判断函数，如果g_b∈WG_i(T)，则令H[if：g_b∈WG_i(T)]=1，否则，令H[if：g_b∈WG_i(T)]=0；

所述异常标记单元，用于预设异常度阈值，如果角色事务g_b的异常度大于等于异常度阈值，将角色事务g_b标记为异常状态，则角色事务g_b为异常角色事务，且对角色事务g_b在当前第K个循环的单位时间周期节点时发布的后台窗口I_i进行标记；

所述人工智能预警模块还包括历史行为信息调取单元和误操作分析单元；

所述历史行为信息调取单元，根据属权绑定关系，调取异常角色任务对应的发布角色人在前K个循环的单位时间周期节点时发布的角色任务隶属对应的窗口事务集合，并生成历史角色人行为集合，记为JD(J_x)={WG_i(T)|i∈[1，n]，T∈[1，K-1]}，其中，J_x为异常状态的角色任务g_b对应的发布角色人，且J_x∈J；

所述误操作分析单元，根据历史角色人行为集合，分析角色任务g_b的误操作情况，计算角色任务g_b的误操作概率，具体计算公式如下：

MP(g_b)=1-Σ_T=1 ^K-1H[if：g_b∈WG_i(T)]/Σ_i=1 ⁿΣ_T=1 ^K-1H[if：g_b∈WG_i(T)]

其中，MP(g_b)表示角色任务g_b的误操作概率；

预设误操作概率阈值，如果角色任务g_b的误操作概率大于等于误操作概率阈值，则判断角色任务g_b是角色人J_x发布在后台窗口I_i的误操作行为，并发送预警提示至角色人J_x。