CN117540915A - 基于大数据技术的选型方案生成方法、装置、设备和介质 - Google Patents
基于大数据技术的选型方案生成方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117540915A CN117540915A CN202311514591.XA CN202311514591A CN117540915A CN 117540915 A CN117540915 A CN 117540915A CN 202311514591 A CN202311514591 A CN 202311514591A CN 117540915 A CN117540915 A CN 117540915A
- Authority
- CN
- China
- Prior art keywords
- selection object
- object information
- model
- type selection
- model selection
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005516 engineering process Methods 0.000 title claims abstract description 28
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims description 28
- 238000009434 installation Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本申请涉及一种基于大数据技术的选型方案生成方法、装置、计算机设备、存储介质和计算机程序产品，可用于大数据技术领域。该方法包括：根据用户选择的目标选型对象类型，展示与目标选型对象类型对应的查询界面；获取用户在查询界面上输入的选型对象参数；根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息；从候选选型对象信息中，选取出目标选型对象信息；根据目标选型对象信息，生成对应的选型方案。采用本方法能够提高生成选型方案效率。
Description
技术领域
本申请涉及大数据技术领域，特别是涉及一种基于大数据技术的选型方案生成方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着信息技术的发展，通过对不同对象的信息进行分析，可以选取出合适的选型对象。因此，如何高效地生成选型方案，成为了重要的研究方向。
传统技术通常是通过人工搜索和比较的方式，进行选型对象的筛选，从而生成选型方案；但是，通过该方式生成选型方案需要耗费较多的人工处理时间，导致生成选型方案效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高生成选型方案效率的基于大数据技术的选型方案生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种基于大数据技术的选型方案生成方法。所述方法包括：
根据用户选择的目标选型对象类型，展示与所述目标选型对象类型对应的查询界面；
获取所述用户在所述查询界面上输入的选型对象参数；
根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息；
从所述候选选型对象信息中，选取出目标选型对象信息；
根据所述目标选型对象信息，生成对应的选型方案。
在其中一个实施例中，在根据所述目标选型对象信息，生成对应的选型方案之后，还包括：
确定出与所述目标选型对象信息对应的目标选型对象之间的连接关系；
根据所述连接关系，生成基础图纸；
将所述基础图纸作为与所述选型方案对应的安装图纸。
在其中一个实施例中，在根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息之前，还包括：
构建选型对象数据库对应的知识图谱；
所述根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息，包括：
根据所述选型对象数据库对应的知识图谱，生成与所述选型对象参数匹配的候选选型对象信息。
在其中一个实施例中，在根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息之前，还包括：
利用选型对象数据库，创建选型对象的训练数据；
利用所述训练数据，对待训练的选型对象信息生成模型进行训练，得到训练后的选型对象信息生成模型；
所述根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息，还包括：
将所述选型对象参数输入至所述训练后的选型对象信息生成模型，得到与所述选型对象参数匹配的候选选型对象信息。
在其中一个实施例中，所述从所述候选选型对象信息中，选取出目标选型对象信息，包括：
识别出所述候选选型对象信息对应的综合指标数据；所述综合指标数据包括性能指标数据和资源指标数据；
利用选型对象信息选取模型，根据所述综合指标数据，从所述候选选型对象信息中选取出目标选型对象信息。
在其中一个实施例中，所述从所述候选选型对象信息中，选取出目标选型对象信息，还包括：
根据所述候选选型对象信息，生成对应的候选选型对象信息选项；
根据所述用户选择的候选选型对象信息选项，从所述候选选型对象信息中，选取出目标选型对象信息。
在其中一个实施例中，所述获取所述用户在所述查询界面上输入的选型对象参数，包括：
获取所述用户在所述查询界面上输入的原始选型对象参数；
根据预设参数范围条件，对所述原始选型对象参数进行识别，得到所述原始选型对象参数的识别结果；
在所述识别结果表示通过的情况下，将所述原始选型对象参数作为选型对象参数，或者，在所述识别结果表示不通过的情况下，生成提示信息；所述提示信息用于提示所述用户重新输入新的选型对象参数。
第二方面，本申请还提供了一种基于大数据技术的选型方案生成装置。所述装置包括：
界面展示模块，用于根据用户选择的目标选型对象类型，展示与所述目标选型对象类型对应的查询界面；
参数获取模块，用于获取所述用户在所述查询界面上输入的选型对象参数；
信息生成模块，用于根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息；
信息选取模块，用于从所述候选选型对象信息中，选取出目标选型对象信息；
方案生成模块，用于根据所述目标选型对象信息，生成对应的选型方案。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据用户选择的目标选型对象类型，展示与所述目标选型对象类型对应的查询界面；
获取所述用户在所述查询界面上输入的选型对象参数；
根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息；
从所述候选选型对象信息中，选取出目标选型对象信息；
根据所述目标选型对象信息，生成对应的选型方案。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
根据用户选择的目标选型对象类型，展示与所述目标选型对象类型对应的查询界面；
获取所述用户在所述查询界面上输入的选型对象参数；
根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息；
从所述候选选型对象信息中，选取出目标选型对象信息；
根据所述目标选型对象信息，生成对应的选型方案。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
根据用户选择的目标选型对象类型，展示与所述目标选型对象类型对应的查询界面；
获取所述用户在所述查询界面上输入的选型对象参数；
根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息；
从所述候选选型对象信息中，选取出目标选型对象信息；
根据所述目标选型对象信息，生成对应的选型方案。
上述基于大数据技术的选型方案生成方法、装置、计算机设备、存储介质和计算机程序产品，根据用户选择的目标选型对象类型，展示与所述目标选型对象类型对应的查询界面；获取所述用户在所述查询界面上输入的选型对象参数；根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息；从所述候选选型对象信息中，选取出目标选型对象信息；根据所述目标选型对象信息，生成对应的选型方案。该方案通过根据用户选择的目标选型对象类型，展示对应的查询界面；获取用户在查询界面上输入的选型对象参数；根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息；从候选选型对象信息中选取出目标选型对象信息；根据目标选型对象信息，自动生成对应的选型方案；实现自动地生成符合需求的选型方案，从而有利于提高生成选型方案效率和准确率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术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申请的一些实施例，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为一个实施例中基于大数据技术的选型方案生成方法的流程示意图；
图2为一个实施例中生成图纸的步骤的流程示意图；
图3为一个实施例中选取目标选型对象信息的步骤的流程示意图；
图4为一个实施例中基于大数据技术的选型方案生成装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
在一个示例性的实施例中，如图1所示，提供了一种基于大数据技术的选型方案生成方法，本实施例以该方法应用于终端进行举例说明；可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器之间的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等；服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：
步骤S101，根据用户选择的目标选型对象类型，展示与目标选型对象类型对应的查询界面。
其中，选型对象类型可以是用户在选型过程中需要选择的对象的类型，例如器件、芯片、操作系统、通讯方案等。
其中，目标选型对象类型可以是选型对象类型中的一种。
其中，查询界面可以是终端展示给用户的界面，用于用户输入选型对象参数和进行查询操作。
可选地，终端根据用户选择的目标选型对象类型，确定需要展示的查询界面类型，根据查询界面类型，展示对应的查询界面。
步骤S102，获取用户在查询界面上输入的选型对象参数。
其中，选型对象参数可以是用户在查询界面上输入的用于筛选选型对象的参数，如性能参数、属性参数等。
可选地，终端监测用户在查询界面上的操作，当用户在查询界面上输入选型对象参数时，终端会实时获取用户输入的选型对象参数。
步骤S103，根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息。
其中，选型对象数据库可以是基于大数据技术构建的数据库，其中包含了各种选型对象的信息，如名称、型号、资源消耗、生产信息等。
其中，候选选型对象信息可以是根据用户输入的选型对象参数，在选型对象数据库中匹配得到的与参数匹配的选型对象的信息，例如候选选型对象信息可以是候选的选型对象的信息，其中候选的选型对象的信息可以是候选的选型对象的名称、型号、资源消耗、生产信息、历史故障率、可靠性等信息。
可选地，终端根据用户输入的选型对象参数，在选型对象数据库中进行匹配和查询，生成与选型对象参数匹配的候选选型对象信息。
步骤S104，从候选选型对象信息中，选取出目标选型对象信息。
其中，目标选型对象信息可以是候选选型对象信息中的一个选型对象的信息。
可选地，终端从候选选型对象信息中，选取出用户最终选择的或者是根据推荐算法确定的目标选型对象信息。
步骤S105，根据目标选型对象信息，生成对应的选型方案。
其中，选型方案可以是根据用户选择的目标选型对象信息生成的相应的方案，包括选型对象的配置、连接方式等，例如选型方案可以是一整套设备或系统中的所有对象的选型方案。
可选地，终端确定出各个目标选型对象信息之后，根据确定的各个目标选型对象信息，生成与各个目标选型对象信息对应的选型方案。
上述基于大数据技术的选型方案生成方法中，根据用户选择的目标选型对象类型，展示与目标选型对象类型对应的查询界面；获取用户在查询界面上输入的选型对象参数；根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息；从候选选型对象信息中，选取出目标选型对象信息；根据目标选型对象信息，生成对应的选型方案。该方案通过根据用户选择的目标选型对象类型，展示对应的查询界面；获取用户在查询界面上输入的选型对象参数；根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息；从候选选型对象信息中选取出目标选型对象信息；根据目标选型对象信息，自动生成对应的选型方案；实现自动地生成符合需求的选型方案，从而有利于提高生成选型方案效率和准确率。
在一个示例性的实施例中，如图2所示，上述步骤S105，在根据目标选型对象信息，生成对应的选型方案之后，还包括生成图纸的步骤，具体包括如下内容：
步骤S201，确定出与目标选型对象信息对应的目标选型对象之间的连接关系；
步骤S202，根据连接关系，生成基础图纸；
步骤S203，将基础图纸作为与选型方案对应的安装图纸。
其中，连接关系可以是选型方案中各个选型对象之间的关联性和依赖关系，这些关系可以是物理连接，如器件之间的电路连接，也可以是逻辑关系，如操作系统与应用程序之间的依赖关系。
其中，基础图纸可以是一种技术图纸，用于描述选型方案中各个选型对象之间的连接方式和布局，基础图纸可以包括线路图、布线图等，以便指导选型方案的实施和安装。
其中，安装图纸可以是基于基础图纸进一步细化和完善的图纸，用于指导选型方案的实际安装和部署，安装图纸会包含更加详细的信息，如具体的尺寸、位置、连接方式等，以确保选型方案能够正确地实施和落地。
可选地，终端在根据目标选型对象信息生成选型方案后，会分析选型方案中的各个选型对象的对象属性、依赖关系等信息；根据对象属性、依赖关系等信息，自动确定选型方案中各对象之间的连接关系；根据标准的图纸生成规则，利用这些关系信息(连接关系的信息)自动绘制基础图纸；在基础图纸基础上，根据实际安装环境的需求，添加更多细节，形成安装图纸。
本实施例提供的技术方案，通过根据目标选型对象之间的连接关系，有利于更高效和更准确地生成对应的安装图纸，从而有利于提高生成选型方案对应的安装图纸的效率和准确率。
在一个示例性的实施例中，上述步骤S103，在根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息之前，还包括构建知识图谱的步骤，具体包括如下内容：构建选型对象数据库对应的知识图谱；在步骤S103中，根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息，具体包括如下内容：根据选型对象数据库对应的知识图谱，生成与选型对象参数匹配的候选选型对象信息。
其中，知识图谱可以是一种用于表示和存储知识的图形化结构，它包含了选型对象数据库中的各种对象及其属性、关系等信息，用于帮助生成与选型对象参数匹配的候选选型对象信息。
可选地，终端根据选型对象数据库，构建对应的知识图谱，在构建知识图谱的过程中，终端会分析选型对象数据库，提取选型对象数据库中选型对象的名称、属性、参数等基本信息，并记录选型对象之间的各种关系，如等级关系、属性关系等，形成一个包含丰富知识内涵的图形结构，从而构建出选型对象数据库对应的知识图谱；根据用户输入的选型对象参数，利用先前构建的知识图谱，在知识图谱中定位与选型对象参数匹配的相关对象信息，作为与选型对象参数匹配的候选选型对象信息。
本实施例提供的技术方案，通过根据选型对象数据库对应的知识图谱，生成与选型对象参数匹配的候选选型对象信息，有利于更高效和更准确地生成与选型对象参数匹配的候选选型对象信息，从而有利于提高生成选型方案效率和准确率。
在一个示例性的实施例中，上述步骤S103，在根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息之前，还包括训练模型的步骤，具体包括如下内容：利用选型对象数据库，创建选型对象的训练数据；利用训练数据，对待训练的选型对象信息生成模型进行训练，得到训练后的选型对象信息生成模型；在步骤S103中，根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息，具体包括如下内容：将选型对象参数输入至训练后的选型对象信息生成模型，得到与选型对象参数匹配的候选选型对象信息。
其中，训练数据可以是用于训练选型对象信息生成模型的数据集，包含了选型对象的各种属性和参数信息；通过对训练数据的学习，模型能够学习到选型对象参数与候选选型对象信息之间的关联规律。
其中，待训练的选型对象信息生成模型可以是神经网络等机器学习模型。
其中，训练后的选型对象信息生成模型可以是通过训练数据训练得到的模型，用于根据输入的选型对象参数生成与之匹配的候选选型对象信息。
可选地，终端利用选型对象数据库创建选型对象的训练数据，其中，这些训练数据包含了选型对象的各种属性和参数信息，用于训练后续的选型对象信息生成模型；利用所创建的训练数据，对待训练的选型对象信息生成模型进行训练，其中，通过训练，模型会学习到选型对象参数与候选选型对象信息之间的关联规律，从而训练后的模型能够根据输入的选型对象参数生成与之匹配的候选选型对象信息；终端将选型对象参数输入到训练后的选型对象信息生成模型中，训练后的选型对象信息生成模型会根据输入的选型对象参数，利用之前训练得到的知识和规律，生成并输出与选型对象参数匹配的候选选型对象信息。
本实施例提供的技术方案，通过训练后的选型对象信息生成模型，生成与选型对象参数匹配的候选选型对象信息，有利于更高效和更准确地得到与选型对象参数匹配的候选选型对象信息，从而有利于提高生成选型方案效率和准确率。
在一个示例性的实施例中，如图3所示，在步骤S104中，从候选选型对象信息中，选取出目标选型对象信息，具体包括如下内容：
步骤S301，识别出候选选型对象信息对应的综合指标数据；综合指标数据包括性能指标数据和资源指标数据；
步骤S302，利用选型对象信息选取模型，根据综合指标数据，从候选选型对象信息中选取出目标选型对象信息。
其中，综合指标数据可以是用于评估候选选型对象综合表现的数据，包括性能指标数据和资源指标数据。
其中，性能指标数据可以用于反映选型对象在性能方面的表现，如速度、精度等。
其中，资源指标数据可以用于反映选型对象在资源利用方面的表现，如功耗、存储空间等，资源指标数据也可以用于表示为资源消耗的数据。
其中，选型对象信息选取模型可以是根据综合指标数据对候选选型对象信息进行评估和排序的模型，选型对象信息选取模型可以根据预设的评估算法和权重，综合考虑性能指标和资源指标，从候选选型对象信息中选取出最符合要求的目标选型对象信息；例如，选型对象信息选取模型可以是基于推荐算法(比如深度学习算法)构建的模型。
可选地，终端从候选选型对象信息中识别出各个候选选型对象对应的综合指标数据；将候选选型对象信息对应的综合指标数据输入至选型对象信息选取模型，使得选型对象信息选取模型从候选选型对象信息中选取出目标选型对象信息，得到选型对象信息选取模型输出的目标选型对象信息。
本实施例提供的技术方案，通过选型对象信息选取模型，从候选选型对象信息中选取出目标选型对象信息，有利于更高效和更准确地得到目标选型对象信息，从而有利于提高生成选型方案效率和准确率。
在一个示例性的实施例中，在步骤S104中，从候选选型对象信息中，选取出目标选型对象信息，具体还包括如下内容：根据候选选型对象信息，生成对应的候选选型对象信息选项；根据用户选择的候选选型对象信息选项，从候选选型对象信息中，选取出目标选型对象信息。
其中，候选选型对象信息选项可以是呈现(展示)给用户选择的各个候选对象信息的选项。
可选地，终端根据候选选型对象信息，生成对应的候选选型对象信息选项；将生成的候选选型对象信息选项呈现给用户选择，使得用户从呈现的候选选型对象信息选项中进行选择；根据用户选择的候选选型对象信息选项，从候选选型对象信息中识别出对应的对象信息，作为目标选型对象信息。
本实施例提供的技术方案，通过根据用户选择的候选选型对象信息选项，确定出目标选型对象信息，有利于更准确地得到目标选型对象信息，从而有利于提高生成选型方案准确率。
在一个示例性的实施例中，在步骤S102中，获取用户在查询界面上输入的选型对象参数，具体包括如下内容：获取用户在查询界面上输入的原始选型对象参数；根据预设参数范围条件，对原始选型对象参数进行识别，得到原始选型对象参数的识别结果；在识别结果表示通过的情况下，将原始选型对象参数作为选型对象参数，或者，在识别结果表示不通过的情况下，生成提示信息；提示信息用于提示用户重新输入新的选型对象参数。
其中，原始选型对象参数可以是用户在查询界面上输入的尚未经过验证和识别的选型对象参数。
其中，预设参数范围条件可以是预先设定的选型对象参数的合理范围条件，用于验证用户输入的参数是否符合要求。
其中，识别结果可以是根据预设参数范围条件对原始选型对象参数进行验证后得到的结果，可表示为通过或不通过。
其中，提示信息可以是当用户输入的原始选型对象参数不符合预设范围条件时自动生成的信息，用于提示用户重新输入新的选型对象参数。
可选地，终端获取用户在查询界面上输入的原始选型对象参数；根据预设的参数范围条件对原始选型对象参数进行识别，例如，对用户输入的参数进行验证，判断是否符合预设的范围条件；如果识别结果表示通过，即用户输入的选型对象参数符合预设的范围条件，终端将原始选型对象参数作为选型对象参数；如果识别结果表示不通过，即用户输入的选型对象参数不符合预设的范围条件，终端会生成提示信息，用于提示用户重新输入新的选型对象参数，并在用户重新输入新的选型对象参数之后，终端重新获取用户重新输入的新的选型对象参数，并重复进行上述的根据预设参数范围条件进行识别的流程，直到用户重新输入的最新的选型对象参数的识别结果表示通过，则将用户重新输入的最新的选型对象参数作为选型对象参数。
本实施例提供的技术方案，通过根据预设参数范围条件，对原始选型对象参数进行识别，有利于得到准确的和符合预设条件的选型对象参数，从而有利于提高生成选型方案准确率。
以下以一个应用实例说明本申请提供的基于大数据技术的选型方案生成方法，本应用实例以该方法应用于终端进行举例说明，主要步骤包括：
第一步，终端在多种选型对象(比如器件、芯片、操作系统、通讯方案等)中，确定用户选择的目标选型对象；其中，不同选型对象对应不同的查询界面。
第二步，终端获取用户在目标选型对象的查询界面上输入的选型对象参数；比如，性能参数、属性参数等；当然，在用户输入的选型对象参数不符合预设范围时，会提醒用户重新输入。
第三步，终端根据选型对象参数，结合数据库(即基于大数据技术构建的数据库，比如选型对象库)，生成适配的选型对象信息选项，包括选型对象名称、型号、当前资源消耗、日期、生产信息、历史资源消耗、历史故障率、性价比、可靠性等；例如，结合选型对象库所对应的知识图谱，生成与选型对象参数适配的选型对象信息选项；或者，利用数据库创建训练数据，接着利用训练数据训练神经网络，使训练后的神经网络具备选型能力，并利用训练后的神经网络，输出与选型对象参数适配的选型对象信息选项。
第四步，终端根据用户针对选型对象信息选项选择的选型对象信息(比如选择型号、生产信息等)，生成整套选型方案和基础图纸。当然，用户可以修改选型对象信息，对应的选型方案和基础图纸也会随之更新，即在用户修改选型对象信息之后，自动更新选型方案和基础图纸；基础图纸给安装选型方案中的各种对象提供了参考，比如哪两个对象连接在一起。
第五步，终端在得到选型对象信息选项之后，也可以根据综合指标(性能最大化、资源消耗最小化等)，并结合推荐算法(比如深度学习算法)，自动推荐对应的选型方案。
本应用实例提供的技术方案，实现自动地生成符合需求的选型方案，从而有利于提高生成选型方案效率和准确率。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于大数据技术的选型方案生成方法的基于大数据技术的选型方案生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于大数据技术的选型方案生成装置实施例中的具体限定可以参见上文中对于基于大数据技术的选型方案生成方法的限定，在此不再赘述。
在一个示例性的实施例中，如图4所示，提供了一种基于大数据技术的选型方案生成装置，该装置400可以包括：
界面展示模块401，用于根据用户选择的目标选型对象类型，展示与目标选型对象类型对应的查询界面；
参数获取模块402，用于获取用户在查询界面上输入的选型对象参数；
信息生成模块403，用于根据选型对象数据库，生成与选型对象参数匹配的候选选型对象信息；
信息选取模块404，用于从候选选型对象信息中，选取出目标选型对象信息；
方案生成模块405，用于根据目标选型对象信息，生成对应的选型方案。
在一个示例性的实施例中，该装置400还包括：图纸生成模块，用于确定出与目标选型对象信息对应的目标选型对象之间的连接关系；根据连接关系，生成基础图纸；将基础图纸作为与选型方案对应的安装图纸。
在一个示例性的实施例中，该装置400还包括：图谱构建模块，用于构建选型对象数据库对应的知识图谱；信息生成模块403，还用于根据选型对象数据库对应的知识图谱，生成与选型对象参数匹配的候选选型对象信息。
在一个示例性的实施例中，该装置400还包括：模型训练模块，用于利用选型对象数据库，创建选型对象的训练数据；利用训练数据，对待训练的选型对象信息生成模型进行训练，得到训练后的选型对象信息生成模型；信息生成模块403，还用于将选型对象参数输入至训练后的选型对象信息生成模型，得到与选型对象参数匹配的候选选型对象信息。
在一个示例性的实施例中，信息选取模块404，还用于识别出候选选型对象信息对应的综合指标数据；综合指标数据包括性能指标数据和资源指标数据；利用选型对象信息选取模型，根据综合指标数据，从候选选型对象信息中选取出目标选型对象信息。
在一个示例性的实施例中，信息选取模块404，还用于根据候选选型对象信息，生成对应的候选选型对象信息选项；根据用户选择的候选选型对象信息选项，从候选选型对象信息中，选取出目标选型对象信息。
在一个示例性的实施例中，参数获取模块402，还用于获取用户在查询界面上输入的原始选型对象参数；根据预设参数范围条件，对原始选型对象参数进行识别，得到原始选型对象参数的识别结果；在识别结果表示通过的情况下，将原始选型对象参数作为选型对象参数，或者，在识别结果表示不通过的情况下，生成提示信息；提示信息用于提示用户重新输入新的选型对象参数。
上述基于大数据技术的选型方案生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于大数据技术的选型方案生成方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个示例性的实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个示例性的实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个示例性的实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于大数据技术的选型方案生成方法，其特征在于，所述方法包括：
根据用户选择的目标选型对象类型，展示与所述目标选型对象类型对应的查询界面；
获取所述用户在所述查询界面上输入的选型对象参数；
根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息；
从所述候选选型对象信息中，选取出目标选型对象信息；
根据所述目标选型对象信息，生成对应的选型方案。
2.根据权利要求1所述的方法，其特征在于，在根据所述目标选型对象信息，生成对应的选型方案之后，还包括：
确定出与所述目标选型对象信息对应的目标选型对象之间的连接关系；
根据所述连接关系，生成基础图纸；
将所述基础图纸作为与所述选型方案对应的安装图纸。
3.根据权利要求1所述的方法，其特征在于，在根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息之前，还包括：
构建选型对象数据库对应的知识图谱；
所述根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息，包括：
根据所述选型对象数据库对应的知识图谱，生成与所述选型对象参数匹配的候选选型对象信息。
4.根据权利要求1所述的方法，其特征在于，在根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息之前，还包括：
利用选型对象数据库，创建选型对象的训练数据；
利用所述训练数据，对待训练的选型对象信息生成模型进行训练，得到训练后的选型对象信息生成模型；
所述根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息，还包括：
将所述选型对象参数输入至所述训练后的选型对象信息生成模型，得到与所述选型对象参数匹配的候选选型对象信息。
5.根据权利要求1所述的方法，其特征在于，所述从所述候选选型对象信息中，选取出目标选型对象信息，包括：
识别出所述候选选型对象信息对应的综合指标数据；所述综合指标数据包括性能指标数据和资源指标数据；
利用选型对象信息选取模型，根据所述综合指标数据，从所述候选选型对象信息中选取出目标选型对象信息。
6.根据权利要求1所述的方法，其特征在于，所述从所述候选选型对象信息中，选取出目标选型对象信息，还包括：
根据所述候选选型对象信息，生成对应的候选选型对象信息选项；
根据所述用户选择的候选选型对象信息选项，从所述候选选型对象信息中，选取出目标选型对象信息。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述获取所述用户在所述查询界面上输入的选型对象参数，包括：
获取所述用户在所述查询界面上输入的原始选型对象参数；
根据预设参数范围条件，对所述原始选型对象参数进行识别，得到所述原始选型对象参数的识别结果；
在所述识别结果表示通过的情况下，将所述原始选型对象参数作为选型对象参数，或者，在所述识别结果表示不通过的情况下，生成提示信息；所述提示信息用于提示所述用户重新输入新的选型对象参数。
8.一种基于大数据技术的选型方案生成装置，其特征在于，所述装置包括：
界面展示模块，用于根据用户选择的目标选型对象类型，展示与所述目标选型对象类型对应的查询界面；
参数获取模块，用于获取所述用户在所述查询界面上输入的选型对象参数；
信息生成模块，用于根据选型对象数据库，生成与所述选型对象参数匹配的候选选型对象信息；
信息选取模块，用于从所述候选选型对象信息中，选取出目标选型对象信息；
方案生成模块，用于根据所述目标选型对象信息，生成对应的选型方案。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311514591.XA CN117540915A (zh) | 2023-11-14 | 2023-11-14 | 基于大数据技术的选型方案生成方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311514591.XA CN117540915A (zh) | 2023-11-14 | 2023-11-14 | 基于大数据技术的选型方案生成方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117540915A true CN117540915A (zh) | 2024-02-09 |
Family
ID=89795205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311514591.XA Pending CN117540915A (zh) | 2023-11-14 | 2023-11-14 | 基于大数据技术的选型方案生成方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117540915A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118428904A (zh) * | 2024-07-01 | 2024-08-02 | 一智科技有限公司 | 一种工程交底书生成方法、系统与存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106126515A (zh) * | 2016-05-12 | 2016-11-16 | 广东电网有限责任公司信息中心 | 一种大数据系统构件的自动选型方法 |
| CN111488389A (zh) * | 2020-04-14 | 2020-08-04 | 国网北京市电力公司 | 目标项目的设计图纸的生成方法和装置 |
| CN111651800A (zh) * | 2020-05-26 | 2020-09-11 | 上海电机学院 | 一种电机自动选型方法 |
| CN112767074A (zh) * | 2021-01-08 | 2021-05-07 | 珠海格力电器股份有限公司 | 模块机选型方法、装置、计算机设备和存储介质 |
| CN113239203A (zh) * | 2021-06-02 | 2021-08-10 | 北京金山数字娱乐科技有限公司 | 一种基于知识图谱的筛选方法及装置 |
| CN113535748A (zh) * | 2021-07-02 | 2021-10-22 | 中铁十五局集团有限公司 | 一种基于历史案例的盾构机选型系统及选型方法 |
| CN115330058A (zh) * | 2022-08-16 | 2022-11-11 | 北京百度网讯科技有限公司 | 对象选择模型的训练方法、对象选择方法及装置 |
| CN116304091A (zh) * | 2023-03-06 | 2023-06-23 | 湖南特能博世科技有限公司 | 设计选型知识图谱的构建及应用方法、装置、设备及介质 |
-
2023
- 2023-11-14 CN CN202311514591.XA patent/CN117540915A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106126515A (zh) * | 2016-05-12 | 2016-11-16 | 广东电网有限责任公司信息中心 | 一种大数据系统构件的自动选型方法 |
| CN111488389A (zh) * | 2020-04-14 | 2020-08-04 | 国网北京市电力公司 | 目标项目的设计图纸的生成方法和装置 |
| CN111651800A (zh) * | 2020-05-26 | 2020-09-11 | 上海电机学院 | 一种电机自动选型方法 |
| CN112767074A (zh) * | 2021-01-08 | 2021-05-07 | 珠海格力电器股份有限公司 | 模块机选型方法、装置、计算机设备和存储介质 |
| CN113239203A (zh) * | 2021-06-02 | 2021-08-10 | 北京金山数字娱乐科技有限公司 | 一种基于知识图谱的筛选方法及装置 |
| CN113535748A (zh) * | 2021-07-02 | 2021-10-22 | 中铁十五局集团有限公司 | 一种基于历史案例的盾构机选型系统及选型方法 |
| CN115330058A (zh) * | 2022-08-16 | 2022-11-11 | 北京百度网讯科技有限公司 | 对象选择模型的训练方法、对象选择方法及装置 |
| CN116304091A (zh) * | 2023-03-06 | 2023-06-23 | 湖南特能博世科技有限公司 | 设计选型知识图谱的构建及应用方法、装置、设备及介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118428904A (zh) * | 2024-07-01 | 2024-08-02 | 一智科技有限公司 | 一种工程交底书生成方法、系统与存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921221A (zh) | 用户特征的生成方法、装置、设备及存储介质 | |
| CN114115844A (zh) | 页面生成方法、装置、计算机设备和存储介质 | |
| CN117540915A (zh) | 基于大数据技术的选型方案生成方法、装置、设备和介质 | |
| CN117522519A (zh) | 产品推荐方法、装置、设备、存储介质和程序产品 | |
| CN117631682A (zh) | 电网无人机巡检路线确定方法和系统 | |
| CN117473130A (zh) | 业务处理方法、装置、设备、介质和程序产品 | |
| CN116932935A (zh) | 地址匹配方法、装置、设备、介质和程序产品 | |
| CN109656549B (zh) | 监察系统的构建方法、装置、计算机设备和存储介质 | |
| CN114416235B (zh) | 单据展示方法、装置、计算机设备和存储介质 | |
| CN115630527B (zh) | 出清异常模型检测方法、装置、计算机设备和存储介质 | |
| CN117612192A (zh) | 电子图纸信息识别方法、系统、电子设备、存储介质 | |
| US20240112010A1 (en) | Identifying performance degradation in machine learning models based on comparison of actual and predicted results | |
| CN116701178A (zh) | 界面测试方法、装置、计算机设备和存储介质 | |
| CN116049009A (zh) | 测试方法、装置、计算机设备及计算机可读存储介质 | |
| CN118338337A (zh) | 可靠性检测方法、装置、计算机设备和存储介质 | |
| CN118672555A (zh) | 任务流创建方法、装置、计算机设备和可读存储介质 | |
| CN118295630A (zh) | 程序文本的生成方法、装置、计算机设备、存储介质 | |
| CN117390490A (zh) | 用电信用报告的生成方法、装置、设备、存储介质和产品 | |
| CN118051215A (zh) | 程序生成方法、装置、计算机设备和存储介质 | |
| CN116881543A (zh) | 金融资源对象推荐方法、装置、设备、存储介质和产品 | |
| CN118568357A (zh) | 推荐产品确定方法、装置、终端、服务器、介质及产品 | |
| CN115268717A (zh) | 点巡检管理系统中新增测量点方法、装置和计算机设备 | |
| CN115878746A (zh) | 政策文本确定方法和装置 | |
| CN117522296A (zh) | 审核流程生成方法、装置、计算机设备和存储介质 | |
| CN115878715A (zh) | 一种页面展示方案的生成方法、装置、计算机设备 |
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 |