CN118194097B - 一种智慧实验室的管理方法、装置、设备及存储介质 - Google Patents
一种智慧实验室的管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118194097B CN118194097B CN202410589857.5A CN202410589857A CN118194097B CN 118194097 B CN118194097 B CN 118194097B CN 202410589857 A CN202410589857 A CN 202410589857A CN 118194097 B CN118194097 B CN 118194097B
- Authority
- CN
- China
- Prior art keywords
- information
- target
- laboratory
- processing
- generate
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 103
- 238000003745 diagnosis Methods 0.000 claims abstract description 76
- 238000012549 training Methods 0.000 claims abstract description 73
- 238000002474 experimental method Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 42
- 230000006996 mental state Effects 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 32
- 238000011835 investigation Methods 0.000 claims description 29
- 230000009471 action Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008909 emotion recognition Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G06N5/041—Abduction
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种智慧实验室的管理方法、装置、设备及存储介质,应用于数据处理技术领域。本申请由服务器获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集;基于预设处理规则对训练样本集进行处理,生成实验室状态因素信息;基于预设问答题库和预设问答逻辑构建大语言模型;基于实验室状态因素信息对大语言模型进行训练处理,生成目标大语言模型;对目标实验室的仪器操作信息和目标实验室的环境信息进行处理,生成目标实验室的属性信息;基于目标大语言模型对目标实验室的属性信息进行处理,生成诊断结果;基于预设诊断模型对诊断结果进行处理,生成预警信息。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种智慧实验室的管理方法、装置、设备及存储介质。
背景技术
随着全国各高校和科研机构的实验室安全管理要求的不断提升,以及国家层面对于实验室安全管理的规定与检查的更加完善,为了提升实验室的管理水平、质量和效率,原先传统的实验室管理方式亟待改变,为了适应形势发展,随着物联网各项先进技术和设备的不断涌现,将成熟的技术应用与实验室管理,建设现代化的信息化的智慧实验室很有必要。此外,汇报工作时要准备纸质或电子版实验报告,课题负责人还要对这些实验记录或者实验报告进行查阅批改,还要对研究人员是否参加实验、实验方向是否正确、实验过程是否合规、实验结果是否合理、实验结果分析等进行多方面的统计分析。
现有技术较为匮乏对实验室中具体的人员行为进行精准的安全监测,存在针对性分析水平不足和监测考虑维度较为单一的现象,由于实验室的人员流动量较大,因而不可避免的存在一些潜在的风险行为,同时,由于实验室属性的不同,相同的行为在不同的实验室会产生不同程度的安全影响,显然,缺乏对人员行为的精准性安全监测,不仅会对实验室的平稳运行产生负面影响,同时,还会造成一定程度的人员伤害,并极大地降低了实验室在安全管理方面的效率,不利于为实验室的科学研究成果提供科学合理的支撑基础。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请的目的在于提供一种智慧实验室的管理方法、装置、设备及存储介质,至少在一定程度上克服现有技术存在的问题,通过对不同实验室的实验用例以及不同用户的实验风格进行分析,可获知相关实验仪器的状态和实验结果,从而有效的识别出不同实验结果的依据,提高了实验的准确性及实验室的安全性。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本申请的一个方面,提供一种智慧实验室的管理方法,包括:获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集,其中,所述训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例;基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息;基于预设问答题库和预设问答逻辑构建大语言模型;基于所述实验室状态因素信息对所述大语言模型进行训练处理,生成目标大语言模型,其中,所述目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑;对所述目标实验室的仪器操作信息和所述目标实验室的环境信息进行处理,生成目标实验室的属性信息;基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果;基于预设诊断模型对所述诊断结果进行处理,生成预警信息。
在本申请的一个实施例中,所述基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息,包括:对所述训练样本集进行特征提取,确定原始特征库;根据所述原始特征库划分各个特征数据集,生成训练集和测试集,其中,所述训练集和所述测试集分别包括目标实验室的历史实验用例和其他实验室的历史实验用例;利用分类器对原始特征库划分各个测试数据集进行预测,确定预测结果;使用预设算法在原始特征库划分各个训练数据集进行训练,得到测试集类预测结果;根据预测结果以及测试集类预测结果,生成实验室状态因素信息。
在本申请的一个实施例中,所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,包括:所述目标实验室的属性信息包括本次在目标实验室进行操作的用户信息;对所述用户信息进行处理,若目标用户为目标实验室的操作人员,则获取目标用户的操作信息,所述操作信息包括目标用户的实验结果信息和目标用户的实验偏好信息;基于所述目标用户的实验结果信息和所述目标用户的实验偏好信息生成目标问诊问题,其中,所述目标问诊问题为基于目标用户最近一次的实验结果所生成的;获取所述目标用户针对所述目标问诊问题所生成的实验结果调研信息;基于所述实验结果调研信息生成诊断结果。
在本申请的一个实施例中,所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,还包括:对目标用户的身份信息进行处理,若目标用户为其他实验室的用户,则随机生成问诊问题;获取所述目标用户针对所述问诊问题所生成的实验结果调研信息;基于所述实验结果调研信息生成诊断结果。
在本申请的一个实施例中,所述获取所述目标用户针对所述问诊问题所生成的实验结果调研信息,包括:获取所述目标用户针对问诊问题所生成的神态信息、动作信息和问答信息;基于情绪识别模型对所述神态信息和所述动作信息进行处理,生成目标用户的精神状态信息;基于所述目标用户的精神状态信息和所述问答信息生成实验结果调研信息。
在本申请的一个实施例中,所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,还包括:基于所述目标问诊问题生成若干子问诊问题和若干子问诊问题对应的目标用户的精神状态信息;基于所述目标大语言模型分别对所述若干子问诊问题和所述若干子问诊问题对应的目标用户的精神状态信息进行处理,生成分值信息;基于所述分值信息生成诊断结果。
在本申请的一个实施例中,所述基于预设诊断模型对所述诊断结果进行处理,生成预警信息,包括:基于预设诊断模型对所述诊断结果进行处理,生成预测信息;若所述预测信息低于预期信息,生成预警信息,其中所述预警信息为更换用户进行操作或调整本次实验所需的材料。
本申请的另一个方面,一种智慧实验室的管理装置,其特征在于,包括:获取模块,用于获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集,其中,所述训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例;处理模块,用于基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息;基于预设问答题库和预设问答逻辑构建大语言模型;基于所述实验室状态因素信息对所述大语言模型进行训练处理,生成目标大语言模型,其中,所述目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑;对所述目标实验室的仪器操作信息和所述目标实验室的环境信息进行处理,生成目标实验室的属性信息;基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果;基于预设诊断模型对所述诊断结果进行处理,生成预警信息。
根据本申请的再一个方面,一种电子设备,其特征在于,包括:第一处理器;以及存储器,用于存储所述第一处理器的可执行指令;其中,所述第一处理器配置为经由执行所述可执行指令来执行实现上述的智慧实验室的管理方法。
根据本申请的又一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被第二处理器执行时实现上述的智慧实验室的管理方法。
根据本申请的又一个方面,提供一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被第三处理器执行时实现上述的智慧实验室的管理方法。
本申请所提供的一种智慧实验室的管理方法、装置、设备及存储介质,由服务器获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集,其中,训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例;基于预设处理规则对训练样本集进行处理,生成实验室状态因素信息;基于预设问答题库和预设问答逻辑构建大语言模型;基于实验室状态因素信息对大语言模型进行训练处理,生成目标大语言模型,其中,目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑;对目标实验室的仪器操作信息和目标实验室的环境信息进行处理,生成目标实验室的属性信息;基于目标大语言模型对目标实验室的属性信息进行处理,生成诊断结果;基于预设诊断模型对诊断结果进行处理,生成预警信息。通过对不同实验室的实验用例以及不同用户的实验风格进行分析,可获知相关实验仪器的状态和实验结果,从而有效的识别出不同实验结果的依据,提高了实验的准确性及实验室的安全性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
图1示出本申请一实施例所提供的一种智慧实验室的管理方法的流程图;
图2示出了本申请一实施例所提供的一种智慧实验室的管理装置的结构示意图;
图3示出了本申请一实施例所提供的一种电子设备的结构示意图;
图4示出了本申请一实施例所提供的一种存储介质的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面结合图1来描述根据本申请示例性实施方式的智慧实验室的管理方法。需要注意的是,下述应用场景仅是为了便于理解本申请的精神和原理而示出,本申请的实施方式在此方面不受任何限制。相反,本申请的实施方式可以应用于适用的任何场景。
一种实施方式中,本申请还提出一种智慧实验室的管理方法、装置、设备及存储介质。图1示意性地示出了根据本申请实施方式的一种智慧实验室的管理方法的流程示意图。如图1所示,该方法应用于服务器,包括:
S101,获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集。
一种实施方式中,目标实验室的仪器操作信息包括但不限于用于配置和管理各类实验仪器的信息,例如,通过添加各类实验仪器参数实现实验仪器的基本信息入库,并通过对实验仪器参数的调用和统计分析实现实验仪器的信息化管理。实验仪器参数包括但不限于:仪器名称、功能类型、生产厂家、到期日期、注意事项等。实验仪器库可以通过所述仪器名称、功能类型、生产厂家、到期日期、注意事项等对实验仪器进行分类管理。这样做的好处是将实验室所有的实验仪器建立信息台账,通过信息化管理的方式实现一目了然的管理。此外,仪器操作信息还包括用于配置和管理各类实验方法。具体的,可以调用实验仪器库、试剂库、试剂配置配方库、公式库、图片库、视频库、音频库的任意多种或全部,配置生成各类实验方法。从上述实验方法中调用具体的实验方法,并生成可编辑的实验操作规程模板,在实验操作规程模板中记录实验过程及实验结果,并生成实验文档。
目标实验室的环境信息包括但不限于操作人员的信息、仪器的磨损程度及仪器的种类、实验室的操作环境等,可初步判断当前目标实验室的环境是否有利于或能否完成相关实验的顺利完成。
采用深度学习语音识别技术,实现用户通过语音输入基础信息和回答问题,提高数据收集的效率和准确性。界面设计遵循人机工程学原则,确保用户体验舒适、直观,使用高准确率的开源语音转写框架,结合自然语言处理技术优化识别结果的准确性。训练样本集包括训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例,实验用例包括待进行实验的用户信息和该用户所要进行的实验内容等。
S102,基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息。
一种实施方式中,对训练样本集进行特征提取,确定原始特征库;根据原始特征库划分各个特征数据集,生成训练集和测试集,其中,训练集和测试集分别包括目标实验室的历史实验用例和其他实验室的历史实验用例;利用分类器对原始特征库划分各个测试数据集进行预测,确定预测结果;使用预设算法在原始特征库划分各个训练数据集进行训练,得到测试集类预测结果;根据预测结果以及测试集类预测结果,生成实验室状态因素信息。
为了更好的了解不同实验室对最终的实验结果所产生的影响,通过判断不同实验室中不同用户的实验结果,是因为什么因素导致其实验结果存在异常,获取一定数量的该类用户,将相关异常因素都进行收集,此时,还将判断一定数量的实验结果达到预期阈值的其他用户,并获取其对应的实验报告信息,判断其是否存在上述实验结果存在异常的相关异常因素,若不存在,则说明存在相关异常因素时,将表明当前用户的实验结果可能存在异常,并将相关异常因素作为风险异常指标。
S103,基于预设问答题库和预设问答逻辑构建大语言模型。
一种实施方式中,基于不同用户在实验过程中可能遇到的问题、相关指标或实验前可能遇到的问题或实验后想了解的内容设置相应的问答条目,采用先进的逻辑处理算法,实现智能化的问题展示和用户回答处理,支持复杂的逻辑跳转,提高诊断的准确性和效率。利用决策树、状态机等算法设计问诊流程,实现根据用户回答动态调整后续问题展示的逻辑。该大语言模型可从多角度、多维度综合对用户的实验结果进行分析,使用户在问答过程中及问答结果中了解本次实验失败或成功的关键性因素。
S104,基于所述实验室状态因素信息对所述大语言模型进行训练处理,生成目标大语言模型。
一种实施方式中,目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑,其中,实验室的运行逻辑包括但不限于操作仪器的使用逻辑(即,该操作仪器应该如何使用)和利用操作仪器所得出的实验结果(是否符合预期或低于实验预期)。
实验室状态因素信息包括了对实验结果可能产生各种异常的因素信息。通过预设相关训练集对大语言模型进行训练,使得所生成的结果尽可能的接近实际情况,其中,训练集包括若干不同程度实验失败的实验,并将这部分训练集划分为训练集和测试集,进而更好的对所训练后的大语言预测模型进行验收,并生成预测结果较为准确的大语言模型。基于此对预设训练集进行分类处理,从而更好的对大语言模型进行训练,且最终结果为可视化,便于测试人员在第一时间发现大语言模型的准确性。
S105,对所述目标实验室的仪器操作信息和所述目标实验室的环境信息进行处理,生成目标实验室的属性信息。
一种实施方式中,若目标实验室的操作环境过于黑暗,或者工作环境的光线低于正常光照强度,在这种环境下进行实验或日常工作将一定程度的影响着用户的情绪和实验结果,从而导致实验结果低于预期。此外,若目标实验室的仪器没有定期维护或及时进行清洗或摆放到特定位置,可能导致用户在实验过程中无法及时使用该仪器,从而导致实验结果低于预期。还将获取目标实验室的环境信息和仪器的种类来判定当前目标实验室适合从事哪方面的实验,历史实验的成功率、当前所要做的实验类别。
另一种实施方式中,首先比对使用人的信息是否填妥,需要确保使用人信息与数据库中一致,保证后续调取数据的便利;随后查看当前预约的实验时间和实验项目的组合是否存在实验室空闲,若是则预约通过,否则使用人需要修改实验时间或实验项目。本实施例中,单次实验可以由多人共同完成,预约时需要写明所有使用人的信息,用于门禁管理。本实施例中,仪器使用和开展项目时所需试剂耗材的入库、出库、盘点等过程均通过控制中心管理,实现试剂全生命周期管理。实验中心管理人员基于预约信息准备实验耗材,在预约时间前存至指定位置,更新库存。本实施例中,在库存存有盈余的情况下,实验中心管理人员提前准备实验耗材,耗材可以放入被预约的实验室,也可以放置于公共空间内的加锁柜中;实验中心管理人员将耗材置入加锁柜中后,自动获取密码,发送至使用人,便于取用。
通过上述考虑因素从而对可能影响目标实验室顺利完成实验的因素进行调整,此外,也可根据上述情况改善目标实验室的实验条件等。
S106,基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果。
一种实施方式中,目标实验室的属性信息包括本次在目标实验室进行操作的用户信息;对用户信息进行处理,若目标用户为目标实验室的操作人员,则获取目标用户的操作信息,操作信息包括目标用户的实验结果信息和目标用户的实验偏好信息;基于目标用户的实验结果信息和目标用户的实验偏好信息生成目标问诊问题,其中,目标问诊问题为基于目标用户最近一次的实验结果所生成的;获取目标用户针对目标问诊问题所生成的实验结果调研信息;基于实验结果调研信息生成诊断结果。
目标大语言模型将分析目标用户针对目标问诊问题的自然语言回答,智能判断“是/否/不确定”,并支持问诊逻辑的决策过程,提高实验诊断的自动化水平和准确性。采用迁移学习和微调技术,定制化训练大语言模型,以适应特定的实验诊断场景,提升模型在特定问答上的表现。此外,诊断结果显示用户的实验操作都符合哪些条目以及是否遇到哪些疑惑或操作不当的地方。
另一种实施方式中,对目标用户的身份信息进行处理,若目标用户为其他实验室的用户,则随机生成问诊问题;获取目标用户针对问诊问题所生成的实验结果调研信息;基于实验结果调研信息生成诊断结果。即目标问诊问题是针对每个用户针对性生成的,而非简单的对用户进行分类,从而选择与该类别相对于的问诊问题,模拟真实的实验操作过程,而非简单的对用户进行简单的信息咨询,在缩短繁琐的问诊情况下还能准确获取每个用户的实验状况。
S107,基于预设诊断模型对所述诊断结果进行处理,生成预警信息。
一种实施方式中,基于预设诊断模型对所述诊断结果进行处理,生成预测信息;若预测信息低于预期信息,生成预警信息,其中预警信息为更换用户进行操作或调整本次实验所需的材料,例如,对操作仪器进行更换,或者操作环境、实验所需的物料占比或材料组分等。服务器将判断本次实验结果未能达到预期结果的因素,若是实验室内的操作仪器所导致的,则更换或调整相应的操作仪器,若是由于操作人员的操作手法或实验组分配比出现异常,则对应调整相应的内容。
本申请中由服务器获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集,其中,训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例;基于预设处理规则对训练样本集进行处理,生成实验室状态因素信息;基于预设问答题库和预设问答逻辑构建大语言模型;基于实验室状态因素信息对大语言模型进行训练处理,生成目标大语言模型,其中,目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑;对目标实验室的仪器操作信息和目标实验室的环境信息进行处理,生成目标实验室的属性信息;基于目标大语言模型对目标实验室的属性信息进行处理,生成诊断结果;基于预设诊断模型对诊断结果进行处理,生成预警信息。通过对不同实验室的实验用例以及不同用户的实验风格进行分析,可获知相关实验仪器的状态和实验结果,从而有效的识别出不同实验结果的依据,提高了实验的准确性及实验室的安全性。
可选地,在基于本申请上述方法的另一个实施例中,所述获取所述目标用户针对所述问诊问题所生成的实验结果调研信息,包括:
获取所述目标用户针对问诊问题所生成的神态信息、动作信息和问答信息;
基于情绪识别模型对所述神态信息和所述动作信息进行处理,生成目标用户的精神状态信息;
基于所述目标用户的精神状态信息和所述问答信息生成实验结果调研信息。
一种实施方式中,服务器将判断目标用户当前所选择的答案所产生的神态信息和动作信息继续判断答案的准确性,例如,若问诊问题为你觉得本次实验结果是否达到自己的预期?目标用户的回答为:最近为了这个实验做了很多准备工作,但是最终实验结果没有达到预期结果,然而目标用户回答该问题的时候属于嬉皮笑脸,此时,将判断当前目标用户的回答可能存在误差,后续可采用其他相似的问题或其他逻辑来对目标用户进行测试,进而减少了目标用户的回答与其实际想法可能存在差异的情况,准备的分析出实验结果出现异常的原因。
可选地,在基于本申请上述方法的另一个实施例中,所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,还包括:
基于所述目标问诊问题生成若干子问诊问题和若干子问诊问题对应的目标用户的精神状态信息;
基于所述目标大语言模型分别对所述若干子问诊问题和所述若干子问诊问题对应的目标用户的精神状态信息进行处理,生成分值信息;
基于所述分值信息生成诊断结果。
一种实施方式中,服务器将分别根据每个子问诊问题所得对应的精神状态信息生成相应的分值,并将若干子问诊问题对应的分值进行合计,从而生成最终分值,判断该最终分值落入哪个预设分值区间,并基于该分值区间生成诊断结果。本实施例不对具体分值和分值对应的诊断结果进行限定,可根据申请人实际需求进行设置。可以判断当前实验结果的成功与否是否与用户的操作有关,还是实验本身存在问题。
通过应用以上技术方案,由服务器获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集,其中,训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例;对训练样本集进行特征提取,确定原始特征库;根据原始特征库划分各个特征数据集,生成训练集和测试集,其中,训练集和测试集分别包括目标实验室的历史实验用例和其他实验室的历史实验用例;利用分类器对原始特征库划分各个测试数据集进行预测,确定预测结果;使用预设算法在原始特征库划分各个训练数据集进行训练,得到测试集类预测结果;根据预测结果以及测试集类预测结果,生成实验室状态因素信息。
基于预设问答题库和预设问答逻辑构建大语言模型;基于实验室状态因素信息对大语言模型进行训练处理,生成目标大语言模型,其中,目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑;对目标实验室的仪器操作信息和目标实验室的环境信息进行处理,生成目标实验室的属性信息;目标实验室的属性信息包括本次在目标实验室进行操作的用户信息;对用户信息进行处理,若目标用户为目标实验室的操作人员,则获取目标用户的操作信息,操作信息包括目标用户的实验结果信息和目标用户的实验偏好信息;基于目标用户的实验结果信息和目标用户的实验偏好信息生成目标问诊问题,其中,目标问诊问题为基于目标用户最近一次的实验结果所生成的;获取目标用户针对目标问诊问题所生成的实验结果调研信息;基于实验结果调研信息生成诊断结果。
对目标用户的身份信息进行处理,若目标用户为其他实验室的用户,则随机生成问诊问题;获取目标用户针对问诊问题所生成的神态信息、动作信息和问答信息;基于情绪识别模型对神态信息和动作信息进行处理,生成目标用户的精神状态信息;基于目标用户的精神状态信息和问答信息生成实验结果调研信息;基于目标问诊问题生成若干子问诊问题和若干子问诊问题对应的目标用户的精神状态信息;基于目标大语言模型分别对若干子问诊问题和若干子问诊问题对应的目标用户的精神状态信息进行处理,生成分值信息;基于分值信息生成诊断结果;基于预设诊断模型对诊断结果进行处理,生成预测信息;若预测信息低于预期信息,生成预警信息,其中预警信息为更换用户进行操作或调整本次实验所需的材料。通过对不同实验室的实验用例以及不同用户的实验风格进行分析,可获知相关实验仪器的状态和实验结果,从而有效的识别出不同实验结果的依据,提高了实验的准确性及实验室的安全性。
一种实施方式中,如图2所示,本申请还提供一种智慧实验室的管理装置,包括:
获取模块201,用于获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集,其中,所述训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例;
处理模块202,用于基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息;基于预设问答题库和预设问答逻辑构建大语言模型;基于所述实验室状态因素信息对所述大语言模型进行训练处理,生成目标大语言模型,其中,所述目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑;对所述目标实验室的仪器操作信息和所述目标实验室的环境信息进行处理,生成目标实验室的属性信息;基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果;基于预设诊断模型对所述诊断结果进行处理,生成预警信息。
在本申请的另外一种实施方式中,所述处理模块202,被配置为所述基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息,包括:
对所述训练样本集进行特征提取,确定原始特征库;
根据所述原始特征库划分各个特征数据集,生成训练集和测试集,其中,所述训练集和所述测试集分别包括目标实验室的历史实验用例和其他实验室的历史实验用例;
利用分类器对原始特征库划分各个测试数据集进行预测,确定预测结果;
使用预设算法在原始特征库划分各个训练数据集进行训练,得到测试集类预测结果;
根据预测结果以及测试集类预测结果,生成实验室状态因素信息。
在本申请的另外一种实施方式中,所述处理模块202,被配置为所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,包括:
所述目标实验室的属性信息包括本次在目标实验室进行操作的用户信息;
对所述用户信息进行处理,若目标用户为目标实验室的操作人员,则获取目标用户的操作信息,所述操作信息包括目标用户的实验结果信息和目标用户的实验偏好信息;
基于所述目标用户的实验结果信息和所述目标用户的实验偏好信息生成目标问诊问题,其中,所述目标问诊问题为基于目标用户最近一次的实验结果所生成的;
获取所述目标用户针对所述目标问诊问题所生成的实验结果调研信息;
基于所述实验结果调研信息生成诊断结果。
在本申请的另外一种实施方式中,所述处理模块202,被配置为所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,包括,还包括:
对目标用户的身份信息进行处理,若目标用户为其他实验室的用户,则随机生成问诊问题;
获取所述目标用户针对所述问诊问题所生成的实验结果调研信息;
基于所述实验结果调研信息生成诊断结果。
在本申请的另外一种实施方式中,所述处理模块202,被配置为所述获取所述目标用户针对所述问诊问题所生成的实验结果调研信息,包括:
获取所述目标用户针对问诊问题所生成的神态信息、动作信息和问答信息;
基于情绪识别模型对所述神态信息和所述动作信息进行处理,生成目标用户的精神状态信息;
基于所述目标用户的精神状态信息和所述问答信息生成实验结果调研信息。
在本申请的另外一种实施方式中,所述处理模块202,被配置为所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,还包括:
基于所述目标问诊问题生成若干子问诊问题和若干子问诊问题对应的目标用户的精神状态信息;
基于所述目标大语言模型分别对所述若干子问诊问题和所述若干子问诊问题对应的目标用户的精神状态信息进行处理,生成分值信息;
基于所述分值信息生成诊断结果。
在本申请的另外一种实施方式中,所述处理模块202,被配置为所述基于预设诊断模型对所述诊断结果进行处理,生成预警信息,包括:
基于预设诊断模型对所述诊断结果进行处理,生成预测信息;
若所述预测信息低于预期信息,生成预警信息,其中所述预警信息为更换用户进行操作或调整本次实验所需的材料。
本申请实施例提供了一种电子设备,如图3所示,电子设备3包括第一处理器300,存储器301,总线302和通信接口303,所述第一处理器300、通信接口303和存储器301通过总线302连接;所述存储器301中存储有可在所述第一处理器300上运行的计算机程序,所述第一处理器300运行所述计算机程序时执行本申请前述任一实施方式所提供的所述智慧实验室的管理方法。
其中,存储器301可能包含高速随机存取存储器(RAM:RandomAccessMemory),也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。通过至少一个通信接口303(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线302可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器301用于存储程序,所述第一处理器300在接收到执行指令后,执行所述程序,前述本申请实施例任一实施方式揭示的所述智慧实验室的管理方法可以应用于第一处理器300中,或者由第一处理器300实现。
第一处理器300可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过第一处理器300中的硬件的集成逻辑电路或者软件形式的指令完成。上述的第一处理器300可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器301,第一处理器300读取存储器301中的信息,结合其硬件完成上述方法的步骤。
本申请的上述实施例提供的电子设备与本申请实施例提供的智慧实验室的管理方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本申请实施例提供了一种计算机可读存储介质,如图4所示,所述计算机可读存储介质401存储有计算机程序,所述计算机程序被第二处理器402读取并运行时,实现如前述的智慧实验室的管理方法。
本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是空调器,制冷装置,个人计算机,服务器,或者网络设备等)或processor(处理器)执行本申请实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的智慧实验室的管理方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本申请实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序被第三处理器执行实现如前述所述的方法。
本申请的上述实施例提供的计算机程序产品与本申请实施例提供的智慧实验室的管理方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是,在本申请中,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,或者还是包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于评估智慧实验室的管理方法、电子装置、电子设备、以及可读存储介质实施例而言,由于其基本相似于上述所述的智慧实验室的管理方法实施例,所以描述的比较简单,相关之处参见上述所述的智慧实验室的管理方法实施例的部分说明即可。
虽然本申请披露如上,但本申请并非限定于此。任何本领域技术人员,在不脱离本申请的精神和范围内,均可作各种更动与修改,因此本申请的保护范围应当以权利要求所限定的范围为准。
Claims (7)
1.一种智慧实验室的管理方法,其特征在于,包括:
获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集,其中,所述训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例;
基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息;
所述基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息,包括:
对所述训练样本集进行特征提取,确定原始特征库;
根据所述原始特征库划分各个特征数据集,生成训练集和测试集,其中,所述训练集和所述测试集分别包括目标实验室的历史实验用例和其他实验室的历史实验用例;
利用分类器对原始特征库划分各个测试数据集进行预测,确定预测结果;
使用预设算法在原始特征库划分各个训练数据集进行训练,得到测试集类预测结果;
根据预测结果以及测试集类预测结果,生成实验室状态因素信息;
基于预设问答题库和预设问答逻辑构建大语言模型;
基于所述实验室状态因素信息对所述大语言模型进行训练处理,生成目标大语言模型,其中,所述目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑;
对所述目标实验室的仪器操作信息和所述目标实验室的环境信息进行处理,生成目标实验室的属性信息;
基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果;
所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,包括:
所述目标实验室的属性信息包括本次在目标实验室进行操作的用户信息;
对所述用户信息进行处理,若目标用户为目标实验室的操作人员,则获取目标用户的操作信息,所述操作信息包括目标用户的实验结果信息和目标用户的实验偏好信息;
基于所述目标用户的实验结果信息和所述目标用户的实验偏好信息生成目标问诊问题,其中,所述目标问诊问题为基于目标用户最近一次的实验结果所生成的;
获取所述目标用户针对所述目标问诊问题所生成的实验结果调研信息;
基于所述实验结果调研信息生成诊断结果;
基于预设诊断模型对所述诊断结果进行处理,生成预警信息;
所述基于预设诊断模型对所述诊断结果进行处理,生成预警信息,包括:
基于预设诊断模型对所述诊断结果进行处理,生成预测信息;
若所述预测信息低于预期信息,生成预警信息,其中所述预警信息为更换用户进行操作或调整本次实验所需的材料。
2.如权利要求1所述的方法,其特征在于,所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,包括,还包括:
对目标用户的身份信息进行处理,若目标用户为其他实验室的用户,则随机生成问诊问题;
获取所述目标用户针对所述问诊问题所生成的实验结果调研信息;
基于所述实验结果调研信息生成诊断结果。
3.如权利要求1所述的方法,其特征在于,所述获取所述目标用户针对所述问诊问题所生成的实验结果调研信息,包括:
获取所述目标用户针对问诊问题所生成的神态信息、动作信息和问答信息;
基于情绪识别模型对所述神态信息和所述动作信息进行处理,生成目标用户的精神状态信息;
基于所述目标用户的精神状态信息和所述问答信息生成实验结果调研信息。
4.如权利要求3所述的方法,所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,还包括:
基于所述目标问诊问题生成若干子问诊问题和若干子问诊问题对应的目标用户的精神状态信息;
基于所述目标大语言模型分别对所述若干子问诊问题和所述若干子问诊问题对应的目标用户的精神状态信息进行处理,生成分值信息;
基于所述分值信息生成诊断结果。
5.一种智慧实验室的管理装置,其特征在于,所述装置包括:
获取模块,用于获取目标实验室的仪器操作信息、目标实验室的环境信息和训练样本集,其中,所述训练样本集包括预设时间段内目标实验室的历史实验用例和从其他实验室接收的历史实验用例;
处理模块,用于基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息;所述基于预设处理规则对所述训练样本集进行处理,生成实验室状态因素信息,包括:对所述训练样本集进行特征提取,确定原始特征库;根据所述原始特征库划分各个特征数据集,生成训练集和测试集,其中,所述训练集和所述测试集分别包括目标实验室的历史实验用例和其他实验室的历史实验用例;利用分类器对原始特征库划分各个测试数据集进行预测,确定预测结果;使用预设算法在原始特征库划分各个训练数据集进行训练,得到测试集类预测结果;根据预测结果以及测试集类预测结果,生成实验室状态因素信息;基于预设问答题库和预设问答逻辑构建大语言模型;基于所述实验室状态因素信息对所述大语言模型进行训练处理,生成目标大语言模型,其中,所述目标大语言模型包括目标实验室的运行逻辑和其他实验室的运行逻辑;对所述目标实验室的仪器操作信息和所述目标实验室的环境信息进行处理,生成目标实验室的属性信息;基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果;所述基于所述目标大语言模型对所述目标实验室的属性信息进行处理,生成诊断结果,包括:所述目标实验室的属性信息包括本次在目标实验室进行操作的用户信息;对所述用户信息进行处理,若目标用户为目标实验室的操作人员,则获取目标用户的操作信息,所述操作信息包括目标用户的实验结果信息和目标用户的实验偏好信息;基于所述目标用户的实验结果信息和所述目标用户的实验偏好信息生成目标问诊问题,其中,所述目标问诊问题为基于目标用户最近一次的实验结果所生成的;获取所述目标用户针对所述目标问诊问题所生成的实验结果调研信息;基于所述实验结果调研信息生成诊断结果;基于预设诊断模型对所述诊断结果进行处理,生成预警信息;所述基于预设诊断模型对所述诊断结果进行处理,生成预警信息,包括:基于预设诊断模型对所述诊断结果进行处理,生成预测信息;若所述预测信息低于预期信息,生成预警信息,其中所述预警信息为更换用户进行操作或调整本次实验所需的材料。
6.一种电子设备,其特征在于,包括:
第一处理器;以及存储器,用于存储所述第一处理器的可执行指令;
其中,所述第一处理器配置为经由执行所述可执行指令来执行权利要求 1~4中任意一项所述的智慧实验室的管理方法。
7.一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,所述计算机程序被第二处理器执行时实现权利要求1~4中任意一项所述的智慧实验室的管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410589857.5A CN118194097B (zh) | 2024-05-13 | 2024-05-13 | 一种智慧实验室的管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410589857.5A CN118194097B (zh) | 2024-05-13 | 2024-05-13 | 一种智慧实验室的管理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118194097A CN118194097A (zh) | 2024-06-14 |
CN118194097B true CN118194097B (zh) | 2024-07-26 |
Family
ID=91397007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410589857.5A Active CN118194097B (zh) | 2024-05-13 | 2024-05-13 | 一种智慧实验室的管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118194097B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116631562A (zh) * | 2023-07-24 | 2023-08-22 | 北京惠每云科技有限公司 | 一种生成电子病历出院记录的方法、装置及电子设备 |
CN117036123A (zh) * | 2023-08-15 | 2023-11-10 | 深圳市残友细胞科技实验有限公司 | 一种实验室监测的方法、装置、电子设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023024422A1 (zh) * | 2021-08-27 | 2023-03-02 | 平安科技(深圳)有限公司 | 基于问诊会话的辅助诊断方法、装置及计算机设备 |
CN113707301A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 基于人工智能的远程问诊方法、装置、设备及介质 |
CN117493506A (zh) * | 2023-10-20 | 2024-02-02 | 广州市申迪计算机系统有限公司 | 一种基于大语言模型的网管智能应答方法、系统和介质 |
CN117558439A (zh) * | 2023-10-23 | 2024-02-13 | 讯飞医疗科技股份有限公司 | 基于大语言模型的问诊交互方法、装置及相关设备 |
-
2024
- 2024-05-13 CN CN202410589857.5A patent/CN118194097B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116631562A (zh) * | 2023-07-24 | 2023-08-22 | 北京惠每云科技有限公司 | 一种生成电子病历出院记录的方法、装置及电子设备 |
CN117036123A (zh) * | 2023-08-15 | 2023-11-10 | 深圳市残友细胞科技实验有限公司 | 一种实验室监测的方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN118194097A (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107040397B (zh) | 一种业务参数获取方法及装置 | |
US10019681B2 (en) | Multidimensional recursive learning process and system used to discover complex dyadic or multiple counterparty relationships | |
DE112020002684T5 (de) | Ein Mehrfachverfahrenssystem für optimale Vorhersagemodellauswahl | |
CN116541752B (zh) | 元数据管理方法、装置、计算机设备及存储介质 | |
US20070092857A1 (en) | Method and apparatus for supporting training, and computer product | |
JPWO2018079225A1 (ja) | 自動予測システム、自動予測方法および自動予測プログラム | |
CN110618926A (zh) | 源代码分析方法和源代码分析装置 | |
CN112328490A (zh) | 软件系统研发质量的评价方法、系统、存储介质及电子设备 | |
KR20210058116A (ko) | 기계학습 모델을 이용한 자동 데이터 수집 및 학습 방법 및 그 시스템 | |
CN113626591A (zh) | 一种基于文本分类的电子病历数据质量评价方法 | |
CN118194097B (zh) | 一种智慧实验室的管理方法、装置、设备及存储介质 | |
Ardimento et al. | A text-based regression approach to predict bug-fix time | |
CN117494160A (zh) | 一种医疗数据管理方法及系统 | |
US20220101061A1 (en) | Automatically identifying and generating machine learning prediction models for data input fields | |
Elsaid et al. | Automatic framework for requirement analysis phase | |
KR20220070904A (ko) | 온라인 상담 서비스 시스템 | |
CN113571167A (zh) | 一种基于配置式评分知识模型的快捷分诊系统 | |
Gralha | Evaluation of requirements models | |
CN118051654B (zh) | 一种数据分析方法、装置、电子设备和可读存储介质 | |
CN108229691A (zh) | 数据有效性确定方法、装置、电子设备及存储介质 | |
Orłowski et al. | Supporting management decisions with intelligent mechanisms of obtaining and processing knowledge | |
Ruggeri et al. | Policy evaluation and behavioral economics | |
Sundar et al. | Evaluation of regional benchmark impact in EDM | |
WO2023275971A1 (ja) | 情報処理装置、情報処理方法及び非一時的なコンピュータ可読媒体 | |
CN117520132A (zh) | 系统性能测试的瓶颈分析方法及装置 |
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 |