TWI791176B - 自動識別有效資料採集模組的方法、系統、裝置及電腦程式載體 - Google Patents

自動識別有效資料採集模組的方法、系統、裝置及電腦程式載體 Download PDF

Info

Publication number
TWI791176B
TWI791176B TW109141473A TW109141473A TWI791176B TW I791176 B TWI791176 B TW I791176B TW 109141473 A TW109141473 A TW 109141473A TW 109141473 A TW109141473 A TW 109141473A TW I791176 B TWI791176 B TW I791176B
Authority
TW
Taiwan
Prior art keywords
data
data collection
collection module
logic
module
Prior art date
Application number
TW109141473A
Other languages
English (en)
Other versions
TW202121206A (zh
Inventor
李韶輝
吳梓韜
楊國唯
巨凱波
Original Assignee
大陸商廣州快決測信息科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 大陸商廣州快決測信息科技有限公司 filed Critical 大陸商廣州快決測信息科技有限公司
Publication of TW202121206A publication Critical patent/TW202121206A/zh
Application granted granted Critical
Publication of TWI791176B publication Critical patent/TWI791176B/zh

Links

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
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computer And Data Communications (AREA)
  • Machine Translation (AREA)

Abstract

本申請案實施例公開了一種自動識別有效資料採集模組的方法和系 統。所述自動識別有效資料採集模組的方法包括：獲取資料採集模組，並將所述資料採集模組發送給資料採集裝置，所述資料採集裝置運行資料採集指令，所述資料採集指令自動獲取對應的複數個資料集，所述複數個資料集中的每一個資料集對應一次完整的資料採集指令；所述資料採集裝置將所述複數個資料集發送給資料採集模組識別裝置；資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件。本申請案自動化識別判斷資料採集模組中的預設規則是否出錯，提高資料採集模組中預設規則的查錯效率，同時透過保證資料採集模組中預設規則的準確性，達到保證網路調查問卷的品質的目的。

Description

自動識別有效資料採集模組的方法、系統、裝置及電腦 程式載體
本申請案關於問卷調查領域，特別關於一種自動識別有效資料採集模組的方法和系統。
近年來，隨著市場需求的不斷變化，問卷調查成為許多經營者獲取市場需求從而進行決策的一種常見行為。問卷調查根據載體的不同，可分為紙質問卷調查和網路問卷調查，網路問卷調查透過使用者在客戶端填寫問卷答案，然後服務端回收答題並進行分析。
隨著網路問卷的流行，越來越多的經營者發現答卷品質難以保證，其主要原因在於全面調查導致問卷問題過多，隨著答卷過程的進行，使用者亂填答案的現象頻繁發生甚至直接終止答卷。因此，現在的網路調查問卷越來越趨近於根據用於作答情况適當調整題目，提高問卷與使用者相關性及答卷品質。然而在實際中，根據用於作答情况適當調整題目並設計網路調查問卷將產生大量的問卷邏輯規則，人工查錯將花費大量時間並且容易存在漏查的現象。因此，希望可以提供一種模擬問卷查錯的方法和系統，進行自動化問卷邏輯規則查錯，以提高問卷邏輯規則查錯效率並保證網路調查問卷的品質。
本申請案實施例之一提供一種模擬問卷查錯的方法和系統。所述自動識別有效資料採集模組的方法包括：獲取資料採集模組，並將所述資料採集模組發送給資料採集裝置，所述資料採集裝置運行資料採集指令，所述資料採集指令自動獲取對應的複數個資料集，所述複數個資料集中的每一個資料集對應一次完整的資料採集指令；所述資料採集裝置將所述複數個資料集發送給資料採集模組識別裝置；資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件，是，則判定所述資料採集模組為有效的資料採集模組；否，則獲取所述對應的資料集進行分析，並調整所述資料採集模組，直到複數個資料集中的每一個資料集都滿足預設條件。
在一些實施例中，所述資料採集模組至少包括第一資料，所述資料集至少包括第二資料。
在一些實施例中，所述資料採集指令自動獲取對應的複數個資料集包括：所述資料採集指令獲取所述資料採集模組中所述第一資料的類型；所述資料採集指令根據所述第一資料的類型生成對應個數的隨機變量；所述資料採集指令基於所述隨機變量生成與所述第一資料對應的所述第二資料，並基於所述第二資料構成資料集。
在一些實施例中，所述資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件包括：所述資料採集模組識別裝置根據所述複數個資料集中的每一個資料集中的所述第二資料中第一編號和第二編號確定所述資料採集模組的跳轉邏輯是否符合預設條件；所述跳轉邏輯是與所述資料採集模組中第一資料跳轉順序相關的邏輯。
在一些實施例中，所述資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件包括：所述資料採集模組識別裝置根據所述複數個資料集中的每一個資料集中的所述第二資料的第一編號順序或/和第二編號順序確定隨機邏輯是否符合預設條件；所述隨機邏輯是與所述資料採集模組中第一資料儲存順序相關的邏輯。
在一些實施例中，所述資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件包括：所述資料採集模組識別裝置根據所述複數個資料集中的每一個資料集中的所述第二資料的第二編號確定所述資料採集模組的選項顯隱邏輯或選項來源邏輯是否符合預設條件；所述選項顯隱邏輯是與所述第一資料中資料儲存方式相關的邏輯；所述選項來源邏輯是與所述資料採集模組中第一資料來源相關的邏輯。
在一些實施例中，所述資料採集指令包括選中、填寫、前進、後退、跳轉到指定題目、翻頁和/或完成。
本申請案實施例之一提供一種自動識別有效資料採集模組的系統，包括：資料集獲取模組，用於獲取資料採集模組，並將所述資料採集模組發送給資料採集裝置，所述資料採集裝置運行資料採集指令，所述資料採集指令自動獲取對應的複數個資料集，所述複數個資料集中的每一個資料集對應一次完整的資料採集指令；資料集發送模組，用於所述資料採集裝置將所述複數個資料集發送給資料採集模組識別裝置；資料識別分析模組，用於資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件，是，則判定所述資料採集模組為有效的資料採集模組；否，則獲取所述對應的資料集進行分析，並調整所述資料採集模組，直到複數個資料集中的每一個資料集都滿足預設條件。
本申請案實施例之一提供一種自動識別有效資料採集模組的裝置，包括處理器，其特徵在於，所述處理器用於執行所述自動識別有效資料採集模組的方法。
本申請案實施例之一提供一種電腦可讀儲存媒介，所述儲存媒介儲存電腦指令，當電腦讀取儲存媒介中的電腦指令後，電腦執行所述自動識別有效資料採集模組的方法。
110:線下資料採集
120:瀏覽器資料採集
120-1:瀏覽器
120-2:網路
120-3:伺服器
120-4:資料儲存
130:客戶端資料採集
130-1:客戶端
130-2:網路
130-3:伺服器
130-4:資料儲存
140:資料採集指令
140-1:資料採集指令程式
140-2:資料儲存
150:模擬瀏覽器資料採集
150-1:資料採集指令
150-2:瀏覽器
150-3:網路
150-4:伺服器
150-5:資料儲存
160:模擬客戶端資料採集
160-1:資料採集指令
160-2:客戶端
160-3:網路
160-4:伺服器
160-5:資料儲存
200:流程圖
202:步驟
204:步驟
206:步驟
208:步驟
300:資料集
302:步驟
304:步驟
306:步驟
308:步驟
400:流程圖
402:步驟
404:步驟
500:流程圖
502:步驟
504:步驟
600:流程圖
602:步驟
604:步驟
700:模組圖
710:資料集獲取模組
720:資料集發送模組
730:資料識別分析模組
本申請案將以示例性實施例的方式進一步說明，這些示例性實施例將透過附圖進行詳細描述。這些實施例並非限制性的，在這些實施例中，相同的編號表示相同的結構，其中：圖1是根據本申請案一些實施例所示的示例性自動識別有效資料採集模組的系統示意圖；圖2是根據本申請案一些實施例所示的自動識別有效資料採集模組方法的示例性流程圖；圖3是根據本申請案一些實施例所示的資料採集指令自動獲取對應的複數個資料集的示例性流程圖；圖4是根據本申請案一些實施例所示的判定複數個資料集中的每一個資料集是否滿足預設條件的示例性流程圖；圖5是根據本申請案一些實施例所示的判定複數個資料集中的每一個資料集是否滿足預設條件的又一示例性流程圖； 圖6是根據本申請案一些實施例所示的判定複數個資料集中的每一個資料集是否滿足預設條件的再一示例性流程圖；圖7是根據本申請案一些實施例所示的自動識別有效資料採集模組系統的模組圖。
為了更清楚地說明本申請案實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單的介紹。顯而易見地，下面描述中的附圖僅僅是本申請案的一些示例或實施例，對於本領域的通常知識者來講，在不付出創造性勞動的前提下，還可以根據這些附圖將本申請案應用於其它類似情景。除非從語言環境中顯而易見或另做說明，圖中相同標號代表相同結構或操作。
應當理解，本文使用的「系統」、「裝置」、「單元」和/或「模組」是用於區分不同級別的不同組件、元件、部件、部分或裝配的一種方法。然而，如果其他詞語可實現相同的目的，則可透過其他表達來替換所述詞語。
如本申請案和申請專利範圍中所示，除非上下文明確提示例外情形，「一」、「一個」、「一種」和/或「該」等詞並非特指單數，也可包括複數。一般說來，術語「包括」與「包含」僅提示包括已明確標識的步驟和元素，而這些步驟和元素不構成一個排它性的羅列，方法或者設備也可能包含其它的步驟或元素。
本申請案中使用了流程圖用來說明根據本申請案的實施例的系統所執行的操作。應當理解的是，前面或後面操作不一定按照順序來精確地執 行。相反，可以按照倒序或同時處理各個步驟。同時，也可以將其他操作添加到這些過程中，或從這些過程移除某一步或數步操作。
圖1是根據本申請案一些實施例所示的示例性自動識別有效資料採集模組的系統示意圖。
資料採集方式可以包括線下資料採集110，瀏覽器資料採集120，客戶端資料採集130。
線下資料採集110方式可以包括紙質資料採集，客戶端(例如電腦、平板、手機)離線資料採集等。
瀏覽器資料採集120包括瀏覽器120-1、網路120-2、伺服器120-3和資料儲存120-4。瀏覽器120-1透過網路120-2向伺服器120-3發送信號，伺服器120-3透過網路將資料儲存120-4的第一資料發送給瀏覽器120-1，然後透過網路120-2從瀏覽器120-1接收第二資料的資料集。
客戶端資料採集130包括客戶端130-1、網路130-2、伺服器130-3和資料儲存130-4。所述客戶端資料採集方式可參見瀏覽器資料採集方式，此處不再贅述。
資料採集模組的採集方式可以包括直接運行資料採集指令140，模擬瀏覽器資料採集150和/或模擬客戶端資料採集160。
直接運行資料採集指令140，包括資料採集指令程式140-1、資料儲存140-2。資料採集指令程式140-1直接從資料儲存140-2獲取資料採集模組的第一資料，以本說明書圖3的方式採集資料集。
模擬瀏覽器資料採集150包括資料採集指令150-1、瀏覽器150-2、網路150-3、資料儲存150-5、伺服器150-4。資料採集指令150-1在瀏覽器 150-2上透過網路150-3向伺服器150-4發送信號，伺服器150-4從資料儲存150-5中將資料採集模組發送給瀏覽器150-2。資料採集指令以本說明書圖3的方式在瀏覽器150-2上採集資料集。
模擬客戶端資料採集160包括資料採集指令160-1、客戶端160-2、網路160-3、資料儲存160-5、伺服器160-4。模擬客戶端資料採集160獲得資料採集模組的方式參見圖3的在瀏覽器採集資料集的方式。
瀏覽器120-1和瀏覽器150-2可以從網際網路、專用網路中的網路伺服器和檔案系統內之間獲取資訊資源，這些資訊資源可為網頁、圖片、影音或其他內容。
客戶端130-1和客戶端160-2可以包括各類具有資訊接收和/或發送功能的設備。例如，可以是電腦，可以是智慧型手機，可以是平板電腦。
網路120-2，網路130-2，網路150-3和網路160-3連接系統的各組成部分，使得各部分之間可以進行通訊。在系統中各部分之間的網路可以是有線網路或無線網路中的任意一種或多種。
伺服器120-3，伺服器130-3，伺服器150-4和伺服器160-4可以處理來自本系統至少一個組件或外部資料源(例如，雲端資料中心)的資料和/或資訊。
資料儲存120-4，資料儲存130-4，資料儲存150-5和資料儲存160-5可以儲存資料和/或指令。所述資料儲存可以包括一個或複數個儲存組件，每個儲存組件可以是一個獨立的設備，也可以是其他設備的一部分。
圖2是根據本申請案一些實施例所示的自動識別有效資料採集模組的示例性流程圖200。
步驟202，獲取資料採集模組，並將資料採集模組發送給資料採集裝置。具體的，該步驟202可以由資料集獲取模組710執行。
資料採集模組可以是用於承載資料的模組。資料採集模組承載的資料為第一資料。在一些實施例中，資料採集模組承載的內容包括但不限於：文字、字母、數字、圖片、語音、視訊、二維碼以及各種編程代碼。在一些實施例中，所述資料採集模組可以是承載調查問卷。資料採集模組中可以包含調查問卷的相關資訊資料，例如，問卷的題目、題目對應的選項、題目的類型標籤、題目和選項的編號等。其中，題目類型標籤可以是單選題、多選題、判斷題等。
在一些實施例中，資料採集模組採集資料的方式可以是透過使用者終端營運商、答題設備、答題客戶端、答題網頁、答題小程式等載體來採集資訊。
所述資料採集裝置是指運行所述資料採集指令的裝置。在一些實施例中，所述資料採集裝置可以指資料採集指令程式140-1、瀏覽器150-2、客戶端160-1(例如，電腦、手機、平板和/或車載終端)等。
在一些實施例中，可以透過有線網路或無線網路中的任意一種或多種的方式將資料採集模組發送給資料採集裝置。
步驟204，資料採集裝置運行資料採集指令自動獲取對應的複數個資料集，所述複數個資料集中的每一個資料集對應一次完整的資料採集指令。具體的，該步驟204可以由資料集獲取模組710執行。
在一些實施例中，所述資料採集指令可以是使用Python或/和Java編寫的程式，程式能夠直接獲取資料集，其中，資料集中的資料為第二資料。 在一些實施例中，所述資料採集指令可以是使用python、selenium和/或chrome driver編寫的程式，程式能夠生成複數個進程同時模擬10-500個瀏覽器獲取資料集，可以在短時間內模擬瀏覽器採集大量資料集。在一些實施例中，所述資料採集指令可以是使用C++編寫的程式，程式能夠模擬客戶端進行資料採集。除此之外，所述資料採集指令還可以透過其他常見的程式編寫。
在一些實施例中，所述資料採集指令可以是自動模擬答題程式。在一些實施例中，所述資料採集指令可以採用Activity透過Intent和/或Bundle方法進行跳轉操作。例如，在問卷調查領域，自動答題模擬程式完成答題操作後，根據跳轉邏輯找到對應界面Activity的Key值，根據所述界面Activity的Key值透過Intent和/或Bundle方法跳轉至所述界面Activity。所述界面Activity可以是所述指定題目界面Activity，下一題目界面Activity和/或完成界面Activity。
在一些實施例中，所述資料採集指令可以採用調用窗口方法進行跳轉操作。例如，在問卷調查領域，自動答題模擬程式完成答題操作後，根據跳轉邏輯找到對應窗口位址，根據所述窗口位址透過窗口調用方法打開所述窗口。所述窗口可以是所述指定題目窗口，下一題題目窗口和/或完成窗口。
所述複數個資料集中的每一個資料集可以是指執行一次完整的資料採集指令所採集的資料，執行完成後基於第一資料的類型生成的第二資料構成的資料集合。在一些實施例中，所述資料集可以是問卷試題的答案集合，例如1A，2B，3C等數字、符號或者其電腦編碼組成的答案集合。
在一些實施例中，資料採集裝置運行資料採集指令自動獲取對應的複數個資料集的方式可以包括：資料採集指令獲取所述資料採集模組中的 第一資料的類型；資料採集指令根據所述第一資料的類型生成對應個數的隨機變量；資料採集指令基於隨機變量生成與所述第一資料對應的第二資料，資料採集指令基於第二資料構成資料集。關於資料採集裝置運行資料採集指令自動獲取對應的複數個資料集的詳細步驟參見圖3，此處不再贅述。
在一些實施例中，所述一次完整的採集指令可以是從資料採集指令開始到結束採集。在一些實施例中，所述資料採集指令可以根據第二資料採集的數量判斷是否結束採集。例如，在問卷調查領域，自動化模擬程式可以設置為當答題數量達到設定值(例如100)後，關閉瀏覽器。
在一些實施例中，所述資料採集指令可以判斷資料採集頁面是否為結束頁。例如，在問卷調查領域，自動模擬答題程式判斷結果是結束頁，刷新問卷題目，判斷結果不是結束頁，則使用對應題型邏輯答題並點擊繼續答題。
步驟206，資料採集裝置將複數個資料集發送給資料採集模組識別裝置。具體的，該步驟206可以由資料集發送模組720執行。
所述資料採集模組識別裝置適用於識別資料集中的資料是否滿足預設條件的裝置，可以包括程式140-1、瀏覽器150-2、客戶端160-2(例如，電腦、手機、平板和/或車載終端)。
所述資料採集裝置透過有線網路或無線網路中的任意一種或多種發送資料採集模組給資料採集模組識別裝置。
步驟208，資料採集模組識別裝置判定複數個資料集中的每一個資料集是否滿足預設條件。具體的，該步驟208可以由資料識別分析模組730執行。
所述預設條件可以包括按照一定規則設定的第一資料之間，第二資料之間，第一資料和對應第二資料之間的聯繫。例如在問卷調查領域，所述預設條件可以是問卷的邏輯規則，所述邏輯規則可以是問卷題目和選項之間，題目和題目之間和/或選項和選項之間的聯繫。
在一些實施例中，所述預設條件可以包括跳轉邏輯，隨機邏輯，選項顯隱性邏輯和/或選項來源邏輯等。
所述跳轉邏輯是與所述資料採集模組中第一資料跳轉順序相關的邏輯。在一些實施例中，跳轉邏輯是指選中、判斷、回答或填寫等使某個第一資料具有對應的第二資料後，直接向前或向後跳轉至某個無對應第二資料的第一資料處的規則。例如，針對問卷調查領域，跳轉邏輯具體是指題目跳轉邏輯，題目跳轉邏輯是指選中、判斷或回答等使某個題目作答完成後，作答時直接向前或向後跳轉至某道題目的規則。在一些實施例中，跳轉邏輯可以是選中某個單選題選項後進行題目跳轉的邏輯，例如選中回答某道題「A」選項後，需回答的下一道題目直接跳轉至某道題進行作答。在一些實施例中，跳轉邏輯可以是選中某個多選題複數個選項後進行題目跳轉的邏輯，例如選中回答某道題「A」、「B」、「C」三個選項後，需回答的下一道題目直接跳轉至某道題進行作答。在一些實施例中，跳轉邏輯可以是判斷某個題後進行題目跳轉的邏輯，例如對某道題選中「正確」或「√」後，需回答的下一道題目直接跳轉至某道題進行作答。在一些實施例中，題目跳轉規則可以是回答某道題後進行題目跳轉的邏輯，例如回答某道題指定內容包含如「喜歡」、「不喜歡」或者指定內容為無任何回答內容後，需回答的下一道題目直接跳轉至某道題進行作 答。判定每一個資料集是否符合所述跳轉邏輯的步驟詳細見圖4及其描述，此處不再贅述。
所述隨機邏輯是指所述資料採集模組中第一資料儲存順序相關的邏輯。例如，針對問卷調查領域，隨機邏輯具體是指選項隨機邏輯、題目隨機邏輯，選項隨機邏輯是指單個題目內的選項隨機排序，題目隨機邏輯是指整份調查問卷的題目隨機排序。例如，在一些實施例中，隨機邏輯可以是某個單選題選項隨機排序，例如一份調查問卷A選項與另外一份調查問卷的B選項對應。在一些實施例中，隨機邏輯可以是整份調查問卷的題目隨機的邏輯關係，一份調查問卷第一道題目對應另外一份調查問卷最後一道題目。判定每一個資料集是否符合所述隨機邏輯的步驟詳細見圖5及其相關描述，此處不再贅述。
選項顯隱邏輯是與第一資料中資料儲存方式相關的邏輯。在一些實施例中，選項顯隱邏輯可以是指選中、判斷或回答等使某個題目作答完成後，正在作答或者待作答題目的選項將根據某個或某些已完成的題目進行顯示或隱藏的規則。例如，在一些實施例中，選項顯隱邏輯可以是選中某個多選題選項後，如選中回答某道題「A」選項後，需回答的下一道題目或該正在作答題目的「B」選項進行顯示。再例如，在一些實施例中，選項顯隱邏輯可以是選中某個多選題複數個選項後，例如選中回答某道題「A」、「B」、「C」三個選項後，需回答的最後一道題目「E」、「F」選項進行顯示。再例如，在一些實施例中，選項顯隱邏輯可以是回答某道問答題並在選中另外某道選擇題的「A」選項後，需回答的最後一道題目「E」、「F」選項進行隱藏。上述實施例僅為示例性表示選項顯隱邏輯，選項顯隱邏輯還有許多具體的實現方式，不 應當理解為對本申請案的具體限制。判定每一個資料集是否符合所述隨機邏輯的步驟詳細見圖6及其描述，此處不再贅述。
選項來源邏輯是與所述資料採集模組中第一資料來源相關的邏輯。在一些實施例中，選項來源邏輯可以是指選中、判斷或回答等使某個題目作答完成後，其他題目的選項將根據某個或某些已完成的答案生成。在一些實施例中，選項來源邏輯可以是選中某個單選題選項後，如選中回答某道題「A」選項後，需回答的下一道題目選項與該「A」選項相同或關聯。再例如，在一些實施例中，選項來源邏輯可以是選中某個多選題複數個選項後，例如選中回答某道題「A」、「B」、「C」三個選項後，需回答的最後一道題目選項與該題目的「A」、「B」、「C」三個選項相同或關聯。在一些實施例中，選項來源邏輯可以是回答某道問答題並在選中另外某道選擇題的「A」選項後，需回答的最後一道題選項根據問答題、選擇題的「A」選項生成。上述實施例僅為示例性表示選項來源邏輯，選項來源邏輯還有許多具體的實現方式，不應當理解為對本申請案的具體限制。判定每一個資料集是否符合所述選項來源邏輯的步驟詳細見圖6及其相關描述，此處不再贅述。
在一些實施例中，所述資料採集模組識別裝置判定複數個資料集中的每一個資料集都滿足預設條件，則判定所述資料採集模組為有效的資料採集模組，所述資料採集模組識別裝置判定複數個資料集中的至少一個資料集不滿足預設條件，則獲取對應的資料集進行矯正，直到複數個資料集中的每一個資料集都滿足預設條件。例如，在問卷調查領域，問卷自動模擬查錯程式判定所有問卷答案都滿足邏輯規則，則判定問卷有效。又例如，在問卷調查領 域，問卷自動模擬查錯程式判斷其中一份問卷答案不滿足邏輯規則，則透過分析這份問卷答案對問卷進行調整，直到所有答案都滿足邏輯規則。
圖3是根據本申請案一些實施例所示的資料採集指令自動獲取對應的複數個資料集的示例性流程圖。如圖3所示，該資料採集指令自動獲取對應的複數個資料集300可以包括： 步驟302，資料採集指令獲取所述資料採集模組中的第一資料的類型。具體的，該步驟302可以由資料集獲取模組710執行。
在一些實施例中，第一資料可以是指資料採集模組內包含的一些資訊，例如，針對問卷調查領域，第一資料可以是指問卷題目，問卷題目具體可以包含有題目編號資訊、題目內容資訊、題目選項和/或填寫內容資訊、題型等資訊。再例如，針對資訊調查領域，第一資料可以是指資訊填寫表，資訊填寫表具體可以包括包含姓名、年齡、性別等的表格資訊。
第一資料的類型可以是用於代表第一資料的類別。在一些實施例中，第一資料是指問卷題目，第一資料的類型則是題目的題型，如單選題、多選題、判斷題、問答題等。在一些實施例中，第一資料是指資訊填寫表，第一資料的類型則是個人資訊、家庭資訊、工作資訊等類別。
在一些實施例中，資料採集指令獲取所述資料採集模組中的第一資料的類型的方式可以是從儲存設備中獲取，如資料採集指令從儲存設備調取資料採集模組的資料，再對資料採集模組內包含的資料進行判斷識別，進而獲取第一資料的類別。在一些實施例中，第一資料的類型可以是基於html標籤確定，html標籤如<container>，例如<container>單選題<container>標籤確定第一 資料的類型為單選題，例如<container>多選題<container>標籤確定為第一資料的類型為多選題。
步驟304，資料採集指令根據所述第一資料的類型生成對應個數的隨機變量，該步驟304可以由資料集獲取模組710執行。
隨機變量是指可以產生隨機數的函數或變量。例如，在一些實施例中，隨機變量是指java編程語言中Random物件。再例如，在一些實施例中，隨機變量是指javascript編程語言中的random()方法。
在一些實施例中，根據所述第一資料的類型生成對應個數的隨機變量可以是一個，也可以是複數個。例如第一資料的類型為單選題，則隨機變量的個數為一個，隨機變量對應產生隨機數並確定單選題的選中項。再例如，第一資料的類型為多選題，則隨機變量的個數為1至多項題所有選項的個數，例如多選題選項為4，則隨機變量的個數為1至4個，然後根據該1至4個隨機變量產生的複數個隨機數再確定多選題的選中項。
步驟306，資料採集指令基於隨機變量生成與所述第一資料對應的第二資料。具體的，該步驟306可以由資料集獲取模組710執行。
在一些實施例中，第二資料可以是指資料集內包含的一些資訊，例如，針對問卷調查領域，第二資料具體可以是指問卷答案資訊，問卷答案資訊具體可以包含題目編號資訊、答案選中項資訊、答案填寫內容資訊。再例如，針對資訊調查領域，第二資料可以是指資訊填寫表對應的填寫內容，填寫內容具體可以包括姓名、年齡、性別、收入等實際資訊。
在一些實施例中，基於隨機變量生成與所述第一資料對應的第二資料可以是透過資料採集指令記錄隨機變量產生的隨機數實現的。在一些實 施例中，基於隨機變量生成與所述第一資料對應的第二資料可以是透過資料採集指令根據隨機變量產生的隨機數選中答案，再透過資料採集指令記錄生成的第二資料。
步驟308，資料採集指令基於第二資料構成資料集。具體的，該步驟308可以由資料集獲取模組710執行。
在一些實施例中，資料集可以是透過資料採集指令記錄完整的第二資料後產生的。在一些實施例中，資料集可以是透過資料採集指令透過向伺服器發送資料採集模組記錄的完整第二資料集產生的。在一些實施例中，資料集可以是針對一份問卷的所有答案資訊組成的資料集合。
圖4是根據本申請案一些實施例所示的判定複數個資料集中的每一個資料集是否滿足預設條件的示例性流程圖。如圖4所示，該判定複數個資料集中的每一個資料集是否滿足預設條件400可以包括： 步驟402，資料採集模組識別裝置根據每一個資料集中的第二資料中第一編號和第二編號確定資料採集模組的跳轉邏輯是否符合預設條件。具體的，該步驟402可以由資料識別分析模組730執行。
第一編號是指每一個第二資料的編碼，第二編號是指每一個第二資料內包含的選項編號。例如，在一些實施例中，第二資料是問卷答案資訊時，則第一編號為答案資訊中已做答題目的編號，第二編號為答案資訊中每個已做答題目的已選選項，如答案中13A資料代表回答了題目編號為「13」的題目，且對該題選擇的選項為「A」。再例如，在一些實施例中，第二資料是調查問卷填寫資訊時，則第一編號為對應填寫的項目編號，第二編號為填寫項目 中選擇的選項，例如10001-2，其中「10001」表示為「性別」填寫欄，「2」表示「女性」。
跳轉邏輯是與所述資料採集模組中第一資料跳轉順序相關的邏輯。在一些實施例中，跳轉邏輯是指選中、判斷、回答或填寫等使某個第一資料具有對應的第二資料後，直接向前或向後跳轉至某個無對應第二資料的第一資料處的規則。例如，針對問卷調查領域，跳轉邏輯具體是指題目跳轉邏輯，題目跳轉邏輯是指選中、判斷或回答等使某個題目作答完成後，作答時直接向前或向後跳轉至某道題目的規則。關於跳轉邏輯的更多細節參見圖2，此處不再贅述。
在一些實施例中，獲取跳轉邏輯的方式可以是問卷調查者在伺服器上傳或製作調查問卷後，處理設備自動提取跳轉邏輯。在一些實施例中，獲取跳轉邏輯的方式可以是問卷調查者在伺服器直接上傳跳轉邏輯。在一些實施例中，獲取的跳轉邏輯的樣本可以是某段代碼或文本，例如如果選中某道單選題的某個答案後則跳轉至某道題的if then或if then else代碼語句。
在一些實施例中，確定所述資料採集模組的跳轉邏輯是否符合預設條件可以是由伺服器處理設備進行的，例如處理設備自動對比作為第二資料的答案中資訊與預設的跳轉邏輯是否相符。例如，預設的跳轉邏輯為選中了單選題題目1的A選項則應當跳轉至題目3進行繼續答題，則對比答案中題目1的已選選項是否為A。若題目1已選選項為A選項且對題目3作答未對題目2作答，則判斷跳轉邏輯符合預設條件，否則判定為跳轉邏輯不符合預設條件。再例如，預設的跳轉邏輯為判斷題目1為正確則應當跳轉至題目4進行繼續答題，則對比答案中題目1中的選擇是否為「正確」，若題目1選擇為「正確」且對題目 4作答未對題目2、3作答，則判斷跳轉邏輯符合預設條件，否則判定為跳轉邏輯不符合預設條件。再例如，預設的跳轉邏輯為選中了多選題題目1的A、B、C選項則應當跳轉至題目5進行繼續答題，則對比題目1中的答案是否為「ABC」，若題目1答案為「ABC」且對題目5作答未對題目2、3、4作答，則判斷跳轉邏輯符合預設條件，否則判定為跳轉邏輯不符合預設條件。
步驟404，則是確定資料採集模組的跳轉邏輯符合預設條件。具體的，該步驟404可以由資料識別分析模組730執行。
在一些實施例中，判斷為跳轉邏輯符合預設條件時，則將資料採集模組確定為有效的資料採集模組，並用於後續調查研究分析。
在一些實施例中，判斷為跳轉邏輯是不符合預設條件後，處理設備將錯誤結果經網路傳輸保存至儲存設備。在一些實施例中，還可以將錯誤結果發送至問卷調查者終端進行顯示，以便及時告知使用者接收跳轉邏輯查錯結果。
圖5是根據本申請案一些實施例所示的判定複數個資料集中的每一個資料集是否滿足預設條件的又一示例性流程圖。如圖5所示，該判定複數個資料集中的每一個資料集是否滿足預設條件500可以包括： 步驟502，資料採集模組識別裝置根據所述複數個資料集中的每一個資料集中的所述第二資料的第一編號順序或/和第二編號順序確定隨機邏輯是否符合預設條件。具體的，該步驟502可以由資料識別分析模組730執行。
第一編號順序是指每一個第二資料的編碼順序規則，第二編號順序是指每一個第二資料內包含的選項編號順序規則。例如，在一些實施例中，第二資料是問卷答案資訊時，則第一編號為答案資訊對應的題目編號，如 1、2、3...，第二編號為答案資訊對應的選中項編號，如A、B、C...或1、2、3...等順序規則。隨機邏輯是指所述資料採集模組中第一資料儲存順序相關的邏輯。例如，針對問卷調查領域，隨機邏輯具體是指選項隨機邏輯、題目隨機邏輯，選項隨機邏輯是指單個題目內的選項隨機排序，題目隨機邏輯是指整份調查問卷的題目隨機排序。關於隨機邏輯的更多細節參見圖2的步驟204及其相關描述，此處不再贅述。
在一些實施例中，獲取隨機邏輯的方式可以是問卷調查者在伺服器上傳或製作調查問卷後，處理設備自動提取隨機邏輯。在一些實施例中，獲取跳轉邏輯的方式可以是問卷調查者在伺服器直接上傳隨機邏輯。在一些實施例中，獲取的隨機邏輯的樣本可以是某段代碼或文本，例如指java編程語言中包含Random物件的代碼，再例如，是指javascript編程語言中包含random()方法的代碼。
在一些實施例中，確定所述資料採集模組的隨機邏輯是否符合預設條件可以是由伺服器處理設備進行的，例如處理設備自動對比多份問卷答案的選項及題目順序是否一致。例如，所有問卷答案的第一道題目所有選項排序均一致，因此判斷為資料採集模組的隨機邏輯不符合預設條件。再例如，所有問卷答案對應的題目順序均一致，因此判斷為資料採集模組的隨機邏輯不符合預設條件。
步驟504，則是確定資料採集模組的確定隨機邏輯是否符合預設條件。具體的，該步驟504可以由資料識別分析模組730執行。
在一些實施例中，判斷為隨機邏輯符合預設條件時，則將資料採集模組確定為有效的資料採集模組，並用於後續調查研究分析。
在一些實施例中，判斷為隨機邏輯是不符合預設條件後，處理設備將錯誤結果經網路傳輸保存至儲存設備。在一些實施例中，還可以將錯誤結果發送至問卷調查者終端進行顯示，以便及時告知使用者接收隨機邏輯查錯結果。
圖6是根據本申請案一些實施例所示的判定複數個資料集中的每一個資料集是否滿足預設條件的再一示例性流程圖600。如圖6所示，該判定複數個資料集中的每一個資料集是否滿足預設條件可以包括：步驟602，資料採集模組識別裝置根據所述複數個資料集中的每一個資料集中的所述第二資料的第一編號順序或/和第二編號順序確定選項顯隱邏輯或選項來源邏輯是否符合預設條件。具體的，該步驟602可以由資料識別分析模組730執行。
選項來源邏輯是與所述資料採集模組中第一資料來源相關的邏輯，在一些實施例中，選項來源邏輯可以是指選中、判斷或回答等使某個題目作答完成後，其他題目的選項將根據某個或某些已完成的答案生成。關於選項來源邏輯的更多細節參見圖2的步驟204及其相關描述，此處不再贅述。
在一些實施例中，獲取選項來源邏輯的方式可以是問卷調查者在伺服器上傳或製作調查問卷後，處理設備自動提取選項來源邏輯。在一些實施例中，獲取選項來源邏輯的方式可以是問卷調查者在伺服器直接上傳選項來源邏輯。在一些實施例中，獲取的選項來源邏輯的樣本可以是某段代碼，例如如果選中某道單選題的某個答案後則直接填充某道題選項的if then或if then else代碼語句。
在一些實施例中，對比答案及選項來源邏輯可以是人為進行的，例如人為對比答案的選項與選項來源邏輯是否相符。在一些實施例中對比答案及選項來源邏輯可以是由伺服器處理設備進行的，例如處理設備自動對比答案的選項與選項來源邏輯是否相符。在一些實施例中，選項來源邏輯為選中了單選題題目1的A答案，則題目3中的B選項應當與題目1的A選項關聯，但答案中出現並無題目3、題目3無B選項或B選項與題目1的A答案不關聯，因此判斷為資料採集模組的選項來源邏輯不符合預設條件。再例如，選項來源邏輯為回答了題目1的問答題，則題目2的A選項根據題目1的答案生成，但答案中出現並無題目2、題目2無A選項或A選項與題目1的答案不關聯，因此判斷為資料採集模組的選項來源邏輯不符合預設條件。
選項顯隱邏輯是與第一資料中資料儲存方式相關的邏輯，在一些實施例中，選項顯隱邏輯可以是指選中、判斷或回答等使某個題目作答完成後，正在作答或者待作答題目的選項將根據某個或某些已完成的題目進行顯示或隱藏的規則。關於選項顯隱邏輯的更多細節參見圖2的步驟204及其相關描述，此處不再贅述。
在一些實施例中，獲取選項顯隱邏輯的方式可以是問卷調查者在伺服器上傳或製作調查問卷後，處理設備自動提取選項顯隱邏輯。在一些實施例中，獲取選項顯隱邏輯的方式可以是問卷調查者在伺服器直接上傳選項顯隱邏輯。在一些實施例中，獲取的選項顯隱邏輯的樣本可以是某段代碼，例如如果選中某道單選題的某個答案後則直接隱藏某道題選項的if then或if then else代碼語句。
在一些實施例中，對比答案及選項顯隱邏輯可以是人為進行的，例如人為對比答案的選項與選項顯隱邏輯是否相符。在一些實施例中對比答案及選項顯隱邏輯可以是由伺服器處理設備進行的，例如處理設備自動對比答案的選項與選項顯隱邏輯是否相符。在一些實施例中，選項顯隱邏輯為選中了單選題題目4的C答案，則題目4中的D選項應當隱藏，但對比題目4中的D選項存在或被選中，因此判斷為資料採集模組的選項顯隱邏輯不符合預設條件。再例如，選項顯隱邏輯為判斷題目5為「錯誤」，則題目6、題目7的選項E、選項F應當顯示，但題目6、題目7的選項E、選項F中一者不存在，因此判斷為資料採集模組的選項顯隱邏輯不符合預設條件。
在一些實施例中，確定資料採集模組的選項顯隱邏輯或選項來源邏輯是否符合預設條件可以是人為進行，例如人為篩選與選項來源邏輯不符的答題編號，然後獲取出錯的選項來源邏輯。在一些實施例中，確定資料採集模組的選項顯隱邏輯或選項來源邏輯是否符合預設條件可以是人為進行，也可以是由伺服器處理設備進行的，例如處理設備自動篩選與選項來源邏輯不符的答題編號，然後獲取出錯的選項來源邏輯。
步驟604，則是確定資料採集模組的選項來源邏輯或選項顯隱邏輯符合預設條件。該步驟604可以由資料識別分析模組730執行。
在一些實施例中，判斷為選項來源邏輯或選項顯隱邏輯符合預設條件時，則將資料採集模組確定為有效的資料採集模組，並用於後續調查研究分析。
在一些實施例中，判斷答案存在選項來源錯誤或選項顯隱邏輯錯誤，處理設備將錯誤結果經網路傳輸保存至資料庫。在一些實施例中，還可 以將錯誤結果發送至問卷調查者終端進行顯示，以便及時告知使用者接收選項來源邏輯查錯結果或選項顯隱邏輯錯誤。
圖7是根據本申請案一些實施例所示的自動識別有效資料採集模組系統的模組圖700。如圖7所示，該自動識別有效資料採集模組系統可以包括資料集獲取模組710、資料集發送模組720、資料識別分析模組730。
資料集獲取模組710可以用於獲取資料採集模組，並將所述資料採集模組發送給資料採集裝置，所述資料採集裝置運行資料採集指令，所述資料採集指令自動獲取對應的複數個資料集，所述複數個資料集中的每一個資料集對應一次完整的資料採集指令。在一些實施例中，資料採集模組包含的資料為第一資料，資料集中包含的資料為第二資料。例如，資料採集模組中可以是調查問卷。在一些實施例中，資料集獲取模組710可以透過無線、有線網路或藍牙將資料採集模組發送給資料採集裝置。資料採集指令可以是使用python、selenium和/或chrome driver編寫的程式。在一些實施例中，所述資料採集指令可以是自動模擬答題程式。在一些實施例中，所述資料採集指令還包括調查問卷的選中、填寫、前進、後退、跳轉到指定題目、翻頁和/或完成等操作。在一些實施例中，資料集獲取模組710可以透過隨機變量實現對調查問卷中題目的自動回答。
資料集發送模組720可以用於所述資料採集裝置將所述複數個資料集發送給資料採集模組識別裝置，發送方式可以透過有線網路或無線網路中的任意一種或多種發送資料採集模組給資料採集模組識別裝置。
資料識別分析模組730可以用於資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件，是，則判定所述資料採集 模組為有效的資料採集模組；否，則獲取所述對應的資料集進行分析，並調整所述資料採集模組，直到複數個資料集中的每一個資料集都滿足預設條件。在一些實施例中，資料識別分析模組730可以根據第二資料中的第一編碼和第二編碼確定資料集是否滿足預設條件。例如，根據對調查問卷的應答資訊中已答題目編號(即，第一編碼)以及已答題目中選項的編號(即，第二編碼)確定資料集，確定調查問卷的跳轉邏輯、隨機邏輯、選項來源邏輯或選項顯隱邏輯是否符合預設條件。
應當理解，圖7所示的系統及其模組可以利用各種方式來實現。例如，在一些實施例中，系統及其模組可以透過硬體、軟體或者軟體和硬體的結合來實現。其中，硬體部分可以利用專用邏輯來實現；軟體部分則可以儲存在記憶體中，由適當的指令執行系統，例如微處理器或者專用設計硬體來執行。本領域技術人員可以理解上述的方法和系統可以使用電腦可執行指令和/或包含在處理器控制代碼中來實現，例如在諸如磁碟、CD或DVD-ROM的載體媒介、諸如唯讀記憶體(韌體)的可編程的記憶體或者諸如光學或電子信號載體的資料載體上提供了這樣的代碼。本申請案的系統及其模組不僅可以有諸如超大規模積體電路或閘陣列、諸如邏輯晶片、電晶體等的半導體、或者諸如現場可編程閘陣列、可編程邏輯設備等的可編程硬體設備的硬體電路實現，也可以用例如由各種類型的處理器所執行的軟體實現，還可以由上述硬體電路和軟體的結合(例如，韌體)來實現。
需要注意的是，以上對於候選項顯示、確定系統及其模組的描述，僅為描述方便，並不能把本申請案限制在所舉實施例範圍之內。可以理解，對於本領域的技術人員來說，在瞭解該系統的原理後，可能在不背離這一 原理的情况下，對各個模組進行任意組合，或者構成子系統與其他模組連接。例如，在一些實施例中，例如，圖7中披露的資料集獲取模組710、資料集發送模組720、資料識別分析模組730可以是一個系統中的不同模組，也可以是一個模組實現上述的兩個或兩個以上模組的功能。例如，資料集獲取模組710、資料集發送模組720可以是兩個模組，也可以是一個模組同時具有獲取和發送功能。例如，各個模組可以共用一個儲存模組，各個模組也可以分別具有各自的儲存模組。諸如此類的變形，均在本申請案的保護範圍之內。
本申請案實施例可能帶來的有益效果包括但不限於：(1)自動化識別判斷資料採集模組中的預設規則是否出錯，提高資料採集模組中預設規則的查錯效率；(2)透過保證資料採集模組中預設規則的準確性，達到保證網路調查問卷的品質的目的。需要說明的是，不同實施例可能產生的有益效果不同，在不同的實施例裡，可能產生的有益效果可以是以上任意一種或幾種的組合，也可以是其他任何可能獲得的有益效果。
上文已對基本概念做了描述，顯然，對於本領域技術人員來說，上述詳細披露僅僅作為示例，而並不構成對本申請案的限定。雖然此處並沒有明確說明，本領域技術人員可能會對本申請案進行各種修改、改進和修正。該類修改、改進和修正在本申請案中被建議，所以該類修改、改進、修正仍屬本申請案示範實施例的精神和範圍。
同時，本申請案使用了特定詞語來描述本申請案的實施例。如「一個實施例」、「一實施例」、和/或「一些實施例」意指與本申請案至少一個實施例相關的某一特徵、結構或特點。因此，應強調並注意的是，本說明書中在不同位置兩次或多次提及的「一實施例」或「一個實施例」或「一個替代 性實施例」並不一定是指同一實施例。此外，本申請案的一個或複數個實施例中的某些特徵、結構或特點可以進行適當的組合。
此外，本領域技術人員可以理解，本申請案的各方面可以透過若干具有可專利性的種類或情况進行說明和描述，包括任何新的和有用的工序、機器、產品或物質的組合，或對他們的任何新的和有用的改進。相應地，本申請案的各個方面可以完全由硬體執行、可以完全由軟體(包括韌體、常駐軟體、微碼等)執行、也可以由硬體和軟體組合執行。以上硬體或軟體均可被稱為「資料區塊」、「模組」、「引擎」、「單元」、「組件」或「系統」。此外，本申請案的各方面可能表現為位於一個或複數個電腦可讀媒介中的電腦產品，該產品包括電腦可讀程式編碼。
電腦儲存媒介可能包含一個內含有電腦程式編碼的傳播資料信號，例如在基頻上或作為載波的一部分。該傳播信號可能有多種表現形式，包括電磁形式、光形式等，或合適的組合形式。電腦儲存媒介可以是除電腦可讀儲存媒介之外的任何電腦可讀媒介，該媒介可以透過連接至一個指令執行系統、裝置或設備以實現通訊、傳播或傳輸供使用的程式。位於電腦儲存媒介上的程式編碼可以透過任何合適的媒介進行傳播，包括無線電、電纜、光纖電纜、RF、或類似媒介，或任何上述媒介的組合。
本申請案各部分操作所需的電腦程式編碼可以用任意一種或多種程式語言編寫，包括物件導向編程語言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常規程式化編程語言如C語言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，動態編程語言如Python、Ruby和Groovy，或其他編程語言等。該程式編碼可以完全在使 用者電腦上運行、或作為獨立的軟體套組在使用者電腦上運行、或部分在使用者電腦上運行部分在遠端電腦運行、或完全在遠端電腦或伺服器上運行。在後種情况下，遠端電腦可以透過任何網路形式與使用者電腦連接，比如區域網路(LAN)或廣域網路(WAN)，或連接至外部電腦(例如透過網際網路)，或在雲端計算環境中，或作為服務使用如軟體即服務(SaaS)。
此外，除非請求項中明確說明，本申請案所述處理元素和序列的順序、數字字母的使用、或其他名稱的使用，並非用於限定本申請案流程和方法的順序。儘管上述披露中透過各種示例討論了一些目前認為有用的發明實施例，但應當理解的是，該類細節僅具有說明的目的，附加的請求項並不僅限於披露的實施例，相反，請求項旨在覆蓋所有符合本申請案實施例實質和範圍的修正和等價組合。例如，雖然以上所描述的系統組件可以透過硬體設備實現，但是也可以只透過軟體的解決方案得以實現，如在現有的伺服器或移動設備上安裝所描述的系統。
同理，應當注意的是，為了簡化本申請案披露的表述，從而幫助對一個或複數個發明實施例的理解，前文對本申請案實施例的描述中，有時會將多種特徵歸併至一個實施例、附圖或對其的描述中。但是，這種披露方法並不意味著本申請案對象所需要的特徵比請求項中提及的特徵多。實際上，實施例的特徵要少於上述披露的單個實施例的全部特徵。
一些實施例中使用了描述成分、屬性數量的數字，應當理解的是，此類用於實施例描述的數字，在一些示例中使用了修飾詞「大約」、「近似」或「大體上」來修飾。除非另外說明，「大約」、「近似」或「大體上」表明所述數字允許有±20%的變化。相應地，在一些實施例中，說明書和請求項 中使用的數值參數均為近似值，該近似值根據個別實施例所需特點可以發生改變。在一些實施例中，數值參數應考慮規定的有效位數並採用一般位數保留的方法。儘管本申請案一些實施例中用於確認其範圍廣度的數值域和參數為近似值，在具體實施例中，此類數值的設定在可行範圍內盡可能精確。
針對本申請案引用的每個專利、專利申請案、專利申請公開物和其他材料，如文章、書籍、說明書、出版物、文獻等，特此將其全部內容併入本申請案作為參考。與本申請案內容不一致或產生衝突的申請歷史文件除外，對本申請案請求項最廣範圍有限制的文件(當前或之後附加於本申請案中的)也除外。需要說明的是，如果本申請案附屬材料中的描述、定義、和/或術語的使用與本申請案所述內容有不一致或衝突的地方，以本申請案的描述、定義和/或術語的使用為準。
最後，應當理解的是，本申請案中所述實施例僅用以說明本申請案實施例的原則。其他的變形也可能屬於本申請案的範圍。因此，作為示例而非限制，本申請案實施例的替代配置可視為與本申請案的教導一致。相應地，本申請案的實施例不僅限於本申請案明確介紹和描述的實施例。
200:流程圖
202:步驟
204:步驟
206:步驟
208:步驟

Claims (8)

  1. 一種自動識別有效資料採集模組的方法，其特徵在於，包括：獲取資料採集模組，並將所述資料採集模組發送給資料採集裝置，所述資料採集模組至少包括第一資料；所述資料採集裝置運行資料採集指令，所述資料採集指令獲取所述資料採集模組中所述第一資料的類型；所述資料採集指令根據所述第一資料的類型生成對應個數的隨機變量；所述資料採集指令基於所述隨機變量生成與所述第一資料對應的第二資料，並基於所述第二資料構成資料集，所述資料集至少包括所述第二資料；所述資料採集指令自動獲取對應的複數個資料集，所述複數個資料集中的每一個資料集對應一次完整的資料採集指令，所述資料採集裝置將所述複數個資料集發送給資料採集模組識別裝置；所述資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件，是，則判定所述資料採集模組為有效的資料採集模組；否，則獲取所述對應的資料集進行分析，並調整所述資料採集模組，直到所述複數個資料集中的每一個資料集都滿足預設條件。
  2. 如請求項1所述的方法，其中，所述資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件包括：所述資料採集模組識別裝置根據所述複數個資料集中的每一個資料集中的所述第二資料中第一編號和第二編號確定所述資料採集模 組的跳轉邏輯是否符合預設條件；所述跳轉邏輯是與所述資料採集模組中第一資料跳轉順序相關的邏輯。
  3. 如請求項1所述的方法，其中，所述資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件包括：所述資料採集模組識別裝置根據所述複數個資料集中的每一個資料集中的所述第二資料的第一編號順序或/和第二編號順序確定隨機邏輯是否符合預設條件；所述隨機邏輯是與所述資料採集模組中第一資料儲存順序相關的邏輯。
  4. 如請求項1所述的方法，其中，所述資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件包括：所述資料採集模組識別裝置根據所述複數個資料集中的每一個資料集中的所述第二資料的第二編號確定所述資料採集模組的選項顯隱邏輯或選項來源邏輯是否符合預設條件；所述選項顯隱邏輯是與所述第一資料中資料儲存方式相關的邏輯；所述選項來源邏輯是與所述資料採集模組中第一資料來源相關的邏輯。
  5. 如請求項1~4中任一項所述的方法，其中，所述資料採集指令包括選中、填寫、前進、後退、跳轉到指定題目、翻頁和/或完成。
  6. 一種自動識別有效資料採集模組的系統，其特徵在於，包括：資料集獲取模組，用於獲取資料採集模組，所述資料採集模組至少包括第一資料，並將所述資料採集模組發送給資料採集裝置，以使所述資料採集裝置運行資料採集指令；所述資料採集指令獲取所述資料採集模組中所述第一資料的類型；所述資料採集指令根據所述第一資料的類型生成對應個數的隨機變量；所述資料採集指令基於所述隨機變量生成與所述第一資料 對應的第二資料，並基於所述第二資料構成資料集，所述資料集至少包括所述第二資料；所述資料採集指令自動獲取對應的複數個資料集，所述複數個資料集中的每一個資料集對應一次完整的資料採集指令；資料集發送模組，用於所述資料採集裝置將所述複數個資料集發送給資料採集模組識別裝置；資料識別分析模組，用於資料採集模組識別裝置判定所述複數個資料集中的每一個資料集是否滿足預設條件，是，則判定所述資料採集模組為有效的資料採集模組；否，則獲取所述對應的資料集進行分析，並調整所述資料採集模組，直到複數個資料集中的每一個資料集都滿足預設條件。
  7. 一種自動識別有效資料採集模組的裝置，包括處理器，其特徵在於，所述處理器用於執行如請求項1~4中任一項所述的方法。
  8. 一種執行自動識別有效資料採集模組的方法之電腦程式載體，所述電腦程式載體儲存電腦程式，當電腦讀取所述電腦程式載體中的電腦程式後，電腦執行如請求項1~4中任一項所述的方法。
TW109141473A 2019-11-27 2020-11-26 自動識別有效資料採集模組的方法、系統、裝置及電腦程式載體 TWI791176B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201911186729.1A CN111008322B (zh) 2019-11-27 2019-11-27 一种自动识别有效数据采集模块的方法和系统
CN201911186729.1 2019-11-27

Publications (2)

Publication Number Publication Date
TW202121206A TW202121206A (zh) 2021-06-01
TWI791176B true TWI791176B (zh) 2023-02-01

Family

ID=70112064

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109141473A TWI791176B (zh) 2019-11-27 2020-11-26 自動識別有效資料採集模組的方法、系統、裝置及電腦程式載體

Country Status (5)

Country Link
US (1) US20220215413A1 (zh)
EP (1) EP3933618A4 (zh)
CN (1) CN111008322B (zh)
TW (1) TWI791176B (zh)
WO (1) WO2021104387A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111008322B (zh) * 2019-11-27 2020-10-30 广州快决测信息科技有限公司 一种自动识别有效数据采集模块的方法和系统
CN113327072B (zh) * 2021-08-04 2021-10-29 连邦网络科技服务南通有限公司 一种智能制造装备流程的数据共享方法及系统
CN117076748B (zh) * 2023-08-22 2024-05-14 企查查科技股份有限公司 数据采集方法、装置、计算机设备、存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201909005U (zh) * 2011-01-24 2011-07-27 吉林大学 一种电伺服控制推杆
US20150149621A1 (en) * 2013-11-26 2015-05-28 Iperceptions Inc. Method and survey server for generating performance metrics of urls of a website
CN104699798A (zh) * 2015-03-18 2015-06-10 腾讯科技（深圳）有限公司 样本数据的处理方法和装置
TWI493484B (zh) * 2011-12-15 2015-07-21 Ibm 自動化判斷消費者偏好程度的方法與電腦裝置
TW201909055A (zh) * 2017-07-20 2019-03-01 大陸商北京嘀嘀無限科技發展有限公司 用於分配服務請求的系統和方法
CN110334934A (zh) * 2019-06-27 2019-10-15 苏州众言网络科技股份有限公司 数据分析的方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7630986B1 (en) * 1999-10-27 2009-12-08 Pinpoint, Incorporated Secure data interchange
US20170132659A1 (en) * 2014-01-13 2017-05-11 Google Inc. Potential Revenue of Video Views
US10423983B2 (en) * 2014-09-16 2019-09-24 Snap Inc. Determining targeting information based on a predictive targeting model
US10163117B2 (en) * 2015-01-16 2018-12-25 Knowledge Leaps Disruption, Inc. System, method, and computer program product for model-based data analysis
CN106779084B (zh) * 2016-09-30 2019-07-09 广州英康唯尔互联网服务有限公司 机器学习系统及方法
CN108829839A (zh) * 2018-06-19 2018-11-16 精硕科技（北京）股份有限公司 样本可信度的验证方法、装置、存储介质及处理器
CN109325869A (zh) * 2018-09-10 2019-02-12 平安科技（深圳）有限公司 用户投保风险评估方法、装置、计算机设备和存储介质
CN111008322B (zh) * 2019-11-27 2020-10-30 广州快决测信息科技有限公司 一种自动识别有效数据采集模块的方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201909005U (zh) * 2011-01-24 2011-07-27 吉林大学 一种电伺服控制推杆
TWI493484B (zh) * 2011-12-15 2015-07-21 Ibm 自動化判斷消費者偏好程度的方法與電腦裝置
US20150149621A1 (en) * 2013-11-26 2015-05-28 Iperceptions Inc. Method and survey server for generating performance metrics of urls of a website
CN104699798A (zh) * 2015-03-18 2015-06-10 腾讯科技（深圳）有限公司 样本数据的处理方法和装置
TW201909055A (zh) * 2017-07-20 2019-03-01 大陸商北京嘀嘀無限科技發展有限公司 用於分配服務請求的系統和方法
CN110334934A (zh) * 2019-06-27 2019-10-15 苏州众言网络科技股份有限公司 数据分析的方法及装置

Also Published As

Publication number Publication date
CN111008322A (zh) 2020-04-14
US20220215413A1 (en) 2022-07-07
EP3933618A4 (en) 2023-01-04
TW202121206A (zh) 2021-06-01
EP3933618A1 (en) 2022-01-05
WO2021104387A1 (zh) 2021-06-03
CN111008322B (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
TWI791176B (zh) 自動識別有效資料採集模組的方法、系統、裝置及電腦程式載體
US11372709B2 (en) Automated testing error assessment system
US10438498B2 (en) Instructional support platform for interactive learning environments
US20190272775A1 (en) Systems and methods for ux-based automated content evaluation and delivery
US11102276B2 (en) System and method for providing more appropriate question/answer responses based upon profiles
US20200067967A1 (en) Network based intervention
US20190129964A1 (en) Digital credential field mapping
US11463748B2 (en) Identifying relevance of a video
US11501655B2 (en) Automated skill tagging, knowledge graph, and customized assessment and exercise generation
US20190251186A1 (en) Content management infrastructure for conversion of structured data
US10432478B2 (en) Simulating a user score from input objectives
US20190251145A1 (en) System for markup language conversion
KR102111658B1 (ko) 사업 보조 서비스를 제공하기 위한 소셜 마케팅 방법
US11042571B2 (en) Data redundancy maximization tool
US20190251146A1 (en) Device for rendering markup language with structured data
US20220198951A1 (en) Performance analytics engine for group responses
US10248983B1 (en) Customized item descriptions based on skill level
KR20210080561A (ko) 컨설팅 정보 처리 방법 및 장치
CN112308744A (zh) 学习管理系统、用于处理数据的方法和装置
US20220358376A1 (en) Course content data analysis and prediction
CN111538822B (zh) 一种智能客户服务机器人训练数据的生成方法和系统
KR20190021072A (ko) 온라인 상담 서비스 시스템
Pasaribu et al. Software Design of Image-based Autocorrection Essays using Deep Learning on the Website and Mobile Application
Bigham Intelligent interfaces enabling blind web users to build accessibility into the web
CN114937281A (zh) 信息处理方法、装置、电子设备以及存储介质