专利名称:基于AI PaaS平台的中文文本向量化模型的交互数据管理系统
专利类型:发明专利
专利申请号:CN202410070601.3
专利申请(专利权)人:知学云(北京)科技股份有限公司
权利人地址:北京市丰台区西四环南路101号6层637号
专利发明(设计)人:赵隽隽,潘斌,赵剑飞,欧阳禄萍,张怀仁,范喆一
专利摘要:本发明涉及智能化办公技术领域,具体为基于AI PaaS平台的中文文本向量化模型的交互数据管理系统。包括,AI PaaS平台模块、文本向量化模块以及交互数据管理模块;所述AI PaaS平台模块用于调试AI PaaS平台,划分AI PaaS平台的性能,显示AI PaaS平台的性能指标,在AI PaaS平台中集成交互数据管理功能;所述文本向量化模块用于构建词汇表,将所要存储的文本信息按照词汇表进行向量化存储;所述交互数据管理模块用于构建交互数据管理功能,用户对自身存储的文本数据进行搜索和删改,本发明基于AI PaaS平台,开发出文本向量化模型的交互数据管理系统,提高了文本数据的管理效率。
主权利要求:
1.基于AIPaaS平台的中文文本向量化模型的交互数据管理系统,其特征在于,包括,AIPaaS平台模块、文本向量化模块以及交互数据管理模块;
所述AIPaaS平台模块包括调试单元、功能集成单元、数据传输单元和数据存储单元;
所述AIPaaS平台模块用于调试AIPaaS平台,划分AIPaaS平台的性能,显示AIPaaS平台的性能指标,在AIPaaS平台中集成交互数据管理功能;
所述文本向量化模块包括词汇表单元、分词单元和向量化单元;所述文本向量化模块用于构建词汇表,划分输入的文本词汇,将所要存储的文本信息按照词汇表进行向量化存储;
所述交互数据管理模块包括数据搜索单元和数据调整单元;所述交互数据管理模块用于构建交互数据管理功能,用户对自身存储的文本数据进行搜索和删改;
所述调试单元用于创建可视化界面,分配获取的AIPaaS平台性能,通过可视化界面实时展示AIPaaS平台的性能指标;
所述功能集成单元,用于在AIPaaS平台集成所需的功能模型;通过功能集成单元将创建的交互数据管理系统导入AIPaaS平台;
所述数据传输单元,用于接收用户端向AIPaaS平台发送的请求指令以及传输AIPaaS平台向用户端发送的反馈数据;
所述数据存储单元,用于存储用户向AIPaaS平台传输的向量化文本数据、发送的请求指令以及AIPaaS平台关联功能的工作时产生的日志数据;
所述词汇表单元,用于构建中文词汇的向量表;将需要存储的中文词汇生成唯一对应的向量值,将所有词汇向量值集成为词汇表;词汇表V表示为: ;
所述分词单元,是将输入的文本进行分词;所述分词是将输入的文本分割成字符和词汇,将词汇按照词汇表的向量值进行转换存储为数据形式,若输入的文本为字符,则表示为: ;若输入的文本为词汇,则表示为: ;对每个字词和词汇的向量值增加向量空间维数,用于表示字符和词汇在文本中的位置;
所述向量化单元,用于将文本进行向量化存储,当输入新的文本时,生成初始标识向量S;当完成文本输入时,生成结束标识向量E;单个文本的存储向量数据表示为:;
所述初始标识向量S,存储了向量化文本的名称信息、向量化文本的存储位置信息和向量化文本开始存储的时间信息;所述结束标识向量E,存储了向量化文本结束存储的时间信息、向量化文本的空间大小占用信息以及向量化文本的字符和文字的数量统计信息;
所述数据搜索单元采用搜索算法,用于搜索存储的向量化文本;所述搜索算法包括词汇搜索算法和语句搜索算法;
构建的词汇搜索算法的步骤如下:
对于向量化的文本数据,计算每个文本中每个词汇的词频,并构建词汇—文本矩阵:,其中 表示词汇在向量化文本 中出现的频率;
对于每个词汇 ,创建包含词汇 的文本列表 ,表示为: ,表示为词汇 在文本列表中的文本中出现;
对于每个文本 ,使用TF‑IDF法计算文本权重:;
其中, 表示词汇 在文本 中的词频, 表示逆文本频率;
逆文本 的计算式为:
;
其中,N为总文本数量,n为包含词汇 的文本数量;
对查询的词汇 ,通过倒排索引找到包含词汇 的文本列表,按照文本权重进行排序并输出;
构建的语句搜索算法步骤如下:
设计多个哈希函数,通过多个哈希函数,将文本向量映射到不同的哈希桶中;
对于输入的查询语句,将输入的语句按照词汇表数据进行向量化,生成查询向量;
对于查询向量,使用构建的哈希函数将查询向量映射到相应的哈希桶中;
在与查询向量哈希值所映射到的哈希桶中寻找相似的文本向量;
计算每个相似的文本向量与查询向量的距离值;
选择距离值最近的文本向量进行输出。
2.根据权利要求1所述的基于AIPaaS平台的中文文本向量化模型的交互数据管理系统,其特征在于,所述数据调整单元包括,基于用户的身份和权限,对自身权限范围内的存储的文本内容进行调整;
所述调整包括对存储的文本内容进行修改和删除,并在用户修改和删除文本内容后,根据新的文本内容生成新的向量化文本数据;
在用户修改和删除自身存储的文本数据时,生成修改和删除文本数据的日志文件,将日志文件存储进AIPaaS平台的数据存储单元中。
3.一种根据权利要求1和2任一项所述的基于AIPaaS平台的中文文本向量化模型的交互数据管理系统的方法,其特征在于,所述方法包括,调试AIPaaS平台,划分AIPaaS平台的性能,显示AIPaaS平台的性能指标,在AIPaaS平台中集成交互数据管理功能;
构建词汇表,将所要存储的文本信息按照词汇表进行向量化存储;
构建交互数据管理功能,用户对自身存储的文本数据进行搜索和删改。
4.一种计算机设备,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3中所述方法的步骤。
5.一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3中所述方法的步骤。 说明书 : 基于AIPaaS平台的中文文本向量化模型的交互数据管理
系统技术领域[0001] 本发明涉及智能化办公技术领域,具体为基于AIPaaS平台的中文文本向量化模型的交互数据管理系统。背景技术[0002] AIPaaS(人工智能平台即服务)是一种云计算服务模型,提供一系列用于构建、训练和部署人工智能模型的工具和服务。AIPaaS平台旨在简化人工智能应用程序的开发过程,使开发者能够更轻松地利用先进的机器学习和深度学习技术。[0003] 文本向量化是将文本数据转换为数值向量的过程,使得计算机可以更好地理解和处理文本信息。文本向量化模型的目标是将文本中的语义信息映射到高维向量空间中,以便进行机器学习和自然语言处理任务。[0004] 在现有的技术中,没有将文本向量化模型技术搭建在AIPaaS平台中并构建交互数据管理系统的技术。[0005] 鉴于此,本发明提出基于AIPaaS平台的中文文本向量化模型的交互数据管理系统。发明内容[0006] 本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。[0007] 鉴于上述存在的问题,提出了本发明。[0008] 因此,本发明解决的技术问题是:基于AIPaaS平台,构建一种文本向量化模型的技术,并对向量化后的文本数据进行管理。[0009] 为解决上述技术问题,本发明提供如下技术方案:[0010] 基于AIPaaS平台的中文文本向量化模型的交互数据管理系统,包括,AIPaaS平台模块、文本向量化模块以及交互数据管理模块;所述AIPaaS平台模块包括调试单元、功能集成单元、数据传输单元和数据存储单元;所述文本向量化模块包括词汇表单元、分词单元和向量化单元;所述交互数据管理模块包括数据搜索单元和数据调整单元。[0011] 优选的,所述调试单元用于创建可视化界面,分配获取的AIPaaS平台性能,通过可视化界面实时展示AIPaaS平台的性能指标;[0012] 所述功能集成单元,用于在AIPaaS平台集成所需的功能模型;通过功能集成单元将创建的交互数据管理系统导入AIPaaS平台;[0013] 所述数据传输单元,用于接收用户端向AIPaaS平台发送的请求指令以及传输AIPaaS平台向用户端发送的反馈数据;[0014] 所述数据存储单元,用于存储用户向AIPaaS平台传输的向量化文本数据、发送的请求指令以及AIPaaS平台关联功能的工作时产生的日志数据。[0015] 优选的,所述词汇表单元,用于构建中文词汇的向量表;将需要存储的中文词汇生成唯一对应的向量值,将所有词汇向量值集成为词汇表;词汇表V表示为:V={W1,W2,...,Wn};[0016] 所述分词单元,是将输入的文本进行分词;所述分词是将输入的文本分割成字符和词汇,将词汇按照词汇表的向量值进行转换存储为数据形式,若输入的文本为字符,则表示为:Tfi=[C1,C2,...,Cn];若输入的文本为词汇,则表示为:Tci=[Z1,Z2,...,Zn];对每个字词和词汇的向量值增加向量空间维数,用于表示字符和词汇在文本中的位置。[0017] 优选的,所述向量化单元,用于将文本进行向量化存储,当输入新的文本时,生成初始标识向量S;当完成文本输入时,生成结束标识向量E;单个文本的存储向量数据表示为:Xi=[S,Tfi,Tci,E];[0018] 所述初始标识向量S,存储了向量化文本的名称信息、向量化文本的存储位置信息和向量化文本开始存储的时间信息;所述结束标识向量E,存储了向量化文本结束存储的时间信息、向量化文本的空间大小占用信息以及向量化文本的字符和文字的数量统计信息。[0019] 优选的,所述数据搜索单元采用搜索算法,用于搜索存储的向量化文本;所述搜索算法包括词汇搜索算法和语句搜索算法;[0020] 构建的词汇搜索算法的步骤如下:[0021] 对于向量化的文本数据,计算每个文本中每个词汇的词频,并构建词汇一文本矩阵:Matrix(Xi,tj),其中tj表示词汇在向量化文本Xi中出现的频率;[0022] 对于每个词汇tj,创建包含词汇ti的文本列表in(tj),表示为:in(tj)={Xi…},表示为词汇ti在文本列表中的文本中出现;[0023] 对于每个文本Xi,使用TF‑IDF法计算文本权重:[0024] TF‑IDF(tj,di)=TF(tj,Xi)×IDF(tj)[0025] 其中,TF(tj,Xi)表示词汇tj在文本Xi中的词频,IDF(tj)表示逆文本频率;逆文本IDF(tj)的计算式为:[0026][0027] 其中,N为总文本数量,n为包含词汇tj的文本数量;[0028] 对查询的词汇tj,通过倒排索引找到包含词汇tj的文本列表,按照文本权重进行排序并输出。[0029] 优选的,构建的语句搜索算法步骤如下:[0030] 设计多个哈希函数,通过多个哈希函数,将文本向量映射到不同的哈希桶中;[0031] 对于输入的查询语句,将输入的语句按照词汇表数据进行向量化,生成查询向量;[0032] 对于查询向量,使用构建的哈希函数将查询向量映射到相应的哈希桶中;[0033] 在与查询向量哈希值所映射到的哈希桶中寻找相似的文本向量;[0034] 计算每个相似的文本向量与查询向量的距离值;[0035] 选择距离值最近的文本向量进行输出。[0036] 优选的,所述数据调整单元包括,基于用户的身份和权限,对自身权限范围内的存储的文本内容进行调整;[0037] 所述调整包括对存储的文本内容进行修改和删除,并在用户修改和删除文本内容后,根据新的文本内容生成新的向量化文本数据;[0038] 在用户修改和删除自身存储的文本数据时,生成修改和删除文本数据的日志文件,将日志文件存储进AIPaaS平台的数据存储单元中。[0039] 一种基于AIPaaS平台的中文文本向量化模型的交互数据管理系统的方法,所述方法包括,[0040] 调试AIPaaS平台,划分AIPaaS平台的性能,显示AIPaaS平台的性能指标,在AIPaaS平台中集成交互数据管理功能;[0041] 构建词汇表,将所要存储的文本信息按照词汇表进行向量化存储;[0042] 构建交互数据管理功能,用户对自身存储的文本数据进行搜索和删改。[0043] 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,所述处理器执行所述计算机程序时实现所述的基于AIPaaS台的Elasticsearch文本向量化搜索方法的步骤。[0044] 一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的基于AIPaaS平台的Elasticsearch文本向量化搜索方法的步骤。[0045] 本发明的有益效果:本发明基于AIPaaS平台,将AIPaaS平台作为底座,开发出文本向量化模型的交互数据管理系统,可以同时让多用户进行管理文本数据。[0046] 基于AIPaaS平台的云服务特性,本发明极大地降低了此类系统的部署成本和运营成本,通过自建的管理算法,优化了文本数据管理的交互功能,提升了用户在管理自身存储的文本数据的便捷性,并且通过相应的用户权限与数据安全性的功能设定,提升了用户存储和访问文本数据的隐私性和安全性。附图说明[0047] 为了更清楚地说明本发明实施例的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:[0048] 图1为基于AIPaaS平台的中文文本向量化模型的交互数据管理系统的结构图;[0049] 图2为基于AIPaaS平台的文本向量化模型的交互数据管理方法的流程图;[0050] 图3是本申请一个实施例提供的电子设备结构示意图;[0051] 图4是本申请一个实施例提供的计算机可读存储介质结构示意图。具体实施方式[0052] 为使本发明的上述目的、特征和优点能够更加浅显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。[0053] 在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。[0054] 其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。[0055] 本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。[0056] 同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。[0057] 本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。[0058] 实施例1[0059] 参照图1,本发明的第一个实施例,提供了基于AIPaaS平台的中文文本向量化模型的交互数据管理系统。[0060] 具体的,所述系统包括,AIPaaS平台模块、文本向量化模块以及交互数据管理模块。[0061] 所述AIPaaS平台模块包括调试单元、功能集成单元、数据传输单元和数据存储单元;所述AIPaaS平台模块用于调试AIPaaS平台,划分AIPaaS平台的性能,显示AIPaaS平台的性能指标,在AIPaaS平台中集成交互数据管理功能。[0062] 所述文本向量化模块包括词汇表单元、分词单元和向量化单元;所述文本向量化模块用于构建词汇表,将所要存储的文本信息按照词汇表进行向量化存储。[0063] 所述交互数据管理模块包括数据搜索单元和数据调整单元;所述交互数据管理模块用于构建交互数据管理功能,用户对自身存储的文本数据进行搜索和删改。[0064] 所述调试单元用于创建可视化界面,分配获取的AIPaaS平台性能,通过可视化界面实时展示AIPaaS平台的性能指标。[0065] 所述功能集成单元,用于在AIPaaS平台集成所需的功能模型;通过功能集成单元将创建的交互数据管理系统导入AIPaaS平台,功能集成单元还可以用于集成其他功能,可用于对构建的AIPaaS平台模块功能进行扩展。[0066] 通过功能集成单元,可在AIPaaS平台中部署训练好的模型和完成开发的系统。[0067] 所述数据传输单元,用于接收用户端向AIPaaS平台发送的请求指令以及传输AIPaaS平台向用户端发送的反馈数据。[0068] 所述传输单元将需要传输的数据进行编码和解码,支持不同的传输协议,基于实际通信需求,选择对应的传输协议,并对传输的数据进行加密传输。[0069] 所述数据存储单元,用于存储用户向AIPaaS平台传输的向量化文本数据、发送的请求指令以及AIPaaS平台关联功能的工作时产生的日志数据。[0070] 数据存储单元为数据库,根据实际需求配置数据库的性能。[0071] 所述词汇表单元,用于构建中文词汇的向量表;将需要存储的中文词汇生成唯一对应的向量值,将所有词汇向量值集成为词汇表;词汇表V表示为:V={W1,W2,...,Wn}。[0072] 词汇表根据需要存储的文本数据范围进行预先生成,当出现范围外的词汇时,立即对范围外的词汇进行向量生成,并将该词汇收录进词汇表中。[0073] 所述分词单元,是将输入的文本进行分词;所述分词是将输入的文本分割成字符和词汇,将词汇按照词汇表的向量值进行转换存储为数据形式,若输入的文本为字符,则表示为:Tfi=[C1,C2,...,Cn];若输入的文本为词汇,则表示为:Tci=[Z1,Z2,...,Zn];对每个字词和词汇的向量值增加向量空间维数,用于表示字符和词汇在文本中的位置。[0074] 所述向量化单元,用于将文本进行向量化存储,当输入新的文本时,生成初始标识向量S;当完成文本输入时,生成结束标识向量E;单个文本的存储向量数据表示为:Xi=[S,Tfi,Tci,E]。[0075] 所述初始标识向量S,存储了向量化文本的名称信息、向量化文本的存储位置信息和向量化文本开始存储的时间信息;所述结束标识向量E,存储了向量化文本结束存储的时间信息、向量化文本的空间大小占用信息以及向量化文本的字符和文字的数量统计信息。[0076] 所述数据搜索单元采用搜索算法,用于搜索存储的向量化文本;所述搜索算法包括词汇搜索算法和语句搜索算法。[0077] 构建的词汇搜索算法的步骤如下:[0078] 对于向量化的文本数据,计算每个文本中每个词汇的词频,并构建词汇一文本矩阵:Matrix(Xi,tj),其中tj表示词汇在向量化文本Xi中出现的频率;[0079] 对于每个词汇tj,创建包含词汇ti的文本列表in(tj),表示为:in(tj)={Xi…},表示为词汇tj在文本列表中的文本中出现;[0080] 对于每个文本Xi,使用TF‑IDF法计算文本权重:[0081] TF‑IDF(tj,di)=TF(tj,Xi)×IDF(tj)[0082] 其中,TF(tj,Xi)表示词汇tj在文本Xi中的词频,IDF(tj)表示逆文本频率;[0083] 逆文本IDF(tj)的计算式为:[0084][0085] 其中,N为总文本数量,n为包含词汇tj的文本数量;[0086] 对查询的词汇tj,通过倒排索引找到包含词汇tj的文本列表,按照文本权重进行排序并输出。[0087] 构建的语句搜索算法步骤如下:[0088] 设计多个哈希函数,通过多个哈希函数,将文本向量映射到不同的哈希桶中;[0089] 对于输入的查询语句,将输入的语句按照词汇表数据进行向量化,生成查询向量;[0090] 对于查询向量,使用构建的哈希函数将查询向量映射到相应的哈希桶中;[0091] 在与查询向量哈希值所映射到的哈希桶中寻找相似的文本向量;[0092] 计算每个相似的文本向量与查询向量的距离值;[0093] 选择距离值最近的文本向量进行输出。[0094] 所述数据调整单元包括,基于用户的身份和权限,对自身权限范围内的存储的文本内容进行调整。[0095] 所述调整包括对存储的文本内容进行修改和删除,并在用户修改和删除文本内容后,根据新的文本内容生成新的向量化文本数据。[0096] 在用户修改和删除自身存储的文本数据时,生成修改和删除文本数据的日志文件,将日志文件存储进AIPaaS平台的数据存储单元中。[0097] 实施例2[0098] 本发明的第二个实施例,提供基于AIPaaS平台的文本向量化模型的交互数据管理方法。[0099] S1:调试AIPaaS平台,划分AIPaaS平台的性能,显示AIPaaS平台的性能指标,在AIPaaS平台中集成交互数据管理功能。[0100] S101:创建可视化界面,分配获取的AIPaaS平台性能,通过可视化界面实时展示AIPaaS平台的性能指标。[0101] S102:在AIPaaS平台集成所需的功能模型;通过功能集成单元将创建的交互数据管理系统导入AIPaaS平台。[0102] S103:接收用户端向AIPaaS平台发送的请求指令以及传输AIPaaS平台向用户端发送的反馈数据。[0103] S104:存储用户向AIPaaS平台传输的向量化文本数据、发送的请求指令以及AIPaaS平台关联功能的工作时产生的日志数据。[0104] S2:构建词汇表,将所要存储的文本信息按照词汇表进行向量化存储。[0105] S201:构建中文词汇的向量表;将需要存储的中文词汇生成唯一对应的向量值,将所有词汇向量值集成为词汇表。[0106] S202:将输入的文本分割成字符和词汇,将词汇按照词汇表的向量值进行转换存储为数据形式。[0107] S203:将文本进行向量化存储,当输入新的文本时,生成初始标识向量S;当完成文本输入时,生成结束标识向量E。[0108] S3:构建交互数据管理功能,用户对自身存储的文本数据进行搜索和删改。[0109] S301:采用搜索算法,用于搜索存储的文本内容。[0110] S302:对存储的文本内容进行修改和删除,并在用户修改和删除文本内容后,根据新的文本内容生成新的向量化文本数据。[0111] 实施例3[0112] 图3是本申请一个实施例提供的电子设备结构示意图。如图3所示,根据本申请的又一方面还提供了一种电子设备500。该电子设备500可包括一个或多个处理器以及一个或多个存储器。其中,存储器中存储有计算机可读代码,计算机可读代码当由一个或多个处理器运行时,可以执行如上所述的多源异构数据驱动的智能制造决策方法。[0113] 根据本申请实施方式的方法或系统也可以借助于图3所示的电子设备的架构来实现。如图3所示,电子设备500可包括总线501、一个或多个CPU502、只读存储器(ROM)503、随机存取存储器(RAM)504、连接到网络的通信端口505、输入/输出组件506、硬盘507等。电子设备500中的存储设备,例如ROM503或硬盘507可存储本申请提供的多源异构数据驱动的智能制造决策方法。多源异构数据驱动的智能制造决策方法,包括:调试AIPaaS平台,划分AIPaaS平台的性能,显示AIPaaS平台的性能指标,在AIPaaS平台中集成交互数据管理功能;构建词汇表,将所要存储的文本信息按照词汇表进行向量化存储;[0114] 构建交互数据管理功能,用户对自身存储的文本数据进行搜索和删改。进一步地,电子设备500还可包括用户界面508。当然,图3所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以省略图3示出的电子设备中的一个或多个组件。[0115] 实施例4[0116] 图4是本申请一个实施例提供的计算机可读存储介质结构示意图。如图4所示,是根据本申请一个实施方式的计算机可读存储介质600。计算机可读存储介质600上存储有计算机可读指令。当计算机可读指令由处理器运行时,可执行参照以上附图描述的根据本申请实施方式的多源异构数据驱动的智能制造决策方法。存储介质600包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。[0117] 另外,根据本申请的实施方式,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质存储有机器可读指令,所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令,例如:调试AIPaaS平台,划分AIPaaS平台的性能,显示AIPaaS平台的性能指标,在AIPaaS平台中集成交互数据管理功能;构建词汇表,将所要存储的文本信息按照词汇表进行向量化存储;构建交互数据管理功能,用户对自身存储的文本数据进行搜索和删改。[0118] 可能以许多方式来实现本申请的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本申请的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本申请实施为记录在记录介质中的程序,这些程序包括用于实现根据本申请的方法的机器可读指令。因而,本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。[0119] 另外,本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。[0120] 如上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是,以上所述仅为本发明的具体实施方式,并不用于限制本发明。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。
专利地区:北京
专利申请日期:2024-01-17
专利公开日期:2024-09-03
专利公告号:CN117891918B