CN103198087A - 用于分析建议请求的关联存储器技术 - Google Patents
用于分析建议请求的关联存储器技术 Download PDFInfo
- Publication number
- CN103198087A CN103198087A CN2012104044368A CN201210404436A CN103198087A CN 103198087 A CN103198087 A CN 103198087A CN 2012104044368 A CN2012104044368 A CN 2012104044368A CN 201210404436 A CN201210404436 A CN 201210404436A CN 103198087 A CN103198087 A CN 103198087A
- Authority
- CN
- China
- Prior art keywords
- data
- associative storage
- suggestion
- suggestion requests
- requests
- 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.)
- Granted
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
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90339—Query processing by using parallel associative memories or content-addressable memories
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06Q10/10—Office automation; Time management
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Document Processing Apparatus (AREA)
Abstract
本发明涉及一种用于分析建议请求的***。该***包括关联存储器,该关联存储器包括具有多个关联性的多个数据。该***也包括与关联存储器通信的输入装置。该输入装置被配置为以关联存储器可理解的格式向关联存储器提供建议请求。关联存储器被配置为整理建议请求以包括在多个数据内,其中形成整理的建议请求。该***也包括与关联存储器通信的分析器。关联存储器被配置为通过以下步骤来分析整理的建议请求:接收包含一个或更多词语的查询;基于该查询在关联存储器中生成多个数据之间的关系;以及基于该查询返回输出,输出包括在整理的建议请求中呈现的要求或其它属性。
Description
技术领域
本公开总体涉及使用在关联存储器中大量存储数据,从而使分析员能够迅速分析建议请求,并产生对建议请求的响应。
背景技术
政府机构和一些私营公司在讨论决定购买货物或服务时,这些组织有时将发布建议请求(RFP)。广义地说,建议请求可以描述目标、要求、期望、限制或由购买组织阐述的关于该建议请求的其它参数。销售商可以通过以特定成本或成本范围出售请求的货物或服务的一个或多个建议来响应建议请求。建议也可以概述生产计划、研究计划、组织详情、对要求或属性的响应以及可能的许多其它因素。购买组织可以选择接受建议中的一个或更多,据此购买组织可以进入合同谈判,并可能最终进入与供应胜出的建议的销售商的合同。
建议请求会变得非常复杂。在一些情况下,建议请求可以跨越还没有开发的复杂产品的整个产品线,例如具有未开发能力的飞行器。建议请求可以跨越许多年的工作,并可以包括难以预测的基础科学研究。
建议请求也可以受经常由相同购买组织公布的其它文档影响。例如,一些政府代理可以发布“广泛代理公告”(BAA),其可以概括代理目标,并帮助合适的销售商响应最终的建议请求。一些请求组织可以发布***请求、简短技术文件请求,并且销售商可以提交响应该请求的***。建议请求通过引用可以包括可能由第三方提交的广泛代理公告或***。建议请求通过引用也可以包括许多其它类型的文档。
因此,引置条款的复杂性和使用可以使任何给定的建议请求得以扩展,即使文档自身是简短的。然而,建议请求可以是冗长的复杂的文档,其具有通过引用而包括的又一些其它文档。出于该原因,建议请求可以跨越成千上万页的文档或更多。
因为建议请求和所包括的文档经常是非结构化或“自由文本”形式,所以使用“文本搜索”或其它搜索引擎经常是缓慢且耗时的。使用这样的常规关键字搜索会要求分析员阅读不希望量的文本。接着将有用信息集中,从而确定完整范围的要求、请求中反映的最大需求或希望、用于解决需求或希望的有效途径以及可用途径成功的相对概率。该过程会消耗不希望量的时间,并会要求显著程度的主题专门知识来确定什么信息是相关的、什么对发布组织实际上最重要以及什么信息应在建议中具体响应。
当进一步增加准备建议的难度时,发布组织会仅允许短暂时间来准备响应。结果,尤其在响应复杂建议请求时,销售商会起草详述销售商能力而不是解决隐藏在建议请求中的具体需求或属性的“***型(shotgun-style)”响应。换句话说,相对于准备期望响应所需要的时间,必须比所希望的更快地准备响应,导致了销售商、发布组织或两者可能没有按期望地考虑建议。
以精确且有效的方式对一组大量文档迅速响应可能是困难的,甚至是不实际的,并且会涉及主题专家和辅助人员的整个小组的许多小时的劳动,对于销售商来说代价巨大。考虑到任何特定建议可能或可能没有被请求组织接受,希望提交建议请求响应的销售商会期望有效并准确且完整产生建议。
发明内容
有利实施例提供用于分析建议请求并用于开发对建议请求的响应的***。该***包括关联存储器,该关联存储器包括具有多个关联性的多个数据。该多个数据被收集到数据的关联单元中。关联存储器被配置为基于至少一个关系进行查询,所述至少一个关系选自于包括多个数据之间的直接关系和间接关系的群组中。关联存储器进一步包括内容可寻址结构。该***也包括与关联存储器通信的输入装置。该输入装置被配置为以关联存储器可理解的格式向关联存储器提供建议请求。关联存储器被配置为整理建议请求以包括在多个数据内,其中形成整理的建议请求。该***也包括与关联存储器通信的分析器。关联存储器被配置为通过以下步骤来分析整理的建议请求:接收包含一个或更多词语的查询;基于该查询在关联存储器中生成多个数据之间的关系;以及基于该查询返回输出,输出包括在整理的建议请求中呈现的要求或其它属性。
有利实施例也提供用于分析建议请求并用于开发对建议请求的响应的方法。该方法可以使用处理器连同关联存储器实现,关联存储器包括具有多个关联性的多个数据。该多个数据被收集到数据的关联单元中。关联存储器被配置为基于至少一个关系进行查询,所述至少一个关系选自于包括多个数据之间的直接关系和间接关系的群组中。关联存储器进一步包括内容可寻址结构。该方法包括以关联存储器可理解的格式接收建议请求到关联存储器。该方法也包括在关联存储器中整理建议请求,使得该建议请求被包括在多个数据内,其中形成整理的建议请求。该方法也包括使用处理器连同关联存储器,通过以下步骤来分析整理得建议请求:接收包含一个或更多词语的查询;以及基于该查询在关联存储器中生成多个数据之间的关系。该方法也包括使用处理器连同关联存储器,基于该查询返回输出,输出包括在整理的建议请求中呈现的要求或其它属性。
有利实施例还提供数据处理***,其包含处理器、连接到处理器的总线、连接到总线的关联存储器以及连接到总线的非暂时性计算机可读存储介质。关联存储器包括具有多个关联性的多个数据。该多个数据被收集到数据的关联单元中。关联存储器被配置为基于至少一个关系进行查询,所述至少一个关系选自于包括多个数据之间的直接关系和间接关系的群组中。关联存储器进一步包括内容可寻址结构。非暂时性计算机可读存储介质存储在由处理器执行时实现方法的一组指令。该方法包括以关联存储器可理解的格式在关联存储器中接收建议请求。该方法还包括在关联存储器中整理建议请求,使得该建议请求被包括在多个数据内,其中形成整理的建议请求。该方法进一步包括使用处理器连同关联存储器,通过以下步骤来分析整理的建议请求:接收包含一个或更多词语的查询;以及基于该查询在关联存储器中生成多个数据之间的关系。该方法还包括使用处理器连同关联存储器,基于该查询返回输出,输出包括在整理的建议请求中呈现的要求或其它属性。
有利实施例也提供非暂时性计算机可读存储介质,其存储一组指令,该指令在由处理器执行时实现用于分析建议请求并用于开发对建议请求的响应的方法。该方法可以使用处理器连同关联存储器实现,关联存储器包括具有多个关联性的多个数据。该多个数据被收集到数据的关联单元中。关联存储器被配置为基于至少一个关系进行查询,所述至少一个关系选自于包括多个数据之间的直接关系和间接关系的群组中。关联存储器进一步包括内容可寻址结构。该指令可以包括用于以关联存储器可理解的格式向关联存储器提供建议请求的指令。该指令可以包括如下指令,其用于在关联存储器中整理建议请求,使得该建议请求被包括在多个数据内,其中形成整理的建议请求。该指令可以包括如下指令,其用于使用处理器连同关联存储器,通过以下步骤来分析整理的建议请求:接收包含一个或更多词语的查询;以及基于该查询在关联存储器中生成多个数据之间的关系。该指令可以包括如下指令,其用于使用处理器连同关联存储器,基于该查询返回输出,输出包括在整理的建议请求中呈现的要求或其它属性。
特征、功能和优点可以在本公开的各种实施例中独立实现,或可以在其它实施例中组合实现,其中进一步详情参考下面描述和附图实现。
附图说明
在随附的权利要求中阐述了被认为是表征了有利实施例的新颖特征。然而,通过结合附图阅读本公开的有利实施例的下面详细描述,将更好地理解有利实施例以及使用的优选模式、其他目标及其优点,其中:
图1是根据有利实施例的用于分析建议请求的***的框图的图解;
图2是根据有利实施例的用于分析建议请求的过程的流程图的图解;
图3是根据有利实施例的用于分析建议请求的过程的流程图的图解;
图4是根据有利实施例的单个分析员分析建议请求的图解;
图5是根据有利实施例的多个分析员分析建议请求的图解;
图6是根据有利实施例的分析员使用关联存储器分析建议请求的图解;以及
图7是根据有利实施例的数据处理***的图解。
具体实施方式
有利实施例认识到并考虑到,提交准确、完全且有效产生的建议请求会是不实际的。即使有效产生,但相对说来,组织可以寻求进一步增加响应建议请求的效率。有利实施例也认识到并考虑到,许多类型的数据可以作为准备对建议请求的响应的一部分来分析,而且在期望的时间规模上分析所有可用数据会是不实际的。因此,有利实施例为用户提供了一种为生成建议请求的目的而迅速识别和评估数据的机制。有利实施例可以用具有许多其它应用。
例如,有利实施例可以利用关联存储器作为处理大量自由文本文档以及可能的其它种类数据的一部分。有利实施例可以利用存储在关联存储器中的关联性来在全部一组数据中迅速且有效地找到相关数据和趋势,由此增加评估的速度和准确性。由于使用有利实施例进行查询,发布建议请求的组织的要求或目标会变得明显。否则这些要求或目标可能会完全不明显。接着,可以使用评估来生成建议请求。换句话说,有利实施例可以减小用来集中和处理用来开发对建议请求的响应或响应草案的数据的时间和工作的量。
在特定非限制有利实施例中,可以向分析员或计划员派给开发建议请求以生产具有期望属性的一种新飞行器的任务。在发布建议请求时实现期望属性的技术可能不存在。在执行该任务时,计划员会受益于当对相关技术进行检索时知道过去已经做过什么和没有做过什么,以及针对相关建议请求过去已经做过什么和没有做过什么。经常,这类数据的形式可以是过去的建议请求、对过去的建议请求响应、广泛代理公告、***、技术出版物以及其它数据源。阅读该组数据中的每个文档,以便提取和集中公共情形、识别所学到的有价值经验以及开发对建议请求的有效响应,这个任务会是人工密集的、耗时的,并易于造成人为误差的。这些缺点会随着检阅的数据量增加而增加。
然而,有利实施例考虑通过集中不同的数据源(例如上面描述的数据源)来生成特定关联存储器。该关联存储器的焦点可以是记住实体、它们的属性以及与在源中描述的条件、目标和/或要求有关的关联性和关系。通过使用关联存储器识别实体之间的关联性和关系,分析员或计划员有能力揭示在人工检阅过程期间可能不可辨别的模式和有价值的信息。因此,有利实施例可以发挥关联存储器的作用,以迅速执行原来一个或更多分析员花费许多小时或更长时间来执行的相同任务。该优点可以为分析员或计划员节省出有价值的时间。该优点也可以减小人为误差的趋势,并增加人力资源的操作效率。
在有利实施例中,过程可以包括查询关联存储器。该查询可以产生与在查询中输入的条目关联的要求或属性的结果列表。返回的列表可以基于查询来排序或排列。
有利实施例可以通过在不限制任何数据的情况下将非结构化的自由文本数据分解成可辨认和可比较的单元,以此来处理该数据。有利实施例可以避免使用约简算法或规则,例如在许多其它数据挖掘技术中使用的那些。
如在此使用,术语“关联存储器”指代多个数据和多个数据之间的多个关联性。数据和关联性可以被存储在非暂时性计算机可读存储介质中。多个数据可以被收集到关联组中。关联存储器可以被配置为除了基于多个数据之间的直接相关性之外,还基于多个数据之间的间接关系进行查询。关联存储器也可以被配置为基于直接关系以及直接和间接关系的组合来查询。关联存储器可以被配置为将多个数据中的输入模式映射到多个数据中的输出模式。
有利实施例提供关联存储器,该关联存储器包含多个数据和多个数据之间的多个关联性。多个数据可以被收集到关联组中。关联存储器可以被配置为除了基于多个数据之间的直接相关性之外,还基于多个数据之间的、选自于包括直接和间接关系的群组中的至少一个关系进行查询。关联存储器也可以采取软件的形式。因此,关联存储器也可以认为是为了获得新见识/知识而基于关系而不是直接相关性来将信息收集到关联组中的过程。
如在此使用,“视点(perspective)”可以是“观点”。对于关联存储器,视点可以是针对用户域的特定方面的文本的选择。如在此使用,“***视点”是如下一种类型的视点,其可以反馈到关联存储器中,并且可以作为可能资源从其它视点可见。
如在此使用,“建议请求”可以包括标题为“建议请求”的实际文档,但也可以包括通过引用合并到建议请求中的任何文档,并且也可以包括提出建议或进入合同或合同谈判的任何其它恳求。因此,有利实施例不仅仅限于标题为“建议请求”的文档,而是可以包括“投标和建议”,或任何其它恳求。术语“建议请求”也可以包括信息请求,而不恳求建议、合同或合同请求。例如,术语“建议请求”可以考虑***请求、技术文档请求,或另一信息请求。有利实施例可以由多个用户使用,包括一个或更多请求组织、一个或更多销售商、一个或更多分包销售商、一个或更多主题专家、一个或更多第三方或各种其它用户,其中可能是多个这样的用户协调工作以准备对建议请求的响应。
图1是根据有利实施例的用于分析建议请求的***的框图的图解。在图1中示出的***100可以使用一个或更多数据***实现,可能在分布或联网环境中实现,并可能由称为“云”的一群远程管理数据***实现。实施***100的一个或更多数据处理***中的每一个可以是关于图7描述的数据处理***700,或其变体。***100可以被表征为包括由各个名称引用的一个或更多部件。这些部件中的每一个可以分离或可以是单个架构的一部分,或一些部件可以被组合到与***100中的其它部件通信的一个硬件或软件***中。***100可以采取硬件、软件或其组合的形式。
***100可以是用于分析非结构化数据的***,但也可以是用于分析其它种类数据的***,例如但不限于结构化数据、视频数据、音频数据、图片数据、加密数据以及许多其它种类数据。***100可以包括关联存储器102,关联存储器102包括具有多个关联单元106的多个数据104。数据的关联单元可以是以一些方式相互关联的两个或更多数据。例如,两个数据可以是相互关联的名称和地方,因为名称和地方都与同一建议请求关联。该例子绝不限制两个或更多数据之间的关联性,因为许多不同例子在许多不同类型的背景中是可能的。
在有利实施例中,关联存储器102可以被配置为基于至少一个关系来查询,所述至少一个关系选自于包括多个数据104之间的直接关系108和间接关系110的群组中。直接关系的例子可以是数据的关联单元的例子,例如与地方关联的名称,如上面描述。
在直接关系不存在,但其中数据间接连接时存在间接关系。间接关系的例子可以是数据的第一关联单元何时直接与数据的第二关联单元相关,并且数据的第三关联单元何时直接与数据的第二关联单元相关。在此情况下,可以认为数据的第一关联单元和数据的第三关联单元相互间接相关。例如,名称可以直接与地方相关,而事件可以直接与同一地方相关。在此情况下,该名称可以与该事件间接关联。直接和间接关系的许多其它例子是可能的。
在有利实施例中,关联存储器102进一步可以包括内容可寻址结构112。内容可寻址结构112可以给关联存储器102提供基于多个数据104的内容自身,而不是仅基于与多个数据104的内容关联的地址来查询的能力。在有利实施例中,内容可寻址结构112可以将多个数据104中的输入模式映射到多个数据104中的输出模式。
在有利实施例中,***100可以包括与关联存储器102通信的输入装置114。输入装置114可以被配置为以关联存储器102可理解的格式120将来自发布者118的建议请求116提供到关联存储器102。关联存储器102可以被配置为将建议请求116整理(digest)为被包括在多个数据104内。这样,可以形成整理的建议请求122。
***100也可以包括与关联存储器102通信的分析器124。分析器124可以被配置为通过以下步骤来分析整理的建议请求122:接收包含一个或更多词语128的查询126,基于查询126在关联存储器102中生成多个数据之间的关系130,并返回输出132,输出132可以包括基于查询126在整理的建议请求122中呈现的要求或其它属性134。
在有利实施例中,分析器124可以进一步被配置为返回输出132,使得将在显示单元138上最显著显示整理的建议请求122中的要求或其它属性134中对建议请求116的发布者118最重要的子集136。显示单元138可以体现为任何方便形式,例如图7中的显示器714。
在另一有利实施例中,分析器124可以进一步被配置为将整理的建议请求122与先前接收的第二建议请求140比较,从而形成比较结果142。在此情况下,分析器124可以进一步被配置为基于比较结果142修改输出132,从而形成修改的输出144。在另一有利实施例中,分析器124可以进一步被配置为基于应用到要求或其它属性134的一个或更多权重146,返回输出132。在另一有利实施例中,分析器124可以进一步被配置为将整理的建议请求122与第二建议请求的先前响应147比较,从而形成第二比较结果148。在此情况下,分析器124可以进一步被配置为基于第二比较结果148修改输出132,从而形成第二修改的输出150。
在有利实施例中,***100可以进一步包括文档管理***152。在有利实施例中,文档管理***152可以被配置为接收输出132,并使用输出132产生对建议请求的响应的草案154。文档管理***152也可以被配置为接收第二修改的输出150,并使用第二修改的输出150产生对建议请求的响应的草案154。在有利实施例中,文档管理***152可以进一步被配置为接收用户输入156,并将用户输入156与输出132和/或修改的输出144和/或第二修改的输出150合并,从而产生对建议请求的响应的草案154。
在有利实施例中,多个数据104可以包括非结构化数据158和自由文本数据160的至少一个。在有利实施例中,查询126可以从关联存储器102的***视点162接收。在此情况下,分析器124可以进一步被配置为返回输出132,使得在显示单元138上最显著显示整理的建议请求122中的需求或其它属性134中对建议请求116的发布者118最重要的子集136。此外,分析器124可以被配置为基于查询126返回要求或其它属性134的子集136。
在有利实施例中,分析器124可以进一步被配置为生成一组链接164,该组链接164将要求或其它属性134链接到在整理的建议请求122中找到的基础数据166。在此情况下,显示单元138可以与分析器124通信。显示单元138可以被配置为显示输出132和该组链接164。
在有利实施例中,显示单元138可以被配置为显示在第一列170中组织的多个分类168,并也显示在第二列174中组织的多个属性172。在此情况下,跨第一列170和第二列174的行176可以包括多个属性172中与多个分类168中的特定分类项目180对应的多组属性178。在有利实施例中,显示单元138可以被配置为使多组属性178中的第一属性182突出/高亮。第一属性182可以指示整理的建议请求122中对建议请求116的发布者118最重要的特定要求184。
在有利实施例中,分析器124可以进一步被配置为通过基于查询126发现多个数据之间的关系130并存储这些关系,以此来分析整理的建议请求122。在有利实施例中,分析器124可以进一步被配置为在比单独工作的人能够分析多个数据104并返回输出132的时间更快的时间内返回输出132。
因此,有利实施例可以使用与定制用户接口耦合的关联存储器技术,从而使负责完成建议请求响应的商业分析员能够更有效分析建议请求的要求,更好地理解对发布建议请求的组织最重要的那些要求,将建议请求与先前接收的建议请求比较从而发挥(leverage)过去的工作,并响应于建议请求产生建议文档,其比人单独工作更彻底地解决文档中的要求或其它属性。以此方式,可以提高接受建议并且随后签订合同的几率。
图2是根据有利实施例的用于分析建议请求的过程的流程图的图解。在图2中示出的过程200可以在模块、***或数据处理***(例如图1的***100或图7的数据处理***700)中实现。针对图2描述的过程200可以用存储计算机可读代码的非暂时性计算机可读介质的形式实现,该代码在由处理器实现时可以执行针对图2描述的方法。尽管图2的操作被描述为由“***”实现,但过程200不限于由图1和图7的***实现,而是还可以由可能在分布或联网环境中的一个或更多实际或虚拟数据***实现。过程200可以使用硬件、软件或其组合实现。尽管下面为过程200描述的操作被呈现为由处理器执行,但下面描述的操作可以由以下部件执行:图1的关联存储器102、图7的关联存储器728、图1的分析器124、图7的处理器单元704、图1的***100、图7的数据处理***700,或由任何合适的软件部件、硬件部件或其组合执行。
过程200可以开始于在关联存储器中以关联存储器可理解的格式接收建议请求,其中关联存储器包含具有多个关联性的多个数据,其中多个数据被收集到数据的关联单元中,其中关联存储器被配置为基于从包括多个数据之间的直接关系和间接关系的群组中选择的至少一个关系进行查询,并且其中关联存储器进一步包括内容可寻址结构(操作202)。接下来,过程200可以包括在关联存储器中整理建议请求,使得建议请求被包括在多个数据内,其中形成整理的建议请求(操作204)。
接着,过程200可以包括使用处理器连同关联存储器,通过以下步骤来分析整理的建议请求(操作206):接收包含一个或更多词语的查询并基于该查询在关联存储器中生成多个数据之间的关系。接着,过程200可以包括使用处理器连同关联存储器,返回包括基于该查询在整理的建议请求中呈现的要求或其它属性的输出(操作208)。此后,过程可以终止。
在图2中示出的有利实施例不意味着对可以实现不同有利实施例的方式进行物理或架构限制。可以使用除图解操作之外的其它操作,或代替图解操作的其它操作。在一些有利实施例中,一些操作可以是不必需的。同样,呈现方框是为了图解一些操作。当在不同有利实施例中实现时,这些方框中的一个或更多可以被组合和/或分为不同方框。
图3是根据有利实施例的用于分析建议请求的过程的流程图的图解。过程300可以是在图2中示出的过程200的扩展。在图3中示出的过程300可以在模块、***或数据处理***(例如图1的***100或图7的数据处理***700中)实现。针对图3描述的过程300可以用存储计算机可读代码的非暂时性计算机可读介质的形式实现,该代码在由处理器实现时可以执行针对图3描述的方法。尽管图3的操作被描述为由“***”实现,但过程300不限于由图1和图7的***实现,而是可以由可能在分布或联网环境中的一个或更多实际或虚拟数据***实现。过程300可以使用硬件、软件或其组合实现。尽管下面为过程300描述的操作呈现为由处理器执行,但下面描述的操作可以由以下部件执行:图1的关联存储器102、图7的关联存储器728、图1的分析器124、图7的处理器单元704、图1的***100、图7的数据处理***700,或由任何合适软件部件、硬件部件或其组合执行。
如上面指示,过程300可以是图2的过程200的扩展。因此,过程300可以在图2的操作208之后开始,而不是过程200在图2中的操作208之后终止。
过程300可以开始于使用处理器连同关联存储器,将整理的建议请求与先前接收的第二建议请求比较,从而形成比较结果(操作302)。接着,该过程可以包括基于该比较结果使用处理器连同关联存储器修改输出,从而形成修改的输出(操作304)。
接着,该过程可以包括使用处理器连同关联存储器将整理的建议请求与对先前接收的第二建议请求的先前响应进行比较,从而形成第二比较结果(操作306)。接着,该过程可以包括基于第二比较结果使用处理器连同关联存储器修改输出,从而形成第二修改的输出(操作308)。
接着,该过程可以包括使用处理器连同关联存储器接收第二修改的输出(操作310)。接着,该操作可以包括通过处理器连同关联存储器使用第二修改输出来产生对建议请求的响应的草案(操作312)。此后,该过程可以终止。
在图3中示出的有利实施例不意味着对可以实现不同有利实施例的方式进行物理或架构限制。可以使用除图解操作之外的其它操作,或代替图解操作的其它操作。在一些有利实施例中,一些操作可以是不必需的。同样,呈现方框是为了图解一些操作。当在不同有利实施例中实现时,这些方框中的一个或更多可以被组合和/或分为不同方框。
图4是根据有利实施例的单个分析员分析建议请求的图解。图5是根据有利实施例的多个分析员分析建议请求的图解。图4和图5都可以与基于建议请求生成建议有关。在图4和5中示出的过程可以说明有利实施例怎样可以提高现有分析员技术。图4和图5共同的参考号可以指代相似实体,并可以具有相似功能或性质。
有利实施例不限于基于建议请求生成建议。例如,有利实施例可以应用于如下许多其它领域,其中一些种类的计划或结论是基于成批数据生成的。例如,有利实施例可以应用于基于大量基础数据生成商业计划,该大量数据包括但不限于源自成功和失败企业的报告。有利实施例也可以应用于基于基础测量值、研究论文的分析和可能的其它数据源生成科研计划。因此,有利实施例不限于基于建议请求生成建议。相反,与针对图4和5描述的操作计划有关的特定实施例应被认为是在此描述的有利实施例的非限制例子。
现在转到在图4中示出的操作400,建议请求402可以是与建议请求有关的一个或更多文档。建议请求402可以是对分析员或计划员404有价值的信息源,但由于数据的高容量和内容的非结构化性质,从数据中挖掘和提取有价值的信息或知识会是乏味且耗时的。从建议请求402提取知识可能需要分析员或计划员404读完建议请求402中的每一个文档,从而找到最优、最有用的信息。一旦已阅读每个文档,有用信息就可以集中以确定共同模式、状况以及用于处理未来或当前操作的有效途径。该过程可以生成建议406。然而,生成建议406会花费时间和/或资源408,并会需要主题专门知识从而知道什么信息是相关的并且应被提取。
建议请求402中数据的容量和相关性越高,从建议请求402获得的知识越可依赖。例如,相比于一份或10份报告,如果在一百至一千份报告或更多中,建议406被证明有效,那么可以认为建议406可行得多。然而,该知识的得到是以分析员或计划员404费力地读完数据以开发建议406所需要的时间和/或资源408以及努力为代价的。因此,在尝试生成建议406时,分析员或计划员404会经常面对在可靠性和速度之间进行抉择的两难。当公布或请求组织对提交建议406给了短暂期限时,速度和可靠性都是重要的。
除了基于输入的关键词返回一组文档的文本或网页搜索引擎技术之外,其它现有解决方案是大规模人工的,并且需要显著时间和努力以从大量数据获得知识。例如,有经验领导团队的成员可以搜集并发挥他们的经验,从而开发建议406。经常地,这些经验仅来自积极参与中的几百小时。文本或网页搜索引擎技术可以具有一些帮助。然而,文本或网页搜索引擎技术仍会需要分析员或计划员404具有主题专门知识,以为搜索辨别合适的关键字,和/或理解任何返回的文档或文本。另外,分析员或计划员404仍会必须人工阅读返回的每个文档,然后概括并集中数据从而生成知识并稍后开发建议406。因此,时间和/或资源408经常是不希望地长,即使在使用文本或网络搜索引擎时。
可靠性和速度两难的另一方面是可以分配多少分析员或计划员来生成建议406,如在图4和图5中示出。在图4中,单个分析员或计划员404基于建议请求402生成建议406。从花费的资源来看,该途径可以是有效的。当单个分析员或计划员404可以具有分析员或计划员404处置的全部相关知识时,该途径可以更可靠。
另一途径可以是图5的操作500,其中多个分析员或计划员502基于建议请求402生成建议406。在多个分析员或计划员502生成建议406时,用来生成建议406的时间和/或资源504会减少。然而,在时间和/或资源504方面,相对于如在图4中示出的单个分析员或计划员404生成建议406,用于生成建议406的每人成本按相同比例基准(on a pro-rata basis)会更高。因此,操作500相对于图4的操作400会较低效。
图6是根据有利实施例的分析员使用关联存储器分析建议请求的图解。在图6中示出的过程的元件可以使用***(例如图1的***100)、图1的关联存储器102、图7的关联存储器728,或在图1、图7以及在此别处描述的***视点来实现。在图6中使用的某些参考号可以相似于在图4和图5中的对应参考号,并可以指代相似实体并具有相似功能或性质。
使用在此描述的有利实施例,操作600也可以包括分析员或计划员602分析建议请求402,从而生成建议406。分析员或计划员602可以是单个分析员,从而提高效率,尽管不阻止分析员或计划员602表示多于一个分析员或计划员602。在关联存储器生成过程604生成关联存储器606之后(其中该生成过程由分析员或计划员602或一些其它用户或计算机程序执行),分析员或计划员602可以使用关联存储器606来分析建议请求402。由于下面给出的以及上面针对图1到图5给出的原因,使用关联存储器606执行建议请求402的分析可以极大减少用来生成建议406的时间和/或资源608。
如上面提到,有利实施例可以减少用来集中和处理建议请求402或用来开发建议406的其它数据的时间和/或资源608。特别地,有利实施例可以使用与定制用户接口(未示出)耦合的关联存储器606来使分析员或计划员602能够迅速开发建议406。有利实施例可以发挥关联存储器606的作用,从而迅速评估大容量自由文本数据,导出重要的情报或知识,并以使分析员或计划员602能够有效开发建议406的方式呈现结果。例如,如果分配的任务是为在外国设立作战前哨(combat outpost)开发有效的操作计划,那么计划员可以极大地受益于知道过去的什么途径已成功或失败。这样的数据可以以建议请求402的形式存在,或以与建议请求402有关的其它数据的形式存在。
关联存储器生成过程604可以包括集中不同的数据源,所述不同的数据源由从过去的建议请求以及对过去的建议请求的过去的响应学习到的经验教训组成。得到的关联存储器606可以记住与在建议请求402中描述的操作条件相关的实体、它们的属性以及关联性或关系。通过识别实体之间的关联性和关系,揭示模式和有价值信息的能力会变成对分析员或计划员602有用的资产。因此,有利实施例可以允许单个分析员或计划员602迅速执行原来一个或更多分析员花费许多时间执行的任务。该特征可以导致重获有价值的时间和/或资源。该特征也可以减小人为误差的趋势,并增加人力资源的操作效率。
更进一步地,生成建议406的结果和过程可以被反馈到关联存储器606中,并用来生成另外的关系,以便未来使用。
分析员或计划员602可以通过将搜索词输入到***视点来使用关联存储器606。得到的输出可以用多种格式呈现,如在此和别处描述的。分析员或计划员602可以生成关于基于建议请求402可能难于发现事实或模式的大量知识,由此在使用时间和/或资源608的最小值的同时生成有效建议406。
例如,可以用视点或***视点的形式输入查询。查询可以产生与在查询中输入的一个或更多词语关联的状况的结果列表。结果列表可以基于与查询最紧密相关的状况来排序或排列。结果可以在显示单元上以工作表的形式显示。用户可以使用工作表查看大量信息,这些信息可以指示针对开发建议406,注意力应转到哪里。
例如,分析员或计划员602可以被分派给针对在给定操作战区中训练军队开发建议406的任务。分析员或计划员602会期望确定在操作战区中最需要的技能。为了进行确定,分析员或计划员602可以使用关联存储器606针对希望信息搜索建议请求402和行动后(after-action)报告,而不是人工查阅(pour through)建议请求402,以及由该操作战区中的军队发布的可能的数千个行动后报告,。因此,分析员或计划员602可以将词语例如“技能”、“需要”、“训练”或其它相关搜索词输入到关联存储器606的***视点。然后基于这些参数查询关联存储器606。该查询可以返回以例如工作表格式显示的关联结果的列表。
在查看工作表时,分析员或计划员602可以看到放在第一位并且突出的词语“迫击炮”和“无线电”。通过为关联结果形成至源文档的链接,分析员或计划员602可以迅速发现在给定操作战场中训练的最大需求是迫击炮的使用和特定种类无线电的使用。接着,分析员或计划员602可以使用该信息生成建议406,以便训练某些军队使用迫击炮和特定种类无线电。
更进一步地,有利实施例可以提供如下更有价值的信息,这些更有价值的信息除了通过许多重复的人工搜索或主题专家的经验之外,可能没有被发现。例如,通过在得到的工作表中呈现的关联,分析员或计划员602可以发现在迫击炮和特定种类无线电的使用之间的协同(synergy)。例如,使用无线电和使用迫击炮进行某些进程的训练可以在作战操作期间得到更有效的结果。该协同效应在原来使用传统文本或网络搜索是不能发现的,并且可能根本不明显,除了在主题专家查阅许多小时之后才明白。通过使用从识别该协同效应获得的理解,分析员或计划员602可以比原来实际准备更有效地准备建议406,并以比人工单独能够准备相似建议更少的时间来完成。
上面例子不限制有利实施例或权利要求。许多其它例子是可能的。
有利实施例具有另外益处。例如,有利实施例可以通过将非结构化的自由文本数据分解成可辨认和可比较的单元,以此来处理该数据,而不限制任何数据。有利实施例不需要像许多其它数据挖掘技术一样使用约简算法或规则。有利实施例可以返回与由用户生成的查询中含有的项目有关的相似状况和有效建议请求的排序列表。
有利实施例可以是通用的。对于使用含非结构化、自由文本数据的数据库的任何公司或政府组织,有利实施例会是有价值的工具。有利实施例可以适于这样的非结构化、自由文本数据存在的任何信息域。因此,有利实施例不是在此描述的特定、示范性的有利实施例。
因为有利实施例可以应用于任何大小的数据库,所以有利实施例可以是可缩放的。因为有利实施例可以应用于多种数据源,包括文本、图片、符号、音频、视频或可能的许多其它种类的数据,所以有利实施例可以是可复用的。有利实施例可以是可复用的。有利实施例可以是可转换到任何域的。
有利实施例考虑在关联存储器技术内使用实体分析从而产生“实体”。实体分析可以使用视点来表示。可以在视点内执行查找,该视点可以是***视点。可以返回并显示得到的关联性。也可以显示数据的分类和到数据源的链接。可以选择发现的信息的链接源,以便在源数据的原始背景下比较概括的数据。可以基于提供的事件视点和/或返回的结果而做出决策。
在图3到图5中示出的有利实施例不意味着暗示对可以实施不同有利实施例的方式进行物理或架构限制。可以使用除图解操作之外的其他操作,或代替图解操作的其他操作。在一些有利实施例中,一些操作可以是不必需的。同样,呈现方框是为了图解一些操作。在不同的有利实施例中实现时,这些方框中的一个或更多可以组合和/或分为不同方框。
图7是根据有利实施例的数据处理***的图解。在图7中的数据处理***700是可以用来实现有利实施例,例如图1的***100,或在此公开的任何其它模块、***或过程的例子。在该图解例子中,数据处理***700包括通信构造702,通信构造702在处理器单元704、存储器706、永久存储708、通信单元710、输入/输出(I/O)单元712、显示器714和关联存储器728之间提供通信。因为处理器单元704可以是非暂时性处理器,所以处理器单元704可以被表征为“物理处理器”。
关联存储器728可以是图1的关联存储器102。关联存储器728不需要与通信构造702直接通信。例如,关联存储器728可以经通信单元710与处理器单元704和/或存储器单元706交换数据,例如当关联存储器728相对于数据处理***700物理位于远程位置时。
数据处理***700也可以包括输出单元730和/或分析器732。输出单元730可以是图1的输出132。分析器732可以是图1的分析器124。在有利实施例中,分析器732可以是处理器单元704。在有利实施例中,输出单元730可以是显示器714。
处理器单元704用来执行可以被装载到存储器706中的用于软件的指令。处理器单元704可以是数个处理器、多处理器核心或一些其它类型的,这取决于具体实现。如在此针对项目使用的,“数个”意思是一个或更多项目。进一步地,处理器单元704可以使用其中主处理器和二级处理器一起存在于单芯片上的数个不同类的处理器***实现。如另一图解例子,处理器单元704可以是含有相同类型的多个处理器的对称多处理器***。
存储器706和永久存储708可以是存储器件716的例子。存储器件可以是能够基于临时或基于永久存储信息(例如数据、功能形式的程序代码和/或其它合适信息)的任何硬件。在这些例子中,永久存储716也可以称为计算机可读存储器件。在这些例子中,存储器706可以是例如随机访问存储器或任何其它合适的易失性或非易失性存储器件。永久存储708可以采取各种形式,这取决于具体实现。
例如,永久存储708可以含有一个或更多部件或装置。例如,永久存储708可以是硬盘驱动器、闪存存储器、可重写光盘、可重写磁带或上面的一些组合。由永久存储708使用的介质也可以是可移除的。例如,可移除硬盘驱动器可以用于永久存储708。
在这些例子中,通信单元710可以提供与其它数据处理***或装置的通信。在这些例子中,通信单元710可以是网络接口卡。通信单元710可以通过使用物理和无线通信链路中的一个或两个提供通信。
输入/输出单元712可以允许通过可以连接到数据处理***700的其它装置进行输入和输出数据。例如,输入/输出单元712可以通过键盘、鼠标和/或一些其它合适输入装置为用户输入提供连接。进一步地,输入/输出单元712可以发送输出到打印机。显示器714提供向用户显示信息的机制。
用于操作***、应用程序和/或程序的指令可以位于存储装置716中,其通过通信构造702与处理器单元704通信。在这些图解例子中,指令可以以功能形式存储在永久存储708上。这些指令可以被加载到存储器706中,以便由处理器单元704执行。不同实施例的过程可以由处理器单元704使用计算机实现的指令来执行,计算机实现的指令可以位于存储器例如存储器706中。
这些指令称为程序代码、计算机可使用程序代码或计算机可读程序代码,它们可以由处理器读取并在处理器单元704中执行。在不同实施例中的程序代码可以体现在不同的物理或计算机可读存储介质上,例如存储器706或永久存储708上。
程序代码718可以以功能形式位于选择性可移除的计算机可读介质720上,并可以被加载到或传递到数据处理***700以便由处理器单元704执行。在这些例子中,程序代码718和计算机可读介质720形成计算机程序产品722。在一个例子中,计算机可读介质720可以是计算机可读存储介质724或计算机可读信号介质726。计算机可读存储介质724可以包括例如光盘或磁盘,该光盘或磁盘可以***或放入是永久存储708的一部分的驱动器或其它器件中,以便传递到是永久存储708的一部分的存储器件例如硬盘驱动器上。计算机可读存储介质724也可以采取连接到数据处理***700的永久存储的形式,例如硬盘驱动器、拇指驱动器或闪存存储器。在一些实例中,计算机可读存储介质724可以不从数据处理***700可移除。
替换地,可以使用计算机可读信号介质726传输程序代码718到数据处理***700。计算机可读信号介质726可以是例如含有程序代码718的传播数据信号。例如,计算机可读信号介质726可以是电磁信号、光信号和/或任何其它合适类型的信号。这些信号可以经由通信链路例如无线通信链路、光缆、同轴电缆、线缆和/或任何其它合适类型的通信链路传输。换句话说,在图解例子中通信链路和/或连接可以是物理的或无线的。
在一些有利实施例中,程序代码718可以通过计算机可读信号介质726从另一装置或数据处理***经由网络下载到永久存储708,以便在数据处理***700内使用。例如,存储在服务器数据处理***中计算机可读存储介质中的程序代码可以从服务器经由网络下载到数据处理***700。提供程序代码718的数据处理***可以是服务器计算机、客户端计算机,或能够存储和传输程序代码718的一些其它装置。
针对数据处理***700图解的不同部件不意味着对可以实现不同实施例的方式提供架构限制。可以在包括除了针对数据处理***700图解的部件之外的部件或替代该部件的部件的数据处理***中实现不同有利实施例。在图7中示出的其它部件可以从示出的图解例子变化。可以使用能够运行程序代码718的任何硬件装置或***实现不同实施例。作为一个例子,数据处理***可以包括与无机部件集成的有机部件,和/或可以完全由除人类之外的有机部件构成。例如,存储器件可以由有机半导体构成。
在另一图解例子中,处理器单元704可以采取硬件单元的形式,该硬件单元具有针对特定用途制造或配置的电路。该类型的硬件可以执行操作,而不需要程序代码从存储器件加载到存储器中以被配置为执行操作。
例如,在处理器单元704采取硬件单元的形式时,处理器单元704可以是电路***、专用集成电路(ASIC)、可编程逻辑器件,或被配置为执行数个操作的一些其它合适类型的硬件。在可编程逻辑器件的情况下,该器件被配置为执行数个操作。该器件可以在稍后时间重被配置为或可以永久配置为执行数个操作。可编程逻辑器件的例子可以包括例如可编程逻辑阵列、可编程阵列逻辑、现场可编程逻辑阵列、现场可编程门阵列以及其它合适硬件器件。在该类型的实现下,因为用于不同实施例的过程在硬件单元中实现,所以程序代码718可以省略。
在又一图解例子中,处理器单元704可以使用在计算机中找到的处理器和硬件单元的组合的实现。处理器单元704可以具有被配置为运行程序代码718的数个硬件单元和数个处理器。在该示出的例子下,一些过程可以在数个硬件单元中实现,而其它过程可以在数个处理器中实现。
如另一例子,在数据处理***700中的存储装置可以是可以存储数据的任何硬件设备。存储器706、永久存储708和计算机可读介质720可以是有形形式的存储装置的例子。
在另一例子中,总线***可以用来实现通信构造702,并可以由一条或更多总线构成,例如***总线或输入/输出总线。当然,可以使用在附加到总线***的不同部件或装置之间提供数据传递的任何合适类型的架构实现总线***。另外,通信单元可以包括用来发送数据和接收数据的一个或更多装置,例如调制解调器和网络适配器。进一步地,存储器可以是例如存储器706或缓存,例如在可能存在于通信构造702中的接口和存储器控制器集线器中找到的缓存。
不同的有利实施例可以采取完全硬件实施例、完全软件实施例或含有硬件和软件元件的实施例的形式。一些实施例可以在软件中实现,其包括但不限于如下形式,例如固件、常驻软件和伪代码。
此外,不同实施例可以采取从计算机可用或计算机可读介质可访问的计算机程序产品的形式,该介质提供由执行指令的计算机或任何装置或***使用或与其一起使用的指令。为本公开的目的,计算机可用或计算机可读介质通常可以是含有、存储、通信、传播或传送程序的任何有形设备,该程序由指令执行***、设备或器件使用或与其一起使用。
计算机可用或计算机可读介质可以是例如电子、磁、光、电磁、红外或半导体***,或传播介质。计算机可读介质的非限制例子可以包括半导体或固态存储器、磁带、可移除计算机磁盘、随机访问存储器(RAM)、只读存储器(ROM)、硬磁盘和光盘。光盘可以包括紧凑盘-只读存储器(CD-ROM)、紧凑盘-读/写(CD-R/W)和DVD。
进一步地,计算机可用或计算机可读介质可以含有或存储计算机可读或可用程序代码,使得当计算机可读或可用程序代码在计算机上执行时,该计算机可读或可用程序代码的执行使计算机经由通信链路传输另一计算机可读或可用程序代码。该通信链路可使用介质,例如物理的或无线的。
非暂时性计算机可读存储介质可以含有如下指令,其用于将输出返回,使得在显示单元上将最显著地显示整理的建议请求中对建议请求的发布者最重要的要求或其它属性的子集。
非暂时性计算机可读存储介质也可以包含如下指令,其用于使用处理器连同关联存储器将整理的建议请求与先前接收的第二建议请求进行比较,从而形成比较结果;并包含如下指令,其用于使用处理器连同关联存储器,基于该比较结果修改输出从而形成修改的输出。
适合存储和/或执行计算机可读或计算机可用程序代码的数据处理***可以包括一个或更多处理器,该处理器通过通信构造例如***总线直接或间接耦合到存储器元件。存储器元件可以包括在程序代码的实际执行期间采用的本地存储器、大容量存储和缓存存储器,该缓存存储器提供至少一些计算机可读或计算可用程序代码的临时存储,从而减少代码执行期间可能从大容量存储获取代码的次数。
数据处理***可以包含处理器;连接到处理器的总线;连接到总线的关联存储器,该关联存储器包括具有多个关联性的多个数据,其中该多个数据被收集到数据的关联单元中,其中该关联存储器被配置为基于至少一个关系进行查询,所述至少一个关系选自于包括多个数据之间的直接关系和间接关系的群组中,并且其中关联存储器进一步包括内容可寻址结构;以及连接到总线的非暂时性计算机可读介质,其中该非暂时性计算机可读介质存储一组指令,该指令在由处理器执行时实现包含以下步骤的方法:在关联存储器中以关联存储器可理解的格式接收建议请求;在关联存储器中整理建议请求,使得建议请求被包括在多个数据内,其中形成整理的建议请求;使用处理器连同关联存储器,通过接收包含一个或更多词语的查询并基于该查询在关联存储器中生成多个数据之间的关系,以此来分析整理的建议请求;以及使用处理器连同关联存储器,基于该查询返回包括在整理的建议请求中呈现的要求或其它属性的输出。关联存储器可以包含数据处理***的非暂时性计算机可读存储介质。***分析器使得能够以快于单独工作的人能够分析多个数据并返回输出的时间返回输出。
在另一实施例中,该方法包含返回输出,使得在显示单元上将最显著地显示整理的建议请求中对建议请求的发布者最重要的要求或其它属性的子集。使用处理器连同关联存储器,以便将整理的建议请求与先前接收的第二建议请求进行比较,从而形成比较结果;以及使用处理器连同关联存储器,基于该比较结果修改输出从而形成修改的输出。该方法可以进一步包含使用处理器连同关联存储器,将整理的建议请求与对先前接收的第二建议请求的先前响应进行比较,从而形成第二比较结果;以及基于第二比较结果使用处理器连同关联存储器修改输出,从而形成第二修改的输出。该方法也可以使用处理器连同关联存储器,第二修改的输出;以及通过处理器连同关联存储器,使用第二修改的输出来产生对建议请求响应的草案。
输入/输出或I/O装置可以直接或通过介入I/O控制器耦合到***。这些装置可以包括例如键盘、触摸屏显示器和指针装置。不同的通信适配器也可以耦合到***,从而使数据处理***能够变得通过介入的私有或公共网络耦合到其它数据处理***或远程打印机或存储装置。非限制例子是调制解调器和网络适配器,作为当前可用类型的通信适配器中的仅一些。
因此,有利实施例解决了如下问题:在大量数据中找到关系,以便做出关于特定状况的具体决策。有利实施例利用关联存储器技术执行这样的任务。
描述不同的有利实施例是为了解释和说明的目的,并且不意图穷尽或限制于公开形式的实施例。许多修改和变化对于本领域技术人员将是明显的。进一步地,不同的有利实施例可以提供与其它有利实施例比较而言不同的优点。挑选和描述选定的有利实施例或多个实施例是为了最优解释有利实施例的原理、实际应用,并使本领域技术人员能够理解具有适合所考虑的特定用途的各种修改的各种有利实施例的公开。
Claims (15)
1.一种用于分析建议请求(116)的***(100),所述***(100)包含:
关联存储器(102),所述关联存储器(102)包括具有多个关联性的多个数据(104),其中所述多个数据(104)被收集到数据的关联单元(106)中,其中所述关联存储器(102)被配置为基于至少一个关系进行查询,所述至少一个关系选自于包括所述多个数据(104)之间的直接关系(108)和间接关系(110)的群组中,并且其中所述关联存储器(102)进一步包括内容可寻址结构(112);
输入装置(114),所述输入装置(114)与所述关联存储器(102)通信,其中所述输入装置(114)被配置为以所述关联存储器(102)可理解的格式(120)向所述关联存储器(102)提供建议请求(116),并且其中所述关联存储器(102)被配置为整理所述建议请求(116)以包括在所述多个数据(104)内,其中形成整理的建议请求(122);以及
分析器(124),所述分析器(124)与所述关联存储器(102)通信,其中所述关联存储器(102)被配置为通过以下步骤分析所述整理的建议请求(122):接收包含一个或更多词语的查询(126);基于所述查询(126)在所述关联存储器(102)中生成所述多个数据之间的关系(130);以及基于所述查询(126)返回输出(132),所述输出(132)包括在所述整理的建议请求(122)中呈现的要求或其它属性(134)。
2.根据权利要求1所述的***(100),其中所述分析器(124)进一步被配置为返回所述输出(132),使得在显示单元(138)上将最显著地显示所述整理的建议请求(122)中对所述建议请求(116)的发布者(118)最重要的所述要求或其它属性(134)的子集(136)。
3.根据权利要求1所述的***(100),其中所述分析器(124)进一步被配置为将所述整理的建议请求(122)与先前接收的第二建议请求(140)进行比较,从而形成比较结果(142),并且其中所述分析器(124)进一步被配置为基于所述比较结果(142)修改所述输出(132),从而形成修改的输出(144)。
4.根据权利要求1所述的***(100),其中所述分析器(124)进一步被配置为基于应用到所述要求或其它属性(134)的一个或更多权重(146)来返回所述输出(132)。
5.根据权利要求3所述的***(100),其中所述分析器(124)进一步被配置为将所述整理的建议请求(122)与对所述先前接收的第二建议请求(140)的先前响应进行比较,从而形成第二比较结果(142),并且其中所述分析器(124)进一步被配置为基于所述第二比较结果(142)修改所述输出(132),从而形成第二修改的输出(150)。
6.根据权利要求5所述的***(100),进一步包含:
文档管理***(152),所述文档管理***(152)被配置为接收所述第二修改的输出(150),并使用所述第二修改的输出(150)来产生对所述建议请求的响应的草案(154)。
7.根据权利要求1所述的***(100),进一步包含:
文档管理***(152),所述文档管理***(152)被配置为接收所述输出(132),并使用所述输出(132)来产生对所述建议请求的响应的草案(154)。
8.根据权利要求7所述的***(100),其中所述文档管理***(152)进一步被配置为接收用户输入(156),并将所述用户输入(156)与所述输出(132)合并,从而产生所述草案。
9.根据权利要求1所述的***(100),其中所述多个数据(104)包括非结构化数据(158)和自由文本数据(160)中的至少一种。
10.根据权利要求1所述的***(100),其中所述查询(126)是从所述关联存储器(102)的***视点(162)接收的,其中所述分析器(124)进一步被配置为返回所述输出(132),使得在显示单元(138)上将最显著地显示所述整理的建议请求(122)中对所述建议请求(116)的发布者(118)最重要的所述要求或其它属性(134)的子集(136),并且其中所述分析器(124)被配置为基于所述查询(126)返回所述要求或其它属性(134)的所述子集(136)。
11.根据权利要求1所述的***(100),其中所述分析器(124)进一步被配置为生成一组链接(164),该组链接(164)将所述要求或其它属性(134)链接到在所述建议请求(122)中找到的基础数据(166),并且其中
所述***(100)进一步包含:
显示单元(138),所述显示单元(138)与所述分析器(124)通信,所述显示单元(138)被配置为显示所述输出(132)和该组链接(164)。
12.根据权利要求11所述的***(100),其中所述显示单元(138)被配置为显示在第一列(170)中组织的多个分类(168),并显示在第二列(174)中组织的多个属性(172),并且其中跨所述第一列(170)和所述第二列(174)的多个行(176)包含所述多个属性(172)中的多组属性(178),所述多组属性对应于所述多个分类(168)中的特定分类条目(180)。
13.根据权利要求12所述的***(100),其中所述显示单元(138)被配置为突出所述多组属性(178)中的第一属性(182),其中所述第一属性(182)指示所述整理的建议请求(122)中对所述建议请求(116)的发布者(118)最重要的特定要求(148)。
14.根据权利要求1所述的***(100),其中所述分析器(124)进一步被配置为通过揭示所述关系并存储所述关系,分析所述整理的建议请求(122)。
15.一种用于分析建议(116)的方法,所述方法使用处理器连同关联存储器(102)来实现,所述关联存储器包括具有多个关联性的多个数据(104),其中所述多个数据(104)被收集到数据的关联单元(106)中,其中所述关联存储器(102)被配置为基于至少一个关系进行查询,所述至少一个关系选自于包括所述多个数据(104)之间的直接关系(108)和间接关系(110)的群组中,并且其中所述关联存储器(102)进一步包括内容可寻址结构(112),并且其中所述方法包含:
以所述关联存储器(102)可理解的格式(120)在所述关联存储器(102)中接收所述建议请求(116);
在所述关联存储器(102)中整理所述建议请求(116),使得所述建议请求(116)被包括在所述多个数据(104)内,其中形成整理的建议请求(122);
使用所述处理器连同所述关联存储器(102),通过以下步骤分析所述整理的建议请求(122):接收包含一个或更多词语的查询(126);以及基于所述查询(126)在所述关联存储器(102)中生成所述多个数据之间的关系(130);以及
使用所述处理器连同所述关联存储器(102),基于所述查询(126)返回输出(132),所述输出包括在所述整理的建议请求(122)中呈现的要求或其它属性(134)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/277,771 | 2011-10-20 | ||
US13/277,771 US9659110B2 (en) | 2011-10-20 | 2011-10-20 | Associative memory technology for analysis of requests for proposal |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103198087A true CN103198087A (zh) | 2013-07-10 |
CN103198087B CN103198087B (zh) | 2017-10-13 |
Family
ID=47290589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210404436.8A Active CN103198087B (zh) | 2011-10-20 | 2012-10-22 | 用于分析建议请求的关联存储器技术 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9659110B2 (zh) |
EP (1) | EP2584480A3 (zh) |
JP (1) | JP6054702B2 (zh) |
CN (1) | CN103198087B (zh) |
CA (1) | CA2786355C (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506089A (zh) * | 2015-04-30 | 2021-10-15 | 微软技术许可有限责任公司 | 提取并显现来自数据源的用户工作属性 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9754495B2 (en) | 2015-04-02 | 2017-09-05 | The Boeing Company | Associative memory system and method for flight plan modification |
US10817545B2 (en) | 2017-12-04 | 2020-10-27 | Accenture Global Solutions Limited | Cognitive decision system for security and log analysis using associative memory mapping in graph database |
US10990991B2 (en) | 2018-09-13 | 2021-04-27 | International Business Machines Corporation | System for cognitive deal pricing |
US11361032B2 (en) | 2019-11-29 | 2022-06-14 | Responsify Ltd. | Computer driven question identification and understanding within a commercial tender document for automated bid processing for rapid bid submission and win rate enhancement |
FR3103937A1 (fr) * | 2019-11-29 | 2021-06-04 | Bidify Ltd. | Identification et compréhension de questions pilotées par ordinateur dans un dossier d’appel d’offres commercial pour le traitement automatisé d’offres |
FR3103936A1 (fr) * | 2019-11-29 | 2021-06-04 | Bidify Ltd. | Traitement multidimensionnel de questions-réponses de production participative à partir d’ontologies |
US11360974B2 (en) | 2019-11-29 | 2022-06-14 | Responsify Ltd. | Ontology driven crowd sourced multi-dimensional question-answer processing for automated bid processing for rapid bid submission and win rate enhancement |
KR102405092B1 (ko) * | 2021-10-06 | 2022-06-07 | 한화시스템(주) | 완성품 개발을 위한 요구사항 가이드 정보 제공 시스템 및 그 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040080973A1 (en) * | 2001-04-25 | 2004-04-29 | Naoyuki Ogura | Associative memory, method for searching the same,network device, and network system |
CN1675635A (zh) * | 2002-08-10 | 2005-09-28 | 思科技术公司 | 具有增强能力的关联存储器 |
CN101903867A (zh) * | 2007-12-17 | 2010-12-01 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 存储器映射***、请求控制器、多处理配置、中央中断请求控制器、用于控制存储器访问的装置、方法和计算机程序产品 |
US20100306227A1 (en) * | 2009-06-02 | 2010-12-02 | Fleming James S | Methods, systems and computer program products for providing a distributed associative memory base |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3766533A (en) * | 1972-05-30 | 1973-10-16 | Ibm | Processor utilizing one holographic array and a plurality of photoresponsive storage arrays for high paging performance |
US6374237B1 (en) * | 1996-12-24 | 2002-04-16 | Intel Corporation | Data set selection based upon user profile |
WO2001006432A1 (en) * | 1999-07-15 | 2001-01-25 | Ebidenergy.Com | User interface to facilitate, analyze and manage resource consumption |
US20010051913A1 (en) * | 2000-06-07 | 2001-12-13 | Avinash Vashistha | Method and system for outsourcing information technology projects and services |
US6904408B1 (en) * | 2000-10-19 | 2005-06-07 | Mccarthy John | Bionet method, system and personalized web content manager responsive to browser viewers' psychological preferences, behavioral responses and physiological stress indicators |
US7035903B1 (en) * | 2000-11-22 | 2006-04-25 | Xerox Corporation | Systems and methods for the discovery and presentation of electronic messages that are related to an electronic message |
US7412412B2 (en) * | 2001-02-12 | 2008-08-12 | Avotus Inc. | Network reverse auction and spending analysis methods |
US7558745B2 (en) * | 2002-09-30 | 2009-07-07 | Volt Information Sciences, Inc. | Method of and system for enabling and managing sub-contracting entities |
JP2006127397A (ja) | 2004-11-01 | 2006-05-18 | Fuji Electric Holdings Co Ltd | アーキテクチャ構築と連動した要求仕様抽出方式 |
US7392229B2 (en) * | 2005-02-12 | 2008-06-24 | Curtis L. Harris | General purpose set theoretic processor |
US8364540B2 (en) * | 2005-09-14 | 2013-01-29 | Jumptap, Inc. | Contextual targeting of content using a monetization platform |
US8108417B2 (en) | 2007-04-04 | 2012-01-31 | Intertrust Technologies Corporation | Discovering and scoring relationships extracted from human generated lists |
US20080313143A1 (en) * | 2007-06-14 | 2008-12-18 | Boeing Company | Apparatus and method for evaluating activities of a hostile force |
US20120233109A1 (en) | 2007-06-14 | 2012-09-13 | The Boeing Company | Use of associative memory to predict mission outcomes and events |
US20120036098A1 (en) | 2007-06-14 | 2012-02-09 | The Boeing Company | Analyzing activities of a hostile force |
US8065293B2 (en) * | 2007-10-24 | 2011-11-22 | Microsoft Corporation | Self-compacting pattern indexer: storing, indexing and accessing information in a graph-like data structure |
US20100107173A1 (en) * | 2008-09-29 | 2010-04-29 | Battelle Memorial Institute | Distributing resources in a market-based resource allocation system |
US20100268673A1 (en) * | 2009-04-16 | 2010-10-21 | The Boeing Company | Associate memory learning agent technology for travel optimization and monitoring |
JP5388038B2 (ja) | 2009-12-28 | 2014-01-15 | 独立行政法人情報通信研究機構 | 文書要約装置、文書処理装置、及びプログラム |
WO2011091158A2 (en) * | 2010-01-20 | 2011-07-28 | Edward Ruben Mislavsky | System and method for performing project management attendant to any of various types of projects |
US20130080448A1 (en) | 2011-09-23 | 2013-03-28 | The Boeing Company | Associative Memory Technology in Intelligence Analysis and Course of Action Development |
-
2011
- 2011-10-20 US US13/277,771 patent/US9659110B2/en active Active
-
2012
- 2012-08-14 CA CA2786355A patent/CA2786355C/en active Active
- 2012-10-11 EP EP12188128.8A patent/EP2584480A3/en not_active Withdrawn
- 2012-10-18 JP JP2012230778A patent/JP6054702B2/ja active Active
- 2012-10-22 CN CN201210404436.8A patent/CN103198087B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040080973A1 (en) * | 2001-04-25 | 2004-04-29 | Naoyuki Ogura | Associative memory, method for searching the same,network device, and network system |
CN1675635A (zh) * | 2002-08-10 | 2005-09-28 | 思科技术公司 | 具有增强能力的关联存储器 |
CN101903867A (zh) * | 2007-12-17 | 2010-12-01 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 存储器映射***、请求控制器、多处理配置、中央中断请求控制器、用于控制存储器访问的装置、方法和计算机程序产品 |
US20100306227A1 (en) * | 2009-06-02 | 2010-12-02 | Fleming James S | Methods, systems and computer program products for providing a distributed associative memory base |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506089A (zh) * | 2015-04-30 | 2021-10-15 | 微软技术许可有限责任公司 | 提取并显现来自数据源的用户工作属性 |
Also Published As
Publication number | Publication date |
---|---|
CA2786355A1 (en) | 2013-04-20 |
EP2584480A3 (en) | 2016-05-04 |
US20130103690A1 (en) | 2013-04-25 |
CA2786355C (en) | 2019-02-26 |
EP2584480A2 (en) | 2013-04-24 |
JP2013089253A (ja) | 2013-05-13 |
US9659110B2 (en) | 2017-05-23 |
CN103198087B (zh) | 2017-10-13 |
JP6054702B2 (ja) | 2016-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103198087A (zh) | 用于分析建议请求的关联存储器技术 | |
US7584160B2 (en) | System and method for optimizing project subdivision using data and requirements focuses subject to multidimensional constraints | |
US20190005436A1 (en) | Relevance Management System | |
US8712955B2 (en) | Optimizing federated and ETL'd databases with considerations of specialized data structures within an environment having multidimensional constraint | |
US20130110871A1 (en) | Distributed platform for network analysis | |
CN106663037A (zh) | 特征处理权衡管理 | |
CN106575246A (zh) | 机器学习服务 | |
Tanudjaja et al. | Exploring bibliometric mapping in NUS using BibExcel and VOSviewer | |
Soylu et al. | TheyBuyForYou platform and knowledge graph: Expanding horizons in public procurement with open linked data | |
US10679230B2 (en) | Associative memory-based project management system | |
CA3214226A1 (en) | Clause taxonomy system and method for structured document construction and analysis | |
EP2620901A1 (en) | Associative memory-based project management system | |
Akers | The future of patent information––a user with a view | |
Jeffery | The CERIF model as the core of a research organization | |
Pambuko et al. | Islamic banking spin-offs decision: A bibliometric review | |
Rae et al. | BIM and its impact upon project success outcomes from a Facilities Management perspective | |
Siqueira | Sucupira-A Platform for the Evaluation of Graduate Education in Brazil | |
de Carvalho et al. | Business Intelligence: Future Perspectives (April, 2016) | |
Blake et al. | A spatial collaboration: Building a multi-institution geospatial data discovery portal | |
Drakos et al. | agINFRA: A research data hub for agriculture, food and the environment | |
Álvarez-Rodríguez et al. | Survey of Scientific Programming Techniques for the Management of Data‐Intensive Engineering Environments | |
Nasiripour et al. | Investigating the financial performance of universities of medical science and health services in iran, using data envelopment analysis | |
Hussein et al. | Developing an Effective ICT Strategic Framework for Higher Education Institutions: A Case of Mataram University | |
White et al. | Enterprise search in the European Union: a techno-economic analysis | |
Hasan et al. | The Perspective of Data Quality Rules In Google Forms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |