CN107357970B - 基于数据挖掘的建筑信息模型异常元素检测装置和方法 - Google Patents
基于数据挖掘的建筑信息模型异常元素检测装置和方法 Download PDFInfo
- Publication number
- CN107357970B CN107357970B CN201710484871.9A CN201710484871A CN107357970B CN 107357970 B CN107357970 B CN 107357970B CN 201710484871 A CN201710484871 A CN 201710484871A CN 107357970 B CN107357970 B CN 107357970B
- Authority
- CN
- China
- Prior art keywords
- component
- information
- abnormal
- module
- building
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于数据挖掘的建筑信息模型异常元素检测装置，包括：知识图谱模块，空间元素聚类模块、构件元素聚类模块、异常空间元素检测模块、异常构件元素检测模块和用户界面模块。同时本发明还公开了一种基于数据挖掘的建筑信息模型异常元素检测装置的检测方法，本发明所述基于数据挖掘的建筑模型异常元素检测装置，提供了建筑模型知识图谱构建、建筑模型空间和构件元素聚类分析、建筑模型异常元素检测等一系列功能，相较于现有基于领域知识或标准规范的模型检查方法，本装置可以检测出领域知识或规范约束之外的异常元素信息。
Description
技术领域
本发明涉及建筑信息模型的建筑信息模型的正确性和可实施性检测，是自动检测建筑信息模型质量的方法和手段，应用于建筑信息模型质量要求高的工程领域设计、施工、运维等各个阶段。
背景技术
建筑行业是国民经济发展的命脉。随着信息化时代的到来，计算机技术与传统建筑行业相融合，诞生了新的理念和技术，其中的建筑信息模型(Building InformationModeling,BIM)受到国内外研究人员以及行业技术专家的广泛关注和应用。它为建筑提供三维模型表达，实现了建筑设计、施工、运维等全生命周期的信息共享，并为所有参与者提供决策支持。BIM模型质量的好坏直接影响到BIM技术应用的深度、广度以及建筑施工的质量，因此迫切需要对BIM模型的正确性、可实施性等进行检测的方法。
目前针对BIM模型的检测技术主要分为两大类，即面向特定目标的模型检测和基于规则的模型检测。面向特定目标的模型检测一方面关注BIM模型在数据、语义传递层面的互操作性检测，另一方面就是面向特定领域规范的检测，如面向绿色建筑设计规范的检测，会判断模型是否符合相关绿色设计指标的要求。基于规则的模型检测，通过定制规则，检测模型对各种国家、企业和项目标准规范条款的符合程度。这两类方法都取得了显著的成果，诞生了业界实用的检测装置如芬兰SOLIBRI公司的SMC工具，提供了自定义的规范模型，用户可以编写规范条款，实现模型数值属性、计算性规则、碰撞等多方面的检测。
然而，目前的模型检测方法和装置需要以领域知识或标准规范条款为基础，检测装置反馈的都是可以预见的结果，具有局限性。首先，如果没有领域知识和规范条款作为输入，检测装置不能检测任何问题。其次，检测装置也不可能检测出既有知识和规范之外的新颖和有意义的模型问题。事实上，BIM模型的信息量非常庞大，目前的领域知识和标准规范无法涵盖全部模型质量约束，若能无需领域知识或标准规范的前提下，自动检测BIM模型质量，将会对BIM模型质量的提升和工程应用带来更高的价值。
数据挖掘技术的发展，为建筑信息模型的质量检测提供了有效手段。目前国内外尚没有将数据挖掘技术应用到BIM模型检测的方法和装置。本发明提出了一种针对BIM模型异常元素的检测方法，并基于此方法开发一种全自动的BIM模型检测装置。
发明内容
为了解决上述问题，本发明提供一种基于数据挖掘的建筑信息模型异常元素检测装置和检测方法，实现了BIM模型知识图谱构建、空间元素聚类、构件元素聚类以及异常元素检测等功能。
本发明的技术方案是提供了一种基于数据挖掘的建筑信息模型异常元素检测装置，包括：知识图谱模块，空间元素聚类模块、构件元素聚类模块、异常空间元素检测模块、异常构件元素检测模块和用户界面模块，其特征在于：
知识图谱模块为建筑模型的挖掘检测提供了数据源。
空间元素聚类模块用于实现空间元素的聚类分析，为异常空间元素的检测提供技术准备。
构件元素聚类模块用于实现构件元素的聚类分析，为异常构件元素的检测提供技术准备。
异常空间元素检测模块用于反馈存在问题的建筑空间元素，即不存在实体信息的空间和缺少关键构件的空间，其中，不存在实体信息的空间指在建筑模型中空有名称却没有任何属性信息以及构件信息的空间元素，缺少关键构件的空间是指包括缺少门、楼板关键构件的空间元素；
异常构件元素检测模块用于反馈存在属性问题的建筑构件元素，具体包括构件属性值缺失和构件属性值异常的检测；
用户界面模块向外提供了使用本装置的功能接口。
进一步地，本发明还提供了一种基于数据挖掘的建筑信息模型异常元素检测装置的检测方法，具体包括：
步骤1、知识图谱模块通过用户界面从建筑模型中提取所有空间元素、构件元素以及空间与空间、空间与构件、构件与构件之间的关系数据，并通过图数据库保存这些关系和数据以构建建筑的知识图谱；
步骤2、空间聚类分析模块和构件聚类分析模块从建筑知识图谱中提取空间、构件实体信息，针对空间包含的构件信息，以及构件的属性数据构建空间实例和构件实例的特征向量，并以此为基础进行密度聚类，将同类空间或构件划分为不同的子簇，实现同子簇的空间实例拥有相同的设计模式，同子簇的构件拥有相似的属性特征；
步骤3、空间异常检测模块和构件异常检测模块会对已经完成聚类的空间和构件子簇进行统计对比分析，将存在异常的空间和构件元素予以反馈；
步骤4、用户界面会将空间异常检测模块以及构件异常检测模块反馈的问题进行汇总，以统计报表的形式展示给用户。
本发明的有益效果在于：
(1)本发明提出了基于数据挖掘的建筑信息模型异常元素检测方法，在不需要其他领域知识或标准规范的情况下，可以自动化地从模型本身反馈出可能存在的异常元素。
(2)本发明实现了基于数据挖掘的建筑模型异常元素检测装置，提供了建筑模型知识图谱构建、建筑模型空间和构件元素聚类分析、建筑模型异常元素检测等一系列功能，相较于现有基于领域知识或标准规范的模型检查方法，本装置可以检测出领域知识或规范约束之外的异常元素信息。
附图说明
图1是本发明装置各个功能模块之间的逻辑处理流程图。
具体实施方式
以下结合附图说明对本发明的实施方式作进一步的详细描述。
如图1所示，基于数据挖掘的建筑信息模型异常元素检测装置，包括：知识图谱模块，空间元素聚类模块、构件元素聚类模块、异常空间元素检测模块、异常构件元素检测模块和用户界面模块其中：
知识图谱模块为建筑模型的挖掘检测提供了数据源。建筑信息模型的知识图谱模块内容包括：构建建筑的本体模型，从中提取所有关键的空间、构件元素以及空间与空间、空间与构件、构件与构件之间的关系信息，生成建筑模型的知识图谱，其中空间与构件的元素信息以节点的形式存在知识图谱中，关系信息以边的形式关联图谱中对应的节点。
空间元素聚类模块用于实现空间元素的聚类分析，为异常空间元素的检测提供技术准备。空间元素聚类模块的主要内容包括：以空间包含的构件种类和数量为基础，构建每个空间实例的构件全局信息向量和构件存在信息向量，其中构件全局信息向量记录了每个空间实例包含的每种构件的数量信息，而构件存在信息向量则记录了空间实例包含的构件种类信息；之后在向量空间距离度量的基础上利用密度聚类的技术实现对同类建筑空间的细密度划分。其核心思想是，建筑模型中的功能相同的同类空间也存在部分实例构件缺失的现象，通过对同类空间的聚类划分，实现了将相同设计模式的空间实例归为同一子簇，方便后续模块的统计分析，以反映出缺失关键构件的异常空间元素。
构件元素聚类模块用于实现构件元素的聚类分析，为异常构件元素的检测提供技术准备。构件元素聚类模块的主要内容包括：以构件的属性集合为基础，对属性数据进行规约、映射和加权处理，生成每个构件实例的属性加权特征向量，并以此为基础进行密度聚类，实现对同类建筑构件集合的划分。其核心思想是：同类别的建筑构件往往具有相似的属性集，因此可以通过聚类划分的方式，将属性集相同的进一步归为同一个子簇。
异常空间元素检测模块用于反馈存在问题的建筑空间元素，即不存在实体信息的空间和缺少关键构件的空间。其中，不存在实体信息的空间指在建筑模型中空有名称却没有任何属性信息以及构件信息的空间元素，而缺少关键构件的空间是指缺少门、楼板等关键构件的空间元素。异常空间元素检测模块的主要内容包括：在空间聚类的基础上，对同类空间元素集合各个子簇内的空间实例进行构件信息比对分析；针对不存在实体信息的空间问题，采取的方式是选取各个子簇的代表空间实例，判断该实例的构件存在信息向量各个维度的取值是否为零，若取值都为零，说明该子簇的空间元素都不存在实体信息；经过聚类后的每个子簇内的空间实例都包含相同的构件种类和相似的构件数量，因此每个子簇的代表空间实例都反映了该子簇空间元素的基本情况。针对问题空间，采取的方式是各个子簇代表空间实例相互之间的构件信息比对，以发现缺少关键构件的问题空间。
异常构件元素检测模块用于反馈存在属性问题的建筑构件元素，具体包括构件属性值缺失和构件属性值异常的检测。其中，属性值缺失是指构件缺少某些关键的属性值信息；属性值异常是指，相对于同类别的其他构件来说，个别构件的某些属性取值偏差较大。异常构件元素检测模块的主要内容包括：在构件聚类的基础上，对同类构件元素集合各个子簇内的构件实例进行属性信息统计对比分析；针对属性值缺失问题，选取同类构件元素集合中每个子簇的代表构件实例，对它们的属性加权特征向量进行检测，发现属性值为空的属性，进而说明该构件所在的子簇都缺少对应的属性值。针对属性值异常的问题，采取的方式是，对每一子簇构件集合的属性取值进行统计分析，如果在该子簇中属性的取值种类较少，且存在个别差异较大的属性值，那么在很大概率上这些个别的属性值是异常的。
用户界面模块向外提供了使用本装置的功能接口。一方面，它将建筑信息模型的数据进行提取和转化，为知识图谱模块提供数据资源；另一方面，将异常空间元素检测模块和异常构件元素检测模块反馈的检查结果以统计表格的形式进行输出展示；同时用户界面模块还提供了错误元素定位，生成详细检查报告等功能。
在以上功能模块的基础上，本发明提供了基于数据挖掘的建筑信息模型异常元素检测装置，该装置可以自动读取由Revit工具设计的建筑信息模型的所有数据，实现模型中空间元素和构件元素的全自动检测，并反馈出存在问题的空间和构件实例。相较于面向特定目标和基于规则的检测方法，本装置可以挖掘出规则约束或先验知识外的模型问题，同时更加智能和自动化。
该实施例还提供了一种基于数据挖掘的建筑信息模型异常元素检测装置的检测方法，具体包括：
步骤1、知识图谱模块通过用户界面从建筑模型中提取所有空间元素、构件元素以及空间与空间、空间与构件、构件与构件之间的关系数据，并通过图数据库保存这些关系和数据以构建建筑的知识图谱。
其中空间和构件以节点的形式在知识图谱中保存，关系数据以边的形式保存，这样实现了建筑模型数据的网络化。建筑知识图谱的构建完美表达了模型中复杂的关系信息，同时为模型挖掘提供了极大的便利。
步骤2、空间聚类分析模块和构件聚类分析模块从建筑知识图谱中提取空间、构件实体信息，针对空间包含的构件信息，以及构件的属性数据构建空间实例和构件实例的特征向量，并以此为基础进行密度聚类，将同类空间或构件划分为不同的子簇，实现同子簇的空间实例拥有相同的设计模式，同子簇的构件拥有相似的属性特征。
步骤3、空间异常检测模块和构件异常检测模块会对已经完成聚类的空间和构件子簇进行统计对比分析，将存在异常的空间和构件元素予以反馈。
步骤4、用户界面会将空间异常检测模块以及构件异常检测模块反馈的问题进行汇总，以统计报表的形式展示给用户。
虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。
Claims (6)
1.一种基于数据挖掘的建筑信息模型异常元素检测装置，包括：知识图谱模块，空间元素聚类模块、构件元素聚类模块、异常空间元素检测模块、异常构件元素检测模块和用户界面模块，其特征在于：
知识图谱模块为建筑模型的挖掘检测提供了数据源；
空间元素聚类模块用于实现空间元素的聚类分析，为异常空间元素的检测提供技术准备；
构件元素聚类模块用于实现构件元素的聚类分析，为异常构件元素的检测提供技术准备；
异常空间元素检测模块用于反馈存在问题的建筑空间元素，即不存在实体信息的空间和缺少关键构件的空间，其中，不存在实体信息的空间指在建筑模型中空有名称却没有任何属性信息以及构件信息的空间元素，缺少关键构件的空间是指包括缺少门、楼板关键构件的空间元素；异常空间元素检测模块包括：在空间聚类的基础上，对同类空间元素集合各个子簇内的空间实例进行构件信息比对分析；针对不存在实体信息的空间问题，采取的方式是选取各个子簇的代表空间实例，判断实例的构件存在信息向量各个维度的取值是否为零，若取值都为零，说明该子簇的空间元素都不存在实体信息；经过聚类后的每个子簇内的空间实例都包含相同的构件种类和相似的构件数量，从而每个子簇的代表空间实例都反映了该子簇空间元素的基本情况；
异常构件元素检测模块用于反馈存在属性问题的建筑构件元素，具体包括构件属性值缺失和构件属性值异常的检测；针对构件属性值缺失问题，选取同类构件元素集合中每个子簇的代表构件实例，对它们的属性加权特征向量进行检测，发现属性值为空的属性，进而说明构件所在的子簇都缺少对应的属性值；针对构件属性值异常的问题，对每一子簇构件集合的属性取值进行统计分析，如果在子簇中属性的取值种类少，且存在个别差异大的属性值，那么定义这些个别的属性值是异常的；
用户界面模块向外提供了使用本装置的功能接口。
2.根据权利要求1所述的基于数据挖掘的建筑信息模型异常元素检测装置，其中特征在于：建筑信息模型的知识图谱模块内容包括：构建建筑的本体模型，从中提取所有关键的空间、构件元素以及空间与空间、空间与构件、构件与构件之间的关系信息，生成建筑模型的知识图谱，其中空间与构件的元素信息以节点的形式存在知识图谱中，关系信息以边的形式关联图谱中对应的节点。
3.根据权利要求1所述的基于数据挖掘的建筑信息模型异常元素检测装置，其中特征在于：空间元素聚类模块包括：以空间包含的构件种类和数量为基础，构建每个空间实例的构件全局信息向量和构件存在信息向量，其中构件全局信息向量记录了每个空间实例包含的每种构件的数量信息，而构件存在信息向量则记录了空间实例包含的构件种类信息。
4.根据权利要求1所述的基于数据挖掘的建筑信息模型异常元素检测装置，其中特征在于：构件元素聚类模块包括：以构件的属性集合为基础，对属性数据进行规约、映射和加权处理，生成每个构件实例的属性加权特征向量，并以此为基础进行密度聚类，实现对同类建筑构件集合的划分。
5.根据权利要求1所述的基于数据挖掘的建筑信息模型异常元素检测装置，其中特征在于：属性值缺失是指构件缺少关键的属性值信息；属性值异常是指相对于同类别的构件，个别构件的属性取值偏差大；异常构件元素检测模块包括：在构件聚类的基础上，对同类构件元素集合各个子簇内的构件实例进行属性信息统计对比分析。
6.根据权利要求1所述的基于数据挖掘的建筑信息模型异常元素检测装置，其中特征在于：用户界面模块将建筑信息模型的数据进行提取和转化，为知识图谱模块提供数据资源；将异常空间元素检测模块和异常构件元素检测模块反馈的检查结果以统计表格的形式进行输出展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710484871.9A CN107357970B (zh) | 2017-06-23 | 2017-06-23 | 基于数据挖掘的建筑信息模型异常元素检测装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710484871.9A CN107357970B (zh) | 2017-06-23 | 2017-06-23 | 基于数据挖掘的建筑信息模型异常元素检测装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107357970A CN107357970A (zh) | 2017-11-17 |
| CN107357970B true CN107357970B (zh) | 2020-08-11 |
Family
ID=60273134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710484871.9A Active CN107357970B (zh) | 2017-06-23 | 2017-06-23 | 基于数据挖掘的建筑信息模型异常元素检测装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107357970B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107688698A (zh) * | 2017-08-09 | 2018-02-13 | 安徽省建筑科学研究设计院 | 一种建筑单元内温度传感器布置方法 |
| CN109614394A (zh) * | 2018-12-13 | 2019-04-12 | 广州市水电建设工程有限公司 | 一种基于bim的数据处理方法 |
| TWI731469B (zh) * | 2019-11-11 | 2021-06-21 | 財團法人資訊工業策進會 | 資訊檢測裝置及方法 |
| CN111813950B (zh) * | 2020-05-20 | 2024-02-27 | 淮阴工学院 | 一种基于神经网络自适应寻优调参的建筑领域知识图谱构建方法 |
| CN113032862B (zh) * | 2020-07-27 | 2022-04-05 | 深圳市前海数字城市科技有限公司 | 一种建筑信息模型检查方法、检查装置及终端设备 |
| CN112632652A (zh) * | 2020-12-31 | 2021-04-09 | 上海孚典智能科技有限公司 | 基于数据挖掘的建筑cad模型分析方法 |
| CN113283874A (zh) * | 2021-06-09 | 2021-08-20 | 青岛理工大学 | 基于bim与二维码的装配式建筑智慧建造全过程模拟方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289585A (zh) * | 2011-08-15 | 2011-12-21 | 重庆大学 | 基于数据挖掘的公共建筑能耗实时监测方法 |
| KR101544537B1 (ko) * | 2015-04-23 | 2015-08-17 | 한국건설기술연구원 | Bim 기반 데이터 마이닝 시스템 및 그 운영 방법 |
| CN105678814A (zh) * | 2016-01-05 | 2016-06-15 | 武汉大学 | 一种结合相位相关分析的建筑物立面影像重复纹理检测方法 |
| CN105775943A (zh) * | 2016-04-12 | 2016-07-20 | 广州深度数据科技有限公司 | 一种数据驱动的电梯零部件预警***及方法 |
-
2017
- 2017-06-23 CN CN201710484871.9A patent/CN107357970B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289585A (zh) * | 2011-08-15 | 2011-12-21 | 重庆大学 | 基于数据挖掘的公共建筑能耗实时监测方法 |
| KR101544537B1 (ko) * | 2015-04-23 | 2015-08-17 | 한국건설기술연구원 | Bim 기반 데이터 마이닝 시스템 및 그 운영 방법 |
| CN105678814A (zh) * | 2016-01-05 | 2016-06-15 | 武汉大学 | 一种结合相位相关分析的建筑物立面影像重复纹理检测方法 |
| CN105775943A (zh) * | 2016-04-12 | 2016-07-20 | 广州深度数据科技有限公司 | 一种数据驱动的电梯零部件预警***及方法 |
Non-Patent Citations (4)
| Title |
|---|
| "A query expansion method for retrieving online BIM resources based on Industry Fundation Class";Ge Gao等;《Automation in Construction》;20150427;第14-25页 * |
| "Automatic Integrity Checking of IFC Models relative to building Regulations";Jianqiao Gu等;《 Proceedings of the International Conference on Internet Multimedia Computing and Service》;20160831;第1-6页 * |
| "BIM国内外标准综述";郑国勤 等;《土木建筑工程信息技术》;20120331;第4卷(第1期);第32-34页 * |
| "基于Solibri Model Checker的BIM模型质量检查方法探究";吉久茂 等;《土木建筑工程信息技术》;20140228;第6卷(第1期);第14-19页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107357970A (zh) | 2017-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107357970B (zh) | 基于数据挖掘的建筑信息模型异常元素检测装置和方法 | |
| Hamledari et al. | IFC-based development of as-built and as-is BIMs using construction and facility inspection data: Site-to-BIM data transfer automation | |
| US20220197272A1 (en) | Automatic Extraction of Assets Data from Engineering Data Sources for Generating an HMI | |
| US9582556B2 (en) | Automatic generation of an extract, transform, load (ETL) job | |
| CN110869920B (zh) | 多维工业知识图形 | |
| US8533152B2 (en) | System and method for data provenance management | |
| Lin et al. | Semantic classification and hash code accelerated detection of design changes in BIM models | |
| CN112463980A (zh) | 一种基于知识图谱的预案智能推荐方法 | |
| Ramnath et al. | Interoperability of CAD geometry and product manufacturing information for computer integrated manufacturing | |
| US20110208692A1 (en) | Generation of star schemas from snowflake schemas containing a large number of dimensions | |
| CN107168762B (zh) | 一种基于本体的rucm模型一致性检查方法 | |
| WO2022061518A1 (zh) | 用于生成和利用制造仿真模型的知识图谱的方法和装置 | |
| US20200133970A1 (en) | Mining locations and other context information from construction documents | |
| CN111813804A (zh) | 一种数据查询方法、装置、电子设备及存储介质 | |
| Aristodemou et al. | Exploring the future of patent analytics: A technology roadmapping approach | |
| CN116450908B (zh) | 基于数据湖的自助式数据分析方法、装置和电子设备 | |
| CN105446952B (zh) | 用于处理语义片段的方法和*** | |
| Athanasiou et al. | Big POI data integration with Linked Data technologies. | |
| Yin et al. | An automated layer classification method for converting CAD drawings to 3D BIM models | |
| CN116628228B (zh) | 一种rpa流程推荐方法以及计算机可读存储介质 | |
| US8694918B2 (en) | Conveying hierarchical elements of a user interface | |
| KR20220041600A (ko) | 스마트공장 데이터 품질평가 방법 | |
| KR20190007649A (ko) | 스마트공장 검색을 위한 정보 등록 및 온톨로지 모델링 방법 및 장치 | |
| CN111581815B (zh) | 一种基于xml的工艺模型本体构建方法 | |
| US9043253B2 (en) | Optimization to identify nearest objects in a dataset for data analysis |
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 |