CN111369231A - 基于ai的项目管理方法、计算机存储介质及电子设备 - Google Patents
基于ai的项目管理方法、计算机存储介质及电子设备 Download PDFInfo
- Publication number
- CN111369231A CN111369231A CN202010349541.0A CN202010349541A CN111369231A CN 111369231 A CN111369231 A CN 111369231A CN 202010349541 A CN202010349541 A CN 202010349541A CN 111369231 A CN111369231 A CN 111369231A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- project
- project data
- information
- data information
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 31
- 238000005516 engineering process Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000013456 study Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于AI的项目管理方法、计算机存储介质及电子设备,AI的项目管理方法包括下步骤:S1、根据企业基本数据得到企业基本数据网络集合;S2、通过分类得到分领域数据集;S3、根据一级项目数据信息及申报条件得到一级项目数据网络集合;S4、通过训练得到第一训练模型;S5、根据企业项目数据信息得到企业项目数据网络集合;S6、根据二级项目数据及申报条件得到二级项目数据网络集合;S7、通过训练得到第二训练模型;S8、将企业的基本信息输入第一训练模型,判断是否满足申报条件;S9、若满足,将企业的项目数据信息输入第二训练模型,筛选出满足申报条件的二级项目。根据本发明实施例的方法,可以辅助企业申报项目,提高智能化程度。
Description
技术领域
本发明属于软件工程、大数据以及分布式存储和计算等技术领域,具体涉及一种AI的项目管理方法、计算机存储介质及电子设备。
背景技术
中小型企业在我国的经济和社会发展过程中起着重要的作用,国家每年都有颁布和实施多种研发扶助和创新项目来支持中小型企业的发展。随着科技的进步和信息化时代的来临,政府通常通过信息技术手段建立公共服务平台和相关网站,并在平台和网站上发布与中小型企业相关的资助项目。然而,目前的中小型企业在获取到政府发布的项目信息后通常采用人工收集企业的各种信息,并人工判断是否满足各项申报条件,费时费力且容易遗漏信息。现有技术中也有一些根据人机交互进行项目管理的***,但是目前企业只能在向***输入企业相关数据后匹配到企业大类项目,然后根据企业大类项目再进行人工判断是否满足小类项目申报条件,仍然存在项目匹配不全面,企业不能够快速、清晰地判断自身是否具备资质去申报具体的项目,不利于企业对自身项目信息的维护和管理。
发明内容
有鉴于此,本发明提供一种基于AI的项目管理方法、计算机存储介质及电子设备,能够使企业方便快捷的进行项目管理,并且还能够对企业的相关项目信息精确匹配。
为解决上述技术问题,一方面,本发明提供一种基于AI的项目管理方法,包括以下步骤:S1、获取企业基本数据信息,并对所述企业基本数据信息进行处理得到企业基本数据网络集合;S2、对所述企业基本数据网络集合按照实体节点和/或节点关系的垂直领域进行分类,得到不同垂直领域的多个分领域数据集;S3、获取一级项目数据信息及其申报条件,并对所述一级项目数据信息进行处理得到一级项目数据网络集合;S4、将多个所述分领域数据集和所述一级项目数据网络集合置于网络中进行训练,得到第一训练模型;S5、获取企业项目数据信息,并对所述企业项目数据信息进行处理得到企业项目数据网络集合;S6、获取二级项目数据信息及其申报条件,并对所述二级项目数据信息进行处理得到二级项目数据网络集合;S7、将所述企业项目数据网络集合和所述二级项目数据网络集合置于网络中进行训练,得到第二训练模型;S8、获取企业基本信息,并将其输入所述第一训练模型,所述第一训练模型根据所述企业基本数据信息反馈企业是否满足所述一级项目数据网络集合的申报条件,若不满足,则发出第一反馈信息,若满足,则执行步骤S9;S9、根据所述企业基本数据信息获取所述企业项目数据信息,并将所述企业项目数据信息输入所述第二训练模型,所述第二训练模型根据所述企业项目数据信息筛选满足所述二级项目数据网络集合申报条件的二级项目。
根据本发明实施例的基于AI的项目管理方法,分别对企业基本数据信息和一级项目数据信息以及申报条件进行处理,得到第一训练模型,再分别对企业项目数据信息和二级项目数据信息及申报条件,得到第二训练模型。在根据企业基本数据信息判断能够申报哪些项目时,向得到的第一训练模型输入企业基本数据信息,根据反馈结果判断是否满足一级项目数据网络集合的申报条件。在满足一级项目数据网络集合的申报条件时,根据企业基本数据信息获取企业项目数据信息,并将企业项目数据信息输入第二训练模型,通过第二训练模型筛选出满足二级项目数据网络集合申报条件的二级项目。根据本发明实施例的基于AI的项目管理方法,不仅能够智能自动判断是否满足大类项目申报条件,还能够智能自动判断是否满足小类项目申报条件,能够快速、全面地进行项目匹配,便于企业对于自身项目信息的维护和管理。
根据本发明一个实施例,在步骤S1中,所述企业基本数据信息包括:企业的名称、企业的成立时间信息、注册资金信息、地址信息、知识产权信息、主营范围信息和法人信息。
根据本发明一个实施例,在步骤S2中,所述企业基本数据网络集合分为人才领域数据集、创新领域数据集、后补助领域数据集和产业化领域数据集,在步骤S3中,所述一级项目数据网络集合包括:人才项目数据集、创新项目数据集、后补助项目数据集和产业化项目数据集。
根据本发明一个实施例,步骤S4包括:S41、根据不同垂直领域分别随机选取企业,并获得对应的所述企业基本数据信息;S42、将每个所述企业基本数据信息分别进行拆分,得到每个企业基本单元;S43、将每个所述企业基本单元分别与所述一级项目数据网络集合的申报条件进行匹配;S44、筛选出符合所述一级项目数据网络集合的申报条件的所述企业基本单元;S45、将符合所述一级项目数据网络集合的申报条件的所述企业基本单元进行归类后结束训练,得到所述第一训练模型。
根据本发明一个实施例,所述企业项目数据信息包括:企业已申报项目数据信息、企业已申请专利类型和数量。
根据本发明一个实施例,步骤S7包括:S71、获取步骤S45中符合所述一级项目数据网络集合的申报条件的所述企业基本数据信息,并根据所述企业基本数据信息,获取所述企业项目数据信息;S72、将每个所述企业项目数据信息分别进行拆分,得到每个所述企业项目单元;S73、将每个所述企业项目单元分别与所述二级项目数据网络集合的申报条件进行匹配;S74、筛选出符合所述二级项目数据网络集合的申报条件的所述企业项目单元;S75、将符合所述二级项目数据网络集合的申报条件的所述企业项目单元进行归类后结束训练,得到所述第二训练模型。
据本发明一个实施例,步骤S7还包括:S76、将步骤S45和步骤S75中归类的所述企业基本单元和所述企业项目单元分别聚类形成触发单元;在步骤S8中,获取所述企业基本数据信息并输入所述第一训练模型后,所述企业基本数据信息首先与所述触发单元进行匹配;在步骤S9中,将所述企业项目数据信息输入所述第二训练模型后,所述企业项目数据信息首先与所述触发单元进行匹配。
据本发明一个实施例,所述的方法还包括:S10、根据所述第二训练模型反馈的符合所述二级项目数据网络集合申报条件的所述二级项目,生成企业项目管理报告。
第二方面,本发明实施例提供一种计算机存储介质,包括一条或多条计算机指令,所述一条或多条计算机指令在执行时实现上述任一项所述的方法。
第三方面,本发明实施例提供一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机指令,所述处理器用于调用并执行所述一条或多条计算机指令,从而实现如上述任一项所述的方法。
根据本发明实施例的基于AI的项目管理方法至少具有以下有益效果:
(1)应用物联网技术采集企业基本数据信息、企业项目数据信息的同时,引入人工智能技术,快速对企业能够申报的项目进行匹配和筛选,能够有效地提高项目管理的效率;
(2)通过***进行二次建模比对,提高项目匹配的全面性,从而使企业能够快速、清晰地判断自身是否具备资质去申报具体的项目。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明实施例的基于AI的项目管理方法的流程示意图。
图2是根据本发明实施例的电子设备的示意图。
附图标记:
电子设备300;
存储器310;操作***311;应用程序 312;
处理器320;网络接口330;输入设备340;硬盘350;显示设备360。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,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,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,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。
下面首先结合附图具体描述根据本发明实施例的基于AI的项目管理方法。
如图1所示,根据本发明实施例的基于AI的项目管理方法,包括以下步骤:S1、获取企业基本数据信息,并对企业基本数据信息进行处理得到企业基本数据网络集合。
S2、对企业基本数据网络集合按照实体节点和/或节点关系的垂直领域进行分类,得到不同垂直领域的多个分领域数据集。
S3、获取一级项目数据信息及其申报条件,并对一级项目数据信息进行处理得到一级项目数据网络集合。
S4、将多个分领域数据集和一级项目数据网络集合置于网络中进行训练,得到第一训练模型。
S5、获取企业项目数据信息,并对企业项目数据信息进行处理得到企业项目数据网络集合。
S6、获取二级项目数据信息及其申报条件,并对二级项目数据信息进行处理得到二级项目数据网络集合。
S7、将企业项目数据网络集合和二级项目数据网络集合置于网络中进行训练,得到第二训练模型。
S8、获取企业基本数据信息,并将其输入第一训练模型,第一训练模型根据企业基本数据信息反馈企业是否满足一级项目数据网络集合的申报条件,若不满足,则发出第一反馈信息,若满足,则执行步骤S9。
S9、根据企业基本数据信息获取企业项目数据信息,并将项目数据信息输入第二训练模型,第二训练模型根据企业项目数据信息筛选满足二级项目数据网络集合申报条件的二级项目。
换言之,根据本发明实施例的基于AI的项目管理方法主要采用以下步骤:
第一步,获取第一训练模型。具体步骤包括:(1)获取企业基本数据信息,通过对企业基本数据信息进行处理得到企业基本数据网络集合。(2)对企业基本数据网络集合进行分类,得到不同垂直领域的多个分领域数据集,分类时可以按照节点和/或节点关系的垂直领域进行分类。(3)获取一级项目数据信息及其申报条件,在对一级项目数据信息及其申报条件进行处理后,能够得到一级项目数据网络集合。(4)将分领域数据集和一级项目数据网络集合置于网络中进行训练,得到第一训练模型。
第二步,获取第二训练模型。具体步骤包括:(1)通过对企业项目数据信息处理得到企业项目数据网络集合。(2)通过对二级项目数据信息以及申报条件进行处理,得到二级项目数据网络集合。(3)将企业项目数据网络集合和二级项目数据网络集合置于网络中进行训练,得到第二训练模型。
第三步,将企业基本数据信息输入第一步操作得到的第一训练模型中,判断企业是否满足一级项目数据网络集合的申报条件,根据判断结果执行下一步操作。如果判断结果为不满足一级项目数据网络集合的申报条件时,则发出第一反馈信息。如果满足一级项目数据网络集合的申报条件时,则执行下一步操作。
第四步,在第三步操作中的判断结果为满足一级项目数据网络集合的申报条件时,将根据企业基本数据信息得到的企业项目数据信息输入至第二步操作得到的第二训练模型中,第二训练模型根据企业项目数据信息筛选满足二级项目数据网络集合申报条件的二级项目,也就是说,第二训练模型可以筛选出0个、一个、以及一个以上的满足申报条件的二级项目,能够让企业快速、清晰地判断自身能够申报哪些具体的项目。
需要说明的是,第一步操作和第二步操作可以是同时或者错开进行,可以根据具体数据处理器以及需求等进行选择。
由此,根据本发明实施例的基于AI的项目管理方法,分别对企业基本数据信息和一级项目数据信息以及申报条件进行处理,得到第一训练模型,并分别对企业项目数据信息和二级项目数据信息及申报条件进行处理,得到第二训练模型。在根据企业的基本信息判断能够申报哪些项目时,向得到的第一训练模型输入企业基本数据信息,根据反馈结果判断是否满足一级项目数据网络集合的申报条件。在满足一级项目数据网络集合的申报条件时,根据企业基本数据信息获取企业项目数据信息,并将企业项目数据信息输入第二训练模型,通过第二训练模型筛选出满足二级项目数据网络集合申报条件的二级项目。根据本发明实施例的基于AI的项目管理方法,不仅能够智能自动判断是否满足大类项目申报条件,还能够进一步智能自动判断是否满足小类项目申报条件,能够快速、全面地进行项目匹配,便于企业对于自身项目信息的维护和管理。
其中,当第一训练模型判断出企业不满足一级项目数据网络集合的申报条件时,第一训练模型能够标识出不符合申报条件的目录信息,便于客户快速、清晰地知道企业自身条件中是哪些不满足申报条件,便于企业及时进行查缺补漏。在第二训练模型筛选二级项目时,也能够标识出其余项目不满足的信息目录,企业能够清楚明了地知道自身条件与申报条件之间的差异。
为了进一步提高企业项目的智能化管理水平,根据本发明实施例的方法还包括以下步骤:
(1)获取第一训练模型和/或第二训练模型根据标识得到的目录数据信息,并对目录数据信息进行处理得到目录数据网络集合。
(2)获取目录数据网络集合中的各个顶点的标识与不同申报信息中不同申报条件的相关度,根据相关度将目录数据网络集合划分为一级分类数据集和二级分类数据集。
(3)将一级分类数据集和二级分类数据集分别按照企业注册资本、企业人员数量、企业社保缴纳人员总数、企业人员学历、企业奖惩情况、企业自主知识产权等进行分类,得到多个精细分类数据集。
(4)将一级分类数据集和二级分类数据集的多个精细分类数据集置于网络中分别进行训练,得到第三训练模型。
(5)获取第一训练模型和第二训练模型的目录信息,并将其输入至第三训练模型。
(6)第三训练模型根据目录信息给出相应的提示信息,提示信息可以包括预设的能够满足该项申报条件的信息以及关联第三方,例如,在企业的自主知识产权条件不满足申报条件时,第三训练模型给出发明专利应当需要满足的数量、发明专利需要处于授权阶段还是实质审查阶段等信息,或者关联第三方,并根据第三训练模型的反馈信息确定是否需要联系第三方。第三方可以包括国家知识产权局、省级知识产权机构、省级项目申报机构、专利事务所等。
根据本发明一个实施例,步骤S1中,企业基本数据信息包括企业的名称、企业的成立时间信息、注册资金信息、地址信息、知识产权信息、主营范围信息和法人信息等,可以根据一级项目数据信息及其申报条件限定或者筛选企业基本数据信息的种类和内容,通过对企业基本数据信息进行处理能够得到企业基本数据网络集合。
可选地,企业基本数据信息可以包括企业规模信息,企业规模可以分为大型企业、中型企业、小型企业、初创期小企业与科技机构等种类。
在本发明的一些具体实施方式中,在步骤S2中,将企业基本数据网络集合分为人才领域数据集、创新领域数据集、后补助领域数据集和产业化领域数据集,在步骤S3中,一级项目数据网络集合包括:人才项目数据集、创新项目数据集、后补助项目数据集和产业化项目数据集。也就是说,将企业数据网络集合预先分为几个大类,便于数据分类和处理,提高企业基本数据网络集合的处理效率。
根据本发明一个实施例,在经过步骤S2后,得到不同垂直领域的多个分领域数据集,步骤S4包括:S41、根据不同垂直领域分别随机选取企业,并获得对应的企业基本数据信息,其中垂直领域可以包括但不限于人才领域数据集、创新领域数据集、后补助领域数据集和产业化领域数据集;S42、将经过步骤S41选取得到的每个企业基本数据信息分别进行拆分,得到每个企业基本单元,例如:将得到的企业的名称、企业的成立时间信息、注册资金信息、地址信息、知识产权信息、主营范围信息和法人信息等基本信息分别进行拆分,得到每个企业基本单元;S43、将经过步骤S42得到的每个企业基本单元分别与一级项目数据网络集合的申报条件进行匹配,例如:一级项目数据网络集合的申报条件可以包括企业成立时间不短于n年,企业人员总数等数据信息,在匹配时可以将经过步骤(2)得到的企业基本单元内的相关数据信息,例如企业成立时间2年,员工500人等信息与一级项目数据网络集合的申报条件进行匹配;S44、筛选出符合一级项目数据网络集合的申报条件的企业基本单元;S45、将符合一级项目数据网络集合的申报条件的所述企业基本单元进行归类后结束训练,得到第一训练模型。
下面结合具体实施例对本发明实施例的一级项目数据网络集合的申报条件进行详细说明。
(1)关于人才类项目的预设申报条件:主要针对企业的高学历人员,如硕士以上学历、年龄55周岁以下,高学历人员拥有不少于1项有效知识产权等。
(2)关于创新类项目预设申报条件:拥有有效发明专利不少于1项;目标产品处理小试或中试阶段;有产学研合作高校;企业有不少于1:1的自筹研发经费;企业建立了相关研发平台等。
(3)关于后补助项目的预设申报条件:根据企业在研发、生产设备、基础设施、企业智能、信息化管理、节能改造和体系认证等方面的上年投入金额的大小来进行一定比例的后补助。例如:根据企业在上年设备投入500万以上,信息化投入200万以上,节能改造500万以上的基础上进行10%的后补助。
(4)关于产业化项目的预设申报条件:主要是指企业推广产能进行了项目投入,总项目投入不低于1个亿,项目新增投资不少于4000万-5000万,形成产值2亿-3亿左右;产品产业方向符合国家支持的10大产业领域。
根据本发明一个实施例,企业项目数据信息包括:企业已申报项目数据信息、企业已申请专利类型和数量,通过企业的基本数据信息获取企业项目数据信息,能够快速去除与二级项目数据集合无关的数据,缩小数据处理的范围,提高数据处理的速度。
在本发明的一些具体实施方式中,步骤S7包括:S71、获取步骤S45中符合一级项目数据网络集合的申报条件的企业基本数据信息,并根据企业基本数据信息,获取企业项目数据信息,也就是说,步骤S71是获取经过步骤S45筛选后的企业基本数据信息,能够缩小数据处理量,提高数据处理速度;S72、将每个企业项目数据信息分别进行拆分,得到每个企业项目单元;S73、将每个企业项目单元分别与二级项目数据网络集合的申报条件进行匹配;S74、筛选出符合二级项目数据网络集合的申报条件的所述企业项目单元;S75、将符合二级项目数据网络集合的申报条件的所述企业项目单元进行归类后结束训练,得到第二训练模型。
进一步地,步骤S7还包括:S76、将步骤S45和步骤S75中归类的所述企业基本单元和所述企业项目单元分别聚类形成触发单元;在步骤S8中,获取所述企业基本数据信息并输入所述第一训练模型后,所述企业基本数据信息首先与所述触发单元进行匹配,能够提高数据处理效率;在步骤S9中,将所述企业项目数据信息输入所述第二训练模型后,所述企业项目数据信息首先与所述触发单元进行匹配。
换句话说,根据本发明实施例的基于AI的项目管理方法还可以将步骤S45和步骤S75中归类的所述企业基本单元和所述企业项目单元进行聚类,使其形成触发单元,在对企业基本单元和企业项目单元进行聚类后,在步骤S8中获取了企业基本数据信息后,可以首先将企业基本数据信息与触发单元进行匹配,若能够直接匹配,则可以直接判断该企业符合一级项目的要求,若不能匹配,再将企业基本数据信息与其他企业基本单元进行匹配,可以加快数据的匹配效率,同理,在步骤S9中也可适用。
根据本发明的一个实施例,根据本发明实施例的方法还包括以下步骤:S10、根据第二训练模型反馈的符合二级项目数据网络集合申报条件的二级项目,生成企业项目管理报告,便于企业的项目管理者进行阅读和归档。
总而言之,根据本发明实施例的基于AI的项目管理方法至少具有以下优点:(1)应用物联网技术采集企业基本数据信息、企业项目数据信息的同时,引入人工智能技术,快速对企业能够申报的项目进行匹配和筛选,能够有效地提高项目管理的效率;(2)通过***进行二次建模比对,提高项目匹配的全面性,从而使企业能够快速、清晰地判断自身是否具备资质去申报具体的项目。
另外,本发明实施例还提供了一种计算机存储介质,计算机存储介质包括一条或多条计算机指令,所述一条或多条计算机指令在执行时实现上述任一所述的基于AI的项目管理方法。
也就是说,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器运行时,使得所述处理器执行上述任一所述的基于AI的项目管理方法。
如图2所示,本发明实施例提供了一种电子设备300,包括存储器310和处理器320,所述存储器310用于存储一条或多条计算机指令,所述处理器320用于调用并执行所述一条或多条计算机指令,从而实现上述任一所述的方法。
也就是说,电子设备300包括:处理器320和存储器310,在所述存储器310中存储有计算机程序指令,其中,在所述计算机程序指令被所述处理器运行时,使得所述处理器320执行上述任一所述的方法。
进一步地,如图2所示,电子设备300还包括网络接口330、输入设备340、硬盘350、和显示设备360。
上述各个接口和设备之间可以通过总线架构互连。总线架构可以是包括任意数量的互联的总线和桥。具体由处理器320代表的一个或者多个中央处理器(CPU),以及由存储器310代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解,总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外,还包括电源总线、控制总线和状态信号总线,这些都是本领域所公知的,因此本文不再对其进行详细描述。
所述网络接口330,可以连接至网络(如因特网、局域网等),从网络中获取相关数据,并可以将相关数据保存在硬盘350中。
所述输入设备340,可以接收操作人员输入的各种指令,并发送给处理器320以供执行。所述输入设备340可以包括键盘或者点击设备(例如,鼠标,轨迹球(trackball),触感板或者触摸屏等)。
所述显示设备360,可以将处理器320执行指令获得的结果进行显示。
所述存储器 310,用于存储操作***运行所必须的程序和数据,以及处理器320计算过程中的中间结果等数据。
可以理解,本发明实施例中的存储器310可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM)、可编程只读存储器 (PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM),其用作外部高速缓存。
在一些实施方式中,存储器310存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作***311和应用程序 312。
其中,操作***311,包含各种***程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序312,包含各种应用程序,例如浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序312中。
本发明上述实施例揭示的方法可以应用于处理器320中,或者由处理器 320实现。处理器320可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器320中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器320可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列( FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存,只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器310,处理器320读取存储器310中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等) 来实现本文所述的技术。软件代码可存储在存储器310中并通过处理器320执行。存储器310可以在处理器320中或在处理器320外部实现。
具体地,处理器320还用于读取所述计算机程序,执行上述任一所述的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独设置,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括:U 盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于AI的项目管理方法,其特征在于,包括以下步骤:
S1、获取企业基本数据信息,并对所述企业基本数据信息进行处理得到企业基本数据网络集合;
S2、对所述企业基本数据网络集合按照实体节点和/或节点关系的垂直领域进行分类,得到不同垂直领域的多个分领域数据集;
S3、获取一级项目数据信息及其申报条件,并对所述一级项目数据信息进行处理得到一级项目数据网络集合;
S4、将多个所述分领域数据集和所述一级项目数据网络集合置于网络中进行训练,得到第一训练模型;
S5、获取企业项目数据信息,并对所述企业项目数据信息进行处理得到企业项目数据网络集合;
S6、获取二级项目数据信息及其申报条件,并对所述二级项目数据信息进行处理得到二级项目数据网络集合;
S7、将所述企业项目数据网络集合和所述二级项目数据网络集合置于网络中进行训练,得到第二训练模型;
S8、获取企业基本信息,并将其输入所述第一训练模型,所述第一训练模型根据所述企业基本数据信息反馈企业是否满足所述一级项目数据网络集合的申报条件,若不满足,则发出第一反馈信息,若满足,则执行步骤S9;
S9、根据所述企业基本数据信息获取所述企业项目数据信息,并将所述企业项目数据信息输入所述第二训练模型,所述第二训练模型根据所述企业项目数据信息筛选满足所述二级项目数据网络集合申报条件的二级项目。
2.根据权利要求1所述的方法,其特征在于,在步骤S1中,所述企业基本数据信息包括:企业的名称、企业的成立时间信息、注册资金信息、地址信息、知识产权信息、主营范围信息和法人信息。
3.根据权利要求2所述的方法,其特征在于,在步骤S2中,将所述企业基本数据网络集合分为人才领域数据集、创新领域数据集、后补助领域数据集和产业化领域数据集,在步骤S3中,所述一级项目数据网络集合包括:人才项目数据集、创新项目数据集、后补助项目数据集和产业化项目数据集。
4.根据权利要求1所述的方法,其特征在于,步骤S4包括:
S41、根据不同垂直领域分别随机选取企业,并获得对应的所述企业基本数据信息;
S42、将每个所述企业的基本数据信息分别进行拆分,得到每个企业基本单元;
S43、将每个所述企业基本单元分别与所述一级项目数据网络集合的申报条件进行匹配;
S44、筛选出符合所述一级项目数据网络集合的申报条件的所述企业基本单元;
S45、将符合所述一级项目数据网络集合的申报条件的所述企业基本单元进行归类后结束训练,得到所述第一训练模型。
5.根据权利要求4所述的方法,其特征在于,所述企业项目数据信息包括:企业已申报项目数据信息、企业已申请专利类型和数量。
6.根据权利要求4所述的方法,其特征在于,步骤S7包括:
S71、获取步骤S45中符合所述一级项目数据网络集合的申报条件的所述企业基本数据信息,并根据所述企业基本数据信息,获取所述企业项目数据信息;
S72、将每个所述企业项目数据信息分别进行拆分,得到每个企业项目单元;
S73、将每个所述企业项目单元分别与所述二级项目数据网络集合的申报条件进行匹配;
S74、筛选出符合所述二级项目数据网络集合的申报条件的所有企业项目单元;
S75、将符合所述二级项目数据网络集合的申报条件的所有企业项目单元进行归类后结束训练,得到所述第二训练模型。
7.根据权利要求6所述的方法,其特征在于,步骤S7还包括:
S76、将步骤S45和步骤S75中归类的所述企业基本单元和所述企业项目单元分别聚类形成触发单元;
在步骤S8中,获取所述企业基本数据信息并输入所述第一训练模型后,所述企业基本数据信息首先与所述触发单元进行匹配;
在步骤S9中,将所述企业项目数据信息输入所述第二训练模型后,所述企业项目数据信息首先与所述触发单元进行匹配。
8.根据权利要求1所述的方法,其特征在于,还包括:
S10、根据所述第二训练模型反馈的符合所述企业二级项目数据网络集合申报条件的所述二级项目,生成企业项目管理报告。
9.一种计算机存储介质,其特征在于,包括一条或多条计算机指令,所述一条或多条计算机指令在执行时实现如权利要求1-8中任一项所述的方法。
10.一种电子设备,包括存储器和处理器,其特征在于,
所述存储器用于存储一条或多条计算机指令;
所述处理器用于调用并执行所述一条或多条计算机指令,从而实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010349541.0A CN111369231A (zh) | 2020-04-28 | 2020-04-28 | 基于ai的项目管理方法、计算机存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010349541.0A CN111369231A (zh) | 2020-04-28 | 2020-04-28 | 基于ai的项目管理方法、计算机存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111369231A true CN111369231A (zh) | 2020-07-03 |
Family
ID=71209482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010349541.0A Pending CN111369231A (zh) | 2020-04-28 | 2020-04-28 | 基于ai的项目管理方法、计算机存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369231A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104375998A (zh) * | 2013-08-13 | 2015-02-25 | *** | 一种智能化的项目匹配分析工具及其实现方法 |
CN110264043A (zh) * | 2019-05-29 | 2019-09-20 | 深圳市霏凡网络科技有限公司 | 一种基于大数据的科技项目评估方法、***及存储介质 |
CN110503337A (zh) * | 2019-08-26 | 2019-11-26 | 付强 | 一种企业发展战略智能规划***、方法 |
-
2020
- 2020-04-28 CN CN202010349541.0A patent/CN111369231A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104375998A (zh) * | 2013-08-13 | 2015-02-25 | *** | 一种智能化的项目匹配分析工具及其实现方法 |
CN110264043A (zh) * | 2019-05-29 | 2019-09-20 | 深圳市霏凡网络科技有限公司 | 一种基于大数据的科技项目评估方法、***及存储介质 |
CN110503337A (zh) * | 2019-08-26 | 2019-11-26 | 付强 | 一种企业发展战略智能规划***、方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020233330A1 (zh) | 批量测试方法、装置及计算机可读存储介质 | |
DE112016005292T5 (de) | Automatischer Abweichungsdetektionsdienst auf heterogenen Protokollströmen | |
DE112016005443T5 (de) | System und Verfahren zur automatischen Validierung | |
CN110378206B (zh) | 一种智能审图***及方法 | |
CN106294134A (zh) | 代码的崩溃定位方法及装置 | |
CN104657274A (zh) | 软件界面测试方法及装置 | |
CN114202755A (zh) | 基于ocr和nlp技术的交易背景真实性审核方法和*** | |
Awodele et al. | A real-time crime records management system for national security agencies | |
CN113282514A (zh) | 问题数据的处理方法、装置、计算机设备和存储介质 | |
CN113220588A (zh) | 一种数据处理的自动化测试方法、装置、设备及存储介质 | |
CN113778864A (zh) | 一种测试用例的生成方法和装置、电子设备和存储介质 | |
CN111369231A (zh) | 基于ai的项目管理方法、计算机存储介质及电子设备 | |
CN117236304A (zh) | 一种基于模板配置的Excel通用导入的实现方法 | |
CN116561003A (zh) | 测试数据生成方法、装置、计算机设备和存储介质 | |
CN113792187A (zh) | 群智软件开发贡献质量评估方法、装置、设备及介质 | |
CN110956032B (zh) | 模型与模型的对量方法、装置、存储介质、电子设备 | |
Liu et al. | A formal approach to testing programs in practice | |
Cui et al. | Isolation forest filter to simplify training data for cross-project defect prediction | |
CN106528718A (zh) | 用于处理来自第三方的数据的方法及装置 | |
CN112053137A (zh) | 流程预测方法、电子设备和服务器集群 | |
TWI755702B (zh) | 測試真實資料之方法及電腦可讀媒介 | |
Sandusky | Software problem management as information management in a F/OSS development community | |
CN113434946B (zh) | 一种基于bim的建筑模型检查***及方法 | |
CN112445391B (zh) | 一种服务数据生成方法、装置和计算机可读存储介质 | |
Bellan | Process Extraction from Natural Language Text. |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200703 |
|
RJ01 | Rejection of invention patent application after publication |