CN111651506A - 一种基于历史文化数据的层积性分析方法及装置 - Google Patents
一种基于历史文化数据的层积性分析方法及装置 Download PDFInfo
- Publication number
- CN111651506A CN111651506A CN202010600067.4A CN202010600067A CN111651506A CN 111651506 A CN111651506 A CN 111651506A CN 202010600067 A CN202010600067 A CN 202010600067A CN 111651506 A CN111651506 A CN 111651506A
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- scoring
- analysis
- culture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012105 stratification Analysis Methods 0.000 title claims description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 180
- 238000013517 stratification Methods 0.000 claims abstract description 10
- 238000009877 rendering Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 18
- 230000007774 longterm Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 6
- 238000007477 logistic regression Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 15
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 239000002609 medium Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010276 construction Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2428—Query predicate definition using graphical user interfaces, including menus and forms
-
- 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种基于历史文化数据的层积性分析方法及装置。本申请实施例提供的技术方案，通过建立评分分析模型来对接收到的历史文化数据进行分析以得到对应的评分参数，最后根据评分参数来对数据进行层次化展示；最终通过显示效果的差异带来层次叠加的比对感，便于用户对展示结果有更直观的感受。通过上述层次化展示对各个历史文化遗产之间的内在联系进行展示，本申请实施例以评分参数为基准，利用颜色深浅的方式代表历史文化资源大数据的分析结果，将区域内分析结果在空间上进行叠加，以表达出区域内在历史久远度、核密度、历史影响度、保护范围以及历史价值程度上的强弱。通过本申请实施例的方案能够对其进行综合统一的管理，方便使用。
Description
技术领域
本申请实施例涉及数据可视化技术领域，尤其涉及一种基于历史文化数据 的层积性分析方法及装置。
背景技术
现有的进行历史文化分析主要采用文字表达的方式或者是采用单一的展示 方式来对历史文化遗产进行数字化展示。历史文化遗产的数字化展示技术包括 基于VR技术的真实感渲染、沉浸式投影、基于多媒体信息集成展示的数字博 物馆等。数字博物馆营造数字化展示***，用户可通过电子书、视听光盘、网 页浏览、虚拟体验等方式来浏览、访问文物古迹等历史文化遗产的数字资源。 高性能可编程图形处理器、并行处理器、高效存储、协同计算等新技术为海量 场景数据的处理提供了强大的计算与存储资源。但是其仅仅只能够单一层次的 数据浏览，虽然对单一的信息展示效果很好，但是并没有进行更深层次的分析 展示，使得浏览者并不能够对相应历史文化遗产有整体的认识。因此，设计一 种能够进行历史文化数据层积性分析的方案成为本领域技术人员亟待解决的技 术问题。
发明内容
本申请实施例提供一种基于历史文化数据的层积性分析方法及装置，能够 通过预先建立评分分析模型来对接收到的历史文化数据进行分析以得到对应的 评分参数，最后根据评分参数来对数据进行层次化展示，最终通过显示效果的 差异带来层次叠加的比对感，便于用户对展示结果有更直观的感受。
在第一方面，本申请实施例提供了一种基于历史文化数据的层积性分析方 法，包括：
接收用户输入的历史文化数据；
调用与所述历史文化数据对应的统计数据；
将所述统计数据传输至评分分析模型中以得到相应的评分参数，所述评分 分析模型包括久远度分析模型、文化核密度分析模型、影响度分析模型和保护 范围分析模型中的一种或多种；
将所述评分参数以及所述历史文化数据输入至渲染模型处以对历史文化数 据进行层积性展示。
进一步的，在所述调用与所述历史文化数据对应的统计数据之前，还包括：
对当前用户进行权限验证，当验证通过后生成相应的端口许可码，并根据 所述端口许可码生成资源调用索引；
对应的，所述调用与所述历史文化数据对应的统计数据，包括：
根据所述资源调用索引调用与所述历史文化数据对应的统计数据。
进一步的，所述评分分析模型包括评分标准和与所述评分标准对应的评分 参数；
所述将所述统计数据传输至评分分析模型中以得到相应的评分参数，所述 评分分析模型包括久远度分析模型、文化核密度分析模型、影响度分析模型和 保护范围分析模型中的一种或多种，包括：
根据所述统计数据确定评分分析模型中对应的评分标准，所述评分标准包 括久远度评分标准、文化核密度评分标准、影响度评分标准和保护范围评分标 准；
根据所述统计数据以及所述评分标准得到对应的评分参数。
进一步的，所述统计数据包括年代统计数据和类型统计数据；
所述调用与所述历史文化数据对应的统计数据，还包括：
当检测到久远度分析模块或文化核密度分析模块被触发时，调用与所述历 史文化数据对应的年代统计数据或类型统计数据；
对应的，所述将所述统计数据传输至评分分析模型中以得到相应的评分参 数，包括：
将所述年代统计数据传输至久远度分析模型以得到相应的评分参数或者将 所述类型统计数据传输至文化核密度分析模型以得到相应的评分参数。
进一步的，所述影响度分析模型通过如下步骤构建得到：
获取文化资源样本数据与所述文化资源样本数据对应的历史文化信息；
抽取所述历史文化信息中的属性信息，所述属性信息包括名人名称、事件 名称、保护等级和重要程度；
以名人名称、事件名称、保护等级和重要程度为特征输入，评分值为输出 进行模型训练来构建影响度分析模型，直至达到训练要求。
进一步的，在所述将所述评分参数以及所述历史文化数据输入至渲染模型 处以对历史文化数据进行层积性展示之前，还包括：
接收用户选择的显示模式，所述显示模式包括颜色种类或颜色深浅；
对应的，所述将所述评分参数以及所述历史文化数据输入至渲染模型处以 对历史文化数据进行层积性展示，包括：
将所述评分参数以及所述历史文化数据输入至渲染模型，所述渲染模型包 括评分数据以及与评分数据对应的显示模式；
通过所述渲染模型对历史文化数据中不同对象采用预设的颜色种类或者预 设的颜色深浅进行显示。
进一步的，所述评分分析模型包括逻辑回归模型。
在第二方面，本申请实施例提供了一种基于历史文化数据的层积性分析装 置，包括：
接收模块：用于接收用户输入的历史文化数据；
调用模块：用于调用与所述历史文化数据对应的统计数据；
分析模块：用于将所述统计数据传输至评分分析模型中以得到相应的评分 参数，所述评分分析模型包括久远度分析模型、文化核密度分析模型、影响度 分析模型和保护范围分析模型中的一种或多种；
展示模块：用于将所述评分参数以及所述历史文化数据输入至渲染模型处 以对历史文化数据进行层积性展示。
在第三方面，本申请实施例提供了一种电子设备，包括：
存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多 个处理器实现如第一方面所述的基于历史文化数据的层积性分析方法。
在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质， 所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的基 于历史文化数据的层积性分析方法。
本申请实施例通过预先建立评分分析模型来对接收到的历史文化数据进行 分析以得到对应的评分参数，最后根据评分参数来对数据进行层次化展示；最 终通过显示效果的差异带来层次叠加的比对感，便于用户对展示结果有更直观 的感受。通过上述层次化展示对各个历史文化遗产之间的内在联系进行展示， 本申请实施例以评分参数为基准，利用颜色深浅的方式代表历史文化资源大数 据的分析结果，将区域内分析结果在空间上进行叠加，以表达出区域内在历史 久远度、核密度、历史影响度、保护范围以及历史价值程度上的强弱。并且通 过本申请实施例的方案能够对其进行综合统一的管理，方便使用。
附图说明
图1是本申请实施例提供的一种基于历史文化数据的层积性分析方法的流 程图；
图2是本申请实施例提供的评分参数获取的流程示意图；
图3是本申请实施例提供的影响度分析模型构建的流程示意图；
图4是本申请实施例提供的影响度结果展示示意图；
图5是本申请实施例提供的久远度结果一展示示意图；
图6是本申请实施例提供的久远度结果另一展示示意图；
图7是本申请实施例提供的核密度结果展示示意图；
图8是本申请实施例提供的核密度数据输入选择的页面示意图；
图9是本申请实施例提供的评分分析模型构建的流程示意图；
图10是本申请实施例提供的数据层积性展示的流程示意图；
图11是本申请实施例提供进行层积性分析的显示页面示意图；
图12是本申请实施例提供的一种基于历史文化数据的层积性分析装置的 结构示意图；
图13是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请 具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅 仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描 述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示 例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的 处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中 的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以 被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序 等等。
现有的方案其仅仅只能够单一层次的数据浏览，虽然对单一的信息展示效 果很好，但是并没有进行更深层次的分析展示，使得浏览者并不能够对相应历 史文化遗产有整体的认识。基于此，本申请实施例提供了基于历史文化数据的 层积性分析方法，其通过预先建立评分分析模型来对接收到的历史文化数据进 行分析以得到对应的评分参数，最后根据评分参数来对数据进行层次化展示； 最终通过显示效果的差异带来层次叠加的比对感，便于用户对展示结果有更直 观的感受。通过上述层次化展示对各个历史文化遗产之间的内在联系进行展示， 本申请实施例以评分参数为基准，利用颜色深浅的方式代表历史文化资源大数 据的分析结果，将区域内分析结果在空间上进行叠加，以表达出区域内在历史久远度、核密度、历史影响度、保护范围以及历史价值程度上的强弱。并且通 过本申请实施例的方案能够对其进行综合统一的管理，方便使用。
中国是世界上拥有世界遗产类别最齐全的国家之一，也是世界自然与文化 双遗产数量最多的国家(与澳大利亚并列)，其中首都北京拥有6项世界遗产， 是世界上拥有遗产项目数最多的城市。文化遗产，概念上分为有形文化遗产、 无形文化遗产或包括物质文化遗产和非物质文化遗产。物质文化遗产是具有历 史、艺术和科学价值的文物；非物质文化遗产是指各种以非物质形态存在的与 群众生活密切相关、世代相承的传统文化表现形式。文化遗产分不同的年代、 不同的地段、不同的类型等。这样就有了文化遗产历史层积性的定义。
文化遗产历史层积性分析模型包括，历史久远度分析模型、文化类型核密 度分析模型、历史影响度分析模型、保护范围分析模型、历史文化街区、名镇、 名村评价体系模型。
层积性分析的概念是在时间层面上，一层一层的在不同的分析标准下执行 分析后得到的在颜色差异上带来的层级叠加的比对感，即为层积性分析模型带 来的呈现效果，以用于表示历史文化资源的久远度、核密度、影响度、以及历 史价值程度。
图1给出了本申请实施例提供的一种基于历史文化数据的层积性分析方法 的流程图，本实施例中提供的基于历史文化数据的层积性分析方法可以由基于 历史文化数据的层积性分析设备执行，该基于历史文化数据的层积性分析设备 可以通过软件和/或硬件的方式实现，该基于历史文化数据的层积性分析设备可 以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该基 于历史文化数据的层积性分析设备可以是电脑，手机，平板或后台服务器等。
下述以后台服务器为执行基于历史文化数据的层积性分析方法的设备为 例，进行描述。参照图1，该基于历史文化数据的层积性分析方法具体包括：
S101：接收用户输入的历史文化数据。
本步骤主要是选定相应的历史文化数据，进行历史文化数据输入时，可以 是直接输入对应的历史文化数据片区的文字信息来进行数据调用或者是可以通 过选定地图中的对应的片区来进行信息输入。比如选定广州越秀区，可以直接 在相应页面输入“广州越秀区”或者是在地图上选定相应的区域。这两种方式 适用于不同的场景，当需要对某个片区整体去进行检测时，可以直接进行文字 信息输入来检测。当需要对某个特定区域进行选择展示时，则更适用于在地图 上进行点选。也即是当开启层积性分析命令，则请求读取相应区域范围内对应 的历史文化资源数据库数据，如历史建筑名称、建筑数量、建筑坐标等。
S102：调用与所述历史文化数据对应的统计数据。
本实施例中历史文化数据对应的是具体的文化街区、名镇、名村或者是具 体的石碑、寺庙等建筑；在相应地图页面显示时，也是可以显示到这一层级， 但是实际上，与上述信息对应的还有大量的关于具体地点的属性信息，比如该 地点的建筑年代信息、建筑面积信息、建筑数量信息、损毁程度信息、保护级 别信息、控制范围、名人数据信息、历史价值信息、社会影响范围等等。不管 是久远度、核密度、影响度、保护范围，这些分析模型的构建均是基于上述数 据进行的，在这些标准之下，设置各标准间的影响参数和对分析结果的占比参 数，可以增加多个评分标准，加入其中，标准设置的内容越多，对应的评分参 数越精细和越可靠，结果越丰富多样。不同的分析，对应不同的分析标准，例 如久远度分析对应的标准可能是年代信息、历史价值信息等等，核密度分析可 能对应面积信息、数量信息等等。得到这个区域内的这些统计数据后，输入模 型。统计数据为统计调查评价分析而形成的。因此，也需要依据历史文化数据 调用对应的统计数据，该统计数据也即是对应历史遗址的属性信息。除了上述 信息之外，对应历史遗址的统计数据还包括对历史遗产的文字描述内容，通过 该文字描述内容可以抽取出关于历史遗产的相关影响度信息。
本实施例中进一步的，在所述调用与所述历史文化数据对应的统计数据之 前，还包括：
对当前用户进行权限验证，当验证通过后生成相应的端口许可码，并根据 所述端口许可码生成资源调用索引；
对应的，所述调用与所述历史文化数据对应的统计数据，包括：
根据所述资源调用索引调用与所述历史文化数据对应的统计数据。
本实施例中通过进行权限设置也是为了方便于进行资源管理，针对不同的 用户级别可以展示不同的内容；比如针对第一级别用户开放所有权限，也即是 其可以调用所有的资源来进行使用，第二级别用户开放部分权限，也即是其只 能够调用部分使用权限，当其使用超过其权限范围内的内容时，会提示其不具 备使用条件；第三级别用户则对关闭所有的资源，***内的所有资源其均不能 够使用。通过多级权限管理，能够整体***管理更加有序。
S103：将所述统计数据传输至评分分析模型中以得到相应的评分参数，所 述评分分析模型包括久远度分析模型、文化核密度分析模型、影响度分析模型 和保护范围分析模型中的一种或多种。
本步骤将获取到的统计数据传输至预设的评分分析模型中来进行分析，评 分分析模型主要是为了将统计数据与一具体评分参数进行关联，在后续还包括 有渲染模型，在渲染模型是为了将评分参数与颜色深浅进行关联，通过上述关 联关系进而实现将统计参数与颜色深浅进行关联的方式。
示例性的，图2是本申请实施例提供的评分参数获取的流程示意图，如图 2所示，所述评分分析模型包括评分标准和与所述评分标准对应的评分参数；
所述将所述统计数据传输至评分分析模型中以得到相应的评分参数，所述 评分分析模型包括久远度分析模型、文化核密度分析模型、影响度分析模型和 保护范围分析模型中的一种或多种，包括：
S1031：根据所述统计数据确定评分分析模型中对应的评分标准，所述评分 标准包括久远度评分标准、文化核密度评分标准、影响度评分标准和保护范围 评分标准。
S1032：根据所述统计数据以及所述评分标准得到对应的评分参数。
针对于不同的统计数据有不同的评分标准，因为针对久远度，当然不能够 采用文化核密度的评价标准来进行，因为两者属于不同的评价体系；故而不能 够进行采用同样的标准去评价。故而需要针对不同的数据匹配不同的评分标准 来进行评分参数的获取。
进一步的，所述统计数据包括年代统计数据和类型统计数据；
所述调用与所述历史文化数据对应的统计数据，还包括：
当检测到久远度分析模块或文化核密度分析模块被触发时，调用与所述历 史文化数据对应的年代统计数据或类型统计数据；
对应的，所述将所述统计数据传输至评分分析模型中以得到相应的评分参 数，包括：
将所述年代统计数据传输至久远度分析模型以得到相应的评分参数或者将 所述类型统计数据传输至文化核密度分析模型以得到相应的评分参数。
由于统计数据中包含有大量的数据，当用户点击相应的分析模块，则为用 户匹配相应的数据。当用户点击久远度分析模块时，则调用年代统计数据来进 行分析，并将年代统计数据送入久远度分析模块中来进行具体的参数获取；当 用户点击核密度分析模块时，则调用类型统计数据，并将类型统计数据送入核 密度分析模块中来进行具体参数获取；当调用影响度分析时，则对抽取其中大 量数据，包括有年代数据以及历史时间数据来对影响度进行分析，最终得到相 应的评分参数；当进行保护范围分析时，则调用缓冲分析模块来对相应的历史 文化遗址进行缓冲分析，并缓冲分析后的数据送入到对应的保护范围分析模块 以得到对应的评分参数。
示例性的，图3是本申请实施例提供的影响度分析模型构建的流程示意图， 如图3所示，所述影响度分析模型通过如下步骤构建得到：
S103a：获取文化资源样本数据与所述文化资源样本数据对应的历史文化信 息；
S103b：抽取所述历史文化信息中的属性信息，所述属性信息包括名人名称、 事件名称、保护等级和重要程度；
S103c：以名人名称、事件名称、保护等级和重要程度为特征输入，评分值 为输出进行模型训练来构建影响度分析模型，直至达到训练要求。
上述为具体的影响度分析模型的构建过程，评分分析模型中其他的模型可 以参照上述模型来进行构建，也可以采用映射的方式来进行模型构建，比如久 远度分析模块，可以直接采用朝代与评分参数之间的映射关系来进行模型构建。
具体的，影响度评分标准也即是影响度分析模型，其是针对历史镇区、历 史地段、历史文化名街、村落内历史事件及名人影响度，上述信息作为各类历 史遗产等级的评估以及作为历史遗产保护与活化利用的基础资料。抽取属性信 息，也即是抽取其中的历史名人名称、历史事件名称、历史事件重要程度以及 各类历史遗产等级(国家级、省级、市级、不可移动文物、历史建筑、历史建 筑线索)等。最后对区域内历史遗产要素历史事件建立评分模型，统计范围区 域面积历史事件的数量及影响程度，导出统计表；对区域内历史遗产要素点实 体录入后，统计范围内各类历史遗产等级、数量。
影响度分析后以统计表形式作为分析结果，另外按照统计表总影响程度可 建立颜色深浅的方式进行表示，保护范围分析后所指定的缓冲区由边沿线包含 起来的范围为分析后形成，历史文化资源评价体系模型的输出结果以颜色深浅 的方式进行表示。如图4所示，图4是本申请实施例提供的影响度结果展示示 意图。
具体的，久远度评分标准也即是久远度分析模型，其是针对历史镇区、历 史地段、历史文化名街、村落，通过对其始建年代进行统计，分析得出范围内 历史久远度，直观显示核心保护区域。进行信息提取时，获取选定区域内现存 历史镇区、历史地段、历史文化名街、历史建筑以及与文物保护单元对应的始 建年代(时间)等。最后对区域内历史遗产要素建立评分模型(如最早修建年 代-民初3分；明、清年代4分；元代及以前5分)，统计范围区域面积历史遗 产的数量与始建年代。在进行久远度分析时，主要是将时间信息作为主要的参考依据来进行评分，进行具体评分时，可以依据时间阈值，比如每隔500年设 定一个具体对应分数，也可以依据朝代来进行设置；在本实施例中采用朝代来 说更有意义，因为遗址更多针对的是某个朝代的遗址，而不单单说时间，朝代 具有更明确的指向性，便于进行研究，比如可以通过看遗址之间朝代的关联性 进而提取出更有价值的信息。如图5和图6所示，图5是本申请实施例提供的 久远度结果一展示示意图，图6是本申请实施例提供的久远度结果另一展示示 意图。
文化核密度评分标准也即是文化核密度分析模型，其针对历史镇区、历史 地段、历史文化名街、村落内分布的历史遗产的类型进行统计，分析得出范围 内历史遗产类型情况，为历史遗产保护与活化利用作基础资料。通过提取选定 对象的属性信息，如古建筑(文物保护单位、不可移动文物、坛庙宗祠等)、古 遗址、古墓葬、近代重要史迹及代表建筑(名人故居、单位旧址、金融商贸类 建筑、碉楼等)、石窟及石刻、历史环境要素(古井、古石街、桥梁码头、古树 名木、门楼牌匾等)、历史类交通设施(古驿道)等。最后对区域内历史遗产要 素进行属性设置，以区分不同文化类型，通过不同文化类型的种类来进行核密 度分析。进行文化核密度分析，主要是为了看在某个区域内不同类型的聚集度， 如果在某个范围内聚集度更高，则说明对应区域内为较中心的地方，最终通过 图像显示出上述层次效果。核密度主要用于表示历史文化资源要素在其周围邻 域中的密度，表现为历史文化资源在点要素上或线要素上的密度，图7是本申 请实施例提供的核密度结果展示示意图，如图7所示的要素密度分布，其是以 要素点的方式表示密度分布，或以颜色深浅的方式表示。当需要进行核密度分 析时，需要先选定对应的事项，然后即可进行核密度分析。如图8所示本申请实施例提供的核密度数据输入选择的页面示意图；通过对其进行核密度数据选 择，最终得到核密度结果展示。
本实施例中保护范围评分标准也即是保护范围分析模型，其是针对历史镇 区、历史地段、历史文化名街、村落，利用GIS的缓冲区分析的功能，根据不 同的类型历史遗产要素(点要素)的等级设计相应缓冲区。具体的抽取与历史 文化信息对应的属性信息，如不同历史遗产的建设控制地带范围半径、环境协 调范围半径；最后对区域内历史遗产要素，根据不同的要素类型等级，依照相 应的法律法规，利用GIS的缓冲区分析的功能制定缓冲区(建设控制地带、环 境协调区)的半径，进而确定不同的保护范围。
通过上述各种标准来量化评估历史片区的价值，为历史文化资源的保护提 供基础的资料；针对不同类型的数据可以设置不同的颜色来进行标识，最终将 所有的数据统一展示于一幅画面中，为用户提供更全面的展示效果。
更进一步的，所述评分分析模型包括逻辑回归模型。本实施例中所提及的 逻辑回归模型即是LR模型。选择这个模型的理由主要有两点，一是简单，可 解释性强；二是线上实施响应时间快。LR模型也即是预测函数，在本实施例中 训练样本就是为了求解系数w，具体的训练过程涉及损失函数的设计问题和最 优值求解问题。在本申请实施例的方案采用的损失函数是logloss，当然也可以 使用其他的损失函数，当训练过程中损失函数的值达到预设值或者变化不大时， 则表示其模型已经训练完成，可以进行实际应用。
图9是本申请实施例提供的评分分析模型构建的流程示意图，如图9所示， 通过对抽取到的特征以及样本进行选择，并不断地对其进行训练进而完成模型 的构建。
具体的，选择对应的样本和特征，也即是选择与历史文化遗产区对应建筑 年代信息、建筑面积信息、建筑数量信息、损毁程度信息、保护级别信息、控 制范围、名人数据信息、历史价值信息、社会影响范围，作为特征信息；得到 各种信息之后，同时获取对应的评分分数信息。
得到了各项特征之后。需要对其进行预处理和特征选择，可以选择与久远 度或者核密度或者影响度或者保护范围等相关的参数特征来进行一一训练。将 上述特征信息以及对应的评分分数输入至模型中来进行模型的不断地训练，经 过多次训练最终得到模型对应的权重系数。然后即可将训练完成的模型进行实 际应用，也即是可以直接根据得到的特征信息输入到模型之后得到对应的评分 参数。
S104：将所述评分参数以及所述历史文化数据输入至渲染模型处以对历史 文化数据进行层积性展示。
进一步的，在所述将所述评分参数以及所述历史文化数据输入至渲染模型 处以对历史文化数据进行层积性展示之前，还包括：
接收用户选择的显示模式，所述显示模式包括颜色种类或颜色深浅；
对应的，图10是本申请实施例提供的数据层积性展示的流程示意图，如图 10所示，所述将所述评分参数以及所述历史文化数据输入至渲染模型处以对历 史文化数据进行层积性展示，包括：
S1041：将所述评分参数以及所述历史文化数据输入至渲染模型，所述渲染 模型包括评分数据以及与评分数据对应的显示模式；
S1042：通过所述渲染模型对历史文化数据中不同对象采用预设的颜色种类 或者预设的颜色深浅进行显示。
评分参数与评分数据表达的含义不相同，评分参数表示的根据与历史文化 数据对应的统计数据计算得到的具体的数值，而评分数据表示的是分数与显示 样式对应的关系。评分数据可以是一个具体的分数，也可以是一个分数区间。 得到评分参数后，需要判断评分参数与评分数据之间的关系，然后再进行颜色 显示。
上述得到的具体的评分参数，根据得到的评分参数即可对具体的历史文化 数据进行渲染。在渲染模型中，保存的主要是评分参数与显示样式之间的映射 关系，比如可以将评分1～5与对应的五种颜色深浅来进行映射关联，或者将评 分1～5与对应的五种不同的颜色进行映射关联，甚至于还可以采用评分1～5对 应五种不同的填充效果。具体的可以根据实际需求设置，在进行上述分析前， 调用相应的预先设置好的显示单元，将评分参数输入后生成相应的显示样式。 如久远度(悠久性)分析后结果使用不同颜色进行显示。在本实施中，更为优 选的采用颜色深浅的方式来进行表述，因为采用颜色深浅的方式更能表示出层 积性展示的效果。
层积性是地质中的一种历史积压的现象，人们根据叠压的上下关系来推断 物体所经历的时代和时间。城市历史景观是由连续的文化切片沉淀累积而成的。 这样的视角下，层积性历史景观(即城市历史景观的层积性)所包含的不仅仅 是现存的遗产，还包括时代变换后留下的痕迹，或者已经消失、但与现存的景 观之间存在内在联系的历史信息。这里最核心的认识转变在于“变化”不再是 纯粹消极的，而是可以被看成城市传统的一部分。层积性历史景观是时代发展 的历史见证，是展现城市唯一性特征的重要表现元素。
层积性分析的概念是在时间层面上，一层一层的在不同的分析标准下执行 分析后得到的在颜色差异上带来的层级叠加的比对感，即为层积性分析模型带 来的呈现效果，以用于表示历史文化资源的久远度、核密度、影响度、以及历 史价值程度。通过上述层积性分析使得使用者能够更为直观的对展示效果进行 认识。
通过本申请实施例的方案使得历史文化资源大数据的管理具备可视化呈 现，以更为方便的呈现出大数据背后的历史文化资源现象，更为清晰的表达出 历史背景。用户可以选择不同的分析类型，图11是本申请实施例提供进行层积 性分析的显示页面示意图，如图11所示，用户可以选择久远度分析、影响度分 析、保护范围分析和核密度分析；选择不同的分析同样调用不同的分析参数， 最终利用颜色深浅的方式代表历史文化资源大数据的分析结果，其将区域内分 析结果在空间上进行叠加，以表达出区域内在历史久远度、核密度、历史影响 度、保护范围、历史价值程度上的强弱。
本申请实施例通过预先建立评分分析模型来对接收到的历史文化数据进行 分析以得到对应的评分参数，最后根据评分参数来对数据进行层次化展示；最 终通过显示效果的差异带来层次叠加的比对感，便于用户对展示结果有更直观 的感受。通过上述层次化展示对各个历史文化遗产之间的内在联系进行展示， 本申请实施例以评分参数为基准，利用颜色深浅的方式代表历史文化资源大数 据的分析结果，将区域内分析结果在空间上进行叠加，以表达出区域内在历史 久远度、核密度、历史影响度、保护范围以及历史价值程度上的强弱。并且通 过本申请实施例的方案能够对其进行综合统一的管理，方便使用。
在上述实施例的基础上，图12为本申请实施例提供的一种基于历史文化数 据的层积性分析装置的结构示意图。参考图12，本实施例提供的基于历史文化 数据的层积性分析装置具体包括：
接收模块21：用于接收用户输入的历史文化数据；
调用模块22：用于调用与所述历史文化数据对应的统计数据；
分析模块23：用于将所述统计数据传输至评分分析模型中以得到相应的评 分参数，所述评分分析模型包括久远度分析模型、文化核密度分析模型、影响 度分析模型和保护范围分析模型中的一种或多种；
展示模块24：用于将所述评分参数以及所述历史文化数据输入至渲染模型 处以对历史文化数据进行层积性展示。
本申请实施例通过预先建立评分分析模型来对接收到的历史文化数据进行 分析以得到对应的评分参数，最后根据评分参数来对数据进行层次化展示；最 终通过显示效果的差异带来层次叠加的比对感，便于用户对展示结果有更直观 的感受。通过上述层次化展示对各个历史文化遗产之间的内在联系进行展示， 本申请实施例以评分参数为基准，利用颜色深浅的方式代表历史文化资源大数 据的分析结果，将区域内分析结果在空间上进行叠加，以表达出区域内在历史 久远度、核密度、历史影响度、保护范围以及历史价值程度上的强弱，并且通 过本申请实施例的方案能够对其进行综合统一的管理，方便使用。
本申请实施例提供的基于历史文化数据的层积性分析装置可以用于执行上 述实施例提供的基于历史文化数据的层积性分析方法，具备相应的功能和有益 效果。
图13是本申请实施例提供的一种电子设备的结构示意图，参照图13，该 电子设备包括：处理器31、存储器32、通信模块33、输入装置34及输出装置 35。该电子设备中处理器31的数量可以是一个或者多个，该电子设备中的存储 器32的数量可以是一个或者多个。该电子设备的处理器31、存储器32、通信 模块33、输入装置34及输出装置35可以通过总线或者其他方式连接。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可 执行程序以及模块，如本申请任意实施例所述的基于历史文化数据的层积性分 析方法对应的程序指令/模块(例如，基于历史文化数据的层积性分析装置中的 接收模块21、调用模块22、分析模块23和展示模块24)。存储器32可主要包 括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功 能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外， 存储器32可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至 少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可 以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、 局域网、移动通信网及其组合。
通信模块33用于进行数据传输。
处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而 执行设备的各种功能应用以及数据处理，即实现上述的基于历史文化数据的层 积性分析方法。
输入装置34可用于接收输入的数字或字符信息，以及产生与设备的用户设 置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。
上述提供的电子设备可用于执行上述实施例提供的基于历史文化数据的层 积性分析方法，具备相应的功能和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机 可执行指令在由计算机处理器31执行时用于执行一种基于历史文化数据的层 积性分析方法，该基于历史文化数据的层积性分析方法包括：
接收用户输入的历史文化数据；
调用与所述历史文化数据对应的统计数据；
将所述统计数据传输至评分分析模型中以得到相应的评分参数，所述评分 分析模型包括久远度分析模型、文化核密度分析模型、影响度分析模型和保护 范围分析模型中的一种或多种；
将所述评分参数以及所述历史文化数据输入至渲染模型处以对历史文化数 据进行层积性展示。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质” 旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机***存储器或 随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯 (Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)； 寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储 器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机***中， 或者可以位于不同的第二计算机***中，第二计算机***通过网络(诸如因特网) 连接到第一计算机***。第二计算机***可以提供程序指令给第一计算机用于 执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不 同计算机***中)的两个或更多存储介质。存储介质可以存储可由一个或多个处 理器31执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其 计算机可执行指令不限于如上所述的基于历史文化数据的层积性分析方法，还 可以执行本申请任意实施例所提供的基于历史文化数据的层积性分析方法中的 相关操作。
上述实施例中提供的基于历史文化数据的层积性分析装置、存储介质及电 子设备可执行本申请任意实施例所提供的基于历史文化数据的层积性分析方 法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供 的基于历史文化数据的层积性分析方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所 述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整 及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进 行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构 思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的 范围决定。
Claims (10)
1.一种基于历史文化数据的层积性分析方法，其特征在于，包括：
接收用户输入的历史文化数据；
调用与所述历史文化数据对应的统计数据；
将所述统计数据传输至评分分析模型中以得到相应的评分参数，所述评分分析模型包括久远度分析模型、文化核密度分析模型、影响度分析模型和保护范围分析模型中的一种或多种；
将所述评分参数以及所述历史文化数据输入至渲染模型处以对历史文化数据进行层积性展示。
2.根据权利要求1所述的基于历史文化数据的层积性分析方法，其特征在于，在所述调用与所述历史文化数据对应的统计数据之前，还包括：
对当前用户进行权限验证，当验证通过后生成相应的端口许可码，并根据所述端口许可码生成资源调用索引；
对应的，所述调用与所述历史文化数据对应的统计数据，包括：
根据所述资源调用索引调用与所述历史文化数据对应的统计数据。
3.根据权利要求1所述的基于历史文化数据的层积性分析方法，其特征在于，所述评分分析模型包括评分标准和与所述评分标准对应的评分参数；
所述将所述统计数据传输至评分分析模型中以得到相应的评分参数，所述评分分析模型包括久远度分析模型、文化核密度分析模型、影响度分析模型和保护范围分析模型中的一种或多种，包括：
根据所述统计数据确定评分分析模型中对应的评分标准，所述评分标准包括久远度评分标准、文化核密度评分标准、影响度评分标准和保护范围评分标准；
根据所述统计数据以及所述评分标准得到对应的评分参数。
4.根据权利要求1所述的基于历史文化数据的层积性分析方法，其特征在于，所述统计数据包括年代统计数据和类型统计数据；
所述调用与所述历史文化数据对应的统计数据，还包括：
当检测到久远度分析模块或文化核密度分析模块被触发时，调用与所述历史文化数据对应的年代统计数据或类型统计数据；
对应的，所述将所述统计数据传输至评分分析模型中以得到相应的评分参数，包括：
将所述年代统计数据传输至久远度分析模型以得到相应的评分参数或者将所述类型统计数据传输至文化核密度分析模型以得到相应的评分参数。
5.根据权利要求1所述的基于历史文化数据的层积性分析方法，其特征在于，所述影响度分析模型通过如下步骤构建得到：
获取文化资源样本数据与所述文化资源样本数据对应的历史文化信息；
抽取所述历史文化信息中的属性信息，所述属性信息包括名人名称、事件名称、保护等级和重要程度；
以名人名称、事件名称、保护等级和重要程度为特征输入，评分值为输出进行模型训练来构建影响度分析模型，直至达到训练要求。
6.根据权利要求1所述的基于历史文化数据的层积性分析方法，其特征在于，在所述将所述评分参数以及所述历史文化数据输入至渲染模型处以对历史文化数据进行层积性展示之前，还包括：
接收用户选择的显示模式，所述显示模式包括颜色种类或颜色深浅；
对应的，所述将所述评分参数以及所述历史文化数据输入至渲染模型处以对历史文化数据进行层积性展示，包括：
将所述评分参数以及所述历史文化数据输入至渲染模型，所述渲染模型包括评分数据以及与评分数据对应的显示模式；
通过所述渲染模型对历史文化数据中不同对象采用预设的颜色种类或者预设的颜色深浅进行显示。
7.根据权利要求1-6中任意一项所述的基于历史文化数据的层积性分析方法，其特征在于，所述评分分析模型包括逻辑回归模型。
8.一种基于历史文化数据的层积性分析装置，其特征在于，包括：
接收模块：用于接收用户输入的历史文化数据；
调用模块：用于调用与所述历史文化数据对应的统计数据；
分析模块：用于将所述统计数据传输至评分分析模型中以得到相应的评分参数，所述评分分析模型包括久远度分析模型、文化核密度分析模型、影响度分析模型和保护范围分析模型中的一种或多种；
展示模块：用于将所述评分参数以及所述历史文化数据输入至渲染模型处以对历史文化数据进行层积性展示。
9.一种电子设备，其特征在于，包括：
存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一所述的基于历史文化数据的层积性分析方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的基于历史文化数据的层积性分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010600067.4A CN111651506B (zh) | 2020-06-28 | 2020-06-28 | 一种基于历史文化数据的层积性分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010600067.4A CN111651506B (zh) | 2020-06-28 | 2020-06-28 | 一种基于历史文化数据的层积性分析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111651506A true CN111651506A (zh) | 2020-09-11 |
| CN111651506B CN111651506B (zh) | 2023-05-30 |
Family
ID=72349984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010600067.4A Active CN111651506B (zh) | 2020-06-28 | 2020-06-28 | 一种基于历史文化数据的层积性分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111651506B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380338A (zh) * | 2020-11-13 | 2021-02-19 | 言金刚 | 一种基于历史知识库的言历图谱的可视化方法和*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107230176A (zh) * | 2017-05-12 | 2017-10-03 | 东南大学 | 一种基于包络线图分析的历史资源点关联度评价方法 |
| US20180276295A1 (en) * | 2017-03-27 | 2018-09-27 | International Business Machines Corporation | Presentation of Search Results Details Based on History of Electronic Texts Related to User |
| CN109166024A (zh) * | 2018-06-11 | 2019-01-08 | 北京玖富普惠信息技术有限公司 | 一种等级信息展示方法、电子设备和可读存储介质 |
| CN109816509A (zh) * | 2018-12-14 | 2019-05-28 | 平安科技（深圳）有限公司 | 评分卡模型的生成方法、终端设备及介质 |
-
2020
- 2020-06-28 CN CN202010600067.4A patent/CN111651506B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180276295A1 (en) * | 2017-03-27 | 2018-09-27 | International Business Machines Corporation | Presentation of Search Results Details Based on History of Electronic Texts Related to User |
| CN107230176A (zh) * | 2017-05-12 | 2017-10-03 | 东南大学 | 一种基于包络线图分析的历史资源点关联度评价方法 |
| CN109166024A (zh) * | 2018-06-11 | 2019-01-08 | 北京玖富普惠信息技术有限公司 | 一种等级信息展示方法、电子设备和可读存储介质 |
| CN109816509A (zh) * | 2018-12-14 | 2019-05-28 | 平安科技（深圳）有限公司 | 评分卡模型的生成方法、终端设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张艳玲;肖大威;: "历史文化名镇名村客观评价体系研究" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380338A (zh) * | 2020-11-13 | 2021-02-19 | 言金刚 | 一种基于历史知识库的言历图谱的可视化方法和*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111651506B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022048156A1 (zh) | 抽水蓄能电站综合管理方法、平台、***、设备和介质 | |
| US8914750B2 (en) | User defined scenarios in a three dimensional geo-spatial system | |
| CN109271685A (zh) | 一种基于bim的城市更新改造数据存储方法及装置 | |
| CN101506848A (zh) | 对在地图制作应用程序上分层的数据的过滤 | |
| EP2735984A1 (en) | Video query method, device and system | |
| CN112887285B (zh) | 一种跨空间图层映射的网络行为智能画像分析方法 | |
| CN112100256A (zh) | 一种数据驱动的城市精准深度画像***及方法 | |
| CN107704621A (zh) | 一种互联网舆情地图可视化展示方法 | |
| CN115758522A (zh) | 一种数字孪生城市管理***及方法 | |
| CN112069580A (zh) | 抽水蓄能电站数字化交付方法、平台、***、设备和介质 | |
| CN110020273A (zh) | 用于生成热力图的方法、装置以及*** | |
| CN111651506B (zh) | 一种基于历史文化数据的层积性分析方法及装置 | |
| CN105653569B (zh) | 影像数据扩展处理方法及装置 | |
| CN114925043A (zh) | 基于时空网格块数据的应用方法、装置及电子设备 | |
| Gomez et al. | Top-down intelligent reservoir modeling (TDIRM) | |
| CN117113471A (zh) | 一种基于cim技术的城市仿真模型算法 | |
| CN113567636B (zh) | 空气质量展示方法、***和装置 | |
| CN107801418B (zh) | 利用地图检索记录的流动人口推算装置及方法 | |
| CN115855000A (zh) | 一种基于图论-时空对象的网络空间测绘表达方法 | |
| CN115374198A (zh) | 城市全域数据的处理方法及装置 | |
| CN109446356A (zh) | 一种多媒体文件检索方法及装置 | |
| CN114153545A (zh) | 一种基于多页面的管理***和方法 | |
| CN108563723A (zh) | 基于MapGIS的南海可燃冰地质模型三维可视化*** | |
| CN114238725A (zh) | 一种自动布局成图的可视化方法及*** | |
| Crisp et al. | Digital coalescence and consolidated geoconservation outcomes: a case study using ArcGIS mobile applications at Tasmanian coastal geoconservation sites |
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 |