CN112837184A - 一种适用于建筑工程的项目管理*** - Google Patents
一种适用于建筑工程的项目管理*** Download PDFInfo
- Publication number
- CN112837184A CN112837184A CN202110196173.5A CN202110196173A CN112837184A CN 112837184 A CN112837184 A CN 112837184A CN 202110196173 A CN202110196173 A CN 202110196173A CN 112837184 A CN112837184 A CN 112837184A
- Authority
- CN
- China
- Prior art keywords
- weight
- safety
- word
- words
- keywords
- 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
- 238000010276 construction Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims description 35
- 230000000007 visual effect Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012896 Statistical algorithm Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 239000004566 building material Substances 0.000 claims description 3
- 238000012954 risk control Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 238000012547 material qualification Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000009423 ventilation Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000012800 visualization Methods 0.000 description 11
- 239000004576 sand Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000007794 visualization technique Methods 0.000 description 3
- 238000009435 building construction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 208000035657 Abasia Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种适用于建筑工程的项目管理***,针对施工现场常见事故建立了施工安全评价指标体系,并采用层次分析法确定了指标权重,针对安全指标评估任务,建立了基于分布式计算和可拓理论构建云安全管理的预警机制,节省了总体计算时间,定量评估了施工现场的安全状况,通过删除冗余和非关键信息以提供文本主题的简明和直观视图,从报告中提取并清晰描述了有意义的项目管理信息,为表达项目状态信息提供了有力的基础。
Description
技术领域
本发明属于建筑工程领域,具体涉及一种适用于建筑工程的项目管理***。
背景技术
建筑业是一个高度依赖信息的行业,项目的成功在很大程度上取决于对数据的良好访问和管理。中国建筑业整体信息化率仅为0.027%,远低于国际平均水平0.3%。与低信息化率相关的信息传递效率低导致生产力降低和资源浪费。事实上,阿巴斯扎德根指出,信息的缺乏或信息接收的延迟可能会导致50%至80%的建筑工地问题。因此,如何保证信息传递的准确性,提高信息传递的效率,是建设项目管理者面临的一个相当大的挑战。
由于80%的公司信息是以文本形式提供的,书面转让是传达项目管理信息的重要方式。这些文本数据规模大,格式多样,内容分散。因此,在处理文本数据时会遇到许多数据管理问题,例如复杂的数据检索、信息重用困难以及不同管理***之间的低效互操作性。与手工提取繁琐且容易出错的关键信息相比,基于文本挖掘的可视化技术能够自动从相关文本体中提取关键信息,并以更直观的图形和地图的形式表达出来,大大提高了文本信息的传递效率,有助于避免在抽取过程中由于主观性造成的错误。
为了消除实体间信息传递过程中的歧义或丢失,需要一种更直观有效的信息显示方式。可视化是提高信息管理水平的有效途径之一。通过以图形或图形格式呈现信息,可视化使决策者能够看到以某种方式呈现的相关数据,这种方式可以提高对困难概念的理解,或有助于识别新的或不断变化的模式,可视化技术还可以描绘隐含的信息,使研究人员能够看到他们的模拟和计算结果,并查看他们以前看不到的结果和关系。适当设计的可视化图表同样可以提高传递的项目信息的准确性和可理解性,为管理者及时、准确地做出决策提供必要的信息支持。
发明内容
本发明提供一种适用于建筑工程的项目管理***,该项目管理***用于(1)向施工团队提供解释数据,以改进决策;(2)识别计划数据和竣工数据之间的差异;(3)验证现场数据的完整性和准确性数据。
一种适用于建筑工程的项目管理***,所述建筑工程的项目管理***包括云计算模块、施工安全风险评价模块、数据提取模块、视觉映射模块和可视化显示模块,
所述施工安全风险评价模块对施工人员、管理人员、环境、机械、设备安全状况进行综合评价,选取人为因子、物质因子、环境因子、管理因子作为评价指标;所述施工安全风险评价模块基于可拓云理论和分布式计算的安全风险控制构建评估体系,具体包括如下步骤:
S11.将施工安全等级分为非常安全85-100分、安全75-85分、中度风险65-75分、中度风险55-65分、危险0-55分、一到五的相应级别;
S12.将建筑安全分类的边界作为双约束空间对云模型的期望,通过边界数值转换得到正常云模型的熵和超熵,如公式所示:
Fm=(Dmin+Dmax)/2
Fa=(Dmax-Dmin)/6
Rgn=i
其中:Dmax和Dmin分别代表建筑安全等级概念的点值的最大值和最小值,期望值Fm代表云的分布中心;不确定度的概念是熵Fa表示的指标,它识别了建筑安全等级之间的模糊性含义,熵值越大说明指标的随机性和模糊性程度越大,反之则越小;Rgn为常数i,根据施工安全相应指标的模糊性、离散性、随机性进行调整;
S13.变换安全性层级边界的标准云模型,定值Rgn的内容元素与由云模型表示的内容元素之间的相关性,由该定值Rgn相对于云模型的确定性程度来表示。根据施工安全综合评价的特点,将各待评价指标值视为一个云滴,相关度计算如下:
其中Pk为指标值,其属于云的确定程度,即指标值所代表的对象指标mi与云所代表的对象指标之间的相关程度,称为云相关度;Gm为平均值;G′ak为标准偏差;
S14.为了保证指标权重的客观性,采用层次分析法熵权法确定权重,并且通过使用熵技术修改计算权重:
其中:Qx为层次分析法熵权法得到的第x个指标的权重;Ex是第x个索引的信息权重,Cx是第x个索引的信息;Ix是由第x个索引计算的熵值;mxy是通过比较相同级别的两个指数的判断矩阵Hxy的分量;由mxy组成的矩阵构成综合权向量U;
S15.将综合权重向量U与综合评价矩阵V相乘得到综合评价向量J=UV,则模糊秩的特征值m为:
m=JkLk
其中m是模糊秩的特征值;Jk是矢量J的最大分量值;Lk是对应于等级k的最大分量的分数;
S16.在计算M的云相关度时存在随机因素,并且需要多个操作来减少随机性,即:
Gmn=(m1+m2+...+ma)/a
式中a为模糊评价得分的运算次数,取100次;mk(k=1,2,...,a)为第k次计算得到的模糊等级特征值。Gmn是多个操作的期望值,Gma是多个操作的熵,通过多次作业得到的Gma期望值能够反映整个施工安全状况,Gma值可以与等级挂钩来判断安全等级。
进一步地,所述数据提取模块用于提取关键词,提取关键词包括文本预处理、词频统计计算、候选词过滤和合并以及关键词筛选提取。
进一步地,所述视觉映射模块用于转换数据,通过可视化映射,将词频统计算法提取的项目信息关键词和相关流程可以被标准化和结构化,并且可以通过挖掘关键词之间更深层次的关系来描述更详细的状态信息,通过分析关键词的中心性以及多维尺度和聚类效应,确定工程文本中关键词之间的关系,从而提供抽取状态信息的结构,词频统计算法步骤如下:
S21.词频统计算法公式如下:
tfidfi,j=tfi,j×idfi
其中,tfi,j为术语频率指数,是单词i出现在文本j中的频率,其中Ni,j是单词i出现在文本j中的频率,而分母∑knk,j表示所有单词出现在文本j中的次数总和;idfi为逆文档频率指数,其中N表示文档集的文本总数,ni表示其中出现单词i的文本的数量;
S22.对标题词的信息增加权重,使用动态建立加权公式:
其中Stitle表示文本中标题词的集合,docLendj表示文档j中的单词总数,当考虑非标题字时,权重取0值,并且当考虑标题字时,将权重设置为参考值0.5,然后再加上每100个单词对应文档j的长度,以确定标题词的权重;
S23.使用以下式对候选单词进行加权:
其中len(wi)表示单词wi的长度,为了防止长单词的过度占优,其通过分母maxlen归一化,分母maxlen表示主题文档中最长的词的长度;
S24.根据其上下文对单词的词性进行标注通过将基本项频率方程修改为下式来计算不同词性中的相同单词的频率分数:
其中,权重weight(POSj)是候选单词wi的第j个词性类别的权重,是根据预设的标准权重获取的,fre(POSj)是将候选单词标记为属于词性POSj的次数;
S25.使用预设的词性权重,结合逆文档频率特性来定义以下关键词评分公式:
Score(wi)=POSTF(wi)*IDF*(weighttitle(wi)+weightlen(wi))
其中,IDF表示wi的逆文档频率,POSTF(wi)是单词wi的词性加权频率得分,weightlen(wi)表示wi的字长频率,weighttitle(wi)表示wi的位置频率;
S25.在计算单词wi的得分Score(wi)后,根据得分对候选单词进行排序,并根据分析需要选择前N个候选单词作为文本关键词。
进一步地,词性权重定义为:动词的权重为0.5,字符串的权重为0.7,名词的权重为0.8,未注册词为1.0,专有名词为1.2。
进一步地,在词频统计算法之前,还包括对文本进行预处理及对关键词进行过滤,文本预处理包括格式化标记、非法字符和停止字,并且考虑任何未注册的字;关键词过滤包括如下步骤:
S31.从候选词汇中选取权重较大的前20个词或短语作为合并对象;
S32.对于候选关键词短语,统计它们与其他短语之间的相同单词数,当数字大于2或等于2时,将选择单词较多的短语作为新的候选关键词短语,新的候选关键词短语的权重是这两个短语的总和;
S33.对于关键词,采用常用的两种组合方法计算共现频率,提取候选关键词短语,短语的权重也是两个单词的总和。
进一步地,通过关键词之间的紧密性揭示项目文本的总体主题以及项目状态,对关键词进行中心性分析,确定其相对重要性
进一步地,通过所述可视化显示模块绘制网络图,直观地描述文本关键词之间的分布和相互关系。
进一步地,所述人为因子包括工人安全思想素质与团队精神、工人遵守规章制度,履行职责、工人安全活动积极参与率、工人安全心理素质、工人的文化素养;所述物质因子包括项目管理安全文化质量与安全技术水平、建筑材料合格率、安全防护用品配置率、安全检查和备用工具的使用率、安全警示标志及标语设置比例。
进一步地,所述环境因子包括工程技术环境、工程作业环境、项目周边环境,其中,工程技术环境包括地质、水文、气象环境,工程作业环境包括作业区大小防护设备、通风照明、通讯设施,项目周边环境包括项目附近的地下管线、建筑结构;所述管理因子包括安全文明基金投资、安全教育培训率、安全检查率、施工组织设计、特殊施工方案、安全技术交底、危险识别与控制。
本发明针对施工现场常见事故建立了施工安全评价指标体系,并采用层次分析法确定了指标权重。针对安全指标评估任务,建立了基于分布式计算和可拓理论构建云安全管理的预警机制,节省了总体计算时间,定量评估了施工现场的安全状况。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
施工安全风险评价是指对施工人员、管理人员、环境、机械、设备安全状况的综合评价,指标选取的合理性和代表性非常重要。根据国家颁布的《建筑施工安全检查标准》对建筑施工企业安全生产管理规定,如分析事故高发的原因,即坠落施工现场、建筑倒塌、物体、机械伤害、触电等是主要原因,认为影响施工安全的主要因素是人、物、环境。建立施工安全综合评价指标体系,如表1所示:
表1
人员及相关专家根据施工现场情况,参照安全检查评价表,各项指标满分100分。该比率是根据每个指标与有关国家或地方当局规定的比率之比得出的。RL3由工人积极参与安全活动的次数与相关国家或地方当局规定的总次数之比确定。BL2按建筑材料合格率确定,BL3-BL5按建筑工地合格数量与国家或有关部门规定的总数量之比确定。SL2按建设工程安全培训次数与国家或地方有关部门规定的次数之比确定;SL3按现场检查次数与国家或地方有关部门规定的检查总数之比确定。
基于可拓云理论和分布式计算的安全风险控制构建评估体系:云是一种定性和定量转换的不确定性模型。社会科学和自然科学都证明了正态分布的普遍性。正常云的数字特征由Fm、Fa和Rg表示。期望值Fm代表云的分布中心,是最能代表建筑安全等级概念的点值。不确定度的概念是熵Fa表示的指标,它识别了建筑安全等级之间的模糊性含义,熵值越大说明指标的随机性和模糊性程度越大,反之则越小;超熵Rg是用来度量熵的不确定性的,这一点由熵的随机性和模糊性决定。该值反映了施工安全指数的随机性。
首先,将施工安全等级分为非常安全(85-100分)、安全(75-85分)、中度风险(65-75分)、中度风险(55-65分)、危险(0-55分)、一到五的相应级别。其次,将建筑安全分类的边界作为双约束空间对云模型的期望,通过边界数值转换得到正常云模型的熵和超熵,如公式所示:
Fm=(Dmin+Dmax)/2
Fa=(Dmax-Dmin)/6
Rgn=i
其中:Dmax和Dmin分别代表建筑安全等级概念的点值的最大值和最小值,Rgn为常数i,根据施工安全相应指标的模糊性、离散性、随机性进行调整。最后,变换安全性层级边界的标准云模型,由于云的引入,一般物元理论中相关度的计算方法不再适用。定值的内容元素与由云模型表示的内容元素之间的相关性由该值相对于云模型的确定性程度来表示。根据施工安全综合评价的特点,将各待评价指标值视为一个云滴,相关度计算如下:
其中Pk为指标值,其属于云的确定程度,即指标值所代表的对象指标mi与云所代表的对象指标之间的相关程度,称为云相关度;Gm为平均值;G′ak为标准偏差。
为了保证指标权重的客观性,采用层次分析法熵权法确定权重,并且通过使用熵技术修改计算权重:
其中:Qx为层次分析法熵权法得到的第x个指标的权重;Ex是第x个索引的信息权重,Cx是第x个索引的信息;Ix是由第x个索引计算的熵值;mxy是通过比较相同级别的两个指数的判断矩阵Hxy的分量。由mxy组成的矩阵构成综合权向量U。
将综合权重向量U与综合评价矩阵V相乘得到综合评价向量J=UV,则模糊秩的特征值m为:
m=JkLk
其中m是模糊秩的特征值;Jk是矢量J的最大分量值;Lk是对应于等级k的最大分量的分数。
在计算M的云相关度时存在随机因素,并且需要多个操作来减少随机性,即:
Gmn=(m1+m2+...+ma)/a
式中a为模糊评价得分的运算次数,取100次;mk(k=1,2,…,a)为第k次计算得到的模糊等级特征值。Gmn是多个操作的期望值,Gma是多个操作的熵。通过多次作业得到的Gma期望值能够反映整个施工安全状况,Gma值可以与等级挂钩来判断安全等级。
低于1级的评价指标均存在安全隐患。为了准确的找到风险因素,通过综合评价指标,从大到小,根据风险因素指标的排列、风险因素的数量和数值评判施工安全综合水平,根据各类事故的影响因素,将事故的安全等级划分为四级:无预警、轻微预警、中度预警和严重预警。施工中最容易发生的三种事故是坠落、坍塌、物体,这三种事故的影响因素也是非常多的,从安全检查表中可以总结出,根据事故的主要原因,可以确定每种事故的内容元素。
进一步地,为了准确地从建筑工程文本中提取和呈现关键信息,必须执行三个步骤:信息提取、可视化映射和可视化显示。由于本发明是帮助管理者通过审阅单个工程文档快速获得有效的信息,因此提出了一个可视化框架来揭示工程文本的内容。该框架由三部分组成:信息提取、视觉映射和视觉显示。
文本传输的最小信息单位是关键词,因此直接说明文档的关键词是简洁有效地表示文档内容的最直观方法。使用关键词可以大大提高信息获取的准确性,使用户可以快速有效地确定是否需要对文本进行进一步调查。
信息提取是该过程中最基本的步骤,是施工状态信息可视化的核心。首先,关键词提取技术,用于获取反映工程文本中关键信息的核心词汇表。在这一步中,包括文本预处理、词频统计计算、候选词过滤和合并以及关键词筛选提取。接下来,进行视觉映射以转换数据,以便将其处理为视觉结构。通过可视化映射,词频统计算法提取的项目信息和相关流程可以被标准化和结构化,并且可以通过挖掘关键词之间更深层次的关系来描述更详细的状态信息。采用社会网络分析方法来分析这一过程。通过分析关键词的中心性以及多维尺度和聚类效应,确定工程文本中关键词之间的关系,从而提供抽取状态信息的结构。由于人类对图片和图形比对一页又一页密集而单调的文字和数字更敏感,通过图像传输的信息更直观、更持久,因此视觉显示被用来向管理者呈现项目状态信息。本发明选取标签云作为可视化方法,综合考虑了中心度计算结果和可视化映射阶段的多维尺度分析和聚类分析结果。
使用词频统计算法和多维尺度聚类分析框架,可以实现三个目标:(1)用一个能清晰描述文本内容的标记云直观、美观地呈现单词;(2)文本中单词之间的语义关系,保留、总结和呈现传统标记云技术中通常不考虑的关键词;(3)更准确地提取反映文本主题的关键词,并清晰地描述单词级模式,例如单词之间的重复和共现。
基于词频统计算法的密钥信息提取:
中文关键词提取通过词频统计算法,它由一个术语频率分量和一个逆文档频率分量组成,前者用于度量文档中术语的频率,后者用于度量这些单词的普遍重要性。词频统计算法的基本概念是,如果一个词经常出现在一段文本中,而在另一段文本中出现较少或根本不出现,那么它可以被认为是重要的。完整的词频统计算法公式如下:
tfidfi,j=tfi,j×idfi
tfi,j为术语频率指数,是单词i出现在文本j中的频率,其中Ni,j是单词i出现在文本j中的频率,而分母∑knk,j表示所有单词出现在文本j中的次数总和。idfi为逆文档频率指数,其中N表示文档集的文本总数,ni表示其中出现单词i的文本的数量。如果文档集中包含单词i的文本数量越少,则该词的idfi值越大,这意味着单词i的差别越大,从而单词i更可能是关键词。
当出现句子结构时,需要考虑句子的结构并通过文本挖掘来提取关键词。因此,在本发明中,获取工程应用特定词汇表的特征,考虑长度、位置和词汇关键词等因素以提高其准确性。
标题词或前句/后句中的词能够更好地表示文档的主要内容。因此,对标题词的信息增加权重。使用100个词作为基本单位,相应地,使用动态建立加权公式:
其中Stitle表示文本中标题词的集合,docLendj表示文档j中的单词总数。当考虑非标题字时,权重取0值,并且当考虑标题字时,将权重设置为参考值0.5,然后再加上每100个单词对应文档j的长度,以确定标题词的权重。
通常,长单词比短单词可以携带更多的信息,且单词长度的影响显著高于其他特征的影响。因此,使用以下式对候选单词进行加权:
其中len(wi)表示单词wi的长度,为了防止长单词的过度占优,其通过分母maxlen归一化,分母maxlen表示主题文档中最长的词的长度。
名词比动词或其他词类重要得多,因此文本关键词通常是名词和名词短语,而很少是形容词。因此,考虑到文本所承载的语义信息,词性在关键词提取中起着决定性的作用,这可以通过分词来实现,即将一个句子分成一系列的词,然后,词性标注确定每个词的功能性质,并根据其上下文对其进行标注。如果指定的单词标签不正确,在后续处理中错误会扩大,这将直接影响提取结果。因此,候选词根据其不同的词性进行评分,使用词性类别权重如表2所示:
表2
在汉语词性标注范畴中,有些词可以同时作为动词和名词出现在同一文本集中。例如,“建议”一词既可以表示动词又可以表示名词,假设“建议”一词作为名词出现n次,作为动词出现m次,如果按惯例按词性和词频对其作为关键词的适宜性进行加权,则其得分为0.8*n+0.5*m,针对这一现象,为了恰当地考虑词汇问题,本发明通过将基本项频率方程修改为下式来计算不同词性中的相同单词的频率分数:
其中,权重weight(POSj)是根据表2中所示的标准权重的候选单词wi的第j个词性类别的权重,fre(POSj)是将候选单词标记为属于词性POSj的次数。
使用表1中所示的词性权重,结合逆文档频率特性来定义以下关键词评分公式:
Score(wi)=POSTF(wi)*IDF*(weighttitle(wi)+weightlen(wi))
其中,IDF表示wi的逆文档频率,POSTF(wi)是单词wi的词性加权频率得分,weightlen(wi)表示wi的字长频率,weighttitle(wi)表示wi的位置频率。在计算单词wi的得分Score(wi)后,根据得分对候选单词进行排序,并根据分析需要选择前N个候选单词作为文本关键词。
文本预处理:
文本预处理的目的是准备文档,使其满足抽取模型的输入要求。在此步骤中必须删除许多工件,包括格式化标记、非法字符和停止字,并且必须考虑任何未注册的字。
Word文档包含大量在编辑过程中***的格式标记,这些格式标记会在文本统计中引入相当大的不精确性,并降低处理效率。此外,大多数文本中都有“非法字符”。这些特殊字符与文本信息统计无关,包括特殊符号,如“Y”、“?“,”#“,”>“,”x“,”@“,”标点符号,数学符号等,由于它们不能解释为文本特征,因此在文本预处理阶段必须删除这些格式标记和非法字符。停止词经常出现在文档中,但不能代表文档的主题。它们包括语气词、副词、代词、冠词、介词和连词。由于停止词所携带的信息量较小,删除这些词后可以提高关键词提取的效率和准确性。未注册词是指未被自定义词典识别的词,包括人名、地名、术语等,由于自定义词典容量有限,此类未登录词不可避免,但它们的存在是影响分词准确性的重要因素。为了处理未注册的单词,本发明收集了1000多个与项目管理相关的工程术语,创建了一个工程项目文本词库。
经过文本预处理,去除格式标签、非法字符和停止字符,然后可以计算任何特定关键词的词频。算法使用该文本的网络检索数据作为用于反向文档频率计算的语料库,这由等式反映。项频率和反向文档频率分量的乘积是每个高频词汇表项的词频得分。
候选词的筛选与合并:
为了减少关键词提取过程中噪声的影响,本发明通过一定的规则对所有关键词进行过滤,然后再识别出最佳候选关键词,根据每个单词的词性和频率进行过滤。众所周知,关键词通常是名词或动词,而不是形容词或副词。因此,本发明提出的关键词抽取方法只考虑名词、动词、命名实体及其未注册的同义词,而过滤掉其他词类。此外,一些常见的高频动词,如“完成”,通常出现在文档中,但不太重要,不作为关键词来处理,因此通过建立规则来过滤词长小于2的,在标题中很少使用的动词。
在频率过滤中,逆文档频率假设指出,出现在多个文档中的单词不太可能表示单个文档主题。为了避免高频词对该方法关键词提取结果的影响,从提取的关键词集中去除出现在占文档总数三分之一以上的文档中的词,条件是文档集中有10个以上的文档。此外,考虑到候选关键词在文本中的出现频率和位置之间的关系,只有出现频率大于1或出现在标题中单个实例中的单词被保留。
大多数文本关键词都是由关键短语组成的,而且许多现有的分词过程可能最终会分离出这些关键短语。例如,在典型的工程文本抽取中,短语“图像进度”会被分为关键词“图像”和“进度”,这显然会对抽取的关键词及其推断的含义产生相当大的影响。因此,在计算候选关键词权重后,提取合并词的实例。然后,确定候选关键词在文本中同时出现的频率,并设置一个频率阈值来识别有意义的关键词短语实例。然后将候选关键词合并如下:首先,从候选词汇中选取权重较大的前20个词或短语作为合并对象;其次,对于候选关键词短语,统计它们与其他短语之间的相同单词数,当数字大于2或等于2时,将选择单词较多的短语作为新的候选关键词短语,新的候选关键词短语的权重是这两个短语的总和;最后,对于关键词,采用常用的两种组合方法计算共现频率,提取候选关键词短语,短语的权重也是两个单词的总和。得到的关键词得分如表3所示:
表3
信息抽取步骤得到的文本关键词及其分数在一定程度上反映了文本的主题,但这些关键词之间的关系仍然难以表达,无疑会导致信息的丢失。然而,图表可以比简单的文本和数据更具说服力和描述性,并且可以传达更多更直观的信息。
基于关键词相关性的可视化映射:
单个独立关键词所反映的施工管理相关信息是有限的。为了以视觉形式更完整地呈现文本信息,需要确定已识别关键词之间的关系。关键词之间的紧密性可以在一定程度上揭示项目文本的总体主题以及项目的状态。知识域的这种映射是使用一系列不同的图来完成的,这些图描述了知识开发过程和文档结构之间的关系。这种数据挖掘方法使用可视化技术来描述知识资源及其相互联系。
管理者需要项目管理信息主要是为了确定项目目标和项目文本主题之间的关系。在此基础上,本发明提出的框架对项目文本中的关键词进行中心性分析,确定其相对重要性;关键词的中心性越大,其在网络中的重要性就越大,从而更好地体现了文本的核心主题。因此,利用多维尺度和聚类分析,揭示关键词的聚类关系。
在信息可视化过程中,首先要建立一个“二部矩阵”来存储采集到的分析数据。矩阵中的行和列对应于社交网络中的节点,行和列对应的矩阵元素表示节点之间的关系。矩阵是一个框架,其中行和列由编码数据组成,因此矩阵是一个单独的矩阵。在单个数据矩阵中,行和列表表示一系列相同的个体,其中每个参与者被表示两次,一行一列。在这种情况下,邻接矩阵是一个二进制矩阵。如果矩阵中的元素为1,则与该元素对应的节点之间存在社会关系。相反,如果为0,则对应的节点之间没有关系。
然后绘制网络图,直观地描述文本关键词(节点)之间的分布和相互关系(线)。建筑工程文本通常由区分项目不同方面的段落组成,因此出现在同一段落中的关键词被认为更为相关。然而,出现在标题和随后段落中的关键词并不在同一段落中,但通常彼此之间仍有很强的相关性。因此,在描述从工程文本中提取的关键词的相互关系的矩阵中,表示同一段落中的关键词以及标题和主题段落关键词之间的共同关键词的元素被设置为1,表示它们具有很强的相关性。为了提取本实施例中的月度项目报告关键词,对两个矩阵集中的关系进行了分析。
中心性是关键词分析的优先事项之一。关键词中心性主要有三个指标:度中心性、贴近度中心性和介数中心性。网络中节点的度中心性可以用绝对值和相对值来描述。绝对中心性是指直接连接到某个关键词节点的其他节点的数量;较高的值表示该关键词位于更靠近网络中心的位置,从而具有更大的影响其他关键词的能力;相对中心度是关键词的绝对中心度与最大绝对中心度之比。介数中心性度量关键词节点控制资源的程度,这意味着如果一个节点位于许多其他节点对之间的最短路径上,则该节点具有更高的介数中心性,从而具有更高的重要性。贴近度中心性通过测量一个给定关键词与其他连接节点之间的距离来描述该关键词对网络影响的大小,给定的关键词节点距离网络中心越远,其贴近度中心度越小,对网络的影响越弱。
首先将双模网络数据转化为前面讨论的“二部矩阵”,然后分析网络的各种中心性指标。在其中一个实施例中,中心性分析的结果如表3所示,其中“图像进度”一词的度中心性和贴近度中心性最高,分别为0.688和0.865,其介数中心性为0.007,表明该词相对接近网络中心。这表明“图像进度”一词是网络的核心,因此它被用作本项目的核心关键词。关键词“计量支付”的度中心性最小,为0.188,表明它与网络中的其他节点几乎没有联系,其贴近度中心性和介数中心性值也相对较小,分别为0.627和0.004,说明“计量支付”也离网络的核心很远。总体而言,“桩基基坑”、“安全管理”、“特大桥”、“物资采购”等术语的度中心性均大于其他节点,均小于0.5。
在此处理数据的基础上,使用NetDraw软件绘制文本的关键词图,关键词图能够实现了三个层次的表征:将关键词划分为几个具有内在紧密关联的小类,允许发现新的细分主题;判断节点之间关系的能力,提供有关其相对重要性的线索;并能确定每个主题的主要内容,揭示文本的核心意义。此外,可视化中心度可以帮助读者直观地了解每个关键词节点在网络核心附近的驻留程度。若关键词“图像进度”由最大的节点表示,并连接到关键词网络中的大多数其他节点,表明它反映了描述项目状态的文本中的核心信息。关键词“计量支付”用一个小节点表示,处于网络的边缘,说明它对网络的影响较小。中心性可视化还显示了项目报告中关键词的分布。例如,“桩基基坑”、“安全管理”、“特大桥”、“物资采购”是网络的中心,有许多重要的联系,表明它们构成了由文本核心表达的项目信息。
关键词中心图使用不同的元素强度(由网络中的节点大小和位置表示)直观地表示项目管理信息,以反映关键词之间的链接程度。显示为高强度节点的关键词反映了它们在项目文本中的重要性,从而反映了项目的状态特征。此外,关键词之间的链接允许对项目的当前状态和趋势进行探索,分散的关键词可以组合起来表达更完整和准确的信息。例如,表示“质量管理”和“图像进度”的节点更大并且位于网络的中心,表示它们与其他关键词的连接最多。基于这一观察,我们可以合理地推测,该项目报告文本以质量管理和图像进度为中心,涉及“桩基基坑”、“安全管理”、“特大桥”、“物资采购”等相关的二次主题。通过链接节点的箭头方向所指示的中心关系,可以显示工程文本中的完整主题及其相关关系等信息,但无法确定关键词之间的关系。因此,本发明进一步利用多维尺度进行聚类分析。
空间地图同时尽可能保留原始数据点之间的相对关系。当面对大量文本和符号形式的原始数据时,多维缩放可以通过找到它们的结构关系来帮助处理数据。因此,多维标度可以直观地表示所提取的工程建设项目文本关键词的关系网络,并可以对作业数据进行分析和聚类,以多维空间中的距离表示它们之间的关系。导入两个数据矩阵,设置研究维度数,并定义多维标度分析的转换标准后,可以获得维度坐标数据以绘制关系图。当使用多维尺度对关键词进行空间聚类并提取潜在的重要主题时,管理者可以根据管理需要,采用多层次设计和策略选择,在不同的观察层次上评估主题及其联系,并解释已识别主题之间的关系。
在中心度、多维缩放和聚类分析之后,导入数据,使用NetDraw软件提供项目报告文本关键词的多维缩放可视化,相对集中的术语为报告中的重点内容。关键词网络的中心性和多维尺度分析可以用来进一步探索工程文本。在一实施例中,如代表“砂石供应”的节点与代表“施工工期”的节点紧密相连,表明两者在原文中高度相关。因此,我们可以合理地推测,在报告中,提到了因砂石料供应而影响工期的问题。同样,如“征地拆迁”与“建设工期”也呈现出密切的关系,说明征地拆迁工作对建设工期也有影响,但不如砂石供应多,因为节点之间的关系也没有那么紧密。因此,为了实现工期目标,管理者首先要解决砂石供应的相关问题,其次是征地拆迁工作的相关问题。需要注意的是,虽然“征地拆迁”与“砂石供应”的距离比较近,但如果两者之间没有箭头,说明征地拆迁可能影响建设工期,但并不影响砂石供应,这符合常识判断。
多维尺度分析和聚类分析通过强调反映原文主题的最重要关键词,可以明显提高阅读效率。通过删除冗余和非关键信息以提供文本主题的简明和直观视图,从报告中提取并清晰描述了有意义的项目管理信息,为表达项目状态信息的标记云的可视化设计提供了有效的基础。
为了清晰、全面地反映文本所包含的信息,以标签的形式将关键词内容可视化,将主题文本的内容聚合在一起,是段分类中常见的显示格式。大小、距离、颜色等指标可以用来清晰地反映所显示关键词的不同属性。例如,频率较高的标签通常以较大的字体显示。为了实现标签云,采用可伸缩矢量图形技术,基于词频分数和基于颜色的中心性(醒目的颜色如红色和黄色表示大度中心度,较冷的颜色如灰色或蓝色表示小度中心度)来描述关键词的大小。以中心性最大的两个关键词为中心,利用多维标度和聚类分析的结果确定这些关键词与所有其他关键词之间的距离,然后围绕中心径向排列。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (9)
1.一种适用于建筑工程的项目管理***,其特征在于,所述建筑工程的项目管理***包括云计算模块、施工安全风险评价模块、数据提取模块、视觉映射模块和可视化显示模块,
所述施工安全风险评价模块对施工人员、管理人员、环境、机械、设备安全状况进行综合评价,选取人为因子、物质因子、环境因子、管理因子作为评价指标;所述施工安全风险评价模块基于可拓云理论和分布式计算的安全风险控制构建评估体系,具体包括如下步骤:
S11.将施工安全等级分为非常安全85-100分、安全75-85分、中度风险65-75分、中度风险55-65分、危险0-55分、一到五的相应级别;
S12.将建筑安全分类的边界作为双约束空间对云模型的期望,通过边界数值转换得到正常云模型的熵和超熵,如公式所示:
Fm=(Dmin+Dmax)/2
Fa=(Dmax-Dmin)/6
Rgn=i
其中:Dmax和Dmin分别代表建筑安全等级概念的点值的最大值和最小值,期望值Fm代表云的分布中心;不确定度的概念是熵Fa表示的指标,它识别了建筑安全等级之间的模糊性含义,熵值越大说明指标的随机性和模糊性程度越大,反之则越小;Rgn为常数i,根据施工安全相应指标的模糊性、离散性、随机性进行调整;
S13.变换安全性层级边界的标准云模型,定值Rgn的内容元素与由云模型表示的内容元素之间的相关性,由该定值Rgn相对于云模型的确定性程度来表示。根据施工安全综合评价的特点,将各待评价指标值视为一个云滴,相关度计算如下:
其中Pk为指标值,其属于云的确定程度,即指标值所代表的对象指标mi与云所代表的对象指标之间的相关程度,称为云相关度;Gm为平均值;G'ak为标准偏差;
S14.为了保证指标权重的客观性,采用层次分析法熵权法确定权重,并且通过使用熵技术修改计算权重:
其中:Qx为层次分析法熵权法得到的第x个指标的权重;Ex是第x个索引的信息权重,Cx是第x个索引的信息;Ix是由第x个索引计算的熵值;mxy是通过比较相同级别的两个指数的判断矩阵Hxy的分量;由mxy组成的矩阵构成综合权向量U;
S15.将综合权重向量U与综合评价矩阵V相乘得到综合评价向量J=UV,则模糊秩的特征值m为:
m=JkLk
其中m是模糊秩的特征值;Jk是矢量J的最大分量值;Lk是对应于等级k的最大分量的分数;
S16.在计算M的云相关度时存在随机因素,并且需要多个操作来减少随机性,即:
Gmn=(m1+m2+...+ma)/a
式中a为模糊评价得分的运算次数,取100次;mk(k=1,2,…,a)为第k次计算得到的模糊等级特征值。Gmn是多个操作的期望值,Gma是多个操作的熵,通过多次作业得到的Gma期望值能够反映整个施工安全状况,Gma值可以与等级挂钩来判断安全等级。
2.根据权利要求1所述的一种适用于建筑工程的项目管理***,其特征在于,所述数据提取模块用于提取关键词,提取关键词包括文本预处理、词频统计计算、候选词过滤和合并以及关键词筛选提取。
3.根据权利要求1-2所述的一种适用于建筑工程的项目管理***,其特征在于,所述视觉映射模块用于转换数据,通过可视化映射,将词频统计算法提取的项目信息关键词和相关流程可以被标准化和结构化,并且可以通过挖掘关键词之间更深层次的关系来描述更详细的状态信息,通过分析关键词的中心性以及多维尺度和聚类效应,确定工程文本中关键词之间的关系,从而提供抽取状态信息的结构,词频统计算法步骤如下:
S21.词频统计算法公式如下:
tfidfi,j=tfi,j×idfi
其中,tfi,j为术语频率指数,是单词i出现在文本j中的频率,其中Ni,j是单词i出现在文本j中的频率,而分母∑knk,j表示所有单词出现在文本j中的次数总和;idfi为逆文档频率指数,其中N表示文档集的文本总数,ni表示其中出现单词i的文本的数量;
S22.对标题词的信息增加权重,使用动态建立加权公式:
其中Stitle表示文本中标题词的集合,docLendj表示文档j中的单词总数,当考虑非标题字时,权重取0值,并且当考虑标题字时,将权重设置为参考值0.5,然后再加上每100个单词对应文档j的长度,以确定标题词的权重;
S23.使用以下式对候选单词进行加权:
其中len(wi)表示单词wi的长度,为了防止长单词的过度占优,其通过分母maxlen归一化,分母maxlen表示主题文档中最长的词的长度;
S24.根据其上下文对单词的词性进行标注通过将基本项频率方程修改为下式来计算不同词性中的相同单词的频率分数:
其中,权重weight(POSj)是候选单词wi的第j个词性类别的权重,是根据预设的标准权重获取的,fre(POSj)是将候选单词标记为属于词性POSj的次数;
S25.使用预设的词性权重,结合逆文档频率特性来定义以下关键词评分公式:
Score(wi)=POSTF(wi)*IDF*(weighttitle(wi)+weightlen(wi))
其中,IDF表示wi的逆文档频率,POSTF(wi)是单词wi的词性加权频率得分,weightlen(wi)表示wi的字长频率,weighttitle(wi)表示wi的位置频率;
S25.在计算单词wi的得分Score(wi)后,根据得分对候选单词进行排序,并根据分析需要选择前N个候选单词作为文本关键词。
4.根据权利要求1-3所述的一种适用于建筑工程的项目管理***,其特征在于,词性权重定义为:动词的权重为0.5,字符串的权重为0.7,名词的权重为0.8,未注册词为1.0,专有名词为1.2。
5.根据权利要求3所述的一种适用于建筑工程的项目管理***,其特征在于,在词频统计算法之前,还包括对文本进行预处理及对关键词进行过滤,文本预处理包括格式化标记、非法字符和停止字,并且考虑任何未注册的字;关键词过滤包括如下步骤:
S31.从候选词汇中选取权重较大的前20个词或短语作为合并对象;
S32.对于候选关键词短语,统计它们与其他短语之间的相同单词数,当数字大于2或等于2时,将选择单词较多的短语作为新的候选关键词短语,新的候选关键词短语的权重是这两个短语的总和;
S33.对于关键词,采用常用的两种组合方法计算共现频率,提取候选关键词短语,短语的权重也是两个单词的总和。
6.根据权利要求3-5任一项所述的一种适用于建筑工程的项目管理***,其特征在于,通过关键词之间的紧密性揭示项目文本的总体主题以及项目状态,对关键词进行中心性分析,确定其相对重要性。
7.根据权利要求1所述的一种适用于建筑工程的项目管理***,其特征在于,通过所述可视化显示模块绘制网络图,直观地描述文本关键词之间的分布和相互关系。
8.根据权利要求1所述的一种适用于建筑工程的项目管理***,其特征在于,所述人为因子包括工人安全思想素质与团队精神、工人遵守规章制度,履行职责、工人安全活动积极参与率、工人安全心理素质、工人的文化素养;所述物质因子包括项目管理安全文化质量与安全技术水平、建筑材料合格率、安全防护用品配置率、安全检查和备用工具的使用率、安全警示标志及标语设置比例。
9.根据权利要求1所述的一种适用于建筑工程的项目管理***,其特征在于,所述环境因子包括工程技术环境、工程作业环境、项目周边环境,其中,工程技术环境包括地质、水文、气象环境,工程作业环境包括作业区大小防护设备、通风照明、通讯设施,项目周边环境包括项目附近的地下管线、建筑结构;所述管理因子包括安全文明基金投资、安全教育培训率、安全检查率、施工组织设计、特殊施工方案、安全技术交底、危险识别与控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110196173.5A CN112837184A (zh) | 2021-02-22 | 2021-02-22 | 一种适用于建筑工程的项目管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110196173.5A CN112837184A (zh) | 2021-02-22 | 2021-02-22 | 一种适用于建筑工程的项目管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112837184A true CN112837184A (zh) | 2021-05-25 |
Family
ID=75932856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110196173.5A Pending CN112837184A (zh) | 2021-02-22 | 2021-02-22 | 一种适用于建筑工程的项目管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112837184A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393129A (zh) * | 2021-06-17 | 2021-09-14 | 中国测绘科学研究院 | 顾及路网关联约束的海量建筑物多尺度分块合并方法 |
CN115409318A (zh) * | 2022-07-22 | 2022-11-29 | 南方海洋科学与工程广东省实验室(广州) | 一种整合模糊ahp与mds的基于自然的水净化方案优选方法 |
CN116050949A (zh) * | 2023-04-03 | 2023-05-02 | 深圳市大数据研究院 | 基于坐标编码的量化指标体系生成及诊断方法以及*** |
CN116258467A (zh) * | 2023-05-16 | 2023-06-13 | 济南荣耀合创电力科技有限公司 | 一种电力施工管控*** |
CN116611743A (zh) * | 2023-07-17 | 2023-08-18 | 华航检测认证(青岛)有限公司 | 基于大数据的建筑工程建造质量评价方法 |
CN116662393A (zh) * | 2023-06-10 | 2023-08-29 | 中建新城建设工程有限公司 | 一种基于分布式数据查询的建筑工程控制方法和*** |
CN117787800A (zh) * | 2023-12-29 | 2024-03-29 | 北京中水卓越认证有限公司 | 一种基于工程建设施工的认证管理*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093400A (zh) * | 2013-01-24 | 2013-05-08 | 华中科技大学 | 一种隧道施工中邻近建筑物安全性定量评价方法 |
US20180366013A1 (en) * | 2014-08-28 | 2018-12-20 | Ideaphora India Private Limited | System and method for providing an interactive visual learning environment for creation, presentation, sharing, organizing and analysis of knowledge on subject matter |
-
2021
- 2021-02-22 CN CN202110196173.5A patent/CN112837184A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093400A (zh) * | 2013-01-24 | 2013-05-08 | 华中科技大学 | 一种隧道施工中邻近建筑物安全性定量评价方法 |
US20180366013A1 (en) * | 2014-08-28 | 2018-12-20 | Ideaphora India Private Limited | System and method for providing an interactive visual learning environment for creation, presentation, sharing, organizing and analysis of knowledge on subject matter |
Non-Patent Citations (2)
Title |
---|
唐静华: "基于特征项权重与句子相似度的知识元智能提取技术研究", 中国优秀硕士学位论文全文数据库信息科技辑术研究, no. 03, 15 March 2018 (2018-03-15) * |
陈娟娟: "基于可拓云理论的施工安全综合评价及应用研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 04, 15 April 2018 (2018-04-15) * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393129A (zh) * | 2021-06-17 | 2021-09-14 | 中国测绘科学研究院 | 顾及路网关联约束的海量建筑物多尺度分块合并方法 |
CN115409318A (zh) * | 2022-07-22 | 2022-11-29 | 南方海洋科学与工程广东省实验室(广州) | 一种整合模糊ahp与mds的基于自然的水净化方案优选方法 |
CN115409318B (zh) * | 2022-07-22 | 2024-03-19 | 南方海洋科学与工程广东省实验室(广州) | 一种整合模糊ahp与mds的基于自然的水净化方案优选方法 |
CN116050949A (zh) * | 2023-04-03 | 2023-05-02 | 深圳市大数据研究院 | 基于坐标编码的量化指标体系生成及诊断方法以及*** |
CN116050949B (zh) * | 2023-04-03 | 2023-07-11 | 深圳市大数据研究院 | 基于坐标编码的量化指标体系生成及诊断方法以及*** |
CN116258467A (zh) * | 2023-05-16 | 2023-06-13 | 济南荣耀合创电力科技有限公司 | 一种电力施工管控*** |
CN116258467B (zh) * | 2023-05-16 | 2023-08-18 | 济南荣耀合创电力科技有限公司 | 一种电力施工管控*** |
CN116662393A (zh) * | 2023-06-10 | 2023-08-29 | 中建新城建设工程有限公司 | 一种基于分布式数据查询的建筑工程控制方法和*** |
CN116662393B (zh) * | 2023-06-10 | 2023-12-12 | 中建新城建设工程有限公司 | 一种基于分布式数据查询的建筑工程控制方法和*** |
CN116611743A (zh) * | 2023-07-17 | 2023-08-18 | 华航检测认证(青岛)有限公司 | 基于大数据的建筑工程建造质量评价方法 |
CN116611743B (zh) * | 2023-07-17 | 2023-10-10 | 华航检测认证(青岛)有限公司 | 基于大数据的建筑工程建造质量评价方法 |
CN117787800A (zh) * | 2023-12-29 | 2024-03-29 | 北京中水卓越认证有限公司 | 一种基于工程建设施工的认证管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112837184A (zh) | 一种适用于建筑工程的项目管理*** | |
US9971974B2 (en) | Methods and systems for knowledge discovery | |
CN110188344A (zh) | 一种多特征融合的关键词提取方法 | |
US7877383B2 (en) | Ranking and accessing definitions of terms | |
Sun et al. | Text visualization for construction document information management | |
US20070016863A1 (en) | Method and apparatus for extracting and structuring domain terms | |
US9575947B2 (en) | System and method of automatically mapping a given annotator to an aggregate of given annotators | |
CN107315738A (zh) | 一种文本信息的创新度评估方法 | |
Rashid et al. | Feature level opinion mining of educational student feedback data using sequential pattern mining and association rule mining | |
Kumar et al. | Legal document summarization using latent dirichlet allocation | |
Chou et al. | Integrating XBRL data with textual information in Chinese: A semantic web approach | |
CN113157860B (zh) | 一种基于小规模数据的电力设备检修知识图谱构建方法 | |
CN109582783B (zh) | 热点话题检测方法及装置 | |
US20140089246A1 (en) | Methods and systems for knowledge discovery | |
CN115238217B (zh) | 一种公告文本中抽取数值信息的方法及终端机 | |
CN110019820A (zh) | 一种病历中主诉与现病史症状时间一致性检测方法 | |
CN114860882A (zh) | 一种基于文本分类模型的公平竞争审查辅助方法 | |
CN115757819A (zh) | 裁判文书中引用法条信息获取方法及装置 | |
CN115238685A (zh) | 一种基于位置感知的建筑工程变更事件联合抽取方法 | |
Buhin Pandur et al. | Topic modelling and sentiment analysis of COVID-19 related news on Croatian Internet portal | |
CN111191029B (zh) | 基于监督学习和文本分类的ac构建方法 | |
CN116432965A (zh) | 基于知识图谱的岗位能力分析方法及树状图生成方法 | |
Luo et al. | A latent dirichlet allocation and fuzzy clustering based machine learning model for text thesaurus | |
Sardelich et al. | Extending the Loughran and McDonald Financial Sentiment Words List from 10-K Corporate Fillings using Social Media Texts | |
Salama et al. | The integration of a newly defined N-gram concept and vector space model for documents ranking |
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 |