CN115599965B - 一种数据经济信息化管理*** - Google Patents
一种数据经济信息化管理*** Download PDFInfo
- Publication number
- CN115599965B CN115599965B CN202211593623.5A CN202211593623A CN115599965B CN 115599965 B CN115599965 B CN 115599965B CN 202211593623 A CN202211593623 A CN 202211593623A CN 115599965 B CN115599965 B CN 115599965B
- Authority
- CN
- China
- Prior art keywords
- information
- real
- data
- module
- model
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据经济信息化管理***,包括用户登录模块、身份验证模块、数据导入模块、初步分析模块、二次分析模块、模型比对模块、模型储存模块、结果导出模块、数据转存模块、标签生成模块、数据加密模块与数据储存模块;所述用户登录模块用于用户导入登录信息,所述身份验证模块对用户导入的登录信息进行验证,验证通过的用户允许登录进该***,所述数据导入模块用于用户导入企业数据;当用户选择数据储存需求时,所述数据转存模块进行数据转存;所述标签生成模块用于对接收到企业数据进行处理生成实时标签信息。本发明能够具备了不同功能,满足了用户的不同使用需求,更好的进行了数据经济的综合管理。
Description
技术领域
本发明涉及数据管理领域,具体涉及一种数据经济信息化管理***。
背景技术
数据是数据经济的第一要素。通过利用实时获取的海量数据,包括主体数据、行为数据、交易数据、交往数据来组织社会生产、销售、流通、消费、融资、投资等活动;
因此,在数据经济信息储存管理等过程中,需要使用到数据经济信息化管理***来对数据经济信息进行综合化的管理。
现有的数据经济信息化管理***,管理类型单一,满足不了用户实际使用需求,给数据经济信息化管理***的使用带来了一定的影响,因此,提出一种数据经济信息化管理***。
发明内容
本发明所要解决的技术问题在于:如何解决现有的数据经济信息化管理***,管理类型单一,满足不了用户实际使用需求,给数据经济信息化管理***的使用带来了一定的影响的问题,提供了一种数据经济信息化管理***。
本发明是通过以下技术方案解决上述技术问题的,本发明包括用户登录模块、身份验证模块、数据导入模块、初步分析模块、二次分析模块、模型比对模块、模型储存模块、结果导出模块、数据转存模块、标签生成模块、数据加密模块与数据储存模块;
所述用户登录模块用于用户导入登录信息,所述身份验证模块对用户导入的登录信息进行验证,验证通过的用户允许登录进该***,所述数据导入模块用于用户导入企业数据;
当用户选择数据储存需求时,所述数据转存模块进行数据转存;
所述标签生成模块用于对接收到企业数据进行处理生成实时标签信息,之后将企业数据标记上实时标签信息获取到标签数据信息后发送到数据加密模块;
所述数据加密模块用于对标签数据信息通过预设加密方法进行加密处理后,先将解密密匙发送到数据上传人的预设接收终端后,再将加密后的数据发送到数据储存模块进行处理;
当用户选择数据检索需求时,初步分析模块对用户导入到的企业数据进行分析,获取到企业相关信息;
所述企业相关信息被导入到二次分析模块,所述二次分析模块用于对企业相关信息进行分析获取到实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息;
所述模型比对模块用于对实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息进行处理生成实时企业产品模型信息,所述模型储存模块中储存了其他企业的企业产品模型信息;
所述模型比对模块将实时企业产品模型信息与模型储存模块中储存了其他企业的企业产品模型信息进行模型比对,获取到多个相似模型,之后对相似模型信息进行处理,获取到综合评估信息,所述综合评估信息包括一级评估信息、二级评估信息与三级评估信息;
综合评估信息被发送到用户预设接收终端的同时,企业数据与综合评估信息被同时发送到标签生成模块,经过标签化处理后导入到加密模块加密后导入到数据储存模块进行储存。
进一步在于,所述标签生成模块对接收到企业数据进行处理生成实时标签信息的具体处理过程如下:
步骤一:提取出用户导入的企业数据,将企业数据中的所有的文字信息按照预设规则进行文字排列,获取到排列数据信息;
步骤二:对排列数据信息进行重复词汇检索,获取到所有重复次数超过预设次数的次数,将重复次数超过预设次数的次数标记为特征词汇;
步骤三:将特征词汇的出现次数提取出,并按照从大到小的顺序进行排列,提取出现次数最多的特征词汇为总标签、将出现次数的第二多和第三多的特征词汇分别标记为第一辅标签与第二辅标签;
步骤四:总标签、第一辅标签与第二辅标签一起组成实时标签信息;
所述企业数据与综合评估信息被同时发送到标签生成模块后,标签生成模块进行标签生成的具体过程如下:将综合评估信息中的评级信息与出现次数最多的特征词汇为总标签同时标记为总标签,第一辅标签与第二辅标签的获取方式与步骤三相同,总标签、第一辅标签与第二辅标签一起组成实时标签信息。
进一步在于,所述数据加密模块进行加密时采用的加密方法包括线性散列算法MD5SHA1、对称性加密算法AES/DES与非对称性加密算法RSA,所述数据加密模块进行加密时至少选取线性散列算法MD5SHA1、对称性加密算法AES/DES与非对称性加密算法RSA中的两种同时进行加密。
进一步在于,所述模型比对模块对实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息进行处理生成实时企业产品模型信息的具体处理过程如下:提取出采集到的实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息,实时企业类型信息被标记为第一模型信息,实时企业产品信息被标记为第二模型信息,之后对实时产品产量信息、实时产品销量与实时产品收益信息进行处理获取单件收益参数信息,收益参数即为第三模型信息,第一模型信息、第二模型信息与第三模型信息一起组成实时企业产品模型信息。
进一步在于,所述收益参数信息的具体处理过程如下:提取出采集到的实时产品产量信息、实时产品销量与实时产品收益信息,将实时产品产量信息标记为Q1,将实时产品销量标记为Q2,将实时产品收益信息标记为Q3,通过公式,即获取到收益参数。
进一步在于,所述多个相似模型的具体获取过程如下:提取出采集到的将实时企业产品模型信息与模型储存模块中储存了其他企业的企业产品模型信息进行模型比对,提取出实时企业产品模型中的第一模型信息与第二模型信息,将其与模型储存模块中储存了其他企业的企业产品模型信息进行比对匹配,提取出所有匹配成功的模型信息,之后从匹配成功的模型信息提取出匹配模型的第三模型信息与实时企业产品模型中的第三模型信息进行相似度匹配,即计算出匹配成功的模型信息提取出匹配模型的第三模型信息与实时企业产品模型中的第三模型信息之间的差值获取到参数差,当参数差在预设值范围内时,即生成匹配成功信息,该模型即为相似模型;
其他企业的企业产品模型信息中的第三模型信息包括从该模型数据被采集时的参数信息到该模型被进行比对时的模型信息,进行相似匹配时,选用该模型数据被采集时的参数信息为其他企业的企业产品模型信息中的第三模型信息进行相似度匹配。
进一步在于,所述综合评估信息的具体处理过程如下:提取出采集到的多个相似模型信息,提取出相似模型在预设时长后的第三模型信息,将相似模型的数量标记为m,将相似模型在预设时长后的第三模型信息标记为P,通过公式(P1+P2……Pm)/m=Pp,获取到综合评估参数Pp,当综合评估参数Pp小于预设值时,即生成一级评估信息,当综合评估参数Pp在预设值范围内时,即生成二级评估信息,当综合评估参数Pp大于预设值时,即生成三级评估信息。
进一步在于,所述身份验证模块对用户导入的登录信息进行验证,验证通过的用户允许登录进该***,连续验证失败超过预设次数即生成验证警示信息,验证警示信息被发送到预设接收终端。
进一步在于,身份验证模块进行身份验证的具体过程如下:用户导入的登录信息包括人脸信息与指纹信息,当人脸信息或指纹信息验证通过后,再次进行活体验证,活体验证通过即允许用户登录,当先进行人脸信息验证,但人脸信息验证失败时,即选取指纹信息验证重新进行验证,当先进行指纹信息验证,但指纹信息验证失败时,即选取人脸信息验证重新进行验证,当连续验证失败超过预设次数时,即生成验证警示信息。
本发明相比现有技术具有以下优点:该数据经济信息化管理***,通过在用户导入数据时,设置了智能化的标签生成方法,能够根据导入的数据经济信息设定不同类型检索标签,从而使数据经济信息被储存后,用户需要再次提取该数据时,能够根据检索标签,快速的检索到相应的数据,同时通过设置的用户登录验证配合着数据经济信息储存时,能够更好提升数据安全性,让该管理***,能够更好的保证数据安全,避免用户数据泄露的状况发生,并且该管理***还能够满足用户对导入的企业数据进行评估处理的目的,为用户提供企业数据综合评估信息,让用户能够了解到其导入的数据经济信息的前景,使得该***具备了不同的功能,满足了用户的不同使用需求,也更加全面的进行数据经济的信息化管理,让该***更加值得推广使用。
附图说明
图1是本发明的***框图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种数据经济信息化管理***,包括用户登录模块、身份验证模块、数据导入模块、初步分析模块、二次分析模块、模型比对模块、模型储存模块、结果导出模块、数据转存模块、标签生成模块、数据加密模块与数据储存模块;
所述用户登录模块用于用户导入登录信息,所述身份验证模块对用户导入的登录信息进行验证,验证通过的用户允许登录进该***,所述数据导入模块用于用户导入企业数据;
当用户选择数据储存需求时,所述数据转存模块进行数据转存;
所述标签生成模块用于对接收到企业数据进行处理生成实时标签信息,之后将企业数据标记上实时标签信息获取到标签数据信息后发送到数据加密模块;
所述数据加密模块用于对标签数据信息通过预设加密方法进行加密处理后,先将解密密匙发送到数据上传人的预设接收终端后,再将加密后的数据发送到数据储存模块进行处理;
当用户选择数据检索需求时,初步分析模块对用户导入到的企业数据进行分析,获取到企业相关信息;
所述企业相关信息被导入到二次分析模块,所述二次分析模块用于对企业相关信息进行分析获取到实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息;
所述模型比对模块用于对实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息进行处理生成实时企业产品模型信息,所述模型储存模块中储存了其他企业的企业产品模型信息;
所述模型比对模块将实时企业产品模型信息与模型储存模块中储存了其他企业的企业产品模型信息进行模型比对,获取到多个相似模型,之后对相似模型信息进行处理,获取到综合评估信息,所述综合评估信息包括一级评估信息、二级评估信息与三级评估信息;
综合评估信息被发送到用户预设接收终端的同时,企业数据与综合评估信息被同时发送到标签生成模块,经过标签化处理后导入到加密模块加密后导入到数据储存模块进行储存;
本发明通过在用户导入数据时,设置了智能化的标签生成方法,能够根据导入的数据经济信息设定不同类型检索标签,从而使数据经济信息被储存后,用户需要再次提取该数据时,能够根据检索标签,快速的检索到相应的数据,同时通过设置的用户登录验证配合着数据经济信息储存时,能够更好提升数据安全性,让该管理***,能够更好的保证数据安全,避免用户数据泄露的状况发生,并且该管理***还能够满足用户对导入的企业数据进行评估处理的目的,为用户提供企业数据综合评估信息,让用户能够了解到其导入的数据经济信息的前景,使得该***具备了不同的功能,满足了用户的不同使用需求,也更加全面的进行数据经济的信息化管理。
所述标签生成模块对接收到企业数据进行处理生成实时标签信息的具体处理过程如下:
步骤一:提取出用户导入的企业数据,将企业数据中的所有的文字信息按照预设规则进行文字排列,获取到排列数据信息;
步骤二:对排列数据信息进行重复词汇检索,获取到所有重复次数超过预设次数的次数,将重复次数超过预设次数的次数标记为特征词汇;
步骤三:将特征词汇的出现次数提取出,并按照从大到小的顺序进行排列,提取出现次数最多的特征词汇为总标签、将出现次数的第二多和第三多的特征词汇分别标记为第一辅标签与第二辅标签;
步骤四:总标签、第一辅标签与第二辅标签一起组成实时标签信息;
所述企业数据与综合评估信息被同时发送到标签生成模块后,标签生成模块进行标签生成的具体过程如下:将综合评估信息中的评级信息与出现次数最多的特征词汇为总标签同时标记为总标签,第一辅标签与第二辅标签的获取方式与步骤三相同,总标签、第一辅标签与第二辅标签一起组成实时标签信息;
通过上述过程,让***能够储存时的数据经济信息的状况来设定不同类型的检索标签,从而方便用户后续检索,同时总标签、第一辅标签与第二辅标签的设置,让该***实现多重标签同时检索的功能,能够更加快速准确的进行目标数据的检索。
所述数据加密模块进行加密时采用的加密方法包括线性散列算法MD5SHA1、对称性加密算法AES/DES与非对称性加密算法RSA,所述数据加密模块进行加密时至少选取线性散列算法MD5SHA1、对称性加密算法AES/DES与非对称性加密算法RSA中的两种同时进行加密;
通过时上述过程,同时至少选取两种加密方式进行加密的设置,能够更进一步的保证数据经济储存的时的安全性,并且***可以根据实际需求,来选定更多的加密方式来进行加密作业。
所述模型比对模块对实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息进行处理生成实时企业产品模型信息的具体处理过程如下:提取出采集到的实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息,实时企业类型信息被标记为第一模型信息,实时企业产品信息被标记为第二模型信息,之后对实时产品产量信息、实时产品销量与实时产品收益信息进行处理获取单件收益参数信息,收益参数即为第三模型信息,第一模型信息、第二模型信息与第三模型信息一起组成实时企业产品模型信息;
通过上述过程,建立起实时企业产品模型信息,方便后续进行模型比对,获取到用户导入的企业数据,即数据经济的综合化评估。
所述收益参数信息的具体处理过程如下:提取出采集到的实时产品产量信息、实时产品销量与实时产品收益信息,将实时产品产量信息标记为Q1,将实时产品销量标记为Q2,将实时产品收益信息标记为Q3,通过公式,即获取到收益参数;
通过上述过程,能够获取到更加准确的综合评估参数,从而更加准确的对用户导入的企业数据进行评估。
所述多个相似模型的具体获取过程如下:提取出采集到的将实时企业产品模型信息与模型储存模块中储存了其他企业的企业产品模型信息进行模型比对,提取出实时企业产品模型中的第一模型信息与第二模型信息,将其与模型储存模块中储存了其他企业的企业产品模型信息进行比对匹配,提取出所有匹配成功的模型信息,之后从匹配成功的模型信息提取出匹配模型的第三模型信息与实时企业产品模型中的第三模型信息进行相似度匹配,即计算出匹配成功的模型信息提取出匹配模型的第三模型信息与实时企业产品模型中的第三模型信息之间的差值获取到参数差,当参数差在预设值范围内时,即生成匹配成功信息,该模型即为相似模型;
其他企业的企业产品模型信息中的第三模型信息包括从该模型数据被采集时的参数信息到该模型被进行比对时的模型信息,进行相似匹配时,选用该模型数据被采集时的参数信息为其他企业的企业产品模型信息中的第三模型信息进行相似度匹配;
通过上述过程,将实时企业产品模型信息与其他相类似或者相同企业的模型进行比对,通过对匹配出的相类似或者相同企业的模型进行分析能够了解到用户导入的企业数据对应企业的前景状态,使得该***具备了更多功能,满足了用户的不同使用需求。
所述综合评估信息的具体处理过程如下:提取出采集到的多个相似模型信息,提取出相似模型在预设时长后的第三模型信息,将相似模型的数量标记为m,将相似模型在预设时长后的第三模型信息标记为P,通过公式(P1+P2……Pm)/m=Pp,获取到综合评估参数Pp,当综合评估参数Pp小于预设值时,即生成一级评估信息,当综合评估参数Pp在预设值范围内时,即生成二级评估信息,当综合评估参数Pp大于预设值时,即生成三级评估信息;
通过上述过程,分析出一级评估信息、二级评估信息与三级评估信息,级别越低即表示前景更好,反之即越差。
所述身份验证模块对用户导入的登录信息进行验证,验证通过的用户允许登录进该***,连续验证失败超过预设次数即生成验证警示信息,验证警示信息被发送到预设接收终端;身份验证模块进行身份验证的具体过程如下:用户导入的登录信息包括人脸信息与指纹信息,当人脸信息或指纹信息验证通过后,再次进行活体验证,活体验证通过即允许用户登录,当先进行人脸信息验证,但人脸信息验证失败时,即选取指纹信息验证重新进行验证,当先进行指纹信息验证,但指纹信息验证失败时,即选取人脸信息验证重新进行验证,当连续验证失败超过预设次数时,即生成验证警示信息;
通过上述过程,在用户登录时,进行了用户身份的验证,避免了盗用身份登录导致用户数据泄露的状况发生。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种数据经济信息化管理***,其特征在于,包括用户登录模块、身份验证模块、数据导入模块、初步分析模块、二次分析模块、模型比对模块、模型储存模块、结果导出模块、数据转存模块、标签生成模块、数据加密模块与数据储存模块;
所述用户登录模块用于用户导入登录信息,所述身份验证模块对用户导入的登录信息进行验证,验证通过的用户允许登录进该***,所述数据导入模块用于用户导入企业数据;
当用户选择数据储存需求时,所述数据转存模块进行数据转存;
所述标签生成模块用于对接收到企业数据进行处理生成实时标签信息,之后将企业数据标记上实时标签信息获取到标签数据信息后发送到数据加密模块;
所述数据加密模块用于对标签数据信息通过预设加密方法进行加密处理后,先将解密密匙发送到数据上传人的预设接收终端后,再将加密后的数据发送到数据储存模块进行处理;
当用户选择数据检索需求时,初步分析模块对用户导入到的企业数据进行分析,获取到企业相关信息;
所述企业相关信息被导入到二次分析模块,所述二次分析模块用于对企业相关信息进行分析获取到实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息;
所述模型比对模块用于对实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息进行处理生成实时企业产品模型信息,所述模型储存模块中储存了其他企业的企业产品模型信息;
所述模型比对模块将实时企业产品模型信息与模型储存模块中储存了其他企业的企业产品模型信息进行模型比对,获取到多个相似模型,之后对相似模型信息进行处理,获取到综合评估信息,所述综合评估信息包括一级评估信息、二级评估信息与三级评估信息;
综合评估信息被发送到用户预设接收终端的同时,企业数据与综合评估信息被同时发送到标签生成模块,经过标签化处理后导入到加密模块加密后导入到数据储存模块进行储存;
所述标签生成模块对接收到企业数据进行处理生成实时标签信息的具体处理过程如下:
步骤一:提取出用户导入的企业数据,将企业数据中的所有的文字信息按照预设规则进行文字排列,获取到排列数据信息;
步骤二:对排列数据信息进行重复词汇检索,获取到所有重复次数超过预设次数的次数,将重复次数超过预设次数的次数标记为特征词汇;
步骤三:将特征词汇的出现次数提取出,并按照从大到小的顺序进行排列,提取出现次数最多的特征词汇为总标签、将出现次数的第二多和第三多的特征词汇分别标记为第一辅标签与第二辅标签;
步骤四:总标签、第一辅标签与第二辅标签一起组成实时标签信息;
所述企业数据与综合评估信息被同时发送到标签生成模块后,标签生成模块进行标签生成的具体过程如下:将综合评估信息中的评级信息与出现次数最多的特征词汇为总标签同时标记为总标签,第一辅标签与第二辅标签的获取方式与步骤三相同,总标签、第一辅标签与第二辅标签一起组成实时标签信息;
所述综合评估信息的具体处理过程如下:提取出采集到的多个相似模型信息,提取出相似模型在预设时长后的第三模型信息,将相似模型的数量标记为m,将相似模型在预设时长后的第三模型信息标记为P,通过公式(P1+P2……Pm)/m=Pp,获取到综合评估参数Pp,当综合评估参数Pp小于预设值时,即生成一级评估信息,当综合评估参数Pp在预设值范围内时,即生成二级评估信息,当综合评估参数Pp大于预设值时,即生成三级评估信息;
对实时产品产量信息、实时产品销量与实时产品收益信息进行处理获取单件收益参数信息,收益参数即为第三模型信息。
2.根据权利要求1所述的一种数据经济信息化管理***,其特征在于:所述数据加密模块进行加密时采用的加密方法包括线性散列算法MD5SHA1、对称性加密算法AES/DES与非对称性加密算法RSA,所述数据加密模块进行加密时至少选取线性散列算法MD5SHA1、对称性加密算法AES/DES与非对称性加密算法RSA中的两种同时进行加密。
3.根据权利要求1所述的一种数据经济信息化管理***,其特征在于:所述模型比对模块对实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息进行处理生成实时企业产品模型信息的具体处理过程如下:提取出采集到的实时企业类型信息、实时企业产品信息、实时产品产量信息、实时产品销量与实时产品收益信息,实时企业类型信息被标记为第一模型信息,实时企业产品信息被标记为第二模型信息,之后对实时产品产量信息、实时产品销量与实时产品收益信息进行处理获取单件收益参数信息,收益参数即为第三模型信息,第一模型信息、第二模型信息与第三模型信息一起组成实时企业产品模型信息。
4.根据权利要求3所述的一种数据经济信息化管理***,其特征在于:所述收益参数信息的具体处理过程如下:提取出采集到的实时产品产量信息、实时产品销量与实时产品收益信息,将实时产品产量信息标记为Q1,将实时产品销量标记为Q2,将实时产品收益信息标记为Q3,通过公式,即获取到收益参数。
5.根据权利要求1所述的一种数据经济信息化管理***,其特征在于:所述多个相似模型的具体获取过程如下:提取出采集到的将实时企业产品模型信息与模型储存模块中储存了其他企业的企业产品模型信息进行模型比对,提取出实时企业产品模型中的第一模型信息与第二模型信息,将其与模型储存模块中储存了其他企业的企业产品模型信息进行比对匹配,提取出所有匹配成功的模型信息,之后从匹配成功的模型信息提取出匹配模型的第三模型信息与实时企业产品模型中的第三模型信息进行相似度匹配,即计算出匹配成功的模型信息提取出匹配模型的第三模型信息与实时企业产品模型中的第三模型信息之间的差值获取到参数差,当参数差在预设值范围内时,即生成匹配成功信息,该模型即为相似模型;
其他企业的企业产品模型信息中的第三模型信息包括从该模型数据被采集时的参数信息到该模型被进行比对时的模型信息,进行相似匹配时,选用该模型数据被采集时的参数信息为其他企业的企业产品模型信息中的第三模型信息进行相似度匹配。
6.根据权利要求1所述的一种数据经济信息化管理***,其特征在于:所述身份验证模块对用户导入的登录信息进行验证,验证通过的用户允许登录进该***,连续验证失败超过预设次数即生成验证警示信息,验证警示信息被发送到预设接收终端。
7.根据权利要求6所述的一种数据经济信息化管理***,其特征在于:身份验证模块进行身份验证的具体过程如下:用户导入的登录信息包括人脸信息与指纹信息,当人脸信息或指纹信息验证通过后,再次进行活体验证,活体验证通过即允许用户登录,当先进行人脸信息验证,但人脸信息验证失败时,即选取指纹信息验证重新进行验证,当先进行指纹信息验证,但指纹信息验证失败时,即选取人脸信息验证重新进行验证,当连续验证失败超过预设次数时,即生成验证警示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211593623.5A CN115599965B (zh) | 2022-12-13 | 2022-12-13 | 一种数据经济信息化管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211593623.5A CN115599965B (zh) | 2022-12-13 | 2022-12-13 | 一种数据经济信息化管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115599965A CN115599965A (zh) | 2023-01-13 |
CN115599965B true CN115599965B (zh) | 2023-08-11 |
Family
ID=84854071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211593623.5A Active CN115599965B (zh) | 2022-12-13 | 2022-12-13 | 一种数据经济信息化管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115599965B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107464068A (zh) * | 2017-09-18 | 2017-12-12 | 前海梧桐(深圳)数据有限公司 | 基于神经网络的企业发展趋势预测方法及其*** |
CN109376273A (zh) * | 2018-09-21 | 2019-02-22 | 平安科技(深圳)有限公司 | 企业信息图谱构建方法、装置、计算机设备及存储介质 |
CN109543073A (zh) * | 2018-10-17 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 企业供销关系图谱生成方法、装置和计算机设备 |
CN110956362A (zh) * | 2019-10-29 | 2020-04-03 | 北京华跃博弈科技有限公司 | 基于大数据的装修企业发展状态评估方法 |
CN112785425A (zh) * | 2021-03-04 | 2021-05-11 | 河南工业职业技术学院 | 一种分布式的智能经济管理***及管理方法 |
CN113761081A (zh) * | 2021-09-07 | 2021-12-07 | 苏州八纮科技有限公司 | 一种用于对企业信息进行多维度组合检索的方法及其*** |
CN114398473A (zh) * | 2022-01-19 | 2022-04-26 | 平安国际智慧城市科技股份有限公司 | 企业画像生成方法、装置、服务器及存储介质 |
CN115391519A (zh) * | 2022-07-21 | 2022-11-25 | 吉林省吉林祥云信息技术有限公司 | 一种基于nlp技术的企业自动打标签模型生成方法、***、设备以及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2441516A1 (en) * | 2003-09-18 | 2005-03-18 | Corporate Responsibility System Technologies Ltd. | System and method for evaluating regulatory compliance for a company |
US11954605B2 (en) * | 2020-09-25 | 2024-04-09 | Sap Se | Systems and methods for intelligent labeling of instance data clusters based on knowledge graph |
-
2022
- 2022-12-13 CN CN202211593623.5A patent/CN115599965B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107464068A (zh) * | 2017-09-18 | 2017-12-12 | 前海梧桐(深圳)数据有限公司 | 基于神经网络的企业发展趋势预测方法及其*** |
CN109376273A (zh) * | 2018-09-21 | 2019-02-22 | 平安科技(深圳)有限公司 | 企业信息图谱构建方法、装置、计算机设备及存储介质 |
CN109543073A (zh) * | 2018-10-17 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 企业供销关系图谱生成方法、装置和计算机设备 |
CN110956362A (zh) * | 2019-10-29 | 2020-04-03 | 北京华跃博弈科技有限公司 | 基于大数据的装修企业发展状态评估方法 |
CN112785425A (zh) * | 2021-03-04 | 2021-05-11 | 河南工业职业技术学院 | 一种分布式的智能经济管理***及管理方法 |
CN113761081A (zh) * | 2021-09-07 | 2021-12-07 | 苏州八纮科技有限公司 | 一种用于对企业信息进行多维度组合检索的方法及其*** |
CN114398473A (zh) * | 2022-01-19 | 2022-04-26 | 平安国际智慧城市科技股份有限公司 | 企业画像生成方法、装置、服务器及存储介质 |
CN115391519A (zh) * | 2022-07-21 | 2022-11-25 | 吉林省吉林祥云信息技术有限公司 | 一种基于nlp技术的企业自动打标签模型生成方法、***、设备以及存储介质 |
Non-Patent Citations (1)
Title |
---|
张超 ; .企业信息化***的资源整合管理.电信科学.2012,(第07期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115599965A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598186B (zh) | 基于纵向联邦学习的决策模型训练方法、预测方法及装置 | |
Zhang et al. | UD-HMM: An unsupervised method for shilling attack detection based on hidden Markov model and hierarchical clustering | |
WO2017140248A1 (zh) | 数据交换方法、数据交换装置及计算装置 | |
Ambusaidi et al. | A novel feature selection approach for intrusion detection data classification | |
Hittmeir et al. | Utility and privacy assessments of synthetic data for regression tasks | |
US11502842B2 (en) | Cluster-based security for network devices | |
Idris et al. | Ensemble based efficient churn prediction model for telecom | |
CN113902037A (zh) | 非正常银行账户识别方法、***、电子设备及存储介质 | |
CN111639355A (zh) | 一种数据安全管理方法和*** | |
CN115599965B (zh) | 一种数据经济信息化管理*** | |
CN108549701A (zh) | 云环境加密外包数据语义扩展搜索方法及*** | |
Priya et al. | Privacy preserving data security model for cloud computing technology | |
Zhao et al. | Block cipher identification scheme based on Hamming weight distribution | |
CN115358728B (zh) | 基于云计算的erp数据处理方法 | |
Wang et al. | A system for time series feature extraction in federated learning | |
Zhang et al. | GAN-based abnormal transaction detection in Bitcoin | |
Strasburg et al. | Masquerade detection in network environments | |
CN110599206B (zh) | 物品质量认证方法及装置、存储介质、电子设备 | |
CN105357002A (zh) | 基于云存储生物特征认证的敏感信息安全外包方法 | |
Barkan et al. | Efficient Discovery and Effective Evaluation of Visual Perceptual Similarity: A Benchmark and Beyond | |
Solanki et al. | Secure Online Book Resale Store System using Machine Learning | |
Tian et al. | An optional splitting extraction based gain-AUPRC balanced strategy in federated XGBoost for mitigating imbalanced credit card fraud detection | |
Jamadi et al. | Privacy preserving data mining based on geometrical data transformation method (GDTM) and K-means clustering algorithm | |
CN117708870A (zh) | 一种基于可搜索加密技术的数据查询方法、***和介质 | |
Yadav et al. | A Fair Knowledge of Bureau Report by Data Mining Algorithms |
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 |