System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数字样机计算机程序,特别是涉及一种基于领域模型的数字样机数据抽取方法、装置、介质及设备。
技术介绍
1、现有技术中,针对数字样机的数据抽取常常使用基于查询的数据抽取、基于日志的数据抽取、基于变更数据捕获(change data capture,cdc)的数据抽取、文件抽取、基于应用程序接口的数据抽取、和基于服务总线的数据抽取等,这些数据抽取方法可以实现针对不同数据源,从结构化、半结构化和非结构化数据中进行数据抽取其存在的缺点包括:技术更新迭代提高了运维成本;数据格式多样;技术标准不统一;系统与服务的界限模糊,不利于开发及维护;服务的接口协议不固定,种类繁多,不利于系统维护;抽取的服务粒度过大,系统与服务之间耦合性高;系统集成难度大等。
技术实现思路
1、有鉴于此,本专利技术提供了一种基于领域模型的数字样机数据抽取方法、装置、介质及设备,其继承了深度学习方法的优势,无需特征工程,使用词向量以及字符向量就可以达到很好的效果,如果有高质量的词典特征,能够进一步获得提高,从而更加适于实用。
2、为了达到上述第一个目的,本专利技术提供的基于领域模型的数字样机数据抽取方法的技术方案如下:
3、本专利技术提供的基于领域模型的数字样机数据抽取方法包括以下步骤:
4、构建基于领域模型的数字样机数据的领域模型;
5、针对所述基于领域模型的数字样机的特征进行识别,得到经过特征识别的基于领域模型的数字样机;
6、对所述经过特征识别的
7、针对所述基于领域模型的数字样机参数进行数据处理,得到经过处理的基于领域模型的数字样机数据;
8、针对所述经过处理的基于领域模型的数字样机数据进行数据质量检查,得到具有设定质量的基于领域模型的数字样机数据;
9、加载所述具有设定质量的基于领域模型的数字样机数据,得到抽取所得的基于领域模型的数字样机数据。
10、本专利技术提供的基于领域模型的数字样机数据抽取方法还可采用以下技术措施进一步实现。
11、作为优选,所述构建基于领域模型的数字样机数据的领域模型的关键要点包括领域业务需求、领域知识收集、实体识别与值对象识别、领域模型构建、模型的迭代与进化中的一种或者多种。
12、作为优选,所述针对所述基于领域模型的数字样机的特征进行识别,得到经过特征识别的基于领域模型的数字样机的步骤过程中,待识别的特征包括几何特征、功能特征、性能特征、多领域综合分析、全生命周期涵盖数字样机的仿真能力评估中的一种或者多种。
13、作为优选,对所述经过特征识别的基于领域模型的数字样机进行参数提取,得到基于领域模型的数字样机参数依次包括:确定待提取目标、选择与所述待提取目标相适配的领域模型、建立提取方法、准确性和完整性检查。
14、作为优选,针对所述基于领域模型的数字样机参数进行数据处理,得到经过处理的基于领域模型的数字样机数据依次包括数据识别与范围、数据清洗、数据转换。
15、作为优选,针对所述经过处理的基于领域模型的数字样机数据进行数据质量检查,得到具有设定质量的基于领域模型的数字样机数据具体为,通过建立数据质量监控体系,对具有设定质量的基于领域模型的数字样机数据进行持续监控和评估,发现并及时处理存在质量问题的基于领域模型的数字样机数据,确保所述基于领域模型的数字样机数据持续处于设定质量。
16、作为优选,加载所述具有设定质量的基于领域模型的数字样机数据,得到抽取所得的基于领域模型的数字样机数据包括设计元素的加载、构型管理和空间属性的加载、性能模拟与仿真工具的集成,以及,数字样机的应用加载中第一种或者多种。
17、为了达到上述第二个目的,本专利技术提供的基于领域模型的数字样机数据抽取装置的技术方案如下:
18、本专利技术提供的基于领域模型的数字样机数据抽取装置包括:
19、领域模型构建模块,用于构建基于领域模型的数字样机数据的领域模型;
20、特征识别模块,用于针对所述基于领域模型的数字样机的特征进行识别,得到经过特征识别的基于领域模型的数字样机;
21、参数提取模块,用于对所述经过特征识别的基于领域模型的数字样机进行参数提取,得到基于领域模型的数字样机参数;
22、数据处理模块,用于针对所述基于领域模型的数字样机参数进行数据处理,得到经过处理的基于领域模型的数字样机数据;
23、质量检查模块,用于针对所述经过处理的基于领域模型的数字样机数据进行数据质量检查,得到具有设定质量的基于领域模型的数字样机数据;
24、数字样机数据加载模块,用于加载所述具有设定质量的基于领域模型的数字样机数据,得到抽取所得的基于领域模型的数字样机数据。
25、为了达到上述第三个目的,本专利技术提供的计算机可读存储介质的技术方案如下:
26、本专利技术提供的计算机可读存储介质上存储有基于领域模型的数字样机数据抽取程序,所述基于领域模型的数字样机数据抽取程序被处理器执行时,实现本专利技术提供的基于领域模型的数字样机数据抽取方法的步骤。
27、为了达到上述第四个目的,本专利技术提供的电子设备的技术方案如下:
28、本专利技术提供的电子设备包括存储器和处理器,所述存储器上存储有基于领域模型的数字样机数据抽取程序,所述基于领域模型的数字样机数据抽取程序被所述处理器执行时,实现本专利技术提供的基于领域模型的数字样机数据抽取方法的步骤。
29、与现有技术相比,本专利技术提供的基于领域模型的数字样机数据抽取方法、装置、介质及设备具有明显的优势:
30、数据一致性和准确性:通过领域模型对数字样机数据进行抽取,可以确保数据的一致性和准确性。领域模型定义了数据的结构和关系,使得数据抽取过程更加规范和可控。
31、提高数据利用效率:基于领域模型的数据抽取能够针对特定需求提取有用信息,减少不必要的数据冗余,从而提高数据的利用效率。
32、支持复杂数据分析:领域模型为数据分析提供了清晰的框架,使得对数字样机中复杂数据的分析变得更加容易和高效。这有助于发现数据中的隐藏模式和关联,为产品设计、制造等提供有力支持。
33、可重用性和可移植性:一旦建立了领域模型,就可以在不同的项目或场景中重用该模型进行数据抽取。这降低了重复劳动的成本,并提高了数据抽取技术的可移植性。
34、快速响应变化:领域模型具有一定的灵活性和可扩展性,可以根据需求的变化进行调整和优化。这使得基于领域模型的数据抽取技术能够快速响应市场和技术的发展变化。
35、本专利技术提供的基于领域模型的数字样机数据抽取方法、装置、介质及设备通过构建的统一领域模型,具有很好的灵活性和可扩展性,可以根据需求的变化进行调整和优化。这使得基于领域模型的数据抽取技术能够快速响应市场和技术的发展变化。模型继承了深度学习方本文档来自技高网...
【技术保护点】
1.一种基于领域模型的数字样机数据抽取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,所述构建基于领域模型的数字样机数据的领域模型的关键要点包括领域业务需求、领域知识收集、实体识别与值对象识别、领域模型构建、模型的迭代与进化中的一种或者多种。
3.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,所述针对所述基于领域模型的数字样机的特征进行识别,得到经过特征识别的基于领域模型的数字样机的步骤过程中,待识别的特征包括几何特征、功能特征、性能特征、多领域综合分析、全生命周期涵盖数字样机的仿真能力评估中的一种或者多种。
4.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,对所述经过特征识别的基于领域模型的数字样机进行参数提取,得到基于领域模型的数字样机参数依次包括:确定待提取目标、选择与所述待提取目标相适配的领域模型、建立提取方法、准确性和完整性检查。
5.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,针对所述基于领域模型
6.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,针对所述经过处理的基于领域模型的数字样机数据进行数据质量检查,得到具有设定质量的基于领域模型的数字样机数据具体为,通过建立数据质量监控体系,对具有设定质量的基于领域模型的数字样机数据进行持续监控和评估,发现并及时处理存在质量问题的基于领域模型的数字样机数据,确保所述基于领域模型的数字样机数据持续处于设定质量。
7.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,加载所述具有设定质量的基于领域模型的数字样机数据,得到抽取所得的基于领域模型的数字样机数据包括设计元素的加载、构型管理和空间属性的加载、性能模拟与仿真工具的集成,以及,数字样机的应用加载中第一种或者多种。
8.一种基于领域模型的数字样机数据抽取装置,其特征在于,包括:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于领域模型的数字样机数据抽取程序,所述基于领域模型的数字样机数据抽取程序被处理器执行时,实现权利要求1-7中任一所述的基于领域模型的数字样机数据抽取方法的步骤。
10.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有基于领域模型的数字样机数据抽取程序,所述基于领域模型的数字样机数据抽取程序被所述处理器执行时,实现权利要求1-7中任一所述的基于领域模型的数字样机数据抽取方法的步骤。
...【技术特征摘要】
1.一种基于领域模型的数字样机数据抽取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,所述构建基于领域模型的数字样机数据的领域模型的关键要点包括领域业务需求、领域知识收集、实体识别与值对象识别、领域模型构建、模型的迭代与进化中的一种或者多种。
3.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,所述针对所述基于领域模型的数字样机的特征进行识别,得到经过特征识别的基于领域模型的数字样机的步骤过程中,待识别的特征包括几何特征、功能特征、性能特征、多领域综合分析、全生命周期涵盖数字样机的仿真能力评估中的一种或者多种。
4.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,对所述经过特征识别的基于领域模型的数字样机进行参数提取,得到基于领域模型的数字样机参数依次包括:确定待提取目标、选择与所述待提取目标相适配的领域模型、建立提取方法、准确性和完整性检查。
5.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其特征在于,针对所述基于领域模型的数字样机参数进行数据处理,得到经过处理的基于领域模型的数字样机数据依次包括数据识别与范围、数据清洗、数据转换。
6.根据权利要求1所述的基于领域模型的数字样机数据抽取方法,其...
【专利技术属性】
技术研发人员:金涛,赵钦,陈永莲,桑国彪,徐辉,李芳芳,
申请(专利权)人:北京神舟航天软件技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。