CN111861404A - 基于智能机器的数据处理方法及装置、电子设备 - Google Patents

Abstract

本发明公开了一种基于智能机器的数据处理方法及装置、电子设备。其中，该方法包括：获取用户在目标对象上的行为信息，其中，行为信息至少包括：行为类别标签和行为组别标签；基于行为信息，生成任务方案，其中，任务方案至少包括：任务执行步骤和多个数据处理任务；采集用户在目标对象上执行数据处理任务的任务完成状态；对每个数据处理任务的任务完成状态进行评估，得到评估记录；基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。本发明解决了相关技术中在进行数据更新时，需要前期采集大量数据，不仅时间成本高，且更新效率较低的技术问题。

Description

基于智能机器的数据处理方法及装置、电子设备

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种基于智能机器的数据处理方法及装置、电子设备。

背景技术

相关技术中，在进行数据处理任务(例如，模型学习、工厂机器学习)的数据更新时，用户通过登陆访问模块输入用户名与密码，登陆至数据存储模块进行测试，然后记录其测试结果，并相应的建立如针对测试缺陷所生成的新的测试数据库，使用户快速查找到所需要信息，使数据存储模块中的数据能够被不同的用户终端所访问，完成数据更新。但是这种数据更新方式，往往需要前期进行大量的数据积累，数据才能更加准确，通过现有的数据更新系统进行数据的导入，或者当数据积累到一定数量级的时候分析能力会更加的趋向合理，时间成本较高，且花费大量的数据存储成本，数据更新速度较慢，降低了工作效率。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于智能机器的数据处理方法及装置、电子设备，以至少解决相关技术中在进行数据更新时，需要前期采集大量数据，不仅时间成本高，且更新效率较低的技术问题。

根据本发明实施例的一个方面，提供了一种基于智能机器的数据处理方法，包括：获取用户在目标对象上的行为信息，其中，所述行为信息至少包括：行为类别标签和行为组别标签；基于所述行为信息，生成任务方案，其中，所述任务方案至少包括：任务执行步骤和多个数据处理任务；采集用户在目标对象上执行所述数据处理任务的任务完成状态；对每个数据处理任务的任务完成状态进行评估，得到评估记录；基于所述评估记录，生成任务优化方案，其中，所述任务优化方案用于更新所述任务方案。

可选地，在获取用户在目标对象上的行为信息之前，所述更新方法还包括：建立与所述目标对象之间的网络连接；通过所述网络连接，采集用户的登录信息；校验所述用户的登录信息，并在校验通过时，记录所述用户的登录信息。

可选地，基于所述行为信息，生成任务方案的步骤，包括：分析所述行为信息，确定行为类别标签和行为组别标签；基于所述行为类别标签和行为组别标签，确定与所述用户对应的多个数据处理任务；采集所述用户的用户信息；基于所述用户信息，获取用户在完成每个所述数据处理任务时的学习状态数据，其中，所述学习状态数据对应有数据类型；对各个学习状态数据进行组合，生成所述任务方案，其中，所述任务方案对应用户分组归属的用户类型。

可选地，采集用户在目标对象上执行所述数据处理任务的任务完成状态的步骤，包括：创建任务分发任务；基于所述任务分发任务，推送数据处理任务至用户持有的模板对象中；记录任务推送完成状态；通过所述网络连接，采集在目标对象上执行所述数据处理任务的任务完成状态。

可选地，所述任务完成状态包括下述至少之一：任务操作方式、任务完成进度、任务完成时间、在时间轴上各项学习子任务完成状态。

可选地，基于所述评估记录，生成任务优化方案的步骤，包括：基于所述评估记录中的评估权重，对所述评估记录进行排序，得到排序结果；基于所述排序结果，抽取每个数据处理任务中最优的任务方案；对所有的数据处理任务中最优的任务方案进行组合，生成任务优化方案。

根据本发明实施例的另一方面，还提供了一种基于智能机器的数据处理装置，包括：获取单元，用于获取用户在目标对象上的行为信息，其中，所述行为信息至少包括：行为类别标签和行为组别标签；第一生成单元，用于基于所述行为信息，生成任务方案，其中，所述任务方案至少包括：任务执行步骤和多个数据处理任务；采集单元，用于采集用户在目标对象上执行所述数据处理任务的任务完成状态；评估单元，用于对每个数据处理任务的任务完成状态进行评估，得到评估记录；第二生成单元，用于基于所述评估记录，生成任务优化方案，其中，所述任务优化方案用于更新所述任务方案。

可选地，所述更新装置还包括：建立单元，用于在在获取用户在目标对象上的行为信息之前，建立与所述目标对象之间的网络连接；第一采集模块，用于通过所述网络连接，采集用户的登录信息；记录单元，用于校验所述用户的登录信息，并在校验通过时，记录所述用户的登录信息。

可选地，所述第一生成单元包括：第一分析模块，用于分析所述行为信息，确定行为类别标签和行为组别标签；第一确定模块，用于基于所述行为类别标签和行为组别标签，确定与所述用户对应的多个数据处理任务；第二采集模块，用于采集所述用户的用户信息；第一获取模块，用于基于所述用户信息，获取用户在完成每个所述数据处理任务时的学习状态数据，其中，所述学习状态数据对应有数据类型；第一生成模块，用于对各个学习状态数据进行组合，生成所述任务方案，其中，所述任务方案对应用户分组归属的用户类型。

可选地，所述采集单元包括：第一创建模块，用于创建任务分发任务；第一推送模块，用于基于所述任务分发任务，推送数据处理任务至用户持有的模板对象中；第一记录模块，用于记录任务推送完成状态；第三采集模块，用于通过网络连接，采集在目标对象上执行所述数据处理任务的任务完成状态。

可选地，所述任务完成状态包括下述至少之一：任务操作方式、任务完成进度、任务完成时间、在时间轴上各项学习子任务完成状态。

可选地，所述第二生成单元包括：排序模块，用于基于所述评估记录中的评估权重，对所述评估记录进行排序，得到排序结果；抽取模块，用于基于所述排序结果，抽取每个数据处理任务中最优的任务方案；组合模块，用于对所有的数据处理任务中最优的任务方案进行组合，生成任务优化方案。

根据本发明实施例的另一方面，还提供了一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的基于智能机器的数据处理方法。

根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的基于智能机器的数据处理方法。

本发明实施例中，获取用户在目标对象上的行为信息，其中，行为信息至少包括：行为类别标签和行为组别标签，基于行为信息，生成任务方案，其中，任务方案至少包括：任务执行步骤和多个数据处理任务，采集用户在目标对象上执行数据处理任务的任务完成状态，对每个数据处理任务的任务完成状态进行评估，得到评估记录，基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。在该实施例中，可减少任务处理的时间成本，具备自我学习，不断更新成长的特点，通过持续优化任务方案，使得系统能够在不同的业务阶段获得与之相匹配的任务方案，这样就无需在前期采集大量数据，减少学习时间成本，提高更新效率，为企业的高效运行助力，整体提高企业生产效率，从而解决相关技术中在进行数据更新时，需要前期采集大量数据，不仅时间成本高，且更新效率较低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种可选的基于智能机器的数据处理方法的流程图；

图2根据本发明实施例的一种可选的基于智能机器的数据处理装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例可以应用于数据处理任务(例如，模型数据处理、工厂机器智能处理，通过系统的进行数据智能分析、个人能力建档等多维处理后生成任务优化方案)的数据更新系统、数据更新软件中，例如，应用于智能机器的数据应用软件中。本发明实施例，针对现有技术中前期需要大量的数据积累才能进行数据导入，或者当数据积累到一定数量级的时候分析能力会更加的趋向合理的问题，利用采集的用户行为信息，生成任务方案，并进行自动化更新，可以减少时间成本和降低机器学习成长的成本，同时具备自我学习，不断更新成长，而且处理速度快，高效的执行，使之解决合理的成长模式，为企业的高效运行助力，从整体提高了企业生产效率。

本发明实施例，可通过智能分析数据，根据时间轴，操作方式，操作反馈等进行学习子任务综合评定和比较，记录根据多个评估权重(例如，用户权重、用户组权重、用户归类权重)进行排序，然后根据排序结果生成任务优化方案，通过任务优化方案，更新数据组合方式和用户行为分析方式，然后再次不断优化任务方案和数据处理任务，发起新的任务方案，通过不断迭代更新，提高数据更新效率。下面结合各个实施例来说明本发明。

实施例一

根据本发明实施例，提供了一种基于智能机器的数据处理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种可选的基于智能机器的数据处理方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取用户在目标对象上的行为信息，其中，行为信息至少包括：行为类别标签和行为组别标签；

步骤S104，基于行为信息，生成任务方案，其中，任务方案至少包括：任务执行步骤和多个数据处理任务；

步骤S106，采集用户在目标对象上执行数据处理任务的任务完成状态；

步骤S108，对每个数据处理任务的任务完成状态进行评估，得到评估记录；

步骤S110，基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。

通过上述步骤，可以获取用户在目标对象上的行为信息，其中，行为信息至少包括：行为类别标签和行为组别标签，基于行为信息，生成任务方案，其中，任务方案至少包括：任务执行步骤和多个数据处理任务，采集用户在目标对象上执行数据处理任务的任务完成状态，对每个数据处理任务的任务完成状态进行评估，得到评估记录，基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。在该实施例中，可减少任务处理的时间成本，具备自我学习，不断更新成长的特点，通过持续优化任务方案，使得系统能够在不同的业务阶段获得与之相匹配的任务方案，这样就无需在前期采集大量数据，减少学习时间成本，提高更新效率，为企业的高效运行助力，整体提高企业生产效率，从而解决相关技术中在进行数据更新时，需要前期采集大量数据，不仅时间成本高，且更新效率较低的技术问题。

本发明实施例可应用于机器智能的数据处理系统、数据应用系统/数据应用软件中，以数据处理系统为例，其可以进行数据更新，该数据处理系统包括：用户结构、智能学习结构和分析优化结构，其中，用户结构包括：登录模块(记录登录信息，例如，用户账户、密码、性别等)、行为记录模块(采集用户在目标对象上的行为)、兴趣爱好模块(分析用户的兴趣类别、爱好、特征)、分析归类模块(对用户在目标对象上的行为进行归类分析)；智能学习结构包括：基础数据模块(分析登录信息、行为信息、归类数据的属性，登记数据的单一操作和单一数据类型)、数据结合模块(组合各项数据)、匹配用户类型模块(匹配用户大致类别)、任务推送分发模块(数据处理任务和任务方案推送)；分析优化结构包括：用户任务信息反馈模块、智能分析模块、评估模块(评估各个任务方案的权重)、智能优化模块(生成任务优化方案)。该数据应用系统会预先与用户持有的终端建立网络连接。

下面结合上述各步骤对本发明实施例进行详细说明。

可选的，在获取用户在目标对象上的行为信息之前，更新方法还包括：建立与目标对象之间的网络连接；通过网络连接，采集用户的登录信息；校验用户的登录信息，并在校验通过时，记录用户的登录信息。

目标对象可以指示用户持有的终端(例如手机、PC、平板、IPAD等)、登录的APP、登录的应用软件等。

利用上述的用户结构的登录模块，通过网络与系统连接，进行数据对接，并记录登录信息，然后校验用户信息，并进行登录信息的记录。

步骤S102，获取用户在目标对象上的行为信息，其中，行为信息至少包括：行为类别标签和行为组别标签。

对用户行为进行爱好分析，智能的进行用户行为的标签化归类，例如，将用户在APP上进行的学习方向(例如，机器操作流程、机器拆卸流程等)进行归类。

步骤S104，基于行为信息，生成任务方案，其中，任务方案至少包括：任务执行步骤和多个数据处理任务。

在本发明实施例，基于行为信息，生成任务方案的步骤，包括：分析行为信息，确定行为类别标签和行为组别标签；基于行为类别标签和行为组别标签，确定与用户对应的多个数据处理任务；采集用户的用户信息；基于用户信息，获取用户在完成每个数据处理任务时的学习状态数据，其中，学习状态数据对应有数据类型；对各个学习状态数据进行组合，生成任务方案，其中，任务方案对应用户分组归属的用户类型。

其中，学习状态数据可以包括：学习过程中的动态变化数据或者学习成长数据，能够通过该学习状态数据，确定智能机器的自动化学习、智能化处理的方案。

将标签化的用户进行行为类别/行为组别的分析归类，将用户行为进行多维度的一对多的分组模式,即一个用户行为可能有存在与多个用户行为分组；同时记录用户的任务成长信息和任务完成信息，存储用户的所有信息。

在本发明实施例中，可通过基础数据模块自由组合，智能生成任务方案，同时记录存储。

步骤S106，采集用户在目标对象上执行数据处理任务的任务完成状态。

可选的，采集用户在目标对象上执行数据处理任务的任务完成状态的步骤，包括：创建任务分发任务；基于任务分发任务，推送数据处理任务至用户持有的模板对象中；记录任务推送完成状态；通过网络连接，采集在目标对象上执行数据处理任务的任务完成状态。

选择用户分组归属的用户类型的任务方案进行绑定和记录到记录用户的任务完成记录中，同时完成任务方案的推送(利用推送分发模块完成)，创建推送分发任务，记录推送分发任务完成情况；通过网络发送给用户的目标对象，同时发送信息通知给分析优化模块进行监控，将任务方案的任务发送到目标对象，监控用户的操作信息，并反馈给分析优化模块进行监控。

在本发明实施例中，任务完成状态包括下述至少之一：任务操作方式、任务完成进度、任务完成时间、在时间轴上各项学习子任务完成状态。在采集任务完成状态时，智能分析用户的任务操作方式、完成进度、完成时间、在时间轴上各项子任务完成情况，并记录存储；将获得的这些任务完成状态的数据发送给智能评估模块，根据子任务的完成进度，完成时间，完成情况，进行综合评定并记录对用户成长方案中的评定权重/级别，然后进行排序，还有用户类别，用户组别成长方案中的评定级别/权重，排序等多个评定权重记录/级别记录。

步骤S108，对每个数据处理任务的任务完成状态进行评估，得到评估记录；

步骤S110，基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。

可选的，基于评估记录，生成任务优化方案的步骤，包括：基于评估记录中的评估权重，对评估记录进行排序，得到排序结果；基于排序结果，抽取每个数据处理任务中最优的任务方案；对所有的数据处理任务中最优的任务方案进行组合，生成任务优化方案。

在采集多个用户的任务对大量的用户的信息采集后，智能优化模块将通过评定记录，抽取各个子任务中最优的方案进行组合，生成任务优化方案，将任务优化方案发送给智能学习模块中数组组合模块，进行自我学习与更新，同时更新用户归类。

本发明实施例中，通过用户的访问登录操作，收集用户在目标对象上的行为信息(包括操作信息和流程),然后基于行为信息，生成任务方案(将基础数据的业务模块的原子业务进行量化任务组合得到各个数据处理任务，并通过网络分发下达到部分的目标对象)，之后可采集用户的任务完成状态，通过网络反馈任务完成情况到应用系统，对用户行为、用户类型、完成情况、成长等级、推荐指数等进行动态评估和全部任务记录更新，接着对各种行为类型的用户，再次手机任务完成情况，持续优化数据处理任务，智能学习不断优化调整和从不同的用户行为分析，使用户在不同的业务阶段获得与之相匹配的成长任务。

实施例二

图2根据本发明实施例的一种可选的基于智能机器的数据处理装置的示意图，如图2所示，该更新装置可以包括：获取单元21、第一生成单元23、采集单元25、评估单元27、第二生成单元29，其中，

获取单元21，用于获取用户在目标对象上的行为信息，其中，行为信息至少包括：行为类别标签和行为组别标签；

第一生成单元23，用于基于行为信息，生成任务方案，其中，任务方案至少包括：任务执行步骤和多个数据处理任务；

采集单元25，用于采集用户在目标对象上执行数据处理任务的任务完成状态；

评估单元27，用于对每个数据处理任务的任务完成状态进行评估，得到评估记录；

第二生成单元29，用于基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。

上述基于智能机器的数据处理装置，可以通过获取单元21获取用户在目标对象上的行为信息，其中，行为信息至少包括：行为类别标签和行为组别标签，通过第一生成单元23基于行为信息，生成任务方案，其中，任务方案至少包括：任务执行步骤和多个数据处理任务，通过采集单元25采集用户在目标对象上执行数据处理任务的任务完成状态，通过评估单元27对每个数据处理任务的任务完成状态进行评估，得到评估记录，通过第二生成单元29基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。在该实施例中，可减少任务学习的时间成本，具备自我学习，不断更新成长的特点，通过持续优化任务方案，智能学习不断优化调整和从不同的用户行为分析，使得系统能够在不同的业务阶段获得与之相匹配的任务方案，这样就无需在前期采集大量数据，减少学习时间成本，提高更新效率，为企业的高效运行助力，整体提高企业生产效率，从而解决相关技术中在进行数据更新时，需要前期采集大量数据，不仅时间成本高，且更新效率较低的技术问题。

可选的，更新装置还包括：建立单元，用于在在获取用户在目标对象上的行为信息之前，建立与目标对象之间的网络连接；第一采集模块，用于通过网络连接，采集用户的登录信息；记录单元，用于校验用户的登录信息，并在校验通过时，记录用户的登录信息。

在本发明实施例中，第一生成单元包括：第一分析模块，用于分析行为信息，确定行为类别标签和行为组别标签；第一确定模块，用于基于行为类别标签和行为组别标签，确定与用户对应的多个数据处理任务；第二采集模块，用于采集用户的用户信息；第一获取模块，用于基于用户信息，获取用户在完成每个数据处理任务时的学习状态数据，其中，学习状态数据对应有数据类型；第一生成模块，用于对各个学习状态数据进行组合，生成任务方案，其中，任务方案对应用户分组归属的用户类型。

可选的，采集单元包括：第一创建模块，用于创建任务分发任务；第一推送模块，用于基于任务分发任务，推送数据处理任务至用户持有的模板对象中；第一记录模块，用于记录任务推送完成状态；第三采集模块，用于通过网络连接，采集在目标对象上执行数据处理任务的任务完成状态。

另一种可选的，任务完成状态包括下述至少之一：任务操作方式、任务完成进度、任务完成时间、在时间轴上各项学习子任务完成状态。

在本发明实施例中，第二生成单元包括：排序模块，用于基于评估记录中的评估权重，对评估记录进行排序，得到排序结果；抽取模块，用于基于排序结果，抽取每个数据处理任务中最优的任务方案；组合模块，用于对所有的数据处理任务中最优的任务方案进行组合，生成任务优化方案。

上述的基于智能机器的数据处理装置还可以包括处理器和存储器，上述获取单元21、第一生成单元23、采集单元25、评估单元27、第二生成单元29等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。

上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

根据本发明实施例的另一方面，还提供了一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述任意一项的基于智能机器的数据处理方法。

根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的基于智能机器的数据处理方法。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取用户在目标对象上的行为信息，其中，行为信息至少包括：行为类别标签和行为组别标签；基于行为信息，生成任务方案，其中，任务方案至少包括：任务执行步骤和多个数据处理任务；采集用户在目标对象上执行数据处理任务的任务完成状态；对每个数据处理任务的任务完成状态进行评估，得到评估记录；基于评估记录，生成任务优化方案，其中，任务优化方案用于更新任务方案。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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系统，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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

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物理存在，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，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于智能机器的数据处理方法，其特征在于，包括：

获取用户在目标对象上的行为信息，其中，所述行为信息至少包括：行为类别标签和行为组别标签；

基于所述行为信息，生成任务方案，其中，所述任务方案至少包括：任务执行步骤和多个数据处理任务；

采集用户在目标对象上执行所述数据处理任务的任务完成状态；

对每个数据处理任务的任务完成状态进行评估，得到评估记录；

基于所述评估记录，生成任务优化方案，其中，所述任务优化方案用于更新所述任务方案。

2.根据权利要求1所述的方法，其特征在于，在获取用户在目标对象上的行为信息之前，所述更新方法还包括：

建立与所述目标对象之间的网络连接；

通过所述网络连接，采集用户的登录信息；

校验所述用户的登录信息，并在校验通过时，记录所述用户的登录信息。

3.根据权利要求1所述的方法，其特征在于，基于所述行为信息，生成任务方案的步骤，包括：

分析所述行为信息，确定行为类别标签和行为组别标签；

基于所述行为类别标签和行为组别标签，确定与所述用户对应的多个数据处理任务；

采集所述用户的用户信息；

基于所述用户信息，获取用户在完成每个所述数据处理任务时的学习状态数据，其中，所述学习状态数据对应有数据类型；

对各个学习状态数据进行组合，生成所述任务方案，其中，所述任务方案对应用户分组归属的用户类型。

4.根据权利要求1所述的方法，其特征在于，采集用户在目标对象上执行所述数据处理任务的任务完成状态的步骤，包括：

创建任务分发任务；

基于所述任务分发任务，推送数据处理任务至用户持有的模板对象中；

记录任务推送完成状态；

通过网络连接，采集在目标对象上执行所述数据处理任务的任务完成状态。

5.根据权利要求1所述的方法，其特征在于，所述任务完成状态包括下述至少之一：任务操作方式、任务完成进度、任务完成时间、在时间轴上各项学习子任务完成状态。

6.根据权利要求1所述的方法，其特征在于，基于所述评估记录，生成任务优化方案的步骤，包括：

基于所述评估记录中的评估权重，对所述评估记录进行排序，得到排序结果；

基于所述排序结果，抽取每个数据处理任务中最优的任务方案；

对所有的数据处理任务中最优的任务方案进行组合，生成任务优化方案。

7.一种基于智能机器的数据处理装置，其特征在于，包括：

获取单元，用于获取用户在目标对象上的行为信息，其中，所述行为信息至少包括：行为类别标签和行为组别标签；

第一生成单元，用于基于所述行为信息，生成任务方案，其中，所述任务方案至少包括：任务执行步骤和多个数据处理任务；

采集单元，用于采集用户在目标对象上执行所述数据处理任务的任务完成状态；

评估单元，用于对每个数据处理任务的任务完成状态进行评估，得到评估记录；

第二生成单元，用于基于所述评估记录，生成任务优化方案，其中，所述任务优化方案用于更新所述任务方案。

8.根据权利要求7所述的更新装置，其特征在于，所述更新装置还包括：

建立单元，用于在在获取用户在目标对象上的行为信息之前，建立与所述目标对象之间的网络连接；

第一采集模块，用于通过所述网络连接，采集用户的登录信息；

记录单元，用于校验所述用户的登录信息，并在校验通过时，记录所述用户的登录信息。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6中任意一项所述的基于智能机器的数据处理方法。

10.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的基于智能机器的数据处理方法。

Images