CN113516065A

CN113516065A - 基于区块链的资料权重测算方法、装置、服务器及存储介质

Info

Publication number: CN113516065A
Application number: CN202110753901.8A
Authority: CN
Inventors: 王宪章; 孙喜亮; 薛小龙; 王长军; 薛维锐; 付怡静; 刘冕
Original assignee: Guangzhou University; China Construction First Group Corp Ltd; Beijing Building Research Institute Corp Ltd of CSCEC
Current assignee: Guangzhou University; China Construction First Group Corp Ltd; Beijing Building Research Institute Corp Ltd of CSCEC
Priority date: 2021-07-03
Filing date: 2021-07-03
Publication date: 2021-10-19
Anticipated expiration: 2041-07-03
Also published as: CN113516065B

Abstract

本申请涉及一种基于区块链的资料权重测算方法、装置、服务器及存储介质，其方法包括：获取当前施工资料图片；识别当前施工资料图片中的关键词信息；基于关键词信息以及预设的指标库，得到当前指标集；若当前指标集与所有指标集均未匹配成功，则基于当前指标集内的指标以及模糊层次分析法建立第一层次分析模型；根据第一层次分析模型以及已经训练好的评分模型得到的当前专家评分；根据第一层次分析模型以及当前专家评分得到资料权重值，资料权重值表示当前指标集对应的权重值；基于资料权重值将当前施工资料图片发送至区块链对应的节点。本申请具有了优化施工资料的分发方法效果。

Description

基于区块链的资料权重测算方法、装置、服务器及存储介质

技术领域

本申请涉及数据处理的领域，尤其是涉及基于区块链的资料权重测算方法、装置、服务器及存储介质。

背景技术

目前多数建筑企业在施工资料管理上缺乏完整的管理体系，没有完整制度对资料管理工作进行约束，单纯依靠计算机辅助人工进行管理，使得资料管理工作较为混乱。

发明内容

为了优化施工资料的分发方法，本申请提供基于区块链的资料权重测算方法、装置、服务器及存储介质。

第一方面，本申请提供一种基于区块链的资料权重测算方法，采用如下的技术方案：

一种基于区块链的资料权重测算方法，包括：

获取当前施工资料图片；

识别所述当前施工资料图片中的关键词信息；

基于所述关键词信息以及所述预设的指标库，得到当前指标集，其中，所述指标库包括多个预设的指标集，每个所述指标集包括多个指标，所述当前指标集包括至少一个与所述指标集对应的指标；

若所述当前指标集与所有所述指标集均未匹配成功，则基于所述当前指标集内的指标以及模糊层次分析法建立第一层次分析模型；

根据所述第一层次分析模型以及已经训练好的评分模型得到的当前专家评分；

根据所述第一层次分析模型以及所述当前专家评分得到资料权重值，所述资料权重值表示所述当前指标集对应的权重值；

基于所述资料权重值将所述当前施工资料图片发送至区块链对应的节点，所述节点与所述资料权重值对应。

通过采用上述技术方案，本申请通过对施工资料图片对应的第一层次分析模型中的各个评估指标权重进行自动测算，并将所述施工资料图片发送至与资料权重值相关的区块链的节点，实现了准确分配施工资料图片的功能。

在一种可能的实现方式中，所述基于所述关键词信息以及所述预设的指标库，得到当前指标集，包括：

将所述关键词信息与所述指标库对应的所有指标进行匹配；

将匹配成功的所述关键词信息加入所述当前指标集作为所述当前指标集的元素。

在一种可能的实现方式中，所述基于所述当前指标集对应的指标以及模糊层次分析法建立第一层次分析模型，根据所述第一层次分析模型以及已经训练好的评分模型得到的当前专家评分，包括：

基于所述当前指标集内的指标以及模糊层次分析法建立第一层次分析模型，所述第一层次分析模型包括一个目标层、多个准则层及多个指标层；

基于所述目标层、所述准则层、所述指标层以及所述评分模型得到所述当前专家评分，所述当前专家评分用于对各所述当前指标集对应的指标在施工中影响程度的相对大小进行标度对比。

在一种可能的实现方式中，训练所述评分模型的方式，包括：

构建所述评分模型；

将获取到历史指标集对应的目标层、准则层、指标层以及获取到的历史专家评分作为训练样本对所述评分模型进行训练。

在一种可能的实现方式中，所述方法还包括：

若所述当前指标集与至少一个所述指标集匹配成功，则确定所述指标集对应的已构建的第二层次分析模型；

基于所述当前指标集内的指标以及所述第二层次分析模型确定所述资料权重值；

第二方面，本申请提供一种基于区块链的资料权重测算装置，采用如下的技术方案：

一种基于区块链的资料权重测算装置，包括：

获取模块，用于获取当前施工资料图片；

识别模块，用于识别所述当前施工资料图片中的关键词信息；

匹配模块，用于基于所述关键词信息以及所述预设的指标库，得到当前指标集，其中，所述指标库包括多个预设的指标集，每个所述指标集包括多个指标，所述当前指标集包括至少一个与所述指标集对应的指标；

模型构建模块，用于在所述当前指标集与所有所述指标集均未匹配成功时，基于所述当前指标集内的指标以及模糊层次分析法建立第一层次分析模型；

评分模块，用于根据所述第一层次分析模型以及已经训练好的评分模型得到的当前专家评分；

权重计算模块，用于根据所述第一层次分析模型以及所述当前专家评分得到资料权重值，所述资料权重值表示所述当前指标集对应的权重值；

分配模块，用于基于所述资料权重值将所述当前施工资料图片发送至区块链对应的节点，所述节点与所述资料权重值对应。

在一种可能的实现方式中，所述匹配模块在基于所述关键词信息以及所述预设的指标库，得到当前指标集时，具体用于：

将所述关键词信息与所述指标库对应的所有指标进行匹配；

在一种可能的实现方式中，所述评分模块在训练所述评分模型时，具体用于：

构建所述评分模型；

第三方面，本申请提供一种服务器，采用如下的技术方案：

一种服务器，该服务器包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行上述基于区块链的资料权重测算的方法。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，包括：存储有能够被处理器加载并执行上述基于区块链的资料权重测算方法的计算机程序。

附图说明

图1是本申请实施例基于区块链的资料权重测算方法的流程图；

图2是本申请实施例基于区块链的资料权重测算装置的结构示意图；

图3是本申请实施电子设备的装置结构示意图。

具体实施方式

以下结合附图对本申请作进一步详细说明。

本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。

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中的附图，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。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

区块链的一个重要应用场景为信息共享，在传统的信息共享方式中，要么是统一由一个中心进行信息发布和分发，彼此之间定时批量对账（典型的每天一次），对于有时效性要求的信息共享，难以达到实时共享；信息共享的双方缺少一种相互信任的通信方式，难以确定收到的信息是否是对方发送的，而区块链本身就是需要保持各个节点的数据一致性的、自带信息共享功能的技术；其次，实时的问题通过区块链的分布式（P2P）技术可以实现，最后，利用区块链的不可篡改和共识机制，可构建其一条安全可靠的信息共享通道。

区块链的网络结构采用了分布式（P2P）的网络架构，其中的一个“P”称之为链中的一个节点，通常情况下我们认为是一台具有自主处理能力的主机；每台主机都安装并运行了区块链协议节点软件，其中的节点可以分布在全球任何一个位置，通过internet把他们连接在了一起；网络当中的每个节点都被认为是相等的，一个完整的节点都会同步并存储节点上的全部数据复本，但也有一些节点比较特殊，只存有整个节点数据的部分数据称之为轻节点。

区块链的节点大致可以分为三类：（1）完整节点：即安装有完整的节点软件并存储了链上所有数据的节点，其功能是发出事务、传播事务并验证数据的一致性等，一般由大容量存储的服务器执行；（2）广播节点：它们只发出事务并接收第三方的信息，一般由移动设备或者不想下载整个区块数据副本的人使用；（3）挖掘节点：一般挖掘节点都保存有完整的区块数据副本，并安装了挖掘软件，他们的主要任务是产生新的区块，发布并传播交易，一般由高性能的服务器执行。

本申请实施例提供了一种基于区块链的资料权重测算方法，由服务器执行，该方法包括：

参照图1，

步骤S101、获取当前施工资料图片。

举例对当前施工资料图片进行说明，由于施工类型的多样化，不同施工内容对应的当前施工资料图片也不同，施工项目包括但不限于：桥梁施工、房屋建设、道路施工...每个不同类型的施工对应的施工指标不相同，在本申请中，当前施工资料图片中包含的内容主要包括施工指标以及该指标下对应的施工数据。

参照图1，

步骤S102、识别当前施工资料图片中的关键词信息。

其中，对识别当前施工资料图片中的关键词信息，在人工的确定了图片中的文字的语种之后，可以采用与该语种对应的光学字符识别(Optical Character Recognition，简称OCR)核心库进行而文字的识别。

具体地，当前施工资料图片中的关键词信息对应于每个施工项目的指标以及该指标对应的施工数据。

参照图1，

步骤S103、基于关键词信息以及预设的指标库，得到当前指标集。

其中，指标库包括多个预设的指标集，每个指标集包括多个指标，当前指标集包括至少一个与指标集对应的指标。

参照图1，

步骤S104、若当前指标集与所有指标集均未匹配成功，则基于当前指标集内的指标以及模糊层次分析法建立第一层次分析模型。

本领域技术人员可知，根据模糊层次分析法建立层次分析模型的方法，包括：

1）根据预设指标以及模糊层次分析法构建层次分析模型，层次分析模型结包括一个目标层、多个准则层及多个指标层；

2）构造比较判断矩阵：根据专家评分，对各指标在施工中影响程度的相对大小进行标度对比，分别建立各个准则层与所属目标层之间的判断矩阵E0、各个指标层与所属准则层之间的判断矩阵E1~E4；

3）计算各层次单排序：将判断矩阵E的各个元素进行归一化，并求解相应的特征向量W；

其中，特征向量W0中的各个元素表示各个准则层相对于所属目标层的权重值；特征向量W1~W4中的各个元素表示各个指标层相对于所属指标层的权重值；

4）检验矩阵的一致性：根据归一化处理的判断矩阵E´和计算得到的特征向量W，计算最大特征根λmx及一致性指标CI，结合平均随机一致指标RI计算相对应的一致性比例CR，当一致性比例CR小于0.1表明判断矩阵具有满意的一致性；

5）建立评价指标体系：全部判断矩阵E满足一致性后，依据全部特征向量W，计算出指标层对于目标层的权重值，然后选取权重值大于预设值的子指标作为施工的评价指标，建立施工的评价指标体系。

其中，当前指标集与所有指标集的匹配方式为逐一对比，举例说明，若当前指标集为{S1、S2、S3、S4}，若指标库中的任一指标集为{S1、S2、S3、S4}，则当前指标集与该指标集匹配成功；若指标库中的任一指标集为{S1、S2、S3、S5}，则当前指标集与该指标集匹配失败；若指标库中的任一指标集为{S1、S2、S3、S4、S5}，则当前指标集与该指标集匹配失败。

参照图1，

步骤S105、根据第一层次分析模型以及已经训练好的评分模型得到的当前专家评分。

参照图1，

步骤S106、根据第一层次分析模型以及当前专家评分得到资料权重值，资料权重值表示当前指标集对应的权重值。

具体地，基于已经训练好的评分模型，对第一层次分析模型中的指标进行权重计算，达到了自动计算当前施工资料图片对应的第一层次分析模型中的指标权重的效果。

参照图1，

步骤S107、基于资料权重值将当前施工资料图片发送至区块链对应的节点，节点与资料权重值对应。

本申请通过对施工资料图片对应的第一层次分析模型中的各个评估指标权重进行自动计算，并将施工资料图片发送至与资料权重值相关的区块链的节点，实现了准确分配施工资料图片的功能。

本申请实施例的一种可能的实现方式，在步骤S103中，基于关键词信息以及预设的指标库，得到当前指标集，包括：

将关键词信息与指标库对应的所有指标进行匹配；

将匹配成功的关键词信息加入当前指标集作为当前指标集的元素。

本申请实施例的一种可能的实现方式，在步骤S104中，基于当前指标集对应的指标以及模糊层次分析法建立第一层次分析模型，包括：

基于当前指标集内的指标以及模糊层次分析法建立第一层次分析模型，第一层次分析模型包括一个目标层、多个准则层及多个指标层。

本申请实施例的一种可能的实现方式，在步骤S105中，根据第一层次分析模型以及已经训练好的评分模型得到的当前专家评分，包括：

基于目标层、准则层、指标层以及评分模型得到当前专家评分，当前专家评分用于对各当前指标集对应的指标在施工中影响程度的相对大小进行标度对比。

本申请实施例的一种可能的实现方式，在步骤S105中，训练评分模型的方式，包括：

构建评分模型；

将获取到历史指标集对应的目标层、准则层、指标层以及获取到的历史专家评分作为训练样本对评分模型进行训练。

其中，专家评分的方式包括：0.1~0.9标度法。

本申请实施例的一种可能的实现方式，在步骤S104中，还包括：

若当前指标集与至少一个指标集匹配成功，则确定指标集对应的已构建的第二层次分析模型；

基于当前指标集内的指标以及第二层次分析模型确定资料权重值；

基于资料权重值将当前施工资料图片发送至区块链对应的节点, 节点与资料权重值对应。

举例进行说明，已构建的第二层次分析模型包括层次分析模型A、层次分析模型B、层次分析模型C...,

层次分析模型A为对桥梁进行评估的体系，其对应有桥梁施工的评估指标：指标a1、指标a2、指标a3...；

层次分析模型B为对道路施工进行评估的体系，其对应有道路施工的指标：指标b1、指标b2、指标b3...；

层次分析模型C为另一对桥梁进行评估的体系，其对应有桥梁施工的指标：指标c1、指标c2、指标c3...。

若当前指标集为{ a1、a2、a3}，则层次分析模型A为第二层次分析模型，第二层次分析模型内包含与其对应的专家评分，则可基于第二层次分析模型直接计算得到该施工资料对应的资料权重值。

上述实施例从方法流程的角度介绍一种基于区块链的资料权重测算的方法，下述实施例从虚拟模块或者虚拟单元的角度介绍一种基于区块链的资料权重测算装置100，具体详见下述实施例。

本申请实施例提供一种基于区块链的资料权重测算的装置，参照图2，该基于区块链的资料权重测算的装置100具体可以包括：

获取模块1001，用于获取当前施工资料图片；

识别模块1002，用于识别当前施工资料图片中的关键词信息；

匹配模块1003，用于基于关键词信息以及预设的指标库，得到当前指标集，其中，指标库包括多个预设的指标集，每个指标集包括多个指标，当前指标集包括至少一个与指标集对应的指标；

模型构建模块1004，用于在当前指标集与所有指标集均未匹配成功时，基于当前指标集内的指标以及模糊层次分析法建立第一层次分析模型；

评分模块1005，用于根据第一层次分析模型以及已经训练好的评分模型得到的当前专家评分；

权重计算模块1006，用于根据第一层次分析模型以及当前专家评分得到资料权重值，资料权重值表示当前指标集对应的权重值；

分配模块1007，用于基于资料权重值将当前施工资料图片发送至区块链对应的节点，节点与资料权重值对应。

本申请实施例的一种可能的实现方式，匹配模块1003在基于关键词信息以及预设的指标库，得到当前指标集时，具体用于：

将关键词信息与指标库对应的所有指标进行匹配；

本申请实施例的一种可能的实现方式，评分模块1005在训练评分模型时，具体用于：

构建评分模型；

本申请实施例中提供了一种服务器，参照图3，所示的服务器1100包括：处理器1101和存储器1103。其中，处理器1101和存储器1103相连，如通过总线1102相连。可选地，服务器1100还可以包括收发器1104。需要说明的是，实际应用中收发器1104不限于一个，该服务器1100的结构并不构成对本申请实施例的限定。

处理器1101可以是CPU（CentralProcessingUnit，中央处理器），通用处理器，DSP（DigitalSignalProcessor，数据信号处理器），ASIC（ApplicationSpecificIntegratedCircuit，专用集成电路），FPGA（FieldProgrammableGateArray，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器1101也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线1102可包括一通路，在上述组件之间传送信息。总线1102可以是PCI（PeripheralComponentInterconnect，外设部件互连标准）总线或EISA（ExtendedIndustryStandardArchitecture，扩展工业标准结构）总线等。总线1102可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器1103可以是ROM（ReadOnlyMemory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（RandomAccessMemory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（ElectricallyErasableProgrammableReadOnlyMemory，电可擦可编程只读存储器）、CD-ROM（CompactDiscReadOnlyMemory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器1103用于存储执行本申请方案的应用程序代码，并由处理器1101来控制执行。处理器1101用于执行存储器1103中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，服务器包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的服务器仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims

1.一种基于区块链的资料权重测算方法，其特征在于，包括：

获取当前施工资料图片；

识别所述当前施工资料图片中的关键词信息；

2.根据权利要求1所述的方法，其特征在于，所述基于所述关键词信息以及所述预设的指标库，得到当前指标集，包括：

将所述关键词信息与所述指标库对应的所有指标进行匹配；

3.根据权利要求1所述的方法，其特征在于，所述基于所述当前指标集对应的指标以及模糊层次分析法建立第一层次分析模型，根据所述第一层次分析模型以及已经训练好的评分模型得到的当前专家评分，包括：

4.根据权利要求3所述的方法，其特征在于，训练所述评分模型的方式，包括：

构建所述评分模型；

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.一种基于区块链的资料权重测算装置，其特征在于，包括：

获取模块，用于获取当前施工资料图片；

7.一种基于区块链的资料权重测算装置，其特征在于，所述匹配模块在基于所述关键词信息以及所述预设的指标库，得到当前指标集时，具体用于：

将所述关键词信息与所述指标库对应的所有指标进行匹配；

8.一种基于区块链的资料权重测算装置，其特征在于，所述评分模块在训练所述评分模型时，具体用于：

构建所述评分模型；

9.一种服务器，其特征在于，该服务器包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行权利要求1-5任一项所述基于区块链的资料权重测算的方法。

10.一种计算机可读存储介质，其特征在于，包括：存储有能够被处理器加载并执行如权利要求1至5中任一种基于区块链的资料权重测算方法的计算机程序。