[发明专利]一种基于PLM的项目数据管理系统及应用方法

权利要求书

1.一种基于PLM的项目数据管理系统，包括：服务器、终端；所述服务器与所述终端通过互联网或局域网连接；

其特征在于，所述服务器内安装有PLM系统，所述PLM系统包括项目模块、分类模块、推送模块、训练模块；所述终端设置有评价模块；

所述分类模块内设置有分类算法，用于对项目添加分类标签；所述分类算法为机器学习算法，所述机器学习算法依次采用KNN算法-SVM算法-人工神经网络算法进行数据串联式分析，先通过KNN算法减少离群点的实际影响，再通过RBF核函数的SVM算法构筑高维空间进行一次分类，输出预测结果及对应的置信度，将预测结果及置信度作为人工神经网络算法的输入量进行训练，最终综合三个算法的模型获得完整的分类模型；所述分类模块中设有光学字符阅读器；

所述项目模块用于接收包含所述分类标签的项目信息，按照项目立项至项目结题的时间周期记录，并依据所述分类标签分类存储；

所述推送模块用于项目首次存储中，将同类项目信息从所述项目模块中提取并发送至对应的终端；

所述评价模块用于接收推送反馈信息，并发送至所述训练模块；

所述训练模块依据接收的推送反馈信息，修正所述分类算法。

2.根据权利要求1所述的项目数据管理系统，其特征在于，所述终端包括台式计算机、便携式计算机、移动通信设备和具备交互功能的多媒体设备。

3.根据权利要求1-2任一项所述的一种基于PLM的项目数据管理系统的应用方法，其特征在于，具体步骤如下：

S1、搭建分类模块；

S2、项目信息接收及分类存储；

S3、同类项目信息推送；

S4、接收推送反馈信息，并修正分类算法；

在所述S1中，所述分类模块内设置有分类算法，用于对项目添加分类标签；所述分类算法为机器学习算法，所述机器学习算法依次采用KNN算法-SVM算法-人工神经网络算法进行数据串联式分析，先通过KNN算法减少离群点的实际影响，再通过RBF核函数的SVM算法构筑高维空间进行一次分类，输出预测结果及对应的置信度，将预测结果及置信度作为人工神经网络算法的输入量进行训练，最终综合三个算法的模型获得完整的分类模型；所述分类模块的具体搭建步骤为：

S11、由人工准备训练样本，建立已有的项目信息与项目分类的对应关系；

S12、将训练样本导入所述分类算法进行训练，并形成分类模型；

所述分类模块中设有光学字符阅读器；

所述S11中，样本输入参数选取规则包括但不限于：

1、项目高频关键词及字符间距：通过光学字符阅读器将图像转为文本格式，并对项目全部文本数据筛选，获得出现频率高于预设值的关键词，及关键词之间的字符间距；

2、项目用途或效果：由项目的录入人员标记；

3、项目中覆盖的上下游厂家名称；

人为标记项目的分类标签，并作为样本结果。

4.根据权利要求3所述的项目数据管理系统的应用方法，其特征在于，在所述S2中，项目首次产生的数据通过所述终端上传至所述服务器中，并进入所述分类模块，经过所述分类模型的运算，产生对应的分类标签，所述分类标签包含分类结果的置信度；

之后所述分类模块将项目数据及所述分类标签一并发送至所述项目模块；所述项目模块接收包含所述分类标签的项目数据，按照所述分类标签分类存储；

项目后续产生的数据通过所述终端上传至所述服务器后，不再进入所述分类模块，直接进入所述项目模块，并由所述项目模块按照项目立项至项目结题的时间周期记录存储；

同组人员可通过所述终端访问所述服务器，并查看或更新项目信息。

5.根据权利要求4所述的项目数据管理系统的应用方法，其特征在于，在所述S3中，所述推送模块获取所述分类标签，并发送请求至所述项目模块，提取相应分类下的项目信息，并将接收的同类项目信息推送至所述终端；推送项目信息还包括各项目首次分类结果的置信度，并依据置信度高低排序展示。

6.根据权利要求3所述的项目数据管理系统的应用方法，其特征在于，在所述S4中，使用人员在所述终端中对推送的同类项目进行反馈，包括匹配程度打分或标记匹配项目；所述评价模块接收反馈信息后，将其发送至所述训练模块；所述训练模块根据反馈信息再次训练所述分类模型，用于提升模型准确度。