一种科技项目数据处理方法及系统与流程

1.本技术涉及数据处理技术领域，具体而言，涉及一种科技项目数据处理方法及系统。


背景技术：

2.移动互联网的发展促使云计算、大数据和物联网技术不断更新优化，使得这些技术逐渐应用于各类科研项目处理过程中，进而保障科研项目处理的效率，提高科研项目处理的灵活性。随着科研项目处理的平台化和云端化，各类科研项目数据的规模不断扩大，这给科研项目管理带来了一些列的挑战。发明人在实际应用过程中发现，相关科研项目管理技术在对项目数据进行定位分析时存在时效性差的问题，不仅如此，这类技术还难以确保项目数据解析的精度。


技术实现要素：

3.鉴于此，本技术提供了一种科技项目数据处理方法及系统。
4.第一方面，提供一种科技项目数据处理方法，应用于科技项目数据处理系统，所述方法包括：获得待进行处理的科技项目进程所包括的项目参与方请求的协作实验事项；将所述协作实验事项导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性；按照所述协作实验事项的差异化关键属性，确定所述待进行处理的科技项目进程的项目数据描述。
5.在本实施例中，通过获得待进行处理的科技项目进程所包括的项目参与方请求的协作实验事项，将协作实验事项导入至事先完成调试的差异化分析线程，得到协作实验事项的差异化关键属性。根据协作实验事项的差异化关键属性获得待进行处理的科技项目进程的项目数据描述。本技术实施例通过对协作实验事项的快速及时地解析，利用协作实验事项的差异化关键属性反映项目数据描述，可以在保证高时效性和低处理开销的前提下，精准定位项目数据描述，改善相关技术存在项目数据描述定位时效性差且解析精度低的技术问题。
6.在一种独立的实施例中，所述差异化关键属性涵盖所述协作实验事项分别相对于多种设定项目数据描述的量化可能性；所述按照所述协作实验事项的差异化关键属性，确定所述待进行处理的科技项目进程的项目数据描述的步骤，包括：获得多种量化可能性中的最大量化可能性；按照所述最大量化可能性所匹配的设定项目数据描述，确定所述待进行处理的科技项目进程的项目数据描述。
7.在本实施例中，差异化关键属性涵盖所述协作实验事项分别相对于多种设定项目数据描述的量化可能性；所述按照所述协作实验事项的差异化关键属性时，改善最大量化可能性不精确的问题，从而能够精确地确定所述待进行处理的科技项目进程的项目数据描述。
8.在一种独立的实施例中，所述将所述协作实验事项导入事先完成调试的差异化分
析线程，确定所述协作实验事项的差异化关键属性，包括：确定所述待进行处理的科技项目进程的项目执行端的项目执行端主题；将所述协作实验事项和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性。
9.在本实施例中，获得的项目执行端主题可以是如项目执行端的id号、项目执行端名称等信息，本技术不进行穷举。特征组合科技项目进程所包括的项目参与方请求的协作实验事项，以及科技项目进程所包括的科技项目数据处理的项目执行端主题，通过差异化分析线程得到差异化关键属性。其中，协作实验事项可以反映科技项目进程所包括的的项目数据描述，而项目执行端主题与项目执行端惯常进行的项目数据描述具有一定关联关系，因此，可从科技项目进程所包括的的实时差异会话内容以及反映项目执行端惯常项目数据描述的项目执行端主题两个维度进行项目数据描述的识别，进一步地提高分析识别的准确性。
10.在一种独立的实施例中，所述协作实验事项蕴涵多种项目热点数据；所述将所述协作实验事项和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性的步骤，包括：按照所述协作实验事项涵盖的每个所述项目热点数据中的会话数据，将所述多种项目热点数据整合得到项目喜好列表；针对所述项目喜好列表进行内容识别处理，得到由多种识别类别组成的识别结果簇；将所述识别结果簇和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性。
11.在本实施例中，将所述协作实验事项和所述项目执行端主题导入事先完成调试的差异化分析线程时，改善项目热点数据中的会话数据不可靠的问题，从而能够可靠地确定所述协作实验事项的差异化关键属性。
12.在一种独立的实施例中，所述差异化分析线程包含逐一关联的投影线程单元、压缩线程单元以及分析线程单元；所述将所述识别结果簇和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性的步骤，包括：将所述识别结果簇和所述项目执行端主题导入所述投影线程单元，确定所述识别结果簇所匹配的涵盖多种识别表达的量化汇总结果和所述项目执行端主题所匹配的主题表达；将所述量化汇总结果导入所述压缩线程单元，输出包含附带有局部聚焦指数的识别表达的特征组合队列；将所述特征组合队列和所述主题表达导入所述分析线程单元，确定所述协作实验事项的差异化关键属性。
13.在本实施例中，将所述识别结果簇和所述项目执行端主题导入事先完成调试的差异化分析线程时，改善量化汇总结果和项目执行端主题所匹配的主题表达不准确的问题，从而能够准确地确定所述协作实验事项的差异化关键属性。
14.在一种独立的实施例中，所述压缩线程单元包括逐一关联的历史策略线程单元和局部聚焦线程单元；所述将所述量化汇总结果导入所述压缩线程单元，输出包含附带有局部聚焦指数的识别表达的特征组合队列的步骤，包括：通过所述历史策略线程单元针对所述量化汇总结果包含的识别表达进行相对信息的描述，得到所匹配的相对队列；将所述相对队列导入所述局部聚焦线程单元，输出包含每个所述识别表达的局部聚焦指数的爱好度队列；根据所述量化汇总结果和所述爱好度队列，得到包含附带有局部聚焦指数的识别表达的特征组合队列。
15.在本实施例中，通过历史策略线程单元和局部聚焦线程单元，可以通过对项目喜好列表中的识别表达进行相对信息的学习，以及对项目喜好列表中对于分析结果有较大影响力的识别表达添加较大局部聚焦指数的方式，进而可以使线程着重对于其中重要的识别表达进行识别处理，提高识别分析的准确性。
16.在一种独立的实施例中，所述协作实验事项包含多种项目热点数据；所述将所述协作实验事项导入事先完成调试的差异化分析线程的步骤之前，所述方法还包括：依照设定方式针对所述协作实验事项中包含的每个项目热点数据进行挑选处理。
17.在本实施例中，通过多个项目热点数据从而提高挑选处理的精度。
18.在一种独立的实施例中，所述依照设定方式针对所述协作实验事项中涵盖的每个项目热点数据进行挑选处理的步骤，至少包括以下之一：针对每个所述项目热点数据，校验所述项目热点数据中反复喜好内容在所述项目热点数据包含的所有喜好内容中的比例是否超过设定目标向量，如果超过所述设定目标向量，将所述项目热点数据剔除；或针对每个所述项目热点数据，校验所述项目热点数据中喜好内容的总数目是否低于设定数目，如果低于所述设定数目，将所述项目热点数据剔除；或针对每个所述项目热点数据，校验所述项目热点数据中蕴含的会话数据和/或浮动信息的数目是否超过设定数目，如果超过所述设定数目，将所述项目热点数据剔除。
19.在本实施例中，可以通过上述的至少一种方式对获得的多种项目热点数据进行挑选处理。如此，可以避免无用的项目热点数据对识别结果造成的影响，且可以避免对这类项目热点数据进行处理识别导致的不必要的工作量。
20.在一种独立的实施例中，所述方法还包括事先配置确定所述差异化分析线程的步骤，该步骤包括：收集记录生成的多种差异会话模板，每个所述差异会话模板批注有实际处理结果主题，存在差异的实际处理结果主题所匹配的差异会话模板的数目一致；利用所述多种差异会话模板对搭建的人工智能识别线程进行配置，输出每个所述差异会话模板的输出处理结果主题；比较每个所述差异会话模板的实际处理结果主题和输出处理结果主题，以针对所述人工智能识别线程的线程配置变量进行修正，直到得到符合设定条件的差异化分析线程。
21.在本实施例中，该差异化分析线程为事先利用配置模板进行配置得到，以下首先对差异化分析线程的配置过程进行介绍。
22.在一种独立的实施例中，所述方法还包括：依照数据处理服务器中目标项目执行端种类下的多种科技项目进程的项目数据描述的第一相关性分析结果；依照所述数据处理服务器中除所述目标项目执行端种类之外的其余项目执行端种类下的、多种科技项目进程的项目数据描述的第二相关性分析结果；按照所述第一相关性分析结果和所述第二相关性分析结果，确定所述目标的项目执行端种类在每个所述项目数据描述下的比例。
23.在本实施例中，事先收集的多种差异会话模板为可以反映不同的项目数据描述的模板。也即，反映不同的项目数据描述的模板批注有相应的实际处理结果主题。
24.第二方面，提供一种科技项目数据处理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
25.本技术实施例所提供的一种科技项目数据处理方法及系统，通过获得待进行处理的科技项目进程所包括的项目参与方请求的协作实验事项，将协作实验事项导入至事先完
成调试的差异化分析线程，得到协作实验事项的差异化关键属性。根据协作实验事项的差异化关键属性获得待进行处理的科技项目进程的项目数据描述。本技术实施例通过对协作实验事项的快速及时地解析，利用协作实验事项的差异化关键属性反映项目数据描述，可以在保证高时效性和低处理开销的前提下，精准定位项目数据描述，改善相关技术存在项目数据描述定位时效性差且解析精度低的技术问题。
附图说明
26.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
27.图1为本技术实施例所提供的一种科技项目数据处理方法的流程图。
28.图2为本技术实施例所提供的一种科技项目数据处理装置的框图。
29.图3为本技术实施例所提供的一种科技项目数据处理系统的架构图。
具体实施方式
30.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
31.请参阅图1，示出了一种科技项目数据处理方法，该方法可以包括以下步骤s10
‑
步骤s30所描述的技术方案。
32.步骤s10，获得待进行处理的科技项目进程所包括的项目参与方请求的协作实验事项。
33.本实施例所提供的科技项目数据处理方法，通过对科技项目进程所包括的项目参与方的协作实验事项的快速及时地解析，利用协作实验事项的差异化关键属性反映科技项目进程所包括的的项目数据描述，无需平台运营人员或项目执行端进行人工批注，可以在保证高时效性和低处理开销的前提下，精准定位项目数据描述，避免了现有方式中存在的更新不及时、分析粗糙等缺陷。
34.本实施例中，可以在科技项目进程所包括的进行科技项目数据处理的过程中，基于协作实验事项任一时间进行项目数据描述的识别，并且，可以对科技项目数据处理过程中的某个时间段内的项目数据描述进行识别。例如，在科技项目数据处理过程中，可以获得一段时间内的协作实验事项，例如，可以获得一个小时内的协作实验事项，或者是5分钟内的协作实验事项，具体地不作限制。利用差异化分析线程对该一段时间内的协作实验事项进行识别处理，获得差异化关键属性，进而基于得到的差异化关键属性获得科技项目进程所包括的的该一段时间内的项目数据描述。
35.步骤s20，将所述协作实验事项导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性。
36.本实施例中，事先可以利用配置模板进行配置得到差异化分析线程，该差异化分
析线程的导入可以是协作实验事项，输出可以是该协作实验事项所匹配的差异化关键属性，该差异化关键属性可以表征协作实验事项所表征的所属的主题类别。而科技项目进程所包括的项目参与方请求的协作实验事项可反映科技项目进程所包括的的项目数据描述，因此，基于协作实验事项的差异化关键属性可以获得科技项目进程的项目数据描述。
37.步骤s30，按照所述协作实验事项的差异化关键属性，确定所述待进行处理的科技项目进程的项目数据描述。
38.本实施例中，通过差异化分析线程得到的协作实验事项的差异化关键属性可包含协作实验事项分别相对于多种设定项目执行端内容处理结果的量化可能性。其中，设定项目执行端内容处理结果即为在配置阶段所用于进行线程配置的模板的多种处理结果。也即，差异化分析线程的输出结果可以表明协作实验事项在每个设定项目执行端内容处理结果下的量化可能性。
39.在基于协作实验事项的差异化关键属性获得待进行处理的科技项目进程的项目数据描述的步骤中，可以获得上述获得的多种量化可能性中的最大量化可能性，根据最大量化可能性所匹配的设定项目数据描述，确定待进行处理的科技项目进程的项目数据描述。
40.也即，差异化关键属性中最大量化可能性所匹配的设定项目数据描述，即为协作实验事项所反映的科技项目进程所包括的的项目数据描述。
41.可以理解，在执行上述步骤s10
‑
步骤s30所描述的内容时，通过获得待进行处理的科技项目进程所包括的项目参与方请求的协作实验事项，将协作实验事项导入至事先完成调试的差异化分析线程，得到协作实验事项的差异化关键属性。根据协作实验事项的差异化关键属性获得待进行处理的科技项目进程的项目数据描述。本技术实施例通过对协作实验事项的快速及时地解析，利用协作实验事项的差异化关键属性反映项目数据描述，可以在保证高时效性和低处理开销的前提下，精准定位项目数据描述，改善相关技术存在项目数据描述定位时效性差且解析精度低的技术问题。
42.在实际实施过程中，发明人经研究和分析发现，差异化关键属性涵盖所述协作实验事项分别相对于多种设定项目数据描述的量化可能性；所述按照所述协作实验事项的差异化关键属性时，存在最大量化可能性不精确的问题，从而难以精确地确定所述待进行处理的科技项目进程的项目数据描述，为了改善上述技术问题，步骤s30所描述的差异化关键属性涵盖所述协作实验事项分别相对于多种设定项目数据描述的量化可能性；所述按照所述协作实验事项的差异化关键属性，确定所述待进行处理的科技项目进程的项目数据描述的步骤，具体可以包括以下步骤s31和步骤s32所描述的技术方案。
43.步骤s31，获得多种量化可能性中的最大量化可能性。
44.步骤s32，按照所述最大量化可能性所匹配的设定项目数据描述，确定所述待进行处理的科技项目进程的项目数据描述。
45.可以理解，在执行上述步骤s31和步骤s32所描述的技术方案时，差异化关键属性涵盖所述协作实验事项分别相对于多种设定项目数据描述的量化可能性；所述按照所述协作实验事项的差异化关键属性时，改善最大量化可能性不精确的问题，从而能够精确地确定所述待进行处理的科技项目进程的项目数据描述。
46.本实施例中，考虑到平台上每个项目执行端一般擅长或者经常进行科技项目数据
处理的处理结果往往为一种或多种较为固定的处理结果，也即项目执行端与项目数据描述之间具有一定的关联关系，项目执行端信息对于该科技项目数据处理的项目数据描述的判别具有一定帮助。基于此考虑，在本实施例中，在上述获得协作实验事项的差异化关键属性的过程可通过以下方式实现：步骤s21，确定所述待进行处理的科技项目进程的项目执行端的项目执行端主题。
47.步骤s22，将所述协作实验事项和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性。
48.本实施例中，获得的项目执行端主题可以是如项目执行端的id号、项目执行端名称等信息，本技术不进行穷举。特征组合科技项目进程所包括的项目参与方请求的协作实验事项，以及科技项目进程所包括的科技项目数据处理的项目执行端主题，通过差异化分析线程得到差异化关键属性。其中，协作实验事项可以反映科技项目进程所包括的的项目数据描述，而项目执行端主题与项目执行端惯常进行的项目数据描述具有一定关联关系，因此，可从科技项目进程所包括的的实时差异会话内容以及反映项目执行端惯常项目数据描述的项目执行端主题两个维度进行项目数据描述的识别，进一步地提高分析识别的准确性。
49.由上述可知，获得的协作实验事项可以是特征信息、项目热点数据等，其中，在科技项目数据处理过程中，项目参与方最为常用的差异会话方式即为项目喜好的方式，因此，本实施例中，以协作实验事项包含多种项目热点数据为例进行后续的说明。
50.在实际实施该技术方案时，发明人经过长期分析发现，将所述协作实验事项和所述项目执行端主题导入事先完成调试的差异化分析线程时，存在项目热点数据中的会话数据不可靠的问题，从而难以可靠地确定所述协作实验事项的差异化关键属性，为了改善上述技术问题，步骤s22所描述的将所述协作实验事项和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性的步骤，具体可以包括以下步骤s221
‑
步骤s223所描述的技术方案。
51.步骤s221，按照所述协作实验事项涵盖的每个所述项目热点数据中的会话数据，将所述多种项目热点数据整合得到项目喜好列表。
52.在本实施例中，考虑到实际应用场景下，项目参与方请求的项目热点数据可能包含一些并无具体含义的，对项目数据描述的识别无帮助的项目热点数据。基于此考虑，本实施例中在上述获得多种项目热点数据之后，可依照设定方式对协作实验事项中包含的每个项目热点数据进行挑选处理。再基于挑选处理后的项目热点数据进行识别处理。
53.步骤s222，针对所述项目喜好列表进行内容识别处理，得到由多种识别类别组成的识别结果簇。
54.步骤s223，将所述识别结果簇和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性。
55.在实际实施时，单独的项目热点数据往往难以准确反映项目数据描述，因此，用于进行项目数据描述识别的项目热点数据可以是一段时间内的多种项目热点数据。不同项目参与方之间或者同一项目参与方，其所请求的项目喜好往往是有关联的。
56.因此，本实施例中，可记录每个项目热点数据发出的会话数据，按时间轴上的先后顺序将多种项目热点数据整合为项目喜好列表。
57.差异化分析线程难以对整个项目喜好列表进行处理，因此，可将项目喜好列表拆分为多种识别类别，拆分得到的识别类别可组成一个识别结果簇。再利用该识别结果簇和项目执行端主题，并通过差异化分析线程，得到协作实验事项的差异化关键属性。
58.可以理解，在执行上述步骤s221
‑
步骤s223所描述的技术方案时，将所述协作实验事项和所述项目执行端主题导入事先完成调试的差异化分析线程时，改善项目热点数据中的会话数据不可靠的问题，从而能够可靠地确定所述协作实验事项的差异化关键属性。
59.本实施例中，将所述识别结果簇和所述项目执行端主题导入事先完成调试的差异化分析线程时，存在量化汇总结果和项目执行端主题所匹配的主题表达不准确的问题，从而难以准确地确定所述协作实验事项的差异化关键属性，为了改善上述技术问题，步骤s223所描述的将所述识别结果簇和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性的步骤，具体可以包括以下步骤s2231
‑
步骤s2233所描述的内容。
60.步骤s2231，将所述识别结果簇和所述项目执行端主题导入所述投影线程单元，确定所述识别结果簇所匹配的涵盖多种识别表达的量化汇总结果和所述项目执行端主题所匹配的主题表达。
61.步骤s2232，将所述量化汇总结果导入所述压缩线程单元，输出包含附带有局部聚焦指数的识别表达的特征组合队列。
62.步骤s2233，将所述特征组合队列和所述主题表达导入所述分析线程单元，确定所述协作实验事项的差异化关键属性。
63.由于电子设备往往难以处理纯列表的信息，因此，本实施例中首先通过投影线程单元将拆分后的项目热点数据中的每个识别类别转换为识别表达，将识别表达进行整合可组成一量化汇总结果。此外，投影线程单元可将项目执行端主题投影为主题表达。
64.可以理解，在执行上述步骤s2231
‑
步骤s2233所描述的内容时，将所述识别结果簇和所述项目执行端主题导入事先完成调试的差异化分析线程时，改善量化汇总结果和项目执行端主题所匹配的主题表达不准确的问题，从而能够准确地确定所述协作实验事项的差异化关键属性。
65.在此情形下，本实施例中，可利用压缩线程单元对上述得到的量化汇总结果进行处理，输出包含附带有局部聚焦指数的识别表达的特征组合队列，再综合特征组合队列和主题表达，通过分析线程单元得到协作实验事项的差异化关键属性。其中，可通过以下方式获得特征组合队列。
66.步骤s22321，通过所述历史策略线程单元针对所述量化汇总结果包含的识别表达进行相对信息的描述，得到所匹配的相对队列。
67.步骤s22322，将所述相对队列导入所述局部聚焦线程单元，输出包含每个所述识别表达的局部聚焦指数的爱好度队列。
68.步骤s22323，根据所述量化汇总结果和所述爱好度队列，得到包含附带有局部聚焦指数的识别表达的特征组合队列。
69.本实施例中，通过历史策略线程单元和局部聚焦线程单元，可以通过对项目喜好列表中的识别表达进行相对信息的学习，以及对项目喜好列表中对于分析结果有较大影响力的识别表达添加较大局部聚焦指数的方式，进而可以使线程着重对于其中重要的识别表
达进行识别处理，提高识别分析的准确性。
70.而在线程配置阶段，在利用差异会话模板中的配置集和测试集分别在压缩线程单元采用第一线程或第二线程，或历史策略线程单元和局部聚焦线程单元时，依照得到的分析识别准确率中，采用历史策略线程单元和局部聚焦线程单元相组合的方式下，识别准确率是最高的。因此，在本实施例中，在线程应用阶段，可采用由历史策略线程单元和局部聚焦线程单元所组成的压缩线程单元进行处理。
71.在另一种可实施的实施例中，将所述协作实验事项导入事先完成调试的差异化分析线程之前，还可以包括以下步骤q1所描述的技术方案。
72.步骤q1，依照设定方式针对所述协作实验事项中包含的每个项目热点数据进行挑选处理。
73.可以理解的是，在执行上述步骤q1所描述的技术方案时，通过多个项目热点数据从而提高挑选处理的精度。
74.在实际实施过程中，配置完成要求可以包括如下要求中的至少一种。（1）作为一种可能的实施方式，针对每个项目热点数据，可校验项目热点数据中反复喜好内容在该项目热点数据包含的所有喜好内容中的比例是否超过设定目标向量，如果超过设定目标向量，将该条项目热点数据剔除。（2）在另一种实施方式下，可针对每个项目热点数据，校验该条项目热点数据中喜好内容的总数目是否低于设定数目，如果低于设定数目，则将该条项目热点数据剔除。其中，设定数目可以为两个、三个等不限。如此，针对一些喜好内容很少的项目热点数据，一些难以有效反映项目数据描述的项目热点数据，可以将其剔除。（3）此外，在另一种实施方式下，可针对每个项目热点数据，校验该条项目热点数据中包含的会话数据和/或浮动信息的数目是否超过设定数目，如果超过设定数目，将该条项目热点数据剔除。此外，同样地，项目热点数据如果包含大量的浮动信息，这类项目热点数据也难以有助于项目执行端内容处理结果的识别，可将这类项目热点数据剔除。
75.在实施时，基于项目热点数据中的会话数据和浮动信息进行剔除时，可以择一作为是否剔除的标准，也可以两者共同作为是否剔除的标准。也即，在项目热点数据中的会话数据的数目超过设定数目时，将项目热点数据剔除，或者在项目热点数据中的浮动信息的数目超过设定数目时，将项目热点数据剔除，又或者在项目热点数据中的会话数据和浮动信息的数目超过设定数目时，将项目热点数据剔除。
76.本实施例中，可以通过上述的至少一种方式对获得的多种项目热点数据进行挑选处理。如此，可以避免无用的项目热点数据对识别结果造成的影响，且可以避免对这类项目热点数据进行处理识别导致的不必要的工作量。
77.本实施例中，考虑到实际场景下，一条项目热点数据的长度一般不会太长，相应地，项目热点数据中的会话数据也不会超过一定数目。而如果项目热点数据是项目参与方随意打出，或者是由于点击失误所发出的，则可能项目热点数据中包含大量的会话数据，例如反复点击了逗号。而这类项目热点数据往往可能并不包含反映项目数据描述的信息。因此，对于这类项目热点数据可将其剔除。
78.通过上述方式对项目热点数据进行挑选处理后，可基于挑选处理后的项目热点数据和项目执行端主题进行识别处理。上述基于协作实验事项和项目执行端主题，并通过差异化分析线程得到协作实验事项的差异化关键属性的过程可通过以下方式实现。
79.步骤s221，按照所述协作实验事项包含的每个所述项目热点数据的会话数据，将所述多种项目热点数据整合得到项目喜好列表。
80.步骤s222，针对所述项目喜好列表进行内容识别处理，得到由多种识别类别组成的识别结果簇。
81.步骤s223，将所述识别结果簇和所述项目执行端主题导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性。
82.在本实施例中，该差异化分析线程为事先利用配置模板进行配置得到，以下首先对差异化分析线程的配置过程进行介绍。
83.步骤s101，收集记录生成的多种差异会话模板，每个所述差异会话模板批注有实际处理结果主题，存在差异的实际处理结果主题所匹配的差异会话模板的数目一致。
84.步骤s102，利用所述多种差异会话模板对搭建的人工智能识别线程进行配置，输出每个所述差异会话模板的输出处理结果主题。
85.步骤s103，比较每个所述差异会话模板的实际处理结果主题和输出处理结果主题，以针对所述人工智能识别线程的线程配置变量进行修正，直到得到符合设定条件的差异化分析线程。
86.本实施例中，事先收集的多种差异会话模板为可以反映不同的项目数据描述的模板。也即，反映不同的项目数据描述的模板批注有相应的实际处理结果主题。
87.在数据处理服务器上，受到不同项目数据描述本身热度等多因素的影响，有些处理结果的项目数据描述与科研人员的需求匹配，而有些处理结果的项目数据描述喜爱的项目参与方较少，因此，在数据处理服务器上，反映与科研人员的需求匹配的项目数据描述的差异会话模板往往数目较多，而反映不与科研人员的需求匹配的项目数据描述的差异会话模板数目较少。利用数目差距较大的不同处理结果主题的模板进行配置，得到的差异化分析线程可以大量学习到数目较多的模板的特征，而对数目较少的模板的学习不足，导致得到的差异化分析线程存在误差，倾向于判定为模板属于频数高的类别。
88.基于上述考虑，本实施例中，在进行线程配置时，采用的差异会话模板中具有存在差异的实际处理结果主题所匹配的差异会话模板的数目一致。例如，可以依照收集到的不同处理结果主题的差异会话模板分别的数目，再确定一个统一数据，得到具有该统一数据的每个类差异会话模板，以用于线程的配置。其中，可以采用欠采样或过采样的方式，得到具有统一数据的每个类差异会话模板，从而改善得到的差异化分析线程的误差问题。本实施例中，同样地，收集到的差异会话模板可以包括项目参与方的项目热点数据以及科技项目进程的项目执行端的项目执行端主题，并且，可以事先对收集到的项目热点数据进行挑选处理，进一步地可以参见在应用阶段的处理方式，在此不再赘述。
89.此外，可事先搭建人工智能识别线程，利用差异会话模板对其进行配置。再利用每个差异会话模板本身的实际处理结果主题，与线程得到的输出处理结果主题进行比较，以对线程配置变量进行修正并继续配置，直到在符合设定条件时，可以将线程固定下得到差异化分析线程。
90.在上述基础上，请结合参阅图2，提供了一种科技项目数据处理装置200，应用于科技项目数据处理系统，所述装置包括：进程获取模块210，用于获得待进行处理的科技项目进程所包括的项目参与方请
求的协作实验事项；属性确定模块220，用于将所述协作实验事项导入事先完成调试的差异化分析线程，确定所述协作实验事项的差异化关键属性；项目描述模块230，用于按照所述协作实验事项的差异化关键属性，确定所述待进行处理的科技项目进程的项目数据描述。
91.在上述基础上，请结合参阅图3，示出了一种科技项目数据处理系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
92.在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
93.综上，基于上述方案，通过获得待进行处理的科技项目进程所包括的项目参与方请求的协作实验事项，将协作实验事项导入至事先完成调试的差异化分析线程，得到协作实验事项的差异化关键属性。根据协作实验事项的差异化关键属性获得待进行处理的科技项目进程的项目数据描述。本技术实施例通过对协作实验事项的快速及时地解析，利用协作实验事项的差异化关键属性反映项目数据描述，可以在保证高时效性和低处理开销的前提下，精准定位项目数据描述，改善相关技术存在项目数据描述定位时效性差且解析精度低的技术问题。
94.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd
‑
rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本技术的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
95.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
96.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
97.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
98.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
99.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
100.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（lan）或广域网（wan），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（saas）。
101.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
102.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
103.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实
施例中，此类数值的设定在可行范围内尽可能精确。
104.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
105.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。
106.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。