1.本发明属于电子政务办公领域，具体涉及一种政务办公自动化平台及其优化实现方法。
背景技术：
：：2.政务办公系统是政府信息化中发展比较成熟的系统，它的推行使政府部门实现了的“无纸化”办公，大大提高了工作效率，也使政府内部的办公流程实现了标准化和规范化。政务系统的工作流中有各种各样的节点，如收文、办文、存档等，每个节点是一个处理环节，有固定的处理人，而且需要处理人根据来文的内容，做出批示以及将任务分工给下一步的工作环节的处理人。3.作出批示和下一步的分工，这项工作需要处理人对部门分工非常熟悉、对业务工作有广泛的认识，而且言辞要严谨得当，办理速度要很快。这个节点也成为政务办公流程中的“痛点”，一方面所有流程都经过它，而且时效要求高，一旦滞后会影响后续很多的环节。4.电子政务作为电子信息技术与管理的有机结合，成为当代信息化的最重要的领域之一。所谓电子政务，就是应用现代信息和通信技术，将管理和服务通过网络技术进行集成，在互联网上实现组织结构和工作流程的优化重组，超越时间和空间及部门之间的分隔限制，向社会提供优质和全方位的、规范而透明的、符合国际水准的管理和服务。5.随着政务信息系统推广的深入，电子政务系统数据量越来越大、应用功能越来越多、应用范围越来越广，急需对政务办公自动化平台进行优化设计。技术实现要素：6.本发明要解决的问题是提供一种优化的政务办公自动化平台及其优化实现方法。7.为实现上述目的，本发明通过以下技术方案实现：8.一种政务办公自动化平台，包括基于jbpm工作流引擎的环境构建模块、面部识别考勤模块，自然语言处理公文分类模块，微服务消息推送模块，嵌入式npapi插件搭建docx文档在线编辑模块，所述一种政务办公自动化平台是基于jbpm工作流引擎的环境构建模块搭建；9.所述基于jbpm工作流引擎的环境构建模块用于对数据的存储、交互、分析的管理，确定人员信息；10.所述面部识别考勤模块，用于面部关键特征点的精确定位；11.所述自然语言处理公文分类模块，用于用户自定义的文本分类语料的训练、评测、分类；12.所述微服务消息推送模块，用于平台消息发起的推送请求，微服务模块进行权重判定，并根据消息请求权重判定结果为消息的数据推送至第三方应用；13.所述嵌入式npapi插件搭建docx文档在线编辑模块，用于通过调用api方式，访问第三方文档编辑器，将iwebbrowser对象返回到终端设备内部中，iwebbrowser对象接口进行事件处理、操作dom、与npapi的plugin对象进行通信，最终由连接接口与终端设备内部连接，实现调用在线编辑器。14.本发明所述的一种政务办公自动化平台的优化实现方法，包括如下步骤：15.步骤s1、搭建基于jbpm工作流引擎的环境平台；16.步骤s2、实现面部识别考勤；17.步骤s3、处理自然语言公文分类；18.步骤s4、推送微服务消息；19.步骤s5、在线编辑嵌入式npapi插件搭建docx文档。20.进一步的，步骤s1中搭建基于jbpm工作流引擎的环境平台方法包括如下步骤：21.s1.1、工作流api负责解释流程的定义，并由jpdl通过流程交互界面定义流程模型，使用jpdl自定义的逻辑接口，维护所有设计流程的数据，推进流程的流转过程；22.s1.2、jpdl自定义流程将一个流程看作是一个uml状态图，jpdl定义了状态图的起始、结束及中间状态的转换，通过图形化的流程定义，描述业务流程；23.s1.3、hibernateapi管理数据库与基于jbpm工作流引擎的环境平台进行交互数据访问的管理，接收平台的访问请求，根据访问请求调用工作流接口应用，以获取和处理流程数据，根据不同的流程数据将不同的数据发送到数据库，以使得数据库将不同的信息数据分析后，转发到不同的数据库节点中执行；24.s1.4、通过jvmp监控流程接口来监视流程实例的执行过程、挂起或恢复流程实例的运行；25.s1.5、通过tasks插件对表单重用、数据库表重用、字段重用、及复杂流转模式进行管理。26.进一步的，步骤s1.5中复杂流转模式包括流程任务分发汇总、m选n(m为流程节点数，n为分支个数)分支多路分支、自循环、异或分支选择、异或会聚、多路会聚。27.进一步的，步骤s2中实现面部识别考勤方法包括如下步骤：28.s2.1、建立人脸数据库，对人脸照片使用卷积神经网络,包含多层卷积网与多层深度网连接，使用双倍的3*3卷积核进行图像处理,形成面像信息文件，并将面像信息生成人脸面部特征编码贮存在人脸数据库中；29.s2.2、获取人脸面像生成图像，采用摄像头采集人员的人脸，从视频流截取图像，利用卷积核算法生成面像特征信息文件；30.其中卷积核表达式为:[0031][0032][0033]式中的求和部分等价于求解一次交叉相关,b为偏差量，zl和zl 1表示第l 1层的卷积输入和输出，ll 1为zl 1的尺寸，z(i,j)对应特征图的像素，(i，j)为像素坐标，ω为池化层导数，k为特征图的通道数，k为卷积核个数，f为卷积核大小，(x，y)为偏差量坐标，s0为卷积步长，p为填充层数，在感受野内对输入特征做矩阵元素乘法求和并叠加偏差量；[0034]s2.3、利用多线程，1比n毫秒级运算方式，对提取的人脸面部特征信息与人脸数据库中存储的特征进行搜索匹配，对比采集面部特征和人脸数据库信息的两张图像，并设定阈值的高和低，由标准化处理得出若相似度大于阈值高，则判定为同一人，输出结果。[0035]进一步的，步骤s2.3中标准化处理的步骤为：[0036]s2.3.1、对人脸数据库中的信息图像进行校正，主要依据人眼坐标，将原始图像中包含的人脸校正到统一大小；[0037]s2.3.2、图像大小校正采用灰度插值的双线性插值，用三角函数对采样图像进行卷积，对插值后图像进行人脸检测；[0038]s2.3.3、根据采集的人脸面部特征与人脸数据库信息，两幅图像的人脸区域，灰度化后按照对应点求取灰度差值，根据灰度差值的大小，进行面部识别。[0039]进一步的，步骤s3中处理自然语言公文分类方法包括如下步骤：[0040]s3.1、建立词典表：获取以往相关文本信息通过双向最大匹配算法存入数据库；通过人工检索对文本信息进行标注，在读取数据库时利用正则表达式对其匹配并去除非法字符；[0041]s3.2、引用thuctc中文文本分类工具，对特征词典提取构建，特征词典构建采用chi-square降维和tf-idf方法组合进行构建，chi-square形式化函数为：[0042][0043]式中a为标注数据实际值，t为程序对标注数据的推测值,x2表示实际值与推测值的差异程序；[0044]将中文文本分成不同的词汇，作为训练阶段匹配词典表中特征词的基本单位，即对文本进行分词时，首先将文本拆分成多个部分，将每一个部分与词典表一一对应，如果该词语在词典表中，分词成功，否则继续拆分匹配直到成功，并且对分好的词汇标注词性；[0045]s3.3、模型训练，选取二字串bigram作为特征单元，用libsvm特征选取进行模型训练；libsvm线性核函数分类方法为[0046][0047]式中p、n、m分别表示积极、消极、中性，c表示类别，分别以0、1、2表示；[0048]当积极概率最大，c为0，消极概率最大，c为1，中性概率最大，c为2；[0049]利用n-fold交叉法验证，n＝5依次使用5等份中的4份数数作为训练集，1份数据做为测试集来训练模型的准确率和召回率；[0050]其中还包括停用词的处理，停用词包括一些副词、形容词及其一些连接词；[0051]s3.4、分类模型学习：:将分词按比例划分为训练集a、测试集b，使用训练数据a进行n-fold验证，训练集分为a1～an，共n份，n份中的每一份ai轮流做校验，其余n-1份作为训练，这样训练n次，取n次所得“错误”平均值作为一个模型最终的“错误”评测标准，以此选出最优模型参数，再用整个训练集a在选出的最优模型参数下训练出一个模型，最后在测试集b上测试给出分类结果，从而达到自然语言处理公文分类。[0052]进一步的，步骤s4推送微服务消息包括如下步骤：[0053]s4.1、发起消息发送请求，通过异步处理，将短时间高并发产生的消息存储在队列中，进行请求权重判断，根据判断结果确认消息是否加入发送队列；[0054]s4.2、把消息推送以横向划分的方式，划分为每个小的服务，发送队列为各服务之间提供websocket消息通讯；[0055]s4.3、apigateway通过内部维护路由表来实现所有消息队列的唯一入口，以rpcapi远程过程调用协议接口，通过网络从远程计算机上请求服务，将消息与各微服务模块相匹配的；[0056]s4.4、第三方应用微服务模块将要向设备终端发送的消息和用户信息封装成json格式的字符串，并将消息字符串对接到设备终端，从而达到微服务消息的送达。[0057]进一步的，步骤s4微服务消息推送模块的消息送达方法是基于apigateway和消息队列的mvc模式架构。[0058]进一步的，步骤s5在线编辑嵌入式npapi插件搭建docx文档方法包括如下步骤：[0059]s5.1、通过npapi的动态链接库进行加载docx文档编辑功能，由流式文档软件接口打开或创建文档，[0060]s5.2、使用npapi机制来和浏览器交互，将iwebbrowser对象返回到浏览器中，iwebbrowser对象接口进行事件处理、操作dom文档对对象模型、与plugin对象通信通信，最终由一个连接接口与浏览器内部连接，把脚本、文档、图像以及其他控件集成在一个web页中，完成在线编辑文档；[0061]s5.3、npapi插件根据加载的文档编辑器类型，选择与之对应的插件的加载方法，加载底层api插件，把插件对象转换成统一的plugin对象，由连接接口根据上层浏览器，提供api供浏览器调用，实现浏览器与npapi的交互。[0062]本发明的有益效果：[0063]本发明所述的一种政务办公自动化平台，是针对事业单位、政府部门等日常办公信息化而设计的标准解决方案，基于协同办公理念，将日常办公电子化、网络化、规范化、统一化，实现跨部门、跨地域协作办公，达到节省办公时间、节省办公成本、提高工作效率的目的。随着协同办公的日常使用，逐渐建立了单位内部的完整信息库。[0064]本发明所述的一种政务办公自动化平台，一改往前复杂、低效的办公方式，使单位内部人员方便快捷的共享信息、协同高速的完成工作。通过搭建基于jbpm工作流引擎的环境，可以由单位人员自定义设计工作流程，随时修改公文节点执行人，达到刚性控制与柔性管理的结合。在公文流转过程中，支持公文流转的正式性，严肃性与规范性，实现公文管理的刚性控制。[0065]本发明所述的一种政务办公自动化平台，现有的公文大都是半结构或者是非结构化数据，为了从中快速有效地获得需要的信息，利用自然语言分类功能对公文信息进行分类处理，达到不需要人力资源和减少分类时间的目地；无感知考勤功能是通过捕捉人的脸部特征信息来进行身份识别的技术，只要在有特定光源的情况下，就能完成不被察觉的识别，具有非接触性与不易仿冒等特点。[0066]本发明所述的一种政务办公自动化平台的优化实现方法，基于jbpm工作流引擎的环境搭建，达到了在数据存储、交互、分析平台，以信息化提升数据管理能力；面部识别考勤模块，以托自主研发的无感知考勤功能，基于深度人脸识别算法，精准定位目标人脸；自然语言处理公文分类模块，自动为公文进行智能生成分类标签；微服务消息推送模块，政务办公中的消息以微服务的方式进行推送；嵌入式npapi插件搭建docx文档在线编辑模块，让协同工作更高效。附图说明[0067]图1为本发明所述的一种政务办公自动化平台的功能框架结构图；[0068]图2为本发明所述的基于jbpm工作流引擎的环境平台的搭建方法的流程图；[0069]图3为本发明所述的面部识别考勤模块的识别方法的流程图；[0070]图4为本发明所述的自然语言处理公文分类模块的处理方法的流程图；[0071]图5为本发明所述的微服务消息推送模块的消息送达方法的流程图；[0072]图6为本发明所述的嵌入式npapi插件搭建docx文档在线编辑模块的编辑方法的流程图。具体实施方式[0073]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明，即所描述的具体实施方式仅仅是本发明一部分实施方式，而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计，本发明还可以具有其他实施方式。[0074]因此，以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。[0075]为能进一步了解本发明的
发明内容、特点及功效，兹例举以下具体实施方式，并配合附图详细说明如下：[0076]具体实施方式一：[0077]一种政务办公自动化平台，包括基于jbpm工作流引擎的环境构建模块、面部识别考勤模块，自然语言处理公文分类模块，微服务消息推送模块，嵌入式npapi插件搭建docx文档在线编辑模块，所述一种政务办公自动化平台是基于jbpm工作流引擎的环境构建模块搭建；[0078]所述基于jbpm工作流引擎的环境构建模块用于对数据的存储、交互、分析的管理；[0079]所述面部识别考勤模块，用于面部关键特征点的精确定位，确定人员信息；[0080]所述自然语言处理公文分类模块，用于用户自定义的文本分类语料的训练、评测、分类；[0081]所述微服务消息推送模块，用于平台消息发起的推送请求，微服务模块进行权重判定，并根据消息请求权重判定结果为消息的数据推送至第三方应用；[0082]所述嵌入式npapi插件搭建docx文档在线编辑模块，用于通过调用api方式，访问第三方文档编辑器，将iwebbrowser对象返回到终端设备内部中，iwebbrowser对象接口进行事件处理、操作dom、与npapi的plugin对象进行通信，最终由连接接口与终端设备内部连接，实现调用在线编辑器。[0083]进一步的，所述基于jbpm(javabusinessprocessmanagement，java业务流程管理)工作流引擎的环境搭建，是用一个灵活可扩展的工作流管理引擎，作为jbpm运行时server输入的业务流程，使用简单强大的语言表达并打包在流程档案中。jbpm将工作流应用开发的便利性和杰出的企业应用集成(eai)能力结合了起来。[0084]进一步的，所述面部识别考勤模块，是自主研发的面部识别算法，采用渐进式自编码网络方式，有效防止过度拟合，提高多种场合的稳定性，实现快速多面部关键特征点的精确定位，在无精度损失的情况下可达到毫秒级定位。[0085]进一步的，所述自然语言处理公文分类模块，是引用thuctc中文文本分类工具，能够自动高效地实现用户自定义的文本分类语料的训练、评测、分类功能。文本分类通常包括特征选取、特征降维、分类模型学习三个步骤。[0086]进一步的，所述微服务消息推送模块，由平台消息发起的推送请求，微服务模块进行权重判定，并根据消息请求权重判定结果为消息的数据推送至第三方应用(如：“微信”、“钉钉”、“极光推送”等应用)服务模块中，实现了pc端发布，终端设备(计算机、手机、平板等)浏览功能。[0087]进一步的，所述嵌入式npapi(netscapepluginapplicationprogramminginterface)插件搭建docx文档在线编辑模块，通过调用api方式，访问第三方文档编辑器(如wps、永中、openoffice、ntkooffice等)，将iwebbrowser对象返回到终端设备内部中，iwebbrowser对象接口进行事件处理、操作dom、与npapi的plugin对象进行通信，最终由连接接口与终端设备内部连接，实现调用在线编辑器功能。[0088]图1为所述的一种政务办公自动化平台的功能框架结构图。[0089]具体实施方式二：[0090]根据具体实施方式一所述的一种政务办公自动化平台的优化实现方法，包括如下步骤：[0091]步骤s1、搭建基于jbpm工作流引擎的环境平台：[0092]s1.1、工作流api负责解释流程的定义，并由jpdl通过流程交互界面定义流程模型，使用jpdl自定义的逻辑接口，维护所有设计流程的数据，推进流程的流转过程；[0093]s1.2、jpdl自定义流程将一个流程看作是一个uml状态图，jpdl定义了状态图的起始、结束及中间状态的转换，通过图形化的流程定义，描述业务流程；[0094]s1.3、hibernateapi管理数据库与基于jbpm工作流引擎的环境平台进行交互数据访问的管理，接收平台的访问请求，根据访问请求调用工作流接口应用，以获取和处理流程数据，根据不同的流程数据将不同的数据发送到数据库，以使得数据库将不同的信息数据分析后，转发到不同的数据库节点中执行；[0095]s1.4、通过jvmp监控流程接口来监视流程实例的执行过程、挂起或恢复流程实例的运行；[0096]s1.5、通过tasks插件对表单重用、数据库表重用、字段重用、及复杂流转模式进行管理。[0097]进一步的，步骤s1.5中复杂流转模式包括流程任务分发汇总、m选n(m为流程节点数，n为分支个数)分支多路分支、自循环、异或分支选择、异或会聚、多路会聚。[0098]进一步的，所述的基于jbpm工作流引擎的环境搭建，jbpm以当前流行的hibernate作为它的持久层，使得对数据的存储、交互、分析更方便的进行管理。采用自定义的jbpmprocessdefinitionlanguage(jpdl),将一个流程看作是一个uml状态图。jpdl详细定义了状态图的每一个部分(eg：起始、结束及中间状态的转换)，通过图形化的流程定义，直观描述业务流程，并支持协助涉及多人或多部门的任务的执行；工作流管理会生成并处理任务的电子表单，让各个部门的人员可以通过表单实现交互，从而参与到整个业务流程中。[0099]步骤s2、实现面部识别考勤：[0100]s2.1、建立人脸数据库，对人脸照片使用卷积神经网络,包含多层卷积网与多层深度网连接，使用双倍的3*3卷积核进行图像处理,形成面像信息文件，并将面像信息生成人脸面部特征编码贮存在人脸数据库中；[0101]s2.2、获取人脸面像生成图像，采用摄像头采集人员的人脸，从视频流截取图像，利用卷积核算法生成面像特征信息文件；[0102]其中卷积核表达式为:[0103][0104][0105]式中的求和部分等价于求解一次交叉相关,b为偏差量，zl和zl 1表示第l 1层的卷积输入和输出，ll 1为zl 1的尺寸，z(i,j)对应特征图的像素，(i，j)为像素坐标，ω为池化层导数，k为特征图的通道数，k为卷积核个数，f为卷积核大小，(x，y)为偏差量坐标，s0为卷积步长，p为填充层数，在感受野内对输入特征做矩阵元素乘法求和并叠加偏差量；[0106]s2.3、利用多线程，1比n毫秒级运算方式，对提取的人脸面部特征信息与人脸数据库中存储的特征进行搜索匹配，对比采集面部特征和人脸数据库信息的两张图像，并设定阈值的高和低，由标准化处理得出若相似度大于阈值高，则判定为同一人，输出结果。[0107]进一步的，所述的一种政务办公自动化平台的优化实现方法，步骤s2.3中标准化处理的步骤为：[0108]s2.3.1、对人脸数据库中的信息图像进行校正，主要依据人眼坐标，将原始图像中包含的人脸校正到统一大小；[0109]s2.3.2、图像大小校正采用灰度插值的双线性插值，用三角函数对采样图像进行卷积，对插值后图像进行人脸检测；[0110]s2.3.3、根据采集的人脸面部特征与人脸数据库信息，两幅图像的人脸区域，灰度化后按照对应点求取灰度差值，根据灰度差值的大小，进行面部识别。[0111]进一步的，卷积神经网络可以处理多维数据，对人脸照片数据进行360个关键点定位，其中包括确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性的特征提取。[0112]进一步的，所述感受野(receptivefield)是卷积神经网络每一层输出的特征图上的像素点在输入图片上映射的区域大小，即特征图上的一个点对应输入图上的区域[0113]进一步的，标准化处理过程中在进行灰度化之前，按照一定比列将两幅图像的人脸区域调整为统一大小，同时忽略头发及其它的影响，尽可能将人脸区域缩小，以减小与阈值的误差，从而达到面部识别功能。所述灰度插值是利用图像已知邻近像素点的灰度值(或rgb图像中的三色值)来产生未知像素点的值。所述双线性插值是用三角函数对采样图像进行卷积。[0114]进一步的，所述的面部识别考勤模块，依托自主研发的无感知考勤功能，通过智能ai摄像头的高精准度抓拍后比对，避免任何不必要的数据延迟，实现极速秒签，应对多种考勤方案的复杂情况，考勤管理更高效。配合先进的组织架构和考勤组管理机制，无感知考勤系统实时获取组织人员变化，并增量更新考勤人员特征。[0115]步骤s3、处理自然语言公文分类包括如下步骤：[0116]s3.1、建立词典表：获取以往相关文本信息通过双向最大匹配算法存入数据库；通过人工检索对文本信息进行标注，在读取数据库时利用正则表达式对其匹配并去除非法字符；[0117]s3.2、引用thuctc中文文本分类工具，对特征词典提取构建，特征词典构建采用chi-square降维和tf-idf方法组合进行构建，chi-square形式化函数为：[0118][0119]式中a为标注数据实际值，t为程序对标注数据的推测值,x2表示实际值与推测值的差异程序；[0120]将中文文本分成不同的词汇，作为训练阶段匹配词典表中特征词的基本单位，即对文本进行分词时，首先将文本拆分成多个部分，将每一个部分与词典表一一对应，如果该词语在词典表中，分词成功，否则继续拆分匹配直到成功，并且对分好的词汇标注词性；[0121]s3.3、模型训练，选取二字串bigram作为特征单元，用libsvm特征选取进行模型训练；libsvm线性核函数分类方法为[0122][0123]式中p、n、m分别表示积极、消极、中性，c表示类别，分别以0、1、2表示；[0124]当积极概率最大，c为0，消极概率最大，c为1，中性概率最大，c为2；[0125]利用n-fold交叉法验证，n＝5依次使用5等份中的4份数数作为训练集，1份数据做为测试集来训练模型的准确率和召回率；[0126]其中还包括停用词的处理，停用词包括一些副词、形容词及其一些连接词；[0127]s3.4、分类模型学习：:将分词按比例划分为训练集a、测试集b，使用训练数据a进行n-fold验证，训练集分为a1～an，共n份，n份中的每一份ai轮流做校验，其余n-1份作为训练，这样训练n次，取n次所得“错误”平均值作为一个模型最终的“错误”评测标准，以此选出最优模型参数，再用整个训练集a在选出的最优模型参数下训练出一个模型，最后在测试集b上测试给出分类结果，从而达到自然语言处理公文分类。[0128]进一步的，所述的自然语言处理公文分类模块，根据一个已经被标注的训练文档集合(词典表),找到文本特征和文本类别之间的关系模型,然后利用学习得到的关系模型对文本进行类别判断；在英文分词中，单词之间是以空格作为自然分界符的，与英文不同，汉语的自然语言是没有一个形式上的分界符，中文文本分类的基础是通过双向最大匹配算法建立词典表。所述双向最大匹配算法是通过正向最大匹配和反向最大匹配对文本进行由左到右、由右到左两次扫描分词。所述正向最大匹配是从左边第一个汉字开始向右边，每次尝试匹配存在于词典表中的词，然后继续匹配下一个词。这一过程无须每次在词典表中查找单个词，可以使用哈希表(hashtable)或字典树(trie)进行高效匹配。所述反向最大匹配则是从右边文本末尾开始向左边查找在词典表中的单个词。[0129]步骤s4、推送微服务消息，微服务消息推送模块的消息送达方法包括如下步骤：[0130]s4.1、发起消息发送请求，通过异步处理，将短时间高并发产生的消息存储在队列中，进行请求权重判断，根据判断结果确认消息是否加入发送队列；[0131]s4.2、把消息推送以横向划分的方式，划分为每个小的服务，发送队列为各服务之间提供websocket消息通讯；[0132]s4.3、apigateway通过内部维护路由表来实现所有消息队列的唯一入口，以rpcapi远程过程调用协议接口，通过网络从远程计算机上请求服务，将消息与各微服务模块相匹配的；[0133]s4.4、第三方应用微服务模块将要向设备终端发送的消息和用户信息封装成json格式的字符串，并将消息字符串对接到设备终端，从而达到微服务消息的送达。[0134]进一步的，步骤s4微服务消息推送模块的消息送达方法是基于apigateway和消息队列的mvc模式架构。[0135]进一步的，所述的微服务消息推送模块，将需要发送的消息，结合微服务方式进行推送至各个功能服务中。该方法针对将协助办公应用的功能划分为每个小的服务，各服务之间互相关联，使得一点产生信息，多点进行浏览，同时兼备支持计算机、手机、平板等设备共同使用的多元化模式。[0136]步骤s5、在线编辑嵌入式npapi插件搭建docx文档，嵌入式npapi插件搭建docx文档在线编辑模块的编辑方法包括如下步骤：[0137]s5.1、通过npapi的动态链接库进行加载docx文档编辑功能，由流式文档软件接口打开或创建文档，[0138]s5.2、使用npapi机制来和浏览器交互，将iwebbrowser对象返回到浏览器中，iwebbrowser对象接口进行事件处理、操作dom文档对对象模型、与plugin对象通信通信，最终由一个连接接口与浏览器内部连接，把脚本、文档、图像以及其他控件集成在一个web页中，完成在线编辑文档；[0139]s5.3、npapi插件根据加载的文档编辑器类型，选择与之对应的插件的加载方法，加载底层api插件，把插件对象转换成统一的plugin对象，由连接接口根据上层浏览器，提供api供浏览器调用，实现浏览器与npapi的交互。[0140]进一步的，所述的嵌入式npapi插件搭建docx文档在线编辑模块，引用当前主流的npapi插件，将第三方文本编辑器功能，嵌入至政务办公自动化平台中，由npapi的动态链接库进行管理，实现docx文档的在线编辑。嵌入docx文本编辑器功能，保留了使用者编辑文档的习惯，增加了协同办公的效率。[0141]进一步的，所述的嵌入式npapi插件搭建docx文档在线编辑模块，可以实现二次开发技术方案，自定义方法判断自动加载图像、文字等，npapi插件包含多种api，可以实现多种保存文档功能(同步、异步、落地、不落地、远程保存形式)。[0142]进一步的，基于jbpm工作流引擎的环境平台的搭建方法，达到了为电子政务量身定制的大数据存储、交互、分析平台，以信息化提升数据管理能力。[0143]进一步的，面部识别考勤模块的识别方法，依托自主研发的无感知考勤功能，基于深度人脸识别算法，精准定位目标人脸，360个以上关键点位置，秒刷脸。[0144]进一步的，自然语言处理公文分类模块的处理方法，自动为上传公文进行智能生成分类标签，通过嵌入thuctc中文文本分类工具，利用以往相关文本信息进行词典表的建立。使用权重计算tf-idf(逆文档频率)和chi-square降维方法，提取特征词典，即对文本进行分词时，首先将文本拆分成多个部分，将每一个部分与词典表一一对应，如果该词语在词典表中，分词成功，否则继续拆分匹配直到成功。评估文本对于一个文件集或一个语料库中的其中一份文件的重要程度，根据文本的特征来进行匹配，选择最优的匹配结果，依据文本中是否出现了与类别相同的词，再加入同义词的比对，来判断文本是属于的类别。自然语言处理公文分类模块，对长文本具有良好的普适性，具有准确率高、测试速度快的优点。[0145]进一步的，微服务消息推送模块的消息送达方法，政务办公中的消息以微务的方式进行推送，将消息推送功能以“横向划分”的方式，从公共且独立功能维度，即按照公共的被多个其它服务调用，且依赖的资源独立不与其它模块耦合的方式，划分成一组小的服务，服务之间以先获取请求信息加入发送队列，接着由apigateway(api网关)根据发送队列路由，依序生成发送请求，再通过rpcapi根据发送请求执行推送任务的方式，进行互相协调、互相配合，为使用者提供多元化的功。[0146]进一步的，嵌入式npapi插件搭建docx文档在线编辑模块的编辑方法，让协同工作更高效，让使用起来更加方便快捷，能够即时保存并保存修改记录。[0147]需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。[0148]虽然在上文中已经参考具体实施方式对本技术进行了描述，然而在不脱离本技术的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本技术所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本技术并不局限于文中公开的特定具体实施方式，而是包括落入权利要求的范围内的所有技术方案。当前第1页12当前第1页12
背景技术：
：：2.政务办公系统是政府信息化中发展比较成熟的系统，它的推行使政府部门实现了的“无纸化”办公，大大提高了工作效率，也使政府内部的办公流程实现了标准化和规范化。政务系统的工作流中有各种各样的节点，如收文、办文、存档等，每个节点是一个处理环节，有固定的处理人，而且需要处理人根据来文的内容，做出批示以及将任务分工给下一步的工作环节的处理人。3.作出批示和下一步的分工，这项工作需要处理人对部门分工非常熟悉、对业务工作有广泛的认识，而且言辞要严谨得当，办理速度要很快。这个节点也成为政务办公流程中的“痛点”，一方面所有流程都经过它，而且时效要求高，一旦滞后会影响后续很多的环节。4.电子政务作为电子信息技术与管理的有机结合，成为当代信息化的最重要的领域之一。所谓电子政务，就是应用现代信息和通信技术，将管理和服务通过网络技术进行集成，在互联网上实现组织结构和工作流程的优化重组，超越时间和空间及部门之间的分隔限制，向社会提供优质和全方位的、规范而透明的、符合国际水准的管理和服务。5.随着政务信息系统推广的深入，电子政务系统数据量越来越大、应用功能越来越多、应用范围越来越广，急需对政务办公自动化平台进行优化设计。技术实现要素：6.本发明要解决的问题是提供一种优化的政务办公自动化平台及其优化实现方法。7.为实现上述目的，本发明通过以下技术方案实现：8.一种政务办公自动化平台，包括基于jbpm工作流引擎的环境构建模块、面部识别考勤模块，自然语言处理公文分类模块，微服务消息推送模块，嵌入式npapi插件搭建docx文档在线编辑模块，所述一种政务办公自动化平台是基于jbpm工作流引擎的环境构建模块搭建；9.所述基于jbpm工作流引擎的环境构建模块用于对数据的存储、交互、分析的管理，确定人员信息；10.所述面部识别考勤模块，用于面部关键特征点的精确定位；11.所述自然语言处理公文分类模块，用于用户自定义的文本分类语料的训练、评测、分类；12.所述微服务消息推送模块，用于平台消息发起的推送请求，微服务模块进行权重判定，并根据消息请求权重判定结果为消息的数据推送至第三方应用；13.所述嵌入式npapi插件搭建docx文档在线编辑模块，用于通过调用api方式，访问第三方文档编辑器，将iwebbrowser对象返回到终端设备内部中，iwebbrowser对象接口进行事件处理、操作dom、与npapi的plugin对象进行通信，最终由连接接口与终端设备内部连接，实现调用在线编辑器。14.本发明所述的一种政务办公自动化平台的优化实现方法，包括如下步骤：15.步骤s1、搭建基于jbpm工作流引擎的环境平台；16.步骤s2、实现面部识别考勤；17.步骤s3、处理自然语言公文分类；18.步骤s4、推送微服务消息；19.步骤s5、在线编辑嵌入式npapi插件搭建docx文档。20.进一步的，步骤s1中搭建基于jbpm工作流引擎的环境平台方法包括如下步骤：21.s1.1、工作流api负责解释流程的定义，并由jpdl通过流程交互界面定义流程模型，使用jpdl自定义的逻辑接口，维护所有设计流程的数据，推进流程的流转过程；22.s1.2、jpdl自定义流程将一个流程看作是一个uml状态图，jpdl定义了状态图的起始、结束及中间状态的转换，通过图形化的流程定义，描述业务流程；23.s1.3、hibernateapi管理数据库与基于jbpm工作流引擎的环境平台进行交互数据访问的管理，接收平台的访问请求，根据访问请求调用工作流接口应用，以获取和处理流程数据，根据不同的流程数据将不同的数据发送到数据库，以使得数据库将不同的信息数据分析后，转发到不同的数据库节点中执行；24.s1.4、通过jvmp监控流程接口来监视流程实例的执行过程、挂起或恢复流程实例的运行；25.s1.5、通过tasks插件对表单重用、数据库表重用、字段重用、及复杂流转模式进行管理。26.进一步的，步骤s1.5中复杂流转模式包括流程任务分发汇总、m选n(m为流程节点数，n为分支个数)分支多路分支、自循环、异或分支选择、异或会聚、多路会聚。27.进一步的，步骤s2中实现面部识别考勤方法包括如下步骤：28.s2.1、建立人脸数据库，对人脸照片使用卷积神经网络,包含多层卷积网与多层深度网连接，使用双倍的3*3卷积核进行图像处理,形成面像信息文件，并将面像信息生成人脸面部特征编码贮存在人脸数据库中；29.s2.2、获取人脸面像生成图像，采用摄像头采集人员的人脸，从视频流截取图像，利用卷积核算法生成面像特征信息文件；30.其中卷积核表达式为:[0031][0032][0033]式中的求和部分等价于求解一次交叉相关,b为偏差量，zl和zl 1表示第l 1层的卷积输入和输出，ll 1为zl 1的尺寸，z(i,j)对应特征图的像素，(i，j)为像素坐标，ω为池化层导数，k为特征图的通道数，k为卷积核个数，f为卷积核大小，(x，y)为偏差量坐标，s0为卷积步长，p为填充层数，在感受野内对输入特征做矩阵元素乘法求和并叠加偏差量；[0034]s2.3、利用多线程，1比n毫秒级运算方式，对提取的人脸面部特征信息与人脸数据库中存储的特征进行搜索匹配，对比采集面部特征和人脸数据库信息的两张图像，并设定阈值的高和低，由标准化处理得出若相似度大于阈值高，则判定为同一人，输出结果。[0035]进一步的，步骤s2.3中标准化处理的步骤为：[0036]s2.3.1、对人脸数据库中的信息图像进行校正，主要依据人眼坐标，将原始图像中包含的人脸校正到统一大小；[0037]s2.3.2、图像大小校正采用灰度插值的双线性插值，用三角函数对采样图像进行卷积，对插值后图像进行人脸检测；[0038]s2.3.3、根据采集的人脸面部特征与人脸数据库信息，两幅图像的人脸区域，灰度化后按照对应点求取灰度差值，根据灰度差值的大小，进行面部识别。[0039]进一步的，步骤s3中处理自然语言公文分类方法包括如下步骤：[0040]s3.1、建立词典表：获取以往相关文本信息通过双向最大匹配算法存入数据库；通过人工检索对文本信息进行标注，在读取数据库时利用正则表达式对其匹配并去除非法字符；[0041]s3.2、引用thuctc中文文本分类工具，对特征词典提取构建，特征词典构建采用chi-square降维和tf-idf方法组合进行构建，chi-square形式化函数为：[0042][0043]式中a为标注数据实际值，t为程序对标注数据的推测值,x2表示实际值与推测值的差异程序；[0044]将中文文本分成不同的词汇，作为训练阶段匹配词典表中特征词的基本单位，即对文本进行分词时，首先将文本拆分成多个部分，将每一个部分与词典表一一对应，如果该词语在词典表中，分词成功，否则继续拆分匹配直到成功，并且对分好的词汇标注词性；[0045]s3.3、模型训练，选取二字串bigram作为特征单元，用libsvm特征选取进行模型训练；libsvm线性核函数分类方法为[0046][0047]式中p、n、m分别表示积极、消极、中性，c表示类别，分别以0、1、2表示；[0048]当积极概率最大，c为0，消极概率最大，c为1，中性概率最大，c为2；[0049]利用n-fold交叉法验证，n＝5依次使用5等份中的4份数数作为训练集，1份数据做为测试集来训练模型的准确率和召回率；[0050]其中还包括停用词的处理，停用词包括一些副词、形容词及其一些连接词；[0051]s3.4、分类模型学习：:将分词按比例划分为训练集a、测试集b，使用训练数据a进行n-fold验证，训练集分为a1～an，共n份，n份中的每一份ai轮流做校验，其余n-1份作为训练，这样训练n次，取n次所得“错误”平均值作为一个模型最终的“错误”评测标准，以此选出最优模型参数，再用整个训练集a在选出的最优模型参数下训练出一个模型，最后在测试集b上测试给出分类结果，从而达到自然语言处理公文分类。[0052]进一步的，步骤s4推送微服务消息包括如下步骤：[0053]s4.1、发起消息发送请求，通过异步处理，将短时间高并发产生的消息存储在队列中，进行请求权重判断，根据判断结果确认消息是否加入发送队列；[0054]s4.2、把消息推送以横向划分的方式，划分为每个小的服务，发送队列为各服务之间提供websocket消息通讯；[0055]s4.3、apigateway通过内部维护路由表来实现所有消息队列的唯一入口，以rpcapi远程过程调用协议接口，通过网络从远程计算机上请求服务，将消息与各微服务模块相匹配的；[0056]s4.4、第三方应用微服务模块将要向设备终端发送的消息和用户信息封装成json格式的字符串，并将消息字符串对接到设备终端，从而达到微服务消息的送达。[0057]进一步的，步骤s4微服务消息推送模块的消息送达方法是基于apigateway和消息队列的mvc模式架构。[0058]进一步的，步骤s5在线编辑嵌入式npapi插件搭建docx文档方法包括如下步骤：[0059]s5.1、通过npapi的动态链接库进行加载docx文档编辑功能，由流式文档软件接口打开或创建文档，[0060]s5.2、使用npapi机制来和浏览器交互，将iwebbrowser对象返回到浏览器中，iwebbrowser对象接口进行事件处理、操作dom文档对对象模型、与plugin对象通信通信，最终由一个连接接口与浏览器内部连接，把脚本、文档、图像以及其他控件集成在一个web页中，完成在线编辑文档；[0061]s5.3、npapi插件根据加载的文档编辑器类型，选择与之对应的插件的加载方法，加载底层api插件，把插件对象转换成统一的plugin对象，由连接接口根据上层浏览器，提供api供浏览器调用，实现浏览器与npapi的交互。[0062]本发明的有益效果：[0063]本发明所述的一种政务办公自动化平台，是针对事业单位、政府部门等日常办公信息化而设计的标准解决方案，基于协同办公理念，将日常办公电子化、网络化、规范化、统一化，实现跨部门、跨地域协作办公，达到节省办公时间、节省办公成本、提高工作效率的目的。随着协同办公的日常使用，逐渐建立了单位内部的完整信息库。[0064]本发明所述的一种政务办公自动化平台，一改往前复杂、低效的办公方式，使单位内部人员方便快捷的共享信息、协同高速的完成工作。通过搭建基于jbpm工作流引擎的环境，可以由单位人员自定义设计工作流程，随时修改公文节点执行人，达到刚性控制与柔性管理的结合。在公文流转过程中，支持公文流转的正式性，严肃性与规范性，实现公文管理的刚性控制。[0065]本发明所述的一种政务办公自动化平台，现有的公文大都是半结构或者是非结构化数据，为了从中快速有效地获得需要的信息，利用自然语言分类功能对公文信息进行分类处理，达到不需要人力资源和减少分类时间的目地；无感知考勤功能是通过捕捉人的脸部特征信息来进行身份识别的技术，只要在有特定光源的情况下，就能完成不被察觉的识别，具有非接触性与不易仿冒等特点。[0066]本发明所述的一种政务办公自动化平台的优化实现方法，基于jbpm工作流引擎的环境搭建，达到了在数据存储、交互、分析平台，以信息化提升数据管理能力；面部识别考勤模块，以托自主研发的无感知考勤功能，基于深度人脸识别算法，精准定位目标人脸；自然语言处理公文分类模块，自动为公文进行智能生成分类标签；微服务消息推送模块，政务办公中的消息以微服务的方式进行推送；嵌入式npapi插件搭建docx文档在线编辑模块，让协同工作更高效。附图说明[0067]图1为本发明所述的一种政务办公自动化平台的功能框架结构图；[0068]图2为本发明所述的基于jbpm工作流引擎的环境平台的搭建方法的流程图；[0069]图3为本发明所述的面部识别考勤模块的识别方法的流程图；[0070]图4为本发明所述的自然语言处理公文分类模块的处理方法的流程图；[0071]图5为本发明所述的微服务消息推送模块的消息送达方法的流程图；[0072]图6为本发明所述的嵌入式npapi插件搭建docx文档在线编辑模块的编辑方法的流程图。具体实施方式[0073]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明，即所描述的具体实施方式仅仅是本发明一部分实施方式，而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计，本发明还可以具有其他实施方式。[0074]因此，以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。[0075]为能进一步了解本发明的
发明内容、特点及功效，兹例举以下具体实施方式，并配合附图详细说明如下：[0076]具体实施方式一：[0077]一种政务办公自动化平台，包括基于jbpm工作流引擎的环境构建模块、面部识别考勤模块，自然语言处理公文分类模块，微服务消息推送模块，嵌入式npapi插件搭建docx文档在线编辑模块，所述一种政务办公自动化平台是基于jbpm工作流引擎的环境构建模块搭建；[0078]所述基于jbpm工作流引擎的环境构建模块用于对数据的存储、交互、分析的管理；[0079]所述面部识别考勤模块，用于面部关键特征点的精确定位，确定人员信息；[0080]所述自然语言处理公文分类模块，用于用户自定义的文本分类语料的训练、评测、分类；[0081]所述微服务消息推送模块，用于平台消息发起的推送请求，微服务模块进行权重判定，并根据消息请求权重判定结果为消息的数据推送至第三方应用；[0082]所述嵌入式npapi插件搭建docx文档在线编辑模块，用于通过调用api方式，访问第三方文档编辑器，将iwebbrowser对象返回到终端设备内部中，iwebbrowser对象接口进行事件处理、操作dom、与npapi的plugin对象进行通信，最终由连接接口与终端设备内部连接，实现调用在线编辑器。[0083]进一步的，所述基于jbpm(javabusinessprocessmanagement，java业务流程管理)工作流引擎的环境搭建，是用一个灵活可扩展的工作流管理引擎，作为jbpm运行时server输入的业务流程，使用简单强大的语言表达并打包在流程档案中。jbpm将工作流应用开发的便利性和杰出的企业应用集成(eai)能力结合了起来。[0084]进一步的，所述面部识别考勤模块，是自主研发的面部识别算法，采用渐进式自编码网络方式，有效防止过度拟合，提高多种场合的稳定性，实现快速多面部关键特征点的精确定位，在无精度损失的情况下可达到毫秒级定位。[0085]进一步的，所述自然语言处理公文分类模块，是引用thuctc中文文本分类工具，能够自动高效地实现用户自定义的文本分类语料的训练、评测、分类功能。文本分类通常包括特征选取、特征降维、分类模型学习三个步骤。[0086]进一步的，所述微服务消息推送模块，由平台消息发起的推送请求，微服务模块进行权重判定，并根据消息请求权重判定结果为消息的数据推送至第三方应用(如：“微信”、“钉钉”、“极光推送”等应用)服务模块中，实现了pc端发布，终端设备(计算机、手机、平板等)浏览功能。[0087]进一步的，所述嵌入式npapi(netscapepluginapplicationprogramminginterface)插件搭建docx文档在线编辑模块，通过调用api方式，访问第三方文档编辑器(如wps、永中、openoffice、ntkooffice等)，将iwebbrowser对象返回到终端设备内部中，iwebbrowser对象接口进行事件处理、操作dom、与npapi的plugin对象进行通信，最终由连接接口与终端设备内部连接，实现调用在线编辑器功能。[0088]图1为所述的一种政务办公自动化平台的功能框架结构图。[0089]具体实施方式二：[0090]根据具体实施方式一所述的一种政务办公自动化平台的优化实现方法，包括如下步骤：[0091]步骤s1、搭建基于jbpm工作流引擎的环境平台：[0092]s1.1、工作流api负责解释流程的定义，并由jpdl通过流程交互界面定义流程模型，使用jpdl自定义的逻辑接口，维护所有设计流程的数据，推进流程的流转过程；[0093]s1.2、jpdl自定义流程将一个流程看作是一个uml状态图，jpdl定义了状态图的起始、结束及中间状态的转换，通过图形化的流程定义，描述业务流程；[0094]s1.3、hibernateapi管理数据库与基于jbpm工作流引擎的环境平台进行交互数据访问的管理，接收平台的访问请求，根据访问请求调用工作流接口应用，以获取和处理流程数据，根据不同的流程数据将不同的数据发送到数据库，以使得数据库将不同的信息数据分析后，转发到不同的数据库节点中执行；[0095]s1.4、通过jvmp监控流程接口来监视流程实例的执行过程、挂起或恢复流程实例的运行；[0096]s1.5、通过tasks插件对表单重用、数据库表重用、字段重用、及复杂流转模式进行管理。[0097]进一步的，步骤s1.5中复杂流转模式包括流程任务分发汇总、m选n(m为流程节点数，n为分支个数)分支多路分支、自循环、异或分支选择、异或会聚、多路会聚。[0098]进一步的，所述的基于jbpm工作流引擎的环境搭建，jbpm以当前流行的hibernate作为它的持久层，使得对数据的存储、交互、分析更方便的进行管理。采用自定义的jbpmprocessdefinitionlanguage(jpdl),将一个流程看作是一个uml状态图。jpdl详细定义了状态图的每一个部分(eg：起始、结束及中间状态的转换)，通过图形化的流程定义，直观描述业务流程，并支持协助涉及多人或多部门的任务的执行；工作流管理会生成并处理任务的电子表单，让各个部门的人员可以通过表单实现交互，从而参与到整个业务流程中。[0099]步骤s2、实现面部识别考勤：[0100]s2.1、建立人脸数据库，对人脸照片使用卷积神经网络,包含多层卷积网与多层深度网连接，使用双倍的3*3卷积核进行图像处理,形成面像信息文件，并将面像信息生成人脸面部特征编码贮存在人脸数据库中；[0101]s2.2、获取人脸面像生成图像，采用摄像头采集人员的人脸，从视频流截取图像，利用卷积核算法生成面像特征信息文件；[0102]其中卷积核表达式为:[0103][0104][0105]式中的求和部分等价于求解一次交叉相关,b为偏差量，zl和zl 1表示第l 1层的卷积输入和输出，ll 1为zl 1的尺寸，z(i,j)对应特征图的像素，(i，j)为像素坐标，ω为池化层导数，k为特征图的通道数，k为卷积核个数，f为卷积核大小，(x，y)为偏差量坐标，s0为卷积步长，p为填充层数，在感受野内对输入特征做矩阵元素乘法求和并叠加偏差量；[0106]s2.3、利用多线程，1比n毫秒级运算方式，对提取的人脸面部特征信息与人脸数据库中存储的特征进行搜索匹配，对比采集面部特征和人脸数据库信息的两张图像，并设定阈值的高和低，由标准化处理得出若相似度大于阈值高，则判定为同一人，输出结果。[0107]进一步的，所述的一种政务办公自动化平台的优化实现方法，步骤s2.3中标准化处理的步骤为：[0108]s2.3.1、对人脸数据库中的信息图像进行校正，主要依据人眼坐标，将原始图像中包含的人脸校正到统一大小；[0109]s2.3.2、图像大小校正采用灰度插值的双线性插值，用三角函数对采样图像进行卷积，对插值后图像进行人脸检测；[0110]s2.3.3、根据采集的人脸面部特征与人脸数据库信息，两幅图像的人脸区域，灰度化后按照对应点求取灰度差值，根据灰度差值的大小，进行面部识别。[0111]进一步的，卷积神经网络可以处理多维数据，对人脸照片数据进行360个关键点定位，其中包括确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性的特征提取。[0112]进一步的，所述感受野(receptivefield)是卷积神经网络每一层输出的特征图上的像素点在输入图片上映射的区域大小，即特征图上的一个点对应输入图上的区域[0113]进一步的，标准化处理过程中在进行灰度化之前，按照一定比列将两幅图像的人脸区域调整为统一大小，同时忽略头发及其它的影响，尽可能将人脸区域缩小，以减小与阈值的误差，从而达到面部识别功能。所述灰度插值是利用图像已知邻近像素点的灰度值(或rgb图像中的三色值)来产生未知像素点的值。所述双线性插值是用三角函数对采样图像进行卷积。[0114]进一步的，所述的面部识别考勤模块，依托自主研发的无感知考勤功能，通过智能ai摄像头的高精准度抓拍后比对，避免任何不必要的数据延迟，实现极速秒签，应对多种考勤方案的复杂情况，考勤管理更高效。配合先进的组织架构和考勤组管理机制，无感知考勤系统实时获取组织人员变化，并增量更新考勤人员特征。[0115]步骤s3、处理自然语言公文分类包括如下步骤：[0116]s3.1、建立词典表：获取以往相关文本信息通过双向最大匹配算法存入数据库；通过人工检索对文本信息进行标注，在读取数据库时利用正则表达式对其匹配并去除非法字符；[0117]s3.2、引用thuctc中文文本分类工具，对特征词典提取构建，特征词典构建采用chi-square降维和tf-idf方法组合进行构建，chi-square形式化函数为：[0118][0119]式中a为标注数据实际值，t为程序对标注数据的推测值,x2表示实际值与推测值的差异程序；[0120]将中文文本分成不同的词汇，作为训练阶段匹配词典表中特征词的基本单位，即对文本进行分词时，首先将文本拆分成多个部分，将每一个部分与词典表一一对应，如果该词语在词典表中，分词成功，否则继续拆分匹配直到成功，并且对分好的词汇标注词性；[0121]s3.3、模型训练，选取二字串bigram作为特征单元，用libsvm特征选取进行模型训练；libsvm线性核函数分类方法为[0122][0123]式中p、n、m分别表示积极、消极、中性，c表示类别，分别以0、1、2表示；[0124]当积极概率最大，c为0，消极概率最大，c为1，中性概率最大，c为2；[0125]利用n-fold交叉法验证，n＝5依次使用5等份中的4份数数作为训练集，1份数据做为测试集来训练模型的准确率和召回率；[0126]其中还包括停用词的处理，停用词包括一些副词、形容词及其一些连接词；[0127]s3.4、分类模型学习：:将分词按比例划分为训练集a、测试集b，使用训练数据a进行n-fold验证，训练集分为a1～an，共n份，n份中的每一份ai轮流做校验，其余n-1份作为训练，这样训练n次，取n次所得“错误”平均值作为一个模型最终的“错误”评测标准，以此选出最优模型参数，再用整个训练集a在选出的最优模型参数下训练出一个模型，最后在测试集b上测试给出分类结果，从而达到自然语言处理公文分类。[0128]进一步的，所述的自然语言处理公文分类模块，根据一个已经被标注的训练文档集合(词典表),找到文本特征和文本类别之间的关系模型,然后利用学习得到的关系模型对文本进行类别判断；在英文分词中，单词之间是以空格作为自然分界符的，与英文不同，汉语的自然语言是没有一个形式上的分界符，中文文本分类的基础是通过双向最大匹配算法建立词典表。所述双向最大匹配算法是通过正向最大匹配和反向最大匹配对文本进行由左到右、由右到左两次扫描分词。所述正向最大匹配是从左边第一个汉字开始向右边，每次尝试匹配存在于词典表中的词，然后继续匹配下一个词。这一过程无须每次在词典表中查找单个词，可以使用哈希表(hashtable)或字典树(trie)进行高效匹配。所述反向最大匹配则是从右边文本末尾开始向左边查找在词典表中的单个词。[0129]步骤s4、推送微服务消息，微服务消息推送模块的消息送达方法包括如下步骤：[0130]s4.1、发起消息发送请求，通过异步处理，将短时间高并发产生的消息存储在队列中，进行请求权重判断，根据判断结果确认消息是否加入发送队列；[0131]s4.2、把消息推送以横向划分的方式，划分为每个小的服务，发送队列为各服务之间提供websocket消息通讯；[0132]s4.3、apigateway通过内部维护路由表来实现所有消息队列的唯一入口，以rpcapi远程过程调用协议接口，通过网络从远程计算机上请求服务，将消息与各微服务模块相匹配的；[0133]s4.4、第三方应用微服务模块将要向设备终端发送的消息和用户信息封装成json格式的字符串，并将消息字符串对接到设备终端，从而达到微服务消息的送达。[0134]进一步的，步骤s4微服务消息推送模块的消息送达方法是基于apigateway和消息队列的mvc模式架构。[0135]进一步的，所述的微服务消息推送模块，将需要发送的消息，结合微服务方式进行推送至各个功能服务中。该方法针对将协助办公应用的功能划分为每个小的服务，各服务之间互相关联，使得一点产生信息，多点进行浏览，同时兼备支持计算机、手机、平板等设备共同使用的多元化模式。[0136]步骤s5、在线编辑嵌入式npapi插件搭建docx文档，嵌入式npapi插件搭建docx文档在线编辑模块的编辑方法包括如下步骤：[0137]s5.1、通过npapi的动态链接库进行加载docx文档编辑功能，由流式文档软件接口打开或创建文档，[0138]s5.2、使用npapi机制来和浏览器交互，将iwebbrowser对象返回到浏览器中，iwebbrowser对象接口进行事件处理、操作dom文档对对象模型、与plugin对象通信通信，最终由一个连接接口与浏览器内部连接，把脚本、文档、图像以及其他控件集成在一个web页中，完成在线编辑文档；[0139]s5.3、npapi插件根据加载的文档编辑器类型，选择与之对应的插件的加载方法，加载底层api插件，把插件对象转换成统一的plugin对象，由连接接口根据上层浏览器，提供api供浏览器调用，实现浏览器与npapi的交互。[0140]进一步的，所述的嵌入式npapi插件搭建docx文档在线编辑模块，引用当前主流的npapi插件，将第三方文本编辑器功能，嵌入至政务办公自动化平台中，由npapi的动态链接库进行管理，实现docx文档的在线编辑。嵌入docx文本编辑器功能，保留了使用者编辑文档的习惯，增加了协同办公的效率。[0141]进一步的，所述的嵌入式npapi插件搭建docx文档在线编辑模块，可以实现二次开发技术方案，自定义方法判断自动加载图像、文字等，npapi插件包含多种api，可以实现多种保存文档功能(同步、异步、落地、不落地、远程保存形式)。[0142]进一步的，基于jbpm工作流引擎的环境平台的搭建方法，达到了为电子政务量身定制的大数据存储、交互、分析平台，以信息化提升数据管理能力。[0143]进一步的，面部识别考勤模块的识别方法，依托自主研发的无感知考勤功能，基于深度人脸识别算法，精准定位目标人脸，360个以上关键点位置，秒刷脸。[0144]进一步的，自然语言处理公文分类模块的处理方法，自动为上传公文进行智能生成分类标签，通过嵌入thuctc中文文本分类工具，利用以往相关文本信息进行词典表的建立。使用权重计算tf-idf(逆文档频率)和chi-square降维方法，提取特征词典，即对文本进行分词时，首先将文本拆分成多个部分，将每一个部分与词典表一一对应，如果该词语在词典表中，分词成功，否则继续拆分匹配直到成功。评估文本对于一个文件集或一个语料库中的其中一份文件的重要程度，根据文本的特征来进行匹配，选择最优的匹配结果，依据文本中是否出现了与类别相同的词，再加入同义词的比对，来判断文本是属于的类别。自然语言处理公文分类模块，对长文本具有良好的普适性，具有准确率高、测试速度快的优点。[0145]进一步的，微服务消息推送模块的消息送达方法，政务办公中的消息以微务的方式进行推送，将消息推送功能以“横向划分”的方式，从公共且独立功能维度，即按照公共的被多个其它服务调用，且依赖的资源独立不与其它模块耦合的方式，划分成一组小的服务，服务之间以先获取请求信息加入发送队列，接着由apigateway(api网关)根据发送队列路由，依序生成发送请求，再通过rpcapi根据发送请求执行推送任务的方式，进行互相协调、互相配合，为使用者提供多元化的功。[0146]进一步的，嵌入式npapi插件搭建docx文档在线编辑模块的编辑方法，让协同工作更高效，让使用起来更加方便快捷，能够即时保存并保存修改记录。[0147]需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。[0148]虽然在上文中已经参考具体实施方式对本技术进行了描述，然而在不脱离本技术的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本技术所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本技术并不局限于文中公开的特定具体实施方式，而是包括落入权利要求的范围内的所有技术方案。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
