[发明专利]工业APP质量评价方法、装置、设备及介质

权利要求书

1.一种工业APP质量评价方法，其特征在于，所述方法包括：

获取待评价工业APP的属性数据和用户浏览数据；

基于所述用户浏览数据，采用最小二乘法预测所述待评价工业APP的浏览量排名；

根据所述属性数据，获得所述待评价工业APP的分类；

基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业APP的质量进行评估，得到质量等级；

基于所述质量等级，在所述分类下确定所述待评价工业APP的质量排名；

基于所述待评价工业APP的浏览量排名和所述质量排名，得到所述待评价工业APP综合评价。

2.根据权利要求1所述的质量评价方法，其特征在于，基于ISO质量模型和用户的第一反馈评价信息，对所述待评价工业APP的质量进行评估，得到质量等级，包括：

所述ISO质量模型包括联想记忆神经网络模型和神经网络收敛梯度模型；

确定所述待评价工业APP输入所述联想记忆神经网络模型的记忆模式和输入模式；

将所述输入模式与所述记忆模式通过所述神经网络收敛梯度模型进行计算，得到所述待评价工业APP的质量等级。

3.根据权利要求2所述的质量评价方法，其特征在于，在根据所述属性数据,获得所述待评价工业APP的分类之后，所述方法还包括：

建立所述待评价工业APP的分类服务体系，在所述待评价工业APP的分类服务体系下进行应用推荐，获得推荐应用信息；

基于所述推荐应用信息，设置所述待评价工业APP的路由信息。

4.根据权利要求3所述的质量评价方法，其特征在于，所述联想记忆神经网络模型包括：

设定神经网络的神经元为：工业APP的可用性、功能完整性、易用性、可移植性、可靠性、解决问题的能力；

联想记忆神经网络模型输出质量等级，质量等级设为五级，即一级、二级、三级、四级、五级。

5.根据权利要求2所述的质量评价方法，其特征在于，所述神经网络收敛梯度模型为：

假设s为神经网络收敛速度的控制参数，0s1，神经网络的收敛梯度模型为：

其中，s为神经网络收敛速度的控制参数，x_i为第n个神经元输入状态，X为输入神经元，m_j为第j个记忆模式；

对于神经网络模型的神经元中，每一神经元对应多种不同的输入状态，即，X＝{x₁，x₂，x₃，…，x_n}，神经网络的输入状态为n维空间。

设定记忆模式为m，m₁，m₂，m₃，…，m_t，为t个记忆模式，当神经网络的输入神经元X受到记忆模式m的吸引，吸引力大小与神经元x_n与记忆模式m_t的距离有关，得到神经元的权重为：

其中，m为记忆模式，m_j为第j个记忆模式，x_i为第n个神经元输入状态，X为输入神经元。

6.根据权利要求1所述的质量评价方法，其特征在于，基于所述待评价工业APP的浏览量排名和所述质量排名，对所述待评价工业APP进行综合评价，包括：

根据所述待评价工业APP的浏览量排名和所述质量排名，按照加权平均法获得所述待评价工业APP的综合排名；

获取用户的第二反馈评价信息；

基于所述用户的第二反馈评价信息更新所述待评价工业APP的综合排名。

7.根据权利要求1所述的质量评价方法，其特征在于，所述属性数据包括以下至少一项：行业属性、业务场景属性；所述浏览数据包括以下至少一项：浏览次数、浏览时间。