[发明专利]译员行为的大数据库及其建立方法、装置与电子设备

说明书

本发明实施例提供一种译员行为的大数据库及其建立方法、装置与电子设备，其中所述方法包括：基于译员的外部系统记录数据，采用开放API技术，聚集译员的行为数据；将所述行为数据以大数据的存储模型进行处理，形成所述译员行为的大数据库。本发明实施例采用开放API技术对用户的行为数据进行聚集，并通过建立大数据库逻辑架构，对聚集的数据以大数据的存储模型进行处理，建立译员行为的大数据库，能够最大限度的深度掌握译员信息，并使得翻译资源能够被充分共享使用，提高资源的利用率。

技术领域

本发明实施例涉及互联网数据管理技术领域，更具体地，涉及一种译员行为的大数据库及其建立方法、装置与电子设备。

背景技术

随着互联网技术的快速发展，翻译行业也快速进入数据化、信息化时代。但同时，翻译行业对资源的利用也普遍存在以下问题：

其一，业务变化快，资源使用不平衡。翻译公司经常存在业务充足译员不足，或者译员充足业务不足等的情况，业务和资源不能达到平衡。

其二，资源开发成本高，相反资源使用率极低。许多翻译公司花费巨大成本来开发资源，但开发出来的资源使用率却极低。

其三，小语种资源稀缺，使用成本太高。小语种如西班牙语、葡萄牙语等，资源比较稀缺，资源使用成本太高。

而出现上述问题的主要原因是，一方面资源孤岛化，不能被充分挖掘并共享，另一方面资源透明化，由于不能深度辨识资源，资源使用率低。因此，让资源能够大量汇聚并被充分共享使用，以使得能够最大限度的深度掌握译员信息，提高资源的利用率，是目前业界亟待解决的需要课题。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种译员行为的大数据库及其建立方法、装置与电子设备，用以最大限度的深度掌握译员信息，并使得翻译资源能够被充分共享使用，提高资源的利用率。

第一方面，本发明实施例提供一种译员行为的大数据库建立方法，包括：基于译员的外部系统记录数据，采用开放API技术，聚集译员的行为数据；将所述行为数据以大数据的存储模型进行处理，形成所述译员行为的大数据库。

其中，译员的所述行为数据具体包括译员的基本信息数据、任务行为数据、评价行为数据、能力数据、经验数据、信用数据、翻译工具数据、翻译偏好和登录/退出数据中的一种或者多种。

其中，所述将所述行为数据以大数据的存储模型进行处理的步骤进一步包括：构建具有由底层构架至上层构架包括采集层、数据库层、挖掘层、知识库层、服务层和应用层的大数据库逻辑架构，并分别定义各逻辑层的业务逻辑；对所述行为数据，按照所述大数据库逻辑架构和所述业务逻辑进行存储。

其中，所述分别定义各逻辑层的业务逻辑的步骤进一步包括：定义所述采集层的业务逻辑包括：采用开放API技术或爬虫技术，汇集译员的所述行为数据，并将所述行为数据传输至所述数据库层；定义所述数据库层的业务逻辑包括：利用NOSQL数据库，以大数据的形式存储所述行为数据；定义所述挖掘层的业务逻辑包括：对译员的所述行为数据进行清洗、加工，提取译员的不同基因，并将所述基因传输至所述知识库层；定义所述知识库层的业务逻辑包括：对所述基因进行存储，并为所述服务层和所述应用层提供所述基因；定义所述服务层的业务逻辑包括：提供对所述基因的API接口服务；定义所述应用层的业务逻辑包括：提供基于所述基因的APP应用。

进一步的，在所述对所述行为数据，按照所述大数据库逻辑架构和所述业务逻辑进行存储的步骤之后，本发明实施例的方法还包括：定义对所述译员行为的大数据库中大数据的处理逻辑包括数据采集逻辑、导入/预处理逻辑、统计分析逻辑和数据挖掘逻辑。

进一步的，在所述分别定义各逻辑层的业务逻辑的步骤之后，本发明实施例的方法还包括：进行基于事件模型的系统开放API设计。