多个数据流的相互关联的制作方法

本发明总体上涉及多个数据流的相互关联，更确切地说，涉及航空相关数据系统和其他资产相关应用内数据的标记和关联。

背景技术：

通常有大量的数据与运输船队和个人资产的性能跟踪相关。例如，航空行业会从各种特定的来源收集飞行器的操作数据。可通过快速存取记录器(qar)从飞行器收集数据，该快速存取记录器(qar)能够在空中记录从多个飞行器传感器和航空电子系统的原始飞行数据参数。可从航空公司的维护、维修和大修(mro)系统收集维护记录的数据。还可以从飞行员报告或飞行器状况监控系统(acms)通信中收集数据。此外，飞行器通信寻址和报告系统(acars)消息可包括相关数据，包括飞行器移动事件、飞行计划、天气信息、设备健康状况、关联航班的状态等。

飞行器操作数据的预测分析可为单个飞行器或整个机队的维护和预测提供有用信息。许多当前系统均主要依赖于对这些大量数据进行人为解读，因此可能非常繁重、乏味和耗时。此外，消耗多个数据流的企业级分析系统有时可能需要对某一资产的所有可用数据形成一个综合观点。可能需要用从此综合观点中推断出的知识来为资产机队构建一个准确的环境感知影像。这些已知产品在对需要采取的维护措施以及采取这些措施的紧急性做出智能决策时，准确性和有效性是有限的。

技术实现要素：

以下说明将阐明本发明的部分方面和优点，或者，读者可以从说明中了解这些方面和优点，或可以通过实践本发明了解这些方面和优点。

本发明的一个示例性方面涉及一种用于多个资产相关数据流的相互关联的由计算机实施的方法。所述方法可以包括通过一个或多个处理器，提供来自多个资产相关数据流的数据的一个或多个部分，作为自然语言处理引擎的输入文本。所述方法还可以包括通过一个或多个处理器，使用所述自然语言处理引擎识别所述资产相关数据流内的一个或多个数据实体。所述方法还可以包括通过一个或多个处理器，生成一个或多个处理规则，以将信息应用到识别于资产相关数据流内的数据实体。所述方法还可以包括通过所述一个或多个处理器，将所述一个或多个处理规则作为统计模型的一部分进行存储，以用于针对一个或多个维护事件的性能来评估资产相关数据的后续部分。

本发明的另一个示例性方面涉及一种用于多个资产相关数据流的相互关联的系统。所述系统可以包括一个或多个处理器以及一个或多个存储装置。所述一个或多个存储装置可存储计算机可读指令，所述计算机可读指令在被所述一个或多个处理器执行时，可使得所述一个或多个处理器执行操作。所述操作可以包括提供来自多个资产相关数据流的数据的一个或多个部分，作为自然语言处理引擎的输入文本。所述操作还可以包括使用所述自然语言处理引擎识别所述资产相关数据流内的一个或多个数据实体。所述操作还可以包括生成一个或多个处理规则，以将信息应用到识别于资产相关数据流内的数据实体。所述操作还可以包括将所述一个或多个处理规则作为统计模型的一部分进行存储，以用于针对一个或多个维护事件的性能来评估资产相关数据的后续部分。

可对本发明的这些示例性方面作出各种变化和修改。

参考以下具体说明和所附权利要求书可以更好地理解本发明的这些以及其他特征、方面和优点。附图包括在本说明书内并构成本说明书的一部分，其图示了本发明的各个实施例，并且与本说明书一起用于解释本发明的原理。

附图说明

说明书中在参考附图的情况下，以面向所属领域中的普通技术人员的方式对各个实施例进行了详细说明，其中：

图1示出了根据本发明的示例性实施例的一种示例性数据标记和关联系统的概览；

图2示出了根据本发明的示例性实施例的数据标记和关联系统和方法中的数据流的示例性示意图；

图3示出了根据本发明的示例性方面的用于实施数据标记和关联特征的系统的示例性概览；

图4示出了根据本发明的示例性实施例的用于数据标记和关联系统的标记特征；

图5示出了根据本发明的示例性实施例的用于数据标记和关联系统和方法的关系标记特征；

图6示出了根据本发明的示例性实施例的示例性图形用户界面，其中提供了可供显示的汇总维护数据的可视化表示；

图7示出了根据本发明的示例性实施例的示例性图形用户界面，其中示出了图6中的图形用户界面的细节部分，特别图示了在一定时间段内跟踪的操作事件和维护时间；

图8示出了根据本发明的示例性实施例的示例性图形用户界面，其中提供了可供显示的标记警报特征；

图9示出了根据本发明的示例性实施例的示例性图形用户界面，其中提供了可供显示的故障和警告特征；

图10示出了根据本发明的示例性实施例的示例性图形用户界面，其中提供了可供显示的标记警告特征；

图11示出了根据本发明的示例性实施例的示例性图形用户界面，其中提供了用于创建新标记类型的特征；

图12示出了根据本发明的示例性实施例的用于提供多个数据流的相互关联的示例性方法的流程图；

图13示出了根据本发明的示例性实施例的用于多个资产相关数据流的示例性方法的流程图；以及

图14示出了根据本发明的示例性实施例的用于将来自多个飞行器的汇总维护数据可视化的示例性方法的流程图。

具体实施方式

现在将详细参考本发明的各项实施例，附图中图示了本发明实施例的一个或多个实例。此处将以解释本发明而非限定本发明的方式提供各个实例。事实上，所属领域的一般技术人员能够显而易见地认识到，可在不脱离本发明的范围或精神的情况下，对本发明做各种修改和变化。例如，作为一个实施例的一部分进行图示或说明的特点可用于另一个实施例中，得到另一个实施例。因此，如果该等修改和变化在所附权利要求书及其等效物的范围内，那么本发明也应涵盖此类修改和变化。

本发明的示例性方面涉及一种用于将与诸如飞行器等资产的资产群的综合分析相关联的多个数据流进行相互关联的系统和方法。一些示例性实施例可提供相关特征，用于构建能够将机器学习形式的定量输入与用户指令形式的定量输入相组合，以实现多个数据流的自动分析的闭路系统。这些特征可用作数据标记和关联框架的一部分。通过这种方式，本发明的示例性方法的技术效果在于提供一种稳健且可扩展的数据分析信道，其利用规则引擎功能和自然语言处理来从自由文本输入中提取意义，以识别数据实体并且将所识别的系统中的数据实体的关系进行关联。

自动生成关于资产或资产群的事实和信息的技术效果在于提供有意义的输出，以用于帮助做出关于资产群的操作和可靠性的智能决策。在一些实例中，根据本发明的技术开发的处理规则可具有对飞行后报告(pfr)数据内的故障和警告进行标记的技术效果。在一些实例中，维护、维修和操作(mro)数据可经过处理和关联以提供有意义的输出信息。可通过交互式用户界面或其他显示选择提供所识别和生成的数据集、规则、标记数据和/或所得分析，以向用户显示。

在一个示例性实施方案中，一种用于将多个数据流相互关联的方法可包括将多个资产相关数据的数据流应用到处理信道，该处理信道包括自然语言处理算法和/或业务规则处理算法。在一些实例中，所述资产相关数据可以对应于航空相关数据，包括但不限于飞行器故障和警告数据、飞行后报告数据以及/或者飞行器维护报告数据。

自然语言处理算法可接收资产相关数据的一个或多个部分作为输入，并且从数据流内包含的自由输入文本中识别一个或多个数据实体。在一些实例中，所述自然语言处理算法还可识别所识别的数据实体之间的一个或多个关系。可生成一个或多个处理规则以将信息应用到所识别的数据实体。在一些实例中，所述处理规则可包括用于将一个或多个关键字与识别于资产相关数据流内的一个或多个数据实体相关联的标记规则。在一些实例中，所述处理规则可包括关系规则，其用于识别在资产相关数据流内识别的两个或更多个数据实体之间的关系。所生成的处理规则可作为统计模型的一部分进行存储，以用于评估资产相关数据的后续部分。

所述统计模型可至少部分通过接收资产相关数据的数据集以及相对应的处理规则的机器学习过程来构建。这些数据集用于帮助训练分类器以处理资产相关数据的后续部分。在一些实例中，作为统计模型的输入提供的数据集包括资产相关数据(例如，所识别的数据实体)以及用于标记或关联所述资产相关数据的已识别部分的关联用户指令。数据与标记或关系规则之间的这些相关的关联可用于生成额外的处理规则，以用于进一步构建用于分析后续数据的统计模型。在将机器学习与用户输入相组合的实例中，一种灵活稳健的系统可帮助从资产相关数据进行人工和自动知识提取。

现在参见附图，图1示出了数据标记和关联系统100的示例性概览。可以提供电子形式的一个或多个数据流，作为数据标记和关联系统100的数字输入。在图1中的实例中，多个数据流可从集合飞行器服务网络(asn)数据库102获取。数据库102包括多个数据流，包括但不限于故障和警告数据104，飞行后报告(pfr)数据106，维护、维修和操作(mro)数据108以及标记数据110。

asn数据库102内的可用数据可收集自由一个或多个特定航空公司、通用航空跟踪系统、航空公司授权的第三方数据和分析实体或者根据相关数据的其他机构或者其他实体维护的特定来源。例如，故障和警告数据104可通过快速存取记录器(qar)从飞行器收集，该快速存取记录器可在空中记录从多个飞行器传感器和航空电子系统收集的原始飞行数据参数。飞行后记录(pfr)数据106可包括从飞行器系统和/或通过飞行员数据录入提供的、用于跟踪特定飞行器飞行的自定义信息的信息自动收集的电子形式数据。mro数据108可收集自航空公司维护、维修和大修(mro)系统的维护记录。标记数据110可包括可供各种处理算法用于标记关键字并且定义已识别数据实体的关系的不同预定标记选项。标记数据110可以包括关联项数据集，其中包括可用作定义各种处理算法的统计模型的机器学习训练输入的数据实体以及关联关键字标记或关系标记。asn数据库102内提供的数据流可来自另一些其他来源，包括但不限于飞行员报告、飞行器状况监控系统(acms)以及/或者飞行器通信寻址和报告系统(acars)消息，该等消息中包括诸如飞行器移动事件、飞行计划、天气信息、设备健康状况、关联航班状态等相关数据。

现在仍然参阅图1，可响应于对数据提取和加窗算法112的系统查询，从asn数据库102提供数据。数据提取和加窗算法112可包括处理指令，该等处理指令被配置成从asn数据库102提供的每个数据流内提取数据对象。数据加窗还可以通过定义与各种数据流或所提取的数据对象内的可用数据的日期和时间戳进行比较的一个或多个时间范围来实现。数据对象的识别可基于数据流或数据库的类型以及/或者数据提取和加窗算法112当前正在分析的数据存储配置的类型进行调节。可应用于查找表达或查询的集合列表、查询模板列表以及/后者键和数据类型对的映射可存储在数据提取和加窗算法112内，以便于数据对象识别。通过从数据库102内的数据流识别数据选择部分，数据提取和加窗算法112可提取有意义的数据自给，该等有意义的数据子集可最终转发到数据标记和关联系统100。

通过数据提取和加窗算法112从数据流中提取的加窗数据114可提供给自然语言处理引擎或算法116。自然语言处理引擎或算法116通常可涉及对来自资产相关数据流的自然语言输入或自由文本输入进行解析。自然语言处理引擎116可包括一个或多个特定操作项，其中包括卫生处理操作118、命名实体识别操作120、共指消解操作122和关系提取操作124。

卫生处理操作118配置成执行对作为来自asn数据库102的资产相关数据流的一部分提供的自由文本字段进行拼写更正，并且删除或替换其中的不相关字符。可自定义的卫生处理操作规则可使用示例性数据集来更新概率模型，以便标注自由文本并且过滤掉不需要的结果。

命令实体识别操作120可包括从各种资产相关数据流内识别一个或多个数据实体的过程。如果数据流来自asn数据库102，则可能被识别的数据实体可以包括，但不限于，飞行器系统和子系统、零件编号和名称、飞行器机尾编号、航空缩略语、任务编号、行动、问题以及/或者这些实体等之间的关系。可以存在可自定义的词典以供命名实体识别操作120访问，从而有助于使用系统本机语言(例如，英语)的常见术语来识别实体。可自定义其他词典，以便通过存储本机语言不常见的已知实体的数据条目来帮助处理特定领域的实体。词典还可以存储用于解析共指消解操作122内的共指消解数据的相关同义词。

共指消解操作122可识别特定数据实体被输入文本内的其他陈述(包括代名词、缩写等)所共指的时间。在一些情况下，复数代名词可识别成输入文本中的共指多个数据实体。

关系提取操作124可通过命名实体识别操作120和/或通过共指消解操作122识别的数据实体的共指陈述来识别不同数据实体之间的关系。通过关系提取操作124识别关系可至少有助于逐项进行语音标记和/或短语分组。一部分语音标记可基于定义和上下文来标记输入文本，而短语分组可将令牌以及一部分语音标记收集到短语等相关组中。

自然语言处理算法116可有利地提供能够随时更新以容纳新出现的自然语言处理规则引擎的先进功能和能力的灵活系统。其他优势可在自然语言处理算法116是通过机器学习过程实现时部分实现。该等过程可定期或递增地进行训练，以维持和改善结果的准确性。该训练可通过能够翻译并且格式化成可消耗的算法数据集的用户反馈和行动来完成。

已处理数据126可作为自然语言处理引擎116的输出接收，并且作为业务规则处理算法128的输入提供。业务规则处理引擎128可以包括关系规则应用程序130和标记规则应用程序132。通常，业务规则处理引擎128内提供的处理规则可以连续地演变成统计模型的一部分，该统计模型渐进地更新成提供给系统的新数据。因此，业务规则处理引擎128可以配置成促进最大可扩展性，同时还支持特定于具体客户和/或资产数据的规则。业务规则处理引擎128还可以提供成具有对特定库或字典的关联接入，该等库或字典用于界定各种数据实体以及这些实体之间的关系，类似于可用于自然语言处理引擎116的字典。

关系规则应用程序130对应于一种计算机执行的操作的算法，该等操作配置成界定一个已识别数据实体与另一个数据实体之间的关系。可界定其关系的数据实体可与识别于自然语言处理算法116内的数据实体对应。例如，关系规则应用程序130可提供用于将警报与来自飞行后报告(pfr)数据的故障或其他相关条目自动关联的框架。在其他实例中，可配置的处理规则可提供用于将警报与mro数据条目自动关联的框架。图5中示出了另一个关系标记规则的实例。

标记规则应用程序132对应于计算机执行的操作的算法，该等操作配置成将一个或多个标记或者关键字应用到实体。可与实体关联的标记或关键字的类型可预先确定或自定义。可使用一些航空数据内的示例性可用标记来对来自飞行后报告数据的故障和警告进行数据标记。该等实例中的预定义标记可包括指示符，例如但不限于“无法检测”、“未检测到”以及“超出范围”。另一个实例涉及将维护缺陷标记成“缺失”。图4中示出了另一个标记规则的实例。

还可以使用其他用户定义的标记标准。还可以提供一般性标记以帮助进行不良数据质量的故障排查和通知。例如，“需要人工关注”标记可用于标识处理过程中的错误，或者标识用于检测数据中的问题的业务规则的成功执行。在另一个实例中，“无法辨认”标记可用于表明底层数据无法辨认，因此无法进行处理。例如，“无法辨认”标记可用于无可识别数据实体的自由文本。

在一些实例中，数据标记和关联系统100可以包括后处理算法134，该后处理算法用于使用自然语言处理算法116和/或业务规则处理算法128中识别的处理规则来更新系统100。例如，如果处理规则包括构建于业务规则处理算法128内的标记规则和/或关系规则，则这些操作规则可添加到asn数据库102内的工作存储器中，以便使用这些处理规则来持续地进行后续数据处理。业务规则处理算法128的结果136可以在压缩结果操作138中进一步压缩，或者在过程结果操作140中进行处理，以得到用于存储在asn数据库102内的适当形式。在一些实例中，处理规则作为统计模型的一部分存储于asn数据库102中，用于评估资产相关数据的后续部分。

现在仍然参阅图2，其以示意图的形式示出了数据标记和关联系统100内的数据流的其他方面。图2示出了所接收、存储于asn数据库102内，并且于数据标记和关联系统100内最终处理的示例性数据源。图2还示出了一种提供用于通过两种不同方式进行数据标记和关联的特征的系统，所述两种不同方式可集成为一个连贯的方式。一种方式可涉及由机器学习训练回路实施的基于规则的引擎148，用于程序性地提取关系并且标记数据实体。另一个方式可涉及用户界面156，用于捕集数据实体的人工观测数据，包括各种标记和关系。

客户端系统150可以对应于计算装置以及相关存储数据库，用于汇总和收集诸如航空公司等特定客户的操作资产特有的数据。来自客户端系统150的数据可通过安全文件传输协议(sftp)过程转发到asn解码器152。asn解码器152可配置成，根据被分析资产和特定客户端系统150的特定类型，对具有不同程度的结构的较大文本字段进行解码。例如，在asn数据库分析中，asn解码器152可配置成解码字段，该等字段包括但不限于故障、警告和维护消息。

用户154可对应于航空公司维护机构内用于帮助解决各种飞行器维护问题的一个或多个工程师、技术人员、管理员或其他专家。该等用户154可配备通过asn用户界面和标注小组件156访问数据标记和更正系统100的权限。通过用户界面156，用户可以使用预定系统标记和/或用户定义的标记来标记并且关联系统内识别的各种数据实体。具体来说，用户154可通过用户界面156输入标注和/或更正，以便识别新数据实体、更正的数据实体、新标记或更正的标记，以存储在asn数据库102内。这种通过用户界面156提供指示信息的功能可支持数据库的衍生，其可用于对基于规则的引擎148内的算法驱动机器学习和衍生处理规则。可通过在用户界面156处提供的用户指令实施的示例性操作包括将已识别的警报标记成“无值”，将已识别的故障标记为“超出范围”或“未检测”，并且/或者将警报与相关的故障、警告和/或mro数据关联。

具体来说，基于规则的引擎148可包括由机器学习训练回路制定的统计模型，该统计模型可识将处理规则识别成用于资产相关数据的后续部分的训练分类器。如图2中所示，来自asn数据库102的现有标记可通过训练数据集提取器158，与被识别成与现有标记关联的对应文本字符串相组合。为便于准确地训练，训练数据集提取器158可以选择被人工更正的标记，或者附到被标注为正确或准确的实体上的标记来作为训练数据。因此，所标注的文本，包括已识别的文本字符串和关联标记可作为自然语言处理(nlp)模型160的一部分提供。nlp模型160可帮助定义用于自然语言处理算法116内的处理规则。更新的nlp模型160可提供给规则执行引擎162，该规则执行引擎可将更新的nlp模型160并入业务规则处理算法128中，或者更新自然语言处理算法116的当前使用，以提高准确性和一致性。

图3示出了计算系统200，该计算系统可用于实施用于标记和关联航空相关数据系统及其他资产相关应用程序内的数据。系统200可使用包括服务器202和一个或多个客户端22的客户端-服务器架构来实施。例如，服务器202可对应于托管数据标记和关联应用程序的网络服务器。例如，客户端222可对应于提供客户端系统数据的网络服务器，例如图2中的客户端系统150或者由同样如图2中所示的用户154和托管用户界面156操作的计算装置。

每个服务器202和客户端222可包括至少一个计算装置，例如服务器计算装置204和客户端计算装置224所示。尽管图3中仅示出了一个服务器计算装置204和一个客户端计算装置224，但可选择性地在一个或多个位置提供多个计算装置以便以连续或并列配置操作，从而实现所公开的数据标记和关联方法和系统。在其他实例中，系统200可使用其他适当的架构，例如单个计算装置来实现。系统200中的每个计算装置204、224可以是任何适当类型的计算装置，例如通用计算机、专用计算机、膝上型计算机、移动装置、智能手机、平板设备、可穿戴计算装置、带一个或多个处理器的显示器或者其他适当的计算装置。

计算装置204和/或224可分别包括一个或多个处理器206、226以及一个或多个存储装置208、228。一个或多个处理器206、226可包括任何适当的处理装置，例如微处理器、微型控制器、集成电路、逻辑装置、一个或多个中央处理单元(cpu)、专用于有效呈现图像或执行其他专门计算的图形处理单元(gpu)，以及/或者其他处理装置。一个或多个存储装置208、228可包括一个或多个计算机可读介质，包括但不限于，非瞬时性计算机可读介质、ram、rom、硬盘驱动器、闪存驱动器或者其他存储装置。在一些实例中，存储装置208、228可对应于分布在多个位置的协作数据库。

一个或多个存储装置208、228存储可供一个或多个处理器206、226访问的信息，包括可由一个或多个处理器206、226的指令。例如，服务器存储装置208可存储用于实施处理规格、操作的指令210，以及用于执行本说明书中所公开的各种功能的算法212。在一些实例中，处理规则和算法212可包括但不限于图1中所示的自然语言处理算法116、业务规则处理算法128以及处理后算法134。在其他实例中，处理规则和算法212可实施图12到14中的流程图中所示的功能。客户端存储装置228可存储指令，以用于实施允许用户从服务器202请求信息的浏览器或应用程序，包括与特定资产相关的数据查询、数据标记信息等。一个或多个存储装置208、228可包括可被一个或多个处理器206、226检索、操纵、创建或存储的数据201、232。例如，存储在服务器202的数据214可包括asn数据库102或用于存储来自资产相关数据流和其他来源的信息的其他数据库。

计算装置204和224可通过网络240彼此通信。在这种情况下，服务器202以及一个或多个客户端222可分别包括用于通过网络240彼此通信的网络接口。网络接口可包括用于与一个或多个网络连接的任何适当部件，例如，包括发射器、接收器、端口、控制器、天线或其他适当的部件。网络240可以是任何类型的通信网络，例如局域网(例如，内部网)、广域网(例如，互联网)、蜂窝网络或者它们的组合。网络240还可以包括服务器计算装置204与客户端计算装置224之间的直接连接。通常，服务器计算装置204与客户端计算装置224之间的通信可通过网络接口，使用任何类型的有线和/或无线连接、使用各种通信协议(例如，tcp/ip、http、smtp、ftp)、编码或格式(例如，html、xml)以及/或者保护方案(例如，vpn、安全http、ssl)进行。

客户端222可包括各种输入/输出装置，用于为用户提供信息并且从用户接收信息。例如，输入装置236可包括诸如触摸屏、触摸板、数据输入键和/或麦克风等适用于语音识别的装置。输入装置236可供用户用于为所公开的数据标记和关联系统的实体、标记或其他部件提供标注文本和用户定义的数据。输出装置238可包括音频或可视输出，例如用于表明数据标记和关联输出的扬声器或显示器、用户界面等。

本说明书中所述的技术参照了服务器、数据库、软件应用程序以及其他基于计算机的系统，以及所采取的操作和发送到和发送自该等系统的信息。所属领域中的普通技术人员将认识到，基于计算机的系统的固有灵活性可实现部件之间的任务和功能的大量不同的可能配置、组合和分割。例如，本说明书中所述的服务器过程可使用单个服务器或组合工作的多个服务器来实施。数据库和应用程序可在单个系统上实施或者分布于多个系统上。分布式部件可连续或者平列地执行。

应认识到，本说明书中所述的计算机可执行算法可实施于硬件、应用程序专用电路、固件和/或控制通用处理器的软件中。在一个实施例中，算法是存储于存储装置上、加载到一个或多个存储装置中并且由一个或多个处理器执行，或者可从计算机程序产品提供的程序代码文件，例如存储于ram、闪存驱动器、硬盘或者光学或磁性介质等有形计算机可读的存储介质中的计算机可执行指令。使用软件时，可使用任何适当的编程语言或平台来实施该算法。

图4示出了用于处理算法以实施数据标记和关联的标记特征的实例。通常，标记可视作可与一个或多个已识别数据实体关联的一个或多个关键字。在一些实例中，标记可额外地或替代地包括值，以表明与标记的关键字和/或底层数据实体关联的量值。在图4中的实例中，“警报1”被识别成系统内的数据实体300。算法128内的处理规则可配置成使用第一标记302标记“警报1”数据实体300，将“警报1”识别成“稍后检测”并且/或者使用第二标记304来标记“警报1”，将“警告1”标记为“缺失”。

标记可用作业务规则处理算法128的算法框架的输出和输入。在一些实例中，业务规则处理算法128可应用预配置的规则以相对于多个数据实体产生作为输出的标记。在一些实例中，用户可使用用户界面156分配标记，作为与已识别数据实体关联的输入。在下文的实例中，用户输入的标记和关联数据实体可打包成用于使用统计模型训练处理算法的数据库。

图5示出了用于处理算法以实施数据标记和关联的关系标记特征的实例。关系标记是另一种形式的标记，可指示两个或更多个实体之间的关系。通常，关系标记可用于构建跨多个实体的基于关系的节点图。在飞行器服务网络(asn)数据的上下文中，关系标记可用于创建系统中的实体之间的可用户定义的关系，包括可能未被现有数据关联布置定义的关系。在图5中的实例中，被识别成“警报2”的数据实体306可与第一关键字标记308“成功”以及第二关键字标记310“已检测”关联。由于数据实体306“警报2”被标记成“已检测”，因此还建立了关系标记312以将数据实体“警报2”关联成“故障”。

现在请参阅图6-11，各种用户界面可作为所公开的资产相关数据处理和显像的一部分提供。本说明书中提供的用户界面以非限定性实例的形式提供。应认识到，本说明书中所示的示例性用户界面内提供的实质性特征和数据的形式和式样的变更在是本发明的范围内。

图6示出了根据本发明的示例性实施例的示例性图形用户界面，其中提供了可供显示的汇总维护数据的可视化表示。可通过用户界面320提供的汇总维护数据是在用于飞行器的汇总数据的背景内提供的，但是应了解，可为其他资产或资产群实施类似的数据和界面。在一些实例中，可通过用户界面320提供的汇总维护数据可来自通过asn数据库102提供的数据流，如上文参考图1和图2所示。

图6的用户界面320包括多个被指向集成维护数据的对应部分的多个界面部分，例如，“筛选”界面部分321、第一“故障和警告”界面部分322、“维护历史”部分323、第二“故障和警告”界面部分324以及“警报队列”界面部分325。可在用户界面320的多个界面部分内提供的数据可相对于特定飞行器(例如，通过飞行器模型和/或机尾编号)、相对于特定日期和/或时间(例如，维护事件开放和关闭的日期，特定故障和警告的日期和时间，警报创建的日期，最新信息和/或状态)，并且/或者相对于一种类型的数据的特定事例(例如，一种类型的故障、警告、维护事件或警报)来进行定义。

图6中的用户界面320内提供的显像可提供从多个数据源汇总的数据的单个视图。可以针对系统用户，将按时问显示事件并且提供指向更具体信息的导航的功能精简和简化。对于已经习惯于飞行器可靠性程序的常用数据类型的用户，根据本发明的示例性方面的系统和方法可提供所需用户训练最小的非常直观的显像，并且为航空公司维护机构内的许多不同角色提供价值。尽管并未图示，但是用户界面320或其所选的部分还可以包括参考所公开的数据标记和关联特征图示和描述的关键字标记和关系标记。

图7示出了示例性图形用户界面330，包括图6中的图形用户界面的一个具体部分，特别对应于图6中的第一“故障和警告”界面部分322。通常，用户界面330可示出在一段时间内针对多个飞行器跟踪的操作事件和维护事件。用户界面330包括对应于特定飞行器的第一界面部分332，以及第二界面部分334，所述第二界面部分对应于识别于第一界面部分332的每一行内的该飞行器的特定操作事件和维护事件。第二界面部分334可显示已识别事件，包括一段时间内的操作事件和/或维护事件，该时间段在图7中使用带等距时间间隔的线性时间线336表示。线性时间线336内的等距间隔被定义成每个小时，但是应了解，基于时间线的方法中也可使用其他时间间隔，包括多个小时或者一个小时或一天的多个部分。

通常，沿图7中所示的时间段跟踪的事件的格式可使用时间跟踪图的形式，例如但不限于甘特图。提供在用户界面330内的图可显示与一定时间段内跟踪的飞行器飞行或其他操作事件一致的维护事件。从飞行数据的角度看来，该显像方法可使得用户能够一直导航到以原始捕集频率独立记录的飞行器参数。

识别在图7中的用户界面330内的操作事件特别对应于每个飞行器的不同飞行器飞行。每个飞行器飞行在图7中图示为一个条338，该条的时间间隔被界定在飞行起始时间与飞行结束时间之间。如图所示，可根据每个飞行器在特定天、多天或者其多个部分的多个不同飞行。所识别的维护事件还可沿相同的线性时间线336进行跟踪。第一图标类型340可沿时问线336示出，以表示对应于所识别的飞行器维护警报的维护事件。第二图标类型342可沿时间线336示出，以表示对应于所识别的飞行器故障的维护事件。第三图标类型344可沿时间线336示出，以表示对应于所识别的飞行器警告的维护事件。第四图标类型346可沿时间线336示出，以表示对应于所识别的维护任务或操作的维护事件。用于表示维护事件的图标340-346以及可任选地，用于表示图7中的操作事件的条可配置成用户可选的界面元素或图标。用户选择这些元素/图标之后，可提供与对应于所选界面元素的操作或维护事件相关的额外信息以进行显示，如图6中所示。

图8示出了示例性图形用户界面，其提供了标记警报特征以进行显示。例如，如果警报信息可供系统用户访问，则还可提供可供显示的该警报的标记信息。在图8中的特定实例中，信息面板360包括识别特定类型的预测警报的一般信息362(例如，预测id：360-004-00)，预测警报的更详细说明364(例如，“左右手侧放气温度数据在飞行之前或最长巡航期间内为oor”)，以及与特定警报关联的任何标记336(例如，“稍后检测”标记368)。

图9示出了向用户提供可供显示的故障和警告特征的示例性图形用户界面。例如，用户界面370包括特定故障/警告372的详细清单，故障/警告372发生的对应日期374，以及每个故障/警告372旁边的切换选项376。切换选项376对应于用户可选的界面元素，例如可选择/撤销选择的图标或者可选中/取消选中的框。切换选项376的用户选择或取消选择可使得用户能够手动将故障/警告372标记成与目前正在用户界面370内查看以进行特征化的当前警报相关或不相关。可提供类似的切换选项特征，以标记维护缺陷和相关操作。

图10示出了向用户提供可供显示的特征化面板特征，作为配置成标记编辑器的一部分的标记编辑器用户界面380的一部分的示例性图形用户界面。通常，标记编辑器用户界面380可使得用户能够对特定数据实体添加或编辑标记或关系。例如，图10中的用户界面380示出了与“放弃温度差异oor”的警报381对应的特定数据实体的标记编辑器。图10中的标记编辑器界面还可以配置成从“故障和警告”面板内、“维护”面板以及系统内的其他数据实体的信息面板的行访问。可在“标记”界面显示部分382中提供可供显示的现有标记，例如“稍后检测”标记383。可在“关系”界面显示部分384中提供可供显示的现有关系，例如“检测到故障”关系385。可通过选择指向“添加新标记”的界面链接386来添加新标记。可通过选择指向“添加新关系”的界面链接387来添加新关系。可使用特征化面板388来编辑或删除现有标记和关系，该特征化面板对应于可重复使用的弹出式界面组件，该界面组件可通过各种用户选择方法访问，包括按钮，上下文单击(例如，右键单击)等。特征化面板388可包括用于编辑特定标记或关系的“编辑”界面链接，以及用于删除特定标记或关系的“删除”界面链接。

图11示出了提供新标记类型创建特征新标记类型创建特征的示例性图形用户界面390，例如，例如可通过选择图10中的“添加新标记”界面链接386访问。新标记类型创建界面390可包括用于提供新标记名称的文本输入的“名称”字段391，用于使用新标记类型识别需要在父层次结构关系中定义的数据实体的“父实体”字段392，用于使用新标记类型识别需要在子层次结构关系中定义的数据实体的“子实体”字段393、用于定义关联父到子关系的显示标准的“父到子显示”字段394，以及用于定义关联子到父关系的显示标准的“子到父显示”字段395。

图12-14示出了用于实施本说明书中公开的各种方法的特征和方面的对应流程图。具体来说，参见图12，关联多个数据流的方法(400)包括提供(402)来自多个资产相关数据流的数据的一个或多个部分，作为自然语言处理算法的输入文本。在一些实例中，(402)中提供的资产相关数据流可来自asn数据库102或其他数据库来源，并且自然语言处理算法可对应于图1中的自然语言处理算法116。可在(404)识别(402)中提供的资产相关数据流内的一个或多个数据实体。在一些实例中，(404)中的数据实体识别可通过自然语言处理算法116实现，例如，通过命名实体识别操作120实现。可在(406)中识别在(404)中识别的数据实体之间的一个或多个关系。在一些实例中，(406)中的关系识别可通过自然语言处理算法116实现，例如，通过共指消解操作122和/或关系提取操作124实现。

现在仍然参见图12，可在(408)中生成一个或多个处理规则，以将信息应用到在(404)内识别的资产相关数据流内的数据实体。(408)中生成的处理规则可包括用于将一个或多个关键字与(404)中识别于资产相关数据流内的一个或多个数据实体相关联的标记规则。(408)中生成的处理规则可附加地或替代地包括关系规则，其用于识别在(404)中识别于资产相关数据流内的两个或更多个数据实体之间的关系。在一些实例中，(408)中生成的标记规则和/或关系规则可作为业务规则处理算法128的一部分实施，例如，在图1中的关系规则应用程序130和标记规则应用程序132中。可在(408)中，生成标记规则和/或关系规则，作为基于规则的引擎148的一部分，以实施图2中所示的机器学习训练回路。在(410)中，可将(408)中生成的一个或多个处理规则作为统计模型的一部分进行存储，以用于评估资产相关数据的后续部分。在(410)中存储的统计模型可作为图1中的数据标记和关联系统100或asn数据库102，或者图3中的处理规则和算法212的一部分进行存储。

现在仍然参阅图12，特征(412-416)通常涉及与所公开的与用户输入的并入相关的数据标记和关联系统和方法的各个方面。在可(412)中接收用于标记来自多个资产相关数据流的数据的一个或多个部分的用户指令。用户指令可接收自图2中所示的用户界面156，或者本说明书中所公开的其他任何用户输入特征。在(414)中，可将根据在(412)中接收的用户指令标记的数据的一个或多个部分作为输入提供给统计模型。图2图示了用户标记数据如何能够最终作为在158中提取的标注训练数据集的一部分，用于在基于规则的引擎148内更新统计模型。在(416)中，可从在(412)中依据用户指令标记的数据的一个或多个部分生成一个或多个额外的或更新的处理规则。在(416)中，可将这些额外的或更新的处理规则作为统计模型的一部分进行存储。在(416)中，可将该等额外的或更新的处理规则作为图1中的数据标记和关联系统100或asn数据库102，或者图3中所示的处理规则和算法212的一部分进行存储。

图12中的方法(400)将重点集中在统计模型的训练，包括生成该等模型的处理规则以在之后可用于处理后续的数据流，而图13则涉及统计模型已经完成训练之后的后续数据处理。因此，方法(420)包括接收(422)来自多个资产相关数据流的数据的一个或多个部分。在一些实例中，在(422)中接收的数据可来自asn数据库102或其他数据库来源。随后在(424)中，访问定义一个或多个数据实体以及用于将信息应用到数据实体的一个或多个处理规则的统计模型。在(424)中访问的统计模型可以是图1中的数据标记和关联系统100、其所选部分和/或系统100访问的库和数据库的一部分，油漆包括但不限于自然语言处理算法116和业务规则处理算法128。一个或多个数据实体(例如，飞行器系统和子系统、零件编号和名称、飞行器机尾编号、航空缩写词、任务编号、操作、问题、故障、警报、警告等)(426)中的数据实体的识别可在自然语言处理算法116内进行。可在(428)中，向(426)中识别的一个或多个数据实体标记一个或多个关键字。在一些实例中，在(428)中的关键字标记是标记规则应用程序132的一部分。在(430)中，可识别并且定义所识别的数据实体之间的一个或多个关系，例如可作为关系规则应用程序130的一部分实施。在(432)中，可提供一个或多个已识别数据实体，一个或多个标记的关键字以及/或者一个或多个所识别的关系以向用户显示，并且/或者用于基于所生成的输出而执行维护操作。这些项可提供以用于显示在用户界面156上，或者图6-11中分别示出的任何示例性用户界面中。在一些实例中，方法(420)的效果在使用(424)中访问的一个或多个处理规则对(422)中接收的数据的一个或多个部分进行评估，以生成输出并且至少部分基于该输出，包括一个或多个已识别的数据实体以及标记到所述一个或多个已识别数据实体的一个或多个关键字执行维护操作。

现在仍然参阅图14，其中示出了用于诸如飞行器等多个资产的汇总维护数据的示例性显像方法(440)。尽管方法(440)在飞行器和飞行器相关数据的特定上下文中予以说明，但是应了解，类似方法可用于其他资产或资产群。可在(442)中，从多个飞行器中识别一个或多个飞行器。例如，如图6和7中所示，可通过机尾编号来识别所选的飞行器集，以确定和显示汇总数据。可在(444)中访问来自多个飞行器相关数据流的数据的一个或多个部分。在(444)中访问的数据可来自asn数据库102或者其他数据位置。飞行器相关数据流可包括每个所选飞行器的至少一个维护数据流，以便于对一个或多个维护事件进行后续识别。

现在仍然参阅图14，可在(446)中，从飞行器相关数据流识别一个或多个操作事件(例如，飞行器飞行)以及一个或多个维护事件(例如，维护缺陷/操作，飞行器缺陷/警告、飞行器警报等)。在一些实例中，可通过预配置的数据处理算法来实现操作事件和/或维护事件的识别，所述预配置的数据处理算法配置成分析飞行器相关数据。在一些实例中，操作事件和/或维护事件的识别方法是向由机器学习过程训练的统计模型提供数据，以基于数据特性的特定识别来识别维护和操作事件。在该等实例中，所识别的操作事件和/或维护事件可被识别成统计模型的输出。

在(448)中，可提供在(446)中识别的操作事件和维护事件中的一个或多个事件以用于显示。可以以图表的格式，例如甘特图，来跟踪每个所选飞行器在一定时间段中的事件。该等图表的实例如图6中的第一“故障和警告”界面部分322或者图7中的更具体用户界面330中所示。在图7中的实例中，操作事件被图示成沿线性时问线的条，而维护时间被图示成沿同一线性时间线的用户可选图标。在一些更具体的实例中，可在(450)中接收指示(448)中提供的可供显示的操作事件或维护事件中的一者的选择的用户指令。之后，(450)中接收的该等指令可触发之后在(452)中提供与对应于所选界面元素的操作事件或维护事件相关的额外信息以用于显示。在一些实例中，可至少部分基于(446)中识别的一个或多个操作事件和维护事件来对飞行器执行维护操作。

尽管各个实施例的具体特征可能在一些附图中图示而并未在另一些附图中示出，但这仅仅是为了便于说明。根据本发明的原则，附图的任何特征可与任何其他附图的任何特征参考和/或提出权利要求。

本说明书使用了多个实例来公开本发明，包括最佳模式，同时还使得所属领域中的任何普通技术人员能够实践本发明，包括制造和使用任何装置或系统并且执行所包含的任何方法。本发明的可授予专利的范围由权利要求书界定，并且可包括所属领域中的技术人员得出的其他实例。如果任何其他实例的结构要素与权利要求书的字面意义无差别，或如果此类实例包括的等效结构要素与权利要求书的字面意义无实质差别，则此类实例也在权利要求书的范围内。