CN110019364A - 数据分析方法及设备 - Google Patents
数据分析方法及设备 Download PDFInfo
- Publication number
- CN110019364A CN110019364A CN201711387476.5A CN201711387476A CN110019364A CN 110019364 A CN110019364 A CN 110019364A CN 201711387476 A CN201711387476 A CN 201711387476A CN 110019364 A CN110019364 A CN 110019364A
- Authority
- CN
- China
- Prior art keywords
- entry
- template
- input
- input entry
- analyzed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
- G06F16/24566—Recursive queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的目的是提供一种数据分析方法及设备,本发明能够将所述待分析输入条目与所述知识库中的推导方法进行匹配,基于推理逻辑,更快速的获得所需要的结果,可以应用于各个领域提供模拟专家判断的决策系统,给予相关的判断选项与决策信息,提高相关专家决策准确性,减少其不必要重复决策,减少错误决策所造成的损失,提供更高价值的经济效能,本发明的设置更改灵活,更便于维护。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种数据分析方法及设备。
背景技术
专家的决策与管理是人工智能研究领域的一部分,通过历史数据及以往相关方面的资料,用计算机模拟专家的智能行为,来构建知识库逻辑推理系统,求解需要专家经验的一些重大问题,让计算机代替专家来进行重复的决策工作,是当今信息时代智能化的一个重要标志。
以往的某些专业性决策,都是需要配合相关专家的具体经验进行相关分析来做出最后决策。但是,由于如今整体环境变化过快,相关决策的判断来不及更改,所处的环境就发生了变化。所掌握的信息有限无法提供决策者足够的信息用以分析,各项信息的快速来往变化导致了彼此之间产生了较大的差异,因此,仅仅凭借专家的经验知识来进行分析,常常会出现决策失误的问题。另一方面,对于这些专业性的决策,只要具备相关专家经验与知识即可做出判断,但是到了如今信息化时代,很多的分析决策是重复性的,相关专家花费了过多的时间去进行重复劳动,从而降低了工作效率,导致研究瓶颈无法突破。然而在当今时代,各项信息快速变化,呈现多倍增长,专业性的决策与更高效工作则显得尤为重要。
发明内容
本发明的一个目的是提供一种数据分析方法及设备,能够提高相关专家决策准确性,减少其不必要重复决策。
根据本发明的一个方面,提供了一种数据分析方法,该方法包括:
获取模版输入条目和对应于所述模版输出条目的模版输出条目;
生成所述模版输入条目和模版输出条目的对应关系;
判断所述对应关系中的模版输入条目是否满足预设的约束条件,
若满足,将所述对应关系作为推导方法存储入知识库;
获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
进一步的,上述方法中,将所述待分析输入条目与所述知识库中的推导方法进行匹配,包括:
判断所述待分析输入条目是否满足预设的约束条件,
若满足,将所述待分析输入条目与所述知识库中的推导方法进行匹配。
进一步的,上述方法中,判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件,包括:
判断所述对应关系中的模版输入条目或待分析输入条目的数值范围是否满足预设范围;和/或
判断所述对应关系中的模版输入条目或待分析输入条目的数据类型是否满足预设类型。
进一步的,上述方法中,判断所述对应关系中的模版输入条目是否满足预设的约束条件之前,还包括:
对所述预设的约束条件进行检查和修正。
进一步的,上述方法中,判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件之后,还包括:
若不满足所述预设的约束条件,则显示模版输入条目或待分析输入条目错误的提示信息。
进一步的,上述方法中,判断是否有匹配一致的推导方法,若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出,包括:
步骤一,判断本一轮匹配中是否有匹配一致的推导方法,若有,执行步骤二,若无,执行步骤三,
步骤二,获取本一轮匹配的匹配一致的推导方法中的模版输出条目,将本一轮匹配的模版输出条目作为下一轮匹配的待分析输入条目后,重新从步骤一开始执行;
步骤三,判断上一轮匹配中是否有模版输出条目,若有,将上一轮匹配中的模版输出条目作为分析决策结果进行输出。
进一步的,上述方法中,每一推导方法包括所述输入条目与所述输出条目之间为一一对应的映射关系,一个输入条目只与一个输出条目建立一一对应的映射关系,一个输出条目分别与一个或多个输入条目建立一一对应的映射关系。
根据本发明的另一方面,还提供了一种数据分析设备,该设备包括:生成装置,用于获取模版输入条目和对应于所述模版输出条目的模版输出条目,生成所述模版输入条目和模版输出条目的对应关系;
判断装置,用于判断所述对应关系中的模版输入条目是否满足预设的约束条件,若满足,将所述对应关系作为推导方法存储入知识库;获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
进一步的,上述设备中,所述判断装置,用于判断所述待分析输入条目是否满足预设的约束条件,若满足,将所述待分析输入条目与所述知识库中的推导方法进行匹配。
进一步的,上述设备中,所述判断装置,用于判断所述对应关系中的模版输入条目或待分析输入条目的数值范围是否满足预设范围;和/或判断所述对应关系中的模版输入条目或待分析输入条目的数据类型是否满足预设类型。
进一步的,上述设备中,所述判断装置,用于在判断所述对应关系中的模版输入条目是否满足预设的约束条件之前,对所述预设的约束条件进行检查和修正。
进一步的,上述设备中,所述判断装置,用于判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件之,若不满足所述预设的约束条件,则显示模版输入条目或待分析输入条目错误的提示信息。
进一步的,上述设备中,所述判断装置,包括:
判断模块,用于判断本一轮匹配中是否有匹配一致的推导方法,若有,执行迭代模块,若无,执行输出模块,
迭代模块,用于获取本一轮匹配的匹配一致的推导方法中的模版输出条目,将本一轮匹配的模版输出条目作为下一轮匹配的待分析输入条目后,重新执行判断模块;
输出模块,用于判断上一轮匹配中是否有模版输出条目,若有,将上一轮匹配中的模版输出条目作为分析决策结果进行输出。
进一步的,上述设备中,每一推导方法包括所述输入条目与所述输出条目之间为一一对应的映射关系,一个输入条目只与一个输出条目建立一一对应的映射关系,一个输出条目分别与一个或多个输入条目建立一一对应的映射关系。
根据本发明的另一面,还提供一种基于计算的设备,其中,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取模版输入条目和对应于所述模版输出条目的模版输出条目;
生成所述模版输入条目和模版输出条目的对应关系;
判断所述对应关系中的模版输入条目是否满足预设的约束条件,
若满足,将所述对应关系作为推导方法存储入知识库;
获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
根据本发明的另一面,还提供一种计算机可读存储介质,其上存储有计算机可执行指令,其中,该计算机可执行指令被处理器执行时使得该处理器:
获取模版输入条目和对应于所述模版输出条目的模版输出条目;
生成所述模版输入条目和模版输出条目的对应关系;
判断所述对应关系中的模版输入条目是否满足预设的约束条件,
若满足,将所述对应关系作为推导方法存储入知识库;
获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
与现有技术相比,本发明能够将所述待分析输入条目与所述知识库中的推导方法进行匹配,基于推理逻辑,更快速的获得所需要的结果,可以应用于各个领域提供模拟专家判断的决策系统,给予相关的判断选项与决策信息,提高相关专家决策准确性,减少其不必要重复决策,减少错误决策所造成的损失,提供更高价值的经济效能,本发明的设置更改灵活,更便于维护。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出根据本发明一实施例的一种数据分析方法的流程图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
如图1所示,本发明提供一种数据分析方法,包括:
步骤S1,获取模版输入条目和对应于所述模版输出条目的模版输出条目;
在此,如图1所示,可以根据需求创建模版输入及模版输入条目和对应的模版输出及模版输出条目,其中,模版输入是指外部所有的输入,模版输入条目是指将输入拆分开来后独立的各个条目;模版输出条目与模版输入条目类似,指与模版输入条目对应的输出拆分开来后得到的各个条目;
步骤S2,生成模版输入条目和模版输出条目的对应关系;
在此,可以将模版输入条目(例如A、B)及模版输出条目(例如C、D)分别添加到各自对应的列表,一个模版输入条目列表(例如,A&B)里包含多个关联的模版输入条目(例如A、B),一个模版输出条目列表(例如,C&D)里包含多个关联的模版输出条目(例如C、D),然后生成模版输入条目列表和模版输出条目列表的对应关系;
根据模版输入条目名称及所对应的内容和模版输出条目名称及所对应的内容之间的对应关系创建推导方法,模版输入条目名称可以是指上例A或B的名称,所对应的内容是指A或B所关联的具体有数值的数据,对应关系即为推导方法,根据相关专家的经验可以通过该输入条目列表得到该输出条目列表,为了便于查询,可以将多个具有不同模版输入条目、相同模版输出条目的推导方法归入同一个推导规则;
一实施例中,条目的所有内容可以包括:条目的名字、条目的数据类型、条目的引用对象即条目所代表的数据、条目的成员名字即条目内的各个属性、条目的父对象即条目的从属条目、条目是否可以修改的布尔值、条目的最大值及最小值;
所述模版输入条目与模版输出条目可以均是基于专家对世界的认知,将复杂事物简单化后经综合汇整成的数据内容,成为可以支撑知识库内相关事物逻辑分析的知识主题内容,进行实质性的逻辑推论与决策判断,亦即推理语句(A&B=>C&D)
步骤S3,判断所述对应关系中的模版输入条目是否满足预设的约束条件,
在此,对于用户在使用系统时可能会产生输入错误,所述推理方法内的模版输入条目列表需要在约束条件的数据检查符合范围及数据类型通过后才可以用于推理方法,约束条件是指输入条目的数据所在的一个约束范围(形如5<A<10),数据类型是指条目的数据是空值、单值、范围值、离散值等,可以规定,需要约束条件中的两者(约束范围及数据类型)皆通过才可以用于推导方法,若输入错误则需要重复进行模版输入条目的输入操作,直到符合约束条件为止;
若满足,步骤S4,将所述对应关系作为推导方法存储入知识库;
在此,可以将模版输入条目及模版输出条目按指定格式创建推导方法,指定格式是指形如A&B=>C&D的形式(A&B为输入,A、B为输入条目,输出同理),这种形式所产生的语句(A&B=>C&D)即推导方法;
可以为约束条件创建对应的约束方法,约束方法是指多个约束条件的集合,进而通过约束方法对模版输入条目进行数据检查,数据检查指将输入中的所有输入条目逐个通过约束方法进行校核;检查通过后将涵盖多个推导方法的推导规则加入知识库,知识库指存放推导方法的集合即模拟专家的知识;
可以对模版输入条目列表中的每个输入条目进行判断检验其是否符合约束条件,若符合则返回一个真值,否则返回假值;
知识库是推导方法的集合,集合中有表示推导规则的语句,这些语句用知识表示语言表达,形如(A&B=>C&D),表达了关于事实的某些断言,事实例如今天下雨、今天打伞,是真实事件;断言是指根据专家经验所分析得到的结果,据上例则为今天下雨导致今天打伞,是将具有联系多个事实关联起来的推理语句;
所述知识库可以包括结合数学逻辑算法把相关专家的基础学习认知与相关事物经验的认识进行总结的推导方法,亦即存在于知识库中的多个推理语句;
推导方法的推理过程是从输入条目匹配输出条目,这两者都需要在输入时就事先给定,例如,创建输入条目及输出条目的过程:
ESParContainer ParIn_1=new ESParContainer();
ParIn_1.Name=″a″;
ESParContainer ParIn_2=new ESParContainer();
ParIn_2.Name=″b″;
ESParContainer ParIn_3=new ESParContainer();
ParIn_3.Name=″c″;//ParIn为输入
ESParContainer ParOut_1=new ESParContainer();
ParOut_1.Name=″d″;//ParOut为输出
ESParContainer ParOut_2=new ESParContainer();
ParOut_2.Name=″e″;
步骤S5,获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
在此,用户将需要分析的输入条目输入知识库,其内部进行推理分析匹配,最后得到分析结果输出;
若有,步骤S6,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
本发明能够基于推理逻辑,更快速的获得所需要的结果,可以应用于各个领域提供模拟专家判断的决策系统,给予相关的判断选项与决策信息,提高相关专家决策准确性,减少其不必要重复决策,减少错误决策所造成的损失,提供更高价值的经济效能,本发明的设置更改灵活,更便于维护。
本发明的数据分析方法一实施例中,将所述待分析输入条目与所述知识库中的推导方法进行匹配,包括:
判断所述待分析输入条目是否满足预设的约束条件,
若满足,将所述待分析输入条目与所述知识库中的推导方法进行匹配。
在此,对于用户在使用系统时可能会产生输入错误,若待分析输入条目错误,则需要重复进行待分析输入条目的输入操作,直到符合约束条件为止。
若所述待分析输入条目不满足预设的约束条件,后续就没有必要将所述待分析输入条目与所述知识库中的推导方法进行匹配,本实施例通过先判断所述待分析输入条目是否满足预设的约束条件,可以避免后续无效匹配的计算量。
在使用时可以通过输入符合约束条件的待分析输入条目,通过专家系统中知识库的推理,来获得符合条件的结果。
本发明的数据分析方法一实施例中,判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件,包括:
判断所述对应关系中的模版输入条目或待分析输入条目的数值范围是否满足预设范围;和/或
判断所述对应关系中的模版输入条目或待分析输入条目的数据类型是否满足预设类型。
在此,对于输入条目和输出条目的数据类型,包括:空值、单值、范围值、离散值。空值指条目的值为空,形如A=Null;单值指条目的值为单一的值,形如A=5;范围值指条目的值处于一个范围之中,形如0<A<5;离散值指条目的值为多个不同的值,形如A={0,5,13}。
本发明的数据分析方法一实施例中,判断所述对应关系中的模版输入条目是否满足预设的约束条件之前,还包括:
对所述预设的约束条件进行检查和修正。
在此,可以通过建立约束条件试验运用-数据检查-约束条件错误修正-约束条件继续试验运用,来不断完善约束条件,以此将由所述约束条件检验通过的输入条目列表及输出条目列表所产生的推理方法加入知识库,获得愈加准确的知识库。
本发明的数据分析方法一实施例中,判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件之后,还包括:
若不满足所述预设的约束条件,则显示模版输入条目或待分析输入条目错误的提示信息。
在此,在约束条件检查输入条目列表时,若发生数据错误,则需要添加自定义错误信息,自定义错误信息是指表示用户输入时所产生错误的描述,对错误原因进行反馈,反馈是指将错误信息显示给用户,用户得以明白自己的错误点。例如添加输入参数异常:
Constraint.ExceptionInfo=″InputArgumentsError″。
本发明的数据分析方法一实施例中,判断是否有匹配一致的推导方法,若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出,包括:
步骤一,判断本一轮匹配中是否有匹配一致的推导方法,若有,执行步骤二,若无,执行步骤三,
步骤二,获取本一轮匹配的匹配一致的推导方法中的模版输出条目,将本一轮匹配的模版输出条目作为下一轮匹配的待分析输入条目后,重新从步骤一开始执行;
步骤三,判断上一轮匹配中是否有模版输出条目,若有,将上一轮匹配中的模版输出条目作为分析决策结果进行输出。
在此,在知识库创建完成后,后续用户在输入待分析输入条目后,可以不断在知识库语句中进行匹配,得出相应的输出,然后将上一轮匹配的输出,作为本一轮匹配的输入,运用递归迭代,不断的在知识库中匹配,直到没有相应的匹配项则退出,得到最后的结果,实现一个不断循环获得最为恰当匹配项的过程。
推导方法的判定是基于输入条目列表及输出条目列表,判定是指输入条目列表及输出条目列表符合推理方法内的数理逻辑,如果判定通过,则返回一个真值表示通过,可以继续递归迭代,否则返回一个假值表示未通过,停止递归迭代,输出最终的结果,例如:
本发明的数据分析方法一实施例中,每一推导方法包括所述输入条目与所述输出条目之间为一一对应的映射关系,一个输入条目只与一个输出条目建立一一对应的映射关系,一个输出条目分别与一个或多个输入条目建立一一对应的映射关系,即同一个输入条目只存在于一个推导方法中,同一个输出条目存在于一个或多个推导方法中。
在此,在输入条目列表与输出条目列表之间,存在一一对应的映射关系,一个输入条目列表有且仅有一个输出条目列表与之对应,亦即根据相关专家的经验可以通过该输入条目列表得到该输出条目列表,则表示相互对应。
一个推理规则内可包含一个或多个推理方法,多个具有不同输入但具有相同输出的推理方法可归于一个推导规则内,一个推导规则内的推导方法是用于推导一种类型的输出情况;多个输入条目列表可对应于一个输出条目列表,但是不存在一对多的关系,一个输入条目列表仅对应于一个输出条目列表,亦即用户在多种不同的输入情况下会得到相同的输出,但是不存在输入一种情况得到多种不同的输出。
本发明还提供一种数据分析设备,包括:
生成装置,用于获取模版输入条目和对应于所述模版输出条目的模版输出条目,生成所述模版输入条目和模版输出条目的对应关系;
判断装置,用于判断所述对应关系中的模版输入条目是否满足预设的约束条件,若满足,将所述对应关系作为推导方法存储入知识库;获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
本发明一实施例的数据分析设备中,所述判断装置,用于判断所述待分析输入条目是否满足预设的约束条件,若满足,将所述待分析输入条目与所述知识库中的推导方法进行匹配。
本发明一实施例的数据分析设备中,所述判断装置,用于判断所述对应关系中的模版输入条目或待分析输入条目的数值范围是否满足预设范围;和/或判断所述对应关系中的模版输入条目或待分析输入条目的数据类型是否满足预设类型。
本发明一实施例的数据分析设备中,所述判断装置,用于在判断所述对应关系中的模版输入条目是否满足预设的约束条件之前,对所述预设的约束条件进行检查和修正。
本发明一实施例的数据分析设备中,所述判断装置,用于判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件之,若不满足所述预设的约束条件,则显示模版输入条目或待分析输入条目错误的提示信息。
本发明一实施例的数据分析设备中,所述判断装置,包括:
判断模块,用于判断本一轮匹配中是否有匹配一致的推导方法,若有,执行迭代模块,若无,执行输出模块,
迭代模块,用于获取本一轮匹配的匹配一致的推导方法中的模版输出条目,将本一轮匹配的模版输出条目作为下一轮匹配的待分析输入条目后,重新执行判断模块;
输出模块,用于判断上一轮匹配中是否有模版输出条目,若有,将上一轮匹配中的模版输出条目作为分析决策结果进行输出。
本发明一实施例的数据分析设备中,每一推导方法包括所述输入条目与所述输出条目之间为一一对应的映射关系,一个输入条目只与一个输出条目建立一一对应的映射关系,一个输出条目分别与一个或多个输入条目建立一一对应的映射关系。
根据本发明的另一面,还提供一种基于计算的设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取模版输入条目和对应于所述模版输出条目的模版输出条目;
生成所述模版输入条目和模版输出条目的对应关系;
判断所述对应关系中的模版输入条目是否满足预设的约束条件,
若满足,将所述对应关系作为推导方法存储入知识库;
获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
根据本发明的另一面,还提供一种计算机可读存储介质,其上存储有计算机可执行指令,其中,该计算机可执行指令被处理器执行时使得该处理器:
获取模版输入条目和对应于所述模版输出条目的模版输出条目;
生成所述模版输入条目和模版输出条目的对应关系;
判断所述对应关系中的模版输入条目是否满足预设的约束条件,
若满足,将所述对应关系作为推导方法存储入知识库;
获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
本发明的设备和计算机可读存储介质的详细内容,具体可参见方法各实施例的详细内容,在此,不再赘述。
本发明能够将所述待分析输入条目与所述知识库中的推导方法进行匹配,基于推理逻辑,更快速的获得所需要的结果,可以应用于各个领域提供模拟专家判断的决策系统,给予相关的判断选项与决策信息,提高相关专家决策准确性,减少其不必要重复决策,减少错误决策所造成的损失,提供更高价值的经济效能,本发明的设置更改灵活,更便于维护。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
需要注意的是,本发明可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本发明的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本发明的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本发明的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (16)
1.一种数据分析方法,其中,该方法包括:
获取模版输入条目和对应于所述模版输出条目的模版输出条目;
生成所述模版输入条目和模版输出条目的对应关系;
判断所述对应关系中的模版输入条目是否满足预设的约束条件,
若满足,将所述对应关系作为推导方法存储入知识库;
获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
2.根据权利要求1所述的方法,其中,将所述待分析输入条目与所述知识库中的推导方法进行匹配,包括:
判断所述待分析输入条目是否满足预设的约束条件,
若满足,将所述待分析输入条目与所述知识库中的推导方法进行匹配。
3.根据权利要求1所述的方法,其中,判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件,包括:
判断所述对应关系中的模版输入条目或待分析输入条目的数值范围是否满足预设范围;和/或
判断所述对应关系中的模版输入条目或待分析输入条目的数据类型是否满足预设类型。
4.根据权利要求1所述的方法,其中,判断所述对应关系中的模版输入条目是否满足预设的约束条件之前,还包括:
对所述预设的约束条件进行检查和修正。
5.根据权利要求1所述的方法,其中,判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件之后,还包括:
若不满足所述预设的约束条件,则显示模版输入条目或待分析输入条目错误的提示信息。
6.根据权利要求1所述的方法,其中,判断是否有匹配一致的推导方法,若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出,包括:
步骤一,判断本一轮匹配中是否有匹配一致的推导方法,若有,执行步骤二,若无,执行步骤三,
步骤二,获取本一轮匹配的匹配一致的推导方法中的模版输出条目,将本一轮匹配的模版输出条目作为下一轮匹配的待分析输入条目后,重新从步骤一开始执行;
步骤三,判断上一轮匹配中是否有模版输出条目,若有,将上一轮匹配中的模版输出条目作为分析决策结果进行输出。
7.根据权利要求1至6任一项所述的方法,其中,每一推导方法包括所述输入条目与所述输出条目之间为一一对应的映射关系,一个输入条目只与一个输出条目建立一一对应的映射关系,一个输出条目分别与一个或多个输入条目建立一一对应的映射关系。
8.一种数据分析设备,其中,该设备包括:
生成装置,用于获取模版输入条目和对应于所述模版输出条目的模版输出条目,生成所述模版输入条目和模版输出条目的对应关系;
判断装置,用于判断所述对应关系中的模版输入条目是否满足预设的约束条件,若满足,将所述对应关系作为推导方法存储入知识库;获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
9.根据权利要求8所述的设备,其中,所述判断装置,用于判断所述待分析输入条目是否满足预设的约束条件,若满足,将所述待分析输入条目与所述知识库中的推导方法进行匹配。
10.根据权利要求8所述的设备,其中,所述判断装置,用于判断所述对应关系中的模版输入条目或待分析输入条目的数值范围是否满足预设范围;和/或判断所述对应关系中的模版输入条目或待分析输入条目的数据类型是否满足预设类型。
11.根据权利要求8所述的设备,其中,所述判断装置,用于在判断所述对应关系中的模版输入条目是否满足预设的约束条件之前,对所述预设的约束条件进行检查和修正。
12.根据权利要求8所述的设备,其中,所述判断装置,用于判断所述对应关系中的模版输入条目或待分析输入条目是否满足预设的约束条件之,若不满足所述预设的约束条件,则显示模版输入条目或待分析输入条目错误的提示信息。
13.根据权利要求1所述的设备,其中,所述判断装置,包括:
判断模块,用于判断本一轮匹配中是否有匹配一致的推导方法,若有,执行迭代模块,若无,执行输出模块,
迭代模块,用于获取本一轮匹配的匹配一致的推导方法中的模版输出条目,将本一轮匹配的模版输出条目作为下一轮匹配的待分析输入条目后,重新执行判断模块;
输出模块,用于判断上一轮匹配中是否有模版输出条目,若有,将上一轮匹配中的模版输出条目作为分析决策结果进行输出。
14.根据权利要求8至13任一项所述的设备,其中,每一推导方法包括所述输入条目与所述输出条目之间为一一对应的映射关系,一个输入条目只与一个输出条目建立一一对应的映射关系,一个输出条目分别与一个或多个输入条目建立一一对应的映射关系。
15.一种基于计算的设备,其中,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取模版输入条目和对应于所述模版输出条目的模版输出条目;
生成所述模版输入条目和模版输出条目的对应关系;
判断所述对应关系中的模版输入条目是否满足预设的约束条件,
若满足,将所述对应关系作为推导方法存储入知识库;
获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
16.一种计算机可读存储介质,其上存储有计算机可执行指令,其中,该计算机可执行指令被处理器执行时使得该处理器:
获取模版输入条目和对应于所述模版输出条目的模版输出条目;
生成所述模版输入条目和模版输出条目的对应关系;
判断所述对应关系中的模版输入条目是否满足预设的约束条件,
若满足,将所述对应关系作为推导方法存储入知识库;
获取待分析输入条目,将所述待分析输入条目与所述知识库中的推导方法进行匹配,判断是否有匹配一致的推导方法,
若有,则将匹配一致的推导方法中的模版输出条目作为分析决策结果进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711387476.5A CN110019364A (zh) | 2017-12-20 | 2017-12-20 | 数据分析方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711387476.5A CN110019364A (zh) | 2017-12-20 | 2017-12-20 | 数据分析方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110019364A true CN110019364A (zh) | 2019-07-16 |
Family
ID=67187029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711387476.5A Pending CN110019364A (zh) | 2017-12-20 | 2017-12-20 | 数据分析方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110019364A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1052698A (zh) * | 1989-12-21 | 1991-07-03 | 山西太原钢铁公司 | 专家系统在均热炉烧钢控制中应用 |
CN103092914A (zh) * | 2012-11-30 | 2013-05-08 | 南京航空航天大学 | 一种基于Weka软件的专家系统知识获取方法 |
CN104391921A (zh) * | 2014-11-19 | 2015-03-04 | 武汉大学 | 用于异构模型管理的地理空间决策元模型构建方法及系统 |
CN105096033A (zh) * | 2015-07-01 | 2015-11-25 | 北京京东尚科信息技术有限公司 | 一种提供决策信息的方法和装置 |
-
2017
- 2017-12-20 CN CN201711387476.5A patent/CN110019364A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1052698A (zh) * | 1989-12-21 | 1991-07-03 | 山西太原钢铁公司 | 专家系统在均热炉烧钢控制中应用 |
CN103092914A (zh) * | 2012-11-30 | 2013-05-08 | 南京航空航天大学 | 一种基于Weka软件的专家系统知识获取方法 |
CN104391921A (zh) * | 2014-11-19 | 2015-03-04 | 武汉大学 | 用于异构模型管理的地理空间决策元模型构建方法及系统 |
CN105096033A (zh) * | 2015-07-01 | 2015-11-25 | 北京京东尚科信息技术有限公司 | 一种提供决策信息的方法和装置 |
Non-Patent Citations (1)
Title |
---|
徐翔斌,周新建: "基于决策树和规则引擎的挖掘机液压故障诊断专家系统", 《液压与气动》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fatemi et al. | Talk like a graph: Encoding graphs for large language models | |
Beretta et al. | Learning the structure of Bayesian Networks: A quantitative assessment of the effect of different algorithmic schemes | |
CN104714931B (zh) | 用于选择用以代表表格式信息的方法和系统 | |
Gomes et al. | BERT-and TF-IDF-based feature extraction for long-lived bug prediction in FLOSS: a comparative study | |
EP3846034B1 (en) | Systems and methods for automated testing using artificial intelligence techniques | |
CN113158685A (zh) | 文本的语义预测方法、装置、计算机设备和存储介质 | |
JP2018097397A (ja) | ルールセットを選択可能な推論エンジンを有するプログラム、装置及び方法 | |
JP2016170636A (ja) | 接続関係推定装置、方法、及びプログラム | |
Xue et al. | Automatic generation and recommendation for API mashups | |
Schwier et al. | Zero knowledge hidden markov model inference | |
CN113806489A (zh) | 用于数据集创建的方法、电子设备和计算机程序产品 | |
US11640379B2 (en) | Metadata decomposition for graph transformation | |
CN114912458A (zh) | 一种情感分析方法、装置和计算机可读介质 | |
KR20220074430A (ko) | 뉴로 심볼릭 기반 릴레이션 임베딩을 통한 지식완성 방법 및 장치 | |
CN117273143A (zh) | 基于马尔可夫逻辑网络的时序知识图谱推理方法及系统 | |
WO2020044414A1 (ja) | 仮説推論装置、仮説推論方法、及びコンピュータ読み取り可能な記録媒体 | |
CN115391379B (zh) | 布尔可满足性问题解的搜索方法、装置、电子设备及介质 | |
JP7306432B2 (ja) | 情報処理方法、情報処理装置及びプログラム | |
CN110019364A (zh) | 数据分析方法及设备 | |
CN116561273A (zh) | 文本问题的解答方法、装置、电子设备及存储介质 | |
Rezvan et al. | An exact feature selection algorithm based on rough set theory | |
Sosík et al. | Computational power of cell separation in tissue P systems | |
Simari et al. | Parallel abductive query answering in probabilistic logic programs | |
Mishra et al. | Deep learning based continuous integration and continuous delivery software defect prediction with effective optimization strategy | |
Bergami | Fast Synthetic Data-Aware Log Generation for Temporal Declarative Models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |
|
RJ01 | Rejection of invention patent application after publication |