CN112199395A - 一种人工智能分析方法及系统 - Google Patents

一种人工智能分析方法及系统 Download PDF

Info

Publication number
CN112199395A
CN112199395A CN202011088798.1A CN202011088798A CN112199395A CN 112199395 A CN112199395 A CN 112199395A CN 202011088798 A CN202011088798 A CN 202011088798A CN 112199395 A CN112199395 A CN 112199395A
Authority
CN
China
Prior art keywords
data
artificial intelligence
events
intelligence analysis
analysis method
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.)
Withdrawn
Application number
CN202011088798.1A
Other languages
English (en)
Inventor
吴俊�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202011088798.1A priority Critical patent/CN112199395A/zh
Publication of CN112199395A publication Critical patent/CN112199395A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • G06F16/24568—Data stream processing; Continuous queries
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及人工智能技术领域，具体涉及一种人工智能分析方法及系统，包括以下步骤：S1通过人工智能获取行业大数据，并输送至数据库存储；S2将来源不同、类型不同的数据抽取出来，进行清洁、转换、集成；S3将处理后的数据加载到数据仓库或数据集市中，作为联机分析处理、数据挖掘的基础；S4基于事件流的技术将数据分为不同类型的事件，通过分析事件间的关系，建立不同的事件关系序列库；S5利用过滤、关联、聚合技术，由简单事件产生高级事件或商业流程；S6发现对组织是机会或威胁的重要事件，并最终对它们做出回应。本发明能够灵活使用设备信息系统，维持设备运行的稳定性，能够料学的处理数据信息的交换过程，提高设备络的运行质量和运行水平。

Description

一种人工智能分析方法及系统
技术领域
本发明涉及人工智能技术领域，具体涉及一种人工智能分析方法及系统。
背景技术
随着人们生活生产水平的大幅度提高，对科学技术也提出来更高的要求。近些年来，人工智能自身具有的便利性和智能性在各行各业中得到大范围的使用，人们对人工智能也给予了高度的重视，使其的发展道路得到扩延，更多的技术人员也相继加入到人工智能技术的探索和开发中，希望人工智能技术可以在各个领域应用中得到提升。在此基础上，计算机网络技术已经成熟，在其中应用人工智能技术能够提升计算机技术水平，人工智能技术的探索和创新的不断深入，使其在各行各业得到渗透，为人们带来更多的方便和快捷。
人工智能是一种先进的科学技术，在实际的应用时将其融入到机械设备中，能够强化机械设备的人工智能功能，如果遇到一些危险性较强或者技术含量较高的工作，通过融入人工智能的机械就能够代替人工来完成操作，这样可以保障工作人员的人身安全，同时也大大地提升了工作效率。人工智能在实际的应用中，操作人员会对设备作出指令，机械设备就可以通过模拟人类的形式来完成各项工作。但是，这种工作方式同自然智能相比依然存在一定的差异，所以人工智能在计算机发展期间也逐渐形成了核心技术，能够将计算机发展中的问题进行合理的改善和解决。
人工智能需要进行数据分析，因此对于如何提供一种高效率、稳定性高，准确性强的人工智能分析方法变得尤为重要。
发明内容
针对现有技术的不足，本发明公开了一种人工智能分析方法及系统，用于解决上述背景技术中存在的问题。
本发明通过以下技术方案予以实现：
第一方面，本发明公开了一种人工智能分析方法，所述方法包括以下步骤：
S1通过人工智能获取行业大数据，并输送至数据库存储；
S2将来源不同、类型不同的数据抽取出来，然后进行清洁、转换、集成；
S3将处理后的数据加载到数据仓库或数据集市中，作为联机分析处理、数据挖掘的基础；
S4基于事件流的技术将数据分为不同类型的事件，通过分析事件间的关系，建立不同的事件关系序列库；
S5利用过滤、关联、聚合等技术，由简单事件产生高级事件或商业流程；
S6发现对组织是机会或威胁的重要事件，并最终对它们尽快做出回应。
更进一步的，所述S1中，所述行业大数据包括交易数据、移动通信数据、人为数据、机器和传感器数据和非营利组织和企业免费提供的数据。
更进一步的，所述交易数据包括POS机数据、信用卡刷卡数据、电子商务数据、互联网点击数据、“企业资源规划”系统数据、销售系统数据、客户关系管理系统数据、公司的生产数据、库存数据、订单数据和供应链数据；
所述人为数据包括电子邮件、文档、图片、音频、视频，以及通过微信、博客、推特、维基、脸书、Linkedin等社交媒体产生的数据流。
更进一步的，所述S2中，数据清洁、转换和集成同步进行，所述数据清洁是数据工程师根据垃圾进、垃圾出的原则借助半自动化的工具人工处理转换和集成后不同来源的数据已成为一个整体，数据的表达是单一的、统一的。
更进一步的，所述S4中，在形成具体的分类标准或准则后，采用分类算法进行分类，其中分类包括训练和分类两个过程，并可不断循环实现增量学习。
更进一步的，所述方法使用关键绩效指标定义一组针对整个组织或一个业务单位、业务部门，或特定项目、具体员工的绩效定期测量的标准值，通过建立关键绩效指标，企业为其各部门界定“成功”的标准和一套明确的优先事项标准。
更进一步的，所述方法中，人工智能进行大数据的数据收集时，需要避免如下错误:
T1不加区别地收集数字信息，而没有收集模拟资料和自然人领域的资料;
T2缺乏分析模型来将注意力集中在重要信息上，发现缺口；
T3没有使所有大数据都有地理空间特征;
T4没有一个全面的分析框架，使所有语言的所有信息都在超大规模环境下工作。
第二方面，本发明公开了一种人工智能分析系统，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行第一方面所述人工智能分析方法的步骤。
本发明的有益效果为：
本发明使用人工智能能够将计算机发展中的问题进行合理的改善和解决，能够灵活使用设备信息系统，维持设备运行的稳定性，能够料学的处理数据信息的交换过程，提高设备络的运行质量和运行水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是一种人工智能分析方法原理步骤图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本实施例公开如图1所示的一种人工智能分析方法，包括以下步骤：
S1通过人工智能获取行业大数据，并输送至数据库存储；
S2将来源不同、类型不同的数据抽取出来，然后进行清洁、转换、集成；
S3将处理后的数据加载到数据仓库或数据集市中，作为联机分析处理、数据挖掘的基础；
S4基于事件流的技术将数据分为不同类型的事件，通过分析事件间的关系，建立不同的事件关系序列库；
S5利用过滤、关联、聚合等技术，由简单事件产生高级事件或商业流程；
S6发现对组织是机会或威胁的重要事件，并最终对它们尽快做出回应。
所述行业大数据包括交易数据、移动通信数据、人为数据、机器和传感器数据和非营利组织和企业免费提供的数据。
所述交易数据包括POS机数据、信用卡刷卡数据、电子商务数据、互联网点击数据、“企业资源规划”系统数据、销售系统数据、客户关系管理系统数据、公司的生产数据、库存数据、订单数据和供应链数据；
所述人为数据包括电子邮件、文档、图片、音频、视频，以及通过微信、博客、推特、维基、脸书、Linkedin等社交媒体产生的数据流。
数据清洁、转换和集成同步进行，所述数据清洁是数据工程师根据垃圾进、垃圾出的原则借助半自动化的工具人工处理转换和集成后不同来源的数据已成为一个整体，数据的表达是单一的、统一的。
在形成具体的分类标准或准则后，采用分类算法进行分类，其中分类包括训练和分类两个过程，并可不断循环实现增量学习。
本实施使用关键绩效指标定义一组针对整个组织或一个业务单位、业务部门，或特定项目、具体员工的绩效定期测量的标准值，通过建立关键绩效指标，企业为其各部门界定“成功”的标准和一套明确的优先事项标准。
本实施例使用人工智能能够将计算机发展中的问题进行合理的改善和解决，能够灵活使用设备信息系统，维持设备运行的稳定性，能够料学的处理数据信息的交换过程，提高设备络的运行质量和运行水平。
实施例2
本实施例公开人工智能进行大数据的数据收集时，需要避免如下错误:
T1不加区别地收集数字信息，而没有收集模拟资料和自然人领域的资料;
T2缺乏分析模型来将注意力集中在重要信息上，发现缺口；
T3没有使所有大数据都有地理空间特征;
T4没有一个全面的分析框架，使所有语言的所有信息都在超大规模环境下工作。
如果大数据分析涉及一个地区或城市的人口的情况，收集资料就需要了解获得的数据与有关总体的关系，以了解获得的数据有多大代表性，占总体数据的比重有多大，等等。
比如，一个机构有能力收集大量的微信数据，但这并不一定能代表了解一个地方整体居民的情况，因为使用微信的人再多，也只是所有的人里面的一部分，而不是“所有的人”。
同样的，互联网公司掌握的网民的数据再大，这些数据也只是一部分习惯上网的民众的数据，不一定能代表另一些没有上网习惯的人群的情况。因此，获得的任何大数据如果没有考虑样本的代表性，要根据这些数据做宏观决策就可能出现偏差。
实施例3
本实施例公开一种人工智能分析系统，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行人工智能分析方法的步骤。
综上，从计算机网络的角度出发，人工智能技术可以对计算机网络中的海量数据进行交换，一次保证数据信息的快速传递，将计算机网络系统呈现出动态发展趋势。引用人工智能技术能够灵活使用计算机信息系统，维持计算机网络运行的稳定性，能够科学是处理数据信息的交换过程，提高网络的运行质量和运行水平。
大数据时代涉及到很多数据类型，规模非常庞大，总容量也是海量级别。大数据的数据信息是非常真实的，真实性非常高，新型数据不断的增多，并且数据的更新速度非常快。
这对于提高计算机系统运行的安全性和有效性是非常有利的，能够保证数据处理方法不被存储工作所影响。最后，大数据信息规模非常庞大，传统的处理方式不再能够满足当前社会的发展需求，必须对处理系统和技术方式进行更新。
因此本发明的人工智能分析方法，使用人工智能能够将计算机发展中的问题进行合理的改善和解决，能够灵活使用设备信息系统，维持设备运行的稳定性，能够料学的处理数据信息的交换过程，提高设备络的运行质量和运行水平。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种人工智能分析方法，其特征在于，所述方法包括以下步骤：
S1通过人工智能获取行业大数据，并输送至数据库存储；
S2将来源不同、类型不同的数据抽取出来，然后进行清洁、转换和集成；
S3将处理后的数据加载到数据仓库或数据集市中，作为联机分析处理、数据挖掘的基础；
S4基于事件流的技术将数据分为不同类型的事件，通过分析事件间的关系，建立不同的事件关系序列库；
S5利用过滤、关联、聚合等技术，由简单事件产生高级事件或商业流程；
S6发现对组织是机会或威胁的重要事件，并最终对它们尽快做出回应。
2.根据权利要求1所述的人工智能分析方法，其特征在于，所述S1中，所述行业大数据包括交易数据、移动通信数据、人为数据、机器和传感器数据和非营利组织和企业免费提供的数据。
3.根据权利要求2所述的人工智能分析方法，其特征在于，所述交易数据包括POS机数据、信用卡刷卡数据、电子商务数据、互联网点击数据、“企业资源规划”系统数据、销售系统数据、客户关系管理系统数据、公司的生产数据、库存数据、订单数据和供应链数据；
所述人为数据包括电子邮件、文档、图片、音频、视频，以及通过微信、博客、推特、维基、脸书、Linkedin等社交媒体产生的数据流。
4.根据权利要求1所述的人工智能分析方法，其特征在于，所述S2中，数据清洁、转换和集成同步进行，所述数据清洁是数据工程师根据垃圾进、垃圾出的原则借助半自动化的工具人工处理转换和集成后不同来源的数据已成为一个整体，数据的表达是单一的、统一的。
5.根据权利要求1所述的人工智能分析方法，其特征在于，所述S4中，在形成具体的分类标准或准则后，采用分类算法进行分类，其中分类包括训练和分类两个过程，并可不断循环实现增量学习。
6.根据权利要求1所述的人工智能分析方法，其特征在于，所述方法使用关键绩效指标定义一组针对整个组织或一个业务单位、业务部门，或特定项目、具体员工的绩效定期测量的标准值，通过建立关键绩效指标，企业为其各部门界定“成功”的标准和一套明确的优先事项标准。
7.根据权利要求1所述的人工智能分析方法，其特征在于，所述方法中，人工智能进行大数据的数据收集时，需要避免如下错误:
T1不加区别地收集数字信息，而没有收集模拟资料和自然人领域的资料;
T2缺乏分析模型来将注意力集中在重要信息上，发现缺口；
T3没有使所有大数据都有地理空间特征;
T4没有一个全面的分析框架，使所有语言的所有信息都在超大规模环境下工作。
8.一种人工智能分析系统，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1-7中任一项所述人工智能分析方法的步骤。
CN202011088798.1A 2020-10-13 2020-10-13 一种人工智能分析方法及系统 Withdrawn CN112199395A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011088798.1A CN112199395A (zh) 2020-10-13 2020-10-13 一种人工智能分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011088798.1A CN112199395A (zh) 2020-10-13 2020-10-13 一种人工智能分析方法及系统

Publications (1)

Publication Number Publication Date
CN112199395A true CN112199395A (zh) 2021-01-08

Family

ID=74008785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011088798.1A Withdrawn CN112199395A (zh) 2020-10-13 2020-10-13 一种人工智能分析方法及系统

Country Status (1)

Country Link
CN (1) CN112199395A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112860675A (zh) * 2021-02-06 2021-05-28 高云 在线云服务环境下的大数据处理方法及云计算服务器
CN113315649A (zh) * 2021-04-21 2021-08-27 重庆科创职业学院 一种基于人工智能的通信数据采集方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112860675A (zh) * 2021-02-06 2021-05-28 高云 在线云服务环境下的大数据处理方法及云计算服务器
CN113315649A (zh) * 2021-04-21 2021-08-27 重庆科创职业学院 一种基于人工智能的通信数据采集方法

Similar Documents

Publication Publication Date Title
Wang et al. Industrial big data analytics: challenges, methodologies, and applications
US20070162482A1 (en) Method and system of using artifacts to identify elements of a component business model
US20130091342A1 (en) Tracing software execution of a business process
CN112199395A (zh) 一种人工智能分析方法及系统
CN116245670B (zh) 基于双标签模型处理财税数据的方法、装置、介质和设备
CN114461644A (zh) 一种数据采集方法、装置、电子设备及存储介质
Schuh et al. Creation of digital production twins for the optimization of value creation in single and small batch production
Chipriyanova et al. Technological aspects of accounting automation system as a decision support system
Yu et al. Dynamic customer preference analysis for product portfolio identification using sequential pattern mining
CN111882113A (zh) 一种企业手机银行用户的预测方法和装置
Fajri et al. Implementation of business intelligence to determine evaluation of activities (Case Study Indonesia Stock Exchange)
US20140149186A1 (en) Method and system of using artifacts to identify elements of a component business model
Ouhaichi et al. Dynamic data management for machine learning in embedded systems: A case study
CN113176873A (zh) 用于信息管理的方法和装置、电子设备、及介质
Tervo et al. Utilizing evidence in asset management in the era of industry 4.0 and artificial intelligence
US20200342302A1 (en) Cognitive forecasting
Kumar et al. A Comparision of Digital Transformation of Industry in the Russian Federation with the European Union
Santhikumar et al. Utilization of Big Data Analytics For Risk Management
Bermon Angarita et al. A Bibliometric Analysis of DevOps Metrics.
Kumar Software Engineering for Big Data Systems
Salgado {Unlocking Performance Potential: Power BI Implementation and its Transformative Impact on Proef's Business Intelligence
Onyshchenko et al. Industry 4.0 and Accounting: a theoretical approach
Singh et al. Accounting in the demesne of big data, data analytics and artificial intelligence in industrial revolution 5.0: Applications, challenges and opportunities
Sin et al. Exploring the potential application of big data in the construction industry
Khan An analysis of capabilities and potential benefits of big data analytics

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210108