CN112232771A - 应用于智慧政企云服务的大数据分析方法及大数据云平台 - Google Patents

应用于智慧政企云服务的大数据分析方法及大数据云平台 Download PDF

Info

Publication number
CN112232771A
CN112232771A CN202011113297.4A CN202011113297A CN112232771A CN 112232771 A CN112232771 A CN 112232771A CN 202011113297 A CN202011113297 A CN 202011113297A CN 112232771 A CN112232771 A CN 112232771A
Authority
CN
China
Prior art keywords
data
service
enterprise
demand
historical
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.)
Granted
Application number
CN202011113297.4A
Other languages
English (en)
Other versions
CN112232771B (zh
Inventor
严怀华
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.)
Lihe Kechuang Group Co ltd
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 CN202110381556.XA priority Critical patent/CN113052567A/zh
Priority to CN202110381373.8A priority patent/CN113052566A/zh
Priority to CN202011113297.4A priority patent/CN112232771B/zh
Publication of CN112232771A publication Critical patent/CN112232771A/zh
Application granted granted Critical
Publication of CN112232771B publication Critical patent/CN112232771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明是关于应用于智慧政企云服务的大数据分析方法及大数据云平台。在应用该方法时，能够根据业务需求关联数据预先对企业服务需求数据的有效性进行确定，例如通过第一服务评价系数来确定企业服务需求数据属于有效需求数据的概率。然后根据第一服务评价系数确定企业服务需求数据的业务执行逻辑数据。在响应业务执行逻辑数据对企业服务需求数据执行对应的业务处理时，企业服务需求数据是通过了有效性校验的，这样，能够在进行业务处理之前预先对企业服务需求数据进行有效性检测，从而实现闭环式的业务处理，确保对企业服务需求数据进行业务处理时能够得到对应的业务处理结果，避免占用大数据云平台过多的处理资源，减少了计算机资源的浪费。

Description

应用于智慧政企云服务的大数据分析方法及大数据云平台
技术领域
本申请涉及政企服务、大数据和云计算技术领域，具体而言，涉及一种应用于智慧政企云服务的大数据分析方法及大数据云平台。
背景技术
随着科学技术的发展，计算机技术涉及的领域范围越来越广，已普遍应用到工业生产、日常生活、公共管理和企业服务等领域。伴随着大数据在各行各业的应用，业务云端化能够提高各类业务的处理效率。以政企服务为例，现如今的政企云服务能够为企业或个人提供方便、快捷的业务办理流程，无需企业或个人跑遍多个办理场所。
然而，也正是由于现目前的政企云服务的便捷性，使得需要处理的业务需求越来越多。在这些需要处理的业务需求中，难免会夹杂着一些无法办理的业务需求，这样可能会占用进行业务处理的数据平台的过多的处理资源，造成不必要的资源浪费。
发明内容
本申请的第一个方面公开了一种应用于智慧政企云服务的大数据分析方法，所述方法包括：
获取包括企业服务需求数据的业务请求数据；提取所述业务请求数据对应的企业认证数据；校验所述企业认证数据，获得所述业务请求数据中各分类认证指标对应的分类认证数据；
根据所述分类认证数据确定各所述分类认证指标之间的业务需求关联数据；根据所述业务需求关联数据确定所述业务请求数据中的企业服务需求数据属于有效需求数据的第一服务评价系数；根据所述第一服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据；
根据所述业务执行逻辑数据，响应所述响应所述企业服务需求数据执行对应的业务处理，并将业务处理结果进行反馈。
在第一个方面的一个实施例中，所述提取所述业务请求数据对应的企业认证数据，包括：
将所述业务请求数据输入至预先配置的数据识别线程对应的认证数据提取单元中；
通过所述认证数据提取单元中的第一执行函数，对所述业务请求数据进行数据类别筛分，获得所述业务请求数据对应的多组具有不同类别标签的待处理数据；其中，所述第一执行函数为钩子hook函数；
通过所述认证数据提取单元中的第二执行函数，对所述多组具有不同类别标签的待处理数据进行数据筛分，获得所述业务请求数据对应的企业认证数据；其中，所述第二执行函数为预先编写的用于进行类别标签分组的执行函数。
在第一个方面的一个实施例中，所述根据所述分类认证数据确定各所述分类认证指标之间的业务需求关联数据，包括：
将各所述分类认证指标对应的分类认证数据转换为分类认证数据队列；
根据各所述分类认证数据队列之间的数据关联分布矩阵确定分类认证指标之间的业务需求关联数据。
在第一个方面的一个实施例中，所述根据各所述分类认证数据队列之间的数据关联分布矩阵确定分类认证指标之间的业务需求关联数据，包括：
根据各所述分类认证数据队列之间的队列匹配特征生成用于表征各所述分类认证数据队列的队列描述特征的特征描述列表；获取所述特征描述列表的n个企业信息映射元素，一个企业信息映射元素包括一种企业信息下的企业对内运营属性和企业对外评价属性，n为正整数；
基于所述特征描述列表的列表元素分布轨迹在所述企业信息映射元素中的当前节点属性值和历史节点属性值，以及每个企业信息映射元素对应的企业对内运营属性和企业对外评价属性，获取所述列表元素分布轨迹的轨迹变量序列；将所述列表元素分布轨迹的轨迹变量序列与预设变量比对库中的参考变量序列进行动态拼接，生成动态变量序列；从所述动态变量序列的高更新热度序列区段，采样获取高更新热度的序列元素，获取所述高更新热度的序列元素在所述企业信息映射元素中映射的第一目标节点属性值和第二目标节点属性值；基于所述高更新热度的序列元素在所述企业信息映射元素中映射的第一目标节点属性值和第二目标节点属性值，对所述动态变量序列进行变量相关性检测，得到所述特征描述列表的相关性检测结果；
构建所述相关性检测结果对应的数据特征关联路径，所述数据特征关联路径包含从所述相关性检测结果中提取的相关性特征变量；对各所述分类认证数据中的分类日志记录进行日志文本识别，得到所述分类日志记录的日志文本特征变量；获取所述日志文本特征变量对应的变量更新状态信息；根据所述日志文本特征变量和所述变量更新状态信息生成第一变量关联线程；根据所述日志文本特征变量和所述企业对外评价属性生成第二变量关联线程，获取各所述分类认证数据队列对应的队列结构参数；将所述队列结构参数对应的当前参数集转化为目标参数集，所述目标参数集与所述当前参数集具有不同参数结构；对所述队列结构参数的结构特征向量进行特征提取向量降维，得到所述结构特征向量的降维特征向量；将所述降维特征向量输入向量识别模型，得到特征分布矩阵和特征传递矩阵，所述向量识别模型包括所述第一变量关联线程和所述第二变量关联线程；根据所述目标参数集、所述特征分布矩阵和所述特征传递矩阵生成所述数据关联分布矩阵；
获取所述数据关联分布矩阵的矩阵元素列表集；将所述矩阵元素列表集拆分成矩阵元素子列表；并行地将各矩阵元素子列表加载至处于激活状态的各需求识别模型；所述矩阵元素子列表用于指示相应需求识别模型生成与所述矩阵元素子列表相应的第一需求项目信息，所述矩阵元素子列表还用于指示相应需求识别模型将所述矩阵元素子列表分别转换成企业运营需求项目列表和企业研发需求项目列表，分别从所述企业运营需求项目列表的各运营需求项目事件中提取第一事件属性清单，以及从企业研发需求项目列表的各研发需求项目事件中提取第二事件属性清单，根据所述第一事件属性清单确定直接业务需求事件和根据第二事件属性清单确定间接业务需求事件；
分析各所述直接业务需求事件和所述间接业务需求事件，得到与所述矩阵元素子列表相应的第一需求项目信息；去除各所述需求识别模型所反馈的第一需求项目信息中独立的需求项目信息，并根据去除独立需求项目信息后剩余的需求项目信息，组合生成与所述矩阵元素列表集对应的第二需求项目信息，基于所述第二需求项目信息确定所述业务需求关联数据。
在第一个方面的一个实施例中，所述方法还包括：
对所述企业认证数据进行数据字段拆分，获得所述业务请求数据对应的字段签名列表，所述字段签名列表用于计算所述业务请求数据中各业务项目申报数据属于有效需求数据的第二服务评价系数；
根据所述第二服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据。
在第一个方面的一个实施例中，所述对所述企业认证数据进行数据字段拆分，获得所述业务请求数据对应的字段签名列表，包括：
将所述企业认证数据输入至预先配置的数据识别线程对应的数据字段拆分单元；
通过所述数据字段拆分单元中的拆分逻辑函数对所述企业认证数据进行数据逻辑加工后与认证数据提取单元获得的多组具有不同类别标签的待处理数据进行数据整合，获得目标融合数据；
通过所述数据字段拆分单元中的签名提取函数对所述目标融合数据进行字段签名提取，获得所述业务请求数据对应的字段签名列表。
在第一个方面的一个实施例中，所述根据所述第二服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据，包括：
根据所述第二服务评价系数，确定所述业务请求数据中属于有效需求数据的业务项目申报数据；
根据属于有效需求数据的业务项目申报数据的数量计算所述业务请求数据对应的数据有效指数；
根据所述数据有效指数确定所述业务请求数据中企业服务需求数据的业务执行逻辑数据。
在第一个方面的一个实施例中，所述获取包括企业服务需求数据的业务请求数据，包括：
获取接口访问请求；
对所述接口访问请求进行访问对象识别，获得对象识别结果；
从所述对象识别结果中确定出包括企业服务需求数据的结果清单后获得业务请求数据。
在第一个方面的一个实施例中，所述方法通过数据识别线程实现，所述数据识别线程的配置步骤包括：
获取历史识别记录集，所述历史识别记录集中的每个历史识别记录包括历史服务需求数据、历史服务需求数据对应的历史字段签名列表及所述历史服务需求数据对应的时刻信息；
将所述历史识别记录中的历史服务需求数据输入至数据识别线程；通过所述数据识别线程提取所述历史服务需求数据对应的第一历史认证数据；将所述第一历史认证数据校验后，获得所述历史服务需求数据中各历史认证指标对应的第二历史认证数据；根据所述第二历史认证数据确定各所述历史认证指标之间的第一历史关联数据；根据所述第一历史关联数据确定所述历史服务需求数据中历史服务需求数据属于有效需求数据的第三服务评价系数；根据所述第三服务评价系数与所述历史服务需求数据对应的时刻信息构建第一配置调整数据集；
将所述历史服务需求数据对应的历史字段签名列表校验后，获得全局性字段签名校验结果；根据所述全局性字段签名校验结果中属于有效需求数据的业务项目申报数据对应的结果标签确定申报频率；根据所述申报频率确定各所述全局性字段签名校验结果之间的第二历史关联数据；根据所述第一历史关联数据与所述第二历史关联数据构建第二配置调整数据集；根据所述第一配置调整数据集和所述第二配置调整数据集构建目标配置调整数据集，并基于所述目标配置调整数据集更新所述数据识别线程的线程脚本参数后，获取下一个历史识别记录并返回所述将所述历史识别记录中的历史服务需求数据输入至数据识别线程的步骤继续配置，直至满足迭代停止条件时，获得预先配置的数据识别线程；
所述方法还包括：对所述企业认证数据进行数据字段拆分，获得所述历史服务需求数据对应的待处理字段签名列表；根据所述历史字段签名列表与所述待处理字段签名列表构建第三配置调整数据集；所述根据所述第一配置调整数据集和所述第二配置调整数据集构建目标配置调整数据集包括：根据所述第一配置调整数据集、所述第二配置调整数据集和所述第三配置调整数据集构建目标配置调整数据集；
所述方法还包括：获取历史服务需求数据及对应的远程校验结果数据；根据所述历史服务需求数据与所述远程校验结果数据之间的服务需求差异化描述获得所述历史服务需求数据对应的历史字段签名列表。
本申请的第二个方面公开了一种大数据云平台，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行第一方面所述的方法。
相较于现有技术，本发明实施例提供的应用于智慧政企云服务的大数据分析方法及大数据云平台具有以下技术效果：
首先提取包括企业服务需求数据的业务请求数据对应的企业认证数据，其次对企业认证数据进行校验以得到各分类认证指标对应的分类认证数据进一步得到业务需求关联数据。如此，能够根据业务需求关联数据预先对企业服务需求数据的有效性进行确定，例如通过第一服务评价系数来确定企业服务需求数据属于有效需求数据的概率。然后根据第一服务评价系数确定企业服务需求数据的业务执行逻辑数据。可以理解，在响应业务执行逻辑数据对企业服务需求数据执行对应的业务处理时，企业服务需求数据是通过了有效性校验的，这样一来，能够在进行业务处理之前预先对企业服务需求数据进行有效性检测，从而实现闭环式的业务处理，确保对企业服务需求数据进行业务处理时能够得到对应的业务处理结果，避免占用大数据云平台过多的处理资源，减少了计算机资源的浪费。
在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本发明的一些实施例所示的一种示例性应用于智慧政企云服务的大数据分析系统的框图。
图2是根据本发明的一些实施例所示的一种示例性数据云平台中硬件和软件组成的示意图。
图3是根据本发明的一些实施例所示的一种示例性应用于智慧政企云服务的大数据分析方法和/或过程的流程图。
图4是根据本发明的一些实施例所示的一种示例性应用于智慧政企云服务的大数据分析装置的框图。
具体实施方式
发明人对常见的业务处理技术进行研究和分析后发现，常见的数据平台在进行业务处理时，是按照业务需求的申请顺序逐一进行处理的，且不会预先检测业务需求的有效性。如果某个业务需求属于无效业务需求(现阶段无法办理的需求)，而判断无效业务需求的判断节点是业务处理流程的较后流程节点，这样会导致前期对无效业务需求进行大量的业务处理，从而占用进行业务处理的数据平台的过多的处理资源(时钟资源和内存资源)，造成不必要的资源浪费。
为改善上述技术问题，本发明实施例提供了应用于智慧政企云服务的大数据分析方法及大数据云平台，能够在进行业务处理之前预先对企业服务需求数据进行有效性检测，从而实现闭环式的业务处理，确保对企业服务需求数据进行业务处理时能够得到对应的业务处理结果，避免占用大数据云平台过多的处理资源，减少了计算机资源的浪费。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本发明。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本发明的方面。
这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本发明的范围。应当知晓的是，这些附图并不依照比例。
本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本发明的一些实施例所示的一种示例性应用于智慧政企云服务的大数据分析系统300的框图，应用于智慧政企云服务的大数据分析系统300可以包括互相之间通信的大数据云平台100和企业服务器200。
在一些实施例中，如图2所示，大数据云平台100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(LocalAreaNetwork，LAN)、广域网(WideAreaNetwork，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public TelephoneSwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near FieldCommunication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网路120可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器130可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
可以理解，图2所示的结构仅为示意，大数据云平台100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
图3是根据本发明的一些实施例所示的一种示例性应用于智慧政企云服务的大数据分析方法和/或过程的流程图，应用于智慧政企云服务的大数据分析方法应用于图1中的大数据云平台100，具体可以包括以下步骤S31-步骤S33所描述的内容。
步骤S31，获取包括企业服务需求数据的业务请求数据；提取所述业务请求数据对应的企业认证数据；校验所述企业认证数据，获得所述业务请求数据中各分类认证指标对应的分类认证数据。
步骤S32，根据所述分类认证数据确定各所述分类认证指标之间的业务需求关联数据；根据所述业务需求关联数据确定所述业务请求数据中的企业服务需求数据属于有效需求数据的第一服务评价系数；根据所述第一服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据。
步骤S33，根据所述业务执行逻辑数据，响应所述企业服务需求数据执行对应的业务处理，并将业务处理结果进行反馈。
在一些示例中，业务请求数据是企业服务器200上传给大数据云平台100的。企业服务需求数据包括企业服务器200的不同方向和不同类别的企业服务需求，例如资质办理需求、营业执照查询需求或者其他工商企业业务需求，在此不作限定。企业认证数据用于对企业服务器200的合法性和有效性进行认证。分类认证指标是指不同维度的认证指标，例如企业信息的真实性指标、企业的纳税指标、企业的研发成果指标等。对应的，分类认证数据用于表征不同维度的认证数据。可以理解，通过获取分类认证数据，能够实现对企业服务器200的业务需求的可靠验证，避免执行无效的或者不符合相关处理标准的业务处理。
在一些示例中，业务需求关联数据用于表征不同分类认证数据所对应的分类认证指标之间在业务需求上的关联性，业务需求关联数据用于实现全局性的业务需求有效性的评价。有效需求数据是指符合企业服务器200的业务办理条件的业务需求对应的数据。第一服务评价系数用于表征企业服务需求数据属于有效需求数据的概率值。业务执行逻辑数据用于表征对企业服务需求数据进行业务处理时的逻辑流程，例如数据库调用路径、数据验证逻辑、信息提取方式、信息整合方式等。
在一些示例中，业务处理在大数据云平台100侧进行，业务处理结果同样在大数据云平台100侧生成，大数据云平台100在生成业务处理结果后将业务处理结果反馈给企业服务器200。
在应用上述步骤S31-步骤S33所描述的内容时，首先提取包括企业服务需求数据的业务请求数据对应的企业认证数据，其次对企业认证数据进行校验以得到各分类认证指标对应的分类认证数据进一步得到业务需求关联数据。如此，能够根据业务需求关联数据预先对企业服务需求数据的有效性进行确定，例如通过第一服务评价系数来确定企业服务需求数据属于有效需求数据的概率。然后根据第一服务评价系数确定企业服务需求数据的业务执行逻辑数据。可以理解，在响应业务执行逻辑数据对企业服务需求数据执行对应的业务处理时，企业服务需求数据是通过了有效性校验的，这样一来，能够在进行业务处理之前预先对企业服务需求数据进行有效性检测，从而实现闭环式的业务处理，确保对企业服务需求数据进行业务处理时能够得到对应的业务处理结果，避免占用大数据云平台过多的处理资源，减少了计算机资源的浪费。
在一些示例中，为了完整地获取企业认证数据，步骤S31所描述的提取所述业务请求数据对应的企业认证数据，示例性地可以包括以下子步骤：将所述业务请求数据输入至预先配置的数据识别线程对应的认证数据提取单元中；通过所述认证数据提取单元中的第一执行函数，对所述业务请求数据进行数据类别筛分，获得所述业务请求数据对应的多组具有不同类别标签的待处理数据；其中，所述第一执行函数为钩子hook函数；通过所述认证数据提取单元中的第二执行函数，对所述多组具有不同类别标签的待处理数据进行数据筛分，获得所述业务请求数据对应的企业认证数据；其中，所述第二执行函数为预先编写的用于进行类别标签分组的执行函数。如此设计，可以根据不同的执行函数确定企业认证数据，从而确保企业认证数据的完整性。
在一个可能的实施例中，步骤S32所描述的根据所述分类认证数据确定各所述分类认证指标之间的业务需求关联数据，包括：步骤S321，将各所述分类认证指标对应的分类认证数据转换为分类认证数据队列；步骤S322，根据各所述分类认证数据队列之间的数据关联分布矩阵确定分类认证指标之间的业务需求关联数据。这样一来，能够首先对分类认证数据进行转换，从而确定出能够进行关联分布分析的分类认证数据队列，进而能够基于分类认证数据队列之间的数据关联分布矩阵确定业务需求关联数据。如此，能够业务需求关联数据所覆盖的关联范围能够尽可能涵盖企业服务器200所对应的不同业务需求。
在实际应用过程中，发明人发现，在确定业务需求关联数据，可能存在业务需求重复关联的问题，这样会导致业务需求关联数据的数量大小过大，进而增加大数据云平台的处理压力，增加大数据处理耗时。为改善这一问题，步骤S322所描述的根据各所述分类认证数据队列之间的数据关联分布矩阵确定分类认证指标之间的业务需求关联数据，进一步可以包括以下步骤S3221-步骤S3225所描述的内容。
步骤S3221，根据各所述分类认证数据队列之间的队列匹配特征生成用于表征各所述分类认证数据队列的队列描述特征的特征描述列表；获取所述特征描述列表的n个企业信息映射元素，一个企业信息映射元素包括一种企业信息下的企业对内运营属性和企业对外评价属性，n为正整数。
步骤S3222，基于所述特征描述列表的列表元素分布轨迹在所述企业信息映射元素中的当前节点属性值和历史节点属性值，以及每个企业信息映射元素对应的企业对内运营属性和企业对外评价属性，获取所述列表元素分布轨迹的轨迹变量序列；将所述列表元素分布轨迹的轨迹变量序列与预设变量比对库中的参考变量序列进行动态拼接，生成动态变量序列；从所述动态变量序列的高更新热度序列区段，采样获取高更新热度的序列元素，获取所述高更新热度的序列元素在所述企业信息映射元素中映射的第一目标节点属性值和第二目标节点属性值；基于所述高更新热度的序列元素在所述企业信息映射元素中映射的第一目标节点属性值和第二目标节点属性值，对所述动态变量序列进行变量相关性检测，得到所述特征描述列表的相关性检测结果。
步骤S3223，构建所述相关性检测结果对应的数据特征关联路径，所述数据特征关联路径包含从所述相关性检测结果中提取的相关性特征变量；对各所述分类认证数据中的分类日志记录进行日志文本识别，得到所述分类日志记录的日志文本特征变量；获取所述日志文本特征变量对应的变量更新状态信息；根据所述日志文本特征变量和所述变量更新状态信息生成第一变量关联线程；根据所述日志文本特征变量和所述企业对外评价属性生成第二变量关联线程，获取各所述分类认证数据队列对应的队列结构参数；将所述队列结构参数对应的当前参数集转化为目标参数集，所述目标参数集与所述当前参数集具有不同参数结构；对所述队列结构参数的结构特征向量进行特征提取向量降维，得到所述结构特征向量的降维特征向量；将所述降维特征向量输入向量识别模型，得到特征分布矩阵和特征传递矩阵，所述向量识别模型包括所述第一变量关联线程和所述第二变量关联线程；根据所述目标参数集、所述特征分布矩阵和所述特征传递矩阵生成所述数据关联分布矩阵。
步骤S3224，获取所述数据关联分布矩阵的矩阵元素列表集；将所述矩阵元素列表集拆分成矩阵元素子列表；并行地将各矩阵元素子列表加载至处于激活状态的各需求识别模型；所述矩阵元素子列表用于指示相应需求识别模型生成与所述矩阵元素子列表相应的第一需求项目信息，所述矩阵元素子列表还用于指示相应需求识别模型将所述矩阵元素子列表分别转换成企业运营需求项目列表和企业研发需求项目列表，分别从所述企业运营需求项目列表的各运营需求项目事件中提取第一事件属性清单，以及从企业研发需求项目列表的各研发需求项目事件中提取第二事件属性清单，根据所述第一事件属性清单确定直接业务需求事件和根据第二事件属性清单确定间接业务需求事件。
步骤S3225，分析各所述直接业务需求事件和所述间接业务需求事件，得到与所述矩阵元素子列表相应的第一需求项目信息；去除各所述需求识别模型所反馈的第一需求项目信息中独立的需求项目信息，并根据去除独立需求项目信息后剩余的需求项目信息，组合生成与所述矩阵元素列表集对应的第二需求项目信息，基于所述第二需求项目信息确定所述业务需求关联数据。
可以理解，通过执行上述步骤S3221-步骤S3225，首先根据各分类认证数据队列之间的队列匹配特征生成用于表征各分类认证数据队列的队列描述特征的特征描述列表，然后获得特征描述列表的相关性检测结果，这样能够基于相关性检测结果对各分类认证数据队列之间的冗余数据进行筛分。进一步地，根据相关性检测结果生成数据关联分布矩阵，能够确保数据关联分布矩阵的特征识别度，这样能够基于数据关联分布矩阵的矩阵元素列表确定业务需求关联数据。如此设计，能够避免业务需求关联数据存在业务需求重复关联的问题，从而缩减业务需求关联数据的数量大小，进而减少大数据云平台的处理压力，减少大数据处理耗时。
在上述步骤S32的基础上，该方法还可以包括以下步骤S32A：对所述企业认证数据进行数据字段拆分，获得所述业务请求数据对应的字段签名列表，所述字段签名列表用于计算所述业务请求数据中各业务项目申报数据属于有效需求数据的第二服务评价系数；根据所述第二服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据。如此，能够确保业务执行逻辑数据的逻辑流程的连续性，避免逻辑流程节点出现卡顿。
进一步地，步骤S32A中，对所述企业认证数据进行数据字段拆分，获得所述业务请求数据对应的字段签名列表，包括：将所述企业认证数据输入至预先配置的数据识别线程对应的数据字段拆分单元；通过所述数据字段拆分单元中的拆分逻辑函数对所述企业认证数据进行数据逻辑加工后与认证数据提取单元获得的多组具有不同类别标签的待处理数据进行数据整合，获得目标融合数据；通过所述数据字段拆分单元中的签名提取函数对所述目标融合数据进行字段签名提取，获得所述业务请求数据对应的字段签名列表。
进一步地，步骤S32A中，根据所述第二服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据，包括：根据所述第二服务评价系数，确定所述业务请求数据中属于有效需求数据的业务项目申报数据；根据属于有效需求数据的业务项目申报数据的数量计算所述业务请求数据对应的数据有效指数；根据所述数据有效指数确定所述业务请求数据中企业服务需求数据的业务执行逻辑数据。
在一些示例中，步骤S31所描述的获取包括企业服务需求数据的业务请求数据，包括：步骤S311，获取接口访问请求；步骤S312，对所述接口访问请求进行访问对象识别，获得对象识别结果；步骤S313，从所述对象识别结果中确定出包括企业服务需求数据的结果清单后获得业务请求数据。这样一来，能够确保业务请求数据能够携带完整的企业服务需求数据，避免一些企业服务需求数据的丢失。
可以理解，上述方法可以通过数据识别线程实现。然而在实际应用中，发明人发现，在对数据识别线程进行参数配置时经常出现配置乱码现象，这样需要反复对数据识别线程进行初始化，增加不必要的工作量。为改善这一问题，数据识别线程的配置步骤可以包括以下步骤S41-步骤S43所描述的内容。
步骤S41，获取历史识别记录集，所述历史识别记录集中的每个历史识别记录包括历史服务需求数据、历史服务需求数据对应的历史字段签名列表及所述历史服务需求数据对应的时刻信息。
步骤S42，将所述历史识别记录中的历史服务需求数据输入至数据识别线程；通过所述数据识别线程提取所述历史服务需求数据对应的第一历史认证数据；将所述第一历史认证数据校验后，获得所述历史服务需求数据中各历史认证指标对应的第二历史认证数据；根据所述第二历史认证数据确定各所述历史认证指标之间的第一历史关联数据；根据所述第一历史关联数据确定所述历史服务需求数据中历史服务需求数据属于有效需求数据的第三服务评价系数；根据所述第三服务评价系数与所述历史服务需求数据对应的时刻信息构建第一配置调整数据集。
步骤S43，将所述历史服务需求数据对应的历史字段签名列表校验后，获得全局性字段签名校验结果；根据所述全局性字段签名校验结果中属于有效需求数据的业务项目申报数据对应的结果标签确定申报频率；根据所述申报频率确定各所述全局性字段签名校验结果之间的第二历史关联数据；根据所述第一历史关联数据与所述第二历史关联数据构建第二配置调整数据集；根据所述第一配置调整数据集和所述第二配置调整数据集构建目标配置调整数据集，并基于所述目标配置调整数据集更新所述数据识别线程的线程脚本参数后，获取下一个历史识别记录并返回所述将所述历史识别记录中的历史服务需求数据输入至数据识别线程的步骤继续配置，直至满足迭代停止条件时，获得预先配置的数据识别线程。
如此设计，在配置数据识别线程时，能够基于之前的历史识别记录集进行反复训练和参数调整，这样对数据识别线程进行参数配置时，能够有效规避出现配置乱码现象，无需反复对数据识别线程进行初始化，增加不必要的工作量。进一步地，通过历史识别记录集进行数据识别线程的配置，由于历史识别记录集是随着时间更新的，因此还能够确保数据识别线程的参数配置的实时性，避免数据识别线程在使用时出现滞后问题。
在上述步骤S41-步骤S43的基础上，还可以包括以下内容：对所述企业认证数据进行数据字段拆分，获得所述历史服务需求数据对应的待处理字段签名列表；根据所述历史字段签名列表与所述待处理字段签名列表构建第三配置调整数据集；所述根据所述第一配置调整数据集和所述第二配置调整数据集构建目标配置调整数据集包括：根据所述第一配置调整数据集、所述第二配置调整数据集和所述第三配置调整数据集构建目标配置调整数据集。这样设计，可以完整地构建目标配置调整数据集。
在上述步骤S41-步骤S43的基础上，还可以包括以下内容：获取历史服务需求数据及对应的远程校验结果数据；根据所述历史服务需求数据与所述远程校验结果数据之间的服务需求差异化描述获得所述历史服务需求数据对应的历史字段签名列表。
在一个可替换的实施方式中，步骤S31所描述的校验所述企业认证数据，获得所述业务请求数据中各分类认证指标对应的分类认证数据，进一步可以包括以下步骤a1-步骤a4所描述的内容。
步骤a1，在所述企业认证数据中按照预设认证优先级依次选取当前指标属性信息；从在所述企业认证数据中的预设认证优先级大于当前指标属性信息的预设认证优先级之前的指标属性信息中，确定参考指标属性信息。
步骤a2，获取所述参考指标属性信息中属性分类标签的第一标签认证路径；参照第一标签认证路径和属性分类清单之间的节点映射列表，对当前指标属性信息进行属性节点提取，得到当前指标属性信息的属性节点分布。
步骤a3，对所述属性节点分布进行认证路径拟合，得到属性分类标签的第二标签认证路径。
步骤a4，从所述属性节点分布中提取分布特征集合，得到分布特征集合的聚类特征描述队列；根据所述聚类特征描述队列和所述第二标签认证路径，从所述当前指标属性信息中提取出分类映射路径参数；根据所述分类映射路径参数获得所述业务请求数据中各分类认证指标对应的分类认证数据。
通过执行上述步骤a1-步骤a4所描述的内容，能够基于分类映射路径参数确保分类认证指标与分类认证数据的一一对应关系，避免后续进行业务需求有效性判断时出现偏差。
在一个可替换的实施方式中，步骤S32所描述的根据所述业务需求关联数据确定所述业务请求数据中的企业服务需求数据属于有效需求数据的第一服务评价系数，进一步可以包括以下步骤b1-步骤b3所描述的内容。
步骤b1，确定基于所述业务需求关联数据所提取到的评价逻辑列表，针对所述评价逻辑列表中的当前评价逻辑列表，基于当前评价逻辑列表在预设时段内的第一列表调用热度值以及各所述评价逻辑列表在所述预设时段内的第二列表调用热度值，确定当前评价逻辑列表在所述预设时段内的调用热度变量。
步骤b2，根据当前评价逻辑列表在两个相邻的预设时段内的调用热度变量确定当前评价逻辑列表在两个相邻的预设时段之间的调用置信度。
步骤b3，基于当前评价逻辑列表在两个相邻的预设时段内的调用热度变量以及当前评价逻辑列表在两个相邻的预设时段之间的调用置信度确定所述业务请求数据中的企业服务需求数据属于有效需求数据的第一服务评价系数。
如此设计，通过执行步骤b1-步骤b3，能够将调用置信度考虑在内，从而确保第一服务评价系数的可信度，避免第三方对业务请求数据中的企业服务需求数据的刻意篡改导致的判断误差。
在一个可替换的实施方式中，步骤S32所描述的根据所述第一服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据，进一步可以包括以下步骤c1-步骤c4所描述的内容。
步骤c1，确定所述第一服务评价系数的有效需求概率分布对应的系数加权值及所述有效需求概率分布的结构化描述数据，所述结构化描述数据表示所述第一服务评价系数的有效需求概率分布的区域特征；所述结构化描述数据至少包括：表示所述第一服务评价系数的有效需求概率分布的当前区域特征和历史区域特征。
步骤c2，获取与所述系数加权值对应的加权值队列，所述加权值队列中包含有预先提取的队列编号。
步骤c3，依据所述系数加权值和结构化描述数据，在所述加权值队列中查找与所述第一服务评价系数相匹配的目标队列编号，并按照匹配程度确定所述目标队列编号的编号位置信息。
步骤c4，根据所述编号位置信息以及所述编号位置信息对应的逻辑流程数据生成所述企业服务需求数据对应的业务执行逻辑数据。
可以理解，在应用上述步骤c1-步骤c4所描述的内容，能够确保业务执行逻辑数据的完整性和准确性。
在一个可替换的实施方式中，步骤S33所描述的根据所述业务执行逻辑数据，响应所述响应所述企业服务需求数据执行对应的业务处理，并将业务处理结果进行反馈，进一步可以包括以下步骤d1-步骤d5所描述的内容。
步骤d1，获取所述业务执行逻辑数据对应的执行逻辑事件队列，检测历史队列集中是否存在目标事件队列，得到检测结果，所述历史队列集用于存储多个已执行的逻辑事件队列以及每个已执行的逻辑事件队列的执行结果和每个已执行的逻辑事件队列的对象信息。
步骤d2，当所述检测结果指示所述历史队列集中存在目标事件队列时，基于所述执行逻辑事件队列的第一对象信息和所述目标事件队列的第二对象信息，得到所述目标事件队列的队列优先级列表。
步骤d3，获取所述目标事件队列的事件结果记录，将所述事件结果记录确定为所述目标事件队列的业务执行记录；基于所述队列优先级列表和所述业务执行记录，通过业务执行线程对所述执行逻辑事件队列进行事件拆分，得到拆分结果清单。
步骤d4，根据所述拆分结果清单对所述企业服务需求数据进行处理得到业务处理结果，并将所述业务处理结果进行反馈。
在实施上述步骤d1-步骤d4所描述的内容时，能够对业务执行逻辑数据对应的执行逻辑事件队列进行分析，从而实现事件拆分，这样可以基于得到的拆分结果清单实现对企业服务需求数据的有序处理，从而保证得到的业务处理结果的完整性。
图4是根据本发明的一些实施例所示的一种示例性应用于智慧政企云服务的大数据分析装置400的框图，所述大数据分析装置400包括：
数据校验模块410，用于获取包括企业服务需求数据的业务请求数据；提取所述业务请求数据对应的企业认证数据；校验所述企业认证数据，获得所述业务请求数据中各分类认证指标对应的分类认证数据；
需求检测模块420，用于根据所述分类认证数据确定各所述分类认证指标之间的业务需求关联数据；根据所述业务需求关联数据确定所述业务请求数据中的企业服务需求数据属于有效需求数据的第一服务评价系数；根据所述第一服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据；
业务处理模块430，用于根据所述业务执行逻辑数据，响应所述响应所述企业服务需求数据执行对应的业务处理，并将业务处理结果进行反馈。
装置实施例的说明请参阅对方法实施例的说明，在此不赘述。
示例性地，还提供一种应用于智慧政企云服务的大数据分析方法系统，包括互相之间通信的大数据云平台和企业服务器；其中，所述大数据云平台用于：
获取企业服务器发送的包括企业服务需求数据的业务请求数据；提取所述业务请求数据对应的企业认证数据；校验所述企业认证数据，获得所述业务请求数据中各分类认证指标对应的分类认证数据；
根据所述分类认证数据确定各所述分类认证指标之间的业务需求关联数据；根据所述业务需求关联数据确定所述业务请求数据中的企业服务需求数据属于有效需求数据的第一服务评价系数；根据所述第一服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据；
根据所述业务执行逻辑数据，响应所述响应所述企业服务需求数据执行对应的业务处理，并将业务处理结果反馈给所述企业服务器。
系统实施例的说明请参阅对方法实施例的说明，在此不赘述。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
另外，本领域普通技术人员可以理解的是，本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。
本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python等，或类似的常规程序编程语言，如"C"编程语言，Visual Basic，Fortran2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非申请专利范围中明确说明，本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
同样应当理解的是，为了简化本申请揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (10)

1.一种应用于智慧政企云服务的大数据分析方法，其特征在于，所述方法包括：
获取包括企业服务需求数据的业务请求数据；提取所述业务请求数据对应的企业认证数据；校验所述企业认证数据，获得所述业务请求数据中各分类认证指标对应的分类认证数据；
根据所述分类认证数据确定各所述分类认证指标之间的业务需求关联数据；根据所述业务需求关联数据确定所述业务请求数据中的企业服务需求数据属于有效需求数据的第一服务评价系数；根据所述第一服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据；
根据所述业务执行逻辑数据，响应所述响应所述企业服务需求数据执行对应的业务处理，并将业务处理结果进行反馈。
2.根据权利要求1所述的方法，其特征在于，所述提取所述业务请求数据对应的企业认证数据，包括：
将所述业务请求数据输入至预先配置的数据识别线程对应的认证数据提取单元中；
通过所述认证数据提取单元中的第一执行函数，对所述业务请求数据进行数据类别筛分，获得所述业务请求数据对应的多组具有不同类别标签的待处理数据；其中，所述第一执行函数为钩子hook函数；
通过所述认证数据提取单元中的第二执行函数，对所述多组具有不同类别标签的待处理数据进行数据筛分，获得所述业务请求数据对应的企业认证数据；其中，所述第二执行函数为预先编写的用于进行类别标签分组的执行函数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述分类认证数据确定各所述分类认证指标之间的业务需求关联数据，包括：
将各所述分类认证指标对应的分类认证数据转换为分类认证数据队列；
根据各所述分类认证数据队列之间的数据关联分布矩阵确定分类认证指标之间的业务需求关联数据。
4.根据权利要求2所述的方法，其特征在于，所述根据各所述分类认证数据队列之间的数据关联分布矩阵确定分类认证指标之间的业务需求关联数据，包括：
根据各所述分类认证数据队列之间的队列匹配特征生成用于表征各所述分类认证数据队列的队列描述特征的特征描述列表；获取所述特征描述列表的n个企业信息映射元素，一个企业信息映射元素包括一种企业信息下的企业对内运营属性和企业对外评价属性，n为正整数；
基于所述特征描述列表的列表元素分布轨迹在所述企业信息映射元素中的当前节点属性值和历史节点属性值，以及每个企业信息映射元素对应的企业对内运营属性和企业对外评价属性，获取所述列表元素分布轨迹的轨迹变量序列；将所述列表元素分布轨迹的轨迹变量序列与预设变量比对库中的参考变量序列进行动态拼接，生成动态变量序列；从所述动态变量序列的高更新热度序列区段，采样获取高更新热度的序列元素，获取所述高更新热度的序列元素在所述企业信息映射元素中映射的第一目标节点属性值和第二目标节点属性值；基于所述高更新热度的序列元素在所述企业信息映射元素中映射的第一目标节点属性值和第二目标节点属性值，对所述动态变量序列进行变量相关性检测，得到所述特征描述列表的相关性检测结果；
构建所述相关性检测结果对应的数据特征关联路径，所述数据特征关联路径包含从所述相关性检测结果中提取的相关性特征变量；对各所述分类认证数据中的分类日志记录进行日志文本识别，得到所述分类日志记录的日志文本特征变量；获取所述日志文本特征变量对应的变量更新状态信息；根据所述日志文本特征变量和所述变量更新状态信息生成第一变量关联线程；根据所述日志文本特征变量和所述企业对外评价属性生成第二变量关联线程，获取各所述分类认证数据队列对应的队列结构参数；将所述队列结构参数对应的当前参数集转化为目标参数集，所述目标参数集与所述当前参数集具有不同参数结构；对所述队列结构参数的结构特征向量进行特征提取向量降维，得到所述结构特征向量的降维特征向量；将所述降维特征向量输入向量识别模型，得到特征分布矩阵和特征传递矩阵，所述向量识别模型包括所述第一变量关联线程和所述第二变量关联线程；根据所述目标参数集、所述特征分布矩阵和所述特征传递矩阵生成所述数据关联分布矩阵；
获取所述数据关联分布矩阵的矩阵元素列表集；将所述矩阵元素列表集拆分成矩阵元素子列表；并行地将各矩阵元素子列表加载至处于激活状态的各需求识别模型；所述矩阵元素子列表用于指示相应需求识别模型生成与所述矩阵元素子列表相应的第一需求项目信息，所述矩阵元素子列表还用于指示相应需求识别模型将所述矩阵元素子列表分别转换成企业运营需求项目列表和企业研发需求项目列表，分别从所述企业运营需求项目列表的各运营需求项目事件中提取第一事件属性清单，以及从企业研发需求项目列表的各研发需求项目事件中提取第二事件属性清单，根据所述第一事件属性清单确定直接业务需求事件和根据第二事件属性清单确定间接业务需求事件；
分析各所述直接业务需求事件和所述间接业务需求事件，得到与所述矩阵元素子列表相应的第一需求项目信息；去除各所述需求识别模型所反馈的第一需求项目信息中独立的需求项目信息，并根据去除独立需求项目信息后剩余的需求项目信息，组合生成与所述矩阵元素列表集对应的第二需求项目信息，基于所述第二需求项目信息确定所述业务需求关联数据。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述企业认证数据进行数据字段拆分，获得所述业务请求数据对应的字段签名列表，所述字段签名列表用于计算所述业务请求数据中各业务项目申报数据属于有效需求数据的第二服务评价系数；
根据所述第二服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据。
6.根据权利要求1所述的方法，其特征在于，所述对所述企业认证数据进行数据字段拆分，获得所述业务请求数据对应的字段签名列表，包括：
将所述企业认证数据输入至预先配置的数据识别线程对应的数据字段拆分单元；
通过所述数据字段拆分单元中的拆分逻辑函数对所述企业认证数据进行数据逻辑加工后与认证数据提取单元获得的多组具有不同类别标签的待处理数据进行数据整合，获得目标融合数据；
通过所述数据字段拆分单元中的签名提取函数对所述目标融合数据进行字段签名提取，获得所述业务请求数据对应的字段签名列表。
7.根据权利要求5所述的方法，其特征在于，所述根据所述第二服务评价系数，确定所述业务请求数据中所述企业服务需求数据的业务执行逻辑数据，包括：
根据所述第二服务评价系数，确定所述业务请求数据中属于有效需求数据的业务项目申报数据；
根据属于有效需求数据的业务项目申报数据的数量计算所述业务请求数据对应的数据有效指数；
根据所述数据有效指数确定所述业务请求数据中企业服务需求数据的业务执行逻辑数据。
8.根据权利要求1所述的方法，其特征在于，所述获取包括企业服务需求数据的业务请求数据，包括：
获取接口访问请求；
对所述接口访问请求进行访问对象识别，获得对象识别结果；
从所述对象识别结果中确定出包括企业服务需求数据的结果清单后获得业务请求数据。
9.根据权利要求2所述的方法，其特征在于，所述方法通过数据识别线程实现，所述数据识别线程的配置步骤包括：
获取历史识别记录集，所述历史识别记录集中的每个历史识别记录包括历史服务需求数据、历史服务需求数据对应的历史字段签名列表及所述历史服务需求数据对应的时刻信息；
将所述历史识别记录中的历史服务需求数据输入至数据识别线程；通过所述数据识别线程提取所述历史服务需求数据对应的第一历史认证数据；将所述第一历史认证数据校验后，获得所述历史服务需求数据中各历史认证指标对应的第二历史认证数据；根据所述第二历史认证数据确定各所述历史认证指标之间的第一历史关联数据；根据所述第一历史关联数据确定所述历史服务需求数据中历史服务需求数据属于有效需求数据的第三服务评价系数；根据所述第三服务评价系数与所述历史服务需求数据对应的时刻信息构建第一配置调整数据集；
将所述历史服务需求数据对应的历史字段签名列表校验后，获得全局性字段签名校验结果；根据所述全局性字段签名校验结果中属于有效需求数据的业务项目申报数据对应的结果标签确定申报频率；根据所述申报频率确定各所述全局性字段签名校验结果之间的第二历史关联数据；根据所述第一历史关联数据与所述第二历史关联数据构建第二配置调整数据集；根据所述第一配置调整数据集和所述第二配置调整数据集构建目标配置调整数据集，并基于所述目标配置调整数据集更新所述数据识别线程的线程脚本参数后，获取下一个历史识别记录并返回所述将所述历史识别记录中的历史服务需求数据输入至数据识别线程的步骤继续配置，直至满足迭代停止条件时，获得预先配置的数据识别线程；
所述方法还包括：对所述企业认证数据进行数据字段拆分，获得所述历史服务需求数据对应的待处理字段签名列表；根据所述历史字段签名列表与所述待处理字段签名列表构建第三配置调整数据集；所述根据所述第一配置调整数据集和所述第二配置调整数据集构建目标配置调整数据集包括：根据所述第一配置调整数据集、所述第二配置调整数据集和所述第三配置调整数据集构建目标配置调整数据集；
所述方法还包括：获取历史服务需求数据及对应的远程校验结果数据；根据所述历史服务需求数据与所述远程校验结果数据之间的服务需求差异化描述获得所述历史服务需求数据对应的历史字段签名列表。
10.一种大数据云平台，其特征在于，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行权利要求1-9所述的方法。
CN202011113297.4A 2020-10-17 2020-10-17 应用于智慧政企云服务的大数据分析方法及大数据云平台 Active CN112232771B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110381556.XA CN113052567A (zh) 2020-10-17 2020-10-17 基于智慧政企云服务的大数据分析方法及大数据云平台
CN202110381373.8A CN113052566A (zh) 2020-10-17 2020-10-17 结合智慧政企云服务的大数据分析方法及大数据云平台
CN202011113297.4A CN112232771B (zh) 2020-10-17 2020-10-17 应用于智慧政企云服务的大数据分析方法及大数据云平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011113297.4A CN112232771B (zh) 2020-10-17 2020-10-17 应用于智慧政企云服务的大数据分析方法及大数据云平台

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202110381556.XA Division CN113052567A (zh) 2020-10-17 2020-10-17 基于智慧政企云服务的大数据分析方法及大数据云平台
CN202110381373.8A Division CN113052566A (zh) 2020-10-17 2020-10-17 结合智慧政企云服务的大数据分析方法及大数据云平台

Publications (2)

Publication Number Publication Date
CN112232771A true CN112232771A (zh) 2021-01-15
CN112232771B CN112232771B (zh) 2021-06-01

Family

ID=74118617

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202110381373.8A Withdrawn CN113052566A (zh) 2020-10-17 2020-10-17 结合智慧政企云服务的大数据分析方法及大数据云平台
CN202110381556.XA Withdrawn CN113052567A (zh) 2020-10-17 2020-10-17 基于智慧政企云服务的大数据分析方法及大数据云平台
CN202011113297.4A Active CN112232771B (zh) 2020-10-17 2020-10-17 应用于智慧政企云服务的大数据分析方法及大数据云平台

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN202110381373.8A Withdrawn CN113052566A (zh) 2020-10-17 2020-10-17 结合智慧政企云服务的大数据分析方法及大数据云平台
CN202110381556.XA Withdrawn CN113052567A (zh) 2020-10-17 2020-10-17 基于智慧政企云服务的大数据分析方法及大数据云平台

Country Status (1)

Country Link
CN (3) CN113052566A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685787A (zh) * 2021-02-23 2021-04-20 张雪君 应用于人工智能的大数据信息安全防护方法及云服务器
CN112949746A (zh) * 2021-03-23 2021-06-11 耿赛 应用于用户行为分析的大数据处理方法及人工智能服务器
CN117420985A (zh) * 2023-11-02 2024-01-19 湖南双鸿科技有限公司 一种使用JavaScript封装安卓服务功能的方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689945A (zh) * 2021-09-01 2021-11-23 邓俊宇 一种应用于智慧医疗的大数据业务分析方法及系统
CN114186873B (zh) * 2021-12-14 2024-05-17 平安银行股份有限公司 加工变量验证方法、装置及相关设备
CN115481197B (zh) * 2022-09-26 2023-10-31 北京国联视讯信息技术股份有限公司 一种分布式数据处理方法、系统及云平台
CN115687538B (zh) * 2022-11-14 2023-04-25 深圳标普云科技有限公司 一种企业信息采集分析方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872400A (zh) * 2009-04-24 2010-10-27 汪家祥 建立根据计算系统操作请求关联关系判断计算机操作请求安全性的计算机信息安全防护方法
CN107679770A (zh) * 2017-10-26 2018-02-09 苏州赛维新机电检测技术服务有限公司 一种企业资质认证评估系统
CN108600291A (zh) * 2018-02-07 2018-09-28 象翌微链科技发展有限公司 一种企业互联通信的管理方法及系统
CN109492394A (zh) * 2018-10-25 2019-03-19 平安科技（深圳）有限公司 异常业务请求的识别方法及终端设备
CN109657932A (zh) * 2018-11-29 2019-04-19 平安科技（深圳）有限公司 企业风险分析方法、装置、计算机设备和存储介质
CN109976914A (zh) * 2019-04-01 2019-07-05 北京百度网讯科技有限公司 用于控制资源访问的方法和装置
CN110177138A (zh) * 2019-05-22 2019-08-27 古疁(上海)文化发展有限公司 活动服务平台实现方法、装置、设备及存储介质
CN111385148A (zh) * 2020-03-06 2020-07-07 深圳鼎盛电脑科技有限公司 业务告警方法、装置、计算机设备及存储介质
CN111652667A (zh) * 2019-12-31 2020-09-11 成都数联铭品科技有限公司 一种企业主要相关自然人实体数据对齐方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872400A (zh) * 2009-04-24 2010-10-27 汪家祥 建立根据计算系统操作请求关联关系判断计算机操作请求安全性的计算机信息安全防护方法
CN107679770A (zh) * 2017-10-26 2018-02-09 苏州赛维新机电检测技术服务有限公司 一种企业资质认证评估系统
CN108600291A (zh) * 2018-02-07 2018-09-28 象翌微链科技发展有限公司 一种企业互联通信的管理方法及系统
CN109492394A (zh) * 2018-10-25 2019-03-19 平安科技（深圳）有限公司 异常业务请求的识别方法及终端设备
CN109657932A (zh) * 2018-11-29 2019-04-19 平安科技（深圳）有限公司 企业风险分析方法、装置、计算机设备和存储介质
CN109976914A (zh) * 2019-04-01 2019-07-05 北京百度网讯科技有限公司 用于控制资源访问的方法和装置
CN110177138A (zh) * 2019-05-22 2019-08-27 古疁(上海)文化发展有限公司 活动服务平台实现方法、装置、设备及存储介质
CN111652667A (zh) * 2019-12-31 2020-09-11 成都数联铭品科技有限公司 一种企业主要相关自然人实体数据对齐方法
CN111385148A (zh) * 2020-03-06 2020-07-07 深圳鼎盛电脑科技有限公司 业务告警方法、装置、计算机设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685787A (zh) * 2021-02-23 2021-04-20 张雪君 应用于人工智能的大数据信息安全防护方法及云服务器
CN112949746A (zh) * 2021-03-23 2021-06-11 耿赛 应用于用户行为分析的大数据处理方法及人工智能服务器
CN117420985A (zh) * 2023-11-02 2024-01-19 湖南双鸿科技有限公司 一种使用JavaScript封装安卓服务功能的方法
CN117420985B (zh) * 2023-11-02 2024-03-29 湖南双鸿科技有限公司 一种使用JavaScript封装安卓服务功能的方法

Also Published As

Publication number Publication date
CN112232771B (zh) 2021-06-01
CN113052566A (zh) 2021-06-29
CN113052567A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN112232771B (zh) 应用于智慧政企云服务的大数据分析方法及大数据云平台
CN110674360B (zh) 一种用于数据的溯源方法和系统
CN113435762B (zh) 一种企业风险识别方法、装置及设备
CN113408897A (zh) 应用于大数据业务的数据资源共享方法及大数据服务器
CN115238815A (zh) 异常交易数据获取方法、装置、设备、介质和程序产品
CN113239229A (zh) 一种智能筛选数据处理方法、系统及云平台
CN113064984B (zh) 意图识别方法、装置、电子设备及可读存储介质
CN112163019B (zh) 基于区块链的可信电子批记录处理方法及区块链服务平台
CN113761210A (zh) 基于报告文本信息识别的信息处理方法及系统
CN113472860A (zh) 大数据和数字化环境下的业务资源分配方法及服务器
CN113468017A (zh) 应用于区块链的在线业务状态检测方法及业务服务器
CN112528306A (zh) 基于大数据和人工智能的数据访问方法及云计算服务器
CN117271122A (zh) 基于cpu和gpu分离的任务处理方法、装置、设备及存储介质
CN116431498A (zh) 性能测试方法及装置、电子设备和计算机可读存储介质
CN112437132B (zh) 基于云计算和数字化升级的业务资源共享方法及云服务器
CN113221888B (zh) 车牌号管理系统测试方法、装置、电子设备及存储介质
CN115203339A (zh) 多数据源整合方法、装置、计算机设备及存储介质
CN115409104A (zh) 用于识别对象类型的方法、装置、设备、介质和程序产品
CN114443834A (zh) 一种证照信息提取的方法、装置及存储介质
CN110781182A (zh) 校验逻辑的自动编码方法、装置以及计算机设备
CN112527688B (zh) 页面元素的测试用例处理方法及系统
CN113781237B (zh) 基于分布式人工智能系统的产品订购单消费方法
CN113127573B (zh) 相关数据的确定方法、装置、计算机设备和存储介质
WO2022174379A1 (en) Risk assessment of firewall rules in a datacenter
CN114663071A (zh) 一种科技项目数据在线处理的方法及系统

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
TA01 Transfer of patent application right

Effective date of registration: 20210513

Address after: 1001, 10th floor, Tsinghua Information Port research building, North District, high tech park, Nanshan District, Shenzhen, Guangdong 518000

Applicant after: Lihe Kechuang Group Co.,Ltd.

Address before: 226001 room 2608, Asia Pacific Building, No.5 Gongnong Road, Chongchuan District, Nantong City, Jiangsu Province

Applicant before: Yan Huaihua

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Big data analysis method and big data cloud platform applied to smart government and Enterprise Cloud Services

Effective date of registration: 20211027

Granted publication date: 20210601

Pledgee: Shenzhen hi tech investment small loan Co.,Ltd.

Pledgor: Lihe Kechuang Group Co.,Ltd.

Registration number: Y2021440020124

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20230424

Granted publication date: 20210601

Pledgee: Shenzhen hi tech investment small loan Co.,Ltd.

Pledgor: Lihe Kechuang Group Co.,Ltd.

Registration number: Y2021440020124

PC01 Cancellation of the registration of the contract for pledge of patent right