CN112464631B - 一种报表导出方法、装置和设备 - Google Patents
一种报表导出方法、装置和设备 Download PDFInfo
- Publication number
- CN112464631B CN112464631B CN202011421516.5A CN202011421516A CN112464631B CN 112464631 B CN112464631 B CN 112464631B CN 202011421516 A CN202011421516 A CN 202011421516A CN 112464631 B CN112464631 B CN 112464631B
- Authority
- CN
- China
- Prior art keywords
- parameter item
- report
- item set
- report export
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000001960 triggered effect Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000013507 mapping Methods 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 11
- 238000002922 simulated annealing Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 15
- 238000009795 derivation Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
- G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供了一种报表导出方法、装置和设备，其中，该方法包括：接收目标用户触发的目标报表导出请求；其中，目标报表导出请求中包含：目标报表导出类型；获取目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，所述基础参数项集合中包含至少一个基础参数项，附加参数项集合中包含至少一个附加参数项；根据所述目标用户选择的附加参数项，确定目标参数项集合；其中，所述目标参数项集合中包含所述基础参数项集合的中的基础参数项和所述目标用户选择的附加参数项；基于所述目标参数项集合导出目标报表。在本说明书实施例中，可以有效避免导出一些无关参数或者漏选参数，从而导出用户实际需要的参数项，提高了用户体验感。
Description
技术领域
本说明书实施例涉及大数据技术领域，特别涉及一种报表导出方法、装置和设备。
背景技术
业务系统在日常使用中会生成、积存许多数据，业务系统的大数据在业务人员进行业务分析、撰写报告时至关重要。现有技术中业务系统的报表导出功能并不“智能”，只能充当一个用户从数据库获取数据的媒介，使得用户只能导出选择的报表导出类别所对应哪些固定参数。而不同业务部门的业务人员由于分析需求的不同，对于同一报表导出类别可能想要导出的参数是不同的，从而会导致导出一些无关参数或者漏选参数。因此，采用现有技术中的技术方案无法有效地根据用户的实际需求导出报表。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本说明书实施例提供了一种报表导出方法、装置和设备，以解决现有技术中无法有效地根据用户的实际需求导出报表的问题。
本说明书实施例提供了一种报表导出方法，包括：接收目标用户触发的目标报表导出请求；其中，所述目标报表导出请求中包含：目标报表导出类型；获取所述目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，所述基础参数项集合中包含至少一个基础参数项，所述附加参数项集合中包含至少一个附加参数项；根据所述目标用户选择的附加参数项，确定目标参数项集合；其中，所述目标参数项集合中包含所述基础参数项集合的中的基础参数项和所述目标用户选择的附加参数项；基于所述目标参数项集合导出目标报表。
本说明书实施例还提供了一种报表导出装置，包括：接收模块，用于接收目标用户触发的目标报表导出请求；其中，所述目标报表导出请求中包含：目标报表导出类型；获取模块，用于获取所述目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，所述基础参数项集合中包含至少一个基础参数项，所述附加参数项集合中包含至少一个附加参数项；确定模块，用于根据所述目标用户选择的附加参数项，确定目标参数项集合；其中，所述目标参数项集合中包含所述基础参数项集合的中的基础参数项和所述目标用户选择的附加参数项；报表导出模块，用于基于所述目标参数项集合导出目标报表。
本说明书实施例还提供了一种报表导出设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现所述报表导出方法的步骤。
本说明书实施例提供了一种报表导出方法，可以响应与目标用户触发的目标报表导出请求，获取目标报表导出类型关联的基础参数项集合和附加参数项集合，上述基础参数项集合可以有效避免漏选一些必要的参数项。其中，上述目标报表导出请求中可以包含：目标报表导出类型。进一步的，可以根据目标用户选择的附加参数项，确定目标参数项集合，从而可以基于目标参数项集合导出目标报表。由于上述附加参数项集合中的附加参数项是可选的，因此可以有效避免导出一些无关的参数项。结合基础参数项集合的中的基础参数项和目标用户选择的附加参数项可以有效的导出用户实际需要的参数项，提高了用户体验。
附图说明
此处所说明的附图用来提供对本说明书实施例的进一步理解，构成本说明书实施例的一部分，并不构成对本说明书实施例的限定。在附图中：
图1是根据本说明书实施例提供的报表导出系统的结构示意图；
图2是根据本说明书实施例提供的报表导出方法的步骤示意图；
图3是根据本说明书实施例提供的报表导出装置的结构示意图；
图4是根据本说明书实施例提供的报表导出设备的结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本说明书实施例的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本说明书实施例，而并非以任何方式限制本说明书实施例的范围。相反，提供这些实施方式是为了使本说明书实施例公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域的技术人员知道，本说明书实施例的实施方式可以实现为一种系统、装置设备、方法或计算机程序产品。因此，本说明书实施例公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
虽然下文描述流程包括以特定顺序出现的多个操作，但是应该清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
在本申请的一个场景示例中提供了一种报表导出系统，如图1所示，可以包括：终端设备101、服务器102，用户可以通过终端设备101发起目标报表导出请求，并基于服务器102提供的基础参数项集合和附加参数项集合选择附加参数项。服务器102可以响应于用户提交的目标报表导出请求，获取目标报表导出类型关联的基础参数项集合和附加参数项集合，并根据目标用户选择的附加参数项，确定目标参数项集合，从而可以高效地基于目标参数项集合导出目标报表。在一些场景示例中，服务器102还可以将导出的目标报表反馈至终端设备101。
上述终端设备101可以是用户操作使用的终端设备或者软件。具体的，终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能手表或者其它可穿戴设备等终端设备，也可以是机器人设备等。当然，终端设备101也可以是能运行于上述终端设备中的软件。例如：系统应用、支付应用、浏览器、微信小程序等应用软件。
上述服务器102可以是单一的服务器，也可以是服务器集群，当然，服务器的功能也可以是通过云计算技术实现的。该服务器102可以与多个终端设备相连，也可以是具备一个强大的信息集库的服务器，可以响应于用户提交的目标报表导出请求，获取目标报表导出类型关联的基础参数项集合和附加参数项集合，并根据目标用户选择的附加参数项，确定目标参数项集合，从而可以避免导出一些无关参数或者漏选参数，有效地导出用户实际需要的报表。
请参阅图2，本实施方式可以提供一种报表导出方法。该报表导出方法可以用于根据用户选择的报表导出类型向用户推荐必选的基础参数项和可选的附加参数项，从而可以避免导出一些无关参数或者漏选参数，有效地导出用户实际需要的报表。上述报表导出方法可以包括以下步骤。
S201：接收目标用户触发的目标报表导出请求；其中，目标报表导出请求中包含：目标报表导出类型。
在本实施方式中，可以接收用户触发的目标报表导出请求，其中，上述目标报表导出请求中可以包含：目标报表导出类型。当然可以理解的是，上述目标报表导出请求中还可以包含：请求触发时间、目标用户的特征信息、目标用户所属机构等，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
在本实施方式中，上述目标用户可以在其终端的报表导出界面上通过点击、触摸等操作触发目标导出请求。在应用系统中，不同的用户在其中会扮演不同的角色，可以通过用户的特征信息来区分不同的用户，上述目标用户的特征信息可以用于表征目标用户的角色，用户角色可以包括：监测分析员、报表查询员、合同管理员等。
在本实施方式中，不同的角色可以使用的功能、可操作的界面、具备的权限都可能存在差异。因此，对于不同的角色来说，涉及的业务类型的是不同的，使得其会导出的报表导出类型也会存在差异。对于每个角色都可以对应一个报表导出类型的集合，用以表征该角色可以导出的报表导出类型。其中，单个用户角色下的报表导出类型是不重复的，但不同角色可能会有权限操作同一个应用场景，使得不同角色之间报表导出类型是可以重复的。
在一个实施方式中，可以预先根据历史报表导出记录统计应用系统中所有角色历史导出的报表，并对其进行分类得到不同角色涉及的报表导出类型，从而可以确定出应用系统中涉及的所有报表导出类型，或者可以根据应用系统中涉及的所有角色重新设定每个角色可操作的报表导出类型，从而可以统计得到应用系统中涉及的所有报表导出类型。其中，上述历史报表导出记录中可以包含：请求导出报表的用户、用户的特征信息、导出的报表中包含的参数项、导出的时间等，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
S202：获取目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，基础参数项集合中包含至少一个基础参数项，附加参数项集合中包含至少一个附加参数项。
在本实施方式中，由于目标报表导出请求中包含目标报表导出类型，为了使得导出的目标报表中包含所有目标用户想导出的参数项，因此，可以获取目标报表导出类型关联的基础参数项集合和附加参数项集合。其中，上述基础参数项集合中可以包含至少一个基础参数项，上述附加参数项集合中可以包含至少一个附加参数项，基础参数项集合与附加参数项集合之间不存在交集。上述参数项集合内的元素是唯一的，不存在重复参数项，以避免参数项集合中有无限参数。
在本实施方式中，当业务人员需要编写某类业务报告时，需要通过系统导出报表参数，加以分析作为增加报告可信度的数据支撑。那么一份指定类型的业务报告，所需要的参数项也在一定范围内，可以称之为参数项集合。其中，上述基础参数项集合代表可以支撑目标报表导出类型对应的业务报告所需的最小参数项集合，理论最大集合代表当以最丰富的数据编写目标报表导出类型对应的业务报告时所需要的参数项集合，需要说明的是，实际应用中并不一定会使用到理论最大参数项集合。上述基础参数项集合应该是被包含于理论最大参数项集合中的，上述理论最大集合是在基础参数项集合上增加了附加参数项集合(可选的附加参数项)而形成的参数项集合，即上述理论最大集合为基础参数项集合和附加参数项集合的并集。
在本实施方式中，可以预先根据历史报表导出记录中部分标记了报表导出类型的记录，确定出不同报表导出类型对应导出的多个参数项集合，从而可以根据每个报表导出类型历史导出的多个参数项集合，确定出每个报表导出类型关联的基础参数项集合和附加参数项集合。其中，历史报表导出记录的报表导出类型可以是根据人为经验标注的，在一些情况下有些报表导出记录可能会缺失报表导出类型。进一步的，在确定出每个报表导出类型关联的基础参数项集合和附加参数项集合之后，可以将其存储在预设数据库中，以便可以及时获取。
在本实施方式中，获取目标报表导出类型关联的基础参数项集合和附加参数项集合的方式可以包括：可以按照预设路径查询得到。当然可以理解的是，还可以采用其它可能的方式获取上述样本数据集，例如，在预设数据库中按照一定的查找条件搜索目标报表导出类型关联的基础参数项集合和附加参数项集合，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
S203：根据目标用户选择的附加参数项，确定目标参数项集合；其中，目标参数项集合中包含基础参数项集合的中的基础参数项和目标用户选择的附加参数项。
在本实施方式中，由于上述附加参数项集合中的附加参数项是可选的，因此，可以根据目标用户选择的附加参数项确定目标参数项集合，其中，上述目标参数项集合中可以包含基础参数项集合中的所有基础参数项以及目标用户选择的附加参数项，从而可以有效避免导出一些无关参数或者漏选参数。
在一个实施方式中，在获取目标报表导出类型关联的基础参数项集合和附加参数项集合之后，可以将附加参数项集合中的附加参数项在目标用户的终端显示界面上展示，以供用户选择。当然可以理解的是，也可以将基础参数项集合中的基础参数项也一并展示，以便用户确认还需要选择哪些参数项，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
在本实施方式中，将附加参数项集合中的附加参数项在目标用户的终端显示界面上展示可以增加判断条件，以供用户选择是否在执行时跳过该流程环节，例如：在界面的右下键显示跳过按钮等。用户可以动态增减相关的参数项，通过可视化操作，有效提高了业务人员使用便捷性。
S204：基于目标参数项集合导出目标报表。
在本实施方式中，由于上述目标参数项集合中包含了需要导出的所有参数项，因此，可以根据上述目标参数项集合导出目标报表。其中，报表就是用表格、图表等格式来动态显示数据，上述目标报表中可以包含目标参数项集合中的所有参数项，可以采用列表式、摘要式、矩阵式等格式展示参数项。
在本实施方式中，上述列表式是指报表内容按照表头顺序平铺式展示，便于查看详细信息；上述摘要式用于数据汇总统计；上述矩阵式主要用于多条件数据统计，矩阵式报表只有汇总数据，但是查看起来更清晰，更适合在数据分析时使用。
在一个实施方式中，在确定了目标参数项集合之后，可以进一步确定导出参数项的统计维度，从而确定出需要导出的所有数据。其中，上述统计维度可以包括：年月日等时间维度、机构、省份等，上述统计维度可以用于确定导出参数项的数据量。当然，统计维度不限于上述举例，所属领域技术人员在本说明书实施例技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本说明书实施例相同或相似，均应涵盖于本说明书实施例保护范围内。
在一个实施方式中，可以在系统中设置一些基础、常用的报文模板，可以针对用户导出的数据直接生成标准分析报告，用户可在该分析报告的基础上直接修改，从而有效提高了用户的工作效率，提高用户体验。在一些实施例中，用户也可以按照格式要求(基本文本内容、指标插入位置、分支判定语句写法等)上传自己的分析报告模板。具体的可以根据实际情况确定，本说明书实施例对此不作限定。
从以上的描述中，可以看出，本说明书实施例实现了如下技术效果：可以响应与目标用户触发的目标报表导出请求，获取目标报表导出类型关联的基础参数项集合和附加参数项集合，上述基础参数项集合可以有效避免漏选一些必要的参数项。其中，上述目标报表导出请求中可以包含：目标报表导出类型。进一步的，可以根据目标用户选择的附加参数项，确定目标参数项集合，从而可以基于目标参数项集合导出目标报表。由于上述附加参数项集合中的附加参数项是可选的，因此可以有效避免导出一些无关的参数项。结合基础参数项集合的中的基础参数项和目标用户选择的附加参数项可以有效的导出用户实际需要的参数项，提高了用户体验。
本发明的一种实施方式中，在获取目标报表导出类型关联的基础参数项集合和附加参数项集合之前，还可以包括：获取各个报表导出类型的基础参数项集合和初始附加参数项集合，获取多个历史报表导出记录；其中，每个历史报表导出记录中包含导出的参数项集合。进一步的，可以根据每个历史报表导出记录中导出的参数项集合、各个报表导出类型的基础参数项集合和初始附加参数项集合，确定各个历史报表导出记录与各个报表导出类型之间的相似度。并根据各个历史报表导出记录与各个报表导出类型之间的相似度和目标相似度阈值，确定各个报表导出类型和历史报表导出记录之间的关联关系。从而可以根据关联关系对各个报表导出类型的初始附加参数项集合进行校正，得到各个报表导出类型的附加参数项集合。
在本实施方式中，可以预先根据历史报表导出记录中部分标记了报表导出类型的记录，确定出不同报表导出类型对应导出的多个参数项集合，从而可以根据每个报表导出类型历史导出的多个参数项集合，确定出每个报表导出类型的基础参数项集合和初始附加参数项集合。其中，由于历史数据量不够多或者筛选的方式不够精确等原因，会使得上述初始附加参数项集合中的附加参数项可能与实际存在一定的偏差，需要进行调整。
在本实施方式中，由于人为标记的各个历史报表导出记录的报表导出类型可能会存在偏差，因此，可以通过计算各个历史报表导出记录与各个报表导出类型之间的相似度，确定各个历史报表导出记录的实际报表导出类型，从而可以建立各个报表导出类型和历史报表导出记录之间的关联关系。
本发明的一种实施方式中，根据每个历史报表导出记录中导出的参数项集合、各个报表导出类型的基础参数项集合和初始附加参数项集合，确定各个历史报表导出记录与各个报表导出类型之间的相似度，可以包括：将每个历史报表导出记录中导出的参数项集合映射为列向量，根据各个报表导出类型的基础参数项集合和初始附加参数项集合，确定参数项与报表导出类型的映射矩阵；其中，映射矩阵的每列表示不同报表导出类型的参数项集合，每行表示不同的参数项。进一步的，可以分别将每个历史报表导出记录的列向量与映射矩阵相乘，得到各个历史报表导出记录的相似度向量，并对各个历史报表导出记录的相似度向量进行归一化处理。从而可以根据各个历史报表导出记录对应的归一化处理后的相似度向量，确定各个历史报表导出记录与各个报表导出类型之间的相似度。
在本实施方式中，由于每个历史报表导出记录中导出的参数项集合中均包含多个参数项，为了直观的展示每个历史报表导出记录中导出的参数项，可以将每个历史报表导出记录中导出的参数项集合映射为列向量，例如：表明某个历史报表导出记录中导出的参数项集合/>包含了总参数序列中第1、2的参数项，而没有导出第3、4的参数项，其中，T表示矩阵的转置。当前可以理解的是，也可以将每个历史报表导出记录中导出的参数项集合映射为行向量，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
在本实施方式中，上述总参数序列中可以设计为列向量，其中可以包含按照一定顺序排列的所有可能涉及的参数项，从而可以将各个历史报表导出记录中导出的参数项集合映射为与总参数序列维度一致的列向量。上述历史报表导出记录的列向量各个元素的值可以为0或者1，0表示不包含该位置所对应的参数项，1表示包含该位置对应的参数项。上述中仅示例性的描述了四个维度，实际应用中可以包含更多或更少的维度，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
在本实施方式中，可以根据各个报表导出类型的基础参数项集合和初始附加参数项集合，确定参数项与报表导出类型的映射矩阵。其中，映射矩阵中每列的参数项集合中参数项排列的顺序、维度等可以与总参数序列一致。上述映射矩阵可以是一个0-1矩阵，不包含该位置所对应的参数项，1表示包含该位置对应的参数项，判断的准则可以如下所示。
其中，A为映射矩阵；apq为映射矩阵中第p列第q行的值；为第p个报表导出类型的理论最大参数项集合中第q个参数项；/>为总参数序列。
本发明的一个实施例中，上述映射矩阵A可以如下所示。
当然，映射矩阵不限于上述举例，所属领域技术人员在本说明书实施例技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本说明书实施例相同或相似，均应涵盖于本说明书实施例保护范围内。
在本实施方式中，将每个历史报表导出记录的列向量与映射矩阵相乘，根据向量的运算规则，其运算结果是一个列向量，该列向量的维度与映射矩阵中各列的维度相同。各个历史报表导出记录的相似度向量γj的每一维的值分别表示了历史报表导出记录中导出的参数项集合与映射矩阵中各个报表导出类型对应的理论最大参数项集合之间的相似度。
在本实施方式中，为了便于统一衡量，可以按照下述公式对相似度向量归一化：
其中，上述γj为第j个历史报表导出记录的相似度向量；上述为第j个历史报表导出记录标准化的相似度向量，可以用于衡量历史报表导出记录中导出的参数项集合与各个报表导出类型对应的理论最大参数项集合之间的相似度；上述Z为上述相似度向量的维度。
在本实施方式中，对于每次历史报表导出记录，均已知晓其实际的导出意图。因此，对于实际有效的数据，就需要判断哪些历史报表导出记录实际属于应用系统中涉及的报表导出类型，哪些历史报表导出记录不属于。如果历史报表导出记录中导出的参数项集合X与某个报表导出类型Y对应的理论最大参数项集合之间的相似度大于等于目标相似度阈值，则说明历史报表导出记录中导出的参数项集合X属于报表导出类型Y。如果历史报表导出记录中导出的参数项集合X与任一报表导出类型均不匹配，则可以存在两个可能：(1)参数项集合X为脏数据(数据不在给定的范围内或对于实际业务毫无意义，或是数据格式非法，以及在源系统中存在不规范的编码和含糊的业务逻辑)；(2)存在相应的业务需求但未被建立对应的报表导出类型，对于这种情况，可以先行积累数据，当累积达到一定量之后可以利用无监督学习的方式对其进行分析处理。
在本实施方式中，可以建立历史报表导出记录中导出的参数项集合与报表导出类型之间的关联关系，从而可以有效地确定各个历史报表导出记录实际的报表导出类型，为各个报表导出类型的附加参数项集合的校正提供数据基础。
本发明的一种实施方式中，在根据各个历史报表导出记录与各个报表导出类型之间的相似度和目标相似度阈值，确定各个报表导出类型和历史报表导出记录之间的关联关系之前，还可以包括：设置初始相似度阈值，获取训练样本集，其中，训练样本集中包括多组参数项集合和报表导出类型之间的关联关系。进一步的，可以根据初始相似度阈值和训练样本集，利用无约束优化算法迭代训练得到目标相似度阈值。
在本实施方式中，上述初始相似度阈值可以随机设置，例如：0.88、0.91等，具体的可以根据实际情况确定，本说明书实施例对此不作限定。进一步的，可以获取训练样本集，训练样本集中可以包含历史导出记录中已经标记报表导出类型且确认正确的记录，上述训练样本集中可以包含正样本和负样本，上述正样本可以为参数项集合属于某一报表导出类型，负样本可以为参数项集合不属于某一报表导出类型。
在本实施方式中，在历史数据中符合要求的记录数量不充足时，上述训练样本集中的训练样本也可以是根据各个报表导出类型的基础参数项集合和初始附加参数项集合随机生成的。为了确保可以达到较好的训练效果，上述训练样本集中训练样本的数量需要达到预设数量，例如：1000、3400等，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
在本实施方式中，引入两个指标：TP与FP，其中，TP(True Positive)指的是预测为正且结果为正的情况，可以指代经相似度判定导出的参数项集合属于某个报表导出类型，并且业务人员历史进行此次报表导出的真正意图也是导出该报表导出类型的情况；FP(False Positive)指的是预测为负且结果为正的情况，可以指代经相似度判定导出的参数项集合不属于某个报表导出类型，但是业务人员历史进行此次报表导出的实际意图是导出该报表导出类型的情况。进一步的，可以引入TPR和FPR，TPR和FPR分别是指TP数和FP数占总数的百分比数。如果TPR越接近于1，则表明预测效果越好。即对于某个相似度阈值，当TPR接近于1时表明在该相似度阈值下，所有根据相似度推断出的结果与实际结果接近完全一致。
在本实施方式中，可以设置初始相似度阈值为δ0，目标为预测为正且结果为正的参数个数占总数的百分比数TPR大于预设值θ，可以利用无约束优化算法迭代训练得到目标相似度阈值，具体的可以采用L-BFGS算法(Limited memory-BFGS，Limited memory拟牛顿算法)，是一种省内存的BFGS，可以用于求解最优化问题。具体迭代过程如下所示：
S21：输入初始相似度阈值δ0，以及训练样本集m，输出结果是目标相似度阈值；
S22：当TPR≤θ，执行步骤S23-步骤S27，否则执行S28；
S23：计算相似度阈值δ梯度：其中，g为相似度阈值δ的梯度；i为维度；L为导函数；x(i)为自变量在i的分量；y(i)为因变量在i的分量
S24：计算Hessian矩阵(海森矩阵)
S25：计算Hessian矩阵的逆矩阵H-1；
S26：计算更新：Δδ←-H-1g；
S27：应用更新：
S28：当迭代得到的相似度阈值基本不发生变化时输出结果：目标相似度阈值δ。
在本实施方式中，可以利用L-BFGS算法高效准确的确定目标相似度阈值，从而可以基于目标相似度阈值建立历史报表导出记录中导出的参数项集合与报表导出类型之间的关联关系。
本发明的一种实施方式中，根据关联关系对各个报表导出类型的初始附加参数项集合进行校正，得到各个报表导出类型的附加参数项集合，可以包括：根据定各个报表导出类型和历史报表导出记录之间的关联关系，将每个历史报表导出记录中导出的参数项集合转换为有向图，并基于谱聚类算法建立识别模型。进一步的，可以根据每个历史报表导出记录对应的有向图，利用模拟退火的优化算法对识别模型进行迭代求解，得到各个报表导出类型的常用参数项集合。从而可以根据各个报表导出类型的常用参数项集合收敛各个报表导出类型的初始附加参数项集合，得到各个报表导出类型的附加参数项集合。
在本实施方式中，对于一个有o个参数的参数项集合，可以构造为有向图Gj＝(V,E,ω)。其中，V表示导出类型j的参数项集合；E表示参数项集合之间的弧，有和/>为属于V的两个不同的参数项集合；ω表示弧的权重，弧的权重即为两个参数项集合之间的相似度。给图的每条边规定一个方向，那么得到的图称为有向图，其有向表征为节点之间的双向权重是不一致的，如一致就是无向图。
在本实施方式中，对于有向图Gj，定义其加权邻接矩阵Aj，其维度为o×o。矩阵Aj中的元素为：
其中，上述awv为加权邻接矩阵Aj中第w行第v列元素的值；xw、xv为两个不相同点位；σ为高斯核函数。
在本实施方式中，可以定义度矩阵Dj，其对角线元素值为其所在列之和，其余的元素均为0。上述度矩阵Dj中的每个元素均是一个参数项集合，而不是一个参数。
在本实施方式中，Lj是有向图Gj的拉普拉斯矩阵，其中，Lj＝DJ-Aj。谱聚类(pectralclustering)的目标是将有向图切割为k个子图，且保证连接子图的区间权重和最小，子图内的权重和较大。假设将有向图切割为两个子图，对于子图I和假设二者之间的连接路径集合为Ec，则有：/>其中，ae为连接路径集合中第e个元素；e为弧；x、y为不相同点位(参数项集合)。
在本实施方式中，上述路径集合Ec权重为Wc，其数值为：基于谱聚类的常用参数项集合划分目标函数为：/>其中，G为有向图；k为切割的子图的个数。
在本实施方式中，可以使用多路规范割集准则作为实施方式，相比于其他准则多路规范割集准则具备较高的执行效率。多路规范割集准则的识别模型为：其中，G为有向图；K为分隔簇数目；/>为两子集之间的相似度；aut为u和t之间的连接路径；u为集合Im的任意；t为全集G中的任意元素。
在本实施方式中，在识别模型建立后存在两个待优化参数，一个是高斯核函数σ，另一个是分隔簇数目K。可以基于模拟退火的优化算法来优化两个参数的取值，其中，模拟退火算法以一定的概率来接受一个比当前解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。
因此，约束条件为：
其中，K为分隔簇数目；SK为V的子集；V为导出类型j的参数项集合；m为迭代次数；Te为温度阈值；α为温度衰减率。
在本实施方式中，通过迭代求解上述识别模型可以实现对不同报表导出类型的常用参数项集合的划分，常用参数项集合指的是对于某个报表导出类型，业务人员最常用会导出的几类参数项集合。划分结果可以进一步用来修正各个报表导出类型的初始附加参数项集合，即修正各个报表导出类型的初始附加参数项集合的宽度，使得初始附加参数项集合保持最合适的维度。
在本实施方式中，对于某角色下某个具体的报表导出类型，其参数项集合是随时间推演而收敛的，可以使用k-means算法对其进行聚类。在数据量较小的初期，可能会存在多个聚类簇。随着数据量的不断增大，数据的聚类中心也不断减少，直至形成多个聚类中心。其中，k-means算法是输入聚类个数k，以及包含n个数据对象的数据库，输出满足方差最小标准k个聚类的一种算法。
在本实施方式中，通过收敛各个报表导出类型的初始附加参数项集合，可以有效减少初始附加参数项集合的区间，进一步减少计算复杂度，提升实际应用的计算效率，并且可以准确建立报表导出类型与参数项集合之间的映射关系。
本发明的一种实施方式中，在根据每个历史报表导出记录对应的有向图，利用模拟退火的优化算法对识别模型进行迭代求解，得到各个报表导出类型的常用参数项集合之后，还可以包括：确定每个历史报表导出记录对应的用户的特征信息，并根据每个历史报表导出记录对应的用户的特征信息、各个报表导出类型和历史报表导出记录之间的关联关系，利用聚类分析确定不同特征信息的常用报表导出类型。
在本实施方式中，由于每条历史报表导出记录都对应存储了操作的用户的特征信息，从而可以确定出具有不同特征信息的用户历史导出过哪些报表导出类型，因此，可以根据每个历史报表导出记录对应的用户的特征信息、各个报表导出类型和历史报表导出记录之间的关联关系，利用k-means算法聚类进行聚类分析确定具有不同特征信息的用户的常用报表导出类型，即可以确定何种角色会导出怎样的报表类型，可以将上述聚类分析的结果存储为一个映射集合。
在本实施方式中，可以匹配得到具备不同特征信息的用户的常用报表导出类型，以及具备该特征信息的用户使用的某一常用报表导出类型的常用参数项集合。因此，实现了从特征信息到参数项集合的映射，实现了全流程的数据连接与流转，为向用户推荐参数项集合提供了数据基础。
本发明的一种实施方式中，在利用历史报表导出记录之前还可以先对历史报表导出记录进行预处理，以识别出历史报表导出记录中的脏数据。每个报表导出类型的理论最大参数项集合为φj，其中每一个参数项φj都含有一个游标，表示其在总参数序列ψ的位置。总参数序列ψ与每个报表导出类型的理论最大参数项集合为φj之间存在如下关系：
ψ＝φ1∪φ2∪φ3∪…∪φJ
在本实施方式中，上述J为报表导出类型的总个数。如果对于某个历史报表导出记录中导出的参数项集合存在：/>则表明参数项集合/>的维度超过了任何一个报表导出类型的理论最大参数项集合。在此情况下，有两种解决办法：(1)认为该参数项集合为脏数据，需要被清理出去；(2)若考虑报表导出类型或者理论最大参数项集合中参数项的列举可能存在的遗漏情况，事实上参数项集合/>是属于某个潜在的报表导出类型，可以将参数项集合/>存入备选集中，作为后续进一步筛选的备选集。具体的可以根据实际情况确定，本说明书实施例对此不作限定。
本发明的一种实施方式中，在接收目标用户触发的目标报表导出请求之前，还可以包括：接收目标用户的登录请求，其中，登录请求中包括目标用户的特征信息。进一步的，可以根据目标用户的特征信息，确定出向目标用户推荐的至少一个报表导出类型，并将推荐的至少一个报表导出类型展示在目标用户的终端中。
在本实施方式中，目标用户可以在其终端界面中触发登录请求，上述登录请求中可以包括目标用户的特征信息，当然还可以包含其它信息，例如：用户名、密码、目标用户所属机构、请求生成时间等，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
在本实施方式中，服务器可以响应于用户触发的登录请求获取目标用户的特征信息，从而可以基于不同特征信息的常用报表导出类型，确定出目标用户的特征信息对应的常用报表导出类型，并将确定出的常用报表导出类型作为向目标用户推荐的报表导出类型。进一步的，可以将确定出的推荐的至少一个报表导出类型展示在目标用户的终端显示界面中，至少一个报表导出类型可以以图表的形式排列展示，具体的可以根据实际情况确定，本说明书实施例对此不作限定。
在本实施方式中，可以基于用户的特征信息智能地识别用户的导出意图，并基于不同特征信息的常用报表导出类型向用户推荐报表导出类型，使用户可以直观的看到自己重用的报表导出类型，有效提高了用户体验。
本发明的一种实施方式中，目标报表导出请求中还可以包含：目标用户的特征信息，在将至少一个报表导出类型展示在目标用户的终端中之后，还可以包括：在确定目标用户选择了推荐的至少一个报表导出类型中的目标报表导出类型的情况下，可以获取目标用户的特征信息对应的目标报表导出类型的多个常用参数项集合，并将多个常用参数项集合展示在目标用户的终端中。
在本实施方式中，可以基于报表导出类型与常用参数项集合之间的关联关系，获取目标用户的特征信息对应的目标报表导出类型的多个常用参数项集合，并将多个常用参数项集合展示在目标用户的终端显示界面中，以作为参考。从而可以是用户直观地自己常用的报表导出类型及其涉及的参数项集合，以避免用户漏选必要的参数项，有效提高用户选择参数项的效率和准确度，进而可以提高用户撰写的分析报告的质量。
本发明的一种实施方式中，从软件架构的角度看，实现上述步骤需要设置的模块可以包括：存储模块、逻辑运算模块以及交互模块。其中，存储模块主要存储了所需要的相关基础数据、优化部分的计算结果以及所有的需要的相关参数，存储模块可以通过ORACLE数据库以及mangoDB开发。其中，上述ORACLE数据库是甲骨文公司推出的一个数据库管理系统；上述mangoDB是一个基于分布式文件存储的数据库，它旨在为应用提供可扩展的高性能数据存储解决方案，最大的特点是支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。
在本实施方式中，上述逻辑运算模块主要有三个作用：(1)和存储模块交互，存储运算结果信息、读取各类基本信息，逻辑运算模块基于Java(面向对象的程序设计语言)开发，与存储模块交互采用了JPA(Java Persistence API，Java持久层API)作为ORM框架；(2)实施逻辑计算：该部分主要进行数值计算与算法的流程控制；(3)为交互模块提供数据中转：作为展示层和存储层之间的层级，逻辑运算层可以接受交互层发起的API(应用程序接口)请求，并返回对应数据。其中，上述ORM(Object Relational Mapping)框架采用元数据来描述对象与关系映射细节，元数据一般采用XML格式，并且存放在专门的对象、映射文件中。
在本实施方式中，上述交互模块主要有三个功能：(1)业务报表导出类型推荐：基于当前用户的特征信息，为用户推荐业务报表导出类型；(2)业务报表参数推荐与调整：基于(1)的选择，可以为用户推荐若干套参数项组合，用户可选择某一参数项集合并在其对应的附加参数项集合内增减参数；(3)模板配置与导出：针对每种报表导出类型均配置了对应的报告导出模板，可以根据用户选择的模板与参数项信息导出模板化的分析报告样例。其中，前端技术使用开源框架Vue.js开发。
基于同一发明构思，本说明书实施例中还提供了一种报表导出装置，如下面的实施例。由于报表导出装置解决问题的原理与报表导出装置方法相似，因此报表导出装置的实施可以参见报表导出装置方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。图3是本说明书实施例的报表导出装置的一种结构框图，如图3所示，可以包括：接收模块301、获取模块302、确定模块303、报表导出模块304，下面对该结构进行说明。
接收模块301，可以用于接收目标用户触发的目标报表导出请求；其中，目标报表导出请求中包含：目标报表导出类型；
获取模块302，可以用于获取目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，基础参数项集合中包含至少一个基础参数项，附加参数项集合中包含至少一个附加参数项；
确定模块303，可以用于根据目标用户选择的附加参数项，确定目标参数项集合；其中，目标参数项集合中包含基础参数项集合的中的基础参数项和目标用户选择的附加参数项；
报表导出模块304，可以用于基于目标参数项集合导出目标报表。
本说明书实施例实施方式还提供了一种电子设备，具体可以参阅图4所示的基于本说明书实施例提供的报表导出方法的电子设备组成结构示意图，电子设备具体可以包括输入设备41、处理器42、存储器43。其中，输入设备41具体可以用于输入目标报表导出请求。处理器42具体可以用于接收目标用户触发的目标报表导出请求；其中，目标报表导出请求中包含：目标报表导出类型；获取目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，基础参数项集合中包含至少一个基础参数项，附加参数项集合中包含至少一个附加参数项；根据目标用户选择的附加参数项，确定目标参数项集合；其中，目标参数项集合中包含基础参数项集合的中的基础参数项和目标用户选择的附加参数项；基于目标参数项集合导出目标报表。存储器43具体可以用于存储目标参数项集合、目标报表等参数。
在本实施方式中，输入设备具体可以是用户和计算机系统之间进行信息交换的主要装置之一。输入设备可以包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等；输入设备用于把原始数据和处理这些数的程序输入到计算机中。输入设备还可以获取接收其他模块、单元、设备传输过来的数据。处理器可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。存储器具体可以是现代信息技术中用于保存信息的记忆设备。存储器可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。
在本实施方式中，该电子设备具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
本说明书实施例实施方式中还提供了一种基于报表导出方法的计算机存储介质，计算机存储介质存储有计算机程序指令，在计算机程序指令被执行时可以实现：接收目标用户触发的目标报表导出请求；其中，目标报表导出请求中包含：目标报表导出类型；获取目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，基础参数项集合中包含至少一个基础参数项，附加参数项集合中包含至少一个附加参数项；根据目标用户选择的附加参数项，确定目标参数项集合；其中，目标参数项集合中包含基础参数项集合的中的基础参数项和目标用户选择的附加参数项；基于目标参数项集合导出目标报表。
在本实施方式中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory，RAM)、只读存储器(Read-Only Memory，ROM)、缓存(Cache)、硬盘(Hard DiskDrive，HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
在本实施方式中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
显然，本领域的技术人员应该明白，上述的本说明书实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本说明书实施例不限制于任何特定的硬件和软件结合。
虽然本说明书实施例提供了如上述实施例或流程图所述的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本说明书实施例提供的执行顺序。所述的方法的在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
应该理解，以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述，在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此，本说明书实施例的范围不应该参照上述描述来确定，而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。
以上所述仅为本说明书实施例的优选实施例而已，并不用于限制本说明书实施例，对于本领域的技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的保护范围之内。
Claims (8)
1.一种报表导出方法，其特征在于，包括：
接收目标用户触发的目标报表导出请求；其中，所述目标报表导出请求中包含：目标报表导出类型；
获取所述目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，所述基础参数项集合中包含至少一个基础参数项，所述附加参数项集合中包含至少一个附加参数项；
根据所述目标用户选择的附加参数项，确定目标参数项集合；其中，所述目标参数项集合中包含所述基础参数项集合的中的基础参数项和所述目标用户选择的附加参数项；
基于所述目标参数项集合导出目标报表；
在获取所述目标报表导出类型关联的基础参数项集合和附加参数项集合之前，还包括：
获取各个报表导出类型的基础参数项集合和初始附加参数项集合；
获取多个历史报表导出记录；其中，每个历史报表导出记录中包含导出的参数项集合；
根据每个历史报表导出记录中导出的参数项集合、各个报表导出类型的基础参数项集合和初始附加参数项集合，确定各个历史报表导出记录与各个报表导出类型之间的相似度；
根据所述各个历史报表导出记录与各个报表导出类型之间的相似度和目标相似度阈值，确定所述各个报表导出类型和历史报表导出记录之间的关联关系；
根据所述关联关系对所述各个报表导出类型的初始附加参数项集合进行校正，得到所述各个报表导出类型的附加参数项集合；
根据所述关联关系对所述各个报表导出类型的初始附加参数项集合进行校正，得到所述各个报表导出类型的附加参数项集合，包括：
根据定所述各个报表导出类型和历史报表导出记录之间的关联关系，将所述每个历史报表导出记录中导出的参数项集合转换为有向图；
基于谱聚类算法建立识别模型；
根据所述每个历史报表导出记录对应的有向图，利用模拟退火的优化算法对所述识别模型进行迭代求解，得到各个报表导出类型的常用参数项集合；
根据所述各个报表导出类型的常用参数项集合收敛所述各个报表导出类型的初始附加参数项集合，得到所述各个报表导出类型的附加参数项集合。
2.根据权利要求1所述的方法，其特征在于，根据每个历史报表导出记录中导出的参数项集合、各个报表导出类型的基础参数项集合和初始附加参数项集合，确定各个历史报表导出记录与各个报表导出类型之间的相似度，包括：
将每个历史报表导出记录中导出的参数项集合映射为列向量；
根据所述各个报表导出类型的基础参数项集合和初始附加参数项集合，确定参数项与报表导出类型的映射矩阵；其中，所述映射矩阵的每列表示不同报表导出类型的参数项集合，每行表示不同的参数项；
分别将每个历史报表导出记录的列向量与所述映射矩阵相乘，得到各个历史报表导出记录的相似度向量；
对所述各个历史报表导出记录的相似度向量进行归一化处理；
根据所述各个历史报表导出记录对应的归一化处理后的相似度向量，确定各个历史报表导出记录与各个报表导出类型之间的相似度。
3.根据权利要求1所述的方法，其特征在于，在根据所述各个历史报表导出记录与各个报表导出类型之间的相似度和目标相似度阈值，确定所述各个报表导出类型和历史报表导出记录之间的关联关系之前，还包括：
设置初始相似度阈值；
获取训练样本集；其中，所述训练样本集中包括多组参数项集合和报表导出类型之间的关联关系；
根据所述初始相似度阈值和训练样本集，利用无约束优化算法迭代训练得到目标相似度阈值。
4.根据权利要求1所述的方法，其特征在于，在根据所述每个历史报表导出记录对应的有向图，利用模拟退火的优化算法对所述识别模型进行迭代求解，得到各个报表导出类型的常用参数项集合之后，还包括：
确定所述每个历史报表导出记录对应的用户的特征信息；
根据所述每个历史报表导出记录对应的用户的特征信息、所述各个报表导出类型和历史报表导出记录之间的关联关系，利用聚类分析确定不同特征信息的常用报表导出类型。
5.根据权利要求1所述的方法，其特征在于，在接收目标用户触发的目标报表导出请求之前，还包括：
接收所述目标用户的登录请求，其中，所述登录请求中包括所述目标用户的特征信息；
根据所述目标用户的特征信息，确定出向所述目标用户推荐的至少一个报表导出类型；
将推荐的所述至少一个报表导出类型展示在所述目标用户的终端中。
6.根据权利要求5所述的方法，其特征在于，所述目标报表导出请求中还包含：所述目标用户的特征信息，在将所述至少一个报表导出类型展示在所述目标用户的终端中之后，还包括：
在确定所述目标用户选择了推荐的所述至少一个报表导出类型中的目标报表导出类型的情况下，获取所述目标用户的特征信息对应的所述目标报表导出类型的多个常用参数项集合；
将所述多个常用参数项集合展示在所述目标用户的终端中。
7.一种报表导出装置，其特征在于，包括：
接收模块，用于接收目标用户触发的目标报表导出请求；其中，所述目标报表导出请求中包含：目标报表导出类型；
获取模块，用于获取所述目标报表导出类型关联的基础参数项集合和附加参数项集合；其中，所述基础参数项集合中包含至少一个基础参数项，所述附加参数项集合中包含至少一个附加参数项；
确定模块，用于根据所述目标用户选择的附加参数项，确定目标参数项集合；其中，所述目标参数项集合中包含所述基础参数项集合的中的基础参数项和所述目标用户选择的附加参数项；
报表导出模块，用于基于所述目标参数项集合导出目标报表；
在获取所述目标报表导出类型关联的基础参数项集合和附加参数项集合之前，还包括：
获取各个报表导出类型的基础参数项集合和初始附加参数项集合；
获取多个历史报表导出记录；其中，每个历史报表导出记录中包含导出的参数项集合；
根据每个历史报表导出记录中导出的参数项集合、各个报表导出类型的基础参数项集合和初始附加参数项集合，确定各个历史报表导出记录与各个报表导出类型之间的相似度；
根据所述各个历史报表导出记录与各个报表导出类型之间的相似度和目标相似度阈值，确定所述各个报表导出类型和历史报表导出记录之间的关联关系；
根据所述关联关系对所述各个报表导出类型的初始附加参数项集合进行校正，得到所述各个报表导出类型的附加参数项集合；
根据所述关联关系对所述各个报表导出类型的初始附加参数项集合进行校正，得到所述各个报表导出类型的附加参数项集合，包括：
根据定所述各个报表导出类型和历史报表导出记录之间的关联关系，将所述每个历史报表导出记录中导出的参数项集合转换为有向图；
基于谱聚类算法建立识别模型；
根据所述每个历史报表导出记录对应的有向图，利用模拟退火的优化算法对所述识别模型进行迭代求解，得到各个报表导出类型的常用参数项集合；
根据所述各个报表导出类型的常用参数项集合收敛所述各个报表导出类型的初始附加参数项集合，得到所述各个报表导出类型的附加参数项集合。
8.一种报表导出设备，其特征在于，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011421516.5A CN112464631B (zh) | 2020-12-08 | 2020-12-08 | 一种报表导出方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011421516.5A CN112464631B (zh) | 2020-12-08 | 2020-12-08 | 一种报表导出方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112464631A CN112464631A (zh) | 2021-03-09 |
| CN112464631B true CN112464631B (zh) | 2024-06-07 |
Family
ID=74800798
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011421516.5A Active CN112464631B (zh) | 2020-12-08 | 2020-12-08 | 一种报表导出方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112464631B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114121207A (zh) * | 2021-10-29 | 2022-03-01 | 杭州太美星程医药科技有限公司 | 一种报告导出方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108563783A (zh) * | 2018-04-25 | 2018-09-21 | 张艳 | 一种基于大数据的财务分析管理系统及方法 |
| CN109597974A (zh) * | 2017-09-30 | 2019-04-09 | 北京国双科技有限公司 | 报表生成方法及装置 |
| CN110688541A (zh) * | 2019-10-08 | 2020-01-14 | 中国建设银行股份有限公司 | 一种报表数据的查询方法、装置、存储介质及电子设备 |
| CN111694928A (zh) * | 2020-05-28 | 2020-09-22 | 平安资产管理有限责任公司 | 数据指标推荐方法、装置、计算机设备及可读存储介质 |
-
2020
- 2020-12-08 CN CN202011421516.5A patent/CN112464631B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109597974A (zh) * | 2017-09-30 | 2019-04-09 | 北京国双科技有限公司 | 报表生成方法及装置 |
| CN108563783A (zh) * | 2018-04-25 | 2018-09-21 | 张艳 | 一种基于大数据的财务分析管理系统及方法 |
| CN110688541A (zh) * | 2019-10-08 | 2020-01-14 | 中国建设银行股份有限公司 | 一种报表数据的查询方法、装置、存储介质及电子设备 |
| CN111694928A (zh) * | 2020-05-28 | 2020-09-22 | 平安资产管理有限责任公司 | 数据指标推荐方法、装置、计算机设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112464631A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210365305A1 (en) | Systems and methods for quickly searching datasets by indexing synthetic data generating models | |
| US20210374610A1 (en) | Efficient duplicate detection for machine learning data sets | |
| US11190562B2 (en) | Generic event stream processing for machine learning | |
| US20200050968A1 (en) | Interactive interfaces for machine learning model evaluations | |
| US11487941B2 (en) | Techniques for determining categorized text | |
| US10521734B2 (en) | Machine learning predictive labeling system | |
| EP3161635B1 (en) | Machine learning service | |
| US11474978B2 (en) | Systems and methods for a data search engine based on data profiles | |
| CN110309110A (zh) | 一种大数据日志监控方法及装置、存储介质和计算机设备 | |
| CA2950500A1 (en) | Analytic systems, methods, and computer-readable media for structured, semi-structured, and unstructured documents | |
| WO2020164272A1 (zh) | 上网设备的识别方法、装置及存储介质、计算机设备 | |
| US11775504B2 (en) | Computer estimations based on statistical tree structures | |
| US20230004979A1 (en) | Abnormal behavior detection method and apparatus, electronic device, and computer-readable storage medium | |
| AU2022204589B2 (en) | Multiple input machine learning framework for anomaly detection | |
| JP2018198046A (ja) | 金融イベント・データベースの生成のための装置および方法 | |
| CN112464631B (zh) | 一种报表导出方法、装置和设备 | |
| CN114495137B (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
| CN116205296A (zh) | 一种融合自顶向下与自底向上的abac策略工程方法 | |
| CN116702024B (zh) | 流水数据类型识别方法、装置、计算机设备和存储介质 | |
| US20240012859A1 (en) | Data cataloging based on classification models | |
| Jiao et al. | Research on Operation Perception of Treasury Centralized Payment Based on Spark | |
| Arora | A Demonstration of Benchmarking Time Series Management Systems in the Cloud | |
| CN116910352A (zh) | 基于人工智能的报表推荐方法、装置、设备及介质 |
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 | ||
| GR01 | Patent grant |