CN114240264A - 一种城管事件指标间的因果关系检验方法及装置 - Google Patents
一种城管事件指标间的因果关系检验方法及装置 Download PDFInfo
- Publication number
- CN114240264A CN114240264A CN202210171095.8A CN202210171095A CN114240264A CN 114240264 A CN114240264 A CN 114240264A CN 202210171095 A CN202210171095 A CN 202210171095A CN 114240264 A CN114240264 A CN 114240264A
- Authority
- CN
- China
- Prior art keywords
- time
- change
- relationship
- categories
- rate
- 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
- 230000001364 causal effect Effects 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008859 change Effects 0.000 claims abstract description 90
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 230000008901 benefit Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000007935 neutral effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
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
- G06Q10/06—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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城管事件指标间的因果关系检验方法及装置,主要解决现有城管事件指标上的因果关系常常被忽略的问题。该方法包括的步骤有首先对城管事件中的连续数据集进行预处理,用变化率来描述指标,根据变化率将其归类为正变化率,负变化率且无变化率;其次将其转换为元组形式,再判断指标间是否存在时间关联,若存在,则生成二元规则BRS,并计算两个指标间的关系强度;最终生成精准二元规则SRS;本发明通过类别变化率来描述一个类别对另一个类别的影响,从而提高类别间因果关系检验的准确率。
Description
技术领域
本发明涉及判别指标因果关系技术领域,具体地说,是涉及一种城管事件指标间的因果关系检验方法及装置。
背景技术
城管事件指标间的因果关系检验是根据历史城管事件数据检验一个指标对另一个指标的影响,从而判断指标间是否存在因果关系。城管事件是智慧城建的重要部分,也是解决城市信息系统的一个关键点。每个城市、每个街道的城管事件都具有特定的复杂性,对于城管事件指标间的因果检验具有十分重要的实际意义。
在大数据背景下,时间序列数据特征具有复杂性以及多样性,寻找指标间的因果关系变得十分具有挑战性。城管事件指标上的因果关系常常被忽略,然而城管事件的因果关系能辅助我们更清晰地建设智慧城市,因此对不同的城管事件的指标加以分析,找出指标间的因果关系刻不容缓。
发明内容
本发明的目的在于提供一种城管事件指标间的因果关系检验方法及装置,以解决现有城管事件指标上的因果关系常常被忽略的问题。
为了解决上述问题,本发明提供如下技术方案:
一种城管事件指标间的因果关系检验方法包括以下步骤:
S1、对城管事件数据预处理后,任选两个类别分别统计其在设定时间单元的发生次数,然后分别计算其在设定时间单元的变化率;
S2、通过设定的变化率类型,将步骤S1中两个类别的变化率分别归类;
S3、根据步骤S2中归类后的两个类别,计算两个类别的因果关系支持值和时间优势比,然后判断是否存在因果关系,是则执行步骤S4和S5,否则结束;
S4、生成二元规则BRS,并计算两个类别的关系强度;
S5、根据步骤S4的二元规则BRS和关系强度生成精准二元规则SRS。
进一步的,步骤S2中将变化率归类的计算公式如下:
进一步的,步骤S3的具体过程如下:
S304、判断是否因果关系支持值大于或等于设定因果关系的支持数阈值,且时间优势比大于或等于时间优势比的阈值,是则存在因果关系,否则结束。
进一步的,步骤S302的具体过程如下:
进一步的,步骤S303的具体过程如下:
进一步的,步骤S304的具体过程如下:
进一步的,步骤S4的具体过程为:
一种城管事件指标间的因果关系检验装置包括存储器:用于存储可执行指令;处理器:用于执行所述存储器中存储的可执行指令,实现一种城管事件指标间的因果关系检验方法。
与现有技术相比,本发明具有以下有益效果:
(1)本发明通过类别变化率,时间序列数据提取因果关系来描述一个类别对另一个类别的影响,从而提高类别间因果关系检验的准确率
(2)本发明定义了时间关联滞后规则以及时间优势比的概念,便于提取各种类别之间的因果关系。
(3)本发明可以生成更为精准的二元因果规则,其关系强度对战略决策具有重要意义。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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,其中:
图1为本发明的流程架构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合图1对本发明作进一步地详细描述,所描述的实施例不应视为对本发明的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
如图1所示,一种城管事件指标间的因果关系检验方法通过构建生成精准的分析城管事件中不同类别指标之间的因果关系,从而可以有效地发现大范围内现有的因果关系结构时间序列数据库;首先对本文中所用到的类别进行定义:
U即正变化率,D即负变化率,Q即无变化率
n,即时间序列中的样本数量
z,即数据库P中的指标数量
l,即滞后值
一种城管事件指标间的因果关系检验方法的具体步骤如下:
S1、对城管事件数据预处理后,任选两个类别分别统计其在设定时间单元的发生次数,然后分别计算其在设定时间单元的变化率;预处理为去掉明显不合理的数字,如负数;
变化率的计算公式如下:
S2、通过设定的变化率类型,将步骤S1中两个类别的变化率分别归类;
S3、根据步骤S2中归类后的两个类别,计算两个类别的因果关系支持值和时间优势比,然后判断是否存在因果关系,是则执行步骤S4和S5,否则结束;具体过程如下:
将类别的时间序列被转换成一组元组> ,其中是第k个时间单
元,=∊{U, D, Q}表示第k个时间单元类别的变化为正、负或无速率。例如,GDP在
1970 年具有正的变化率,那么它可以表示为:<GDP, 1970, U>。
时间关联:使用直接或间接关系时间关联可以定义如下:
S4、生成二元规则BRS,并计算两个类别的关系强度;
实施例2
这里我们计算支持值α的滞后值为1。
6、根据上一步算法生成的二元因果规则,在这一步中我们计算出精准的二元因果规则。
输入二元规则生成的结果,以及;初始化类别,,,,,,;带入实施例1中公式(2)
公式(5)以及公式(8)计算得到支持度,带入实施例1中公式(2)公式(15)以及公式(16)计算
得到时间优势比,最终得到结果SRS。
实施例3
一种城管事件指标间的因果关系检验装置包括存储器:用于存储可执行指令;处理器:用于执行所述存储器中存储的可执行指令,实现一种城管事件指标间的因果关系检验方法。
本发明提出了一种在大数据下,时间序列数据提取因果关系的方法,例如二元关系、精准二元关系。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种城管事件指标间的因果关系检验方法,其特征在于,包括以下步骤:
S1、对城管事件数据预处理后,任选两个类别分别统计其在设定时间单元的发生次数,然后分别计算其在设定时间单元的变化率;
S2、通过设定的变化率类型,将步骤S1中两个类别的变化率分别归类;
S3、根据步骤S2中归类后的两个类别,计算两个类别的因果关系支持值和时间优势比,然后判断是否存在因果关系,是则执行步骤S4和S5,否则结束;
S4、生成二元规则BRS,并计算两个类别的关系强度;
S5、根据步骤S4的二元规则BRS和关系强度生成精准二元规则SRS。
4.根据权利要求3所述的一种城管事件指标间的因果关系检验方法,其特征在于,步骤S3的具体过程如下:
S304、判断是否因果关系支持值大于或等于设定因果关系的支持数阈值,且时间优势比大于或等于时间优势比的阈值,是则存在因果关系,否则结束。
6.根据权利要求5所述的一种城管事件指标间的因果关系检验方法,其特征在于,步骤S303的具体过程如下:
10.一种城管事件指标间的因果关系检验装置,其特征在于,包括
存储器:用于存储可执行指令;
处理器:用于执行所述存储器中存储的可执行指令,实现如权利要求1-9任一项所述的一种城管事件指标间的因果关系检验方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210171095.8A CN114240264A (zh) | 2022-02-24 | 2022-02-24 | 一种城管事件指标间的因果关系检验方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210171095.8A CN114240264A (zh) | 2022-02-24 | 2022-02-24 | 一种城管事件指标间的因果关系检验方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114240264A true CN114240264A (zh) | 2022-03-25 |
Family
ID=80748088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210171095.8A Pending CN114240264A (zh) | 2022-02-24 | 2022-02-24 | 一种城管事件指标间的因果关系检验方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240264A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005017652A2 (en) * | 2003-08-05 | 2005-02-24 | Rosetta Inpharmatics, Llc | Computer systems and methods for inferring causality from cellular constituent abundance data |
US20050060403A1 (en) * | 2003-09-11 | 2005-03-17 | Bernstein David R. | Time-based correlation of non-translative network segments |
US20080311572A1 (en) * | 2004-11-26 | 2008-12-18 | Ahuja Sunil K | Methods and Compositions For Correlating Ccl3l1/Ccr5 Genotypes With Disorders |
US20200160189A1 (en) * | 2018-11-20 | 2020-05-21 | International Business Machines Corporation | System and Method of Discovering Causal Associations Between Events |
CN113221096A (zh) * | 2021-06-04 | 2021-08-06 | 北银金融科技有限责任公司 | 一种在混沌工程中随机事件相关性分析方法及系统 |
CN113656906A (zh) * | 2021-07-29 | 2021-11-16 | 浙江大学 | 一种面向燃气轮机的非平稳多变量因果关系分析方法 |
-
2022
- 2022-02-24 CN CN202210171095.8A patent/CN114240264A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005017652A2 (en) * | 2003-08-05 | 2005-02-24 | Rosetta Inpharmatics, Llc | Computer systems and methods for inferring causality from cellular constituent abundance data |
US20050060403A1 (en) * | 2003-09-11 | 2005-03-17 | Bernstein David R. | Time-based correlation of non-translative network segments |
US20080311572A1 (en) * | 2004-11-26 | 2008-12-18 | Ahuja Sunil K | Methods and Compositions For Correlating Ccl3l1/Ccr5 Genotypes With Disorders |
US20200160189A1 (en) * | 2018-11-20 | 2020-05-21 | International Business Machines Corporation | System and Method of Discovering Causal Associations Between Events |
CN113221096A (zh) * | 2021-06-04 | 2021-08-06 | 北银金融科技有限责任公司 | 一种在混沌工程中随机事件相关性分析方法及系统 |
CN113656906A (zh) * | 2021-07-29 | 2021-11-16 | 浙江大学 | 一种面向燃气轮机的非平稳多变量因果关系分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang | Data preprocessing | |
US20120254183A1 (en) | Method and System for Clustering Data Points | |
US10417564B2 (en) | Goal-oriented process generation | |
CN112488716B (zh) | 一种异常事件检测系统 | |
US20140032611A1 (en) | Relationship discovery in business analytics | |
CN116401232B (zh) | 数据库参数配置优化方法、装置、电子设备及存储介质 | |
CN111160959A (zh) | 一种用户点击转化预估方法及装置 | |
Dickens et al. | Order-invariant cardinality estimators are differentially private | |
CN109255368B (zh) | 随机选取特征的方法、装置、电子设备及存储介质 | |
CN113407425B (zh) | 基于BiGAN与OTSU的内部用户行为检测方法 | |
CN110807489A (zh) | 二分类任务评价指标的确定方法、装置及电子设备 | |
CN112560105B (zh) | 保护多方数据隐私的联合建模方法及装置 | |
CN114240264A (zh) | 一种城管事件指标间的因果关系检验方法及装置 | |
Heres | Source code plagiarism detection using machine learning | |
CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
Trushkowsky et al. | Getting it all from the crowd | |
Peters et al. | Statistical features of persistence and long memory in mortality data | |
CN114861800A (zh) | 模型训练方法、概率确定方法、装置、设备、介质及产品 | |
CN110992043B (zh) | 一种风险实体挖掘的方法和装置 | |
CN114238280A (zh) | 构建金融敏感信息标准库的方法、装置及电子设备 | |
CN114926082A (zh) | 基于人工智能的数据波动预警方法及相关设备 | |
CN112613231A (zh) | 一种机器学习中隐私可用均衡的轨迹训练数据扰动机制 | |
WO2019227415A1 (zh) | 一种评分卡模型的调整方法、装置、服务器及存储介质 | |
CN112148808A (zh) | 关系构建方法、装置和电子设备 | |
Abdullah et al. | Tracing significant association rules using critical least association rules model |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220325 |