CN116579806A - 基于ai模型分析市场调研数据的系统及方法 - Google Patents
基于ai模型分析市场调研数据的系统及方法 Download PDFInfo
- Publication number
- CN116579806A CN116579806A CN202310618935.5A CN202310618935A CN116579806A CN 116579806 A CN116579806 A CN 116579806A CN 202310618935 A CN202310618935 A CN 202310618935A CN 116579806 A CN116579806 A CN 116579806A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- questionnaire
- market research
- acquiring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000011160 research Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 15
- 230000008859 change Effects 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/137—Hierarchical processing, e.g. outlines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种基于AI模型分析市场调研数据的方法及系统,所述基于AI模型分析市场调研数据的方法包括:获取问卷数据和用户输入的需求描述数据:通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据;基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。解决现有技术中市场调研数据分析过程十分耗费时间成本和人力成本、且调研过程需要专业的技能和经验,难以应对数据的动态变化的问题。
Description
技术领域
本发明涉及报表分析技术领域,具体涉及一种基于AI模型分析市场调研数据的系统、方法、电子设备及存储介质。
背景技术
市场调研服务和市场调研分析是现代市场营销的重要组成部分,市场调研通常需要收集大量的问卷数据,并对这些数据进行整理和分析。
传统的市场调研方法需要进行大量的手动操作,包括对样本数据进行数据清洗、预处理、加权等等,然后整理和分析数据,使用专业的图表制作软件生成报表,市场调研数据分析过程十分耗费时间成本和人力成本、且调研过程需要专业的技能和经验、难以应对数据的动态变化、容易出现错误。
因此,亟需一种更加高效和准确的市场调研数据分析方法。
发明内容
本发明实施例的目的在于提供一种基于AI模型分析市场调研数据的系统、方法、电子设备及存储介质,用以解决现有技术中市场调研数据分析过程十分耗费时间成本和人力成本、且调研过程需要专业的技能和经验,难以应对数据的动态变化的问题。
为实现上述目的,本发明实施例提供一种基于AI模型分析市场调研数据的方法,所述方法具体包括:
获取问卷数据和用户输入的需求描述数据:
通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据;
基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步地,所述获取问卷数据和用户输入的需求描述数据,包括:
响应于获取问卷数据请求,自动读取待分析问卷的大纲结构。
进一步地,所述通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据,包括:
获取需求描述数据,基于所述需求描述数据构建训练集、测试集和验证集;
基于所述训练集训练所述AI模型;
基于所述验证集对所述AI模型进行性能验证,保存满足性能条件的AI模型;
基于所述测试集评估所述AI模型的分析结果。
进一步地,所述通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据,还包括:
判断所述问卷数据中是否有与所述需求描述数据存在关联的题目,若是,识别题目标签,并判断是否存在两种题目标签;
当存在两种题目标签时,将指标做行,人群做列;
当不存在两种题目标签时,将第一个题目做行,其它题目做列。
进一步地,所述通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据,还包括:
当所述问卷数据中是否有与所述需求描述数据不存在关联的题目时,生成提示信息,提示用户基于所述需求描述数据在所述问卷数据中没有找到对应的的题目。
进一步地,所述基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据,包括:
基于所述预定规则选择与所述目标数据相对应的图表类型,并生成数据图表,其中,所述预定规则包括交叉分析规则、相关性分析规则、双向标准化规则和决策树规则。
进一步地,所述基于AI模型分析市场调研数据的方法还包括:
将生成的所述数据图表导出为多种格式。
一种基于AI模型分析市场调研数据的系统,包括:
获取模块,用于获取问卷数据和用户输入的需求描述数据;
AI模型,用于通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据;
数据图表生成模块,用于基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如所述方法的步骤。
一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述方法的步骤。
本发明实施例具有如下优点:
本发明中基于AI模型分析市场调研数据的方法,获取问卷数据和用户输入的需求描述数据:通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据;基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据,解决了现有技术中市场调研数据分析过程十分耗费时间成本和人力成本、且调研过程需要专业的技能和经验,难以应对数据的动态变化的问题。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明基于AI模型分析市场调研数据的方法的流程图;
图2为本发明基于AI模型分析市场调研数据的系统的架构图;
图3为本发明提供的电子设备实体结构示意图。
其中附图标记为:
获取模块10,AI模型20,数据图表生成模块30,电子设备40,处理器401,存储器402,总线403。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,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做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
图1为本发明基于AI模型分析市场调研数据的方法实施例流程图,如图1所示,本发明实施例提供的一种基于AI模型分析市场调研数据的方法包括以下步骤:
S101,获取问卷数据和用户输入的需求描述数据;
具体的:响应于获取问卷数据请求,自动读取待分析问卷的大纲结构;
响应于浏览请求,将所述题目列表在报表工具界面进行展示,在报表工具界面中展示问卷内的大纲结构,用户可以通过滚动浏览所有题目。
通过网页内的输入框接受用户输入的需求描述数据。
S102,通过预先构建的AI模型20从问卷数据中获取与需求描述数据相对应的目标数据;
具体的,获取需求描述数据,基于所述需求描述数据构建训练集、测试集和验证集;基于所述训练集训练所述AI模型20;
AI模型20是数据科学的核心输出,具有改变公司、行业和社会的巨大力量。每个机器学习或人工智能应用程序的核心是使用数据、算法和代码构建的AI模型20。
AI模型20训练训练是利用机器学习和深度学习等技术,用大量数据和算法进行训练,从而使AI模型20具有自主的分析和决策能力的过程。
基于所述验证集对所述AI模型20进行性能验证,保存满足性能条件的AI模型20;基于所述测试集评估所述AI模型20的分析结果;
对AI模型20进行性能评估,得到是百分制分数(即最高分为100分,最低分为0分),基于百分制分数确定打分大于设定数值的AI模型20,例如,打分大于90分的扩散模型为满足性能条件的AI模型20;
满足性能条件的AI模型20进行评价指数计算,得到AI模型20的评价指数,计算获得每个评价指数对应的评价值,所述评价值用于表示所述AI模型20在所述评价指数上的能力值。
判断所述问卷数据中是否有与所述需求描述数据存在关联的题目,若是,识别题目标签,并判断是否存在两种题目标签;
当存在两种题目标签时,将指标做行,人群做列;
当不存在两种题目标签时,将第一个题目做行,其它题目做列;
当所述问卷数据中是否有与所述需求描述数据不存在关联的题目时,生成提示信息,提示用户基于所述需求描述数据在所述问卷数据中没有找到对应的的题目。
通过AI模型20的自然语言处理能力基于需求描述数据理解用户需求,通过接入第三方AI模型20接口,理解用户描述的需求描述数据,并将用户输入的文本类需求描述数据转换为结构化数据,方便后续处理;
结构化数据,简单来说就是数据库,包括高速存储应用需求、数据备份需求、数据共享需求以及数据容灾需求。结构化数据也称作行数据,是由二维表结构来逻辑表达和实现的数据,严格地遵循数据格式与长度规范,主要通过关系型数据库进行存储和管理。
通过使用自然语言处理技术将问卷内容转化为结构化数据,自动选择适当的图表类型并生成数据图表,能够减少时间和人力成本,提高市场调研的效率和准确性。通过自然语言处理技术将问卷内容转化为结构化数据,能够提高数据的质量和可靠性。使用自研的数据算法分析问卷数据,能够自动选择适当的分析模型。
S103,基于预定规则将目标数据转换为结构化数据,并通过数据图表显示结构化数据;
具体的,基于所述预定规则选择与所述目标数据相对应的图表类型,并生成数据图表,其中,所述预定规则包括交叉分析规则、相关性分析规则、双向标准化规则和决策树规则。
根据需要调整报表的行数量和列数量,基于目标数据设置所述数据图表的行列数量。
生成数据图表的过程中,实时获取已填充的结构化数据的位置信息,基于所述位置信息判断已填充的结构化数据在所述数据图表中的位置是否正确,当已填充的结构化数据在所述数据图表中的位置不正确时,实时将已填充的结构化数据调整至正确位置。
所述基于AI模型20分析市场调研数据的方法还包括:
将生成的所述数据图表导出为多种格式。
该基于AI模型20分析市场调研数据的方法,获取问卷数据和用户输入的需求描述数据:通过预先构建的AI模型20从所述问卷数据中获取与所述需求描述数据相对应的目标数据;基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。解决了现有技术中市场调研数据分析过程十分耗费时间成本和人力成本、且调研过程需要专业的技能和经验,难以应对数据的动态变化的问题。
用户可以对生成的报表进行预览、编辑和导出等操作,提供了丰富的功能支持。
本发明提供了一种基于AI模型20分析市场调研数据的方法,通过读取问卷内容数据和用户输入的需求描述数据,自动生成数据图表。这种技术方案可以自动化生成数据报表,减少时间和人力成本,提高市场调研的效率和准确性。且本发明的技术方案基于自然语言处理、机器学习和数据挖掘等技术,可以自动选择适当的图表类型并生成数据图表,提高数据可视化的效果。
本发明与现有技术相比,具有以下改进点:
1、通过使用自然语言处理技术将问卷内容转化为结构化数据,使用自然语言处理分析需求描述,将需求转化为逻辑表达式,生成分析表,采用机器学习和数据挖掘算法分析问卷数据,自动选择适当的图表类型并生成数据图表,能够减少时间和人力成本,能够提高数据的质量和可靠性,提高市场调研的效率和准确性。
2、采用机器学习和数据挖掘算法分析问卷数据,自动选择适当的数据分析模型。
3、使用自研的数据算法分析问卷数据,能够自动选择适当的分析模型
因此,本发明能够解决传统市场调研方法中需要大量人工操作、需要专业技能和经验、难以应对数据的动态变化、容易出现错误等问题,从而实现减少时间和人力成本,提高市场调研的效率和准确性,提高数据可视化的效果。
图2为本发明基于AI模型20分析市场调研数据的系统实施例流程图;如图2所示,本发明实施例提供的一种基于AI模型20分析市场调研数据的系统,包括以下步骤:
获取模块10,用于获取问卷数据和用户输入的需求描述数据;
AI模型20,用于通过预先构建的AI模型20从所述问卷数据中获取与所述需求描述数据相对应的目标数据;
数据图表生成模块30,用于基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。
所述获取模块10还用于:
响应于获取问卷数据请求,自动读取待分析问卷的大纲结构。
所述AI模型20的训练过程包括:
获取需求描述数据,基于所述需求描述数据构建训练集、测试集和验证集;
基于所述训练集训练所述AI模型20;
基于所述验证集对所述AI模型20进行性能验证,保存满足性能条件的AI模型20;
基于所述测试集评估所述AI模型20的分析结果。
所述AI模型20还用于:
判断所述问卷数据中是否有与所述需求描述数据存在关联的题目,若是,识别题目标签,并判断是否存在两种题目标签;
当存在两种题目标签时,将指标做行,人群做列;
当不存在两种题目标签时,将第一个题目做行,其它题目做列。
当所述问卷数据中是否有与所述需求描述数据不存在关联的题目时,生成提示信息,提示用户基于所述需求描述数据在所述问卷数据中没有找到对应的的题目。
所述数据图表生成模块30还用于:
基于所述预定规则选择与所述目标数据相对应的图表类型,并生成数据图表,其中,所述预定规则包括交叉分析规则、相关性分析规则、双向标准化规则和决策树规则。
所述基于AI模型20分析市场调研数据的系统还包括导出模块,所述导出模块还用于:
将生成的所述数据图表导出为多种格式。
本发明的一种基于AI模型20分析市场调研数据的系统,通过获取模块10获取问卷数据和用户输入的需求描述数据;通过预先构建的AI模型20从所述问卷数据中获取与所述需求描述数据相对应的目标数据;通过数据图表生成模块30基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。该基于AI模型20分析市场调研数据的方法解决现有技术中市场调研数据分析过程十分耗费时间成本和人力成本、且调研过程需要专业的技能和经验,难以应对数据的动态变化的问题。
图3为本发明实施例提供的电子设备实体结构示意图,如图3所示,电子设备40包括:处理器401(processor)、存储器402(memory)和总线403;
其中,处理器401、存储器402通过总线403完成相互间的通信;
处理器401用于调用存储器402中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取问卷数据和用户输入的需求描述数据:通过预先构建的AI模型20从所述问卷数据中获取与所述需求描述数据相对应的目标数据;基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。
本实施例提供一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行上述各方法实施例所提供的方法,例如包括:获取问卷数据和用户输入的需求描述数据:通过预先构建的AI模型20从所述问卷数据中获取与所述需求描述数据相对应的目标数据;基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的存储介质。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各实施例或者实施例的某些部分的方法。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种基于AI模型分析市场调研数据的方法,其特征在于,所述基于AI模型分析市场调研数据的方法具体包括:
获取问卷数据和用户输入的需求描述数据:
通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据;
基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。
2.根据权利要求1所述基于AI模型分析市场调研数据的方法,其特征在于,所述获取问卷数据和用户输入的需求描述数据,包括:
响应于获取问卷数据请求,自动读取待分析问卷的大纲结构。
3.根据权利要求1所述基于AI模型分析市场调研数据的方法,其特征在于,所述通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据,包括:
获取需求描述数据,基于所述需求描述数据构建训练集、测试集和验证集;
基于所述训练集训练所述AI模型;
基于所述验证集对所述AI模型进行性能验证,保存满足性能条件的AI模型;
基于所述测试集评估所述AI模型的分析结果。
4.根据权利要求3所述基于AI模型分析市场调研数据的方法,其特征在于,所述通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据,还包括:
判断所述问卷数据中是否有与所述需求描述数据存在关联的题目,若是,识别题目标签,并判断是否存在两种题目标签;
当存在两种题目标签时,将指标做行,人群做列;
当不存在两种题目标签时,将第一个题目做行,其它题目做列。
5.根据权利要求4所述基于AI模型分析市场调研数据的方法,其特征在于,所述通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据,还包括:
当所述问卷数据中是否有与所述需求描述数据不存在关联的题目时,生成提示信息,提示用户基于所述需求描述数据在所述问卷数据中没有找到对应的的题目。
6.根据权利要求1所述基于AI模型分析市场调研数据的方法,其特征在于,所述基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据,包括:
基于所述预定规则选择与所述目标数据相对应的图表类型,并生成数据图表,其中,所述预定规则包括交叉分析规则、相关性分析规则、双向标准化规则和决策树规则。
7.根据权利要求1所述基于AI模型分析市场调研数据的方法,其特征在于,所述基于AI模型分析市场调研数据的方法还包括:
将生成的所述数据图表导出为多种格式。
8.一种基于AI模型分析市场调研数据的系统,其特征在于,包括:
获取模块,用于获取问卷数据和用户输入的需求描述数据;
AI模型,用于通过预先构建的AI模型从所述问卷数据中获取与所述需求描述数据相对应的目标数据;
数据图表生成模块,用于基于预定规则将所述目标数据转换为结构化数据,并通过数据图表显示所述结构化数据。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中的任一项所述的方法的步骤。
10.一种非暂态计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中的任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618935.5A CN116579806A (zh) | 2023-05-30 | 2023-05-30 | 基于ai模型分析市场调研数据的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618935.5A CN116579806A (zh) | 2023-05-30 | 2023-05-30 | 基于ai模型分析市场调研数据的系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116579806A true CN116579806A (zh) | 2023-08-11 |
Family
ID=87533939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310618935.5A Pending CN116579806A (zh) | 2023-05-30 | 2023-05-30 | 基于ai模型分析市场调研数据的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579806A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102256203A (zh) * | 2010-05-20 | 2011-11-23 | 中国移动通信集团设计院有限公司 | 终端调研业务系统及其业务实现方法和移动终端 |
CN108009537A (zh) * | 2017-12-14 | 2018-05-08 | 北京慧辰资道资讯股份有限公司 | 一种识别问卷批改得分的方法 |
CN109815472A (zh) * | 2019-01-11 | 2019-05-28 | 深圳传世智慧科技有限公司 | 变革项目模板生成方法及电子设备 |
CN110245213A (zh) * | 2019-05-08 | 2019-09-17 | 平安科技(深圳)有限公司 | 调查问卷生成方法、装置、设备和存储介质 |
CN113238701A (zh) * | 2021-05-18 | 2021-08-10 | 惠州Tcl移动通信有限公司 | 一种问卷处理方法、终端及计算机可读存储介质 |
CN114282524A (zh) * | 2021-12-08 | 2022-04-05 | 苏州众言网络科技股份有限公司 | 问卷信息结构化数据处理方法、系统和装置 |
CN114969303A (zh) * | 2022-03-28 | 2022-08-30 | 上海东普信息科技有限公司 | 问卷调研方法、装置、设备及存储介质 |
-
2023
- 2023-05-30 CN CN202310618935.5A patent/CN116579806A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102256203A (zh) * | 2010-05-20 | 2011-11-23 | 中国移动通信集团设计院有限公司 | 终端调研业务系统及其业务实现方法和移动终端 |
CN108009537A (zh) * | 2017-12-14 | 2018-05-08 | 北京慧辰资道资讯股份有限公司 | 一种识别问卷批改得分的方法 |
CN109815472A (zh) * | 2019-01-11 | 2019-05-28 | 深圳传世智慧科技有限公司 | 变革项目模板生成方法及电子设备 |
CN110245213A (zh) * | 2019-05-08 | 2019-09-17 | 平安科技(深圳)有限公司 | 调查问卷生成方法、装置、设备和存储介质 |
CN113238701A (zh) * | 2021-05-18 | 2021-08-10 | 惠州Tcl移动通信有限公司 | 一种问卷处理方法、终端及计算机可读存储介质 |
CN114282524A (zh) * | 2021-12-08 | 2022-04-05 | 苏州众言网络科技股份有限公司 | 问卷信息结构化数据处理方法、系统和装置 |
CN114969303A (zh) * | 2022-03-28 | 2022-08-30 | 上海东普信息科技有限公司 | 问卷调研方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019174141A1 (zh) | 调查问卷生成方法、服务器及计算机可读存储介质 | |
CN110705717A (zh) | 计算机执行的机器学习模型的训练方法、装置及设备 | |
CN114913729B (zh) | 一种选题方法、装置、计算机设备和存储介质 | |
CN113408890A (zh) | 基于人工智能的产业投资项目后评价报告生成方法和系统 | |
CN111506504A (zh) | 基于软件开发过程度量的软件安全性缺陷预测方法及装置 | |
CN112200538A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111369294B (zh) | 软件造价估算方法及装置 | |
CN111679808A (zh) | Rpa机器人应用需求测评方法及装置 | |
CN112883066A (zh) | 一种数据库上的多维范围查询基数估计方法 | |
CN117390336A (zh) | 一种网页流程自动化方法、装置、设备及存储介质 | |
CN111061870B (zh) | 文章的质量评价方法及装置 | |
Ganguly | R data analysis Cookbook | |
CN116579806A (zh) | 基于ai模型分析市场调研数据的系统及方法 | |
Klosterman | Data Science Projects with Python: A case study approach to gaining valuable insights from real data with machine learning | |
CN113033178B (zh) | 用于商业计划书的文本评估方法、装置及计算机 | |
CN112328812B (zh) | 基于自调参数的领域知识抽取方法与系统、电子设备 | |
CN112783762B (zh) | 软件质量的评估方法、装置及服务器 | |
CN114971962A (zh) | 学生作业的评价方法、装置、电子设备及存储介质 | |
CN111258953B (zh) | 一种财务数据转换成评估数据规范化的方法 | |
CN111008140B (zh) | 一种跨平台的ui自动化测试方法及装置 | |
Yan et al. | Teaching predictive audit data analytic techniques: Time-series forecasting with transactional and exogenous data | |
US20240037344A1 (en) | Generating conversational ai response suggestions | |
CN116483681B (zh) | 大数据零代码可视化作品阅卷信息形式化描述方法及装置 | |
CN117540004B (zh) | 基于知识图谱和用户行为的工业领域智能问答方法及系统 | |
CN117493140B (zh) | 一种针对深度学习模型的评测系统 |
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 |