CN117057425B - 一种规律型知识分析方法及装置 - Google Patents
一种规律型知识分析方法及装置 Download PDFInfo
- Publication number
- CN117057425B CN117057425B CN202311311018.9A CN202311311018A CN117057425B CN 117057425 B CN117057425 B CN 117057425B CN 202311311018 A CN202311311018 A CN 202311311018A CN 117057425 B CN117057425 B CN 117057425B
- Authority
- CN
- China
- Prior art keywords
- index
- business
- information
- service
- dimension
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000007246 mechanism Effects 0.000 claims abstract description 43
- 230000008520 organization Effects 0.000 claims abstract description 39
- 230000015654 memory Effects 0.000 claims description 15
- 230000002776 aggregation Effects 0.000 claims description 13
- 238000004220 aggregation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 12
- 238000012552 review Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010200 validation analysis Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- 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
-
- 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
Abstract
本文涉及大数据分析领域,尤其提供了一种规律型知识分析方法及装置,方法包括:根据各机构汇报材料分析得到业务指标清单;对各业务指标进行拆解得到子业务指标、原子指标以及指标生成模型;确定指标定义字典;根据所有机构信息、机构处理的案件信息及已知业务需求信息确定指标维度字典;建立业务指标与规律型知识计算规则;由前述确定出的信息构成规律型知识指标体系;利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库。本文能够统一业务指标的计算方式,扩展业务指标维度,提高业务指标的计算效率,分析得到的规律型知识能够为机构服务质量分析提供依据,还可实现业务指标及规律型知识共享。
Description
技术领域
本文涉及大数据分析领域,尤其涉及一种规律型知识分析方法及装置。
背景技术
现有技术中,存在多级机构并行处理案件的场景,例如司法机构,对于该种场景产生的数据(例如司法数据)分析方案主要为:由下级机构工作人员或使用算法面向单个节点的指标进行分析,将指标结果填至报表中,上送至上级机构,该种分析方式存在如下缺陷:
(1)可能因为工作人员疏忽或计算方法错误导致计算结果准确率差,因为工作人员处理不及时存在分析效率低的问题。
(2)仅能在时间维度上分析数据,不支持从时间维度、空间维度甚至更多维度上进行多维度、更全面的规律型知识分析,节点指标分析存在数据离散分布、指标分析维度不全面的问题。另外,因为节点指标结果具有时间敏感性,因此,指标结果长周期价值低。
(3)各下级机构单个节点指标计算基准不同,计算能力差异较大。且各节点指标计算相互独立,不具有知识复用的特征,因此没有持续性、积累性,也不具备推广性。
发明内容
本文用于解决现有技术中多级机构的服务数据(例如司法数据)分析主要为面向单个节点指标的分析,具有时间局限性及片面性,无法生成规律型知识,不能多维度、全面反映服务数据的价值。另外,各节点指标计算相互独立,不能共享。
为了解决上述技术问题,本文一方面提供一种规律型知识分析方法,包括:
根据各机构汇报材料,分析得到业务指标清单,所述业务指标清单包括多个业务指标;
对各业务指标进行拆解,得到子业务指标、原子指标以及反映子业务指标、原子指标与业务指标层级关联关系的指标生成模型,所述原子指标由业务指标或子业务指标拆解得到;
确定指标定义字典,所述指标定义字典包括原子指标定义信息及业务指标定义信息;
根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,所述指标维度字典包括原子指标维度信息以及业务指标维度信息;
建立业务指标与规律型知识计算规则;
由业务指标定义字典、业务指标生成模型、指标维度字典以及业务指标与规律型知识计算规则构成规律型知识指标体系;
利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库。
作为本文进一步实施例中,根据各机构汇报材料,分析得到业务指标清单,包括:
提取各机构汇报材料中的统计指标;
计算各统计指标的汇报次数;
从汇报次数排名前N的指标中筛选出满足预设要求的指标,根据筛选出的指标构成业务指标清单。
作为本文进一步实施例中,根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,包括:
根据所有机构信息提取空间维度信息,根据机构处理的案件信息提取案件维度信息及时间维度信息,由空间维度信息、案件维度信息及时间维度信息构成公共维度,原子指标维度信息包括公共维度下属的最细粒度;
根据已知业务需求信息,确定业务指标维度信息。
作为本文进一步实施例中,利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库,包括:
获取各机构案件数据库中的案件数据;
根据所述原子指标定义信息、原子指标维度信息及案件数据,计算各原子指标维度的原子指标值,并将原子指标值存储于原子指标数据库中;
根据所述业务指标生成模型、原子指标数据库及业务指标维度信息,生成各业务指标维度的业务指标值,并将业务指标值存储于业务指标数据库中;
根据所述业务指标与规律型知识计算规则及所述各业务指标维度的业务指标值,计算各业务指标维度的规律型知识,并将其存储于规律型知识库中。
作为本文进一步实施例中,根据所述业务指标生成模型、原子指标数据库及业务指标维度信息,生成各业务指标维度的业务指标值,包括:
根据所述业务指标生成模型,确定第一原子指标集;
从所述原子指标数据库中获取满足所述业务指标维度信息的第一原子指标集中各原子指标的指标值,并对获取的同类型的指标值进行聚合计算;
根据所述业务指标生成模型逐层调用相关子业务指标定义信息或业务指标定义信息,对第一原子指标集中各原子指标聚合后的值进行计算,得到业务指标值。
本文进一步实施例中,还包括:
接收请求方发送的规律型知识获取请求;审核所述规律型知识获取请求,审核通过后从所述规律型知识数据库中获取请求数据并发送至所述请求方;或
根据预先确定的规律型知识获取信息,定期从所述规律型知识数据库中获取数据并发送至所述请求方。
本文进一步实施例中,还包括:
接收请求方发送的业务指标计算请求,其中,所述业务指标计算请求包括:目标业务指标及目标业务指标的自定义维度信息;
根据所述目标业务指标的生成模型,确定第二原子指标集;
从所述原子指标数据库中获取满足所述自定义维度信息的第二原子指标集中各原子指标的指标值,并对获取的同类型的指标值进行聚合计算;
根据所述业务指标生成模型逐层调用相关子业务指标定义信息或业务指标定义信息,对第二原子指标集中各原子指标聚合后的值进行计算,得到目标业务指标值;
发送目标业务指标值至请求方。
本文第二方面提供一种规律型知识分析装置,包括:
业务指标提取单元,用于根据各机构汇报材料,分析得到业务指标清单,所述业务指标清单包括多个业务指标;
拆解单元,用于对各业务指标进行拆解,得到子业务指标、原子指标以及反映子业务指标、原子指标与业务指标层级关联关系的指标生成模型,所述原子指标由业务指标或子业务指标拆解得到;
指标定义字典确定单元,用于确定指标定义字典,所述指标定义字典包括原子指标定义信息及业务指标定义信息;
指标维度字典确定单元,用于根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,所述指标维度字典包括原子指标维度信息以及业务指标维度信息;
规律型知识计算规则建立单元,用于建立业务指标与规律型知识计算规则;
规律型知识指标体系建立单元,用于由业务指标定义字典、业务指标生成模型、指标维度字典以及业务指标与规律型知识计算规则构成规律型知识指标体系;
分析单元,用于利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库。
本文第三方面提供一种计算机设备,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前述任一实施例所述方法。
本文第四方面提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序被计算机设备的处理器执行时实现前述任一实施例所述方法。
本文提供的规律型知识分析方法及装置,通过分析各机构汇报材料,得到业务指标清单;对各业务指标进行拆解,得到子业务指标、原子指标以及反映子业务指标、原子指标与业务指标层级关联关系的指标生成模型;确定指标定义字典,所述指标定义字典包括原子指标定义信息及业务指标定义信息,能够统一各机构计算业务指标时的定义,具体的,借助原子指标定义信息计算原子指标值,借助指标生成模型确定业务指标所需的原子指标,并通过业务指标定义信息计算得到业务指标,实现原子指标复用,提高业务指标计算效率、准确性及统一性。
通过根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,所述指标维度字典包括原子指标维度信息以及业务指标维度信息,能够扩展业务指标分析维度,提高数据分析的全面性,进而能够生成作为研判基准的规律型知识。
通过建立业务指标与规律型知识计算规则;由业务指标定义字典、业务指标生成模型、指标维度字典以及业务指标与规律型知识计算规则构成规律型知识指标体系;利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库,能够分析得到规律型知识,应用于司法领域时,能够为审判态势分析、审判质效评估提供数据支撑。同时还能够使得用户根据对数据及维度需求获取原子指标数据、业务指标数据规律型知识,减轻各机构自行计算压力,实现各机构分析结果数据共享。
为让本文的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本文实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本文的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本文实施例规律型知识分析方法的一种流程图;
图2示出了本文实施例业务指标清单确定过程的流程图;
图3示出了本文实施例司法赔偿率生成模型记录的关联关系示意图;
图4示出了本文实施例数据库建立过程的流程图;
图5示出了本文实施例规律型知识分析方法另一种流程图;
图6示出了本文实施例规律型知识分析方法的又一种流程图;
图7示出了本文实施例规律型知识分析装置的结构图;
图8示出了本文实施例计算机设备的机构图。
附图符号说明:
701、业务指标提取单元;
702、拆解单元;
703、指标定义字典确定单元;
704、指标维度字典确定单元;
705、规律型知识计算规则建立单元;
706、规律型知识指标体系建立单元;
707、分析单元;
802、计算机设备;
804、处理器;
806、存储器;
808、驱动机构;
810、输入/输出模块;
812、输入设备;
814、输出设备;
816、呈现设备;
818、图形用户接口;
820、网络接口;
822、通信链路;
824、通信总线。
具体实施方式
下面将结合本文实施例中的附图,对本文实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本文一部分实施例,而不是全部的实施例。基于本文中的实施例,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,都属于本文保护的范围。
需要说明的是,本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或装置产品执行时,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。
需要说明的是,本文的规律型知识分析方法及装置可用于司法领域中的司法数据分析,也可用于类似于司法领域具有逐级汇报业务指标需求的其他领域,本文的规律型知识分析方法及装置的应用领域不做限定。为了便于说明,后续实施例中如不作特殊说明,所涉及的机构均指法院、涉及的数据均为司法数据。
本文一实施例中,提供一种规律型知识分析方法,用于解决现有技术中,司法数据分析主要为面向单个节点指标的分析,具有时间局限性及片面性,无法生成规律型知识,不能多维度、全面反映服务数据的价值。另外,各节点指标计算相互独立,不能共享。具体的,如图1所示,规律型知识分析方法应用于分析服务器,包括:
步骤101,根据各机构汇报材料,分析得到业务指标清单,所述业务指标清单包括多个业务指标。
本步骤中,各机构汇报材料可通过人为方式收集,或通过数据爬虫方式收集。各机构汇报材料中记录有业务指标。以司法领域为例,各机构指的是全国范围内的法院,业务指标为由各法院人员根据本院司法数据分析得到的司法服务相关的指标,例如一审裁判被改判发回重审率、生效案件被改判发回重审率、执行完毕率、裁定再审率、司法赔偿率。
一些实施方式中,如图2所示,本步骤具体包括:
步骤201,提取各机构汇报材料中的统计指标。本步骤中,各机构汇报材料为预定时间段内的材料,预定时间段可根据需求进行设定,例如最近五年等。实施时可利用自然语言分析方式或关键字(例如数字)匹配方式确定统计指标。
步骤202,计算各统计指标的汇报次数。
步骤203,从汇报次数排名前N的指标中筛选出满足预设要求的指标,根据筛选出的指标构成业务指标清单。其中,预设要求可根据需求而定。
步骤102,对各业务指标进行拆解,得到子业务指标、原子指标以及反映子业务指标、原子指标与业务指标层级关联关系的指标生成模型,所述原子指标由业务指标或子业务指标拆解得到。
本步骤实施时,可由人工对业务指标拆解,或数据分析方式对业务指标拆解,或数据分析结合人工方式对业务指标拆解。
数据分析方式例如分析业务指标相关规定文件,通过分词以及分词结果匹配的方式实现。本文对此过程不做具体限定。
例如,司法赔偿率=本院赔偿案件数/(生效案件数+执行案件数),其中:生效案件数=(一审结案数-二审新收数)+(二审结案数-二审发回重审数),由此可知,司法赔偿率可拆解为:本院赔偿案件数及执行案件数共两个原子指标,以及生效案件数共一个子业务指标。子业务指标可进一步拆解为一审结案数、二审新收数、二审结案数、二审发回重审数共四个原子指标。基于此,可生成司法赔偿率生成模型如图3所示,记录有业务指标与子业务指标及原子指标,子业务指标及原子指标间的关联关系,图3中每层中具有叶子节点的指标为子业务指标,每层中的叶子节点为该层的原子指标。
又例如,二审服判息诉率=1-二审被申诉申请再审新收案件数/二审结案数,可拆分为原子指标,二审被申诉申请再审新收案件数及二审结案数。
司法赔偿率及二审服判息诉率计算均用到了二审结案数,通过建立原子指标数据库的方式,能够实现业务指标共享原子指标计算结果,提高业务指标计算效率。
步骤103,确定指标定义字典,所述指标定义字典包括原子指标定义信息及业务指标定义信息。
本步骤中,定义信息包括结构化描述及定义。具体的,原子指标定义信息包括:标准化编码、命名、统计周期口径、案件范围、计算公式描述、度量类型。业务指标定义信息包括:标准化编码、命名、指标类别、统计周期口径、案件范围、计算公式描述、度量类型。
其中,统计周期口径用于说明指标适用哪个时间进行计算,比如结案数使用结案日期作为统计周期口径,收案数使用收案时间作为统计周期口径。
案件范围用于限定指标计算所需数据类型。
原子指标定义信息中的计算公式描述用于限定原子指标计算所需参数以及运算信息。其中,当包括多个参数时,运算信息为运算法则,当仅有一参数时,运算信息为参数的限定条件,例如收案日等于统计当日,运算信息为结案日期在统计开始日期和统计结束日期之间。
业务指标定义信息中的计算公式描述用于限定业务指标计算所需原子指标以及运算法则,其中,业务指标定义信息中所需原子指标可由业务指标生成模型确定。
本步骤中的指标定义字典可由专业人员通过分析各机构汇报资料中业务指标数据以及相关规定文件确定,本文对指标定义字典具体确定过程不做限定。
通过步骤102至步骤103能够统一各机构计算业务指标时的定义,具体的,借助原子指标定义信息计算原子指标值,借助指标生成模型确定业务指标所需的原子指标,并通过业务指标定义信息根据业务指标所需的原子指标计算得到业务指标,实现原子指标复用,提高业务指标计算效率、准确性及统一性。
步骤104,根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,所述指标维度字典包括原子指标维度信息以及业务指标维度信息。
本步骤中,原子指标维度信息包括业务涉及的公共维度的最细粒度。机构信息包括机构名称、所属辖区。机构处理的案件信息包括:案件类型、案件子类型、案件来源、时间信息及案件描述信息。
根据所有机构信息提取空间维度信息,根据机构处理的案件信息提取案件维度信息及时间维度信息,由空间维度信息、案件维度信息及时间维度信息构成公共维度,原子指标维度信息包括公共维度下属的最细粒度。具体实施时,还可预先人为配置原子指标维度信息。
以司法领域为例,空间维度信息包括法院及其辖区、省份,案件维度信息包括案由、案件类型、案件子类型、结案方式。时间维度信息包括日、月、半年、季度、年,最细粒度为日。原子指标维度信息包括时间、辖区、省份、法院、案由、案件类型、案件子类型、结案方式最细粒度。其中,辖区包括各法院辖区。
业务需求信息可通过分析各机构汇报材料确定,其包含部分公共维度数据,用于限定业务指标计算依据的数据范围。具体实施时,业务指标维度信息还可预先人为配置,以司法领域为例,业务指标的维度配置信息如表1所示。
表1
业务指标 | 维度描述 |
当年旧存案件数 | 时间、法院、案由、案件类型、案件子类型等 |
新收案件数 | 时间、法院、案由、案件类型、案件子类型、结案方式等 |
已结案件数 | 时间、法院、案由、案件类型、案件子类型、结案方式等 |
通过步骤104能够扩展业务指标分析维度,提高数据分析的全面性,进而能够生成作为研判基准的规律型知识。
步骤105,建立业务指标与规律型知识计算规则。
详细的说,规律型知识是对机构信息系统在较长一段时间内生产的状态、结果等数据进行统计分析、归纳提炼后形成的规律性总结,是原始数据中隐含的更高一阶的规律性概括和总结表示,主要用于辅助人们对某项数据特征的趋势变化进行分析研判,在司法领域,规律型知识主要描述了司法审判质效规律、司法态势规律。
业务指标与规律型知识存在时间上、空间上的转化关系,且具体关系由业务指标与规律型知识计算规则确定,即根据业务指标及计算规则,确定规律型知识。以业务维度为年、法院、辖区的业务指标为例,其规律型知识包括:最大值、最小值、平均值、同比、环比及相关性。例如业务指标为法院结案数,规律型知识为法院人均结案数及平均审理时间。
步骤106,由业务指标定义字典、业务指标生成模型、指标维度字典以及业务指标与规律型知识计算规则构成规律型知识指标体系。
步骤107,利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库。
步骤107通过利用规律型知识指标体系与预先分析各机构的案件信息,建立原子指标数据库、业务指标数据库及规律型知识数据库的方式,能够实现数据共享,无需各机构自行计算业务指标,仅需用户通过访问数据库方式获取或计算相关业务指标及规律型知识数据,减轻各机构自行计算压力。
本文一实施例中,如图4所示,上述步骤107利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库,包括:
步骤401,获取各机构案件数据库中的案件数据。
本步骤实施时,可在各机构系统预埋代理程序,由代理程序获取并发送所在机构的案件数据至分析服务器。
还可在全量案件数据库中获取,具体的,全量案件数据库是将管辖范围内各地机构的案件数据汇聚而成,存入全量案件数据库中的数据进行了数据清洗及标准化处理。以司法领域为例,司法全量案件数据库的案件范围包括民事案件、刑事案件、行政案件、国家赔偿与司法救助案件、执行案件等11类案件信息。
步骤402,根据原子指标定义信息、原子指标维度信息及案件数据,计算各原子指标维度的原子指标值,并将原子指标值存储于原子指标数据库中。
本步骤实施时,根据原子指标定义信息中的参数项以及原子指标维度信息统计案件数据,得到各原子指标维度的参数项值,利用原子指标定义信息中的运算法则,对参数项值进行运算,得到各原子指标维度的原子指标值。
例如原子指标:一审结案数,根据一审结案数的定义,即以结案日期为统计周期口径,计算民事、刑事、行政、行政赔偿案件类型的结案数量,计算该原子指标维度的参数项值,包括:每日,各法院,法院所属的辖区,案由的一审结案数。
步骤403,根据业务指标生成模型、原子指标数据库及业务指标维度信息,生成各业务指标维度的业务指标值,并将业务指标值存储于业务指标数据库中。
本步骤的具体实施过程包括:
(1)根据业务指标生成模型,确定第一原子指标集。以图3为例,确定出的第一原子指标集为:本院赔偿案件数、执行案件数、一审结案数、二审新收数、二审结案数、二审发回重审数。
(2)从原子指标数据库中获取满足业务指标维度信息的第一原子指标集中各原子指标的指标值,并对获取的同类型的指标值进行聚合计算。例如,业务指标维度为某一辖区,原子指标数据库中包含20~22年中每月在该辖区的各原子指标值,则从原子数据库中获取各辖区的所有赔偿案件数、执行案件数、一审结案数、二审新收数、二审结案数、二审发回重审数,并对各原子指标值进行聚合计算,即对各年的原子指标值进行加和计算。
本步骤实施时,还可先判断业务指标维度是否符合原子指标最细粒度,若符合,则无需进行聚合计算。
(3)根据业务指标生成模型逐层调用相关子业务指标定义信息或业务指标定义信息,对第一原子指标集中各原子指标聚合后的值进行计算,得到业务指标值。
以图3为例,业务指标生成模型第一层存在子业务指标生效案件数,由此,先调用生效案件数的定义信息,由生效案件数的定义信息对第二层的原子指标聚合后的值进行计算,得到生效案件数;然后调用司法赔偿率的定义信息,由司法赔偿率的定义信息对第一层的原子指标及子业务指标进行计算,得到司法赔偿率值。
步骤404,根据业务指标与规律型知识计算规则及各业务指标维度的业务指标值,计算各业务指标维度的规律型知识,并将其存储于规律型知识库中。
本文一实施例中,如图5所示,规律型知识分析方法还包括:
步骤501,接收请求方发送的规律型知识获取请求;审核规律型知识获取请求,审核通过后从规律型知识数据库中获取请求数据并发送至请求方。
本步骤中,以司法领域为例,请求方可以为法院。用户可通过分析服务器交互界面输入规律型知识获取请求,其中,交互界面中包括请求输入控件,用于供用户输入规律型知识获取请求,该输入控件例如为输入框或下拉列表,用户通过输入或下拉选择的方式输入规律型知识获取请求。规律型知识获取请求中包括业务维度及规律型知识请求标识。
具体实施时,还可按照分析服务器与各机构间的约定,按照约定定期从规律型知识数据库中获取数据并发送至请求方。具体的,约定信息包括请求参数及访问地址等,根据访问地址及参数获取数据,并依据规定的返回方式进行封装推送,如若请求参数或数据处理失败则返回失败信息并记录,否则返回正常数据对象并记录成功信息。
本实施例能够实现用户按需获取请求方的规律型知识,为请求方案件服务质量评估提供参考。
本文一实施例中,还包括:根据请求方的规律型知识获取请求以及请求数据,统计请求方的特征信息;判断请求方的特征信息是否符合预设阈值,若否,则发出报警信息。其中,特征信息包括请求次数及请求数据量,预设阈值可预先设定。
本实施例通过请求方特征信息超过预设阈值时发出报警信息,能够监测请求方行为,避免请求方恶意获取数据。
本文一实施例中,还包括:根据各请求方获取的请求数据,统计各规律型知识被请求的时间分布信息;根据各规律型知识被请求的时间分布信息,调整各规律型知识的存储位置。具体的,可在规律型知识被请求之前,将相关规律型知识存储于内存中,从而提高用户获取数据的效率。
本文一实施例中,如图6所示,规律型知识分析方法还包括:
步骤601,接收请求方发送的业务指标计算请求,其中,业务指标计算请求包括:目标业务指标及目标业务指标的自定义维度信息。
本步骤实施时,可通过交互界面输入业务指标计算请求,具体的,交互界面中设置有业务指标输入控件及自定义维度输入控件。一些实施方式中,业务指标输入控件为一下拉列表,该列表中列出了所有业务指标,自定义维度输入控件中设置有维度选择控件,用于供用户自行设置业务维度。
步骤602,根据目标业务指标的生成模型,确定第二原子指标集。
本步骤中,即根据目标业务指标的生成模型找出不能划分的原子业务指标。
步骤603,从原子指标数据库中获取满足自定义维度信息的第二原子指标集中各原子指标的指标值,并对获取的同类型的指标值进行聚合计算。
例如用户定义的是目标年、目标辖区、目标案件类型,则从原子数据库中获取目标年中各月、目标辖区内各法院的目标案件类型相关的原子指标1及原子指标2的原子指标数据。对原子指标1及原子指标2获取的原子指标数据分别进行聚合计算,得到各业务指标维度的原子指标数据。
步骤604,根据目标业务指标的生成模型逐层调用相关子业务指标定义信息或业务指标定义信息,对第二原子指标集中各原子指标聚合后的值进行计算,得到目标业务指标值。
步骤605,发送目标业务指标值至请求方。
本实施例使得用户能够按需获取业务指标值,节省用户计算业务指标的时间。
本文一实施例中,当各机构业务发生变化,或指标定义字典、指标维度字典、业务指标与规律型知识计算规则发生变更时,需按照前述实施例更新原子指标数据库、业务指标数据库及规律型知识数据库。
基于同一发明构思,本文还提供一种规律型知识分析装置,如下面的实施例所述。由于规律型知识分析装置解决问题的原理与规律型知识分析方法相似,因此,规律型知识分析装置的实施可以参见规律型知识分析方法,重复之处不再赘述。
具体的,如图7所示,规律型知识分析装置包括:
业务指标提取单元701,用于根据各机构汇报材料,分析得到业务指标清单,所述业务指标清单包括多个业务指标;
拆解单元702,用于对各业务指标进行拆解,得到子业务指标、原子指标以及反映子业务指标、原子指标与业务指标层级关联关系的指标生成模型,所述原子指标由业务指标或子业务指标拆解得到;
指标定义字典确定单元703,用于确定指标定义字典,所述指标定义字典包括原子指标定义信息及业务指标定义信息;
指标维度字典确定单元704,用于根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,所述指标维度字典包括原子指标维度信息以及业务指标维度信息;
规律型知识计算规则建立单元705,用于建立业务指标与规律型知识计算规则;
规律型知识指标体系建立单元706,用于由业务指标定义字典、业务指标生成模型、指标维度字典以及业务指标与规律型知识计算规则构成规律型知识指标体系;
分析单元707,用于利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库。
本实施例通过分析各机构汇报材料,得到业务指标清单;对各业务指标进行拆解,得到子业务指标、原子指标以及反映子业务指标、原子指标与业务指标层级关联关系的指标生成模型;确定指标定义字典,所述指标定义字典包括原子指标定义信息及业务指标定义信息,能够统一各机构计算业务指标时的定义,具体的,借助原子指标定义信息计算原子指标值,借助指标生成模型确定业务指标所需的原子指标,并通过业务指标定义信息计算得到业务指标,实现原子指标复用,提高业务指标计算效率、准确性及统一性。
通过根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,所述指标维度字典包括原子指标维度信息以及业务指标维度信息,能够扩展业务指标分析维度,提高数据分析的全面性,进而能够生成作为研判基准的规律型知识。
通过建立业务指标与规律型知识计算规则;由业务指标定义字典、业务指标生成模型、指标维度字典以及业务指标与规律型知识计算规则构成规律型知识指标体系;利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库,能够分析得到规律型知识。同时还能够使得用户根据对数据及维度需求获取原子指标数据、业务指标数据规律型知识,减轻各机构自行计算压力,实现各机构分析结果数据共享。
具体的,本案应用于司法领域,能够实现如下技术效果:
一、通过全量案件数据指标分析,构建统一的司法指标体系并形成规律型知识,进而服务于审判态势分析、审判管理以及社会治理风险研判。
二、本案从时间、空间、案件维度考虑,强调数据分布的规律,形成指标优劣判断的标准,从而体系化的生成相应的规律型知识。
三、基于规律型知识自动生成能力,建立知识生成和积累机制,形成统一的知识库,开放共享接口和统一门户查询服务,支持一体化共享规律型知识成果,实现全国四级多家法院、多个业务系统的知识共享。
本文一实施例中,还提供一种计算机设备,如图8所示,计算机设备802可以包括一个或多个处理器804,诸如一个或多个中央处理单元(CPU),每个处理单元可以实现一个或多个硬件线程。计算机设备802还可以包括任何存储器806,其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的,比如,存储器806可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储器都可以使用任何技术来存储信息。进一步地,任何存储器可以提供信息的易失性或非易失性保留。进一步地,任何存储器可以表示计算机设备802的固定或可移除部件。在一种情况下,当处理器804执行被存储在任何存储器或存储器的组合中的相关联的指令时,计算机设备802可以执行相关联指令的任一操作。计算机设备802还包括用于与任何存储器交互的一个或多个驱动机构808,诸如硬盘驱动机构、光盘驱动机构等。
计算机设备802还可以包括输入/输出模块810(I/O),其用于接收各种输入(经由输入设备812)和用于提供各种输出(经由输出设备814)。一个具体输出机构可以包括呈现设备816和相关联的图形用户接口(GUI)818。在其他实施例中,还可以不包括输入/输出模块810(I/O)、输入设备812以及输出设备814,仅作为网络中的一台计算机设备。计算机设备802还可以包括一个或多个网络接口820,其用于经由一个或多个通信链路822与其他设备交换数据。一个或多个通信总线824将上文所描述的部件耦合在一起。
通信链路822可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信链路822可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
本文实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法的步骤。
本文实施例还提供一种计算机可读指令,其中当处理器执行所述指令时,其中的程序使得处理器执行前述任一实施例所述的方法。
应理解,在本文的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本文实施例的实施过程构成任何限定。
还应理解,在本文实施例中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本文的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本文所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述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单元来实现本文实施例方案的目的。
另外,在本文各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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,本文的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或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)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本文中应用了具体实施例对本文的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本文的方法及其核心思想;同时,对于本领域的一般技术人员,依据本文的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本文的限制。
Claims (7)
1.一种规律型知识分析方法,其特征在于,包括:
根据各机构汇报材料,分析得到业务指标清单,所述业务指标清单包括多个业务指标;
对各业务指标进行拆解,得到子业务指标、原子指标以及反映子业务指标、原子指标与业务指标层级关联关系的指标生成模型,所述原子指标由业务指标或子业务指标拆解得到;
确定指标定义字典,所述指标定义字典包括原子指标定义信息及业务指标定义信息;
根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,所述指标维度字典包括原子指标维度信息以及业务指标维度信息;
建立业务指标与规律型知识计算规则;
由业务指标定义字典、业务指标生成模型、指标维度字典以及业务指标与规律型知识计算规则构成规律型知识指标体系;
利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库;
其中,根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,包括:
根据所有机构信息提取空间维度信息,根据机构处理的案件信息提取案件维度信息及时间维度信息,由空间维度信息、案件维度信息及时间维度信息构成公共维度,原子指标维度信息包括公共维度下属的最细粒度;
根据已知业务需求信息,确定业务指标维度信息;
其中,利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库,包括:
获取各机构案件数据库中的案件数据;
根据所述原子指标定义信息、原子指标维度信息及案件数据,计算各原子指标维度的原子指标值,并将原子指标值存储于原子指标数据库中;
根据所述业务指标生成模型、原子指标数据库及业务指标维度信息,生成各业务指标维度的业务指标值,并将业务指标值存储于业务指标数据库中;
根据所述业务指标与规律型知识计算规则及所述各业务指标维度的业务指标值,计算各业务指标维度的规律型知识,并将其存储于规律型知识库中;
其中,根据所述业务指标生成模型、原子指标数据库及业务指标维度信息,生成各业务指标维度的业务指标值,包括:
根据所述业务指标生成模型,确定第一原子指标集;
从所述原子指标数据库中获取满足所述业务指标维度信息的第一原子指标集中各原子指标的指标值,并对获取的同类型的指标值进行聚合计算;
根据所述业务指标生成模型逐层调用相关子业务指标定义信息或业务指标定义信息,对第一原子指标集中各原子指标聚合后的值进行计算,得到业务指标值。
2.如权利要求1所述的方法,其特征在于,根据各机构汇报材料,分析得到业务指标清单,包括:
提取各机构汇报材料中的统计指标;
计算各统计指标的汇报次数;
从汇报次数排名前N的指标中筛选出满足预设要求的指标,根据筛选出的指标构成业务指标清单。
3.如权利要求1所述的方法,其特征在于,还包括:
接收请求方发送的规律型知识获取请求;审核所述规律型知识获取请求,审核通过后从所述规律型知识数据库中获取请求数据并发送至所述请求方;或
根据预先确定的规律型知识获取信息,定期从所述规律型知识数据库中获取数据并发送至所述请求方。
4.如权利要求1所述的方法,其特征在于,还包括:
接收请求方发送的业务指标计算请求,其中,所述业务指标计算请求包括:目标业务指标及目标业务指标的自定义维度信息;
根据所述目标业务指标的生成模型,确定第二原子指标集;
从所述原子指标数据库中获取满足所述自定义维度信息的第二原子指标集中各原子指标的指标值,并对获取的同类型的指标值进行聚合计算;
根据所述目标业务指标的生成模型逐层调用相关子业务指标定义信息或业务指标定义信息,对第二原子指标集中各原子指标聚合后的值进行计算,得到目标业务指标值;
发送目标业务指标值至请求方。
5.一种规律型知识分析装置,其特征在于,包括:
业务指标提取单元,用于根据各机构汇报材料,分析得到业务指标清单,所述业务指标清单包括多个业务指标;
拆解单元,用于对各业务指标进行拆解,得到子业务指标、原子指标以及反映子业务指标、原子指标与业务指标层级关联关系的指标生成模型,所述原子指标由业务指标或子业务指标拆解得到;
指标定义字典确定单元,用于确定指标定义字典,所述指标定义字典包括原子指标定义信息及业务指标定义信息;
指标维度字典确定单元,用于根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,所述指标维度字典包括原子指标维度信息以及业务指标维度信息;
规律型知识计算规则建立单元,用于建立业务指标与规律型知识计算规则;
规律型知识指标体系建立单元,用于由业务指标定义字典、业务指标生成模型、指标维度字典以及业务指标与规律型知识计算规则构成规律型知识指标体系;
分析单元,用于利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库;
其中,根据所有机构信息、机构处理的案件信息及已知业务需求信息,确定指标维度字典,包括:
根据所有机构信息提取空间维度信息,根据机构处理的案件信息提取案件维度信息及时间维度信息,由空间维度信息、案件维度信息及时间维度信息构成公共维度,原子指标维度信息包括公共维度下属的最细粒度;
根据已知业务需求信息,确定业务指标维度信息;
其中,利用规律型知识指标体系,分析各机构的案件信息生成原子指标数据库、业务指标数据库及规律型知识数据库,包括:
获取各机构案件数据库中的案件数据;
根据所述原子指标定义信息、原子指标维度信息及案件数据,计算各原子指标维度的原子指标值,并将原子指标值存储于原子指标数据库中;
根据所述业务指标生成模型、原子指标数据库及业务指标维度信息,生成各业务指标维度的业务指标值,并将业务指标值存储于业务指标数据库中;
根据所述业务指标与规律型知识计算规则及所述各业务指标维度的业务指标值,计算各业务指标维度的规律型知识,并将其存储于规律型知识库中;
其中,根据所述业务指标生成模型、原子指标数据库及业务指标维度信息,生成各业务指标维度的业务指标值,包括:
根据所述业务指标生成模型,确定第一原子指标集;
从所述原子指标数据库中获取满足所述业务指标维度信息的第一原子指标集中各原子指标的指标值,并对获取的同类型的指标值进行聚合计算;
根据所述业务指标生成模型逐层调用相关子业务指标定义信息或业务指标定义信息,对第一原子指标集中各原子指标聚合后的值进行计算,得到业务指标值。
6.一种计算机设备,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权利要求1至4任意一项所述方法。
7.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机设备的处理器执行时实现权利要求1至4任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311018.9A CN117057425B (zh) | 2023-10-11 | 2023-10-11 | 一种规律型知识分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311018.9A CN117057425B (zh) | 2023-10-11 | 2023-10-11 | 一种规律型知识分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117057425A CN117057425A (zh) | 2023-11-14 |
CN117057425B true CN117057425B (zh) | 2023-12-22 |
Family
ID=88664820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311311018.9A Active CN117057425B (zh) | 2023-10-11 | 2023-10-11 | 一种规律型知识分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057425B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021164226A1 (zh) * | 2020-02-20 | 2021-08-26 | 平安科技(深圳)有限公司 | 法律案件知识图谱查询方法、装置、设备及存储介质 |
CN114911943A (zh) * | 2021-10-29 | 2022-08-16 | 上海宝信软件股份有限公司 | 基于知识图谱的经营指标体系构建方法和系统 |
CN115374329A (zh) * | 2022-10-25 | 2022-11-22 | 杭州比智科技有限公司 | 一种管理企业业务元数据和技术元数据的方法及系统 |
CN115392799A (zh) * | 2022-10-27 | 2022-11-25 | 平安科技(深圳)有限公司 | 归因分析方法、装置、计算机设备及存储介质 |
CN116432092A (zh) * | 2023-06-15 | 2023-07-14 | 北京冠新医卫软件科技有限公司 | 一种融合模型数据的指标系统及方法 |
-
2023
- 2023-10-11 CN CN202311311018.9A patent/CN117057425B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021164226A1 (zh) * | 2020-02-20 | 2021-08-26 | 平安科技(深圳)有限公司 | 法律案件知识图谱查询方法、装置、设备及存储介质 |
CN114911943A (zh) * | 2021-10-29 | 2022-08-16 | 上海宝信软件股份有限公司 | 基于知识图谱的经营指标体系构建方法和系统 |
CN115374329A (zh) * | 2022-10-25 | 2022-11-22 | 杭州比智科技有限公司 | 一种管理企业业务元数据和技术元数据的方法及系统 |
CN115392799A (zh) * | 2022-10-27 | 2022-11-25 | 平安科技(深圳)有限公司 | 归因分析方法、装置、计算机设备及存储介质 |
CN116432092A (zh) * | 2023-06-15 | 2023-07-14 | 北京冠新医卫软件科技有限公司 | 一种融合模型数据的指标系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117057425A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8396880B2 (en) | Systems and methods for generating an optimized output range for a data distribution in a hierarchical database | |
US20090106308A1 (en) | Complexity estimation of data objects | |
US20090055382A1 (en) | Automatic Peer Group Formation for Benchmarking | |
CN110457294B (zh) | 一种数据处理方法和装置 | |
US8903757B2 (en) | Proactive information technology infrastructure management | |
CN100465918C (zh) | 基于事务处理的性能模型的自动化确认和校准系统和方法 | |
US20200134642A1 (en) | Method and system for validating ensemble demand forecasts | |
CN103473672A (zh) | 企业级数据中心的元数据质量稽核系统、方法及平台 | |
US11373199B2 (en) | Method and system for generating ensemble demand forecasts | |
AU2011204831B2 (en) | Digital analytics platform | |
Deming et al. | Exploratory Data Analysis and Visualization for Business Analytics | |
US8290969B2 (en) | Systems and methods for validating interpolation results using monte carlo simulations on interpolated data inputs | |
US11243951B2 (en) | Systems and methods for automated analysis, screening, and reporting of group performance | |
Rigger et al. | Design automation state of practice-potential and opportunities | |
CN110675069B (zh) | 地产行业客户签约风险预警方法、服务器及存储介质 | |
CN102855290A (zh) | 一种移动互联网知识管理方法 | |
Pandey et al. | Association rules network: Definition and applications | |
CN112631889B (zh) | 针对应用系统的画像方法、装置、设备及可读存储介质 | |
CN117057425B (zh) | 一种规律型知识分析方法及装置 | |
Barb et al. | A statistical study of the relevance of lines of code measures in software projects | |
CN110704454B (zh) | 报表数据采集系统及方法 | |
CN114757448B (zh) | 一种基于数据空间模型的制造环节间最优价值链构建方法 | |
CN115271514A (zh) | 通讯企业的监控方法、装置、电子设备及存储介质 | |
Bright et al. | Explaining download patterns in open government data: citizen participation or private enterprise? | |
WO2011036679A2 (en) | Method and system for providing financial forecasting on listed companies |
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 | ||
GR01 | Patent grant |