CN117217182A - 基于人工智能的报告生成方法、装置、设备及存储介质 - Google Patents

Abstract

本申请属于人工智能领域与金融科技领域，涉及一种基于人工智能的报告生成方法，包括：获取原始业务数据；对原始业务数据进行预处理得到业务数据；基于数据分析模型对业务数据进行数据分析得到对应的数据分析结果；获取与业务数据对应的数据类型与数据结构；基于数据类型与数据结构，调用可视化工具对数据分析结果进行可视化处理，生成对应的数据报告。本申请还提供一种基于人工智能的报告生成装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，错误定位信息可存储于区块链中。本申请可应用于金融领域的数据报告生成场景，提高了数据报告的生成效率，保证了生成的数据报告的准确度，并且可以提高生成的数据报告的数据安全性。

Description

基于人工智能的报告生成方法、装置、设备及存储介质

技术领域

本申请涉及人工智能开发技术领域与金融科技领域，尤其涉及基于人工智能的报告生成方法、装置、计算机设备及存储介质。

背景技术

IFRS 17是保险业务合同会计准则，要求保险公司对合同进行更加详细的披露和计量。生成IFRS 17报告需要按照标准的格式和要求对保险公司的业务合同进行详细的分类、评估、计量和披露。目前市场上生成IFRS 17报告的常规方法通常是采用Excel工具处理的方式来实现。通过利用Excel电子表格软件，在使用人工将业务数据手动录入到Excel电子表格软件的表格后，可以使用Excel电子表格软件内的各种公式和函数来进行自动计算和分析，以生成所需的数据报告。虽然使用Excel电子表格软件可以减少手动操作的工作量，但仍需要手动输入和操作数据，导致数据表格的生成效率较低，并且存在数据安全性的风险，且生成的数据表格的准确度也无法得到保证。

发明内容

本申请实施例的目的在于提出一种基于人工智能的报告生成方法、装置、计算机设备及存储介质，以解决现有的采用Excel工具生成数据报告的方式存在数据表格的生成效率较低，并且数据安全性的风险，且生成的数据表格的准确度也无法得到保证的技术问题。

为了解决上述技术问题，本申请实施例提供一种基于人工智能的报告生成方法，采用了如下所述的技术方案：

获取原始业务数据；

对所述原始业务数据进行预处理，得到对应的业务数据；

基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；

获取与所述业务数据对应的数据类型与数据结构；

基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。

进一步的，所述基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告的步骤，具体包括：

基于所述数据类型与所述数据结构确定出与所述业务数据对应的目标可视化类型；

确定与所述目标可视化类型对应的目标可视化元素；

基于所述目标可视化元素对所述业务数据进行数据映射，得到所述数据报告。

进一步的，所述基于预设的数据分析模型对所述业务数据进行数据分析处理，得到对应的数据分析结果的步骤，具体包括：

获取预先训练生成的多个数据分析模型；

从所有所述数据分析模型中确定出目标数据分析模型；

使用所述目标数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果。

进一步的，所述对所述原始业务数据进行预处理，得到对应的业务数据的步骤，具体包括：

对所述原始业务数据进行清洗处理，得到对应的第一数据；

对所述第一数据进行标准化处理，得到对应的第二数据；

对所述第二数据进行转换处理，得到对应的第三数据；

将所述第三数据作为所述业务数据。

进一步的，所述对所述第二数据进行转换处理，得到对应的第三数据的步骤，具体包括：

调用预设的转换库；

基于所述转换库对所述第二数据进行数据转换处理，得到对应的第四数据；

将所述第四数据作为所述第三数据。

进一步的，在所述基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告的步骤之后，还包括：

对所述数据报告添加预设的视觉编码，得到对应的第一数据报告；

对所述第一数据报告添加预设的交互元素，得到对应的第二数据报告；

展示所述第二数据报告。

进一步的，在所述基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告的步骤之后，还包括：

获取报告类型对应的目标数据存储方式；

确定与所述目标数据存储方式对应的目标数据存储介质；

将所述数据报告存储至所述目标数据存储介质内。

为了解决上述技术问题，本申请实施例还提供一种基于人工智能的报告生成装置，采用了如下所述的技术方案：

第一获取模块，用于获取原始业务数据；

第一处理模块，用于对所述原始业务数据进行预处理，得到对应的业务数据；

第二处理模块，用于基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；

第二获取模块，用于获取与所述业务数据对应的数据类型与数据结构；

生成模块，用于基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

获取原始业务数据；

对所述原始业务数据进行预处理，得到对应的业务数据；

基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；

获取与所述业务数据对应的数据类型与数据结构；

基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

获取原始业务数据；

对所述原始业务数据进行预处理，得到对应的业务数据；

基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；

获取与所述业务数据对应的数据类型与数据结构；

基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例首先获取原始业务数据；然后对所述原始业务数据进行预处理，得到对应的业务数据；之后基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；后续获取与所述业务数据对应的数据类型与数据结构；最后基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。本申请实施例通过结合数据分析模型以及可视化技术的使用来对业务数据进行处理，可以实现自动准确地生成与业务数据匹配的数据报告，提高了数据报告的生成效率，保证了生成的数据报告的准确度，并且可以提高生成的数据报告的数据安全性。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是本申请可以应用于其中的示例性系统架构图；

图2根据本申请的基于人工智能的报告生成方法的一个实施例的流程图；

图3是根据本申请的基于人工智能的报告生成装置的一个实施例的结构示意图；

图4是根据本申请的计算机设备的一个实施例的结构示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio LayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的基于人工智能的报告生成方法一般由服务器/终端设备执行，相应地，基于人工智能的报告生成装置一般设置于服务器/终端设备中。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的基于人工智能的报告生成方法的一个实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。本申请实施例提供的基于人工智能的报告生成方法能够应用于任意一种需要进行业务数据报告的场景中，则该基于人工智能的报告生成方法能够应用于这些场景的产品中，例如，金融保险领域中的业务数据报告生成产品。所述的基于人工智能的报告生成方法，包括以下步骤：

步骤S201，获取原始业务数据。

在本实施例中，基于人工智能的报告生成方法运行于其上的电子设备(例如图1所示的服务器/终端设备)，可以通过有线连接方式或者无线连接方式获取原始业务数据。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。上述原始业务数据为生成业务报告所需的原始数据。在金融科技领域的保险报告生成的业务场景下，上述金融报告具体可指IFRS 17报告，IFRS 17是保险业务合同会计准则，要求保险公司对合同进行更加详细的披露和计量。生成IFRS 17报告需要按照标准的格式和要求对保险公司的业务合同进行详细的分类、评估、计量和披露。上述原始业务数据可包括保单、批单、交易数据、支付数据等数据。

步骤S202，对所述原始业务数据进行预处理，得到对应的业务数据。

在本实施例中，上述对所述原始业务数据进行预处理，得到对应的业务数据的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S203，基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果。

在本实施例中，上述基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S204，获取与所述业务数据对应的数据类型与数据结构。

在本实施例中，可通过对业务数据进行数据展示分析，以确定出业务数据的展示类型，进而基于该展示类型确定出所述业务数据所需要使用的数据类型与数据结构。

步骤S205，基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。

在本实施例中，通过使用人工智能技术辅助可视化技术可以处理大量的业务数据并对其进行准确的分析，从而生成高质量、准确的可视化的数据报告，从而大大提高了报告的生成速度。这对于需要快速了解和分析大量数据的业务场景非常有用，可以帮助用户将获取的业务数据中复杂的数据关系可视化，从而使得用户更容易理解数据之间的联系和趋势。这可以帮助用户更好地掌握数据的本质，进而做出更明智的决策。另外，通过将数据可视化，人工智能辅助可视化技术可以将数据呈现为图形、图表、图像等形式，使得数据更加易于理解和记忆，这有助于用户更好地理解数据并做出正确的决策。此外。上述基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

本申请首先获取原始业务数据；然后对所述原始业务数据进行预处理，得到对应的业务数据；之后基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；后续获取与所述业务数据对应的数据类型与数据结构；最后基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。本申请通过结合数据分析模型以及可视化技术的使用来对业务数据进行处理，可以实现自动准确地生成与业务数据匹配的数据报告，提高了数据报告的生成效率，保证了生成的数据报告的准确度，并且可以提高生成的数据报告的数据安全性。

在一些可选的实现方式中，步骤S205包括以下步骤：

基于所述数据类型与所述数据结构确定出与所述业务数据对应的目标可视化类型。

在本实施例中，可根据实际的数据展示需求，预先设置有与不同的数据类型与数据结构具有匹配关系的可视化类型，具体可先根据所述数据类型与所述数据结构确定出业务数据所对应的传达信息与传达目的，再基于该传达信息与传达目的确定出对应的目标可视化类型。示例性的，用饼图来展示分组占比，用散点图来展示变量之间的关系等。其中，数据类型可包括表格类型、时间类型、空间类型，数据结构包括表格结构、时间序列结构、地理空间结构，可视化类型包括但不限于：条形图、折线图、散点图、饼图、地图、热力图等。

确定与所述目标可视化类型对应的目标可视化元素。

在本实施例中，目标可视化元素是指目标可视化类型内的可视化元素。示例性的，如果目标可视化类型为图表，由于需要将业务数据的数值映射到图表的坐标轴上，将业务数据的类别映射到图表的颜色或形状上等，则目标可视化元素可指图表内的坐标轴、颜色或形状等元素。

基于所述目标可视化元素对所述业务数据进行数据映射，得到所述数据报告。

在本实施例中，可通过使用可视化工具，将业务数据映射至目标可视化元素上的对应位置处理，以完成数据映射处理，并生成所需的数据报告。其中，上述可视化工具可包括Tableau、Power BI、matplotlib等工具。示例性的，如果目标可视化类型为图表，上述数据映射过程可包括：使用可视化工具通过图表方式对业务数据进行数据可视化，具体将业务数据的数值映射到图表的坐标轴上，将业务数据的类别映射到图表的颜色或形状上等处理。

本申请通过基于所述数据类型与所述数据结构确定出与所述业务数据对应的目标可视化类型；然后确定与所述目标可视化类型对应的目标可视化元素；后续基于所述目标可视化元素对所述业务数据进行数据映射，得到所述数据报告。本申请在确定出与所述数据类型以及所述数据结构对应的目标可视化类型后，会智能地使用目标可视化类型内的目标可视化元素对所述业务数据进行数据映射，从而实现快速地地构建出相应的数据报告，提高了数据报告的生成效率，保证了生成的数据报告的准确度。

在本实施例的一些可选的实现方式中，步骤S203包括以下步骤：

获取预先训练生成的多个数据分析模型。

在本实施例中，上述数据分析模型为根据预先采集的业务样本数据对采用机器学习和深度学习算法构建的机器学习模型或深度学习模型进行训练生成的模型。训练生成的数据分析模型具有学习业务样本数据之间的联系与趋势的能力。其中，上述机器学习模型可包括由Scikit-learn、XGBoost、LightGBM等机器学习框架构建的模型，上述深度学习模型可包括由TensorFlow、PyTorch、Keras等深度学习框架构建的模型。另外，对于数据分析模型的训练生成过程，可参照已有的机器学习模型或深度学习模型的训练过程，在此不做过多阐述。

从所有所述数据分析模型中确定出目标数据分析模型。

在本实施例中，可通过获取各种数据分析模型的模型评价值，再将模型评价值最高的数据分析模型作为上述目标数据分析模型。其中，模型评价值可通过对数据分析模型的模型处理效率以及模型处理效果进行加权求和生成。模型处理效率以及模型处理效果的权重值可根据实际的使用需求进行设置。

使用所述目标数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果。

在本实施例中，可通过将所述业务数据输入至目标数据分析模型内，通过目标数据分析模型对所述业务数据进行数据分析处理，以获取业务数据中的联系数据与趋势数据，从而得到与所述业务数据对应的数据分析结果。

本申请通过获取预先训练生成的多个数据分析模型；然后从所有所述数据分析模型中确定出目标数据分析模型；后续使用所述目标数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果。本申请通过从预先训练生成的多个数据分析模型中筛选出目标数据分析模型，进而使用目标数据分析模型对所述业务数据进行数据分析处理，从而可以实现进一步提高数据分析结果的生成效率，以及提高生成的业务数据的数据分析结果的准确度。

在一些可选的实现方式中，步骤S202包括以下步骤：

对所述原始业务数据进行清洗处理，得到对应的第一数据。

在本实施例中，可通过使用基于Python语言的清洗工具对原始业务数据进行清洗处理，以清洗出原始业务数据中的异常数据与冗余数据，得到对应的第一数据。

对所述第一数据进行标准化处理，得到对应的第二数据。

在本实施例中，可使用numpy库内包含的用于进行数据标准化的函数对第一数据进行标准化处理，以得到对应的第二数据。

对所述第二数据进行转换处理，得到对应的第三数据。

在本实施例中，上述对所述第二数据进行转换处理，得到对应的第三数据的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述

将所述第三数据作为所述业务数据。

本申请通过对所述原始业务数据进行清洗处理，得到对应的第一数据；然后对所述第一数据进行标准化处理，得到对应的第二数据；之后对所述第二数据进行转换处理，得到对应的第三数据；后续将所述第三数据作为所述业务数据。本申请通过对原始业务数据进行清洗处理、标准化处理以及转换处理，以完成对于原始业务数据的预处理以生成，从而可以生成可适用于模型处理的标准且准确的业务数据，有利于提高后续基于预设的数据分析模型对所述业务数据进行数据分析处理的处理效率。

在一些可选的实现方式中，所述对所述第二数据进行转换处理，得到对应的第三数据，包括以下步骤：

调用预设的转换库。

在本实施例中，上述转换库具体可采用pandas库。

基于所述转换库对所述第二数据进行数据转换处理，得到对应的第四数据。

在本实施例中，可通过使用pandas库内包含的用于进行数据转换的函数对第二数据进行数据转换处理，以得到对应的第四数据。示例性的，若第二数据为保单中的交易数据，则使用转换库对该交易数据进行数据转换处理，可以快速准确地生成符合数据转换需求的交易数据。

将所述第四数据作为所述第三数据。

本申请通过调用预设的转换库；然后基于所述转换库对所述第二数据进行数据转换处理，得到对应的第四数据；后续将所述第四数据作为所述第三数据。本申请通过使用转换库对所述第二数据进行转换处理，可以实现快速准确地生成经过数据转换处理的第三数据，提高了第三数据的生成智能性。

在本实施例的一些可选的实现方式中，在步骤S205之后，上述电子设备还可以执行以下步骤：

对所述数据报告添加预设的视觉编码，得到对应的第一数据报告。

在本实施例中，上述视觉编码可用来区分不同的数据类别或表示不同的数据属性，视觉编码可包括但不限于：颜色、形状、大小、线条等。

对所述第一数据报告添加预设的交互元素，得到对应的第二数据报告。

在本实施例中，上述交互元素为用来让用户与可视化的数据报告进行交互，进一步探索数据的元素，交互元素包括但不限于：悬停、点击、拖拽等。

展示所述第二数据报告。

在本实施例中，可通过获取第二数据报告的展示介质，并在该展示介质中对所述第二数据报告进行展示。其中，对于上述展示介质的选取不做具体限定，可根据实际的展示需求进行确定。

本申请通过对所述数据报告添加预设的视觉编码，得到对应的第一数据报告；然后对所述第一数据报告添加预设的交互元素，得到对应的第二数据报告；后续展示所述第二数据报告。本申请在基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告后，还会智能地对生成的数据报告添加视觉编码与交互元素，从而可以有效为生成的数据报告增强可视化效果和可交互性，提高生成的数据报告的智能性。

在本实施例的一些可选的实现方式中，在步骤S205之后，上述电子设备还可以执行以下步骤：

获取报告类型对应的目标数据存储方式。

在本实施例中，对于不同的数据类型，预先会根据实际的存储需求设置有与各种数据类型的数据一一对应的数据存储方式。示例性的，报告类型的报告数据所对应的数据存储方式为区块链存储，视频类型的视频数据所对应的数据存储方式为数据库存储，代码类型的代码数据所对应的数据存储方式为云盘存储。

确定与所述目标数据存储方式对应的目标数据存储介质。

在本实施例中，示例性的，对于区块链存储的数据存储方式，其对应的数据存储介质为区块链；对于数据库存储的数据存储方式，其对应的数据存储介质为数据库；对于云盘存储的数据存储方式，其对应的数据存储介质为云盘。

将所述数据报告存储至所述目标数据存储介质内。

在本实施例中，可通过在目标数据存储介质内构建一个使用上述数据报告的报告名称命名的存储空间，并使用该存储空间对该数据报告进行存储。

本申请通过获取报告类型对应的目标数据存储方式；然后确定与所述目标数据存储方式对应的目标数据存储介质；后续将所述数据报告存储至所述目标数据存储介质内。本申请通过获取与报告类型对应的目标数据存储方式，进而使用与该目标数据存储方式对应的目标数据存储介质来对生成的数据报告进行存储，有效的提高了对于数据报告的存储智能性与存储规范性，有利于后续基于目标数据存储介质的使用来提高对于数据报告的查询效率。

应理解，上述实施例中各步骤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，而不应对本发明实施例的实施过程构成任何限定。

需要强调的是，为进一步保证上述数据报告的私密和安全性，上述数据报告还可以存储于一区块链的节点中。

本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种基于人工智能的报告生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，本实施例所述的基于人工智能的报告生成装置300包括：第一获取模块301、第一处理模块302、第二处理模块303、第二获取模块304以及生成模块305。其中：

第一获取模块301，用于获取原始业务数据；

第一处理模块302，用于对所述原始业务数据进行预处理，得到对应的业务数据；

第二处理模块303，用于基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；

第二获取模块304，用于获取与所述业务数据对应的数据类型与数据结构；

生成模块305，用于基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的报告生成方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，生成模块305包括：

第一确定子模块，用于基于所述数据类型与所述数据结构确定出与所述业务数据对应的目标可视化类型；

第二确定子模块，用于确定与所述目标可视化类型对应的目标可视化元素；

映射子模块，用于基于所述目标可视化元素对所述业务数据进行数据映射，得到所述数据报告。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的报告生成方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中,第二处理模块303包括：

获取子模块，用于获取预先训练生成的多个数据分析模型；

第三确定子模块，用于从所有所述数据分析模型中确定出目标数据分析模型；

分析子模块，用于使用所述目标数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果。

本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的报告生成方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，第一处理模块302包括：

第一处理子模块，用于对所述原始业务数据进行清洗处理，得到对应的第一数据；

第二处理子模块，用于对所述第一数据进行标准化处理，得到对应的第二数据；

第三处理子模块，用于对所述第二数据进行转换处理，得到对应的第三数据；

第四确定子模块，用于将所述第三数据作为所述业务数据。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的报告生成方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，第三处理子模块包括：

调用单元，用于调用预设的转换库；

处理单元，用于基于所述转换库对所述第二数据进行数据转换处理，得到对应的第四数据；

确定单元，用于将所述第四数据作为所述第三数据。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的报告生成方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，基于人工智能的报告生成装置还包括：

第一添加模块，用于对所述数据报告添加预设的视觉编码，得到对应的第一数据报告；

第二添加模块，用于对所述第一数据报告添加预设的交互元素，得到对应的第二数据报告；

展示模块，用于展示所述第二数据报告。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的报告生成方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，基于人工智能的报告生成装置还包括：

第三获取模块，用于获取报告类型对应的目标数据存储方式；

确定模块，用于确定与所述目标数据存储方式对应的目标数据存储介质；

存储模块，用于将所述数据报告存储至所述目标数据存储介质内。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的报告生成方法的步骤一一对应，在此不再赘述。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。

所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如基于人工智能的报告生成方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述基于人工智能的报告生成方法的计算机可读指令。

所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例中，首先获取原始业务数据；然后对所述原始业务数据进行预处理，得到对应的业务数据；之后基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；后续获取与所述业务数据对应的数据类型与数据结构；最后基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。本申请实施例通过结合数据分析模型以及可视化技术的使用来对业务数据进行处理，可以实现自动准确地生成与业务数据匹配的数据报告，提高了数据报告的生成效率，保证了生成的数据报告的准确度，并且可以提高生成的数据报告的数据安全性。

本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于人工智能的报告生成方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例中，首先获取原始业务数据；然后对所述原始业务数据进行预处理，得到对应的业务数据；之后基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；后续获取与所述业务数据对应的数据类型与数据结构；最后基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。本申请实施例通过结合数据分析模型以及可视化技术的使用来对业务数据进行处理，可以实现自动准确地生成与业务数据匹配的数据报告，提高了数据报告的生成效率，保证了生成的数据报告的准确度，并且可以提高生成的数据报告的数据安全性。

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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种基于人工智能的报告生成方法，其特征在于，包括下述步骤：

获取原始业务数据；

对所述原始业务数据进行预处理，得到对应的业务数据；

基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；

获取与所述业务数据对应的数据类型与数据结构；

基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。

2.根据权利要求1所述的基于人工智能的报告生成方法，其特征在于，所述基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告的步骤，具体包括：

基于所述数据类型与所述数据结构确定出与所述业务数据对应的目标可视化类型；

确定与所述目标可视化类型对应的目标可视化元素；

基于所述目标可视化元素对所述业务数据进行数据映射，得到所述数据报告。

3.根据权利要求1所述的基于人工智能的报告生成方法，其特征在于，所述基于预设的数据分析模型对所述业务数据进行数据分析处理，得到对应的数据分析结果的步骤，具体包括：

获取预先训练生成的多个数据分析模型；

从所有所述数据分析模型中确定出目标数据分析模型；

使用所述目标数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果。

4.根据权利要求1所述的基于人工智能的报告生成方法，其特征在于，所述对所述原始业务数据进行预处理，得到对应的业务数据的步骤，具体包括：

对所述原始业务数据进行清洗处理，得到对应的第一数据；

对所述第一数据进行标准化处理，得到对应的第二数据；

对所述第二数据进行转换处理，得到对应的第三数据；

将所述第三数据作为所述业务数据。

5.根据权利要求4所述的基于人工智能的报告生成方法，其特征在于，所述对所述第二数据进行转换处理，得到对应的第三数据的步骤，具体包括：

调用预设的转换库；

基于所述转换库对所述第二数据进行数据转换处理，得到对应的第四数据；

将所述第四数据作为所述第三数据。

6.根据权利要求1所述的基于人工智能的报告生成方法，其特征在于，在所述基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告的步骤之后，还包括：

对所述数据报告添加预设的视觉编码，得到对应的第一数据报告；

对所述第一数据报告添加预设的交互元素，得到对应的第二数据报告；

展示所述第二数据报告。

7.根据权利要求1所述的基于人工智能的报告生成方法，其特征在于，在所述基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告的步骤之后，还包括：

获取报告类型对应的目标数据存储方式；

确定与所述目标数据存储方式对应的目标数据存储介质；

将所述数据报告存储至所述目标数据存储介质内。

8.一种基于人工智能的报告生成装置，其特征在于，包括：

第一获取模块，用于获取原始业务数据；

第一处理模块，用于对所述原始业务数据进行预处理，得到对应的业务数据；

第二处理模块，用于基于预设的数据分析模型对所述业务数据进行数据分析处理，得到与所述业务数据对应的数据分析结果；

第二获取模块，用于获取与所述业务数据对应的数据类型与数据结构；

生成模块，用于基于所述数据类型与所述数据结构，调用预设的可视化技术对所述数据分析结果进行可视化处理，生成对应的数据报告。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于人工智能的报告生成方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的报告生成方法的步骤。