TW202111688A - 基於人工智慧的商務智慧系統及其分析方法 - Google Patents

基於人工智慧的商務智慧系統及其分析方法 Download PDF

Info

Publication number
TW202111688A
TW202111688A TW108145992A TW108145992A TW202111688A TW 202111688 A TW202111688 A TW 202111688A TW 108145992 A TW108145992 A TW 108145992A TW 108145992 A TW108145992 A TW 108145992A TW 202111688 A TW202111688 A TW 202111688A
Authority
TW
Taiwan
Prior art keywords
data
artificial intelligence
sentences
module
user
Prior art date
Application number
TW108145992A
Other languages
English (en)
Other versions
TWI743623B (zh
Inventor
張宗堯
Original Assignee
美商訊能集思智能科技股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 美商訊能集思智能科技股份有限公司 filed Critical 美商訊能集思智能科技股份有限公司
Publication of TW202111688A publication Critical patent/TW202111688A/zh
Application granted granted Critical
Publication of TWI743623B publication Critical patent/TWI743623B/zh

Links

Images

Classifications

    • 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
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/243—Natural language query formulation
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • 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
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
    • 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • 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
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一種基於人工智慧的商務智慧系統，包括搜尋引擎，用於接收使用者的自然語言並拆解自然語言中包含的關聯詞句；人工智慧分析模組，用於分析所述關聯詞句並獲取與所述關聯語句關聯的資料提取語法；特徵提取模組，用於從與所述資料提取語法對應的多個特徵資料庫中提取多個特徵資料；以及資料管理器，用於處理所述多個資料特徵並將所述多個資料特徵呈現至使用者。本系統具有自然語言應答功能，可快速高效分析使用者意圖提取並分析關聯性資料從而輔助使用者做出更精准的決策。

Description

基於人工智慧的商務智慧系統及其分析方法
本發明涉及商業智慧系統，尤其涉及基於人工智慧的商務智慧系統及其分析方法。
商業智慧（Business Intelligence，BI）應用廣泛適用於存在多種系統及資料庫的企業，其可提供諸如資料分析、資料採掘、資料搜索、資料庫串聯、報告、性能測量、記帳和圖表繪製等功能。一個或多個BI應用可以同時工作以提供具有寬範圍功能的BI系統。
一種傳統的BI系統100如圖1所示，該BI系統的建立關鍵是從許多來自不同的組織運作系統的資料並進行清理，以保證資料的正確性，然後經過多次抽取(Extraction)、轉換(Transformation)和裝載(Load)，即ETL過程，經過運算元據儲存（Operation Data Store，ODS），合併到一個企業級的資料倉庫（Data Warehouse, DW）和/或資料市集（Data Mart）裡，從而得到企業資料的一個全域視圖，在此基礎上利用合適的查詢和分析工具、資料探勘（Data Mining）工具、連線分析處理（OLAP）工具等對其進行分析和處理，最後將分析結果呈現給管理者，為管理者的決策過程提供支援。
然而，此傳統BI系統有以下缺陷：現有BI系統的操作面需要由IT 人員預先採用電腦語言建立搜尋條件，且條件設定較為僵化，必須限定於特定條件才得以順利檢索。而且，針對與之對接的系統(如ERP)進行資料撈取過程採單維度直線式，無法自主判斷關聯資料並橫向式連結。
現有BI系統的應用面由於設定皆需人為操作，除了無法讓使用者進行深入的多維度分析，更無法做出包含廣度的跨面向決策。
因此，亟需提供一種結合人工智慧（AI）的BI系統，以克服以上缺陷。
本發明的目的在於提供一種基於人工智慧的分析方法及商務智慧系統，其具有自然語言應答功能，可快速高效分析使用者意圖提取並分析關聯性資料從而輔助使用者做出更精准的決策。
為了實現上述目的，本發明提供的一種基於人工智慧的商務智慧系統，包括：搜尋引擎，用於接收使用者的自然語言並拆解自然語言中包含的關聯詞句；人工智慧分析模組，用於分析所述關聯詞句並獲取與所述關聯語句關聯的資料提取語法；特徵提取模組，用於從與所述資料提取語法對應的多個特徵資料庫中提取多個特徵資料；以及資料管理器，用於處理所述多個資料特徵並將所述多個資料特徵呈現至使用者。
較佳地，所述人工智慧分析模組用於從預先建立的多個語句分群資料庫中提取多個單詞函式以及比較所述關聯詞句與所述單詞函式以確定所述資料提取語法。
較佳地，所述人工智慧分析模組還用於從所述多個特徵資料庫中提取資料表單、欄位、圖表，經跨維度整合和深度特徵萃取後生成所述單詞函式。
較佳地，所述人工智慧分析模組用於將相關聯的所述多個關聯詞句歸類。
較佳地，所述人工智慧分析模組用於將相關聯的所述多個關聯詞句回饋至使用者。
較佳地，所述特徵提取模組包括虛擬資料集、用於在多個資料庫表之間進行資料連接的資料連接模組、用於標記資料的資料標記模組以及特徵提取單元。
較佳地，所述資料管理器用於將所述多個特徵資料進行整併、分群、拆分、預測、關聯、標記。
較佳地，所述資料管理器包括：檢查並修正所述多個特徵資料並將重複的資料移除的資料清理模組、將所述多個特徵資料按照預定規則進行索引分類的索引模組；以及對所述多個特徵資料進行ETL處理的ELT處理模組。
較佳地，還包括使用者介面，用於供使用者輸入所述自然語言，並將所述特徵資料呈現圖表、文字、資料之一者或多者。
較佳地，還包括與所述人工智慧分析模組相連的重新訓練模組，以記錄使用者的歷史操作並更新所述多個特徵資料庫。
本發明提供的一種基於人工智慧的分析方法，包括以下步驟：
搜索並分析使用者的自然語言中包含的關聯詞句，獲取與所述關聯語句關聯的資料提取語法；從與所述資料提取語法對應的多個特徵資料庫中提取多個特徵資料；以及處理並呈現所述多個特徵資料。
較佳地，搜索並分析使用者的自然語言中包含的關聯詞句，獲取與所述關聯語句關聯的資料提取語法的步驟包括：將自然語言拆解成多個關聯詞句；從預先建立的多個語句分群資料庫中提取多個單詞函式；以及比較所述關聯詞句與所述單詞函式以確定所述資料提取語法。
較佳地，所述從預先建立的多個語句分群資料庫中提取多個單詞函式的步驟包括：從所述多個語句分群資料庫中提取資料表單、欄位、圖表，經跨維度整合和深度特徵萃取後生成所述單詞函式。
較佳地，還包括將相關聯的所述多個關聯詞句歸類。
較佳地，還包括將相關聯的所述多個關聯詞句回饋至使用者。
較佳地，所述從與所述資料提取語法對應的多個特徵資料庫中提取多個特徵資料的步驟包括：建立虛擬資料集、建立可連接的多個資料庫表、在不同資料上進行標記，以及提取所述特徵資料。
較佳地，所述處理所述多個特徵資料的步驟包括：將所述多個特徵資料進行整併、分群、拆分、預測、關聯、標記以及翻譯。
較佳地，所述處理所述多個特徵資料的步驟包括：檢查並修正所述多個特徵資料並將重複的資料移除；將所述多個特徵資料按照預定規則進行索引分類；以及對所述多個特徵資料進行ETL處理。
較佳地，所述呈現所述多個特徵資料的步驟包括：根據使用者習慣和資料屬性呈現圖表、文字、資料之一者或多者。
較佳地，還包括記錄使用者的歷史操作並更新所述多個特徵資料庫。
本發明的基於人工智慧的商務智慧系統及其分析方法具有自然語言應答功能，使用者可使用簡單口語詢問，系統即能透過機械學習分析語句的意圖以及其間的關聯性，快速提取跨資料庫內的關聯性資料，並將相關資料處理出多種資料分析後將結果呈現至使用者，自主分析能力強，快速輔助企業做出更精准的決策。
為詳細說明本發明的技術內容、構造特徵、所實現的效果，以下結合實施方式並配合附圖詳予說明。本發明旨在提供過一種基於人工智慧的商務智慧系統以及分析方法，其廣泛適用於資料難以彙整的生產製造業以及要求資料即時性與正確性的金融業，為企業提供跨領域的智慧分析，解決企業決策問題。
如圖2所示，本發明基於人工智慧的商務智慧系統200的一個實施例的示意圖。該商務智慧系統200包括搜尋引擎210、人工智慧（AI）分析模組220(以下稱：AI分析模組220)、特徵提取模組230以及資料管理器240。具體地，該搜尋引擎210用於接收使用者的自然語言；AI分析模組220用於分析使用者的自然語言中包含的關聯詞句並獲取所述關聯語句關聯的資料提取語法；特徵提取模組230，用於從與所述資料提取語法對應的多個特徵資料庫中提取多個特徵資料；資料管理器240用於處理所述多個資料特徵並將所述多個資料特徵呈現至使用者。
本發明的基於人工智慧的商務智慧系統具有自然語言應答功能，使用者可使用簡單口語詢問，系統即能透過機械學習分析語句的意圖以及其間的關聯性，快速提取跨資料庫內的關聯性資料，並將相關資料處理出多種資料分析後將結果呈現至使用者，自主分析能力強，快速輔助企業做出更精准的決策。
圖3為本發明基於人工智慧的商務智慧系統300的另一個優選實施例的示意圖。該商務智慧系統200還包括使用者介面201，作為使用者直接操作的人機互動介面，例如供使用者以文字或語音方式向搜尋引擎210輸入自然語言，並為使用者呈現視覺圖像、文字、圖表、清單或動畫影片等資訊。
搜尋引擎210作為資訊檢索系統，用於接收使用者的自然語言並拆解自然語言中包含的關聯詞句。例如，使用者可以文字或語音的方式輸入期望找尋的內容，搜尋引擎210採用NLP技術將其通過關鍵字與斷句機制來對自然語言進行拆解，將拆解後的關聯詞句發送至AI分析模組220並回饋至使用者介面201供使用者選擇。
較佳地，搜尋引擎210可接收中文自然語言輸入，也可接收其他語種的自然語言輸入，接入語言翻譯服務模組202即可。該語言翻譯服務模組202不僅可將自然語言翻譯，也可將特徵資料自動翻譯成目的語言。
具體地，AI分析模組220包括分析服務模組221，當搜尋引擎210拆解自然語言後，分析服務模組221透過機械學習建立多個語句分群資料庫222，從多個語句分群資料庫中提取多個單詞函式。其中，在語句分群資料庫222中提取單詞函式的方式具體包括從多個語句分群資料庫222中提取資料表單、欄位、圖表，經跨維度整合和深度特徵萃取後生成該單詞函式。較佳地，在接收關聯詞句後，分析多個關聯詞句之間的關聯性，若關聯，則可歸為一類。繼而，比較關聯詞句與單詞函式，當關聯詞句與單詞函式存在特定關聯時，即可確定並產生資料提取語法，依此向對應的特徵資料庫提取對應的特徵資料。
較佳地，在AI分析模組220的分析服務模組221中，可將多個關聯詞句進行排列組合，並多個形成疑問句回饋使用者供使用者選擇，依照使用者的選擇，特徵提取模組230提取對應的資料特徵。
具體地，如圖3所示，該特徵提取模組230包含虛擬資料集231、資料連接模組232、資料標記模組233以及特徵提取單元234。該虛擬資料集231用於儲存特徵工程處理後的資訊以便於提升搜尋速度。資料連接模組232用於在多個資料庫表之間的資料連接，以將資料結構化。較佳地，資料連接（JOIN）的類型包括INNER JOIN, LEFT OUTER JOIN, RIGHT OUTER JOIN以及FULL OUTER JOIN。資料標記模組233用於在資料上進行標記，例如標籤內容為關鍵字、關鍵字或可解釋的內容，從而提升識別度以及使用者操作便利性；更佳地，該資料標記模組233可與分析服務模組221相通信，協助分析服務模組221的關聯分析。特徵提取單元234依照資料提取語法向對應的特徵資料庫提取對應的特徵資料。
繼續參考圖3，該資料管理器240接收來自特徵提取單元234的特徵資料並對其進行加值處理，如：整併、分群、拆分、預測、關聯、標記。具體地，該資料管理240包括虛擬資料集241、資料清理模組242、索引模組243、ELT處理模組244。特定地，該虛擬資料集241用於儲存原始特徵資料在處理的資訊，以提升後續的特徵辨識度。資料清理模組242用於重複檢測與修正每筆資料的欄位，處理缺失值（Missing Value）、移除重複的資料等，並通過評估資料的有效性、完整性、精度、一致性來確保資料清理的品質。索引模組243，即為把文字資料中包括的各種專名(人名、地名、書名、篇名、事名、物名)、主題或語詞(字、詞、句)等提作索引標目，再按一定方法序列，如筆劃、字順、拼音、四角號碼或分類，並注明出處，以便快速檢索。ELT（Extraction-Transformation-Loading）處理模組244即資料提取、轉換和載入，主要負責完成資料從資料來源向目標資料倉庫轉化的過程，該處理為本領域常規技術，在此不贅述。特徵資料經過上述加工處理後，根據使用者習慣以及資料屬性提供合適的圖表內容、樣式以及整體分佈來呈現在使用者介面201上。
較佳地，該商務智慧系統300還包括與資料管理器240相連的企業資料庫250以儲存經處理後的所述多個特徵資料。特定地，該企業資料庫250是按照資料結構來儲存、組織以及管理企業資料的集合，即為按一定組織方式儲存在一起的、具有一定相關性的、為使用者所共同關注的全部資料的集合。該企業資料庫250與資料管理器240建立連結，資料管理器240可即時或定期獲取資料內容，從而提供使用者期望資訊。
作為優選實施例，該商務智慧系統300還包括與AI分析模組相連的重新訓練模組260，以記錄使用者的歷史操作並更新多個特徵資料庫。例如，通過Log日誌方式記錄使用者的操作歷程以及資料結果，並將Log日誌內容重新訓練到AI分析模組中的既有模型，從而調整要呈現的內容，使得精准度提高；其亦可關聯搜尋結果、最佳呈現圖表等，從而持續優化使用體驗與資訊準確性。
相應地，本發明的基於人工智慧的分析方法，架設於上述的商務智慧系統而實現，作為一個實施例的流程圖請參考圖。如圖4所示，該方法包括：
S1，搜索並分析使用者的自然語言中包含的關聯詞句；
S2，獲取與關聯語句關聯的資料提取語法；
S3，從與資料提取語法對應的多個特徵資料庫中提取多個特徵資料；以及
S4，處理並呈現多個特徵資料。
本發明的基於人工智慧的分析方法具有自然語言應答功能，使用者可使用簡單口語詢問，系統即能透過機械學習分析語句的意圖以及其間的關聯性，快速提取跨資料庫內的關聯性資料，並將相關資料處理出多種資料分析後將結果呈現至使用者，自主分析能力強，快速輔助企業做出更精准的決策。
作為優選實施例，如圖5所示，該分析方法包括以下步驟：
S12，將自然語言拆解成多個關聯詞句；
S13，從預先建立的多個語句分群資料庫中提取多個單詞函式；
S14-S15，比較所述關聯詞句與所述單詞函式以確定所述資料提取語法；
S16，依照資料提取語法提取多個特徵資料；
S17，處理並呈現特徵資料。
特定地，使用者以文字或語音方式從搜尋引擎中輸入自然語言。可以採用中文語種輸入，也可採用其他語種的自然語言輸入，本發明的自然語言分析步驟中包括將自然語言翻譯為目的語言。
較佳地，當自然語言被拆解後，透過機械學習建立多個語句分群資料庫222，從多個語句分群資料庫222中提取多個單詞函式。其中，在語句分群資料庫222中提取單詞函式的方式具體包括從多個語句分群資料庫222中提取資料表單、欄位、圖表，經跨維度整合和深度特徵萃取後生成該單詞函式。較佳地，多個關聯詞句之間可進行歸類，例如相關聯或相近似的多個關聯詞句可歸為一類。繼而，比較關聯詞句與單詞函式，當關聯詞句與單詞函式存在特定關聯時，即可確定並產生資料提取語法，依此向對應的特徵資料庫提取對應的特徵資料。
更優地，可將拆解後的多個關聯詞句進行排列組合，並多個形成疑問句回饋使用者供使用者選擇，依照使用者的選擇而提取對應的資料特徵。
優選地，提取特徵資料的步驟包括：在多個特徵資料庫中建立虛擬資料集、建立可連接的多個資料庫表、在不同資料上進行標記，以及依照資料提取語法進行特徵資料提取。
如圖5所示，對特徵資料的處理包括：將所述多個特徵資料進行整併、分群、預測、關聯、標記以及翻譯。具體包括：S171檢查並修正多個特徵資料並將重複的資料移除；S172將多個特徵資料按照預定規則進行索引分類；以及S173對多個特徵資料進行ETL處理。特徵資料經過上述加工處理後，根據使用者習慣以及資料屬性提供合適的圖表內容、樣式以及整體分佈來呈現在使用者介面201上。
優選地，該分析方法還包括記錄使用者的歷史操作並更新多個特徵資料庫。例如，通過Log日誌方式記錄使用者的操作歷程以及資料結果，並將Log日誌內容重新訓練到AI分析模組中的既有模型，從而調整要呈現的內容，使得精准度提高；其亦可關聯搜尋結果、最佳呈現圖表等，從而持續優化使用體驗與資訊準確性。另外，該分析方法還包括將多個特徵資料儲存到企業資料庫，可即時或定期獲取企業資料庫的資料內容，從而提供使用者期望資訊。
以上所揭露的僅為本發明的較佳實例而已，當然不能以此來限定本發明之權利範圍，因此依本發明申請專利範圍所作的等同變化，仍屬於本發明所涵蓋的範圍。
100:傳統的BI系統 200、300:商務智慧系統 201:使用者介面 202:語言翻譯服務模組 210:搜尋引擎 220:AI分析模組 221:分析服務模組 222:語句分群資料庫 230:特徵提取模組 231:虛擬資料集 232:資料連接模組 233:資料標記模組 234:特徵提取單元 240:資料管理器 241:虛擬資料集 242:資料清理模組 243:索引模組 244:ELT處理模組 250:企業資料庫 260:重新訓練模組
圖1是傳統的商務智慧系統的結構示意圖。
圖2為本發明基於人工智慧的商務智慧系統的一個實施例的結構框圖。
圖3為本發明基於人工智慧的商務智慧系統的另一個實施例的結構框圖。
圖4為本發明基於智慧的分析方法的一個實施例的流程圖。
圖5為本發明基於智慧的分析方法的另一個實施例的流程圖。
300:商務智慧系統
201:使用者介面
202:語言翻譯服務模組
210:搜尋引擎
220:AI分析模組
221:分析服務模組
222:語句分群資料庫
230:特徵提取模組
231:虛擬資料集
232:資料連接模組
233:資料標記模組
234:特徵提取單元
240:資料管理器
241:虛擬資料集
242:資料清理模組
243:索引模組
244:ELT處理模組
250:企業資料庫
260:重新訓練模組

Claims (20)

  1. 一種基於人工智慧的商務智慧系統，其特徵在於包括： 一搜尋引擎，用於接收使用者的自然語言並拆解自然語言中包含的關聯詞句； 一人工智慧分析模組，用於分析該關聯詞句並獲取與該關聯語句關聯的資料提取語法； 一特徵提取模組，用於從與所述資料提取語法對應的多個特徵資料庫中提取多個特徵資料；以及 一資料管理器，用於處理所述多個資料特徵並將所述多個資料特徵呈現至使用者。
  2. 如請求項1所述的基於人工智慧的商務智慧系統，其特徵在於：該人工智慧分析模組用於從預先建立的多個語句分群資料庫中提取多個單詞函式；以及比較該關聯詞句與該單詞函式以確定該資料提取語法。
  3. 如請求項2所述的基於人工智慧的商務智慧系統，其特徵在於：該人工智慧分析模組還用於從該多個特徵資料庫中提取資料表單、欄位、圖表，經跨維度整合和深度特徵萃取後生成該單詞函式。
  4. 如請求項1所述的基於人工智慧的商務智慧系統，其特徵在於：該人工智慧分析模組用於將相關聯的該多個關聯詞句歸類。
  5. 如請求項1所述的基於人工智慧的商務智慧系統，其特徵在於：該人工智慧分析模組用於將相關聯的該多個關聯詞句回饋至使用者。
  6. 如請求項1所述的基於人工智慧的商務智慧系統，其特徵在於：該特徵提取模組包括虛擬資料集、用於在多個資料庫表之間進行資料連接的資料連接模組、用於標記資料的資料標記模組以及特徵提取單元。
  7. 如請求項1所述的基於人工智慧的商務智慧系統，其特徵在於：該資料管理器用於將該多個特徵資料進行整併、分群、拆分、預測、關聯、標記。
  8. 如請求項1所述的基於人工智慧的商務智慧系統，其特徵在於：該資料管理器包括：檢查並修正該多個特徵資料並將重複的資料移除的資料清理模組、將該多個特徵資料按照預定規則進行索引分類的索引模組；以及對該多個特徵資料進行ETL處理的ELT處理模組。
  9. 如請求項1所述的基於人工智慧的商務智慧系統，其特徵在於：還包括一使用者介面，用於供使用者輸入該自然語言，並將該特徵資料呈現圖表、文字、資料之一者或多者。
  10. 如請求項1所述的基於人工智慧的商務智慧系統，其特徵在於：還包括與該人工智慧分析模組相連的一重新訓練模組，以記錄使用者的歷史操作並更新該多個特徵資料庫。
  11. 一種基於人工智慧的分析方法，其特徵在於包括以下步驟：搜索並分析使用者的自然語言中包含的關聯詞句，獲取與該關聯語句關聯的資料提取語法；從與該資料提取語法對應的多個特徵資料庫中提取多個特徵資料；以及處理並呈現該多個特徵資料。
  12. 如請求項11所述的基於人工智慧的分析方法，其特徵在於：搜索並分析使用者的自然語言中包含的關聯詞句，獲取與該關聯語句關聯的資料提取語法的步驟包括：將自然語言拆解成多個關聯詞句；從預先建立的多個語句分群資料庫中提取多個單詞函式；以及比較該關聯詞句與該單詞函式以確定該資料提取語法。
  13. 如請求項12所述的基於人工智慧的分析方法，其特徵在於：該從預先建立的多個語句分群資料庫中提取多個單詞函式的步驟包括：從該多個語句分群資料庫中提取資料表單、欄位、圖表，經跨維度整合和深度特徵萃取後生成該單詞函式。
  14. 如請求項12所述的基於人工智慧的分析方法，其特徵在於：還包括將相關聯的該多個關聯詞句歸類。
  15. 如請求項12所述的基於人工智慧的分析方法，其特徵在於：還包括將相關聯的該多個關聯詞句回饋至使用者。
  16. 如請求項11所述的基於人工智慧的分析方法，其特徵在於：該從與該資料提取語法對應的多個特徵資料庫中提取多個特徵資料的步驟包括：建立虛擬資料集、建立可連接的多個資料庫表、在不同資料上進行標記，以及提取該特徵資料。
  17. 如請求項11所述的基於人工智慧的分析方法，其特徵在於：該處理該多個特徵資料的步驟包括：將該多個特徵資料進行整併、分群、拆分、預測、關聯、標記以及翻譯。
  18. 如請求項11所述的基於人工智慧的分析方法，其特徵在於：該處理該多個特徵資料的步驟包括：檢查並修正該多個特徵資料並將重複的資料移除；將該多個特徵資料按照預定規則進行索引分類；以及對該多個特徵資料進行ETL處理。
  19. 如請求項11所述的基於人工智慧的分析方法，其特徵在於：該呈現該多個特徵資料的步驟包括：根據使用者習慣和資料屬性呈現圖表、文字、資料之一者或多者。
  20. 如請求項11所述的基於人工智慧的分析方法，其特徵在於：還包括記錄使用者的歷史操作並更新該多個特徵資料庫。
TW108145992A 2019-09-05 2019-12-16 基於人工智慧的商務智慧系統及其分析方法 TWI743623B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962896066P 2019-09-05 2019-09-05
US62896066 2019-09-05

Publications (2)

Publication Number Publication Date
TW202111688A true TW202111688A (zh) 2021-03-16
TWI743623B TWI743623B (zh) 2021-10-21

Family

ID=74733103

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108145992A TWI743623B (zh) 2019-09-05 2019-12-16 基於人工智慧的商務智慧系統及其分析方法

Country Status (3)

Country Link
US (1) US20210073216A1 (zh)
CN (1) CN112445894A (zh)
TW (1) TWI743623B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11568284B2 (en) * 2020-06-26 2023-01-31 Intuit Inc. System and method for determining a structured representation of a form document utilizing multiple machine learning models
US11561523B2 (en) 2020-11-11 2023-01-24 Mapped Inc. Subtended device mapping through controller introspection
US20230161948A1 (en) * 2021-11-24 2023-05-25 International Business Machines Corporation Iteratively updating a document structure to resolve disconnected text in element blocks
US11922125B2 (en) 2022-05-06 2024-03-05 Mapped Inc. Ensemble learning for extracting semantics of data in building systems

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180107940A1 (en) * 2010-04-27 2018-04-19 Jeremy Lieberman Artificial intelligence method and apparatus
CN101894166A (zh) * 2010-07-28 2010-11-24 郑茂 网络智能搜索引擎系统
US9424288B2 (en) * 2013-03-08 2016-08-23 Oracle International Corporation Analyzing database cluster behavior by transforming discrete time series measurements
US9984067B2 (en) * 2014-04-18 2018-05-29 Thomas A. Visel Automated comprehension of natural language via constraint-based processing
US20180032930A1 (en) * 2015-10-07 2018-02-01 0934781 B.C. Ltd System and method to Generate Queries for a Business Database
US10705812B2 (en) * 2016-08-22 2020-07-07 Oracle International Corporation System and method for inferencing of data transformations through pattern decomposition
JP6301427B1 (ja) * 2016-10-11 2018-03-28 株式会社日本総合研究所 自然言語処理装置、自然言語処理方法および自然言語処理プログラム
CN107491437B (zh) * 2017-08-25 2020-09-29 广州宝荣科技应用有限公司 一种基于自然语言的中医症候语义识别方法及装置
TWM578858U (zh) * 2019-02-13 2019-06-01 華南商業銀行股份有限公司 跨通路人工智慧對話式平台

Also Published As

Publication number Publication date
US20210073216A1 (en) 2021-03-11
TWI743623B (zh) 2021-10-21
CN112445894A (zh) 2021-03-05

Similar Documents

Publication Publication Date Title
TWI743623B (zh) 基於人工智慧的商務智慧系統及其分析方法
CN108804521B (zh) 一种基于知识图谱的问答方法及农业百科问答系统
Deepak et al. A novel firefly driven scheme for resume parsing and matching based on entity linking paradigm
CN112487140B (zh) 问答对话评测方法、装置、设备及存储介质
CN107180045B (zh) 一种互联网文本蕴含地理实体关系的抽取方法
US10089581B2 (en) Data driven classification and data quality checking system
US20120254143A1 (en) Natural language querying with cascaded conditional random fields
CN112667794A (zh) 一种基于孪生网络bert模型的智能问答匹配方法及系统
US20040249808A1 (en) Query expansion using query logs
JP2008541223A (ja) 諸文書にわたる文脈要約情報の決定方法
CN112000773B (zh) 基于搜索引擎技术的数据关联关系挖掘方法及应用
US10083403B2 (en) Data driven classification and data quality checking method
CN115470338B (zh) 一种基于多路召回的多场景智能问答方法和系统
CN110929007A (zh) 一种电力营销知识体系平台及应用方法
CN110955767A (zh) 一种机器人对话系统中生成意图候选集列表集合的算法及装置
CN114265926A (zh) 一种基于自然语言的素材推荐方法、系统、设备及介质
CN112685440B (zh) 标记搜索语义角色的结构化查询信息表达方法
CN114491034A (zh) 一种文本分类方法及智能设备
Song et al. Cross-language record linkage based on semantic matching of metadata
CN112183110A (zh) 一种基于数据中心的人工智能数据应用系统及应用方法
CN111104422A (zh) 一种数据推荐模型的训练方法、装置、设备及存储介质
CN116414961A (zh) 基于军事领域知识图谱的问答方法和系统
TWI793432B (zh) 工程專案文件管理方法與系統
Lehmberg Web table integration and profiling for knowledge base augmentation
US20180121502A1 (en) User Search Query Processing