基于AI撰写的专业性内容智能化生成方法技术

本发明专利技术涉及基于AI撰写的专业性内容智能化生成方法，包括图表数据模块和内容推荐模块，图表数据模块进行需求拆解，利用大数据资源池进行数据处理，生成图表数据和数据指标结果，内容推荐模块学习海量专业内容和机器算法，生成推荐内容，用户直接选择推荐内容，将与图表数据整合产出完整专业性内容，用户未直接采用推荐内容时，将由用户进行手工补充修改，修改后的内容一方面反馈到内容结果库中作为下一步机器学习的调参条件，另一方面与图表数据整合生成完整专业性内容。本系统的创新功能主要在于系统可以自动化学习并生成专业性内容，既包括数据类，又涵盖文本类。对于结构化数据部分可以自动化进行数据及可视化图表处理；对于文本类专业内容，在学习海量样本的基础上，进行智能化撰写推荐。

AI based intelligent generation of professional content

The invention relates to an AI based intelligent generation method of professional content, which includes a chart data module and a content recommendation module, a chart data module for demand disassembly, a big data resource pool for data processing, generating chart data and data index results, a content recommendation module for learning massive professional content and machine algorithm, generating recommended content, and users directly select to push The recommended content will be integrated with the chart data to produce complete professional content. When the user does not directly adopt the recommended content, the user will supplement and modify it manually. On the one hand, the modified content will be fed back to the content result database as the reference condition for the next machine learning, on the other hand, it will be integrated with the chart data to generate complete professional content. The innovation function of the system is that the system can automatically learn and generate professional content, including both data and text. For structured data, data and visual chart processing can be automated; for text professional content, intelligent writing recommendation can be carried out on the basis of learning a large number of samples.

【技术实现步骤摘要】
基于AI撰写的专业性内容智能化生成方法
本专利技术涉及基于AI撰写的专业性内容智能化生成方法，属于智能化生成方法及系统

技术介绍
目前，自动化生成图表的系统平台有很多，比较成熟的如网易有数、镝数等，这些系统平台为客户提供交互式的可视化图表以及简易的图表数字化填空式结论，如增长50%，但均不能自动化生成非制式的建议性文本结论，如需求带动规模，市场趋于成熟等。
技术实现思路
本专利技术要解决的技术问题克服现有的缺陷，提供基于AI撰写的专业性内容智能化生成方法，通过运用机器学习和大数据处理技术使得数据分析报告制作这种繁琐的业务工作能够由计算机代替人工来完成，以解放人力，提高效率。通过构建数据分析报告智能化生成系统，实现了数据的采集分析、计算处理、图表展现、结论建议等诸多方面的自动化与智能化，将数据分析链路交由机器学习算法去实现，人类只需根据系统产出结果做出相应选择，在人机耦合中最大化的降低对人的依赖，最大化地提升人机耦合的效率和价值，可以有效解决
技术介绍
中的问题。为了解决上述技术问题，本专利技术提供了如下的技术方案：基于AI撰写的专业性内容智能化生成方法，包括图表数据模块和内容推荐模块，图表数据模块根据客户的业务需求进行需求拆解，利用大数据资源池进行数据处理，生成图表数据和数据指标结果，内容推荐模块从大数据资源池中学习海量报告，内容推荐模块学习机器算法，输入到内容结果库，利用学习到的机器算法生成推荐内容，用户直接选择推荐内容，图表数据整合产出完整专业性内容；客户未直接采用推荐内容时，将由用户进行手工补充修改，修改后的结论一方面反馈到内容结果库中作为下一步机器学习的调参条件，另一方面与图表数据整合生成完整专业性内容。完整专业性内容将与图表数据进行模块组合生成最终报告，最终报告将回流补充到大数据资源池中。进一步而言，系统按照拆解出来的业务需求，自动获取处理数据并对其进行图表可视化分析，生成具体的量化数据指标结果，如某零售市场的交易规模和增长比率。进一步而言，系统根据用户的业务需求，检索学习相关主题的海量报告文本结论，利用自然语言处理的文本深度学习算法，生成结论建议匹配推荐给用户，用户可直接进行选择确认或者补充修改操作。进一步而言，该系统为一个自学习系统，是一个不断自动训练调优的系统，用户对推荐内容所进行的补充修改操作将反馈给系统，调整关键词匹配中的权重系数等系统参数。最终的数据分析报告一方面对外输出给具体用户，另一方面对内存储并反馈回到机器学习样本。进一步而言，内容推荐模块借助结果库进行数据匹配和需求拆解，通过文本预处理、文本识别和文本分类摘要提取实现文本的提取和分类，进行权重标签完成信息重组生成推荐内容，客户未采用推荐内容将进行补充修改，通过匹配权重系数调整，重新进行文本预处理、文本识别、文本分类摘要提取、权重标签和信息重组步骤，生成其他推荐内容。进一步而言，文本分类摘要提取的文本分类算法利用利用RCNN模型，权重标签生成采用TF-IDF算法。本专利技术有益效果：本专利技术所涉及的基于AI撰写的专业性内容智能化生成方法，可以自动化学习并生成专业性内容，既包括数据类，又涵盖文本类。对于结构化数据部分可以自动化进行数据及可视化图表处理；对于文本类专业内容，在学习海量样本的基础上，进行智能化撰写推荐，本系统根据报告主题和数据统计分析结果，在机器对海量数据分析报告结论的学习基础上，通过文本识别、摘要提取和文本分类算法（神经网络模型），对海量结论文本进行提取和分类，并利用词语权重算法（TF-IDF算法）添加权重标签，结合有效近义词典库，根据数据结果自动抽取调用生成多条推荐性结论，若用户直接选择某条建议，则直接产出最终数据分析报告；若用户未选择推荐建议或在推荐建议上进行了修改，则将用户补充修正后的结论建议反馈给系统，使得系统能够自动调整算法参数，从而强化系统的自我学习优化功能。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。图1是本专利技术基于AI撰写的专业性内容智能化生成方法流程图。图2是本专利技术基于AI撰写的专业性内容智能化生成方法中内容推荐模块流程图。具体实施方式以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。如图1-图2所示，具体实施例一，基于AI撰写的专业性内容智能化生成方法，包括图表数据模块和内容推荐模块，图表数据模块根据客户的业务需求进行需求拆解，利用大数据资源池进行数据处理，生成图表数据和数据指标结果，内容推荐模块从大数据资源池中学习海量报告，内容推荐模块学习机器算法，输入到内容结果库，利用学习到的机器算法生成推荐内容，保证实现Al撰写，用户直接选择推荐内容，图表数据整合产出完整专业性内容；客户未直接采用推荐内容时，将由用户进行手工补充修改，修改后的结论一方面反馈到内容结果库中作为下一步机器学习的调参条件，另一方面与图表数据整合生成完整专业性内容，更好地满足客户要求，完整专业性内容将与图表数据进行模块组合生成最终报告，最终报告将回流补充到大数据资源池中，为机器学习算法提供学习和分析的资源。具体实施例二，结合实施例一，系统按照拆解出来的业务需求，自动获取处理数据并对其进行图表可视化分析，生成具体的量化数据指标结果，如某零售市场的交易规模和增长比率，系统根据用户的业务需求，检索学习相关主题的海量报告文本结论，利用自然语言处理的文本深度学习算法，生成结论建议匹配推荐给用户，用户可直接进行选择确认或者补充修改操作，该系统为一个自学习系统，更好地实现Al结论撰写，是一个不断自动训练调优的系统，用户对推荐内容所进行的补充修改操作将反馈给系统，调整关键词匹配中的权重系数等系统参数，更改关键词的重要程度。最终的数据分析报告一方面对外输出给具体用户，直接交由客户进行选择或提出意见，另一方面对内存储并反馈回到机器学习样本，给机器进行学习，提高系统的自学能力，内容推荐模块借助结果库进行数据匹配和需求拆解，通过文本预处理、文本识别和文本分类摘要提取实现文本的提取和分类，进行权重标签完成信息重组生成推荐内容，客户未采用推荐内容将进行补充修改，通过匹配权重系数调整，调整权重的方式，重新进行文本预处理、文本识别、文本分类摘要提取、权重标签和信息重组步骤，可推荐出不同于上一次的建议和结论，生成其他推荐内容，文本分类摘要提取的文本分类算法利用RCNN模型，更好地提取文本关键词，权重标签生成采用TF-IDF算法，很好地完成权重工作。工作原理：客户向系统反映需要，系统根据客户业务需求对需求进行拆解分析，并借助大量资源数据进行分析处理，做出数据图表和一些数据指标和结论建议，等待进一步分析整合，同时，机器学习算法也进行大量资源数据分析，并针对客户实际提交需求建议更进一步的分析客户需求，并做出一些推荐和建议，供客户进行选择参考，客户选择某条建议，系统将推荐内容与图表数据整合，直接产出最终数本文档来自技高网...

【技术保护点】
1.基于AI撰写的专业性内容智能化生成方法，包括图表数据模块和内容推荐模块，其特征在于：图表数据模块根据客户的业务需求进行需求拆解，利用大数据资源池进行数据处理，生成图表数据和数据指标结果，内容推荐模块从大数据资源池中学习海量报告，内容推荐模块学习机器算法，输入到内容结果库，利用学习到的机器算法生成推荐内容，用户直接选择推荐内容，将与图表数据整合产出完整专业性内容，客户未直接采用推荐内容时，将由用户进行手工补充修改，修改后的结论一方面反馈到内容结果库中作为下一步机器学习的调参条件，另一方面与图表数据整合生成完整专业性内容。/n

【技术特征摘要】
1.基于AI撰写的专业性内容智能化生成方法，包括图表数据模块和内容推荐模块，其特征在于：图表数据模块根据客户的业务需求进行需求拆解，利用大数据资源池进行数据处理，生成图表数据和数据指标结果，内容推荐模块从大数据资源池中学习海量报告，内容推荐模块学习机器算法，输入到内容结果库，利用学习到的机器算法生成推荐内容，用户直接选择推荐内容，将与图表数据整合产出完整专业性内容，客户未直接采用推荐内容时，将由用户进行手工补充修改，修改后的结论一方面反馈到内容结果库中作为下一步机器学习的调参条件，另一方面与图表数据整合生成完整专业性内容。


2.完整专业性内容将与图表数据进行模块组合生成最终报告，最终报告将回流补充到大数据资源池中。


3.根据权利要求1所述的基于AI撰写的专业性内容智能化生成方法，其特征在于：系统按照拆解出来的业务需求，自动获取处理数据并对其进行图表可视化分析，生成具体的量化数据指标结果，如某零售市场的交易规模和增长比率。


4.根据权利要求1所述的基于AI撰写的专业性内容智能化生成方法，其特征在于：系统根据用户的业务需求，检索学习相关主题的海量报告文本结论...

【专利技术属性】
技术研发人员：陈刚，
申请(专利权)人：上海晏鼠计算机技术股份有限公司，
类型：发明
国别省市：上海;31