用于数据分析的方法、设备以及计算机可读存储介质技术

本公开的实施例涉及一种用于数据分析的方法、设备以及计算机可读存储介质。该方法包括至少基于与影响历史事件的历史因素相关联的历史条件数据和历史结果数据生成所述历史因素和所述历史事件的结果之间的关联关系，所述历史结果数据指示由所述历史因素引起的所述历史事件的所述结果；确定针对当前事件所选择的至少一个感兴趣的目标结果，所述当前事件与所述历史事件相关联；确定影响所述当前事件的当前因素和与所述至少一个感兴趣的目标结果相关联的至少一个目标对象；以及至少基于所述关联关系、与所述当前因素相关联的当前条件数据和所述至少一个目标对象，确定所述至少一个感兴趣的目标结果的数据。以此方式，能够实现更细粒度的预测，满足用户对决策精细化的需求。求。求。

【技术实现步骤摘要】
用于数据分析的方法、设备以及计算机可读存储介质


[0001]本公开的实施例涉及人工智能领域，更具体地，涉及用于数据分析的方法、系统和存储介质。

技术介绍

[0002]一般而言，用户在做决策之前，希望能够提前评估该决策可能实现的效果，或者对比多种决策方案之间的效果差异。例如，在市场研究领域，决策者希望了解通过调整产品、服务、品牌等战略是否能提升客户满意度，采用哪种策略能达到最佳的提升效果。
[0003]又例如在人力资源管理领域，管理者希望了解不同的员工激励政策将达到怎样的激励效果，从而在企业利益和员工利益之间找到平衡。此外，在故障识别领域，操作人员希望了解哪些技术流程、操作方法以及设备结构的改进能够降低发生故障的可能性。
[0004]该决策可能引起的效果可以通过基于因果模型的策略预测系统来实现。这种因果模型通常可以通过历史数据来建立。在建立因果模型之后，通过输入不同的策略，策略预测系统可以对策略效果进行预测，从而实现对决策效果的评估，帮助用户选择效果最优的策略。

技术实现思路

[0005]本公开的实施例提供一种用于数据分析的方法、系统和存储介质。
[0006]根据本公开的第一方面，提出了一种用于数据分析的方法。该方法包括：至少基于与影响历史事件的历史因素相关联的历史条件数据和历史结果数据生成所述历史因素和所述历史事件的结果之间的关联关系，所述历史结果数据指示由所述历史因素引起的所述历史事件的所述结果；确定针对当前事件所选择的至少一个感兴趣的目标结果，所述当前事件与所述历史事件相关联；确定影响所述当前事件的当前因素和与所述至少一个感兴趣的目标结果相关联的至少一个目标对象；以及至少基于所述关联关系、与所述当前因素相关联的当前条件数据和所述至少一个目标对象，确定所述至少一个感兴趣的目标结果的数据。
[0007]根据本公开的第二方面，提出了一种用于数据分析的设备。该设备包括：至少一个处理单元；至少一个存储器，该至少一个存储器被耦合到该至少一个处理单元并且存储用于由该至少一个处理单元执行的指令，该指令当由该至少一个处理单元执行时，使得该设备执行动作，该动作包括：至少基于与影响历史事件的历史因素相关联的历史条件数据和历史结果数据生成所述历史因素和所述历史事件的结果之间的关联关系，所述历史结果数据指示由所述历史因素引起的所述历史事件的所述结果；确定针对当前事件所选择的至少一个感兴趣的目标结果，所述当前事件与所述历史事件相关联；确定影响所述当前事件的当前因素和与所述至少一个感兴趣的目标结果相关联的至少一个目标对象；以及至少基于所述关联关系、与所述当前因素相关联的当前条件数据和所述至少一个目标对象，确定所述至少一个感兴趣的目标结果的数据。
[0008]在本公开的第三方面，提供了一种计算机可读存储介质。该计算机可读存储介质具有存储在其上的计算机可读程序指令，该计算机可读程序指令用于执行根据第一方面所描述的方法。
[0009]提供
技术实现思路
部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。
技术实现思路
部分无意标识本公开的关键特征或必要特征，也无意限制本公开的范围。
附图说明
[0010]通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。
[0011]图1图示了本公开实施例可以在其中执行的环境的示意图；
[0012]图2图示了根据本公开实施例的因果关系的实例的有向无环图；
[0013]图3图示了根据本公开的实施例的一个使用场景的示意图；
[0014]图4图示了根据本公开实施例的数据分析的交互过程的示意图；
[0015]图5图示了根据本公开实施例的数据分析的示例性过程的流程图；
[0016]图6图示了根据本公开实施例的确定历史因素和历史事件结果之间的过程的流程图；
[0017]图7图示了根据本公开实施例的确定目标对象的过程的流程图；
[0018]以及
[0019]图8图示了可以用来实施本公开内容的实施例的示例设备的示意性框图。
具体实施方式
[0020]下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0021]在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
[0022]在本公开的实施例中，术语“模型”一般是指针对参照某种系统的特征，采用数学语言概括地或近似地表述出的该系统的关系结构。模型一般可以通过利用已知数据进行训练来生成。生成的模型可以包括模型结构和模型参数等等。模型参数可以根据具体模型的类型不同而不同。术语“因果模型”(causal model)一般是指描述系统的因果效应结构。
[0023]一般而言，用户在做决策之前，希望能够提前评估该决策可能实现的效果，或者对比多种决策方案之间的效果差异。例如，在零售业行业，在制定促销方案前，决策者希望了解每种促销方案将会带来多大的收益，从而选择最佳促销方案。
[0024]随着计算机技术的不断发展，数据分析已经被广泛地应用于人们生活的各个方面，诸如深度神经网络模型等分析设备越来越多地被用于决策评估和目标预测等各种类型的任务中。因此，上述决策可能带来的效果可以通过建立因果模型来实现。这种因果模型通常可以通过历史数据来建立。在建立因果模型之后，通过输入不同的策略，策略预测系统可以对策略效果进行预测，从而实现对决策效果的评估，满足各领域的用户需求。
[0025]然而，针对用于生成因果模型的数据，传统的方案对于数据样本的类型存在特定的类型要求，从而使得模型的生成具有一定的局限性。此外，传统方案生成的因果模型，例如基于贝叶斯网络生成的模型结构存在一些问题。例如这种因果模型只能实现对平均效果的预测，无法对个体或不同群体做出更细粒度的预测，从而无法满足用户对决策精细化的需求。因此，期望实现能够针对不同粒度下的目标对象而对决策做出更加精确和有目的性的预测。
[0026]此外，还期望实现一种自动化的数据分析方案。例如能够从用户设备或诸如工业传感器等信息采集设备连续或定期获取数据样本来作为决策数据，以根据客户需要分析相应的决策效果。
[0027]还可能期望的是，对所预测的决策效果进行评估，一旦发现预测的决策效果与用户希望的效果存在差距，则为用户生成警示，以使得用户能够及时调整策略。
...

【技术保护点】

【技术特征摘要】
1.一种用于数据分析的方法，包括：至少基于与影响历史事件的历史因素相关联的历史条件数据和历史结果数据生成所述历史因素和所述历史事件的结果之间的关联关系，所述历史结果数据指示由所述历史因素引起的所述历史事件的所述结果；确定针对当前事件所选择的至少一个感兴趣的目标结果，所述当前事件与所述历史事件相关联；确定影响所述当前事件的当前因素和与所述至少一个感兴趣的目标结果相关联的至少一个目标对象；以及至少基于所述关联关系、与所述当前因素相关联的当前条件数据和所述至少一个目标对象，确定所述至少一个感兴趣的目标结果的数据。2.根据权利要求1所述的方法，还包括：获取历史条件数据，所述历史条件数据包括以下中的至少一项：连续型历史条件数据，以及离散型历史条件数据。3.根据权利要求2所述的方法，其中获取所述历史条件数据包括：周期性地从数据采集设备获取所述历史条件数据。4.根据权利要求2所述的方法，其中生成所述关联关系包括：响应于所获取的历史条件数据的数据样本数目低于阈值数目，获取参考数据，所述参考数据指示所述历史条件数据对所述历史结果的影响程度；基于所述历史条件数据和所述参考数据，确定所述历史结果数据；以及基于所述历史条件数据和所述历史结果数据，生成所述关联关系。5.根据权利要求1所述的方法，其中确定所述至少一个感兴趣的目标结果包括：从用户设备接收关于所述数据分析的第一指示；以及基于所述第一指示确定所述至少一个感兴趣的目标结果。6.根据权利要求1所述的方法，还包括：确定所述当前因素的约束条件，所述约束条件指示针对所述当前因素可选择的数据范围；以及基于所述约束条件确定与所述当前因素相关联的所述当前条件数据。7.根据权利要求6所述的方法，其中确定所述约束条件包括：从用户设备获取关于所述数据分析的第二指示；以及基于所述第二指示确定所述约束条件。8.根据权利要求1所述的方法，其中确定所述目标对象包括：确定与所述当前因素的当前条件数据的数据样本相关联的对象集合；确定所期望的分组粒度；以及基于所述分组粒度从所述对象集合中，确定与所述至少一个感兴趣的目标结果相关联的所述至少一个目标对象。9.根据权利要求8所述的方法，其中确定所述分组粒度包括：从用户设备获取关于所述数据分析的第三指示；以及基于所述第三指示确定所述约束条件。
10.根据权利要求8所述的方法，其中所述分组粒度包括以下中的至少一项：个体对象，具有预定对象属性的一组对象，以及多组对象，所述多组对象具有不同的对象属性。11.根据权利要求1所述的方法，其中所述关联关系是因果关系模型，其中确定所述目标结果的所述数据包括：通过将所述当前条件数据和所述至少一个目标对象的标识输入到所述因果关系模型，来确定所述目标结果的所述数据。12.根据权利要求1所述的方法，还包括：向用户设备输出所确定的所述目标结果的所述数据。13.根据权利要求1所述的方法，还包括：为用户设备显示所确定的所述目标结果的所述数据。14.根据权利要求1所述的方法，还包括：获取所述目标结果的预定参考量；以及响应于确定所述数据与所述预定参考量之间的差异超出阈值差异，向用户设备输出表征所述差异的信号。15.一种用于数据分析的设备，包括：至少一个处理器；以及与所述至少一个处理器耦合的存储器，所述存储器包含有存储于其中的指令，所述指令在被所述至少一个处理单元执行时，使得所述设备执行动作，所述动作包括：至少基于与影响历史事件...

【专利技术属性】
技术研发人员：潘征，刘春辰，
申请(专利权)人：日本电气株式会社，
类型：发明
国别省市：