本发明专利技术涉及人工智能技术领域，提供一种基于人工智能的行为预测方法、装置及相关设备，所述方法包括：从多个目标参数的数据源中获取原始数据集，并对原始数据集进行第一预处理，得到目标数据表；调用规则类标签，基于规则类标签，通过标签管理系统从目标数据表中获取第一预测结果；从目标数据表中提取特征因子集，并将特征因子集输入值预先训练好的分类预测模型中，得到第二预测结果；对第一预测结果和第二预测结果进行第二预处理，得到目标预测结果。本发明专利技术根据规则引擎和分类预测模型得到目标预测结果，提高了采购舞弊预测结果的准确率。率。率。
【技术实现步骤摘要】
基于人工智能的行为预测方法、装置及相关设备
[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的行为预测方法、装置及相关设备。
技术介绍
[0002]随着产品的多样化，采购环节作为业务系统的关键经营环节，很容易出现舞弊问题，现有技术使用专家经验对采购大数据进行分析和加工，识别不符合外部招投标法规、企业内部管理要求或常理性的异常采购业务环节，筛查存在舞弊风险的采购项目。
[0003]然而，使用专家经验对采购大数据进行分析和加工，无法识别出采购的大数据是否被采购舞弊人员规避过，导致采购的大数据准确率低，进而导致采购舞弊预测准确率低。
[0004]因此，有必要提出一种可以准确的预测采购舞弊的方法。
技术实现思路
[0005]鉴于以上内容，有必要提出一种基于人工智能的行为预测方法、装置及相关设备，根据规则引擎和分类预测模型得到目标预测结果，提高了采购舞弊预测结果的准确率。
[0006]本专利技术的第一方面提供一种基于人工智能的行为预测方法，所述方法包括：
[0007]解析接收到的采购舞弊预测请求，得到多个目标参数的数据源；
[0008]从所述多个目标参数的数据源中获取原始数据集，并对所述原始数据集进行第一预处理，得到目标数据表；
[0009]调用规则类标签，基于所述规则类标签，通过标签管理系统从所述目标数据表中获取第一预测结果；
[0010]从所述目标数据表中提取特征因子集，并将所述特征因子集输入值预先训练好的分类预测模型中，得到第二预测结果；
[0011]对所述第一预测结果和所述第二预测结果进行第二预处理，得到目标预测结果。
[0012]可选地，所述对所述原始数据集进行第一预处理，得到目标数据表包括：
[0013]识别所述原始数据集中每个所述原始数据表对应的采购业务系统标识码；
[0014]根据所述采购业务系统标识码对所述原始数据集进行归类；
[0015]将相同采购业务系统的原始数据集确定为第一数据集，及将剩余的不同采购业务系统的原始数据集确定为第二数据集；
[0016]对所述第一数据集中的原始数据表进行并表处理得到第一数据表，及对所述第二数据集中的原始数据表进行并表处理得到第二数据表；
[0017]合并所述第一数据表和所述第二数据表，得到第三数据表；
[0018]对所述第三数据表进行数据清洗，得到目标数据表。
[0019]可选地，所述对所述第二数据集中的原始数据表进行并表处理得到第二数据表包括：
[0020]识别所述第二数据集中每个原始数据表的字段名称；
[0021]将多个原始数据表的相同字段名称的多个列进行合并处理，并删除参与合并的多个列，得到一个新表；
[0022]计算所述新表的字段名称总数，根据所述新表的字段名称总数获取预设的空位字段总数；
[0023]基于所述预设的空位字段总数对所述新表进行扩充，得到第二数据表。
[0024]可选地，所述调用规则类标签，基于所述规则类标签，通过预设的规则引擎获取第一预测结果包括：
[0025]将所述目标数据表中的数据转换为预设的规则引擎能够识别的规则类标签；
[0026]调用预设的规则引擎，进行规则类标签的智能匹配，得到第一预测结果。
[0027]可选地，所述从所述目标数据表中提取特征因子集包括：
[0028]获取所述采购舞弊预测请求中的采购项目标识码对应的采购项目的项目信息及预设的加工脚本；
[0029]对所述项目信息进行预处理，得到目标项目信息；
[0030]采用所述预设的加工脚本对所述目标项目信息进行加工，得到特征因子集。
[0031]可选地，所述对所述第一预测结果和所述第二预测结果进行第二预处理，得到目标预测结果包括：
[0032]将所述第一预测结果与所述第二预测结果进行比对；
[0033]将所述第一预测结果中与所述第二预测结果相同的删除，得到目标预测结果。
[0034]可选地，所述解析接收到的采购舞弊预测请求，得到多个目标参数的数据源包括：
[0035]解析所述采购舞弊预测请求的报文，得到所述报文携带的报文信息；
[0036]从所述报文信息中获取采购舞弊预测需求；
[0037]将所述采购舞弊预测需求中的采购项目标识码与预设数据库中的系统标识码进行匹配，获取所述采购项目对应的采购业务系统的第一接口及与所述采购业务系统交互的第三方系统的第二接口；
[0038]调用所述第一接口和所述第二接口获取对应的目标参数的数据源。
[0039]本专利技术的第二方面提供一种基于人工智能的行为预测装置，所述装置包括：
[0040]解析模块，用于解析接收到的采购舞弊预测请求，得到多个目标参数的数据源；
[0041]第一预处理模块，用于从所述多个目标参数的数据源中获取原始数据集，并对所述原始数据集进行第一预处理，得到目标数据表；
[0042]构建模块，用于调用规则类标签，基于所述规则类标签，通过标签管理系统从所述目标数据表中获取第一预测结果；
[0043]提取和输入模块，用于从所述目标数据表中提取特征因子集，并将所述特征因子集输入值预先训练好的分类预测模型中，得到第二预测结果；
[0044]第二预处理模块，用于对所述第一预测结果和所述第二预测结果进行第二预处理，得到目标预测结果。
[0045]本专利技术的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的基于人工智能的行为预测方法。
[0046]本专利技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存
储有计算机程序，所述计算机程序被处理器执行时实现所述的基于人工智能的行为预测方法。
[0047]综上所述，本专利技术所述的基于人工智能的行为预测方法、装置及相关设备，通过对所述原始数据集进行第一预处理，调用规则类标签，基于所述规则类标签，通过标签管理系统从所述目标数据表中获取第一预测结果，及将所述特征因子集输入值预先训练好的分类预测模型中，得到第二预测结果，所述第一预测结果从采购项目的制度规定考虑，基于规则引擎获取得到，所述第二预测结果是从采购项目的流程考虑，基于分类预测模型得到，根据规则引擎和分类预测模型得到目标预测结果，提高了采购舞弊预测结果的准确率。
附图说明
[0048]图1是本专利技术实施例一提供的基于人工智能的行为预测方法的流程图。
[0049]图2是本专利技术实施例二提供的基于人工智能的行为预测装置的结构图。
[0050]图3是本专利技术实施例三提供的电子设备的结构示意图。
具体实施方式
[0051]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本专利技术的实施例及实施例中的特征可以相互组合。
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的行为预测方法，其特征在于，所述方法包括：解析接收到的采购舞弊预测请求，得到多个目标参数的数据源；从所述多个目标参数的数据源中获取原始数据集，并对所述原始数据集进行第一预处理，得到目标数据表；调用规则类标签，基于所述规则类标签，通过标签管理系统从所述目标数据表中获取第一预测结果；从所述目标数据表中提取特征因子集，并将所述特征因子集输入值预先训练好的分类预测模型中，得到第二预测结果；对所述第一预测结果和所述第二预测结果进行第二预处理，得到目标预测结果。2.如权利要求1所述的基于人工智能的行为预测方法，其特征在于，所述对所述原始数据集进行第一预处理，得到目标数据表包括：识别所述原始数据集中每个所述原始数据表对应的采购业务系统标识码；根据所述采购业务系统标识码对所述原始数据集进行归类；将相同采购业务系统的原始数据集确定为第一数据集，及将剩余的不同采购业务系统的原始数据集确定为第二数据集；对所述第一数据集中的原始数据表进行并表处理得到第一数据表，及对所述第二数据集中的原始数据表进行并表处理得到第二数据表；合并所述第一数据表和所述第二数据表，得到第三数据表；对所述第三数据表进行数据清洗，得到目标数据表。3.如权利要求2所述的基于人工智能的行为预测方法，其特征在于，所述对所述第二数据集中的原始数据表进行并表处理得到第二数据表包括：识别所述第二数据集中每个原始数据表的字段名称；将多个原始数据表的相同字段名称的多个列进行合并处理，并删除参与合并的多个列，得到一个新表；计算所述新表的字段名称总数，根据所述新表的字段名称总数获取预设的空位字段总数；基于所述预设的空位字段总数对所述新表进行扩充，得到第二数据表。4.如权利要求1所述的基于人工智能的行为预测方法，其特征在于，所述调用规则类标签，基于所述规则类标签，通过预设的规则引擎获取第一预测结果包括：将所述目标数据表中的数据转换为预设的规则引擎能够识别的规则类标签；调用预设的规则引擎，进行规则类标签的智能匹配，得到第一预测结果。5.如权利要求1所述的基于人工智能的行为预测方法，其特征在于，所述从所述目标数据表中提取特征因子集包括：获取所述采购舞...
【专利技术属性】
技术研发人员：唐珊珊，孙继锋，许黎，王辉，邓熙凤，刘思雅，
申请(专利权)人：深圳平安综合金融服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。