数据分析决策方法、系统及大数据资源中心技术方案

本发明专利技术实施例提供的数据分析决策方法、系统及大数据资源中心，采用决策偏心系数信息来评价不同描述层面的事项需求决策向量的需求决策贡献值，比如，对于需求决策贡献值较低的事项需求决策向量可以确定相对较低的决策偏心系数，相反地，对于需求决策贡献值较高的事项需求决策向量可以确定相对较高的决策偏心系数，经过决策偏心系数融合的事项需求决策向量可以尽可能精准可信地反映数据资源需求信息，这样能够合理、准确地进行数据资源需求的决策分析，提高资源需求识别报告在资源分配决策过程中的参考可信度，从而提高有限的目标业务资源大数据的最大化利用。务资源大数据的最大化利用。务资源大数据的最大化利用。

【技术实现步骤摘要】
数据分析决策方法、系统及大数据资源中心


[0001]本专利技术涉及数据处理
，特别涉及一种数据分析决策方法、系统及大数据资源中心。

技术介绍

[0002]人工智能（Artificial Intelligence，AI）能够促进生产力提升，是推动人工智能技术发展的重要原动力之一，从目前人工智能产品在工业领域的应用情况来看，未来更多的智能体将逐渐走进产业领域，人工智能也将是产业领域发展的新动能。
[0003]随着人工智能的应用领域的不断发展，智能化的数据分发分配处理是提高业务处理效率的关键。在实际应用时，针对不同数据的需求分析关乎确保数据分发分配处理质量，然后相关技术难以合理、准确地进行数据资源需求的决策分析。

技术实现思路

[0004]为改善相关技术中存在的技术问题，本专利技术提供了一种数据分析决策方法、系统及大数据资源中心。
[0005]第一方面，本专利技术实施例提供了一种数据分析决策方法，应用于大数据资源中心，所述方法包括：响应于接收到的数据分析指令，采集目标业务资源大数据；采用完成调试的专家决策系统模型对所述目标业务资源大数据进行资源事项要素知识挖掘，获得若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，其中；结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告。
[0006]可见，基于该实施例，在采集到目标业务资源大数据的条件下，能够采用完成调试的专家决策系统模型对目标业务资源大数据进行资源事项要素知识挖掘，然后基于获得的若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息确定针对目标业务资源大数据的资源需求识别报告。本专利技术采用决策偏心系数信息来评价不同描述层面的事项需求决策向量的需求决策贡献值，比如，对于需求决策贡献值较低的事项需求决策向量可以确定相对较低的决策偏心系数，相反地，对于需求决策贡献值较高的事项需求决策向量可以确定相对较高的决策偏心系数，经过决策偏心系数融合的事项需求决策向量可以尽可能精准可信地反映数据资源需求信息，这样能够合理、准确地进行数据资源需求的决策分析，提高资源需求识别报告在资源分配决策过程中的参考可信度，从而提高有限的目标业务资源大数据的最大化利用。
[0007]在一些示例性实施例中，所述结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告，包括：结合所述若干个描述层面的事项需求决策向量进行第一关注维度调整，获得描述层面数小于未精简的描述层面数的第一关注维度调整后的事项需求决策向量；结合所述第一关注维度调整后的事项需求决策向量进行第二关注维度调整，获得描述层面数等于
未精简的描述层面数的第二关注维度调整后的事项需求决策向量；结合所述第二关注维度调整后的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，确定关于所述目标业务资源大数据的资源需求识别报告。
[0008]可见，基于该实施例，通过第一关注维度调整可以清洗掉若干个描述层面中价值较低的事项需求决策向量，然后进一步基于第二关注维度调整进行后续的设定运算结果，这样可以得到精准完整且合理的资源需求识别报告。
[0009]在一些示例性实施例中，所述专家决策系统模型包含用于处理资源需求识别环节的需求决策子模型；所述结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告，包括：结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息之间的设定运算结果，确定完成设定运算的事项需求决策向量；将所述完成设定运算的事项需求决策向量加载至所述专家决策系统模型包含的需求决策子模型，获得所述需求决策子模型生成的所述资源需求识别报告。
[0010]在一些示例性实施例中，依据以下方式调试所述专家决策系统模型：获取业务资源大数据示例以及针对所述业务资源大数据示例的资源需求识别参考，其中，所述资源需求识别参考用于反映对应业务资源大数据示例中的资源项目是否匹配携带业务需求类别的数据资源需求；将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组，对所述待进行调试的专家决策系统模型进行不少于一次模型调试，获得完成调试的专家决策系统模型。
[0011]可见，基于该实施例，采用业务资源大数据示例以及针对业务资源大数据示例的资源需求识别参考可以实现专家决策系统模型的调试，提高专家决策系统模型的运行质量。
[0012]在一些示例性实施例中，所述专家决策系统模型包括要素知识挖掘子模型、偏心处理子模型、以及需求决策子模型；所述将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组，对所述待进行调试的专家决策系统模型进行不少于一次模型调试，包括：将所述业务资源大数据示例加载至所述专家决策系统模型包含的要素知识挖掘子模型，获得所述要素知识挖掘子模型生成的若干个描述层面的事项需求决策预测向量，并将所述要素知识挖掘子模型生成的若干个描述层面的事项需求决策预测向量加载至所述专家决策系统模型包含的偏心处理子模型，获得所述偏心处理子模型生成的对应各个描述层面的决策偏心系数信息；结合所述若干个描述层面的事项需求决策预测向量以及对应各个描述层面的决策偏心系数信息之间的设定运算结果，获得完成设定运算的事项需求决策预测向量；将所述完成设定运算的事项需求决策预测向量加载至所述专家决策系统模型包含的需求决策子模型，确定所述需求决策子模型的资源需求预测结果；结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参考对所述待进行调试的专家决策系统模型进行不少于一次模型调试。
[0013]可见，基于该实施例，能够采用完成设定运算的事项需求决策预测向量实现模型调试，由于完成设定运算的事项需求决策预测向量能够精准可信地反映数据资源需求信
息，这样所获得的资源需求预测结果具有较高的精度和可信度，以保障模型调试的质量。
[0014]在一些示例性实施例中，所述专家决策系统模型包括输出不同显著性的若干个要素知识挖掘子模型、以及需求决策子模型；所述将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组，对所述待进行调试的专家决策系统模型进行不少于一次模型调试，包括：将所述业务资源大数据示例加载至所述专家决策系统模型包含的若干个要素知识挖掘子模型，获得各个所述要素知识挖掘子模型生成的事项需求决策预测向量；从所述若干个要素知识挖掘子模型中筛选生成的显著性满足设定显著性要求的要素知识挖掘子模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据分析决策方法，其特征在于，应用于大数据资源中心，所述方法包括：响应于接收到的所述数据分析指令，采集目标业务资源大数据；采用完成调试的专家决策系统模型对所述目标业务资源大数据进行资源事项要素知识挖掘，获得若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息；结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告。2.根据权利要求1所述的方法，其特征在于，所述结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告，包括：结合所述若干个描述层面的事项需求决策向量进行第一关注维度调整，获得描述层面数小于未精简的描述层面数的第一关注维度调整后的事项需求决策向量；结合所述第一关注维度调整后的事项需求决策向量进行第二关注维度调整，获得描述层面数等于未精简的描述层面数的第二关注维度调整后的事项需求决策向量；结合所述第二关注维度调整后的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，确定关于所述目标业务资源大数据的资源需求识别报告。3.根据权利要求2所述的方法，其特征在于，所述专家决策系统模型包含用于处理资源需求识别环节的需求决策子模型；所述结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告，包括：结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息之间的设定运算结果，确定完成设定运算的事项需求决策向量；将所述完成设定运算的事项需求决策向量加载至所述专家决策系统模型包含的需求决策子模型，获得所述需求决策子模型生成的所述资源需求识别报告。4.根据权利要求1所述的方法，其特征在于，依据以下方式调试所述专家决策系统模型：获取业务资源大数据示例以及针对所述业务资源大数据示例的资源需求识别参考，其中，所述资源需求识别参考用于反映对应业务资源大数据示例中的资源项目是否匹配携带业务需求类别的数据资源需求；将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组，对所述待进行调试的专家决策系统模型进行不少于一次模型调试，获得完成调试的专家决策系统模型。5.根据权利要求4所述的方法，其特征在于，所述专家决策系统模型包括要素知识挖掘子模型、偏心处理子模型、以及需求决策子模型；所述将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组，对所述待进行调试的专家决策系统模型进行不少于一次模型调试，包括：将所述业务资源大数据示例加载至所述专家决策系统模型包含的要素知识挖掘子模
型，获得所述要素知识挖掘子模型生成的若干个描述层面的事项需求决策预测向量，并将所述要素知识挖掘子模型生成的若干个描述层面的事项需求决策预测向量加载至所述专家决策系统模型包含的偏心处理子模型，获得所述偏心处理子模型生成的对应各个描述层面的决策偏心系数信息；结合所述若干个描述层面的事项需求决策预测向量以及对应各个描述层面的决策偏心系数信息之间的设定运算结果，获得完成设定运算的事项需求决策预测向量；将所述完成设定运算的事项需求决策预测向量加载至所述专家决策系统模型包含的需求决策子模型，确定所述需求决策子模型的资源需求预测结果；结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参考对所述待进行调试的专家决策系统模型进行不少于一次模型调试；其中，所述专家决策系统模型包括输出不同显著性的若干个要素知识挖掘子模型、以及需求决策子模型；所述将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型...

【专利技术属性】
技术研发人员：陈浩川，杨俊贤，
申请(专利权)人：陈浩川，
类型：发明
国别省市：