本发明专利技术公开了一种智能分析平台应用方法、装置、电子介质、可读存储介质。其中，该方法包括：获取目标行业的行业数据；对所述行业数据进行知识提取，得到行业知识数据；对所述行业知识数据进行量化分析，得到所述目标行业的指标序列，其中，所述指标序列用于表征所述目标行业的行业发展趋势；基于所述指标序列，生成行业分析报告。本发明专利技术解决了现有的智能分析应用其使用门槛高、分析效率低的技术问题，实现了行业数据采集、模型库构建维护、行业报告生成等一站式集中管理应用，提高了智能分析效率和效益。和效益。和效益。
【技术实现步骤摘要】
智能分析平台应用方法、装置、电子介质、可读存储介质
[0001]本专利技术涉及计算机软件
，具体而言，涉及一种智能分析平台应用方法、装置、电子介质、可读存储介质。
技术介绍
[0002]随着人工智能技术的逐步发展，人工智能平台类产品逐渐走入人们的视线。人工智能平台能够在统一管控的IT基础设施资源的基础上，为人工智能类应用开发者和使用者提供一整套开发、运行、管理该类应用的工具和服务，其对于发挥人工智能技术的价值起着至关重要的作用。
[0003]然而，现有的人工智能平台对使用人员的专业能力要求较高，这种高门槛直接限制了人工智能类应用的落地和推广，进而导致无法真正发挥人工智能技术的价值。因此，如何降低人工智能平台的使用门槛，以面向行业为业务应用提供低门槛的智能分析应用，是需要解决的技术问题。
[0004]由上分析可知，针对上述现有的智能分析应用其使用门槛高、分析效率低的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种智能分析平台应用方法、装置、电子介质、可读存储介质，以至少解决现有的智能分析应用其使用门槛高、分析效率低的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种智能分析平台应用方法，包括：
[0007]获取目标行业的行业数据；对所述行业数据进行知识提取，得到行业知识数据；对所述行业知识数据进行量化分析，得到所述目标行业的指标序列，其中，所述指标序列用于表征所述目标行业的行业发展趋势；基于所述指标序列，生成行业分析报告。
[0008]可选地，所述对所述行业知识数据进行量化分析，得到所述目标行业的指标序列，包括：利用预先训练的线性预测模型对所述行业知识数据进行回归拟合分析，得到所述目标行业的所述指标序列，其中，所述线性预测模型为通过机器学习训练得到的神经网络模型。
[0009]可选地，所述利用预先训练的线性预测模型对所述行业知识数据进行回归拟合分析，得到所述目标行业的所述指标序列之前，所述智能分析平台应用方法还包括：判断模型库中是否存在与所述目标行业和/或所述指标序列相匹配的线性预测模型；当所述模型库中存在所述线性预测模型时，调用所述线性预测模型；当所述模型库中未存在所述线性预测模型时，启动建模任务以创建所述线性预测模型。
[0010]可选地，所述启动建模任务以创建所述线性预测模型，包括：基于用户操作，确定所述线性预测模型的初始模型架构；利用用户所指示的目标数据，对所述初始模型架构进行模型训练，得到所述线性预测模型。
[0011]可选地，所述基于用户操作，确定所述线性预测模型的初始模型架构，包括：确定
用户所指示的建模方式；当所述建模方式为DAG建模时，展示画布窗口与算子选择窗口，并基于用户操作确定所述线性预测模型的初始模型架构；当所述建模方式为模板建模时，展示模板窗口，并基于用户操作调用目标模板，基于所述目标模板确定所述线性预测模型的初始模型架构。
[0012]可选地，所述基于所述目标模板确定所述线性预测模型的初始模型架构，包括：展示所述目标模板所对应的模型架构；基于用户针对所述目标模板所对应的模型架构的编辑操作，确定所述线性预测模型的初始模型架构。
[0013]可选地，所述利用用户所指示的目标数据，对所述初始模型架构进行模型训练，得到所述线性预测模型，包括：确定目标数据，所述目标数据为新导入数据或用户指定的平台内数据；对所述目标数据进行标准化处理，所述标准化处理至少包括标注、清洗和/或拆分中的一种；利用标准化处理后的目标数据，对所述初始模型架构进行模型训练，得到所述线性预测模型。
[0014]可选地，所述智能分析平台应用方法还包括：将所述线性预测模型存储至所述模型库。
[0015]可选地，当所述模型库中存在所述线性预测模型时，调用所述线性预测模型，包括：当模型库中存在与所述目标行业相匹配的所述线性预测模型时，判断所述线性预测模型配置的被使用权限与当前用户拥有的模型使用权限是否相匹配；若所述线性预测模型的所述被使用权限与所述当前用户拥有的所述模型使用权限匹配，调用所述线性预测模型。
[0016]可选地，所述基于所述指标序列，生成行业分析报告，包括：获取所述指标序列所对应的报告模板；基于所述报告模板与所述指标序列，生成所述行业分析报告。
[0017]可选地，所述对所述行业数据进行知识提取，得到行业知识数据，包括：依据数据类型选择相应数据处理工具，其中，所述数据类型至少包括结构化、半结构化和/或非结构化中的一种；利用数据处理工具对所述行业数据进行数据处理，其中，所述数据处理至少包括对数据的清洗、拆分和/或拼接中的至少一种；基于行业知识，利用特征工具对经过数据处理的所述行业数据获取对应特征后生成所述行业知识数据。
[0018]可选地，所述目标行业至少包括煤炭行业、电力行业和/或天然气行业中的一种。
[0019]可选地，所述行业数据至少包括行业调研数据、市场调研数据、行业政策、行业论文和/或其他行业公开数据中的一项。
[0020]可选地，所述指标序列为目标指标在预设时间区间内的变化趋势，所述目标指标至少包括价格、销售量和/或产量中的一项。
[0021]根据本专利技术实施例的另一方面，还提供了一种智能分析平台应用装置，包括：
[0022]第一模块，获取目标行业的行业数据；第二模块，对所述行业数据进行知识提取，得到行业知识数据；第三模块，对所述行业知识数据进行量化分析，得到所述目标行业的指标序列，其中，所述指标序列用于表征所述目标行业的行业发展趋势；第四模块，基于所述指标序列，生成行业分析报告。
[0023]根据本专利技术实施例的又一方面，还提供了一种电子设备，包括：
[0024]处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行第一方面所述的智能分析平台应用方法。
[0025]根据本专利技术实施例的另一方面，还提供了一种可读存储介质，所述可读存储介质
存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行第一方面所述的智能分析平台应用方法。
[0026]本专利技术通过获取目标行业的行业数据，基于行业知识进行数据提取和量化分析，得到用于表征目标行业发展趋势的指标序列，进而自动生成行业分析报告，在利用智能分析平台实现行业分析的整个过程中，能够由智能分析平台独立实现，对使用者没有技术或理解上的额外要求，即便不具备任何技术能力的使用者也能够利用智能分析平台实现高质量的行业分析，从而有效降低了面向行业的智能分析门槛，实现了行业数据采集、模型库构建维护、行业报告生成等一站式集中管理应用，提高了行业分析效率和效益进而解决了现有的智能分析应用其使用门槛高、分析效率低的技术问题。
附图说明
[0027]此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智能分析平台应用方法，其特征在于，包括：获取目标行业的行业数据；对所述行业数据进行知识提取，得到行业知识数据；对所述行业知识数据进行量化分析，得到所述目标行业的指标序列，其中，所述指标序列用于表征所述目标行业的行业发展趋势；基于所述指标序列，生成行业分析报告。2.根据权利要求1所述的智能分析平台应用方法，其特征在于，所述对所述行业知识数据进行量化分析，得到所述目标行业的所述指标序列，包括：利用预先训练的线性预测模型对所述行业知识数据进行回归拟合分析，得到所述目标行业的所述指标序列，其中，所述线性预测模型为通过机器学习训练得到的神经网络模型。3.根据权利要求2所述的智能分析平台应用方法，其特征在于，所述利用预先训练的线性预测模型对所述行业知识数据进行回归拟合分析，得到所述目标行业的所述指标序列之前，所述智能分析平台应用方法还包括：判断模型库中是否存在与所述目标行业和/或所述指标序列相匹配的线性预测模型；当所述模型库中存在所述线性预测模型时，调用所述线性预测模型；当所述模型库中未存在所述线性预测模型时，启动建模任务以创建所述线性预测模型。4.根据权利要求3所述的智能分析平台应用方法，其特征在于，所述启动建模任务以创建所述线性预测模型，包括：基于用户操作，确定所述线性预测模型的初始模型架构；利用用户所指示的目标数据，对所述初始模型架构进行模型训练，得到所述线性预测模型。5.根据权利要求4所述的智能分析平台应用方法，其特征在于，所述基于用户操作，确定所述线性预测模型的初始模型架构，包括：确定用户所指示的建模方式；当所述建模方式为DAG建模时，展示画布窗口与算子选择窗口，并基于用户操作确定所述线性预测模型的初始模型架构；当所述建模方式为模板建模时，展示模板窗口，并基于用户操作调用目标模板，基于所述目标模板确定所述线性预测模型的初始模型架构。6.根据权利要求5所述的智能分析平台应用方法，其特征在于，所述基于所述目标模板确定所述线性预测模型的初始模型架构，包括：展示所述目标模板所对应的模型架构；基于用户针对所述目标模板所对应的模型架构的编辑操作，确定所述线性预测模型的初始模型架构。7.根据权利要求4所述的智能分析平台应用方法，其特征在于，所述利用用户所指示的目标数据，对所述初始模型架构进行模型训练，得到所述线性预测模型，包括：确定目标数据，所述目标数据为新导入数据或用户指定的平台内数据；对所述目标数据进行标准化处理，所述标准化处理至少包括标注、清洗和/或拆分中的一种；
利用标准化处理后的目标数据，对所述初始模型架构进行模型训练，得到所述线性预测模型。8.根据权利要求4所述的智能分析平台应用方法，其特征在...
【专利技术属性】
技术研发人员：徐康明，朱旭，吴庆源，闫瑞兵，
申请(专利权)人：国家能源集团新疆能源有限责任公司，
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。