一种基于人工智能的数据分析及展现系统技术方案

本发明专利技术公开了一种基于人工智能的数据分析及展现系统，该基于人工智能的数据分析及展现系统包括获取模块

【技术实现步骤摘要】
一种基于人工智能的数据分析及展现系统


[0001]本专利技术涉及数据处理
，尤其涉及一种基于人工智能的数据分析及展现系统
。

技术介绍

[0002]随着企业的数字化程度的提高和数据人事管理意识的普及，越来越多的企业开始采用
BI
报表的形式来管理企业的数据，数据量也在不断地增大，这对企业的工作人员处理
BI
报表的效率提出了更高的要求
。
但现有技术在为企业的工作人员提供
BI
报表的设置或管理的服务时，仍然没有考虑到工作人员的历史操作记录来做相应的调整，其中后撤操作是工作人员的操作中较为值得注意的一种操作，其一般可以是工作人员撤回或删除后重新输入原来输入的数据，或是选择了特定字段的类型后又变更，其象征着工作人员在上一步操作中犯了错误，对系统或当前报表的业务或数据不熟悉，因此有效识别这些后撤操作，并以此来提高工作人员的
BI
报表任务的处理效率，至关重要
。
但现有技术尚未有效解决这一问题，因此存在缺陷，亟待改进
。

技术实现思路

[0003]本专利技术所要解决的技术问题在于，提供一种基于人工智能的数据分析及展现系统，能够实现更加智能化的
BI
报表分析，极大提高了用户使用
BI
报表的效率，可以有效减少出错，提高报表管理效果
。
[0004]为了解决上述技术问题，本专利技术第一方面公开了一种基于人工智能的数据分析及展现系统，所述系统包括：获取模块，用于获取目标用户的新建
BI
报表操作对应的报表类型，和获取所述目标用户对应的历史操作记录；所述历史操作记录中包括所述目标用户在历史时间段的多个历史操作；匹配模块，用于根据所述报表类型和所述历史操作记录，在预设的历史报表数据库中确定出多个报表模板和对应的模板历史数据；所述多个报表模板用于展示给所述目标用户以供选择；演算模块，用于确定所述历史操作记录中的所有后撤操作，基于神经网络算法，从所述模板历史数据中匹配出每一所述后撤操作对应的模板字段历史数据；展示模块，用于在所述目标用户选择报表字段时，根据所述报表字段对应的所述模板字段历史数据和所述后撤操作，确定用于展示的候选字段历史数据
。
[0005]在一个可选的实施方式中，所述匹配模块具体用于执行以下步骤：根据所述报表类型，在所述历史报表数据库中确定出所述报表类型对应的多个历史报表；对于每一所述历史报表，计算该历史报表与所述历史操作记录之间的匹配度参数，计算该历史报表相对于其他所述历史报表的独一性参数；
计算所述匹配度参数和所述独一性参数的加权求和值，得到该历史报表对应的优先级参数；根据所述优先级参数从大到小对所有所述历史报表进行排序以得到报表序列，将所述报表序列中前预设数量个的且所述优先级参数大于预设的第一参数阈值的所有历史报表，确定为候选报表；根据所有所述候选报表，确定出多个报表模板；将每一所述报表模板对应的所有所述候选报表确定为该报表模板对应的模板历史数据
。
[0006]在一个可选的实施方式中，所述匹配模块计算该历史报表相对于其他所述历史报表的独一性参数的具体方式包括：计算该历史报表与任一其他历史报表之间的相似度参数；计算该历史报表与所有其他历史报表之间的所述相似度参数的加权求和平均值，以得到该历史报表对应的独一性参数；其中，每一所述相似度参数对应的权重包括第一权重和第二权重；所述第一权重与对应的其他历史报表的报表数据量成正比；所述第二权重与对应的其他历史报表对应的报表完整度参数成正比；所述报表完整度参数的计算方式包括：计算历史报表中的字段值为空值或预设的无意义值的字段占所有字段总数量的比值，得到历史报表对应的空字段比值参数；将历史报表中的所有字段包含在同一页面中以输出对应的页面图像；计算该页面图像占所有像素的比值最大的像素颜色对应的比值，得到历史报表对应的图像空缺参数；计算所述空字段比值参数和所述图像空缺参数的加权求和平均值，得到历史报表对应的报表完整度参数
。
[0007]在一个可选的实施方式中，所述匹配模块根据所有所述候选报表，确定出多个报表模板的具体方式，包括：计算任意两个所述候选报表之间的报表相似度；根据所述报表相似度，对所有所述候选报表进行聚类划分，以得到多个候选报表集合；每一所述候选报表集合中的任意两个候选报表之间的所述报表相似度大于预设的相似度阈值；对于任一所述候选报表集合，计算该候选报表集合中的任一候选报表中的任一字段在该候选报表集合中的所有候选报表中的出现次数；根据所述出现次数从大到小，对该候选报表集合中的所有所述字段进行排序，得到字段序列；将所述字段序列中前第二数量个的且所述出现次数与最高出现次数之间的比值大于预设的比值阈值的所有字段，确定为该候选报表集合对应的报表模板；所述最高出现次数为所有所述字段的所述出现次数中的最高值
。
[0008]在一个可选的实施方式中，所述演算模块用于具体执行以下步骤：基于预设的后撤操作规则，对所述历史操作记录中的所有历史操作进行匹配，将匹配得到的历史操作确定为后撤操作；
获取每一所述后撤操作对应的操作字段数据和操作页面位置；对于任一所述模板历史数据中的任一模板字段历史数据，获取该模板字段历史数据对应的历史字段数据和历史显示位置；将任一所述后撤操作对应的操作字段数据和操作页面位置，与任一所述模板字段数据对应的历史字段数据和历史显示位置，输入至训练好的
BI
相似度预测神经网络模型中，以得到该后撤操作和该模板字段数据之间的关联度参数；所述
BI 相似度预测神经网络模型通过包括有多个训练操作参数和训练字段数据以及对应的关联度参数标注的数据训练集训练得到；在所有所述关联度参数大于预设的第二参数阈值的所述后撤操作和所述模板字段数据之间建立起对应关系
。
[0009]在一个可选的实施方式中，所述演算模块基于预设的后撤操作规则，对所述历史操作记录中的所有历史操作进行匹配，将匹配得到的历史操作确定为后撤操作的具体方式包括：根据所述历史操作记录，以及神经网络算法，确定所述目标用户对应的熟悉度水平参数；对于所述历史操作记录中的任一所述历史操作，计算该历史操作与预设的后撤操作类型规则的第一匹配度；所述后撤操作类型规则用于限定属于后撤操作的操作类型；将该历史操作与其对应的任一相邻操作组成至少一个操作组，计算所有所述操作组与预设的组合后撤操作类型规则的匹配度的平均值，得到第二匹配度；所述组合后撤操作类型规则用于限定与后撤操作相关的多个操作的类型组合；计算所述第一匹配度和所述第二匹配度的匹配度平均值；计算所述匹配度平均值与所述熟悉度水平参数的乘积，得到该历史操作对应的后撤可能性参数；根据所述后撤可能性参数从大到小对所有所述历史操作进行排序得到操作序列，并将所述操作序列中前第三数量个的且所述后撤可能性参数大于第三参数阈值的所有历史操作，确定为后撤操作
。
[0010]在一个可选的实施方式中，所述演算模块根据所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的数据分析及展现系统，其特征在于，所述系统包括：获取模块，用于获取目标用户的新建
BI
报表操作对应的报表类型，和获取所述目标用户对应的历史操作记录；所述历史操作记录中包括所述目标用户在历史时间段的多个历史操作；匹配模块，用于根据所述报表类型和所述历史操作记录，在预设的历史报表数据库中确定出多个报表模板和对应的模板历史数据；所述多个报表模板用于展示给所述目标用户以供选择；演算模块，用于确定所述历史操作记录中的所有后撤操作，基于神经网络算法，从所述模板历史数据中匹配出每一所述后撤操作对应的模板字段历史数据；展示模块，用于在所述目标用户选择报表字段时，根据所述报表字段对应的所述模板字段历史数据和所述后撤操作，确定用于展示的候选字段历史数据
。2.
根据权利要求1所述的基于人工智能的数据分析及展现系统，其特征在于，所述匹配模块具体用于执行以下步骤：根据所述报表类型，在所述历史报表数据库中确定出所述报表类型对应的多个历史报表；对于每一所述历史报表，计算该历史报表与所述历史操作记录之间的匹配度参数，计算该历史报表相对于其他所述历史报表的独一性参数；计算所述匹配度参数和所述独一性参数的加权求和值，得到该历史报表对应的优先级参数；根据所述优先级参数从大到小对所有所述历史报表进行排序以得到报表序列，将所述报表序列中前预设数量个的且所述优先级参数大于预设的第一参数阈值的所有历史报表，确定为候选报表；根据所有所述候选报表，确定出多个报表模板；将每一所述报表模板对应的所有所述候选报表确定为该报表模板对应的模板历史数据
。3.
根据权利要求2所述的基于人工智能的数据分析及展现系统，其特征在于，所述匹配模块计算该历史报表相对于其他所述历史报表的独一性参数的具体方式包括：计算该历史报表与任一其他历史报表之间的相似度参数；计算该历史报表与所有其他历史报表之间的所述相似度参数的加权求和平均值，以得到该历史报表对应的独一性参数；其中，每一所述相似度参数对应的权重包括第一权重和第二权重；所述第一权重与对应的其他历史报表的报表数据量成正比；所述第二权重与对应的其他历史报表对应的报表完整度参数成正比；所述报表完整度参数的计算方式包括：计算历史报表中的字段值为空值或预设的无意义值的字段占所有字段总数量的比值，得到历史报表对应的空字段比值参数；将历史报表中的所有字段包含在同一页面中以输出对应的页面图像；计算该页面图像占所有像素的比值最大的像素颜色对应的比值，得到历史报表对应的图像空缺参数；计算所述空字段比值参数和所述图像空缺参数的加权求和平均值，得到历史报表对应的报表完整度参数
。
4.
根据权利要求2所述的基于人工智能的数据分析及展现系统，其特征在于，所述匹配模块根据所有所述候选报表，确定出多个报表模板的具体方式，包括：计算任意两个所述候选报表之间的报表相似度；根据所述报表相似度，对所有所述候选报表进行聚类划分，以得到多个候选报表集合；每一所述候选报表集合中的任意两个候选报表之间的所述报表相似度大于预设的相似度阈值；对于任一所述候选报表集合，计算该候选报表集合中的任一候选报表中的任一字段在该候选报表集合中的所有候选报表中的出现次数；根据所述出现次数从大到小，对该候选报表集合中的所有所述字段进行排序，得到字段序列；将所述字段序列中前第二数量个的且所述出现次数与最高出现次数之间的比值大于预设的比值阈值的所有字段，确定为该候选报表集合对应的报表模板；所述最高出现次数为所有所述字段的所述出现次数中的最高值
。5.
根据权利要求1所述的基于人工智能的数据分析及展现系统，其特征在于，所述演算模块用于具体执行以下步骤：基于预设的后撤操作规则，对所述历史操作记录中的所有历史操作进行匹配，将匹配得到的历史操作确定为后撤操作；获取每一所述后撤操作对应的操作字段数据和操作页面位置；对于任一所述模板历史数据中的任一模板字段历史数据，获取该模板字段历史数据对应的历史字段数据和历史显示位置；将任一所述后撤操作对应的操作字段数据和操作页面位置，与任一所述模板字段数据对应的历史字段数据和历史显示位置，输入至训练好的
BI
相似度预测神经网络模型中，以得到该后撤操作...

【专利技术属性】
技术研发人员：孙伟，沈峥，何慕蓉，凌光明，
申请(专利权)人：广州红海云计算股份有限公司，
类型：发明
国别省市：