本申请涉及一种数据处理方法、装置、计算机设备和存储介质，涉及人工智能技术领域。所述方法包括：通过已训练的卷积神经网络模型对目标用户的数据查询请求进行分类，以获取关于所述数据查询请求的图表类型的分类结果；根据预设词典对所述数据查询请求进行关键词提取，并根据同义词库对提取的关键字进行拓展，得到查询关键字；根据所述查询关键字，从数据表信息库中，获取目标数据表名和所述目标数据表名对应的数据采集标识；根据所述数据采集标识，获取所述目标数据表名对应的目标数据表；根据所述目标数据表和所述分类结果，生成初始数据图表。采用本方法能够提高数据图表的生成效率。
【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种数据处理方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着大数据和人工智能技术的快速发展，商业智能(business intelligence，bi)已成为企业决策的重要工具。
2、然而，传统的bi工具通常需要人工参与数据采集、数据整理和图表生成等数据处理过程，使得数据图表的整体生成效率较低且容易出错。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高数据图表生成效率的数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种数据处理方法，包括：
3、通过已训练的卷积神经网络模型对目标用户的数据查询请求进行分类，以获取关于数据查询请求的图表类型的分类结果；图表类型包括构成类型、趋势类型、比较类型、分布类型和联系类型；
4、根据预设词典对数据查询请求进行关键词提取，并根据同义词库对提取的关键字进行拓展，得到查询关键字；
5、根据查询关键字，从数据表信息库中，获取目标数据表名和目标数据表名对应的数据采集标识；
6、根据数据采集标识，获取目标数据表名对应的目标数据表；
7、根据目标数据表和分类结果，生成初始数据图表。
8、在其中一个实施例中，根据查询关键字，从数据表信息库中，获取目标数据表名，包括：
9、从数据表信息库中，获取各备选数据表名对应的字段关键字；
>10、依次将各备选数据表名对应的字段关键字与查询关键字进行匹配，获取各备选数据表名对应的关键词匹配数量；11、根据各备选数据表名对应的关键词匹配数量，从各备选数据表名中确定目标数据表名。
12、在其中一个实施例中，数据采集标识包括数据池标识和系统标识；根据数据采集标识，获取目标数据表名对应的目标数据表，包括：
13、在目标数据表名对应的数据采集标识为数据池标识的情况下，根据目标数据表名，从数据池标识对应的数据池，获取目标数据表名对应的目标数据表；
14、在目标数据表名对应的数据采集标识为系统标识的情况下，获取目标数据表名对应的机器人流程自动化脚本，根据机器人流程自动化脚本，获取目标数据表名对应的目标数据表。
15、在其中一个实施例中，根据目标数据表和分类结果，生成初始数据图表，包括：
16、根据查询关键字，查询目标数据表，得到目标数据；
17、根据查询关键字，从分类结果对应的多个子图表类型中，确定目标图表类型；
18、根据目标数据和目标图表类型，生成初始数据图表。
19、在其中一个实施例中，该方法还包括：
20、在分类结果为趋势类型的情况下，对目标数据进行数据预测，获取未来时间段的预测数据；
21、根据目标数据、未来时间段的预测数据和目标图表类型，生成初始数据图表；
22、根据目标数据中各项数据对应的时间点，将目标数据分为第一数据和第二数据；第一数据对应的时间点在第二数据对应的时间点之前；
23、对第一数据进行数据预测，获取历史预测数据；
24、根据历史预测数据和第二数据的误差，生成预测误差信息。
25、在其中一个实施例中，该方法还包括：
26、获取图表调整信息；图表调整信息包括数据源信息、图表类型信息和预测信息中的一种或多种；
27、根据图表调整信息，对初始数据图表进行调整，获取目标数据图表。
28、第二方面，本申请还提供了一种数据处理装置，包括：
29、分类模块，用于通过已训练的卷积神经网络模型对目标用户的数据查询请求进行分类，以获取关于数据查询请求的图表类型的分类结果；图表类型包括构成类型、趋势类型、比较类型、分布类型和联系类型；
30、提取模块，用于根据预设词典对数据查询请求进行关键词提取，并根据同义词库对提取的关键字进行拓展，得到查询关键字；
31、第一获取模块，用于根据查询关键字，从数据表信息库中，获取目标数据表名和目标数据表名对应的数据采集标识；
32、第二获取模块，用于根据数据采集标识，获取目标数据表名对应的目标数据表；
33、生成模块，用于根据目标数据表和分类结果，生成初始数据图表。
34、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
35、通过已训练的卷积神经网络模型对目标用户的数据查询请求进行分类，以获取关于数据查询请求的图表类型的分类结果；图表类型包括构成类型、趋势类型、比较类型、分布类型和联系类型；
36、根据预设词典对数据查询请求进行关键词提取，并根据同义词库对提取的关键字进行拓展，得到查询关键字；
37、根据查询关键字，从数据表信息库中，获取目标数据表名和目标数据表名对应的数据采集标识；
38、根据数据采集标识，获取目标数据表名对应的目标数据表；
39、根据目标数据表和分类结果，生成初始数据图表。
40、第四方面，本申请还提供了一种计算机可读存储介质，其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以下步骤：
41、通过已训练的卷积神经网络模型对目标用户的数据查询请求进行分类，以获取关于数据查询请求的图表类型的分类结果；图表类型包括构成类型、趋势类型、比较类型、分布类型和联系类型；
42、根据预设词典对数据查询请求进行关键词提取，并根据同义词库对提取的关键字进行拓展，得到查询关键字；
43、根据查询关键字，从数据表信息库中，获取目标数据表名和目标数据表名对应的数据采集标识；
44、根据数据采集标识，获取目标数据表名对应的目标数据表；
45、根据目标数据表和分类结果，生成初始数据图表。
46、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
47、通过已训练的卷积神经网络模型对目标用户的数据查询请求进行分类，以获取关于数据查询请求的图表类型的分类结果；图表类型包括构成类型、趋势类型、比较类型、分布类型和联系类型；
48、根据预设词典对数据查询请求进行关键词提取，并根据同义词库对提取的关键字进行拓展，得到查询关键字；
49、根据查询关键字，从数据表信息库中，获取目标数据表名和目标数据表名对应的数据采集标识；
50、根据数据采集标识，获取目标数据表名对应的目标数据表；
51、根据目标数据表和分类结果，生成初始数据图表。
52、上述数据处理方法、装置、计算机设备、存储介质和计算机程序产品，首先通过已训练的卷积神经网络模型对目标用户的数据查询请求进行分类，以获取关于数据查本文档来自技高网...
【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述查询关键字，从数据表信息库中，获取目标数据表名，包括：
3.根据权利要求1所述的方法，其特征在于，所述数据采集标识包括数据池标识和系统标识；所述根据所述数据采集标识，获取所述目标数据表名对应的目标数据表，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据表和所述分类结果，生成初始数据图表，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
7.一种数据处理装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
>
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述查询关键字，从数据表信息库中，获取目标数据表名，包括：
3.根据权利要求1所述的方法，其特征在于，所述数据采集标识包括数据池标识和系统标识；所述根据所述数据采集标识，获取所述目标数据表名对应的目标数据表，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据表和所述分类结果，生成初始数据图表，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1-5...
【专利技术属性】
技术研发人员：丁斌，
申请(专利权)人：中国工商银行股份有限公司，
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。