System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据分析领域,且更为具体地,涉及一种基于多方数据源的公共数据平台及其数据分析方法。
技术介绍
1、随着信息技术的发展和互联网的普及,数据成为了各个领域中不可或缺的资源。公共数据平台是一个提供数据整合、共享和分析的平台,旨在满足不同用户的数据需求,并促进数据的开放和共享。
2、然而,传统的公共数据平台往往只能整合和管理特定领域或组织内部的数据,无法提供多方数据源的广泛覆盖,导致数据孤岛的问题。这意味着不同组织和部门的数据无法有效地集成和共享,限制了数据的全面性和可用性。当基金公司在了解客户需求、偏好和行为特征时,无法获得全面和准确的数据支持。
3、因此,期望一种基于多方数据源的公共数据平台的数据分析方案。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于多方数据源的公共数据平台及其数据分析方法,其通过获取由政府公共平台提供的针对于被分析客户的用户数据,并在后端引入数据处理和语义分析算法来进行用户数据的语义分析和理解,从而通过分析政府公共平台提供的客户数据,可以了解客户的养老需求、收入水平、风险承受能力等个体特征。基于这些信息,可以为每个客户推荐适合其需求和目标的个人养老金账户,实现个性化的服务和建议。
2、根据本申请的一个方面,提供了一种基于多方数据源的公共数据平台的数据分析方法,其包括:
3、获取由政府公共平台提供的针对于被分析客户的用户数据;
4、对所述用户数据进行语义理解以得
5、对所述用户信息描述词上下文语义特征向量的序列中的各个用户信息描述词上下文语义特征向量进行基于词粒度的语义一致性关联分析以得到词粒度语义一致性拓扑特征矩阵;
6、对所述用户信息描述词上下文语义特征向量的序列和所述词粒度语义一致性拓扑特征矩阵进行进行基于图结构的关联编码以得到用户信息全局语义拓扑关联特征;以及
7、基于所述用户信息全局语义拓扑关联特征,确定是否向客户推荐个人养老金账户。
8、根据本申请的另一个方面,提供了一种基于多方数据源的公共数据平台,其包括:
9、数据获取模块,用于获取由政府公共平台提供的针对于被分析客户的用户数据;
10、语义理解模块,用于对所述用户数据进行语义理解以得到用户信息描述词上下文语义特征向量的序列;
11、语义一致性关联分析模块,用于对所述用户信息描述词上下文语义特征向量的序列中的各个用户信息描述词上下文语义特征向量进行基于词粒度的语义一致性关联分析以得到词粒度语义一致性拓扑特征矩阵;
12、关联编码模块,用于对所述用户信息描述词上下文语义特征向量的序列和所述词粒度语义一致性拓扑特征矩阵进行进行基于图结构的关联编码以得到用户信息全局语义拓扑关联特征;以及
13、结果生成模块,用于基于所述用户信息全局语义拓扑关联特征,确定是否向客户推荐个人养老金账户。
14、与现有技术相比,本申请提供的一种基于多方数据源的公共数据平台及其数据分析方法,其通过获取由政府公共平台提供的针对于被分析客户的用户数据,并在后端引入数据处理和语义分析算法来进行用户数据的语义分析和理解,从而通过分析政府公共平台提供的客户数据,可以了解客户的养老需求、收入水平、风险承受能力等个体特征。基于这些信息,可以为每个客户推荐适合其需求和目标的个人养老金账户,实现个性化的服务和建议。
本文档来自技高网...【技术保护点】
1.一种基于多方数据源的公共数据平台的数据分析方法,其特征在于,包括:
2.根据权利要求1所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,对所述用户数据进行语义理解以得到用户信息描述词上下文语义特征向量的序列,包括:
3.根据权利要求2所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,对所述用户信息描述词上下文语义特征向量的序列中的各个用户信息描述词上下文语义特征向量进行基于词粒度的语义一致性关联分析以得到词粒度语义一致性拓扑特征矩阵,包括:
4.根据权利要求3所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,对所述用户信息描述词上下文语义特征向量的序列和所述词粒度语义一致性拓扑特征矩阵进行进行基于图结构的关联编码以得到用户信息全局语义拓扑关联特征,包括:将所述用户信息描述词上下文语义特征向量的序列和所述词粒度语义一致性拓扑特征矩阵通过图神经网络模型以得到语义拓扑用户信息全局语义特征矩阵作为所述用户信息全局语义拓扑关联特征。
5.根据权利要求4所述的基于多方数据源的公共数据平台的数据分析方法,其
6.根据权利要求5所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,还包括训练步骤:用于对所述包含词嵌入层的上下文编码器、所述基于卷积神经网络模型的语义一致性拓扑特征提取器、所述图神经网络模型和所述分类器进行训练。
7.根据权利要求6所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,所述训练步骤,包括:
8.根据权利要求7所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,对所述训练语义拓扑用户信息全局语义特征矩阵展开后得到的训练语义拓扑用户信息全局语义特征向量进行训练优化以得到优化训练语义拓扑用户信息全局语义特征向量,包括:以如下公式对所述训练语义拓扑用户信息全局语义特征向量进行训练优化以得到所述优化训练语义拓扑用户信息全局语义特征向量;
9.一种基于多方数据源的公共数据平台,其特征在于,包括:
...【技术特征摘要】
1.一种基于多方数据源的公共数据平台的数据分析方法,其特征在于,包括:
2.根据权利要求1所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,对所述用户数据进行语义理解以得到用户信息描述词上下文语义特征向量的序列,包括:
3.根据权利要求2所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,对所述用户信息描述词上下文语义特征向量的序列中的各个用户信息描述词上下文语义特征向量进行基于词粒度的语义一致性关联分析以得到词粒度语义一致性拓扑特征矩阵,包括:
4.根据权利要求3所述的基于多方数据源的公共数据平台的数据分析方法,其特征在于,对所述用户信息描述词上下文语义特征向量的序列和所述词粒度语义一致性拓扑特征矩阵进行进行基于图结构的关联编码以得到用户信息全局语义拓扑关联特征,包括:将所述用户信息描述词上下文语义特征向量的序列和所述词粒度语义一致性拓扑特征矩阵通过图神经网络模型以得到语义拓扑用户信息全局语义特征矩阵作为所述用户信息全局语义拓扑关联特征。
5.根据权利要求4所述的基于多方数据源的公共数据平台的数据分析方法,其...
【专利技术属性】
技术研发人员:梁荣达,
申请(专利权)人:广州市启点创意科技有限公司,
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。