【技术实现步骤摘要】
本申请涉及大数据，具体而言，涉及一种基于应用架构的大数据挖掘方法及系统。
技术介绍
1、随着互联网、物联网、移动互联网等技术的飞速发展，数据生成的速度和数量已经达到了前所未有的规模。这些来自不同终端和传感器的数据集合被统称为大数据，其包含的信息量巨大且具有极高的价值潜力。然而，由于大数据的体积庞大、种类多样且更新迅速，对这些数据进行有效的挖掘和分析成为了一项挑战。
2、云计算作为提供按需自助的计算资源服务，使得企业能够以更灵活、成本效益的方式处理数据。但云计算在处理实时性要求高的任务时存在延迟问题。边缘计算作为补充，通过在数据源附近进行计算处理，减少了数据传输时间，提升了响应速度，尤其在物联网设备中显示出其优势。
3、智能ai技术的进步，特别是深度学习的应用，极大地增强了从复杂数据中识别模式和洞察的能力。它为预测分析、自动化决策支持等提供了强有力的工具。同时，区块链技术的引入保证了数据的不可篡改性和透明度，增加了数据处理过程的信任度。
4、现目前，数字化产业几乎涉及上述的全部技术应用。然而在数字化产业的运行过程中，随着数据量的激增，如何从海量的边缘侧生产数据中高效准确地挖掘出对业务应用有价值的信息成为了一个技术挑战。现有的大数据处理技术需进一步优化以满足实时性和精准性的要求，同时也需要更智能的方法来减少决策过程中的误差，并提供定制化的供应链优化解决方案。
技术实现思路
1、为了改善上述问题，本申请提供了一种基于应用架构的大数据挖掘方法及系统。p>
2、第一方面，提供一种基于应用架构的大数据挖掘方法，应用于大数据挖掘系统，所述方法包括：
3、获得待挖掘边缘侧生产数据，并对所述待挖掘边缘侧生产数据进行预处理，得到数据更新描述向量和边缘侧生产预处理数据；
4、将所述待挖掘边缘侧生产数据拆解成多个边缘侧生产数据单元，并基于每一边缘侧生产数据单元的分布，对边缘侧生产预处理数据进行拆解，得到所述每一边缘侧生产数据单元对应的预处理数据单元；
5、基于所述数据更新描述向量和预处理数据单元，对所述边缘侧生产数据单元进行业务应用需求挖掘，得到每一边缘侧生产数据单元的业务应用需求挖掘报告；
6、确定所述预处理数据单元的决策支持贡献权重，并基于所述决策支持贡献权重，在所述边缘侧生产数据单元中抽取出最少一个目标边缘侧生产数据单元；
7、依据所述目标边缘侧生产数据单元的业务应用需求挖掘报告，确定所述待挖掘边缘侧生产数据的供应链优化决策观点。
8、可替换的，所述基于所述数据更新描述向量和预处理数据单元，对所述边缘侧生产数据单元进行业务应用需求挖掘，得到每一边缘侧生产数据单元的业务应用需求挖掘报告，包括：
9、将所述每一边缘侧生产数据单元与对应的预处理数据单元进行基于saas层的联合挖掘，以得到所述待挖掘边缘侧生产数据的初始业务应用需求向量；
10、将所述初始业务应用需求向量与所述数据更新描述向量进行向量集成，以得到所述每一边缘侧生产数据单元的目标业务应用需求向量；
11、依据所述目标业务应用需求向量，确定所述边缘侧生产数据单元的业务应用需求挖掘报告。
12、可替换的，所述将所述初始业务应用需求向量与所述数据更新描述向量进行向量集成，以得到所述每一边缘侧生产数据单元的目标业务应用需求向量，包括：
13、将所述初始业务应用需求向量与所述数据更新描述向量进行聚合，得到所述待挖掘边缘侧生产数据的当前业务应用需求向量；
14、在所述当前业务应用需求向量中提取出每一边缘侧生产数据单元的目标业务应用需求向量。
15、可替换的，所述确定所述预处理数据单元的决策支持贡献权重，包括：
16、获得所述预处理数据单元中每一数据字段的词向量特征变量；
17、确定所述预处理数据单元中词向量特征变量的特征值离散评价，得到所述预处理数据单元的业务关联评价值；
18、将所述业务关联评价值作为所述预处理数据单元的所述决策支持贡献权重。
19、可替换的，所述基于所述决策支持贡献权重，在所述边缘侧生产数据单元中抽取出最少一个目标边缘侧生产数据单元，包括：
20、基于每一所述预处理数据单元的所述决策支持贡献权重，对所述预处理数据单元进行顺序整理，并根据顺序整理结果，在所述预处理数据单元中抽取出最少一个目标预处理数据单元；
21、在所述边缘侧生产数据单元中抽取出所述目标预处理数据单元对应的边缘侧生产数据单元，得到最少一个目标边缘侧生产数据单元。
22、可替换的，所述依据所述目标边缘侧生产数据单元的业务应用需求挖掘报告，确定所述待挖掘边缘侧生产数据的供应链优化决策观点，包括：
23、在所述业务应用需求挖掘报告中抽取出目标边缘侧生产数据单元的业务应用需求挖掘报告，得到目标业务应用需求挖掘报告；
24、确定出所述目标边缘侧生产数据单元的边缘侧生产数据单元个数，并基于所述目标业务应用需求挖掘报告，统计具有需求事项的目标边缘侧生产数据单元的个数，得到需求事项个数；
25、依据所述需求事项个数和边缘侧生产数据单元个数，确定所述待挖掘边缘侧生产数据的供应链优化决策观点。
26、可替换的，所述依据所述需求事项个数和边缘侧生产数据单元个数，确定所述待挖掘边缘侧生产数据的供应链优化决策观点，包括：
27、依据所述边缘侧生产数据单元个数，确定所述需求事项个数对应的需求事项个数门限；
28、当所述需求事项个数大于所述需求事项个数门限时，确定所述待挖掘边缘侧生产数据的供应链优化决策观点为供应链流程升级；
29、当所述需求事项个数不大于所述需求事项个数门限时，确定所述待挖掘边缘侧生产数据的供应链优化决策观点为供应链风控部署。
30、可替换的，所述对所述待挖掘边缘侧生产数据进行预处理，得到数据更新描述向量和边缘侧生产预处理数据，包括：
31、采用深度学习网络对所述待挖掘边缘侧生产数据进行知识向量挖掘，得到边缘侧生产数据知识向量；
32、在所述边缘侧生产数据知识向量中提取出数据更新描述向量，并基于所述数据更新描述向量，对所述边缘侧生产数据知识向量进行预处理，得到预处理数据知识向量；
33、依据所述预处理数据知识向量，生成所述待挖掘边缘侧生产数据对应的边缘侧生产预处理数据。
34、可替换的，所述基于所述数据更新描述向量，对所述边缘侧生产数据知识向量进行预处理，得到预处理数据知识向量，包括：
35、对所述边缘侧生产数据知识向量进行向量编码，得到目标边缘侧生产数据知识向量；
36、基于数据更新描述向量在所述目标边缘侧生产数据知识向量中清洗掉业务应用需求向量，得到初始预处理数据知识向量，并将所述初始预处理数据知识向量作为所述目标边缘侧生产数据知识向量；
37、跳转至本文档来自技高网...
【技术保护点】
1.一种基于应用架构的大数据挖掘方法，其特征在于，应用于大数据挖掘系统，所述方法包括：
2.如权利要求1所述的基于应用架构的大数据挖掘方法，其特征在于，所述基于所述数据更新描述向量和预处理数据单元，对所述边缘侧生产数据单元进行业务应用需求挖掘，得到每一边缘侧生产数据单元的业务应用需求挖掘报告，包括：
3.如权利要求1所述的基于应用架构的大数据挖掘方法，其特征在于，所述确定所述预处理数据单元的决策支持贡献权重，包括：
4.如权利要求1所述的基于应用架构的大数据挖掘方法，其特征在于，所述基于所述决策支持贡献权重，在所述边缘侧生产数据单元中抽取出最少一个目标边缘侧生产数据单元，包括：
5.如权利要求1所述的基于应用架构的大数据挖掘方法，其特征在于，所述依据所述目标边缘侧生产数据单元的业务应用需求挖掘报告，确定所述待挖掘边缘侧生产数据的供应链优化决策观点，包括：
6.如权利要求1所述的基于应用架构的大数据挖掘方法，其特征在于，所述对所述待挖掘边缘侧生产数据进行预处理，得到数据更新描述向量和边缘侧生产预处理数据，包括：
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。