[發(fā)明專利]數(shù)據(jù)分析服務(wù)流程模型推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811510295.1
• 申請(qǐng)日: 2018-12-11
• 公開(kāi)（公告）號(hào): CN109783633B
• 公開(kāi)（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 王偉;曹健
• 申請(qǐng)（專利權(quán)）人: 江陰逐日信息科技有限公司
• 主分類號(hào): G06F16/335
• 分類號(hào): G06F16/335;G06F16/35;G06F40/216;G06F40/289;G06F40/30;G06F18/22;G06F18/2411
• 代理公司: 上海正策律師事務(wù)所 31271
• 代理人: 吳磊

本發(fā)明一種數(shù)據(jù)分析服務(wù)流程模型推薦方法，其特征在于，其包括：從OpenML下載數(shù)據(jù)集、模型及模型運(yùn)行信息，其中數(shù)據(jù)集中可用于模型推薦的信息有數(shù)據(jù)集的數(shù)據(jù)信息和數(shù)據(jù)集的文本描述信息；對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理；提取預(yù)處理后的數(shù)據(jù)集的數(shù)據(jù)特征；基于預(yù)處理后的數(shù)據(jù)集的文本描述信息提取數(shù)據(jù)集文本描述特征；利用預(yù)處理后的數(shù)據(jù)集的數(shù)據(jù)特征和文本描述特征構(gòu)建SVM模型類型分類器，得到模型類型；利用協(xié)同過(guò)濾算法計(jì)算預(yù)處理后的數(shù)據(jù)集的數(shù)據(jù)特征和文本描述特征的相似性，根據(jù)相似性和模型類型推薦模型。本發(fā)明數(shù)據(jù)分析服務(wù)流程模型其擁有豐富的數(shù)據(jù)集信息，通過(guò)數(shù)據(jù)集信息的特征比較挖掘，往往能使得模型推薦擁有更好的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)分析服務(wù)技術(shù)領(lǐng)域，特別是涉及一種數(shù)據(jù)分析服務(wù)流程模型推薦方法。

背景技術(shù)

工作流(服務(wù)流程)模型推薦，現(xiàn)有主要分為傳統(tǒng)的業(yè)務(wù)工作流模型推薦和隨著數(shù)據(jù)挖掘、大數(shù)據(jù)興起的數(shù)據(jù)分析工作流模型推薦。

對(duì)于傳統(tǒng)的業(yè)務(wù)工作流模型推薦，各種研究已較為完善，算法已較為成熟。目前主流的算法主要分為：分類(Classification)、概率圖模型(Probabilistic GraphicalModels)。其中分類又主要分為：聚類(Clustering methods)、決策樹(shù)(Decision trees)。概率圖模型又分為貝葉斯網(wǎng)絡(luò)(Bayesian networks)、馬爾科夫鏈(Markov Chains)。它們都能較好的進(jìn)行業(yè)務(wù)工作流模型的推薦。

而對(duì)于數(shù)據(jù)分析工作流模型推薦，一開(kāi)始研究者們紛紛借鑒了業(yè)務(wù)工作流模型推薦的方法。在用戶設(shè)計(jì)模型時(shí)，對(duì)模型進(jìn)行解析，與數(shù)據(jù)庫(kù)中模型進(jìn)行比較，為用戶推薦模型下一步構(gòu)建步驟。常見(jiàn)的方法有：上下文感知的KNN方法(A Context-Aware kNNMethod)、上下文感知共現(xiàn)方法(A Context-Aware Co-Occurrence Method)、基于鏈接的方法(A Linked-Based Method)、基于鏈的方法(A Chain-Based Method)等等。

以上方法將傳統(tǒng)的模型推薦算法結(jié)合上下文信息，應(yīng)用于數(shù)據(jù)服務(wù)流程模型推薦上，確實(shí)提高了推薦的準(zhǔn)確率，但其同時(shí)也存在一些問(wèn)題：只考慮了模型的信息，但是數(shù)據(jù)分析工作流與傳統(tǒng)的業(yè)務(wù)工作流不同，還需要考慮數(shù)據(jù)的特征。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題和不足，提供一種新型的數(shù)據(jù)分析服務(wù)流程模型推薦方法。

本發(fā)明是通過(guò)下述技術(shù)方案來(lái)解決上述技術(shù)問(wèn)題的：

本發(fā)明提供一種數(shù)據(jù)分析服務(wù)流程模型推薦方法，其特點(diǎn)在于，其包括以下步驟：

S1、從OpenML下載數(shù)據(jù)集、模型及模型運(yùn)行信息，其中數(shù)據(jù)集中可用于模型推薦的信息有數(shù)據(jù)集的數(shù)據(jù)信息和數(shù)據(jù)集的文本描述信息；

S2、對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理；

S3、提取預(yù)處理后的數(shù)據(jù)集的數(shù)據(jù)特征；

S4、基于預(yù)處理后的數(shù)據(jù)集的文本描述信息提取數(shù)據(jù)集文本描述特征；

S5、利用預(yù)處理后的數(shù)據(jù)集的數(shù)據(jù)特征和文本描述特征構(gòu)建SVM模型類型分類器，得到模型類型；

S6、利用協(xié)同過(guò)濾算法計(jì)算預(yù)處理后的數(shù)據(jù)集的數(shù)據(jù)特征和文本描述特征的相似性，根據(jù)相似性和模型類型推薦模型。

較佳地，步驟S2包括：

S21、過(guò)濾數(shù)據(jù)集信息，對(duì)于數(shù)據(jù)集在模型中運(yùn)行次數(shù)少于100次的數(shù)據(jù)集進(jìn)行排除；

S22、標(biāo)注各個(gè)數(shù)據(jù)集上的最佳模型，最佳模型主要有兩方面影響因子：數(shù)據(jù)集在模型中運(yùn)行得到的準(zhǔn)確率accuracy和模型被用戶運(yùn)行次數(shù)runTime，根據(jù)如下公式進(jìn)行歸一化處理，并得到評(píng)分最高的最佳模型scor：