[發明專利]基于機器學習的報表生成方法、裝置和計算機設備

在審

• 申請號: 201910002951.5
• 申請日: 2019-01-02
• 公開（公告）號: CN109800333A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 徐凱
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06Q10/04
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝

本申請揭示了一種基于機器學習的報表生成方法、裝置、計算機設備和存儲介質，所述方法包括：獲取當前用戶的特征信息；將所述特征信息輸入預設的基于機器學習的報表類型預測模型中運算，其中所述報表類型預測模型通過由用戶特征信息，以及與所述用戶特征信息對應的報表類型所組成的訓練數據訓練而成；輸出預測的所述當前用戶將使用的報表類型；根據所述將使用的報表類型，從數據庫中調取預設的初步報表；根據所述當前用戶輸入的信息，調整所述初步報表，從而獲得最終報表。從而準確生成用戶需要的報表，減少用戶調整報表的時間與精力。

技術領域

本申請涉及到計算機領域，特別是涉及到一種基于機器學習的報表生成方法、裝置、計算機設備和存儲介質。

背景技術

在不同行業中，經常需要不同種類的報表，即使在同一個行業中，也可能需要不同種類的報表。現有技術不能有效地預測用戶具體需要什么樣的報表，因此經常需要用戶手動調整報表類型、報表參數，從而需要繁瑣的人工操作，降低用戶的工作效率，用戶體驗必然極差。另外，現有技術的用戶需要人工調整報表，以獲得最終想要的報表，即沒有報表模板、或者沒有合適的報表模板，進而在需要新的報表的時候，不得不采用手動調整的方式，大幅度地調整報表。因此，現有技術的報表生成方案，不能避免用戶花費額外調整報表的時間與精力。

發明內容

本申請的主要目的為提供一種基于機器學習的報表生成方法、裝置、計算機設備和存儲介質，旨在利用模板準確生成用戶需要的報表，減少用戶調整報表的時間與精力。

為了實現上述發明目的，本申請提出一種基于機器學習的報表生成方法，包括以下步驟：

獲取當前用戶的特征信息，所述當前用戶的特征信息至少包括當前用戶的職業信息；

將所述特征信息輸入預設的基于機器學習的報表類型預測模型中運算，其中所述報表類型預測模型通過由用戶特征信息，以及與所述用戶特征信息對應的報表類型所組成的訓練數據訓練而成；

輸出預測的所述當前用戶將使用的報表類型；

根據所述將使用的報表類型，從數據庫中調取預設的初步報表，其中所述初步報表的類型與所述將使用的報表類型相同；

根據所述當前用戶輸入的信息，調整所述初步報表，從而獲得最終報表。

進一步地，所述根據所述將使用的報表類型，從數據庫中調取預設的初步報表，其中所述初步報表的類型與所述將使用的報表類型相同的步驟,包括：

根據所述將使用的報表類型，從預設的數據庫中調取預設的多個圖表模板與多個文字部分模板；

將所述當前用戶選擇的圖表模板與文字部分模板組合成為所述初步報表；

調取所述初步報表。

進一步地，所述根據所述當前用戶輸入的信息，調整所述初步報表，從而獲得最終報表的步驟,包括：

根據所述當前用戶輸入的圖表調整信息、圖表數據內容信息和文字部分調整信息，調整所述初步報表中的圖表和文字部分；

將所述當前用戶輸入的文字內容填入所述初步報表的文字部分，獲得最終報表。

進一步地，所述報表類型預測模型的獲取方法，包括：

獲取包括指定量的樣本數據的訓練集，其中，所述樣本數據包括用戶特征信息，以及與所述用戶特征信息對應的報表類型；

將所述訓練集的樣本數據輸入到神經網絡模型中進行訓練，其中，訓練的過程中采用隨機梯度下降法，利用反向傳導法則更新所述神經網絡模型各層的參數，得到初步訓練模型；

將所述初步訓練模型記為所述報表類型預測模型。

進一步地，所述將所述初步訓練模型記為所述報表類型預測模型的步驟，包括：