[發明專利]信息分析預測方法、裝置、計算機系統及可讀存儲介質

在審

• 申請號: 202010217721.3
• 申請日: 2020-03-25
• 公開（公告）號: CN111414699A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 白育龍;易玥杞;洪鈺;羅力力;孫海容;羅水權
• 申請（專利權）人: 平安資產管理有限責任公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/18;G06F111/10
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

本發明公開了信息分析預測方法、裝置、計算機系統及可讀存儲介質，包括：運算服務器接收客戶端發送的待測信息，并從預設的模型數據庫中獲取與待測信息匹配的預測模型作為目標模型；預處理服務器從運算服務器中獲取待測信息和目標模型，及從待測信息中提取與目標模型中指標數據匹配的數據，并將其設為線性數據；其中，指標數據是目標模型中目標函數的自變量所對應的數據，目標函數為線性回歸方程；運算服務器從預處理服務器中獲取線性數據，及通過目標模型計算線性數據獲得預測信息，并將預測信息發送客戶端。本發明避免了不區分線性關系和非線性關系而直接錄入預測模型的情況發生，保證了預測模型預測結果準確性和穩定性。

技術領域

本發明涉及計算機技術領域，尤其涉及一種信息分析預測方法、裝置、計算機系統及可讀存儲介質。

背景技術

預測模型是指以歷史數據為依據，基于數學語言或公式所描述的事物間的數量關系，對當前數據進行運算以預測該數據主體的性質或特征的計算機程序。

目前的預測模型的構建方法主要是采用預設的目標函數，再利用大數據對該預測模型進行訓練，以獲得目標模型；然而在現實情況中，不是所有的數據都是具有線性關系的，因此，如果將線性關系數據和非線性關系數據不加區分的錄入預測模型，以對其進行訓練并獲得目標模型，將導致其預測結果偏差較大，進而無法正常投入使用。

發明內容

本發明的目的是提供一種信息分析預測方法、裝置、計算機系統及可讀存儲介質，用于解決現有技術存在的不區分線性關系數據和非線性關系數據而直接錄入預測模型，以對其進行訓練并獲得目標模型，將導致構建的預測結果偏差較大，無法正常投入使用的問題。

為實現上述目的，本發明提供一種基于線性回歸的信息分析預測方法，包括：

運算服務器接收客戶端發送的待測信息，并從預設的模型數據庫中獲取與所述待測信息匹配的預測模型作為目標模型；

預處理服務器從所述運算服務器中獲取所述待測信息和目標模型，及從所述待測信息中提取與所述目標模型中指標數據匹配的數據，并將其設為線性數據；其中，所述指標數據是目標模型中目標函數的自變量所對應的數據，所述目標函數為線性回歸方程；

所述運算服務器從所述預處理服務器中獲取線性數據，及通過所述目標模型計算所述線性數據獲得預測信息，并將所述預測信息發送所述客戶端。

上述方案中，所述預測模型通過以下步驟獲得：

第一服務器從儲存有樣本報告的樣本數據庫中獲取樣本報告，及從所述樣本報告中提取評價數據并計算使所述樣本報告獲得指標數據，將所述樣本報告發送第二服務器；

所述第二服務器匯總樣本報告的目標數據和指標數據形成所述樣本報告的子指標集，并將所述樣本報告發送第三服務器；

所述第三服務器識別各樣本報告中子指標集的屬性，以匯總屬性一致的子指標集形成單一指標集，及對單一指標集的目標數據和指標數據進行單變量回歸運算以獲得統計校驗值，并將所述單一指標集及其統計校驗值發送第四服務器；其中，所述屬性是指子指標集中指標數據的數據名稱；

所述第四服務器根據統計校驗值判斷其單一指標集是否具有線性特征，并匯總具有線性特征的單一指標集形成校驗數據集，及對所述校驗數據集進行多變量線性回歸運算以獲得多變量參數，并根據所述多變量參數創建預測模型，將所述預測模型發送模型數據庫。

上述方案中，從所述樣本報告中提取評價數據并計算所述評價數據獲得指標數據的步驟，包括：

第一服務器的預處理模塊對所述評價數據進行預處理，以消除所述評價數據中的無效數據；

第一服務器的提取模塊具有評價因子，所述提取模塊根據所述評價因子提取各樣本報告中的評價數據；