[發(fā)明專利]基于人工智能的智能業(yè)務(wù)決策方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110236424.8
• 申請(qǐng)日: 2021-03-03
• 公開（公告）號(hào): CN113159326A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 馬萬里;安毅;禹寧;段敬;王云杰;萬雪楓;劉海濤;姚思蓓;王艷花;段婕;顧瑋;田書鵬;蘭璐;任曉剛
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)山西省電力公司信息通信分公司;山西聯(lián)拓科技有限公司
• 主分類號(hào): G06N20/00
• 分類號(hào): G06N20/00;G06F16/36;G06F16/215;G06F16/28;G06F16/31;G06F16/35
• 代理公司: 北京北匯律師事務(wù)所 11711
• 代理人: 高元吉

1.一種基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，包括：

基于獲取的數(shù)據(jù)構(gòu)建數(shù)據(jù)層；

基于所述數(shù)據(jù)層得到知識(shí)圖譜，從而構(gòu)建認(rèn)知層；

對(duì)所述知識(shí)圖譜進(jìn)行數(shù)據(jù)分析，基于分析結(jié)果構(gòu)建智能決策引擎，從而構(gòu)建分析層；

基于所述智能決策引擎構(gòu)建對(duì)具體問題的智能分析決策。

2.根據(jù)權(quán)利要求1所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述基于所述智能決策引擎構(gòu)建對(duì)具體問題的智能分析決策，包括：

利用人工智能技術(shù)對(duì)具體問題進(jìn)行分析，所述人工智能技術(shù)，包括自然語言處理以及因果分析。

3.根據(jù)權(quán)利要求1所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述基于獲取的數(shù)據(jù)構(gòu)建數(shù)據(jù)層，包括：

對(duì)獲取的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗；

將清洗后的數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換，從而將不同格式的數(shù)據(jù)轉(zhuǎn)換為同一格式；

獲取的數(shù)據(jù)包括結(jié)構(gòu)數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，所述結(jié)構(gòu)化數(shù)據(jù)使用使用關(guān)系型數(shù)據(jù)庫mySql存儲(chǔ)，所述非結(jié)構(gòu)化數(shù)據(jù)使用HDFS分布式文件系統(tǒng)存儲(chǔ)。

4.根據(jù)權(quán)利要求1所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述基于所述數(shù)據(jù)層得到知識(shí)圖譜，從而構(gòu)建認(rèn)知層，包括：

知識(shí)抽取、知識(shí)融合和數(shù)據(jù)模型構(gòu)建；

所述知識(shí)抽取為將獲取的數(shù)據(jù)轉(zhuǎn)換為三元組的形式；

所述知識(shí)融合為基于抽取的三元組形式數(shù)據(jù)進(jìn)行不同知識(shí)庫中數(shù)據(jù)融合；

所述數(shù)據(jù)模型構(gòu)建為將融合后的數(shù)據(jù)按照數(shù)據(jù)之間的關(guān)系，填充至構(gòu)建的數(shù)據(jù)模型中，得到知識(shí)圖譜。

5.根據(jù)權(quán)利要求4所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述將獲取的數(shù)據(jù)轉(zhuǎn)換為三元組的形式，包括：

將結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為RDF數(shù)據(jù)；

將半結(jié)構(gòu)化數(shù)據(jù)使用包裝器轉(zhuǎn)換為對(duì)應(yīng)的結(jié)構(gòu)化數(shù)據(jù)，然后再將得到的結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為RDF數(shù)據(jù)；

將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，然后再將得到的結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為RDF數(shù)據(jù)，將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)的技術(shù)，包括語音識(shí)別、文本處理、自然語言處理中的一個(gè)或多個(gè)。

6.根據(jù)權(quán)利要求1所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述對(duì)所述知識(shí)圖譜進(jìn)行數(shù)據(jù)分析，基于分析結(jié)果構(gòu)建智能決策引擎，從而構(gòu)建分析層，包括：

通過知識(shí)圖譜挖掘數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，構(gòu)建基于關(guān)聯(lián)分析的智能決策模型。

7.根據(jù)權(quán)利要求6所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述挖掘數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，包括：

基于K-Means算法進(jìn)行數(shù)據(jù)聚類，得到聚類結(jié)果；

根據(jù)聚類結(jié)果，獲得數(shù)據(jù)樣本關(guān)聯(lián)規(guī)則。

8.根據(jù)權(quán)利要求7所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述基于K-Means算法進(jìn)行數(shù)據(jù)聚類，得到聚類結(jié)果，包括：

選擇K個(gè)點(diǎn)作為數(shù)據(jù)的初始簇心；

類別劃分步驟：計(jì)算數(shù)據(jù)樣本到初始簇心的歐式距離，將該數(shù)據(jù)樣本劃分到距離最近的簇心對(duì)應(yīng)的類別中；

簇心計(jì)算步驟：根據(jù)數(shù)據(jù)樣本類別劃分結(jié)果，重新計(jì)算數(shù)據(jù)的簇心；

重復(fù)類別劃分步驟和簇心計(jì)算步驟直到簇心變化小于閾值，得到數(shù)據(jù)樣本的分類結(jié)果。

9.根據(jù)權(quán)利要求7所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述根據(jù)聚類結(jié)果，獲得數(shù)據(jù)樣本關(guān)聯(lián)規(guī)則中，關(guān)聯(lián)規(guī)則的確定需要滿足最小置信度和最小支持度兩個(gè)閾值；

最小置信度：表示關(guān)聯(lián)規(guī)則的最低可靠度；

最小支持度：表示關(guān)聯(lián)規(guī)則在統(tǒng)計(jì)意義上需滿足的最低程度。

10.根據(jù)權(quán)利要求1所述的基于人工智能的智能業(yè)務(wù)決策方法，其特征在于，所述基于所述智能決策引擎構(gòu)建對(duì)具體問題的智能分析決策，包括：

在具問題中提取關(guān)鍵字，基于所述關(guān)鍵字在智能決策引擎中進(jìn)行匹配，根據(jù)匹配結(jié)果，得到具體問題的解決方案。