企业数据深度挖掘的智能分析方法、系统、装置及介质与流程

本发明涉及企业数据智能分析的，特别涉及一种企业数据深度挖掘的智能分析方法、系统、装置及介质。

背景技术：

1、在当今数字化时代，企业面临着大量的数据积累和存储，这些数据蕴含着丰富的信息和潜在的商业价值。因此，开发一种高效的企业数据深度挖掘智能分析方法具有重要意义，然而，传统的企业数据分析方法难以直接进行分析和利用非结构化的企业数据，其次，对企业数据中可能存在复杂的语义和情感信息难以进行准确分析。

技术实现思路

1、本发明的主要目的为提供一种企业数据深度挖掘的智能分析方法、系统、装置及介质，能够直接进行分析和利用非结构化的企业数据，并对企业数据存在复杂的语义和情感信息进行准确分析。

2、为实现上述目的，本发明提供一种企业数据深度挖掘的智能分析方法，其特征在于，包括：

3、对获取到的企业数据进行结构化分离并进行数据处理，得到文本数据和结构序列数据；

4、分析所述文本数据的语义并进行情感倾向分析，得到主题数据；

5、对所述结构序列数据进行数据建模并进行异常识别，得到异常数据；

6、通过分析模型对所述主题数据和所述异常数据进行关联挖掘分析，得到关联数据，并对所述关联数据进行报告分析，得到参考报告和预期数据；

7、获取执行所述参考报告后的反馈数据并与所述预期数据进行验证，得到验证结果，依据所述验证结果优化所述分析模型的分析参数。

8、进一步地，所述对获取到的企业数据进行结构化分离并进行数据处理，得到文本数据和结构序列数据，包括：

9、将所述企业数据依据按照结构化和非结构化的特征进行分离，得到结构化数据和非结构化数据，对非结构化数据进行文本识别，得到原始文本，去除原始文本的非关键信息，基于预设的文本数据表对原始文本进行文本排序，得到所述文本数据；

10、将结构化数据填充到预设的结构序列中进行结构排序，得到所述结构序列数据。

11、进一步地，所述分析所述文本数据的语义并进行情感倾向分析，得到主题数据，包括：

12、将所述文本数据分割成对应的短语序列，在每个短语序列进行词性标注和语义角色标注，得到标注短语序列；

13、依据预设的情感词典提取标注短语序列的情感词，基于情感词计算情感词的单一情感强度，识别情感词在标注短语序列的上下文关系，并基于上下文关系进行倾向分析，得到情感词的单一情感倾向，对单一情感强度和单一情感倾向进行综合分析，得到标注短语序列的短语情感倾向；

14、对标注短语序列和短语情感倾向进行聚类分析，得到所述主题数据。

15、进一步地，所述对所述结构序列数据进行数据建模并进行异常识别，得到异常数据，包括：

16、对所述结构序列数据进行特征数据读取，得到设备特征数据、日志特征数据和网络特征数据，基于所述结构序列数据从历史数据库中获取对应的历史结构序列数据，将历史结构序列数据输入到预设的训练模型中进行条件训练，得到识别模型，依据识别模型依次对设备特征数据、日志特征数据和网络特征数据进行异常识别，得到设备异常数据、日志异常数据和网络异常数据，将设备异常数据、日志异常数据和网络异常数据进行整合，得到所述异常数据。

17、进一步地，所述通过分析模型对所述主题数据和所述异常数据进行关联挖掘分析，得到关联数据，并对所述关联数据进行报告分析，得到参考报告和预期数据，包括：

18、通过所述分析模型对所述主题数据和所述异常数据进行时间序列分析，得到主题时间序列和异常时间序列，将主题时间序列和异常时间序列进行时间绑定关联，得到关联映射关系，基于关联映射关系将所述主题数据和所述异常数据进行关联映射，得到映射数据，依据预设的挖掘规则对映射数据进行挖掘分析，得到在同一时间下所述异常数据与所述主题数据的关联事件信息，计算关联事件信息的事件置信度，并判断事件置信度是否符合预设的目标置信度要求，当事件置信度不符合预设的目标置信度要求时，将对应的关联映射关系、关联事件信息和事件置信度整合为对应的所述关联数据；

19、依据所述关联数据进行初始决策匹配，对初始决策进行模拟计算，得到模拟偏差，依据模拟偏差对初始决策进行优化调整，得到参考决策，对参考决策进行预期分析，得到所述预期数据，将参考决策和所述关联数据进行整合，得到所述参考报告。

20、进一步地，所述获取执行所述参考报告后的反馈数据并与所述预期数据进行验证，得到验证结果，依据所述验证结果优化所述分析模型的分析参数，包括：

21、依据预设的数据安全要求对获取到的所述反馈数据进行数据安全验证，当所述反馈数据符合预设的数据安全要求时，对所述反馈数据进行效果分析，得到反馈效果信息；

22、依据所述预期数据对反馈效果信息进行偏差分析，得到反馈偏差数据，判断反馈偏差数据是否符合预设的偏差阈值范围，当反馈偏差数据不符合偏差阈值范围时，输出模型需要调整的验证信息，将验证信息和反馈偏差数据进行整合，得到所述验证结果，并依据所述验证结果优化所述分析模型的分析参数。

23、本发明还提供一种企业数据深度挖掘的智能分析系统，应用于上述任意一项所述的企业数据深度挖掘的智能分析方法，其特征在于，包括：

24、获取模块，所述获取模块用于对获取到的企业数据进行结构化分离并进行数据处理，得到文本数据和结构序列数据；

25、分析模块，所述分析模块用于分析所述文本数据的语义并进行情感倾向分析，得到主题数据；

26、识别模块，所述识别模块用于对所述结构序列数据进行数据建模并进行异常识别，得到异常数据；

27、处理模块，所述处理模块用于对所述主题数据和所述异常数据进行关联挖掘分析，得到关联数据，并对所述关联数据进行报告分析，得到参考报告和预期数据；

28、控制模块，所述控制模块用于获取执行所述参考报告后的反馈数据并与所述预期数据进行验证，得到验证结果，依据所述验证结果优化所述分析模型的分析参数。

29、本发明还提供一种企业数据深度挖掘的智能分析装置，包括：

30、存储器，用于存储程序；

31、处理器，用于执行所述程序，实现上述任意一项所述的一种企业数据深度挖掘的智能分析方法的各个步骤。

32、本发明还提供一种存储介质，存储有计算机指令，所述计算机指令用于使计算机执行上述任一项所述的方法。

33、本发明提供的，具有以下有益效果：

34、通过对获取到的企业数据进行结构化分离和处理，能将结构化和非结构化的原始转化为可分析的形式，提高数据的可用性和可操作性。通过对文本数据进行语义分析和情感倾向分析，能深入挖掘其中的含义和情感色彩，从而获得对企业主题的重要洞察。对结构序列数据进行数据建模和异常识别，能发现异常情况和潜在问题，提前预警并采取相应措施，从而降低风险和损失。通过分析模型对主题数据和异常数据进行关联挖掘分析，能揭示不同数据之间的关系和相互作用，帮助企业理解数据之间的联系，并发现新的商业机会和趋势。通过对关联数据进行报告分析，能生成参考报告和预期数据，为企业决策提供有价值的参考和预测，提高决策的准确性和效果。

技术特征：

1.一种企业数据深度挖掘的智能分析方法，其特征在于，包括：

2.根据权利要求1所述的企业数据深度挖掘的智能分析方法，其特征在于，所述对获取到的企业数据进行结构化分离并进行数据处理，得到文本数据和结构序列数据，包括：

3.根据权利要求1所述的企业数据深度挖掘的智能分析方法，其特征在于，所述分析所述文本数据的语义并进行情感倾向分析，得到主题数据，包括：

4.根据权利要求1所述的企业数据深度挖掘的智能分析方法，其特征在于，所述对所述结构序列数据进行数据建模并进行异常识别，得到异常数据，包括：

5.根据权利要求1所述的企业数据深度挖掘的智能分析方法，其特征在于，所述通过分析模型对所述主题数据和所述异常数据进行关联挖掘分析，得到关联数据，并对所述关联数据进行报告分析，得到参考报告和预期数据，包括：

6.根据权利要求1所述的企业数据深度挖掘的智能分析方法，其特征在于，所述获取执行所述参考报告后的反馈数据并与所述预期数据进行验证，得到验证结果，依据所述验证结果优化所述分析模型的分析参数，包括：

7.一种企业数据深度挖掘的智能分析系统，应用于权利要求1-6任意一项所述的企业数据深度挖掘的智能分析方法，其特征在于，包括：

8.一种企业数据深度挖掘的智能分析装置，其特征在于，包括：

9.一种存储介质，其特征在于，存储有计算机指令，所述计算机指令用于使计算机执行根据权利要求1至6任一项所述的方法。

技术总结
本发明涉及企业数据深度挖掘的智能分析方法、系统、装置及介质，方法包括：对获取到的企业数据进行结构化分离并进行数据处理，得到文本数据和结构序列数据；分析所述文本数据的语义并进行情感倾向分析，得到主题数据；对所述结构序列数据进行数据建模并进行异常识别，得到异常数据；通过分析模型对所述主题数据和所述异常数据进行关联挖掘分析，得到关联数据，并对所述关联数据进行报告分析，得到参考报告和预期数据；获取执行所述参考报告后的反馈数据并与所述预期数据进行验证，得到验证结果，依据所述验证结果优化所述分析模型的分析参数。本发明能够直接进行分析和利用非结构化的企业数据，对企业数据存在复杂的语义和情感信息进行准确分析。

技术研发人员：梁颖
受保护的技术使用者：珠海大横琴孵化器管理有限公司
技术研发日：
技术公布日：2024/9/23