(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211178995.1 (22)申请日 2022.09.27 (71)申请人 陈浩川 地址 563000 贵州省遵义市红花岗区奥体 路25号 (72)发明人 陈浩川　杨俊贤　 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/04(2006.01) G06N 5/02(2006.01) (54)发明名称 数据分析决策方法、 系统及大 数据资源中心 (57)摘要 本发明实施例提供的数据分析决策方法、 系 统及大数据资源中心， 采用决策偏心系数信息来 评价不同描述层面的事项需求决策向量的需求 决策贡献值， 比如， 对于需求决策贡献值较低的 事项需求决策向量可以确定相对较低的决策偏 心系数， 相反地， 对于需求决策贡献值较高的事 项需求决策向量可以确定相对较高的决策偏心 系数， 经过决策偏心系数融合的事项需求决策向 量可以尽可能精准可信地反映数据资源需求信 息， 这样能够合理、 准确地进行数据资源需求的 决策分析， 提高资源需求识别报告在资源分配决 策过程中的参考可信度， 从而提高有限的目标业 务资源大 数据的最大化利用。 权利要求书3页 说明书11页 附图1页 CN 115471108 A 2022.12.13 CN 115471108 A 1.一种数据分析决策 方法， 其特 征在于， 应用于大 数据资源中心， 所述方法包括： 响应于接收到的所述数据分析指令， 采集目标业 务资源大 数据； 采用完成调试的专家决策系统模型对所述目标业务资源大数据进行资源事项要素知 识挖掘， 获得若干个描述层面的事项需求决策向量以及 对应各个描述层面的决策偏心系数 信息； 结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系 数信息， 获得针对所述目标业 务资源大 数据的资源需求识别报告。 2.根据权利要求1所述的方法， 其特征在于， 所述结合所述若干个描述层面的事项需求 决策向量以及 对应各个描述层面的决策偏心系数信息， 获得针对所述目标业务资源大数据 的资源需求识别报告， 包括： 结合所述若干个描述层面的事项需求决策向量进行第 一关注维度调 整， 获得描述层面 数小于未精简的描述层面数的第一关注维度调整后的事项需求决策向量； 结合所述第 一关注维度调 整后的事项需求决策向量进行第 二关注维度调整， 获得描述 层面数等于未精简的描述层面数的第二关注维度调整后的事项需求决策向量； 结合所述第二关注维度调整后的事项需求决策向量以及对应各个描述层面的决策偏 心系数信息， 确定关于所述目标业 务资源大 数据的资源需求识别报告。 3.根据权利要求2所述的方法， 其特征在于， 所述专家决策系统模型包含用于处理资源 需求识别环节的需求决策子模型； 所述结合所述若干个描述层面的事项需求决策向量以及 对应各个描述层面的决策偏心系数信息， 获得针对所述目标业务资源大数据的资源需求识 别报告， 包括： 结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系 数信息之间的设定运 算结果， 确定 完成设定运 算的事项需求决策向量； 将所述完成设定运算的事项需求决策向量加载至所述专家决策系统模型包含的需求 决策子模型， 获得 所述需求决策子模型生成的所述资源需求识别报告。 4.根据权利要求1所述的方法， 其特征在于， 依据以下方式调试所述专家决策系统模 型： 获取业务资源大数据示例以及针对所述业务资源大数据示例的资源需求识别参考， 其 中， 所述资源需求识别参考用于反映对应业务资源大数据示例中的资源项目是否匹配携带 业务需求类别的数据资源需求； 将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料， 将 针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调 试的专家决策系统 模型的模型生成数据的对照组， 对所述待进 行调试的专家决策系统模型进 行不少于一次模 型调试， 获得完成调试的专 家决策系统模型。 5.根据权利要求4所述的方法， 其特征在于， 所述专家决策系统模型包括要素知识挖掘 子模型、 偏心处理子模型、 以及需求决策子模型； 所述将所述业务资源大数据示例作为待进 行调试的专家决策系统模型的模型调试原料， 将 针对所述业务资源大数据示例的资源需求 识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组， 对所述待进 行调试的专 家决策系统模型进行不少于一次模型调试， 包括： 将所述业务资源大数据示例加载至所述专家决策系统模型包含的要素知识挖掘子模权　利　要　求　书 1/3 页 2 CN 115471108 A 2型， 获得所述要素知识挖掘 子模型生成的若干个描述层面的事项需求决策预测向量， 并将 所述要素知识挖掘子模型生成的若干个描述层面的事项需求决策预测向量加载至所述专 家决策系统模型包含的偏心处理子模型， 获得所述偏心处理子模型生成的对应各个描述层 面的决策偏心系数信息； 结合所述若干个描述层面的事项需求决策预测向量以及对应各个描述层面的决策偏 心系数信息之间的设定运 算结果， 获得完成设定运 算的事项需求决策 预测向量； 将所述完成设定运算的事项需求决策预测向量加载至所述专家决策系统模型包含的 需求决策子模型， 确定所述需求决策子模型的资源需求预测结果； 结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参考 对所述待 进行调试的专 家决策系统模型进行不少于一次模型调试； 其中， 所述专家决策系统模型包括输出不同显著性的若干个要素知识挖掘子模型、 以 及需求决策子模型； 所述将所述业务资源大数据示例作为待进行调试的专家决策系统模型 的模型调试原料， 将 针对所述业务资源大数据示例的资源需求识别参考作为所述待进 行调 试的专家决策系统模型的模型生成数据的对照组， 对所述待进行调试的专家决策系统模型 进行不少 于一次模型调 试， 包括： 将所述业务资源大数据示例加载至所述专家决策系统模 型包含的若干个要素知识挖掘子模型， 获得各个所述要素知识挖掘子模型生成的事项需求 决策预测向量； 从所述若干个要 素知识挖掘子模型中筛选生成的显著性满足设定显著性要 求的要素知识挖掘子模型； 将所述要 素知识挖掘子模型生成的事项需求决策预测向量加载 至所述专家决策系统模型包含的需求决策子模型， 获得所述需求决策子模 型的资源需求预 测结果； 结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参 考对所述待 进行调试的专 家决策系统模型进行不少于一次模型调试； 其中， 所述结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求 识别参考对所述待进行调试 的专家决策系统模型进行不少 于一次模型调试， 包括： 结合所 述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参考之间的相似 性， 确定所述待进行调 试的专家决策系统模型 的模型代价指标值； 借助所述模型代价指标 值对所述待 进行调试的专 家决策系统模型进行不少于一次模型调试。 6.根据权利要求1所述的方法， 其特征在于， 所述借助所述模型代价指标值对所述待进 行调试的专 家决策系统模型进行不少于一次模型调试， 包括： 在当前次模型调试不满足调试循环结束要求的条件下， 借助所述模型代价指标值对所 述待进行调 试的专家决策系统模型包含的要素知识挖掘 子模型、 偏心处理子模型、 以及需 求决策子模型中不少于一类的模型变量进 行改进， 并基于改进后的专家决策系统模型进 行 下一次模型调试， 直到满足调试循环结束 要求； 其中， 依据以下方式获取针对所述业务资源大数据示例的资源需求识别参考： 对获取 的业务资源大数据示例进 行业务需求挖掘， 确定所述业务资源大数据示例中的资源项目所 对应的业务需求主题； 结合所述业务资源大数据示例中的资源项目所对应的业务需求主 题， 确定关于所述 业务资源大 数据示例的资源需求识别参 考； 其中， 所述对获取的业务资源大数据示例进行业务需求挖掘， 确定所述业务资源大数 据示例中的资源项目所对应的业 务需求主题， 包括： 基于完成调试的资源使用意向挖掘模型对获取的业务资源大数据示例进行业务需求权　利　要　求　书 2/3 页 3 CN 115471108 A 3