CN111694844B - 基于配置算法的企业运行数据分析方法、装置及电子设备 - Google Patents

基于配置算法的企业运行数据分析方法、装置及电子设备 Download PDF

Info

Publication number
CN111694844B
CN111694844B CN202010471293.7A CN202010471293A CN111694844B CN 111694844 B CN111694844 B CN 111694844B CN 202010471293 A CN202010471293 A CN 202010471293A CN 111694844 B CN111694844 B CN 111694844B
Authority
CN
China
Prior art keywords
algorithm
parameter
configuration
value
output variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010471293.7A
Other languages
English (en)
Other versions
CN111694844A (zh
Inventor
陈喜涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010471293.7A priority Critical patent/CN111694844B/zh
Publication of CN111694844A publication Critical patent/CN111694844A/zh
Priority to PCT/CN2021/090719 priority patent/WO2021238563A1/zh
Application granted granted Critical
Publication of CN111694844B publication Critical patent/CN111694844B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及大数据技术，揭露了一种基于配置算法的企业运行数据分析方法，包括：获取算法配置主表、算法配置参数表和算法参量值表；选择所述算法配置主表中的一个算法，对选择的算法进行计算，得到输出变量集；对所述输出变量集进行评估计算，得到核心相关值；对所述核心相关值计算误差值，在所述误差值小于或等于预设的误差阈值时，利用所述参数及参数取值对选择的算法进行配置；获取企业数据，利用配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况。本发明还涉及区块链技术，所述算法配置主表、算法配置参数表和算法参量值表存储于区块链中。本发明可以解决企业运行数据分析的成本高，效率低的问题。

Description

基于配置算法的企业运行数据分析方法、装置及电子设备
技术领域
本发明涉及大数据领域，尤其涉及一种基于配置算法的企业运行数据分析方法、装置及电子设备。
背景技术
随着大数据的兴起，利用大量数据进行数据分析成为越来越重要的手段，如利用企业数据对企业的运行状况进行分析等，但在利用大数据技术进行数据处理过程中，需要用到多种算法，且用到的算法复杂多样，因此如何实现高效、低成本配置算法来对的企业的运行状况进行分析越来越被人们所重视。
目前多数算法的配置均由人工进行，对于算法配置业务人员来说，在理解算法配置表的配置方法后，不仅要学习代码语言，还要有代码编写能力，造成了算法配置过程中人力资源的消耗，导致了企业运行数据分析的成本高，效率低的问题。
发明内容
本发明提供一种基于配置算法的企业运行数据分析方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决企业运行数据分析的成本高，效率低的问题。
为实现上述目的，本发明提供的一种基于配置算法的企业运行数据分析方法，包括：
获取算法配置主表、算法配置参数表和算法参量值表，其中，所述算法配置主表包括需要进行配置的算法，所述算法配置参数表包括所述算法配置主表中算法的参数，所述算法参量值表包括所述算法配置参数表中各参数的取值；
依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集；
对所述输出变量集进行评估计算，得到核心相关值；
对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，得到配置完成的算法；
获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况。
可选地，所述依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集，包括：
根据所述算法配置主表的算法的顺序，选择算法编码；
根据所述算法编码获取所述算法配置主表中与所述算法编码对应的算法执行方案；
根据所述算法执行方案获取所述算法配置参数表中的参数和所述参数对应的参数顺序号，根据所述参数和所述参数顺序号得到算法计算编号；
根据所述算法计算编号获取所述算法参量值表中的参量值；
将所述参量值输入所述算法执行方案中进行计算，得到输出变量；
重复上述操作直至所述算法配置主表内的算法全部计算完成后，将所有的输出变量汇总得到所述输出变量集。
可选地，所述对所述输出变量集进行评估计算，得到核心相关值，包括：
利用如下评估算法对所述输出变量集进行评价计算，得到核心相关值Hcorre：
其中，Yi表示所述输出变量集中第i个输出变量的值；j表示所述输出变量集中的第j个输出变量；n为所述输出变量集中输出变量的数量，Wij为二进制的核心权值矩阵，其取值由所述第i个输出变量和所述第j个输出变量是否邻接决定，表示所述输出变量集中所有输出变量的均值，S为所述输出变量集中所有输出变量的标准差。
可选地，所述Wij为二进制的核心权值矩阵，其取值由所述第i个输出变量和所述第j个输出变量是否邻接决定，包括：
利用预设邻接算法对所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果；
将所述邻接计算结果与预设邻接阈值进行对比，若所述邻接计算结果大于所述预设邻接阈值，则Wij取值为1；
若所述邻接计算结果小于或等于所述预设邻接阈值，则Wij取值为0。
可选地，所述利用预设邻接算法对所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果，包括：
利用下述算法所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果VAR：
其中， Wi是所述核心权值矩阵中第i行所有元素之和，Wj为所述核心权值矩阵中第j列所有元素之和，E(I)为邻接参数。
可选地，所述算法配置主表、算法配置参数表和算法参量值表存储于区块链中，该方法还包括：
若所述误差值大于所述误差阈值，则接收新的算法配置主表、算法配置参数表和算法参量值表，重新进行算法配置。
可选地，所述对所述核心相关值进行误差计算，得到误差值，包括：
利用如下误差算法计算核心相关值的误差值D：
D＝Hβ+ε
ε＝λWε+μ
其中：H代表所述核心相关值；Wε核心权值矩阵值；λ代表预设核心误差系数；ε代表核心相关值随机误差项；μ代表正态分布的随机误差项；β代表预设系数。
为了解决上述问题，本发明还提供一种基于配置算法的企业运行数据分析装置，所述装置包括：
算法选择模块，用于获取算法配置主表、算法配置参数表和算法参量值表，其中，所述算法配置主表包括需要进行配置的算法，所述算法配置参数表包括所述算法配置主表中算法的参数，所述算法参量值表包括所述算法配置参数表中各参数的取值；
变量集计算模块，用于依次选择所述算法配置主表中的其中一个算法，根据所述选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集；
核心相关值计算模块，用于对所述输出变量集进行评估计算，得到核心相关值；
算法配置模块，用于对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，得到配置完成的算法；
数据分析模块，用于获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的基于配置算法的企业运行数据分析方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述中任意一项所述的基于配置算法的企业运行数据分析方法。
本发明实施例自动获取算法配置主表、算法配置参数表和算法参量值表，节省了人力资源；对所述输出变量集进行评估计算，得到核心相关值，计算算法的核心相关值，让后续对算法配置进行评估时有了统一标准；对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，并将配置完成的算法存储在预设算法数据库中，采用了误差计算的评估方法，可直观的从误差计算结果看出选择的参数及参数取值是否可以进行对算法的配置；获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况，利用配置好的算法对企业数据进行分析，准确的分析了企业的运行情况。因此本发明提出的基于配置算法的企业运行数据分析方法、装置及计算机可读存储介质，可以实现低成本，高效率的企业运行数据分析。
附图说明
图1为本发明一实施例提供的基于配置算法的企业运行数据分析方法的流程示意图；
图2为本发明一实施例提供的基于配置算法的企业运行数据分析装置的模块示意图；
图3为本发明一实施例提供的基于配置算法的企业运行数据分析方法的电子设备的内部结构示意图；
图4为本发明一实施例提供的基于配置算法的企业运行数据分析方法的算法配置主表的示意图；
图5为本发明一实施例提供的基于配置算法的企业运行数据分析方法的算法配置参数表的示意图；
图6为本发明一实施例提供的基于配置算法的企业运行数据分析方法的算法参量值表的示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于配置算法的企业运行数据分析方法。参照图1所示，为本发明一实施例提供的算法配置方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。例如，本发明实施例中，所述方法可以由一个电子设备所执行。
在本实施例中，基于配置算法的企业运行数据分析方法包括：
S1、获取算法配置主表、算法配置参数表和算法参量值表，其中，所述算法配置主表包括需要进行配置的算法，所述算法配置参数表包括所述算法配置主表中算法的参数，所述算法参量值表包括所述算法配置参数表中各参数的取值。
在本发明实施例中，参阅图4所示的算法配置主表的示意图，所述算法配置主表记录的是每种算法的输出变量类型、具体算法的执行方案、每种算法的执行顺序等。
进一步地，参阅图5所示的算法配置参数表的示意图，所述算法配置参数表记录了每种算法所需要的输入参数及参数名，以及每种输入参数的编号。
进一步地，参阅图6所示的算法参量值表的示意图，所述算法参量值表记录了每次算法计算所需要的参量值。
S2、依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集。
详细地，所述S2，包括：
根据所述算法配置主表的算法顺序选择算法编码；
根据所述算法编码获取所述算法配置主表中与所述算法编码对应的算法执行方案；
根据所述算法执行方案获取所述算法配置参数表中的参数和所述参数对应的参数顺序号，根据所述参数和所述参数顺序号得到算法计算编号；
根据所述算法计算编号获取所述算法参量值表中的参量值；
将所述参量值带入所述算法执行方案中进行计算，得到输出变量，直至所述算法配置主表内的算法全部计算完成后，将所有的输出变量汇总得到算法输出变量集。
例如：所述算法配置主表的算法顺序中，第一条的算法编码“Bel1”的具体算法执行方案是A+B；
根据所述具体算法执行方案中的参数，到所述算法配置参数表，找到算法编码为“Bel1”的参数A和参数B，和所述相关参数A和参数B的参数顺序号分别为1、2，得到算法计算编号A1、B2；
根据所述算法计算编号A1、B2找到所述算法参量值表中参数变量名为BEL_SB的参量值分别为1、2。
将所述参量值带入算法A+B中，则有1+2，最后得出所述算法配置主表中输出变量BEL_INIT的结果为3。
如此反复直到把所述算法配置主表的所有算法都完成计算得到输出变量，将所述算法配置主表的所有输出变量汇总，得到所述输出变量集。
S3、对所述输出变量集进行评估计算，得到核心相关值。
在本发明实施例中，为了评估所述算法配置主表、所述算法配置参数表和所述算法参量值表的计算是否合理，需要利用预设的评估算法对所述算法输出变量集进行评价分析计算，得到所述核心相关值；
在本发明实施例中，利用如下评估算法对所述输出变量集进行评价分析计算，得到核心相关值Hcorre：
其中，Yi表示所述输出变量集中第i个输出变量的值；j表示所述输出变量集中的第j个输出变量；n为所述输出变量集中输出变量的数量，Wij为二进制的核心权值矩阵，表示所述输出变量集中所有输出变量的均值，S为所述输出变量集中所有输出变量的标准差。
进一步地，所述所述核心权制矩阵Wij的取值方法包括：
利用预设邻接算法对所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果；
将所述邻接计算结果与预设邻接阈值进行对比，若所述邻接计算结果大于所述预设邻接阈值，则Wij取值为1；
若所述邻接计算结果小于或等于所述预设邻接阈值，则Wij取值为0。
进一步地，本发明实施例利用下述算法对所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果VAR：
其中， Wi是所述核心权值矩阵中第i行所有元素之和，Wj为所述核心权值矩阵中第j列所有元素之和，E(I)为邻接参数。
详细地，所述根据所述计算结果判断所述输出变量i和所述输出变量j是否邻接，包括：
将所述计算结果VAR与预设阈值0进行对比判断，若所述计算结果VAR大于0，则说明所述输出变量i和所述输出变量j邻接，Wij＝1；
若所述计算结果VAR小于或等于0，则说明所述输出变量i和所述输出变量j不邻接，Wij＝0。
S4、对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，得到配置完成的算法。
若所述误差值小于或等于所述误差阈值，说明所述算法配置主表、所述算法配置参数表和所述算法参量值表可用，根据所述算法配置主表、所述算法配置参数表和所述算法参量值对选择的算法进行配置。
其中，本发明实施例利用如下误差算法计算核心相关值的误差值D：
D＝Hβ+ε
ε＝λW∈+μ
其中；D代表所述误差值；H代表所述核心相关值；Wε核心权值矩阵值；λ代表预设核心误差系数；ε代表核心相关值随机误差项；μ代表正态分布的随机误差项；β代表预设系数，表示H对D的影响程度。
优选地，所述预设误差阈值可以为0.8。
若所述误差值小于或等于0.8，则S1接收的所述算法配置主表、所述算法配置参数表和所述算法参量值表满足算法配置要求，可直接根据所述算法配置主表、所述算法配置参数表和所述算法参量值表完成算法配置，得到配置完成的算法。
进一步地，本发明实施例还包括将配置完成的算法存储在预构建的算法数据库中。
本发明实施例中，所述算法数据库可以是现有的云端数据库，也可以是计算机本地的磁盘、硬盘等。
进一步地，本发明实施例还包括：
若所述误差值大于所述误差阈值，说明所述算法配置主表、所述算法配置参数表和所述算法参量值表不可用，则接收新的算法配置主表、算法配置参数表和算法参量值表，重新进行算法配置。需要强调的是，为进一步保证上述算法配置主表、算法配置参数表和算法参量值表的私密和安全性，上述算法配置主表、算法配置参数表和算法参量值表还可以存储于一区块链的节点中。
例如，若所述误差值大于0.8，则S1接收的所述算法配置主表、所述算法配置参数表和所述算法参量值表不满足算法配置要求，需重新接收。
S5、获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况.
进一步地，可直接从现有的数据库中获取所述企业数据，所述企业数据包括，但不限于企业的现金流情况，企业的信用等级，企业的债务情况，所述数据库可以为mysql数据库、Oracle数据库等。
较佳地，获取到所述企业数据后，本发明实施例利用所述配置完成的算法对所述企业数据进行分析，得到分析结果，进而根据所述分析结果判断所述企业的运行状况。
如图2所示，是本发明基于配置算法的企业运行数据分析装置的功能模块图。
本发明所述基于配置算法的企业运行数据分析装置100可以安装于电子设备中。根据实现的功能，所述基于配置算法的企业运行数据分析装置可以包括算法选择模块101、变量集计算模块102、核心相关值计算模块103、算法配置模块104和数据分析模块105。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述算法选择模块101，用于获取算法配置主表、算法配置参数表和算法参量值表，其中，所述算法配置主表包括需要进行配置的算法，所述算法配置参数表包括所述算法配置主表中算法的参数，所述算法参量值表包括所述算法配置参数表中各参数的取值；
所述变量集计算模块102，用于依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集；
所述核心相关值计算模块103，用于对所述输出变量集进行评估计算，得到核心相关值；
所述算法配置模块104，用于对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，得到配置完成的算法；
数据分析模块105，用于获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况。
详细地，所述基于配置算法的企业运行数据分析装置各模块的具体实施步骤如下：
所述算法选择模块101获取算法配置主表、算法配置参数表和算法参量值表，其中，所述算法配置主表包括需要进行配置的算法，所述算法配置参数表包括所述算法配置主表中算法的参数，所述算法参量值表包括所述算法配置参数表中各参数的取值。
在本发明实施例中，参阅图4所示的算法配置主表的示意图，所述算法配置主表记录的是每种算法的输出变量类型、具体算法的执行方案、每种算法的执行顺序等。
进一步地，参阅图5所示的算法配置参数表的示意图，所述算法配置参数表记录了每种算法所需要的输入参数及参数名，以及每种输入参数的编号。
进一步地，参阅图6所示的算法参量值表的示意图，所述算法参量值表记录了每次算法计算所需要的参量值。
所述变量集计算模块102依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集。
详细地，所述所述变量集计算模块102根据所述算法配置主表的算法顺序选择算法编码；根据所述算法编码获取所述算法配置主表中与所述算法编码对应的算法执行方案；根据所述算法执行方案获取所述算法配置参数表中的参数和所述参数对应的参数顺序号，根据所述参数和所述参数顺序号得到算法计算编号；根据所述算法计算编号获取所述算法参量值表中的参量值；将所述参量值带入所述算法执行方案中进行计算，得到输出变量，直至所述算法配置主表内的算法全部计算完成后，将所有的输出变量汇总得到算法输出变量集。
例如：所述算法配置主表的算法顺序中，第一条的算法编码“Bel1”的具体算法执行方案是A+B；
根据所述具体算法执行方案中的参数，到所述算法配置参数表，找到算法编码为“Bel1”的参数A和参数B，和所述相关参数A和参数B的参数顺序号分别为1、2，得到算法计算编号A1、B2；
根据所述算法计算编号A1、B2找到所述算法参量值表中参数变量名为BEL_SB的参量值分别为1、2。
将所述参量值带入算法A+B中，则有1+2，最后得出所述算法配置主表中输出变量BEL_INIT的结果为3。
如此反复直到把所述算法配置主表的所有算法都完成计算得到输出变量，将所述算法配置主表的所有输出变量汇总，得到所述输出变量集。
所述核心相关值计算模块103对所述输出变量集进行评估计算，得到核心相关值。
在本发明实施例中，为了评估所述算法配置主表、所述算法配置参数表和所述算法参量值表的计算是否合理，需要利用预设的评估算法对所述算法输出变量集进行评价分析计算，得到所述核心相关值；
在本发明实施例中，利用如下评估算法对所述输出变量集进行评价分析计算，得到核心相关值Hcorre：
其中，Yi表示所述输出变量集中第i个输出变量的值；j表示所述输出变量集中的第j个输出变量；n为所述输出变量集中输出变量的数量，Wij为二进制的核心权值矩阵，表示所述输出变量集中所有输出变量的均值，S为所述输出变量集中所有输出变量的标准差。
进一步地，所述所述核心权制矩阵Wij的取值方法包括：
利用预设邻接算法对所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果；
将所述邻接计算结果与预设邻接阈值进行对比，若所述邻接计算结果大于所述预设邻接阈值，则Wij取值为1；
若所述邻接计算结果小于或等于所述预设邻接阈值，则Wij取值为0。
进一步地，利用下述算法所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果VAR：
其中， Wi是所述核心权值矩阵中第i行所有元素之和，Wj为所述核心权值矩阵中第j列所有元素之和，E(I)为邻接参数。
详细地，所述根据所述计算结果判断所述输出变量i和所述输出变量j是否邻接，包括：
将所述计算结果VAR与预设阈值0进行对比判断，若所述计算结果VAR大于0，则说明所述输出变量i和所述输出变量j邻接，Wij＝1；
若所述计算结果VAR小于或等于0，则说明所述输出变量i和所述输出变量j不邻接，Wij＝0。
所述算法配置模块104对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，得到配置完成的算法。
进一步地，若所述误差值大于所述误差阈值，说明所述算法配置主表、所述算法配置参数表和所述算法参量值表不可用，则所述算法选择模块101接收新的算法配置主表、算法配置参数表和算法参量值表，重新进行算法配置；
其中，本发明实施例利用如下误差算法计算核心相关值的误差值D：
D＝Hβ+ε
ε＝λWε+μ
其中；D代表所述误差值；H代表所述核心相关值；Wε核心权值矩阵值；λ代表预设核心误差系数；ε代表核心相关值随机误差项；μ代表正态分布的随机误差项；β代表预设系数，表示H对D的影响程度。
优选地，所述预设误差阈值可以为0.8。
若所述误差值大于0.8，则所述算法选择模块101接收的所述算法配置主表、所述算法配置参数表和所述算法参量值表不满足算法配置要求，需重新接收。
若所述误差值小于或等于0.8，则所述算法选择模块101接收的所述算法配置主表、所述算法配置参数表和所述算法参量值表满足算法配置要求，可直接根据所述算法配置主表、所述算法配置参数表和所述算法参量值表完成算法配置。
进一步地，可将配置完成的算法存储在预构建的算法数据库中。
本发明实施例中，所述算法数据库可以是现有的云端数据库，也可以是计算机本地的磁盘、硬盘等。
数据分析模块105，用于获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况。
进一步地，可直接从现有的数据库中获取所述企业数据，所述企业数据包括，但不限于企业的现金流情况，企业的信用等级，企业的债务情况，所述数据库可以为mysql数据库、Oracle数据库等。
较佳地，获取到所述企业数据后，本发明实施例利用所述配置完成的算法对所述企业数据进行分析，得到分析结果，进而根据所述分析结果判断所述企业的运行状况。
如图3所示，是本发明实现基于配置算法的企业运行数据分析方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如算法配置程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于配置算法的企业运行数据分析程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的算法配置程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取算法配置主表、算法配置参数表和算法参量值表，其中，所述算法配置主表包括需要进行配置的算法，所述算法配置参数表包括所述算法配置主表中算法的参数，所述算法参量值表包括所述算法配置参数表中各参数的取值；
依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集；
对所述输出变量集进行评估计算，得到核心相关值；
对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，得到配置完成的算法；
获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况。需要强调的是，为进一步保证上述算法配置主表、算法配置参数表和算法参量值表的私密和安全性，上述算法配置主表、算法配置参数表和算法参量值表还可以存储于一区块链的节点中。
具体地，所述处理器10对上述指令的具体实现方法可参考图2对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种基于配置算法的企业运行数据分析方法，其特征在于，所述方法应用于电子设备中，包括：
获取算法配置主表、算法配置参数表和算法参量值表，其中，所述算法配置主表包括需要进行配置的算法，所述算法配置参数表包括所述算法配置主表中算法的参数，所述算法参量值表包括所述算法配置参数表中各参数的取值；
依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集；
对所述输出变量集进行评估计算，得到核心相关值；
对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，得到配置完成的算法；
获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况；
其中，所述依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集，包括：根据所述算法配置主表的算法的顺序，选择算法编码；根据所述算法编码获取所述算法配置主表中与所述算法编码对应的算法执行方案；根据所述算法执行方案获取所述算法配置参数表中的参数和所述参数对应的参数顺序号，根据所述参数和所述参数顺序号得到算法计算编号；根据所述算法计算编号获取所述算法参量值表中的参量值；将所述参量值输入所述算法执行方案中进行计算，得到输出变量；重复上述操作直至所述算法配置主表内的算法全部计算完成后，将所有的输出变量汇总得到所述输出变量集。
2.如权利要求1所述的基于配置算法的企业运行数据分析方法，其特征在于，所述对所述输出变量集进行评估计算，得到核心相关值，包括：
利用如下评估算法对所述输出变量集进行评价计算，得到核心相关值Hcorre：
Hcorre =
其中，表示所述输出变量集中第i个输出变量的值，/>表示所述输出变量集中的第j个输出变量的值，n为所述输出变量集中输出变量的数量，/>为二进制的核心权值矩阵，其取值由所述第i个输出变量和所述第j个输出变量是否邻接决定，/>表示所述输出变量集中所有输出变量的均值，S为所述输出变量集中所有输出变量的标准差。
3.如权利要求2所述的基于配置算法的企业运行数据分析方法，其特征在于，所述为二进制的核心权值矩阵，所述/>取值由所述第i个输出变量和所述第j个输出变量是否邻接决定，包括：
利用预设邻接算法对所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果；
将所述邻接计算结果与预设邻接阈值进行对比，若所述邻接计算结果大于所述预设邻接阈值，则；
若所述邻接计算结果小于或等于所述预设邻接阈值，则。
4.如权利要求3所述的基于配置算法的企业运行数据分析方法，其特征在于，所述利用预设邻接算法对所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果，包括：
利用下述算法对所述第i个输出变量和所述第j个输出变量进行邻接计算，得到邻接计算结果：
=/>
E(I)=
其中， = 是所述核心权值矩阵中第i行所有元素之和，/>为所述核心权值矩阵中第j列所有元素之和，/>为邻接参数。
5.如权利要求1所述的基于配置算法的企业运行数据分析方法，其特征在于，所述算法配置主表、算法配置参数表和算法参量值表存储于区块链中，该方法还包括：
当所述误差值大于所述误差阈值，则接收新的算法配置主表、算法配置参数表和算法参量值表，重新进行算法配置。
6.如权利要求1至5中任意一项所述的基于配置算法的企业运行数据分析方法，其特征在于，所述对所述核心相关值进行误差计算，得到误差值，包括：
利用如下误差算法计算核心相关值的误差值D：
D=Hβ+ε
ε=λ μ
其中：H代表所述核心相关值；核心权值矩阵值；λ代表预设核心误差系数；ε代表核心相关值随机误差项；μ代表正态分布的随机误差项；β代表预设系数。
7.一种基于配置算法的企业运行数据分析装置，用于实现如权利要求1至6中任一项所述的基于配置算法的企业运行数据分析方法，其特征在于，所述装置包括：
算法选择模块，用于获取算法配置主表、算法配置参数表和算法参量值表，其中，所述算法配置主表包括需要进行配置的算法，所述算法配置参数表包括所述算法配置主表中算法的参数，所述算法参量值表包括所述算法配置参数表中各参数的取值；
变量集计算模块，用于依次选择所述算法配置主表中的其中一个算法，根据选择的算法从所述算法配置参数表中选择参数，及所述算法参量值表中选择参数取值，根据所选择的参数及参数取值对选择的算法进行计算，得到输出变量集；
核心相关值计算模块，用于对所述输出变量集进行评估计算，得到核心相关值；
算法配置模块，用于对所述核心相关值进行误差计算，得到误差值，在所述误差值小于或等于预设的误差阈值时，利用所述选择的参数及参数取值对所述选择的算法进行配置，得到配置完成的算法；
数据分析模块，用于获取企业数据，利用所述配置完成的算法对所述企业数据进行数据分析，得到企业的运行状况。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任一项所述的基于配置算法的企业运行数据分析方法。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于配置算法的企业运行数据分析方法。
CN202010471293.7A 2020-05-28 2020-05-28 基于配置算法的企业运行数据分析方法、装置及电子设备 Active CN111694844B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010471293.7A CN111694844B (zh) 2020-05-28 2020-05-28 基于配置算法的企业运行数据分析方法、装置及电子设备
PCT/CN2021/090719 WO2021238563A1 (zh) 2020-05-28 2021-04-28 基于配置算法的企业运行数据分析方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010471293.7A CN111694844B (zh) 2020-05-28 2020-05-28 基于配置算法的企业运行数据分析方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111694844A CN111694844A (zh) 2020-09-22
CN111694844B true CN111694844B (zh) 2024-05-07

Family

ID=72478749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010471293.7A Active CN111694844B (zh) 2020-05-28 2020-05-28 基于配置算法的企业运行数据分析方法、装置及电子设备

Country Status (2)

Country Link
CN (1) CN111694844B (zh)
WO (1) WO2021238563A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111694844B (zh) * 2020-05-28 2024-05-07 平安科技（深圳）有限公司 基于配置算法的企业运行数据分析方法、装置及电子设备
CN113448954B (zh) * 2021-06-29 2024-02-06 平安证券股份有限公司 业务数据执行方法、装置、电子设备及计算机存储介质
CN114742476B (zh) * 2022-06-07 2022-09-02 国网浙江省电力有限公司 基于区块链的数字化采购供应数据采集方法及采集平台
CN114969651B (zh) * 2022-07-28 2022-10-25 成都乐超人科技有限公司 基于大数据ai技术的智能风控体系构建方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544299A (zh) * 2013-10-30 2014-01-29 刘峰 一种商业智能云计算***的构建方法
CN106850196A (zh) * 2016-12-05 2017-06-13 上海交通大学 改进的可抵御实际攻击的连续变量量子密钥分发方法
CN107844837A (zh) * 2017-10-31 2018-03-27 第四范式（北京）技术有限公司 针对机器学习算法进行算法参数调优的方法及***
CN108681487A (zh) * 2018-05-21 2018-10-19 千寻位置网络有限公司 传感器算法参数调优的分布式***和调优方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8752059B2 (en) * 2007-03-27 2014-06-10 International Business Machines Corporation Computer data processing capacity planning using dependency relationships from a configuration management database
US9305013B2 (en) * 2008-08-28 2016-04-05 Red Hat, Inc. URI file system
CN109255059A (zh) * 2018-08-31 2019-01-22 平安科技（深圳）有限公司 产品基础算法确定方法、装置、计算机设备及存储介质
CN110569230A (zh) * 2019-08-30 2019-12-13 苏州浪潮智能科技有限公司 数据库设计模型与设计文档互相转换方法、***及设备
CN111694844B (zh) * 2020-05-28 2024-05-07 平安科技（深圳）有限公司 基于配置算法的企业运行数据分析方法、装置及电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544299A (zh) * 2013-10-30 2014-01-29 刘峰 一种商业智能云计算***的构建方法
CN106850196A (zh) * 2016-12-05 2017-06-13 上海交通大学 改进的可抵御实际攻击的连续变量量子密钥分发方法
CN107844837A (zh) * 2017-10-31 2018-03-27 第四范式（北京）技术有限公司 针对机器学习算法进行算法参数调优的方法及***
CN108681487A (zh) * 2018-05-21 2018-10-19 千寻位置网络有限公司 传感器算法参数调优的分布式***和调优方法

Also Published As

Publication number Publication date
CN111694844A (zh) 2020-09-22
WO2021238563A1 (zh) 2021-12-02

Similar Documents

Publication Publication Date Title
CN111694844B (zh) 基于配置算法的企业运行数据分析方法、装置及电子设备
CN112541745B (zh) 用户行为数据分析方法、装置、电子设备及可读存储介质
CN111652279B (zh) 基于时序数据的行为评价方法、装置及可读存储介质
CN111932562B (zh) 基于ct序列的图像识别方法、装置、电子设备及介质
CN113327136B (zh) 归因分析方法、装置、电子设备及存储介质
CN112579621B (zh) 数据展示方法、装置、电子设备及计算机存储介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN114881616A (zh) 业务流程执行方法、装置、电子设备及存储介质
CN114612194A (zh) 产品推荐方法、装置、电子设备及存储介质
CN111831708A (zh) 基于缺失数据的样本分析方法、装置、电子设备及介质
CN112541688B (zh) 业务数据校验方法、装置、电子设备及计算机存储介质
CN112990374B (zh) 图像分类方法、装置、电子设备及介质
CN112486957B (zh) 数据库迁移检测方法、装置、设备及存储介质
CN111652282B (zh) 基于大数据的用户偏好分析方法、装置及电子设备
CN113705686B (zh) 图像分类方法、装置、电子设备及可读存储介质
CN113657546B (zh) 信息分类方法、装置、电子设备及可读存储介质
CN111859985B (zh) Ai客服模型测试方法、装置、电子设备及存储介质
CN113918296A (zh) 模型训练任务调度执行方法、装置、电子设备及存储介质
CN111651652B (zh) 基于人工智能的情感倾向识别方法、装置、设备及介质
CN113312409B (zh) 任务监控方法、装置、电子设备及计算机可读存储介质
CN112579046B (zh) 用户故事分析方法、装置、电子设备及存储介质
CN114926214B (zh) 基于模型构建的产品定价方法、装置、设备及存储介质
CN115098688B (zh) 多标签分类模型训练方法、装置、电子设备及存储介质
CN115225489B (zh) 队列业务流量阈值动态控制方法、电子设备及存储介质
CN112612451B (zh) 接口生成方法、装置、设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant