CN116843481A - 知识图谱分析方法、装置、设备及存储介质 - Google Patents
知识图谱分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116843481A CN116843481A CN202310790162.9A CN202310790162A CN116843481A CN 116843481 A CN116843481 A CN 116843481A CN 202310790162 A CN202310790162 A CN 202310790162A CN 116843481 A CN116843481 A CN 116843481A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- business
- data set
- knowledge
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 150
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000005516 engineering process Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000002372 labelling Methods 0.000 claims description 16
- 238000004140 cleaning Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 abstract description 20
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000000225 bioluminescence resonance energy transfer Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及金融科技领域的人工智能技术,揭露了一种知识图谱分析方法,包括:构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合,获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库,基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。本发明还涉及区块链技术,所述数据分析结果可存储在区块链的节点中。本发明还提出一种知识图谱分析装置、电子设备以及可读存储介质。本发明可以提高数据分析的准确率及效率,例如在金融产险领域,可以提高对核保数据分析的准确率及效率。
Description
技术领域
本发明涉及金融科技及人工智能技术领域,尤其涉及一种知识图谱分析方法、装置、电子设备及可读存储介质。
背景技术
随着人工智能的发展,数据量不断增加,不同领域数据分析也变得越来越重要,例如,金融领域的产险场景下,需要核保人对核保政策、条款、外部数据等进行分析,给出分析结果。
现有技术中,数据分析变得越来越智能化,然而在数据更新频繁及数据关联复杂的场景下,仍然存在大量人工审核分析的情况,导致数据分析的准确率及效率较低。例如,金融产险核保业务中,团财涉及企财、工程、货运、船舶、责任等众多产品分类,各产品标的、定价因素、风险评估差异性大,因此核保政策繁多,总部下发核保政策文件给机构,机构根据政策信息具体解读后细化为可量化的规则,在***中完成设置,以支持询报价过程中的风险拦截或承保条件提醒。按当前核保政策管理方式存在两类问题,一个是核保人经验可能会影响核保政策解读为具体***规则,导致核保数据分析准确性及效率较低;另外一个是规则需要维护且先行***规则是扁平的,不便于维护可能会存在遗漏,这些问题的存在都风险渗漏的可能性,影响核保判断,导致数据分析准确率较低。
发明内容
本发明提供一种知识图谱分析方法、装置、电子设备及可读存储介质,其主要目的在于可以提高数据分析的准确率及效率。
为实现上述目的,本发明提供的一种知识图谱分析方法,包括:
构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合;
获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库;
基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型;
利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
可选地,所述构建条款政策库,包括:
获取业务政策数据及业务条款数据,按照预设数据结构对所述业务政策数据及业务条款数据进行数据抽取,得到结构化政策数据;
汇总所有的结构化政策数据得到所述条款政策库。
可选地,所述基于所述条款政策库进行数据规范处理,得到规范数据集合,包括:
获取历史结构化数据集合,对所述历史结构化数据集合及所述条款政策库中的数据进行数据清洗处理,得到清洗数据集合;
基于预设的业务规范及业务标准对所述清洗数据集合中的数据进行数据规范处理,得到规范数据集合。
可选地,所述基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库,包括:
利用预构建的实体识别模型识别出所述历史业务数据集合及所述规范数据集合中的知识图谱信息;
基于本体推理技术对所述知识图谱信息中的实体进行实体关联,汇总所有实体关联后的知识图谱信息,得到所述业务知识图谱库。
可选地,所述基于本体推理技术对所述知识图谱信息中的实体进行实体关联,包括:
对所述知识图谱信息中的实体进行分类,根据分类结果进行实体标注,得到标注实体;
基于预设的标注关联规则,将有关联的所述标注实体进行实体关联。
可选地,所述基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,包括:
利用所述数据分析模型对所述业务知识图谱库中的数据进行实体分析,得到实体分析结果;
基于所述实体分析结果对所述数据分析模型进行迭代训练,得到所述业务分析模型。
可选地,所述基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型之后,所述方法还包括:
获取历史业务分析数据集合,利用所述业务分析模型对所述历史业务分析数据集合中的业务数据进行实体分析,得到历史实体分析结果;
利用所述历史实体分析结果及所述历史业务分析数据集合计算分析准确率,基于所述分析准确率对所述业务分析模型进行优化调整,得到优化业务分析模型。
为了解决上述问题,本发明还提供一种知识图谱分析装置,所述装置包括:
数据规范模块,用于构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合;
知识图谱构建模块,用于获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库;
数据分析模块,用于基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
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,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的知识图谱分析方法。
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计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的知识图谱分析方法。
本发明基于条款政策库的数据构建业务知识图谱库,基于知识图谱技术,可以将不同数据进行关联,再通过业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,利用业务分析模型对待分析业务数据进行数据分析,提高数据分析的效率即准确率,例如在金融领域,通过将核保政策、条款信息、过往保单数据及理赔数据、外部购买数据等整合为业务知识图谱库,基于知识图谱构建核保政策模型,不需要核保人人工逐个产品逐条政策去配置,减少核保人政策解读、规则配置耗费的时间,以及核保报价时还需要自行查询统计各项相关联信息,大大提高了数据分析的准确率及效率。因此本发明提出的知识图谱分析方法、装置、电子设备及计算机可读存储介质,可以提高数据分析的准确率及效率。
附图说明
图1为本发明一实施例提供的知识图谱分析方法的流程示意图;
图2为本发明一实施例提供的知识图谱分析装置的功能模块图;
图3为本发明一实施例提供的实现所述知识图谱分析方法的电子设备的结构示意图。
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。
本发明实施例提供一种知识图谱分析方法。所述知识图谱分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之,所述知识图谱分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的知识图谱分析方法的流程示意图。在本实施例中,所述知识图谱分析方法包括以下步骤S1-S4:
S1、构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合。
本发明实施例中,所述条款政策库是由规范业务标准的政策数据、条款数据等数据组成的。例如,在金融领域中,所述条款政策库可以为核保政策库,包括核保政策数据、核保条款数据等。
详细地,所述构建条款政策库,包括:
获取业务政策数据及业务条款数据,按照预设数据结构对所述业务政策数据及业务条款数据进行数据抽取,得到结构化政策数据;
汇总所有的结构化政策数据得到所述条款政策库。
本发明一可选实施例中,例如在金融领域的产险场景下,在获取核保政策、核保条款等数据后,按照预设数据结构将核保政策、核保条款等抽取为可识别的结构化数据,组成条款政策库。
详细地,所述基于所述条款政策库进行数据规范处理,得到规范数据集合,包括:
获取历史结构化数据集合,对所述历史结构化数据集合及所述条款政策库中的数据进行数据清洗处理,得到清洗数据集合;
基于预设的业务规范及业务标准对所述清洗数据集合中的数据进行数据规范处理,得到规范数据集合。
本发明一可选实施例中,在金融领域的产险中,所述历史结构化数据集合可以包括历史承保数据、历史理赔数据及历史风勘数据等,通过对已有的结构化保单数据、理赔数据及客户信息等数据与核保政策、核保条款信息做数据处理、清洗、基于保险行业标准和规范整合数据形成规范数据集,可以提高对保险业务数据分析的准确性。
S2、获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库。
本发明实施例中,所述历史业务信息包括不同业务赌赢的外部信息,例如,在金融领域产险场景下,所述历史业务数据集合包括不同企业的客户数据、车辆及天气等外部数据。
详细地,所述基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库,包括:
利用预构建的实体识别模型识别出所述历史业务数据集合及所述规范数据集合中的知识图谱信息;
基于本体推理技术对所述知识图谱信息中的实体进行实体关联,汇总所有实体关联后的知识图谱信息,得到所述业务知识图谱库。
进一步地,所述基于本体推理技术对所述知识图谱信息中的实体进行实体关联,包括:
对所述知识图谱信息中的实体进行分类,根据分类结果进行实体标注,得到标注实体;
基于预设的标注关联规则,将有关联的所述标注实体进行实体关联。
本发明实施例中,所述预构建的实体识别模型可以为BRET、Transformer等模型,所述知识图谱信息包括实体、属性、关系和类别等信息。所述本体推理技术是指利用预设的业务规则对知识图谱信息中的实体进行自动分类、标注和关联,从而实现数据的整合,提高不同数据间的关联性。例如,金融产险场景中,保险的标的实体可能和天气关联密切,则将标注后的保险实体和天气实体进行关联。
S3、基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型。
本发明实施例中,所述预构建的数据分析模型可以为机器学习模型,包括决策树、神经网络、XGBoost等。
详细地,所述基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,包括:
利用所述数据分析模型对所述业务知识图谱库中的数据进行实体分析,得到实体分析结果;
基于所述实体分析结果对所述数据分析模型进行迭代训练,得到所述业务分析模型。
本发明实施例中,所述实体分析是指利用数据分析模型对业务知识图谱库中的实体进行分类、标注和关联,并和业务知识图谱库中的数据相匹配,给出对应的实体分析结果。例如,金融产险领域,通过机器学***进行审核、筛选和分类;对客户的信息进行判别,完成客户特征与核保知识库匹配,给出对应的承保建议分析结果。
本发明另一可选实施例中,所述基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型之后,所述方法还包括:
获取历史业务分析数据集合,利用所述业务分析模型对所述历史业务分析数据集合中的业务数据进行实体分析,得到历史实体分析结果;
利用所述历史实体分析结果及所述历史业务分析数据集合计算分析准确率,基于所述分析准确率对所述业务分析模型进行优化调整,得到优化业务分析模型。
本发明一可选实施例中,例如在金融产险领域,应用历史承保数据对模型进行测试,基于模型提供的承保建议与历史保单实际承保方案、历史赔付数据进行分析确认模型的准确率,进而对模型进行优化和调整,得到优化业务分析模型。同时随着业务产品不断更新、数据不断增长,风险不断变化,也能通过既有数据对模型进行修正,不断提高模型分析的准确性。
S4、利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
本发明一可选实施例中,在金融产险领域,所述待分析业务数据可以为核保询价数据,例如,某仓储类企业用户投保企财险,标的地址位于非洪涝水灾区,应用业务分析模型进行数据分析后,模型可基于保险公司历史赔付数据给出承保建议,建议补充附加条款或提高免赔额等有条件承保,以减少可能损失,大大提高了数据分析的准确性及效率。通过将核保政策、条款信息、过往保单数据及理赔数据、外部购买数据等整合为业务知识图谱库,基于知识图谱构建核保政策模型,不需要核保人人工逐个产品逐条政策去配置,减少核保人政策解读、规则配置耗费的时间,以及核保报价时还需要自行查询统计各项相关联信息,大大提高了数据分析的准确率即效率。
本发明基于条款政策库的数据构建业务知识图谱库,基于知识图谱技术,可以将不同数据进行关联,再通过业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,利用业务分析模型对待分析业务数据进行数据分析,提高数据分析的效率即准确率,例如在金融领域,通过将核保政策、条款信息、过往保单数据及理赔数据、外部购买数据等整合为业务知识图谱库,基于知识图谱构建核保政策模型,不需要核保人人工逐个产品逐条政策去配置,减少核保人政策解读、规则配置耗费的时间,以及核保报价时还需要自行查询统计各项相关联信息,大大提高了数据分析的准确率及效率。因此本发明提出的知识图谱分析方法,可以提高数据分析的准确率及效率。
如图2所示,是本发明一实施例提供的知识图谱分析装置的功能模块图。
本发明所述知识图谱分析装置100可以安装于电子设备中。根据实现的功能,所述知识图谱分析装置100可以包括数据规范模块101、知识图谱构建模块102及数据分析模块103。本发明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:
所述数据规范模块101,用于构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合;
所述知识图谱构建模块102,用于获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库;
所述数据分析模块103,用于基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
详细地,所述知识图谱分析装置100各模块的具体实施方式如下:
步骤一、构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合。
本发明实施例中,所述条款政策库是由规范业务标准的政策数据、条款数据等数据组成的。例如,在金融领域中,所述条款政策库可以为核保政策库,包括核保政策数据、核保条款数据等。
详细地,所述构建条款政策库,包括:
获取业务政策数据及业务条款数据,按照预设数据结构对所述业务政策数据及业务条款数据进行数据抽取,得到结构化政策数据;
汇总所有的结构化政策数据得到所述条款政策库。
本发明一可选实施例中,例如在金融领域的产险场景下,在获取核保政策、核保条款等数据后,按照预设数据结构将核保政策、核保条款等抽取为可识别的结构化数据,组成条款政策库。
详细地,所述基于所述条款政策库进行数据规范处理,得到规范数据集合,包括:
获取历史结构化数据集合,对所述历史结构化数据集合及所述条款政策库中的数据进行数据清洗处理,得到清洗数据集合;
基于预设的业务规范及业务标准对所述清洗数据集合中的数据进行数据规范处理,得到规范数据集合。
本发明一可选实施例中,在金融领域的产险中,所述历史结构化数据集合可以包括历史承保数据、历史理赔数据及历史风勘数据等,通过对已有的结构化保单数据、理赔数据及客户信息等数据与核保政策、核保条款信息做数据处理、清洗、基于保险行业标准和规范整合数据形成规范数据集,可以提高对保险业务数据分析的准确性。
步骤二、获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库。
本发明实施例中,所述历史业务信息包括不同业务赌赢的外部信息,例如,在金融领域产险场景下,所述历史业务数据集合包括不同企业的客户数据、车辆及天气等外部数据。
详细地,所述基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库,包括:
利用预构建的实体识别模型识别出所述历史业务数据集合及所述规范数据集合中的知识图谱信息;
基于本体推理技术对所述知识图谱信息中的实体进行实体关联,汇总所有实体关联后的知识图谱信息,得到所述业务知识图谱库。
进一步地,所述基于本体推理技术对所述知识图谱信息中的实体进行实体关联,包括:
对所述知识图谱信息中的实体进行分类,根据分类结果进行实体标注,得到标注实体;
基于预设的标注关联规则,将有关联的所述标注实体进行实体关联。
本发明实施例中,所述预构建的实体识别模型可以为BRET、Transformer等模型,所述知识图谱信息包括实体、属性、关系和类别等信息。所述本体推理技术是指利用预设的业务规则对知识图谱信息中的实体进行自动分类、标注和关联,从而实现数据的整合,提高不同数据间的关联性。例如,金融产险场景中,保险的标的实体可能和天气关联密切,则将标注后的保险实体和天气实体进行关联。
步骤三、基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型。
本发明实施例中,所述预构建的数据分析模型可以为机器学习模型,包括决策树、神经网络、XGBoost等。
详细地,所述基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,包括:
利用所述数据分析模型对所述业务知识图谱库中的数据进行实体分析,得到实体分析结果;
基于所述实体分析结果对所述数据分析模型进行迭代训练,得到所述业务分析模型。
本发明实施例中,所述实体分析是指利用数据分析模型对业务知识图谱库中的实体进行分类、标注和关联,并和业务知识图谱库中的数据相匹配,给出对应的实体分析结果。例如,金融产险领域,通过机器学***进行审核、筛选和分类;对客户的信息进行判别,完成客户特征与核保知识库匹配,给出对应的承保建议分析结果。
本发明另一可选实施例中,所述基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型之后,所述方法还包括:
获取历史业务分析数据集合,利用所述业务分析模型对所述历史业务分析数据集合中的业务数据进行实体分析,得到历史实体分析结果;
利用所述历史实体分析结果及所述历史业务分析数据集合计算分析准确率,基于所述分析准确率对所述业务分析模型进行优化调整,得到优化业务分析模型。
本发明一可选实施例中,例如在金融产险领域,应用历史承保数据对模型进行测试,基于模型提供的承保建议与历史保单实际承保方案、历史赔付数据进行分析确认模型的准确率,进而对模型进行优化和调整,得到优化业务分析模型。同时随着业务产品不断更新、数据不断增长,风险不断变化,也能通过既有数据对模型进行修正,不断提高模型分析的准确性。
步骤四、利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
本发明一可选实施例中,在金融产险领域,所述待分析业务数据可以为核保询价数据,例如,某仓储类企业用户投保企财险,标的地址位于非洪涝水灾区,应用业务分析模型进行数据分析后,模型可基于保险公司历史赔付数据给出承保建议,建议补充附加条款或提高免赔额等有条件承保,以减少可能损失,大大提高了数据分析的准确性及效率。通过将核保政策、条款信息、过往保单数据及理赔数据、外部购买数据等整合为业务知识图谱库,基于知识图谱构建核保政策模型,不需要核保人人工逐个产品逐条政策去配置,减少核保人政策解读、规则配置耗费的时间,以及核保报价时还需要自行查询统计各项相关联信息,大大提高了数据分析的准确率即效率。
本发明基于条款政策库的数据构建业务知识图谱库,基于知识图谱技术,可以将不同数据进行关联,再通过业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,利用业务分析模型对待分析业务数据进行数据分析,提高数据分析的效率即准确率,例如在金融领域,通过将核保政策、条款信息、过往保单数据及理赔数据、外部购买数据等整合为业务知识图谱库,基于知识图谱构建核保政策模型,不需要核保人人工逐个产品逐条政策去配置,减少核保人政策解读、规则配置耗费的时间,以及核保报价时还需要自行查询统计各项相关联信息,大大提高了数据分析的准确率及效率。因此本发明提出的知识图谱分析装置,可以提高数据分析的准确率及效率。
如图3所示,是本发明一实施例提供的实现所述知识图谱分析方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13,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,如知识图谱分析程序。
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的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备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的应用软件及各类数据,例如知识图谱分析程序的代码等,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(例如知识图谱分析程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。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与其他电子设备之间建立通信连接。所述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中处理的信息以及用于显示可视化的用户界面。
所述总线13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13可以分为地址总线、数据总线、控制总线等。所述总线13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与其他电子设备之间建立通信连接。
可选地,该电子设备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。
所述电子设备中的所述存储器11存储的知识图谱分析程序是多个指令的组合,在所述处理器10中运行时,可以实现:
构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合;
获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库;
基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型;
利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
具体地,所述处理器10对上述指令的具体实现方法可参考附图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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,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)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合;
获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库;
基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型;
利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
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。
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。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
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。
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 (10)
1.一种知识图谱分析方法,其特征在于,所述方法包括:
构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合;
获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库;
基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型;
利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
2.如权利要求1所述的知识图谱分析方法,其特征在于,所述构建条款政策库,包括:
获取业务政策数据及业务条款数据,按照预设数据结构对所述业务政策数据及业务条款数据进行数据抽取,得到结构化政策数据;
汇总所有的结构化政策数据得到所述条款政策库。
3.如权利要求1所述的知识图谱分析方法,其特征在于,所述基于所述条款政策库进行数据规范处理,得到规范数据集合,包括:
获取历史结构化数据集合,对所述历史结构化数据集合及所述条款政策库中的数据进行数据清洗处理,得到清洗数据集合;
基于预设的业务规范及业务标准对所述清洗数据集合中的数据进行数据规范处理,得到规范数据集合。
4.如权利要求1中所述的知识图谱分析方法,其特征在于,所述基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库,包括:
利用预构建的实体识别模型识别出所述历史业务数据集合及所述规范数据集合中的知识图谱信息;
基于本体推理技术对所述知识图谱信息中的实体进行实体关联,汇总所有实体关联后的知识图谱信息,得到所述业务知识图谱库。
5.如权利要求4所述的知识图谱分析方法,其特征在于,所述基于本体推理技术对所述知识图谱信息中的实体进行实体关联,包括:
对所述知识图谱信息中的实体进行分类,根据分类结果进行实体标注,得到标注实体;
基于预设的标注关联规则,将有关联的所述标注实体进行实体关联。
6.如权利要求1中所述的知识图谱分析方法,其特征在于,所述基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,包括:
利用所述数据分析模型对所述业务知识图谱库中的数据进行实体分析,得到实体分析结果;
基于所述实体分析结果对所述数据分析模型进行迭代训练,得到所述业务分析模型。
7.如权利要求6所述的知识图谱分析方法,其特征在于,所述基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型之后,所述方法还包括:
获取历史业务分析数据集合,利用所述业务分析模型对所述历史业务分析数据集合中的业务数据进行实体分析,得到历史实体分析结果;
利用所述历史实体分析结果及所述历史业务分析数据集合计算分析准确率,基于所述分析准确率对所述业务分析模型进行优化调整,得到优化业务分析模型。
8.一种知识图谱分析装置,其特征在于,所述装置包括:
数据规范模块,用于构建条款政策库,基于所述条款政策库进行数据规范处理,得到规范数据集合;
知识图谱构建模块,用于获取历史业务数据集合,基于所述历史业务数据集合及所述规范数据集合构建业务知识图谱库;
数据分析模块,用于基于所述业务知识图谱库训练预构建的数据分析模型,得到业务分析模型,利用所述业务分析模型对待分析业务数据进行数据分析,得到数据分析结果。
9.一种电子设备,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计算机程序,所述计算机程序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7中任意一项所述的知识图谱分析方法。
10.一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7中任意一项所述的知识图谱分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790162.9A CN116843481A (zh) | 2023-06-29 | 2023-06-29 | 知识图谱分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790162.9A CN116843481A (zh) | 2023-06-29 | 2023-06-29 | 知识图谱分析方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116843481A true CN116843481A (zh) | 2023-10-03 |
Family
ID=88164647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310790162.9A Pending CN116843481A (zh) | 2023-06-29 | 2023-06-29 | 知识图谱分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116843481A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391313A (zh) * | 2023-12-12 | 2024-01-12 | 广东正迪科技股份有限公司 | 基于ai的智能决策方法、***、设备以及介质 |
-
2023
- 2023-06-29 CN CN202310790162.9A patent/CN116843481A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391313A (zh) * | 2023-12-12 | 2024-01-12 | 广东正迪科技股份有限公司 | 基于ai的智能决策方法、***、设备以及介质 |
CN117391313B (zh) * | 2023-12-12 | 2024-04-30 | 广东正迪科技股份有限公司 | 基于ai的智能决策方法、***、设备以及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113626606B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN113656690B (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN116523268B (zh) | 一种基于大数据画像的人岗匹配分析方法及装置 | |
CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
CN114880449B (zh) | 智能问答的答复生成方法、装置、电子设备及存储介质 | |
CN114638547A (zh) | 企业战略智能预警方法、装置、电子设备及存储介质 | |
CN116843481A (zh) | 知识图谱分析方法、装置、设备及存储介质 | |
CN113658002B (zh) | 基于决策树的交易结果生成方法、装置、电子设备及介质 | |
CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
CN113313211B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN115099680B (zh) | 风险管理方法、装置、设备及存储介质 | |
CN116741358A (zh) | 问诊挂号推荐方法、装置、设备及存储介质 | |
CN116401606A (zh) | 欺诈行为识别方法、装置、设备及介质 | |
CN113657546B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN116188189A (zh) | 数据对账方法、装置、设备及介质 | |
CN114722146A (zh) | 基于人工智能的供应链资产校验方法、装置、设备及介质 | |
CN114372892A (zh) | 支付数据监控方法、装置、设备及介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN114781833B (zh) | 基于业务人员的能力测评方法、装置、设备及存储介质 | |
CN114912818B (zh) | 资产指标分析方法、装置、设备及存储介质 | |
CN116991364B (zh) | 基于大数据的软件开发***管理方法 | |
CN113902493A (zh) | 基于用户信息的产品定价方法、装置、设备及存储介质 | |
CN116775852A (zh) | 基于标签的数据推荐方法、装置、设备及存储介质 | |
CN116911769A (zh) | 基于esg的角色-数据交互方法、装置、设备及存储介质 |
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 |