(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 202211299589.0 (22)申请日 2022.10.24 (71)申请人 北京科技大 学 地址 100083 北京市海淀区学院路3 0号 (72)发明人 王艾　高学东　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 专利代理师 张仲波 (51)Int.Cl. G06F 16/901(2019.01) G06N 5/02(2006.01) G06Q 10/06(2012.01) G06F 16/906(2019.01) (54)发明名称 一种实时决策支持的智能变尺度数据分析 方法及系统 (57)摘要 本发明提供了一种实时决策支持的智能变 尺度数据分析方法及系统， 涉及智能数据分析技 术领域。 包括通过思维概念图中的 “概念对”得到 思维序列， 计算思维序列相似性， 利用相似性结 果聚集思维序列形成分析问题； 计算分析问题相 似性， 聚集相似分析问题， 识别思维主题图中的 分析主题。 根据不同数据分析任务的结构形态特 征， 确定各分析主题包含的数据分析任务。 建立 多尺度数据模型。 根据数据分析任务判定结果， 匹配元数据分析算法， 对多尺度数据模型进行变 尺度数据分析。 本发明解决了分析主题发现、 数 据分析任务判定、 数据分析层次转换等智能决策 技术问题， 提升了数据分析任务判定的准确率和 效率， 实现了对跨行业管理决策场景的实时决策 支持。 权利要求书2页 说明书10页 附图3页 CN 115374316 A 2022.11.22 CN 115374316 A 1.一种实时决策支持的智能变尺度数据分析 方法， 其特 征在于， 包括以下步骤： S1： 获取反映企业决策需求的多源异构的原 始数据； S2： 根据获取的所述原始数据构建思维概念图模型， 根据所述思维概念图模型确定分 析主题； 其中， 所述思维概念图模型用于表征决策问题相关的知识经验和业务逻辑； 所述思维 概念图模型包括： 所述决策问题的各个方面以及各个角度的概念对集合， 以及不同概念对 之间的结构联系； S3： 识别不同概念对之间的结构形态特征， 根据所述结构形态特征， 判定每一个分析主 题中包含的数据分析任务； S4： 获得数据分析任务的判定结果， 根据所述判定结果， 分别为各数据分析任务匹配元 数据分析算法； 采用尺度变换机制对业务数据进 行变尺度数据分析， 获得解决方案， 完成实 时决策支持的智能变尺度数据分析。 2.根据权利要求1所述的方法， 其特征在于， 所述概念对为： 认知主体将前驱概念通过 想象或联想， 直接关联至另外的后继概念， 形成的具有偏序关系的思维基本信息单 元。 3.根据权利要求2所述的方法， 其特征在于， 所述步骤S2中， 根据获取的所述原始数据 构建思维概念图模型， 根据所述思维概念图模型确定分析主题， 包括： S21： 根据获取的数据， 通过对概念对执行前向扩展、 后向扩展或双向扩展过程， 生成思 维序列； S22： 将具有相同概念起 点或终点的所述思维序列进行 连接， 得到思维概念图模型； S23： 计算不同所述思维序列间相似度， 利用思维序列相似度结果对分析问题进行聚 集； S24： 计算 不同分析问题间相似度， 利用分析问题相似度结果确定分析主题。 4.根据权利要求3所述的方法， 其特征在于， 所述步骤S2还包括： 计算思维概念图模型 中各节点的概念层次权重 ， 用权重 建立各分析主题的特征向量， 其中包 括： 分析问题特征判断阈值 、 思维序列相似度阈值 ， 、 分析 问题相似度阈值 ， 。 5.根据权利要求4所述的方法， 其特征在于， 所述步骤S3中， 识别不同概念对之间的结 构形态特 征， 根据所述结构形态特 征， 判定每一个分析主题中包 含的数据分析任务， 包括： S31： 根据分析主题中每 个概念节点的概念层次权 重， 计算各节点的概念特 征； S32： 将概念特征数值较大的节点识别为概念中心， 根据各概念中心节点的出度和入 度， 以及不同数据分析任务的结构形态特 征， 进行数据分析任务判定； 其中， 出度为 概念中心直接可达的节点总数； 入度为 直接可达概念中心的节点总数。 6.根据权利要求5所述的方法， 其特征在于， 所述步骤S3还包括： 结合挖掘深度参数 ， ， 以及所述思维概念图模型中概念节点总数 ， ， 确定概念特征降序 排列结果， 将排列 结果的前 个节点确定为概念中心， 确定分析任务； 其中， 数据分析任 务判定参数为 ， 。权　利　要　求　书 1/2 页 2 CN 115374316 A 27.根据权利要求5所述的方法， 其特征在于， 所述步骤S32中， 将概念特征数值较大的节 点识别为概念中心， 根据各概念中心节点的出度和入度， 以及不同数据分析任务的结构形 态特征， 进行数据分析任务判定， 包括： 若识别出具有单一概念中心 的中心发散型子概念图， 则将概念中心节点作为对象， 将 各关联节点作为属性， 构建聚类型 数据分析任务， 获取业 务数据隐藏的概念型陈述 性知识； 若识别出两个具有整体联系的概念， 则将两个概念节点分别作为对象， 构建关联规则 型数据分析任务， 获取业 务数据隐藏的命题型陈述 性知识； 若识别出具有单一概念中心 的中心汇聚型子概念图， 则将概念中心节点作为类标签， 将各关联节点作为决策属 性， 构建分类预测型数据分析任务， 获取业务数据隐藏的命题网 络型陈述 性知识。 8.根据权利要求1所述的方法， 其特 征在于， 所述 步骤S4中， 变尺度数据分析包括： 采用保守尺度变换策略进行变尺度数据分析， 其中， 技术参数适配于选取的元数据分 析算法的算法参数及阈值。 9.一种实时决策支持的智能变尺度数据分析系统， 其特征在于， 所述系统适用于上述 权利要求1 ‑8中任意一项的方法， 系统包括： 数据采集模块， 用于获取反映企业决策需求的多源异构的原 始数据； 数据预处理模块， 用于根据获取的所述原始数据构建思维概念图模型， 根据所述思维 概念图模型确定分析主题； 其中， 所述思维概念图模型用于表征决策问题相关的知识经验和业务逻辑； 所述思维 概念图模型包括： 所述决策问题的各个方面以及各个角度的概念对集合， 以及不同概念对 之间的结构联系； 数据分析模块， 用于识别不同概念对之间的结构形态特征， 根据 所述结构形态特征， 判 定每一个分析主题中包 含的数据分析任务； 获得数据分析任务的判定结果， 根据所述判定结果， 分别为各数据分析任务匹配元数 据分析算法； 采用尺度变换机制对业务数据进行变尺度数据分析， 获得解决方案， 完成实时 决策支持的智能变尺度数据分析。 10.根据权利要求9所述的系统， 其特征在于， 所述概念对为： 认知主体将前驱概念通过 想象或联想， 直接关联至另外的后继概念， 形成的具有偏序关系的思维基本信息单 元。权　利　要　求　书 2/2 页 3 CN 115374316 A 3