用于企业智能决策分析的处理方法、装置和计算机设备制造方法及图纸

本申请涉及一种用于企业智能决策分析的处理方法、装置、计算机设备和存储介质。所述方法包括：获取企业标识对应的待处理数据；对所述待处理数据进行特征提取，得到所述待处理数据的特征向量；通过预先训练的机器学习模型的逻辑层确定所述特征向量之间的逻辑关系；通过所述机器学习模型的数据分析层，利用所述逻辑关系对所述特征向量进行分析，得到所述企业标识对应的评估值；通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据。采用本方法能够提高对用于企业智能决策分析的处理的准确性。

Processing methods, devices and computer equipment for intelligent decision analysis of enterprises

【技术实现步骤摘要】
用于企业智能决策分析的处理方法、装置和计算机设备
本申请涉及数据处理
，特别是涉及一种用于企业智能决策分析的处理方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能技术的发展，人工智能技术越来越受企业的重视，人工智能技术广泛应用数据处理中。通过人工智能技术对企业数据进行处理使得数据形成可观价值，即对用于企业智能决策分析的处理可计算企业风险等相关数值了解企业健康状态，但企业风险企业健康状态主要依托于企业自身相关数据及其关联数据。然而，目前的用于企业智能决策分析的处理主要采用的现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术只能对企业自身相关数据进行处理，导致用于企业智能决策分析的处理的准确性低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高对用于企业智能决策分析的处理的准确性的用于企业智能决策分析的处理方法、装置、计算机设备和存储介质。一种用于企业智能决策分析的处理方法，所述方法包括：获取企业标识对应的待处理数据；对所述待处理数据进行特征提取，得到所述待处理数据的特征向量；通过预先训练的机器学习模型的逻辑层确定所述特征向量之间的逻辑关系；通过所述机器学习模型的数据分析层，利用所述逻辑关系对所述特征向量进行分析，得到所述企业标识对应的评估值；通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据。在其中一个实施例中，所述评估值为企业财务风险值，所述通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据，包括：通过所述机器学习模型的决策层对所述企业财务风险值进行处理，当所述企业财务风险值大于财务风险阈值时，得到业务财务风险警示信息。在其中一个实施例中，所述评估值为对标指标，所述通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据，包括：通过所述机器学习模型的决策层从不同维度所述对标指标进行处理，当所述对标指标小于对标指标阈值时，得到所述对标指标对应的决策数据；所述对标指标至少包括利润率、投资回报、产品周期、每个员工销售量和产品成本中的一种。在其中一个实施例中，所述评估值为企业健康值，所述通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据，包括：通过所述机器学习模型的决策层所述企业健康值进行处理，当所述企业健康值小于企业健康阈值时，得到对应的企业健康数据报告。在其中一个实施例中，所述方法还包括：将所述评估值和所述决策数据作为新的企业样本数据，根据所述新的企业样本数据对所述机器学习模型进行训练。在其中一个实施例中，所述机器学习模型的训练过程包括：获取样本数据和所述样本数据对应的知识图谱；所述样本数据以格式化形式存储在生产数据库中；对所述样本数据进行特征提取，得到训练特征向量；通过所述机器学习模型的逻辑层，按照所述知识图谱学习所述训练特征向量之间的逻辑关系；通过所述机器学习模型的数据分析层，利用所述逻辑关系对所述训练特征向量进行分析，得到训练评估值；通过所述机器学习模型的决策层，生成所述训练评估值对应的训练决策数据；计算所述训练解决策略数据与决策标签之间的损失值；利用所述损失值对所述机器学习模型中各网络层的参数进行调整，直到满足预设条件，得到所述训练好的机器学习模型。在其中一个实施例中，所述样本数据中至少包括全球宏观经济数据、企业产业数据和案例数据；所述企业内部数据至少包括、企业目标管理行为数据、企业历史财务数据、企业场景问答数据和网络舆情数据；所述知识图谱至少包括全球宏观经济知识图谱、产业结构分类知识图谱、财务会计审。一种用于企业智能决策分析的处理装置，所述装置包括：获取模块，用于获取企业标识对应的待处理数据；特征提取模块，用于对所述待处理数据进行特征提取，得到所述待处理数据的特征向量；确定模块，用于通过预先训练的机器学习模型的逻辑层确定所述特征向量之间的逻辑关系；数据分析模块，用于通过所述机器学习模型的数据分析层，利用所述逻辑关系对所述特征向量进行分析，得到所述企业标识对应的评估值；决策模块，用于通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取企业标识对应的待处理数据；对所述待处理数据进行特征提取，得到所述待处理数据的特征向量；通过预先训练的机器学习模型的逻辑层确定所述特征向量之间的逻辑关系；通过所述机器学习模型的数据分析层，利用所述逻辑关系对所述特征向量进行分析，得到所述企业标识对应的评估值；通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取企业标识对应的待处理数据；对所述待处理数据进行特征提取，得到所述待处理数据的特征向量；通过预先训练的机器学习模型的逻辑层确定所述特征向量之间的逻辑关系；通过所述机器学习模型的数据分析层，利用所述逻辑关系对所述特征向量进行分析，得到所述企业标识对应的评估值；通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据。上述用于企业智能决策分析的处理方法、装置、计算机设备和存储介质，获取企业标识对应的待处理数据；对待处理数据进行特征提取，得到待处理数据的特征向量；通过预先训练的机器学习模型的逻辑层确定特征向量之间的逻辑关系；通过机器学习模型的数据分析层，利用逻辑关系对特征向量进行分析，得到企业标识对应的评估值；通过机器学习模型的决策层对评估值进行处理，得到对应的决策数据。附图说明图1为一个实施例中用于企业智能决策分析的处理方法的应用环境图；图2为一个实施例中用于企业智能决策分析的处理方法的流程示意图；图3为一个实施例中机器学习模型训练方法的流程示意图；图4为另一个实施例中用于企业智能决策分析的处理方法的流程示意图；图5为一个实施例中用于企业智能决策分析的处理方法的应用场景；图6为一个实施例中用于企业智能决策分析的处理装置的结构框图；图7为另一个实施例中用于企业智能决策分析的处理装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的用于企业智能决策分析的处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102从服务器104中获取企业标识对应的待处理数据；对待处理本文档来自技高网...

【技术保护点】
1.一种用于企业智能决策分析的处理方法，所述方法包括：/n获取企业标识对应的待处理数据；/n对所述待处理数据进行特征提取，得到所述待处理数据的特征向量；/n通过预先训练的机器学习模型的逻辑层确定所述特征向量之间的逻辑关系；/n通过所述机器学习模型的数据分析层，利用所述逻辑关系对所述特征向量进行分析，得到所述企业标识对应的评估值；/n通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据。/n

【技术特征摘要】
1.一种用于企业智能决策分析的处理方法，所述方法包括：
获取企业标识对应的待处理数据；
对所述待处理数据进行特征提取，得到所述待处理数据的特征向量；
通过预先训练的机器学习模型的逻辑层确定所述特征向量之间的逻辑关系；
通过所述机器学习模型的数据分析层，利用所述逻辑关系对所述特征向量进行分析，得到所述企业标识对应的评估值；
通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据。


2.根据权利要去1所述的方法，其特征在于，所述评估值为企业财务风险值，所述通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据，包括：
通过所述机器学习模型的决策层对所述企业财务风险值进行处理，当所述企业财务风险值大于财务风险阈值时，得到业务财务风险警示信息。


3.根据权利要求1所述的方法，其特征在于，所述评估值为对标指标，所述通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据，包括：
通过所述机器学习模型的决策层从不同维度所述对标指标进行处理，当所述对标指标小于对标指标阈值时，得到所述对标指标对应的决策数据；所述对标指标至少包括利润率、投资回报、产品周期、每个员工销售量和产品成本中的一种。


4.根据权利要求1所述的方法，其特征在于，所述评估值为企业健康值，所述通过所述机器学习模型的决策层对所述评估值进行处理，得到对应的决策数据，包括：
通过所述机器学习模型的决策层所述企业健康值进行处理，当所述企业健康值小于企业健康阈值时，得到对应的企业健康数据报告。


5.根据权利要求1至4任意一项所述的方法，其特征在于，所述方法还包括：
将所述评估值和所述决策数据作为新的企业样本数据，根据所述新的企业样本数据对所述机器学习模型进行训练。


6.根据权利要去1所述的方法，其特征在于，所述机器学习模型的训练过程包括：
获取样本数据和所述样本数据对应的知识图谱；所述...

【专利技术属性】
技术研发人员：乔恩·罗伯特·桑德森，
申请(专利权)人：未来地图深圳智能科技有限公司，
类型：发明
国别省市：广东;44