【技術實現步驟摘要】
本申請涉及數據處理相關領域，尤其涉及用于非結構化數據處理的ai智能決策方法。
技術介紹
1、隨著信息技術的飛速發展，企業每天都會產生大量的非結構化數據，如文本、日志、傳感器數據、視頻、音頻、圖像等。這些數據蘊含著豐富的信息，對于企業的決策制定、業務優化和風險管理等方面具有重要意義。然而，非結構化數據的復雜性、多樣性和海量性給數據處理帶來了巨大挑戰。因此，如何高效地處理非結構化數據，挖掘其價值，成為企業亟須解決的問題。傳統上，企業通常依賴人工對數據進行分類、整理和分析，但這種方法效率低下，且容易出錯。針對特定業務需求，企業也會開發定制化的數據處理系統，但這種方法成本高、周期長，且難以適應不斷變化的數據處理需求。
2、現階段相關技術中，非結構化數據處理存在效率低下，準確性不足，難以適應不斷變化的數據處理需求，缺乏靈活性的技術問題。
技術實現思路
1、本申請通過提供用于非結構化數據處理的ai智能決策方法，采用針對目標企業的各個非結構化數據源端采集歷史非結構化數據集，對采集到的歷史數據進行數據動態性和格式一致性分析，建立第一數據源端聚合結果，基于歷史數據的使用場景進行文件管理流程的分析，根據分析結果對第一數據源端聚合結果進行聚合優化，生成第二數據源端聚合結果，基于第二數據源端聚合結果搭建非結構化數據處理中臺，對各個非結構化數據源端生成的實時非結構化數據進行智能化決策處理等技術手段，達到了提高數據處理的效率和準確性，提高系統靈活性和可擴展性的技術效果。
2、本申請提供
3、針對目標企業的各個非結構化數據源端采集各個歷史非結構化數據集；對所述各個歷史非結構化數據集進行數據動態性和格式一致性分析聚合，建立第一數據源端聚合結果；基于所述各個歷史非結構化數據集的使用場景進行文件管理流程的分析，根據分析結果對所述第一數據源端聚合結果進行聚合優化，生成第二數據源端聚合結果；基于所述第二數據源端聚合結果搭建非結構化數據處理中臺，對所述各個非結構化數據源端生成的實時非結構化數據進行智能化決策處理。
4、在可能的實現方式中，對所述各個歷史非結構化數據集進行數據動態性和格式一致性分析聚合，建立第一數據源端聚合結果，執行以下處理：
5、按照預設動態指標集合對所述各個歷史非結構化數據集進行動態指標統計，生成各個動態指標值集合；獲取所述各個歷史非結構化數據集的結構化處理模板，對所述結構化處理模板進行一致性分析，生成格式一致判斷結果；基于所述各個動態指標值集合和所述格式一致判斷結果對所述各個歷史非結構化數據集進行相似分析，生成相似度大于預設相似閾值的非結構化數據源端組合；以所述非結構化數據源端組合對所述各個非結構化數據源端進行聚合，生成所述第一數據源端聚合結果。
6、在可能的實現方式中，執行以下處理：
7、所述預設動態指標集合至少包括數據類型、數據量、數據量增長率、訪問頻率和訪問方式。
8、在可能的實現方式中，基于所述各個歷史非結構化數據集的使用場景進行文件管理流程的分析，根據分析結果對所述第一數據源端聚合結果進行聚合優化，生成第二數據源端聚合結果，執行以下處理：
9、基于所述各個歷史非結構化數據集的使用場景采集歷史文件管理流程，其中，所述歷史文件管理流程包括多個流程節點；按照所述歷史文件管理流程對所述第一數據源端聚合結果中第一數據源端組合進行文件管理流程的復雜度分析，生成第一復雜度指標；判斷所述第一復雜度指標是否滿足預設復雜度指標，若否，生成第一聚合優化指令；基于所述第一聚合優化指令，以降低文件管理流程的復雜度為目標，對所述第一數據源端組合進行聚合優化，生成第一數據源端優化結果；將所述第一數據源端優化結果添加至所述第二數據源端聚合結果。
10、在可能的實現方式中，按照所述歷史文件管理流程對所述第一數據源端聚合結果中第一數據源端組合進行文件管理流程的復雜度分析，生成第一復雜度指標，執行以下處理：
11、基于所述歷史文件管理流程內的多個流程節點對所述第一數據源端組合進行數據生命周期分析，識別生命周期的差異化和清理策略的多樣性并進行融合，生成生命周期復雜度；基于所述歷史文件管理流程內的多個流程節點對所述第一數據源端組合進行權限管理的復雜度分析，生成權限管理復雜度；加權融合所述生命周期復雜度和所述權限管理復雜度，生成所述第一復雜度指標。
12、在可能的實現方式中，基于所述第一聚合優化指令，以降低文件管理流程的復雜度為目標，對所述第一數據源端組合進行聚合優化，生成第一數據源端優化結果，執行以下處理：
13、根據所述第一聚合優化指令，基于歷史文件管理流程的相似性進行二分類聚合，生成第一優化聚合結果；分析所述第一優化聚合結果的文件管理流程的復雜度是否滿足所述預設復雜度指標；若否，繼續對所述第一優化聚合結果進行二分類聚合，以此類推，直至獲得滿足所述預設復雜度指標的優化聚合結果，生成所述第一數據源端優化結果。
14、在可能的實現方式中，基于所述第二數據源端聚合結果搭建非結構化數據處理中臺，對所述各個非結構化數據源端生成的實時非結構化數據進行智能化決策處理，執行以下處理：
15、提取所述第二數據源端聚合結果內的多個數據源端組合；對所述多個數據源端組合分別進行動態指標值的提取，根據動態指標值提取結果進行數據中臺的處理資源配置，生成多數據源端資源配置結果；對所述多個數據源端組合分別進行文件管理流程的提取，根據文件管理流程搭建多個處理節點，并建立數據源端與處理節點的映射關系；以所述資源配置結果、所述多個處理節點和所述映射關系構建所述非結構化數據處理中臺；基于所述映射關系，調用所述多個處理節點對所述各個非結構化數據源端生成的實時非結構化數據進行決策處理。
16、在可能的實現方式中，還執行以下處理：
17、當添加新的非結構化數據源端，確定新的非結構化數據源端進行的預設數據動態性、預設數據結構化格式以及預設文件管理流程，將新的非結構化數據源端與第二數據源端聚合結果中的任一數據源端組合進行數據動態性、格式一致性分析、文件管理流程的聚合分析，判斷是否存在候選聚合組合；若是，以所述候選聚合組合對所述非結構化數據處理中臺進行調整；若否，針對新的非結構化數據源端構建獨立聚合結果，再對所述非結構化數據處理中臺進行調整。
18、擬通過本申請提出的用于非結構化數據處理的ai智能決策方法，首先針對目標企業的各個非結構化數據源端采集各個歷史非結構化數據集，接著對各個歷史非結構化數據集進行數據動態性和格式一致性分析聚合，建立第一數據源端聚合結果，然后基于各個歷史非結構化數據集的使用場景進行文件管理流程的分析，根據分析結果對第一數據源端聚合結果進行聚合優化，生成第二數據源端聚合結果，最后基于第二數據源端聚合結果搭建非結構化數據處理中臺，對各個非結構化數據源端生成的實時非結構化數據進行智能化決策處理，達到了提高數據處理的效率和準確性，提高系統靈本文檔來自技高網...
【技術保護點】
1.用于非結構化數據處理的AI智能決策方法，其特征在于，包括：
2.如權利要求1所述的用于非結構化數據處理的AI智能決策方法，其特征在于，對所述各個歷史非結構化數據集進行數據動態性和格式一致性分析聚合，建立第一數據源端聚合結果，包括：
3.如權利要求2所述的用于非結構化數據處理的AI智能決策方法，其特征在于，所述預設動態指標集合至少包括數據類型、數據量、數據量增長率、訪問頻率和訪問方式。
4.如權利要求1所述的用于非結構化數據處理的AI智能決策方法，其特征在于，基于所述各個歷史非結構化數據集的使用場景進行文件管理流程的分析，根據分析結果對所述第一數據源端聚合結果進行聚合優化，生成第二數據源端聚合結果，包括：
5.如權利要求4所述的用于非結構化數據處理的AI智能決策方法，其特征在于，按照所述歷史文件管理流程對所述第一數據源端聚合結果中第一數據源端組合進行文件管理流程的復雜度分析，生成第一復雜度指標，包括：
6.如權利要求4所述的用于非結構化數據處理的AI智能決策方法，其特征在于，基于所述第一聚合優化指令，以降低文件管理流程
7.如權利要求1所述的用于非結構化數據處理的AI智能決策方法，其特征在于，基于所述第二數據源端聚合結果搭建非結構化數據處理中臺，對所述各個非結構化數據源端生成的實時非結構化數據進行智能化決策處理，包括：
8.如權利要求7所述的用于非結構化數據處理的AI智能決策方法，其特征在于，還包括：
...【技術特征摘要】
1.用于非結構化數據處理的ai智能決策方法，其特征在于，包括：
2.如權利要求1所述的用于非結構化數據處理的ai智能決策方法，其特征在于，對所述各個歷史非結構化數據集進行數據動態性和格式一致性分析聚合，建立第一數據源端聚合結果，包括：
3.如權利要求2所述的用于非結構化數據處理的ai智能決策方法，其特征在于，所述預設動態指標集合至少包括數據類型、數據量、數據量增長率、訪問頻率和訪問方式。
4.如權利要求1所述的用于非結構化數據處理的ai智能決策方法，其特征在于，基于所述各個歷史非結構化數據集的使用場景進行文件管理流程的分析，根據分析結果對所述第一數據源端聚合結果進行聚合優化，生成第二數據源端聚合結果，包括：
5.如權利要求4所述的用于非結構...
【專利技術屬性】
技術研發人員：劉燁銘，李詩婷，
申請(專利權)人：深圳市分享信息系統有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。