基于AI与知识图谱的业务数据智能分析系统的制作方法

本发明涉及人工智能与知识图谱，更具体地说，它涉及基于ai与知识图谱的业务数据智能分析系统。

背景技术：

1、在企业多业务线运营场景中，成熟业务线经长期积累形成了多层级细粒度的业务指标体系，并以时序知识图谱的形式存储了丰富的因果分析经验，其中包含实体节点的层级关系、因果关系边及其时间延迟参数。当企业需要对新启动业务线的业务数据进行智能分析和趋势预判时，由于新业务域数据积累周期短、事件样本稀疏，通常仅有粗粒度的聚合业务指标可供观测，难以独立构建完整的时序知识图谱和可靠的因果分析链路。

2、现有基于知识图谱的跨域分析迁移方法通过语义对齐将成熟域的因果分析结构映射至新业务域，但上述方法默认两域指标体系处于相近的抽象粒度，执行节点间的平级映射。上述方法存在以下缺陷：成熟业务域因果分析链路中的中间传导节点为细粒度指标，直接迁移至新业务域后因无对应细粒度数据支撑，导致因果传导链路断裂且中间参数无法估计；若通过粒度聚合将细粒度多步因果路径压缩为粗粒度单步因果边，则多步传导信息丢失，因果参数的业务含义发生改变，后续利用贝叶斯方法结合新域观测数据校正参数时，源域先验分布与新域观测后验分布不在同一语义空间内，导致参数校正产生系统性失真，进而使智能分析结论和趋势预测出现方向性偏差。

技术实现思路

1、本发明提供基于ai与知识图谱的业务数据智能分析系统，解决相关技术中目标域业务数据稀疏、跨域粒度结构不对齐导致因果分析模板无法直接迁移、预测结果缺乏可溯源置信度标注的技术问题。

2、本发明公开了一种基于ai与知识图谱的业务数据智能分析系统，包括：

3、分层知识图谱生成模块，配置为获取源域和目标域的业务数据，生成各域的时序知识图谱，并基于节点间的包含关系和聚合关系执行层次聚类，将业务指标节点划分为多级粒度层，生成两域各自的分层时序知识图谱结构；

4、跨域粒度感知对齐模块，配置为提取两域分层时序知识图谱中各节点的语义嵌入向量和拓扑特征向量并拼接为融合表示，在同一粒度层内计算源域节点与目标域节点之间的对齐概率，生成跨域实体对齐映射表，并通过比对两域粒度层级结构识别目标域的粒度缺失层级；

5、等效传导算子生成模块，配置为从源域时序知识图谱中提取经过粒度缺失层级中间节点的多步因果传导路径，对路径上各相邻节点间基于源域历史数据计算信息传导矩阵，对全部信息传导矩阵执行有序矩阵乘积生成等效传导算子，并计算各路径的信息损失率，输出粒度适配后的候选因果分析模板集合；

6、因果模板校验与参数校正模块，配置为利用目标域数据对候选因果分析模板中各等效传导边执行条件独立性检验以过滤不兼容因果边，将通过检验的等效传导边与目标域稀疏时序知识图谱合并，并以信息损失率的倒数调节贝叶斯先验精度参数，对各等效传导边执行自适应贝叶斯参数更新，输出目标域增强时序知识图谱；

7、域不变嵌入生成模块，配置为通过图卷积网络提取目标域增强时序知识图谱的节点嵌入向量，并经领域对抗分布对齐层消除源域与目标域嵌入的分布偏移，生成域不变的业务节点嵌入序列；

8、预测分析报告生成模块，配置为将目标业务指标时间序列与域不变的业务节点嵌入序列按时间步拼接，经编码解码预测网络生成业务指标预测值序列，并基于注意力权重对各等效传导边标注置信度等级和原始传导路径溯源信息，输出业务数据智能分析报告。

9、进一步地，所述跨域粒度感知对齐模块中，对齐概率的计算方式为：，其中  为源域粒度层  内的节点， 为目标域同粒度层  内的节点， 和  分别为源域节点和目标域节点的融合表示向量， 为温度参数， 为目标域粒度层  内的节点总数， 遍历目标域粒度层  内的所有节点；所述融合表示向量由语义嵌入向量与拓扑特征向量经各自z-score标准化后拼接生成，所述拓扑特征向量包含层内度特征、聚类系数和局部社区标签。

10、进一步地，所述跨域粒度感知对齐模块中，粒度层级比对子模块对目标域分层时序知识图谱中各粒度层统计对齐成功比例和节点总数，当某一粒度层的节点总数低于预设最小节点阈值 ，或对齐成功比例低于预设最小对齐比例  时，标记该粒度层为粒度缺失层级。

11、进一步地，所述等效传导算子生成模块中，所述信息传导矩阵  的元素定义为：，其中  为源域历史时间序列的总时间步数， 为节点  的时间序列在第  时刻处于状态  的指示量， 为从节点  处于状态  的子序列向节点  处于状态  的子序列传导的条件传递熵， 和  分别为发送节点和接收节点的状态区间索引， 为离散化状态区间数量；各节点时间序列在计算信息传导矩阵前分别进行z-score标准化处理，各节点时间序列独立地将其取值范围均匀划分为  个等宽区间。

12、进一步地，所述等效传导算子生成模块中，等效传导算子的生成方式为：，其中  为从端节点  到端节点  的等效传导算子， 为路径上从第1段到第  段的信息传导矩阵， 为粒度缺失层级中间节点数量；等效时间延迟参数为 ，其中  为第 段因果关系边的时间延迟参数；等效影响强度参数为  的谱范数 ；信息损失率为：，其中  为frobenius范数。

13、进一步地，所述因果模板校验与参数校正模块中，贝叶斯先验精度参数的计算方式为：，其中  为先验精度参数， 为全局缩放常数， 为等效传导边的信息损失率， 为防止除零的极小正数；影响强度参数的先验分布为，时间延迟参数的先验分布为 ，利用目标域对应节点对的时间序列作为似然数据，通过共轭贝叶斯更新计算后验参数估计。

14、进一步地，所述域不变嵌入生成模块采用关系类型感知的图卷积网络，对目标域增强时序知识图谱中不同类型的关系边分别配置独立的权重矩阵，所述不同类型的关系边包括因果边、聚合边、拆解边和等效传导边；所述领域对抗分布对齐层包含域判别器和梯度反转层，域判别器的损失函数为：，其中  为参与训练的节点总数， 为节点  的域标签， 为域判别器对节点  输出的属于源域的概率；所述梯度反转层在反向传播过程中将域判别器梯度取反后传递至图卷积网络参数。

15、进一步地，所述图卷积网络与域判别器联合优化时，节点表征任务损失为因果关系链路重建损失，以图卷积网络输出的端节点嵌入向量内积经sigmoid函数映射后的值作为因果边存在概率的预测值，与真实边标签计算二元交叉熵。

16、进一步地，所述预测分析报告生成模块中，编码器采用多层transformer编码器结构，解码器采用多层transformer解码器结构，解码器通过交叉注意力接入未来已知计划事件在目标域增强时序知识图谱中对应节点的嵌入作为条件向量，以自回归方式逐步生成未来时间步的预测值；溯源标注子模块将各等效传导边的注意力贡献度与该等效传导边的后验置信区间宽度相结合划分置信度等级，并关联各等效传导边对应的原始细粒度传导路径信息和信息损失率标注于分析报告中。

17、本发明公开了一种基于ai与知识图谱的业务数据智能分析方法，用于执行上述基于知识图谱的业务数据智能分析系统，包括：

18、步骤1，获取源域和目标域的业务数据，生成各域的时序知识图谱，基于节点间的包含关系和聚合关系执行层次聚类，将业务指标节点划分为多级粒度层，生成两域各自的分层时序知识图谱结构；

19、步骤2，提取两域分层时序知识图谱中各节点的语义嵌入向量和拓扑特征向量并拼接为融合表示，在同一粒度层内计算源域节点与目标域节点之间的对齐概率，生成跨域实体对齐映射表，并通过比对两域粒度层级结构识别目标域的粒度缺失层级；

20、步骤3，从源域时序知识图谱中提取经过粒度缺失层级中间节点的多步因果传导路径，对路径上各相邻节点间基于源域历史数据计算信息传导矩阵，对全部信息传导矩阵执行有序矩阵乘积生成等效传导算子，并计算各路径的信息损失率，输出粒度适配后的候选因果分析模板集合；

21、步骤4，利用目标域数据对候选因果分析模板中各等效传导边执行条件独立性检验以过滤不兼容因果边，将通过检验的等效传导边与目标域稀疏时序知识图谱合并，并以信息损失率的倒数调节贝叶斯先验精度参数，对各等效传导边执行自适应贝叶斯参数更新，输出目标域增强时序知识图谱；

22、步骤5，通过图卷积网络提取目标域增强时序知识图谱的节点嵌入向量，并经领域对抗分布对齐层消除源域与目标域嵌入的分布偏移，生成域不变的业务节点嵌入序列；

23、步骤6，将目标业务指标时间序列与域不变的业务节点嵌入序列按时间步拼接，经编码解码预测网络生成业务指标预测值序列，并基于注意力权重对各等效传导边标注置信度等级和原始传导路径溯源信息，输出业务数据智能分析报告。

24、本发明具有以下有益效果：

25、分层知识图谱生成模块将业务指标按包含关系和聚合关系显式划分为战略层、战术层、操作层三级粒度层，使跨域对齐在同粒度层内进行并能识别目标域的粒度缺失层级，从而将跨域分析迁移从平级映射扩展为层级感知映射，克服了成熟业务域与新业务域指标体系粒度不对称条件下平级映射导致的对齐失效问题。

26、等效传导算子生成模块对经过粒度缺失层级的多步细粒度因果传导路径计算信息传导矩阵并执行有序矩阵乘积压缩，在将多步传导链路适配为新业务域粗粒度数据可支撑的单步等效传导表示的同时，以矩阵乘积的形式保留了原始多步传导的方向性和强度衰减信息，避免了直接丢弃中间传导节点导致的因果链路断裂。

27、因果模板校验与参数校正模块以信息损失率的倒数调节贝叶斯先验精度参数，使信息损失低的等效传导边保持强先验约束以充分复用源域因果传导信息，信息损失高的等效传导边降低先验约束以使后验更多由目标域观测数据主导，从而使先验与后验在参数更新过程中的权重配比自适应于粒度压缩程度，避免了固定权重先验在不同压缩程度等效传导边上产生系统性失真。

28、域不变嵌入生成模块通过梯度反转对抗训练消除源域预训练嵌入与目标域嵌入之间的分布偏移，使后续编码解码预测网络的输入嵌入不受域差异干扰。

29、预测分析报告生成模块在输出业务指标预测值序列的同时，基于注意力权重在目标域增强时序知识图谱上标注各等效传导边的置信度等级并关联原始细粒度传导路径信息，使业务数据智能分析结论具备可追溯的因果解释路径和粒度适配可信度分级。