一种基于AI大数据分析的智能管理系统的制作方法

本发明涉及大数据智能处理，具体地说，涉及一种基于ai大数据分析的智能管理系统。

背景技术：

1、ai大数据分析是指对来自不同时期、不同来源、不同标准体系的大规模数据进行融合处理、规律发现与变化识别的过程，广泛应用于国土监测、环境评估等领域。在这些领域中，管理部门需要定期对同一区域不同时期获取的数据进行对比分析，以识别区域内各要素的变化情况，为管理决策提供依据。

2、在跨期数据对比分析中，分类标准修订时通常会发布新旧对照表，多数地类可据此完成映射。然而仍存在难以覆盖的情况：一是部分地类新旧标准中名称相同但划定范围已调整，按名称比对会误判为未变化；二是部分地类新旧之间非一一对应，对照表难以完整表达。上述情况导致对比结果中混入假变化或遗漏真实变化。

3、针对上述问题，现有技术主要采用基于新旧分类对照表的映射方法，在对比前按照对照表将旧数据统一转换为新分类后再进行比对；对于对照表无法覆盖的交叉对应和同名不同义情况，通常依赖人工逐条核对变化记录进行甄别。

4、该方法的局限在于：对照表仅能表达地类之间的映射关系，无法表达交叉对应和同名不同义等复杂语义关系；剩余的假变化和漏报仍需人工甄别，而实际对比涉及的数据量庞大，人工逐条核对效率低下且容易遗漏。

5、因此，亟需一种可自动识别分类标准语义差异、准确甄别数据真假变化的大数据智能管理系统。

技术实现思路

1、本发明提供了一种基于ai大数据分析的智能管理系统，其通过提取新旧两版分类标准中各地类的定义内容与范围边界，综合量化每对地类之间的语义差异，识别出同名不同义及交叉对应等复杂语义关系，形成演化关系，再依据演化关系甄别地表覆盖变化，区分假变化与真实变化，从而解决上述背景技术中所提出的问题，即：

2、在跨期数据对比分析中，因分类标准修订更替产生同名不同义及交叉对应等复杂语义关系，现有对照表映射方法无法表达此类复杂语义，导致对比结果混入假变化、遗漏真实变化，人工甄别效率低且易出错的问题。

3、为实现上述目的，该系统包括分类标准解析模块，用于从新旧两版分类标准文本中提取各地类概念节点及定义文本，并生成各节点的外延边界，所述外延边界为一组属性与取值约束对；从新旧分类对照表中提取旧地类与新地类的对应关系，形成初始关系候选集；

4、语义关系推理模块，用于对初始关系候选集中的每对新旧地类，根据定义文本计算内涵差异，根据属性与取值约束对计算外延重叠差异，根据概念节点的上下级位置计算结构差异，并获取名称差异，综合各差异得到语义差异度量值；根据语义差异度量值对每对新旧地类进行同名冲突检测以识别名称相同但外延存在差异的地类，对检测出的地类从定义文本差异、层级结构差异和外延边界差异三个角度验证并标记验证等级，根据语义差异度量值和验证等级为每对新旧地类判定演化算子类型，生成各新旧地类之间的演化关系集合；

5、变化甄别推理模块，用于读入待甄别的变化记录，根据演化关系集合对变化记录进行甄别，区分其中的假变化和真实变化并识别漏报，输出标注结果；

6、结果输出与管理模块，用于根据标注结果生成标注结果报告，输出管理人员可确认的甄别结论。

7、上述技术方案中，先分别从新旧两版分类标准文本中提取各地类的定义内容和范围边界，并读入对照表中的对应关系作为初始参考，为后续语义分析提供结构化的数据基础。如果不进行这一提取步骤，标准文本中大量以自然语言描述的定义信息就无法被计算机识别和处理，后续所有分析都将失去数据来源。再对每对新旧地类从定义差异、范围差异、层级差异和名称差异四个维度进行综合量化，识别出同名但范围已变的地类关系以及一旧对多新、多旧对一新的交叉对应情形，据此生成各地类之间的演化关系集合。如果不对这四个维度逐一量化，仅凭对照表的一一映射关系，同名不同义的地类会被错误判定为未变化，一旧对多新的交叉关系也无法表达，标准修订带来的复杂语义变化就无法被系统感知。然后利用这些演化关系对地表覆盖变化记录进行逐条甄别，判断哪些变化是由分类标准语义差异造成的假变化、哪些是真实发生的地表变动，同时找出被遗漏的真实变化。如果没有演化关系作为判断基准，变化记录只能依靠人工对照标准文本逐条核验，大规模数据下的准确性和效率都难以保证。最后将甄别结论汇总输出，形成可供管理人员确认的标注结果报告，使智能分析结果能够直接服务于管理决策。

8、在此基础上，所述内涵差异为两个地类在定义文本上的差异，由定义文本中核心定义段、限定条件段和排除条件段各自计算余弦距离后加权合成，所述排除条件段差异的权重最高，所述限定条件段差异的权重次之，所述核心定义段差异的权重最低；

9、所述外延重叠差异为两个地类在所辖对象覆盖范围上的差异，由两个地类的属性与取值约束对按属性名称逐项比较后，将各属性的比较结果赋予贡献值并取平均得到；

10、所述结构差异为两个地类在各自所属分类层级结构中的位置差异，由层级深度差、父类差异及兄弟类集合差异加权合成；

11、所述名称差异为两个地类在名称上的差异，由名称字符串的编辑距离除以两名称字符串长度的最大值得到。

12、在另一个技术方案中，根据地块属性与各地类外延边界进行区域匹配以判定实际归属并修正变化状态，具体为：

13、对于分裂算子，读取变化记录对应地块的属性信息，将地块属性与分裂后各新地类的外延边界逐项进行匹配，计算地块属性与各新地类外延边界的匹配度，将匹配度最高的新地类作为该地块的实际归属，并据此修正变化记录中的新期地类编码；

14、对于合并算子，验证变化记录对应地块的旧期属性是否符合旧期地类外延边界的定义，若符合且新期归属为合并后的新地类，则判定该变化属于分类口径调整，标记为假变化。

15、此技术方案中，定义差异、范围差异、层级差异和名称差异四个维度的量化方式各有侧重。定义差异以排除条件段的差异权重最高，因为排除条件直接决定了地类不包含哪些对象，该部分一旦发生变化对语义影响最大；范围差异通过将两个地类的属性约束对逐项比较并取平均，能够量化出两地类在所辖对象覆盖范围上的重叠程度；层级差异通过父类和兄弟类集合的比较来判定地类在分类树中的位置变动；名称差异则通过字符串编辑距离来量化名称的相近程度。四个维度分别从不同侧面刻画了新旧地类之间的语义关系，单独依赖任何一个维度都无法全面判断两地类是否发生了实质变化。对于分裂算子和合并算子这两种非一一对应的情形，分裂时将地块属性逐一匹配分裂后各新地类的外延边界，以匹配度最高的作为实际归属；合并时则反向验证地块旧期属性是否符合旧期地类外延边界，若符合则判定为分类口径调整而非真实变化。若不进行这种双向验证，一旧对多新、多旧对一新的交叉情形便无法准确判定地块的实际归属，假变化和真变化就会混杂在一起难以区分，导致对比结果中既有漏判又有误判。

16、与现有技术相比，本发明的有益效果：

17、1、本发明通过从新旧两版分类标准文本中直接提取各地类的定义内容和范围边界，将自然语言描述的标准条文转化为结构化的属性约束数据，使分类标准中隐含的语义信息从不可计算变为可计算，为后续的语义量化分析提供了数据基础，克服了现有技术仅依赖对照表进行简单编码映射而无法触及标准语义层面的局限。

18、2、本发明从定义差异、范围差异、层级差异和名称差异四个维度综合量化每对新旧地类之间的语义差异程度，其中排除条件段差异赋予最高权重以捕捉地类范围边界的实质性改变，并针对同名不同义和交叉对应两类复杂语义关系分别设置同名冲突检测和分裂合并归属推理两种处理机制，使分类标准修订中的非一一对应关系能够被系统自动识别和处理，实现了从对照表线性映射到多维语义推理的跨越。

19、3、本发明将演化关系集合作为变化记录甄别的判断基准，使假变化的筛除和漏报的发现均基于可追溯的语义差异量化结果和验证等级标记，而非依赖人工经验判断，整个推理过程从标准解析、语义量化、演化判定到变化甄别形成完整的可解释链条，通过构建结构化的地类知识体系并在此基础上进行逻辑推理，使智能管理系统在数据融合与变化识别过程中具备语义理解和可解释推理能力。