基于多方数据的质疑点分析方法、装置及相关设备与流程
本发明实施例涉及人工智能,尤其涉及一种基于多方数据的质疑点分析方法、装置及相关设备。
背景技术:
1、在涉及多利益相关方的数据分析场景中,如商业竞争分析、法律证据审查、政策影响评估等,数据分析的结论质量同时取决于两个层面的决策:第一层是数据归属与组织层面,即从哪个利益相关方的立场审视数据、如何将混合数据集按来源和用途拆分为不同归属子集、如何识别数据类型并提取核心属性;第二层是分析评估层面,即采用哪些评估维度、对每条数据生成什么样的质疑点、以何种粒度输出评估结果、是否对对方数据执行反向分析。随着数据分析需求的不断增长,用户对数据分析的自动化程度和分析结论质量的要求越来越高。
2、现有技术中的数据分析方法,通常将数据归属优化和评估策略优化视为独立问题分别处理,难以捕捉两层之间的交互效应。最优的数据归属拆分方案搭配次优的评估维度组合,其整体分析效果可能不如次优归属拆分搭配最优评估维度组合。精细的多维评估框架如果应用于未经立场拆分的混合数据集,其输出的质疑点无法区分己方数据的弱点和对方数据的弱点,分析结论丧失针对性;反之,精准的数据归属拆分如果仅搭配单一评估维度,则无法覆盖对方可能从多个角度提出的质疑,分析覆盖度存在系统性缺陷。
技术实现思路
1、本发明实施例提供了基于多方数据的质疑点分析方法、装置及相关设备,旨在解决现有技术在涉及多利益相关方的的数据分析中难以准确判断利益相关方的质疑点的技术问题。
2、第一方面,本发明实施例提供了一种基于多方数据的质疑点分析方法,其包括:
3、构建多维评估决策树,所述多维评估决策树包括数据类型判断层、评估维度判断层、模板触发条件判断层和质疑模板叶节点层,其中,所述数据类型判断层根据数据类型标签进行第一级分支,所述评估维度判断层根据评估维度的适用条件进行第二级分支,所述模板触发条件判断层根据质疑模板的触发条件进行第三级分支,所述质疑模板叶节点层存储质疑模板配置;
4、读取结构化上下文信息,提取当前分析主体的立场标签;
5、基于所述立场标签,将输入数据集拆分为己方归属子集、对方归属子集和公共归属子集,得到数据分类清单;
6、对所述己方归属子集中的数据执行编目操作,识别数据类型标签并提取核心属性与支撑结论标识,得到己方数据目录;
7、将所述己方数据目录中每条数据的特征信息作为输入,从所述多维评估决策树的根节点开始逐层遍历,经过数据类型判断、评估维度适用性判断和模板触发条件判断,到达被激活的质疑模板叶节点,生成预测质疑点并对每个预测质疑点计算置信度评分;
8、检测所述数据分类清单中是否存在对方归属标签的数据记录,根据检测结果确定是否执行反向分析分支;
9、汇总各阶段产出的结果,组装为结构化分析文档。
10、第二方面,本发明实施例提供了一种基于多方数据的质疑点分析装置,其包括:
11、构建模块,用于构建多维评估决策树,所述多维评估决策树包括数据类型判断层、评估维度判断层、模板触发条件判断层和质疑模板叶节点层,其中,所述数据类型判断层根据数据类型标签进行第一级分支,所述评估维度判断层根据评估维度的适用条件进行第二级分支,所述模板触发条件判断层根据质疑模板的触发条件进行第三级分支,所述质疑模板叶节点层存储质疑模板配置;
12、提取模块,用于读取结构化上下文信息,提取当前分析主体的立场标签;
13、拆分模块,用于基于所述立场标签,将输入数据集拆分为己方归属子集、对方归属子集和公共归属子集,得到数据分类清单;
14、识别模块,用于对所述己方归属子集中的数据执行编目操作,识别数据类型标签并提取核心属性与支撑结论标识,得到己方数据目录;
15、评分模块,用于将所述己方数据目录中每条数据的特征信息作为输入,从所述多维评估决策树的根节点开始逐层遍历,经过数据类型判断、评估维度适用性判断和模板触发条件判断,到达被激活的质疑模板叶节点,生成预测质疑点并对每个预测质疑点计算置信度评分;
16、检测模块,用于检测所述数据分类清单中是否存在对方归属标签的数据记录,根据检测结果确定是否执行反向分析分支;
17、组装模块,用于汇总各阶段产出的结果,组装为结构化分析文档。
18、第三方面,本发明实施例又提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的基于多方数据的质疑点分析方法。
19、第四方面,本发明实施例又提供了一种可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于多方数据的质疑点分析方法。
20、本发明实施例提供了一种基于多方数据的质疑点分析方法、装置及相关设备。该方法构建多维评估决策树;读取结构化上下文信息,提取当前分析主体的立场标签;基于立场标签,将输入数据集拆分为己方归属子集、对方归属子集和公共归属子集,得到数据分类清单;对己方归属子集中的数据执行编目操作,识别数据类型标签并提取核心属性与支撑结论标识,得到己方数据目录;将己方数据目录中每条数据的特征信息作为输入,从多维评估决策树的根节点开始逐层遍历,经过数据类型判断、评估维度适用性判断和模板触发条件判断,到达被激活的质疑模板叶节点,生成预测质疑点并对每个预测质疑点计算置信度评分;检测数据分类清单中是否存在对方归属标签的数据记录,根据检测结果确定是否执行反向分析分支;汇总各阶段产出的结果,组装为结构化分析文档。该方法能够捕捉数据归属与评估策略之间的交互效应,实现分析方案的系统化自动进化,提升分析覆盖度和针对性。
1.一种基于多方数据的质疑点分析方法,其特征在于,包括:
2.如权利要求1所述的基于多方数据的质疑点分析方法,其特征在于,所述构建多维评估决策树,包括:
3.如权利要求1所述的基于多方数据的质疑点分析方法,其特征在于,所述读取结构化上下文信息,提取当前分析主体的立场标签,包括:
4.如权利要求1所述的基于多方数据的质疑点分析方法,其特征在于,所述基于所述立场标签将输入数据集拆分为己方归属子集、对方归属子集和公共归属子集,包括:
5.如权利要求1所述的基于多方数据的质疑点分析方法,其特征在于,所述对所述己方归属子集中的数据执行编目操作,包括:
6.如权利要求1所述的基于多方数据的质疑点分析方法,其特征在于,所述从所述多维评估决策树的根节点开始逐层遍历,经过数据类型判断层、评估维度判断层、模板触发条件判断层,到达被激活的质疑模板叶节点,生成预测质疑点,包括:
7.如权利要求1所述的基于多方数据的质疑点分析方法,其特征在于,所述对每个预测质疑点计算置信度评分,包括:
8.一种基于多方数据的质疑点分析装置,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于多方数据的质疑点分析方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于多方数据的质疑点分析方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com