策略智能推荐方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种策略智能推荐方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着企业不断地发展壮大，企业在运营中经常会出现阻滞企业发展的不利因素，策略推荐是深层次剖析不利因素后，针对不利因素而推出的较优的解决方法。
3.现有的策略推荐通常是对不利因素进行层层剖析后，找出造成不利因素的原因，并根据原因制定出对应的解决策略，这种方法会因为分析不利因素时提供的数据材料来源广、数据量大且复杂度高，造成各方数据相对独立，无法通过历史数据校正策略推荐时的偏差，使得利用推荐的策略解决当前的不利因素的效果收效甚微，推荐的策略滞后，时效性较差。


技术实现要素：

4.本发明提供一种策略智能推荐方法、装置、设备及存储介质，其主要目的在于解决进行策略推荐的及时性较差的问题。
5.为实现上述目的，本发明提供的一种策略智能推荐方法，包括：
6.获取待处理业务，并提取所述待处理业务的核心指标；
7.根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集；
8.提取所述相似核心指标集的关联影响因子集，并从所述关联影响因子集中筛选出关键影响因子集；
9.根据所述关键影响因子集，利用预构建的策略推荐算法从策略库中提取推荐策略，得到所述待处理业务的策略推荐结果。
10.可选地，所述提取所述待处理业务的核心指标，包括：
11.获取所述待处理业务的业务数据；
12.识别所述业务数据中的影响指标，得到影响指标集；
13.利用预设的ahp法计算所述影响指标集中每个影响指标的权重；
14.根据所述权重，提取所述待处理业务的核心指标。
15.可选地，所述根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集，包括：
16.从所述预设的业务指标系统中提取预设时间段内的影响指标，得到历史影响指标集；
17.识别所述历史影响指标集中每个历史影响指标的关键字字段，得到影响关键字字段集；
18.提取所述核心指标的关键字字段，得到核心关键字字段；
19.根据所述核心关键字字段，在所述影响关键字字段集中匹配与所述核心关键字字段相似的关键字字段，得到相似关键字字段集；
20.提取所述相似关键字字段集关联的历史影响指标，得到所述相似核心指标集。
21.可选地，所述在所述影响关键字字段集中匹配与所述核心关键字字段相似的关键字字段，包括：
22.利用预构建的编码工具将所述核心关键字字段进行向量编码操作，得到核心关键字向量；
23.利用预构建的编码工具将所述影响关键字字段集进行向量编码操作，得到影响关键字向量集；
24.分别计算所述核心关键字向量与所述影响关键字向量集的匹配度；
25.在所述匹配度不小于预设的匹配度阈值时，提取所述匹配度对应的影响关键字字段。
26.可选地，所述提取所述相似核心指标集的关联影响因子集，包括：
27.利用pca主成分分析方法分析所述相似指标集中的影响因子；
28.从所述影响因子中筛选出与所述相似指标集成线性关系的影响因子，得到所述关联影响因子集。
29.可选地，所述从所述关联影响因子集中筛选出关键影响因子集，包括：
30.利用所述关联影响因子集构建优序图权重表；
31.计算所述优序图权重表的每个所述关联影响因子的均值；
32.根据所述均值，计算出每个所述关联影响因子的权重；
33.根据所述权重提取预设数量的关联影响因子，得到关键影响因子集。
34.可选地，所述根据所述关键影响因子集，利用预构建的策略推荐算法从策略库中提取推荐策略，包括：
35.分析所述关键影响因子集中每个关键影响因子的标签类别；
36.根据所述标签类别，从所述策略库中索引与所述便签类别匹配的策略信息；
37.汇总所述策略信息，得到所述待处理业务的策略推荐结果。
38.为了解决上述问题，本发明还提供一种策略智能推荐装置，所述装置包括：
39.核心指标获取模块，用于获取待处理业务，并提取所述待处理业务的核心指标；
40.影响因子获取模块，用于根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集；提取所述相似核心指标集的关联影响因子集，并从所述关联影响因子集中筛选出关键影响因子集；
41.策略智能推荐模块，用于根据所述关键影响因子集，利用预构建的策略推荐算法从策略库中提取推荐策略，得到所述待处理业务的策略推荐结果。
42.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
43.至少一个处理器；以及，
44.与所述至少一个处理器通信连接的存储器；其中，
45.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的策略智能推荐方法。
46.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的策略智能推荐方法。
47.本发明实施例一方面通过提取待处理业务的核心指标，并根据所述核心指标提取预设时间段内的相似指标构建相似核心指标集，用以提高所述待处理业务的核心指标的参考数据量，进而对大量的指标数据执行分析后，可以提高后续策略推荐的精确度，另一方面通过获取相似核心指标集的关联影响因子集，可以通过关联影响因子细化指标，再利用预构建的策略推荐算法从策略库中提取推荐策略，可以及时完成待处理业务的策略推荐，解决推荐的策略滞后，时效性较差的问题。
附图说明
48.图1为本发明一实施例提供的策略智能推荐方法的流程示意图；
49.图2为本发明一实施例提供的策略智能推荐方法中一个步骤的详细流程示意图；
50.图3为本发明一实施例提供的策略智能推荐方法中一个步骤的详细流程示意图；
51.图4为本发明一实施例提供的策略智能推荐方法中一个步骤的详细流程示意图；
52.图5为本发明一实施例提供的策略智能推荐装置的功能模块图；
53.图6为本发明一实施例提供的实现所述策略智能推荐方法的电子设备的结构示意图。
54.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
55.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
56.本技术实施例提供一种策略智能推荐方法。所述策略智能推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述策略智能推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
57.参照图1所示，为本发明一实施例提供的策略智能推荐方法的流程示意图。在本实施例中，所述策略智能推荐方法包括：
58.s1、获取待处理业务，并提取所述待处理业务的核心指标。
59.本发明实施例中，所述待处理业务是指在企业的发展中，阻滞企业发展的具体问题。例如，所述待处理业务可以是企业在某季度中，营业额度产生大幅度下滑的生产问题。
60.本发明实施例中，所述核心指标是指对待处理业务中出现的不利问题影响较深的因素。例如，上述营业额度产生大幅度下滑的生产问题中，所述核心指标可以是市场环境政策变化。
61.本发明实施例通过提取所述待处理业务的核心指标，可以得到待处理业务中的关
键影响因素。
62.详细地，参照图2所示，作为本发明一实施例，所述提取所述待处理业务的核心指标，包括以下步骤s10-s13：
63.s10、获取所述待处理业务的业务数据；
64.s11、识别所述业务数据中的影响指标，得到影响指标集；
65.s12、利用预设的ahp法计算所述影响指标集中每个影响指标的权重；
66.s13、根据所述权重，提取所述待处理业务的核心指标。
67.本发明实施例中，所述预设的ahp法是指对定性问题进行定量分析的决策方法，常用于处理各种决策问题。
68.s2、根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集。
69.本发明实施例中，所述预设的业务指标系统是指统计历史影响指标的系统。
70.应当了解的是，所述待处理业务具有时效性，时间利当前待处理业务的时间越久远的指标信息，对解决待处理业务的参考价值越低，所以所述预设时间段设置为30天。
71.本发明实施例根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集，可以通过增加核心指标的参考数据量，提高策略推荐时的精准度。
72.详细地，参照图3所示，作为本发明一实施例，所述根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集，包括以下步骤s20-s24：
73.s20、从所述预设的业务指标系统中提取预设时间段内的影响指标，得到历史影响指标集；
74.s21、识别所述历史影响指标集中每个历史影响指标的关键字字段，得到影响关键字字段集；
75.s22、提取所述核心指标的关键字字段，得到核心关键字字段；
76.s23、根据所述核心关键字字段，在所述影响关键字字段集中匹配与所述核心关键字字段相似的关键字字段，得到相似关键字字段集；
77.s24、提取所述相似关键字字段集关联的历史影响指标，得到所述相似核心指标集。
78.进一步地，所述在所述影响关键字字段集中匹配与所述核心关键字字段相似的关键字字段，可以通过关键字字段的匹配，完成所述核心指标的相似指标的筛选，减少工作量，提高效率。
79.详细地，参照图4所示，作为本发明另一实施例，所述在所述影响关键字字段集中匹配与所述核心关键字字段相似的关键字字段，包括以下步骤s230-s233：
80.s230、利用预构建的编码工具将所述核心关键字字段进行向量编码操作，得到核心关键字向量；
81.s231、利用预构建的编码工具将所述影响关键字字段集进行向量编码操作，得到影响关键字向量集；
82.s232、分别计算所述核心关键字向量与所述影响关键字向量集的匹配度；
83.s233、在所述匹配度不小于预设的匹配度阈值时，提取所述匹配度对应的影响关键字字段。
84.本发明实施例中，所述分别计算所述核心关键字向量与所述影响关键字向量集的匹配度，可采用余弦相似度、欧几里得算法进行计算。
85.s3、提取所述相似核心指标集的关联影响因子集，并从所述关联影响因子集中筛选出关键影响因子集。
86.本发明实施例中，所述关联影响因子是指可影响指标变化的因子，其中，所述关联影响因子具有可得性高、有效性强的特性，是推荐策略的代理变量，也是指标的解释变量。
87.本发明实施例通过提取所述相似核心指标集的关联影响因子，可以通过关联影响因子细化指标，提高策略推荐的精准度。
88.作为本发明一实施例，所述提取所述相似核心指标集的关联影响因子集，包括：利用pca主成分分析方法分析所述相似指标集中的影响因子；从所述影响因子中筛选出与所述相似指标集成线性关系的影响因子，得到所述关联影响因子集。
89.本发明实施例中，所述pca主成分分析方法是用于分析多个变量之间的隐藏关系的一种统计学方法。
90.进一步地，所述从所述关联影响因子集中筛选出关键影响因子集，包括：利用所述关联影响因子集构建优序图权重表；计算所述优序图权重表的每个所述关联影响因子的均值；根据所述均值，计算出每个所述关联影响因子的权重；根据所述权重提取预设数量的关联影响因子，得到关键影响因子集。
91.本发明实施例中，所述优序图权重表是指基于优序图算法构建的权重表格，其中，所述优序图算法工作原理可以理解为：若因子a比因子b重要，则因子a得1分；若同等重要，则因子a得0.5分；若因子b比因子a重要，则因子a得0分。
92.s4、根据所述关键影响因子集，利用预构建的策略推荐算法从策略库中提取推荐策略，得到所述待处理业务的策略推荐结果。
93.本发明实施例中，所述策略库是指利用爬虫技术进行历史策略信息的积累，并利用历史策略信息构建的策略信息素材库。
94.详细地，所述根据所述关键影响因子集，利用预构建的策略推荐算法从策略库中提取推荐策略，包括：分析所述关键影响因子集中每个关键影响因子的标签类别；根据所述标签类别，从所述策略库中索引与所述便签类别匹配的策略信息；汇总所述策略信息，得到所述待处理业务的策略推荐结果。
95.本发明实施例一方面通过提取待处理业务的核心指标，并根据所述核心指标提取预设时间段内的相似指标构建相似核心指标集，用以提高所述待处理业务的核心指标的参考数据量，进而对大量的指标数据执行分析后，可以提高后续策略推荐的精确度，另一方面通过获取相似核心指标集的关联影响因子集，可以通过关联影响因子细化指标，再利用预构建的策略推荐算法从策略库中提取推荐策略，可以及时完成待处理业务的策略推荐，解决推荐的策略滞后，时效性较差的问题。
96.如图5所示，是本发明一实施例提供的策略智能推荐装置的功能模块图。
97.本发明所述策略智能推荐装置100可以安装于电子设备中。根据实现的功能，所述策略智能推荐装置100可以包括核心指标获取模块101、影响因子获取模块102、策略智能推
荐模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
98.在本实施例中，关于各模块/单元的功能如下：
99.所述核心指标获取模块101，用于获取待处理业务，并提取所述待处理业务的核心指标；
100.本发明实施例中，所述待处理业务是指在企业的发展中，阻滞企业发展的具体问题。例如，所述待处理业务可以是企业在某季度中，营业额度产生大幅度下滑的生产问题。
101.本发明实施例中，所述核心指标是指对待处理业务中出现的不利问题影响较深的因素。例如，上述营业额度产生大幅度下滑的生产问题中，所述核心指标可以是市场环境政策变化。
102.本发明实施例通过提取所述待处理业务的核心指标，可以得到待处理业务中的关键影响因素。
103.作为本发明一实施例，所述提取所述待处理业务的核心指标，包括：获取所述待处理业务的业务数据；识别所述业务数据中的影响指标，得到影响指标集；利用预设的ahp法计算所述影响指标集中每个影响指标的权重；根据所述权重，提取所述待处理业务的核心指标。
104.本发明实施例中，所述预设的ahp法是指对定性问题进行定量分析的决策方法，常用于处理各种决策问题。
105.所述影响因子获取模块102，用于根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集；提取所述相似核心指标集的关联影响因子集，并从所述关联影响因子集中筛选出关键影响因子集；
106.本发明实施例中，所述预设的业务指标系统是指统计历史影响指标的系统。
107.应当了解的是，所述待处理业务具有时效性，时间利当前待处理业务的时间越久远的指标信息，对解决待处理业务的参考价值越低，所以所述预设时间段设置为30天。
108.本发明实施例根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集，可以通过增加核心指标的参考数据量，提高策略推荐时的精准度。
109.作为本发明一实施例，所述根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集，包括：从所述预设的业务指标系统中提取预设时间段内的影响指标，得到历史影响指标集；识别所述历史影响指标集中每个历史影响指标的关键字字段，得到影响关键字字段集；提取所述核心指标的关键字字段，得到核心关键字字段；根据所述核心关键字字段，在所述影响关键字字段集中匹配与所述核心关键字字段相似的关键字字段，得到相似关键字字段集；提取所述相似关键字字段集关联的历史影响指标，得到所述相似核心指标集。
110.进一步地，所述在所述影响关键字字段集中匹配与所述核心关键字字段相似的关键字字段，可以通过关键字字段的匹配，完成所述核心指标的相似指标的筛选，减少工作量，提高效率。
111.作为本发明另一实施例，所述在所述影响关键字字段集中匹配与所述核心关键字字段相似的关键字字段，包括：利用预构建的编码工具将所述核心关键字字段进行向量编
unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行策略智能推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
125.所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如策略智能推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
126.所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
127.所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
128.图6仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图6示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
129.例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
130.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
131.所述电子设备1中的所述存储器11存储的策略智能推荐程序是多个指令的组合，在所述处理器10中运行时，可以实现：
132.获取待处理业务，并提取所述待处理业务的核心指标；
133.根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集；
134.提取所述相似核心指标集的关联影响因子集，并从所述关联影响因子集中筛选出关键影响因子集；
135.根据所述关键影响因子集，利用预构建的策略推荐算法从策略库中提取推荐策略，得到所述待处理业务的策略推荐结果。
136.具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
137.进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
138.本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
139.获取待处理业务，并提取所述待处理业务的核心指标；
140.根据所述核心指标，从预设的业务指标系统中筛选出预设时间段内所述核心指标的相似指标，得到相似核心指标集；
141.提取所述相似核心指标集的关联影响因子集，并从所述关联影响因子集中筛选出关键影响因子集；
142.根据所述关键影响因子集，利用预构建的策略推荐算法从策略库中提取推荐策略，得到所述待处理业务的策略推荐结果。
143.在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
144.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
145.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
146.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
147.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
148.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验
证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
149.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
150.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
151.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。