述待预测事件的预测业务环境参数;待关键因子数据分析模块用于对所述待预测事件所属领域的多维关键因子进行逐层递归扫描，得到各层候选频繁项集和对应的频繁频率;根据所述待预测事件与各层候选频繁项集的包含关系，确定所述待预测事件对应的各层候选频繁项集;根据所述待预测事件的各层候选频繁项集的频繁频率，建立各因子阀值池，并统计各因子阀值池的计数;在因子阀值池的计数小于支持度阀值时，删除该因子阀值池;将剩余的因子阀值池所包含的多维关键因子确定为所述待预测事件的随机样本空间，采用最小支持度搜寻所述随机样本空间中的频繁项集，并计算随机样本空间中的频繁项集所包含的多维关键因子的重复度;根据所述随机样本空间中的频繁项集，以及所包含的多维关键因子的重复度，并根据所述待预测事件的打标数据和预测业务环境参数，确定所述待预测事件的因子结构;应用场景序列训练配置模块用于通过预设的场景模型库选择需要预测的业务场景模型，对所述业务场景模型和所述因子结构进行分析，得到所述待预测事件的目标数据;所述目标数据是以业务场景模型所包含的参数作为字段，因子结构的对应数值作为字段的数据值;估算分析模块用于基于预先建立的估算分析模型，对所述目标数据和所述因子结构进行估算分析，得到所述待预测事件的分析结果;可信度分析模块用于利用所述因子结构，确定所述待预测事件的分析结果的可信度值。
[0078]在上述方案中，各模块通过并行总线模型进行数据交互。并行总线模型采用独有的数据交互方式，提高数据并发交互能力，每个模块提供下一个模块的二维数据，该数据大部分已经字典化，通过数据代码来替代，大大降低交互的数据量，分析模型也基于代码进行分析。
[0079]在上述方案中，每个模块可以进行集群管理，通过配置标识和接口参数进行交换关联，可以通过网格方式进行分布计算，也可以通过单机服务器进行部署。
[0080]在上述方案中，可提供对外服务的接口，对外服务的接口采用WSE(Web ServicesEnhancements)服务方式提供，提供多维因子管理服务接口，因子组合特征管理接口，过程处理的管理接口，数据采集的对接接口，以及预测结果输出格式管理接口。
[0081]本发明实施例提供的事件预测装置可执行本发明实施例所提供的事件预测方法，具备执行方法相应的功能模块和有益效果。
[0082]最后应说明的是:以上各实施例仅用于说明本发明的技术方案，而非对其进行限制;实施例中优选的实施方式，并非对其进行限制，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种事件预测方法，其特征在于，包括: 采集待预测事件的业务数据和环境数据； 基于预先建立的数据整合模型，对所述业务数据和所述环境数据进行数据整合，得到所述待预测事件的打标数据； 根据所述待预测事件的业务应用目标，以及所述待预测事件的打标数据，调整由所述待预测事件所属领域的多维关键因子组成的环境模板的参数，得到所述待预测事件的预测业务环境参数； 对所述待预测事件所属领域的多维关键因子进行逐层递归扫描，得到各层候选频繁项集和对应的频繁频率;根据所述待预测事件与各层候选频繁项集的包含关系，确定所述待预测事件对应的各层候选频繁项集;根据所述待预测事件的各层候选频繁项集的频繁频率，建立各因子阀值池，并统计各因子阀值池的计数;在因子阀值池的计数小于支持度阀值时，删除该因子阀值池;将剩余的因子阀值池所包含的多维关键因子确定为所述待预测事件的随机样本空间，采用最小支持度搜寻所述随机样本空间中的频繁项集，并计算随机样本空间中的频繁项集所包含的多维关键因子的重复度； 根据所述随机样本空间中的频繁项集，以及所包含的多维关键因子的重复度，并根据所述待预测事件的打标数据和预测业务环境参数，确定所述待预测事件的因子结构； 通过预设的场景模型库选择需要预测的业务场景模型，对所述业务场景模型和所述因子结构进行分析，得到所述待预测事件的目标数据;所述目标数据是以业务场景模型所包含的参数作为字段，因子结构的对应数值作为字段的数据值； 基于预先建立的估算分析模型，对所述目标数据和所述因子结构进行估算分析，得到所述待预测事件的分析结果； 利用所述因子结构，确定所述待预测事件的分析结果的可信度值。2.根据权利要求1所述的方法，其特征在于，所述打标数据包括下述至少一项:标记类型、事件分类、事件字典、因子参数值、因子级别、因子影响度、以及分析类型； 其中，标记类型包括:一般因子、业务因子、环境因子、或关联因子。3.根据权利要求1所述的方法，其特征在于，所述数据整合模型的建立，包括: 按照事件类别，对各类事件的业务数据和环境数据进行分类统计，得到各类事件所对应的业务数据和环境数据； 确定各类事件的打标数据； 按照事件类别，对各类事件所对应的业务数据和环境数据与打标数据进行分类统计，得到各类事件所对应的业务数据和环境数据与打标数据之间的映射关系，作为数据整合模型。4.根据权利要求1所述的方法，其特征在于，所述因子结构包括下述至少一项:因子类型、类别、维度、属性、业务归码、数据类型、因子估值、影响维度、以及业务环境。5.根据权利要求1-4任一所述的方法，其特征在于，对所述业务场景模型和所述因子结构进行分析，包括: 对所述业务场景模型和所述因子结构进行多层链路分析、关联路径分析、集群分析或时序分析中的至少一种。6.根据权利要求1-4任一所述的方法，其特征在于，基于预先建立的估算分析模型，对所述目标数据和所述因子结构进行估算分析，包括: 人工设置需要分析的精度范围，同时从估算分析模型中提取历史数据，利用所述历史数据，采用加权方式，对所述目标数据和所述因子结构进行综合估算。7.根据权利要求1-4任一所述的方法，其特征在于，在得到所述待预测事件的分析结果之后，所述方法还包括: 利用所述因子结构，确定所述待预测事件的分析结果的可信度分布，并展示。8.根据权利要求1-4任一所述的方法，其特征在于，在利用所述因子结构，确定所述待预测事件的分析结果的可信度值之后，所述方法还包括: 将所述待预测事件的分析结果的可信度值输入所述数据整合模型，并返回执行数据整合操作。
【专利摘要】本发明实施例提供一种事件预测方法。该方法包括：采集待预测事件的业务数据和环境数据，并进行数据整合、预测业务环境设置、待关键因子数据分析、应用场景序列训练配置、估算分析以及可信度分析。本方案提高了所述待预测事件的预测业务环境参数与待预测事件的业务应用目标之间的匹配度，可以有效应用在实战中；提高了所述待预测事件的因子结构的准确度，基于此，对待预测事件进行预测、估算分析以及可信度分析，形成了评估和预测之间可信度的衡量体系，提高了对待预测事件的预测分析的准确度。
【IPC分类】G06F19/00
【公开号】CN105574350
【申请号】CN201511024596
【发明人】刘畅, 李波
【申请人】北京锐安科技有限公司
【公开日】2016年5月11日
【申请日】2015年12月30日