[发明专利]事件预测方法

权利要求书

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。