[发明专利]报表生成方法、装置、计算机设备和存储介质在审

专利信息
申请号: 201811210013.6 申请日: 2018-10-17
公开(公告)号: CN109542956A 公开(公告)日: 2019-03-29
发明(设计)人: 邱寒;杨镭;黄北辰;朱昱锦;付晓 申请(专利权)人: 深圳壹账通智能科技有限公司
主分类号: G06F16/248 分类号: G06F16/248;G06F16/2455;G06F16/951;G06F16/338
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 李文渊
地址: 518052 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 检索 报表生成 词条 计算机设备 报表数据 存储介质 检索事件 检索意图 统计数据 维度 筛选 数据源库 意图识别 语义识别 匹配 监测 申请 统计
【权利要求书】:

1.一种报表生成方法,所述方法包括:

监测报表检索事件;

获取与所述报表检索事件对应的检索词条;

通过已训练的意图识别模型对所述检索词条进行识别,得到与所述检索词条对应的检索范围、检索维度以及检索意图;

按照所述检索范围、检索维度从数据源库中筛选出报表数据;

对筛选出的报表数据按照所述检索意图进行统计汇总,得到统计数据;

根据所述统计数据生成报表。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取用户选定的业务场景类别;

所述按照所述检索范围、检索维度从数据源库中筛选出报表数据包括:

按照所述检索范围、检索维度,从与所述业务场景类别对应的数据源库中筛选出报表数据。

3.根据权利要求1所述的方法,其特征在于,所述通过已训练的意图识别模型对所述检索词条进行识别,得到与所述检索词条对应的检索范围、检索维度以及检索意图包括:

对所述检索词条进行向量化处理,得到检索词条向量;

将所述检索词条向量输入至已训练的意图识别模型中,通过所述意图识别模型的隐藏层对所述检索词条向量进行处理,得到所述检索词条对应的检索词条编码向量;

通过所述意图识别模型的输出层对所述检索词条编码向量进行变换,得到与所述检索词条对应的检索范围、检索维度以及检索意图。

4.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:

获取从网络上爬取的文档集;

确定所述检索词条与所述文档集中每个文档之间的相关度;

从所述文档集中选取相关度符合预设条件的文档;

将选取的所述文档的文档标识展示在生成的报表中。

5.根据权利要求4所述的方法,其特征在于,所述确定所述检索词条与所述文档集中每个文档之间的相关度包括:

统计所述文档集中每个文档所包含词语的词频;

按照所述词频确定每个文档对应的关键词集合;

计算所述检索词条中各个词语与各所述关键词集合的匹配度;

将各所述匹配度作为所述检索词条与每个文档之间的相关度。

6.根据权利要求4所述的方法,其特征在于,所述确定所述检索词条与所述文档集中每个文档之间的相关度包括:

确定所述文档集中每个文档对应的摘要句子;

通过语义识别模型的输入层对所述检索词条和各所述摘要句子进行语义编码,得到所述检索词条对应的检索词条编码向量和各所述摘要句子对应的摘要句子编码向量;

将所述检索词条编码向量分别和各个所述检索词条编码向量进行拼接,得到多组拼接向量;

在所述语义识别模型的隐藏层中,分别对各所述拼接向量进行变换,得到各所述摘要句子对应的特征向量;

通过所述语义识别模型的输出层对各所述特征向量进行融合、归一化处理,得到每个文档与所述检索词条之间的相关度。

7.根据权利要求4所述的方法,其特征在于,所述将选取的所述文档的文档标识展示在生成的报表中包括:

当识别出的所述检索维度为日期时,获取选取的所述文档的发布日期;

将选取的所述文档的文档名称展示在生成的报表中与所述发布日期对应的位置处。

8.一种报表生成装置,其特征在于,所述装置包括:

监测模块,用于监测报表检索事件;

获取模块,用于获取与所述报表检索事件对应的检索词条;

识别模块,用于通过已训练的意图识别模型对所述检索词条进行识别,得到与所述检索词条对应的检索范围、检索维度以及检索意图;

筛选模块,用于按照所述检索范围、检索维度从数据源库中筛选出报表数据;

统计模块,用于对筛选出的报表数据按照所述检索意图进行统计汇总,得到统计数据;

生成模块,用于根据所述统计数据生成报表。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳壹账通智能科技有限公司,未经深圳壹账通智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811210013.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top