[发明专利]基于机器学习的报表生成方法、装置和计算机设备

权利要求书

1.一种基于机器学习的报表生成方法，其特征在于，包括：

获取当前用户的特征信息，所述当前用户的特征信息至少包括当前用户的职业信息；

将所述特征信息输入预设的基于机器学习的报表类型预测模型中运算，其中所述报表类型预测模型通过由用户特征信息，以及与所述用户特征信息对应的报表类型所组成的训练数据训练而成；

输出预测的所述当前用户将使用的报表类型；

根据所述将使用的报表类型，从数据库中调取预设的初步报表，其中所述初步报表的类型与所述将使用的报表类型相同；

根据所述当前用户输入的信息，调整所述初步报表，从而获得最终报表。

2.根据权利要求1所述的基于机器学习的报表生成方法，其特征在于，所述根据所述将使用的报表类型，从数据库中调取预设的初步报表，其中所述初步报表的类型与所述将使用的报表类型相同的步骤,包括：

根据所述将使用的报表类型，从预设的数据库中调取预设的多个图表模板与多个文字部分模板；

将所述当前用户选择的图表模板与文字部分模板组合成为所述初步报表；

调取所述初步报表。

3.根据权利要求1所述的基于机器学习的报表生成方法，其特征在于，所述根据所述当前用户输入的信息，调整所述初步报表，从而获得最终报表的步骤,包括：

根据所述当前用户输入的图表调整信息、图表数据内容信息和文字部分调整信息，调整所述初步报表中的图表和文字部分；

将所述当前用户输入的文字内容填入所述初步报表的文字部分，获得最终报表。

4.根据权利要求1所述的基于机器学习的报表生成方法，其特征在于，所述报表类型预测模型的获取方法，包括：

获取包括指定量的样本数据的训练集，其中，所述样本数据包括用户特征信息，以及与所述用户特征信息对应的报表类型；

将所述训练集的样本数据输入到神经网络模型中进行训练，其中，训练的过程中采用随机梯度下降法，利用反向传导法则更新所述神经网络模型各层的参数，得到初步训练模型；

将所述初步训练模型记为所述报表类型预测模型。

5.根据权利要求4所述的基于机器学习的报表生成方法，其特征在于，所述将所述初步训练模型记为所述报表类型预测模型的步骤，包括：

获取包括指定量的样本数据的验证集，其中，所述验证集的样本数据包括用户特征信息，以及与所述用户特征信息对应的报表类型；

利用所述验证集的样本数据验证所述初步训练模型；

如果验证通过，则将所述初步训练模型记为所述报表类型预测模型。

6.根据权利要求1所述的基于机器学习的报表生成方法，其特征在于，所述报表类型预测模型的获取方法，包括：

获取指定量的样本数据，其中，所述样本数据包括用户特征信息，以及与所述用户特征信息对应的报表类型；

将所述训练集的样本数据输入到CHAID决策树模型中进行训练，得到初步CHAID决策树；

将所述初步CHAID决策树记为所述报表类型预测模型。

7.根据权利要求6所述的基于机器学习的报表生成方法，其特征在于，所述将所述训练集的样本数据输入到CHAID决策树模型中进行训练，得到初步CHAID决策树的步骤，包括：

设置所述CHAID决策树模型的建模标准参数，所述建模标准参数包括决策树的最大层数、母节点的可再分的显著水平、母节点包含的最小样本数和子节点包含的最小样本数；

将训练集的样本数据输入到采用卡方自动交互检测法建立的所述CHAID决策树模型中进行训练，得到初步CHAID决策树。