[发明专利]一种基于基本关联模型的数据分析方法及系统

权利要求书

1.一种基于基本关联模型的数据分析方法，所述方法包括：

将客观空间一般抽象化同构到代数关系体系结构为RD(KD,GD,MD)；其容纳各式因果逻辑场景抽象化映射的表示，包含作为一般抽象化映射范畴的相同和相变态元表示；其中，KD为任何可公理化的关系与规则集合，MD是KD上基本递归封闭公理规则集合GD为KD中满足MD基本关系规则；

基于该代数关系体系结构，建立针对业务主题目标价值排序为测度的依据垂直模型、贡献模型与依存模型的关联强度算法，解决分析应用一般抽象化同构客观场景的元表示、人工智能分析类人的思维行为和大数据分析因果逻辑。

2.根据权利要求1所述的基于基本关联模型的数据分析方法，其特征在于，KD为在集合A元素之间的非空二元关系集合FD，满足一定约束关系规则的LD较低级谓词演算公理；其中A集合设定为集合向量的∪RM环模空间，向量元素是无限小或无限大，用∪RM表示，且每个元素是知识粒团子集；而知识粒团由知识属性表达，有空间环境属性，一般抽象化科学结构的知识属性，分别由R和M表示；但∪RM之间的二元关系集合FD具体设定为非交换半群函数集合，经提升配置为相容独立基覆盖简单半群集合的约简分划SD，A中知识粒团元组一般抽象化表示为为多重分次环模表示的层纤维丛空间；R_σ为分次环，M_σ为分次模；知识粒团R＝∪_σ∈SDR_σ，知识粒团M＝∪_σ∈SDM_σ。

3.根据权利要求1所述的基于基本关联模型的数据分析方法，其特征在于，MD为无限或空的集合，从初始满足FD上较低级谓词演算规则和强制约束的二元关系，提升为满足R、M及∪RM向量空间的基本公理、关系规则集合，最后构建为满足KD中集合向量知识粒团元组的层纤维丛空间基本公理、关系和规则集合。

4.根据权利要求1所述的基于基本关联模型的数据分析方法，其特征在于，其特征在于，GD为KD中满足MD基本关系规则，对集合A元素之间非空二元关系集合FD的乘法操作，操作可为具体的非交换半群函数的关系规则；同时提升聚焦A为∪RM，依Green关系将FD半群处理成简单半群直和序，依次分别运用相容独立基类约简覆盖分划为SD，对KD中集合向量知识粒团元组的层纤维丛空间，进行KDD辨识和决策协调近似的约简算法分析，结合相同态、相变态相关公理、关系规则操作，对场景主要用户画像进行贴合、关系规则的具体研究分析实施。

5.根据权利要求1所述的基于基本关联模型的数据分析方法，其特征在于，面对集合向量知识粒团的因果逻辑，基于物质及能量守恒定律，依集合序理论推导产生的垂直模型、贡献模型和依存模型，数学表达如下：

垂直模型：

其中，i和k均为整数；SD(i)和σ(k)均为序列；

依存模型：

其中，j为整数，σ(k,j)为二元序列。

6.根据权利要求5所述的基于基本关联模型的数据分析方法，其特征在于，应用业务主题目标价值排序为测度依据垂直、贡献与依存模型的关联强度算法，包括：

垂直模型强度算法：

贡献模型强度算法：

其中，x为变量；

依存模型强度算法：

其中，ρ_σ(x)为价值排序的测度。