[发明专利]智能学习系统及数据分析方法

权利要求书

1.一种智能学习系统，其特征在于，包括：

树形菜单栏，用于提供多种数据集和多种算法；

svg画布，用于基于多种所述数据集和多种所述算法，构建DAG流程图；

属性页，用于修改所述数据集以及所述算法的属性参数，以构建专题类分析模型；

流程交互区，用于保存、删除、运行以及发布所述专题类分析模型。

2.如权利要求1所述的智能学习系统，其特征在于，所述算法包括数据处理算子、数据分析算子、以及ETL类算子中的至少一种。

3.如权利要求2所述的智能学习系统，其特征在于，所述算法通过将SparkMlib、Tensorflow、以及Pytorch中的基础算子、数据、处理流程均封装获得。

4.如权利要求1所述的智能学习系统，其特征在于，所述数据集和所述算法均适于通过拖拽的方式移动至所述svg画布。

5.如权利要求1所述的智能学习系统，其特征在于，所述树形菜单栏和所述属性页分别位于所述svg画布的两侧，所述流程交互区位于所述svg画布的下方。

6.如权利要求1所述的智能学习系统，其特征在于，所述智能学习系统还包括：

画布辅助功能框，包括放大编辑按钮、缩小编辑按钮、位置还原按钮以及全屏显示按钮。

7.一种数据分析方法，其特征在于，所述方法基于权利要求1-6中任一项所述的智能学习系统实现，所述方法包括：

从树形菜单栏获取待构建专题类分析模型所需的至少一个数据集和至少一个算法，并移动至svg画布；

基于所述待构建专题类分析模型，通过连线将至少一个所述数据集和至少一个所述算法连接起来，以构建DAG流程图；

修改所述算法和所述数据集的属性参数，以构建专题类分析模型；

运行所述专题类分析模型。

8.如权利要求7所述的方法，其特征在于，所述从树形菜单栏获取待构建专题类分析模型所需的至少一个数据集和至少一个算法，并移动至svg画布，包括：

将待构建专题类分析模型所需的至少一个数据集和至少一个算法从树形菜单栏拖拽至svg画布。

9.如权利要求7所述的方法，其特征在于，所述修改所述算法和所述数据集的属性参数，包括：

在svg画布中单击所述算法或所述数据集，以在属性页显示所述算法或所述数据集的属性参数；

在所述属性页中修改所述算法或所述数据集的属性参数。

10.如权利要求7所述的方法，其特征在于，所述方法还包括：

右击所述连线、所述算法或所述数据集，以删除所述连线、所述算法或所述数据集。