本發明涉及數據處理，尤其涉及一種基于關聯知識圖譜的分析決策方法及系統。
背景技術：
1、隨著知識圖譜模型和人工智能技術的發展，越來越多的行業開始引入知識圖譜模型來實現大模型的智能體技術，以通過智能體來實現其行業知識問題或需求的分析決策，提高工作效率和工作產出的質量。現有的技術在實現分析決策時，沒有考慮到基于需求問題的行業關聯包含關系以及預先通過多個關聯行業的知識庫來訓練智能體，其分析決策的智能化程度不足，無法適應跨行業的技術需求。可見，現有技術存在缺陷，亟待解決。
技術實現思路
1、本發明所要解決的技術問題在于，提供一種基于關聯知識圖譜的分析決策方法及系統，能夠基于多個關聯行業的知識庫訓練得到的知識圖譜模型實現對行業需求數據的跨行業分析決策，提高分析決策的針對性和智能化程度，為后續的工作提供更準確的分析結論。
2、為了解決上述技術問題，本發明第一方面公開了一種基于關聯知識圖譜的分析決策方法，所述方法包括：
3、獲取待分析決策的行業需求數據；
4、基于文本處理算法，確定所述行業需求數據對應的多個關聯行業信息；
5、根據所述多個關聯行業信息，在預設的智能體模型庫中篩選出對應的多個知識圖譜模型；所述知識圖譜模型通過包括有多個所述關聯行業信息對應的知識庫數據訓練得到；
6、將所述行業需求數據分別輸入每一所述知識圖譜模型中，根據所有所述知識圖譜模型的輸出分析結果確定最終的分析結論。
7、作為一個可選的實施方式，在本發明第一方面中，所述知識庫數據包括有對應的所述關聯行業信息對應的行業的行業規范、行業教材、行業專家教授材料、行業專業視頻和行業文章。
8、作為一個可選的實施方式，在本發明第一方面中，所述基于文本處理算法，確定所述行業需求數據對應的多個關聯行業信息，包括：
9、基于多個行業對應的關鍵字匹配規則，對所述行業需求數據進行匹配，得到多個關鍵字匹配結果；
10、確定每一所述關鍵字匹配結果對應的行業，得到所述行業需求數據對應的多個關聯行業信息。
11、作為一個可選的實施方式，在本發明第一方面中，所述根據所述多個關聯行業信息，在預設的智能體模型庫中篩選出對應的多個知識圖譜模型，包括：
12、根據所述多個關聯行業信息對應的行業參數，基于交集算法，確定所述多個關聯行業信息對應的共同知識領域；
13、對于預設的智能體模型庫中的每一候選知識圖譜模型，計算該候選知識圖譜模型和所述共同知識領域之間的匹配度；
14、篩選出所述匹配度大于預設的匹配度閾值的所有所述候選知識圖譜模型，得到多個知識圖譜模型。
15、作為一個可選的實施方式，在本發明第一方面中，所述行業參數包括行業所在地域、行業包含職業類型、行業分類、行業產值規模和行業包含學科類型。
16、作為一個可選的實施方式，在本發明第一方面中，所述根據所述多個關聯行業信息對應的行業參數，基于交集算法，確定所述多個關聯行業信息對應的共同知識領域，包括：
17、對于任意兩個所述關聯行業信息，獲取該兩個所述關聯行業信息對應的行業參數；
18、計算該兩個所述關聯行業信息對應的行業參數之間的交集，得到該兩個所述關聯行業信息對應的對應的共同參數；
19、根據預設的參數和知識領域的對應關系，確定所述共同參數對應的所有知識領域；
20、將所述所有知識領域確定該兩個所述關聯行業信息對應的領域集合；
21、計算所有所述領域集合的交集，得到所述多個關聯行業對應的共同知識領域。
22、作為一個可選的實施方式，在本發明第一方面中，所述計算該候選知識圖譜模型和所述共同知識領域之間的匹配度，包括：
23、獲取該候選知識圖譜模型的訓練數據集中的所有所述知識庫數據對應的行業標注和知識領域文本標注；
24、計算所述行業標注和所述多個關聯行業信息之間的第一相似度；
25、計算所述知識領域文本標注和所述共同知識領域之間的第二相似度；
26、計算所述第一相似度和所述第二相似度的乘積，得到該候選知識圖譜模型對應的匹配度。
27、作為一個可選的實施方式，在本發明第一方面中，所述將所述行業需求數據分別輸入每一所述知識圖譜模型中，根據所有所述知識圖譜模型的輸出分析結果確定最終的分析結論，包括：
28、將所述行業需求數據分別輸入每一所述知識圖譜模型中，以得到每一所述知識圖譜模型的輸出分析結果；
29、計算所有所述輸出分析結果的交集，得到多個交集結果；
30、計算每一所述交集結果對應的權重參數；所述權重參數為第一參數和第二參數的乘積；所述第一參數與所述交集結果的文本與所述行業需求數據的相似度成正比；所述第二參數與所述交集結果對應的邏輯合理參數成正比；所述邏輯合理參數通過將所述交集結果輸入至訓練好的邏輯合理預測神經網絡得到；所述邏輯合理預測神經網絡通過包括有多個訓練分析結論和對應的邏輯合理程度標注的訓練數據集訓練得到；
31、將所述權重參數大于預設的參數閾值的所有所述交集結果，確定為最終的分析結論。
32、本發明實施例第二方面公開了一種基于關聯知識圖譜的分析決策系統，所述系統包括：
33、獲取模塊，用于獲取待分析決策的行業需求數據；
34、確定模塊，用于基于文本處理算法，確定所述行業需求數據對應的多個關聯行業信息；
35、篩選模塊，用于根據所述多個關聯行業信息，在預設的智能體模型庫中篩選出對應的多個知識圖譜模型；所述知識圖譜模型通過包括有多個所述關聯行業信息對應的知識庫數據訓練得到；
36、分析模塊，用于將所述行業需求數據分別輸入每一所述知識圖譜模型中，根據所有所述知識圖譜模型的輸出分析結果確定最終的分析結論。
37、作為一個可選的實施方式，在本發明第二方面中，所述知識庫數據包括有對應的所述關聯行業信息對應的行業的行業規范、行業教材、行業專家教授材料、行業專業視頻和行業文章。
38、作為一個可選的實施方式，在本發明第二方面中，所述確定模塊基于文本處理算法，確定所述行業需求數據對應的多個關聯行業信息的具體方式，包括：
39、基于多個行業對應的關鍵字匹配規則，對所述行業需求數據進行匹配，得到多個關鍵字匹配結果；
40、確定每一所述關鍵字匹配結果對應的行業，得到所述行業需求數據對應的多個關聯行業信息。
41、作為一個可選的實施方式，在本發明第二方面中，所述篩選模塊根據所述多個關聯行業信息，在預設的智能體模型庫中篩選出對應的多個知識圖譜模型的具體方式，包括：
42、根據所述多個關聯行業信息對應的行業參數，基于交集算法，確定所述多個關聯行業信息對應的共同知識領域；
43、對于預設的智能體模型庫中的每一候選知識圖譜模型，計算該候選知識圖譜模型和所述共同知識領域之間的匹配度；
44、篩選出所述匹配度大于預設的匹配度閾值的所有所述候選知識圖譜模型，得到多個知識圖譜模型。
45、作為一個可選的實施方式，在本發明第二方面中，所述行業參數包括行業所在地域、行業包含職業類型、行業分類、行業產值規模和行業包含學科類型。
46、作為一個可選的實施方式，在本發明第二方面中，所述篩選模塊根據所述多個關聯行業信息對應的行業參數，基于交集算法，確定所述多個關聯行業信息對應的共同知識領域的具體方式，包括：
47、對于任意兩個所述關聯行業信息，獲取該兩個所述關聯行業信息對應的行業參數；
48、計算該兩個所述關聯行業信息對應的行業參數之間的交集，得到該兩個所述關聯行業信息對應的對應的共同參數；
49、根據預設的參數和知識領域的對應關系，確定所述共同參數對應的所有知識領域；
50、將所述所有知識領域確定該兩個所述關聯行業信息對應的領域集合；
51、計算所有所述領域集合的交集，得到所述多個關聯行業對應的共同知識領域。
52、作為一個可選的實施方式，在本發明第二方面中，所述篩選模塊計算該候選知識圖譜模型和所述共同知識領域之間的匹配度的具體方式，包括：
53、獲取該候選知識圖譜模型的訓練數據集中的所有所述知識庫數據對應的行業標注和知識領域文本標注；
54、計算所述行業標注和所述多個關聯行業信息之間的第一相似度；
55、計算所述知識領域文本標注和所述共同知識領域之間的第二相似度；
56、計算所述第一相似度和所述第二相似度的乘積，得到該候選知識圖譜模型對應的匹配度。
57、作為一個可選的實施方式，在本發明第二方面中，所述分析模塊將所述行業需求數據分別輸入每一所述知識圖譜模型中，根據所有所述知識圖譜模型的輸出分析結果確定最終的分析結論的具體方式，包括：
58、將所述行業需求數據分別輸入每一所述知識圖譜模型中，以得到每一所述知識圖譜模型的輸出分析結果；
59、計算所有所述輸出分析結果的交集，得到多個交集結果；
60、計算每一所述交集結果對應的權重參數；所述權重參數為第一參數和第二參數的乘積；所述第一參數與所述交集結果的文本與所述行業需求數據的相似度成正比；所述第二參數與所述交集結果對應的邏輯合理參數成正比；所述邏輯合理參數通過將所述交集結果輸入至訓練好的邏輯合理預測神經網絡得到；所述邏輯合理預測神經網絡通過包括有多個訓練分析結論和對應的邏輯合理程度標注的訓練數據集訓練得到；
61、將所述權重參數大于預設的參數閾值的所有所述交集結果，確定為最終的分析結論。
62、本發明第三方面公開了另一種基于關聯知識圖譜的分析決策系統，所述系統包括：
63、存儲有可執行程序代碼的存儲器；
64、與所述存儲器耦合的處理器；
65、所述處理器調用所述存儲器中存儲的所述可執行程序代碼，執行本發明第一方面公開的基于關聯知識圖譜的分析決策方法中的部分或全部步驟。
66、本發明第四方面公開了一種計算機存儲介質，所述計算機存儲介質存儲有計算機指令，所述計算機指令被調用時，用于執行本發明第一方面公開的基于關聯知識圖譜的分析決策方法中的部分或全部步驟。
67、與現有技術相比，本發明實施例具有以下有益效果：
68、本發明能夠基于文本處理算法確定行業需求數據對應的多個關聯行業信息，并在預設的智能體模型庫中篩選出對應的多個知識圖譜模型，以最終實現結合所有知識圖譜模型對行業需求數據的輸出分析結果來確定最終的分析結論，從而能夠基于多個關聯行業的知識庫訓練得到的知識圖譜模型實現對行業需求數據的跨行業分析決策，提高分析決策的針對性和智能化程度，為后續的工作提供更準確的分析結論。