[发明专利]一种面向用户工作流模式的智能模型构建及运行方法

说明书

本发明提供一种面向用户工作流模式的智能模型构建及运行方法，包括根据业务需要在Web页面配置待建模的数据源信息，进行待分析数据的接入；在Web页面的算子推荐模块中根据业务需要选择分析算子，将得到的分析算子拖拽至智能模型开发面板中，并进行编排和参数配置，获得智能模型；将智能模型提交至工作流引擎进行解析，并按照调度策略进行调度执行；对智能模型的运行结果进行多样化展示，根据运行结果中模型数据洞察的详情，对智能模型的参数进行调优；最终对运行结果满足预期的智能模型进行注册入库，用于智能模型的复用。相较于现有技术，模型构建效率高，且具有类型丰富的数据模型以及数据挖掘功能以及实时的分析交互体验。

技术领域

本发明涉及模型构建技术领域，尤其涉及一种面向用户工作流模式的智能模型构建及运行方法。

背景技术

随着大数据技术的兴起，业务系统收集的数据量越来越大，对业务数据进行建模分析从而挖掘出潜藏在海量数据背后的巨大价值很有意义。而现有的业务模型构建方式，通常是由建模人员通过繁琐的编码来完成，并且编码对建模人员专业要求比较高，如果业务需求有变动，还需要重新编码来完成，迭代周期比较长，影响数据价值的充分利用。

发明内容

本发明的目的在于提供一种面向用户工作流模式的智能模型构建及运行方法，本方法实现通过拖拽算法库和模型库中的算子来快速构建智能分析模型，并且通过工作流引擎对智能分析模型进行解析执行，从而得到模型运行结果，同时支持运行结果的多样化展示的功能以及运行结果的导出。

实现本发明目的的技术解决方案为：

一种面向用户工作流模式的智能模型构建及运行方法，包括以下步骤：

步骤1，根据业务需要，通过在Web页面输入数据源参数，配置待建模的数据源信息，进行待分析数据的接入，用于为智能模型的建模提供数据支撑；

步骤2，在所述Web页面的算子推荐模块中根据业务需要选择分析算子，若所述算子推荐模块中没有需要的分析算子，则在算法库或模型库中根据算法名称或模型名称检索分析算子，将得到的所述分析算子拖拽至智能模型开发面板中，并对拖拽的所述分析算子进行编排和参数配置，获得所述智能模型；本发明中，从算法库和模型库中通过拖拉拽的方式拖动算子到模型开发面板中来编排，进而实现智能业务逻辑，通过对算子的参数配置来进行智能模型的调整，整个开发的过程都是在一个浏览器中进行，为智能模型的开发提供完整的数据挖掘链路。

步骤3，将所述智能模型提交至工作流引擎进行解析，并按照调度策略进行调度执行；本发明中，将构建的智能模型提交给工作流引擎，引擎对智能模型进行解析，并且根据设定的调度策略对模型进行调度执行，运行的过程中提供日志的实时展示以及算子状态的监控，同时提供模型的小数据量试运行，方便模型开发人员对模型进行调试和修改的操作。

步骤4，对所述智能模型的运行结果进行多样化展示，根据所述运行结果中模型数据洞察的详情，对所述智能模型的参数进行调优；本发明中，通过本步骤对结果进行多样化的展示，包括表格、折线图、柱状图、散点图、圆饼图等的丰富的图表形式。方便模型开发人员对结果的直观理解，同时支持运行结果的导出的操作。

步骤5，对运行结果满足预期的智能模型进行注册入库，用于所述智能模型的复用。本发明中，对于有价值的模型，开发人员可以提交注册申请，由管理员进行审核，通过后可以保存至模型库中，方便下次的复用。

进一步地，在一种实现方式中，所述步骤1中的数据源信息的类型包括结构化的数据、半结构化的数据以及非结构化的数据；

若所述数据源信息的类型为结构化数据或半结构化数据，则配置关系型数据库或半结构化数据的连接信息，所述连接信息包括网络地址、端口和数据库名称对应的信息；

若所述数据源为非结构化数据，则配置所述非结构化数据存放的网络地址，所述网络地址存放的信息包括目录名称信息。