[发明专利]自动化报表生成方法、装置、计算机设备及存储介质

权利要求书

1.一种自动化报表生成方法，其特征在于，包括下述步骤：

获取目标报告的报告类型，以及存储的所有报表类型，通过特征工程将所述报告类型转换为标签向量，将所述报表类型转换为特征向量；

获取预设的目标预测模型，输入所述标签向量和所述特征向量至所述目标预测模型中，经过所述目标预测模型中的梯度提升决策树和逻辑回归模型计算得到每个报表之间的预测衔接概率；

按照所述预测衔接概率对所述目标报告的报表进行预测排序，得到排序结果，根据所述排序结果将所述目标报告中的报告内容与所述报表进行匹配，得到所述目标报告的优选报表；

其中，所述输入所述标签向量和所述特征向量至所述目标预测模型中，经过所述目标预测模型中的梯度提升决策树和逻辑回归模型计算得到每个报表之间的预测衔接概率的步骤具体包括：

输入所述标签向量和所述特征向量至所述目标预测模型中的梯度提升决策树中，经过所述梯度提升决策树的叶子节点输出得到离散特征，并对所述离散特征进行编码，得到编码特征；

对所述编码特征进行加权求和得到求和结果，输入所述求和结果至所述逻辑回归模型，计算得到所述预测衔接概率；

其中，所述获取预设的目标预测模型的步骤具体包括：

获取预设的基础预测模型、历史标签数据、历史特征数据和历史交互数据；

根据所述历史标签数据、所述历史特征数据和所述历史交互数据对所述基础预测模型进行训练，得到所述目标预测模型；

其中，所述根据所述历史标签数据、所述历史特征数据和所述历史交互数据对所述基础预测模型进行训练，得到所述目标预测模型的步骤具体包括：

选取第一预设个数的所述历史标签数据、所述历史特征数据和所述历史交互数据作为训练数据，选取预设第二预设个数的所述历史标签数据、所述历史特征数据和所述历史交互数据作为验证数据；

根据所述训练数据对所述基础预测模型进行训练，得到待优化模型，根据所述验证数据对所述待优化模型进行验证，在所述待优化模型对所述验证数据的验证通过率大于等于预设阈值时，确定所述待优化模型为所述目标预测模型。

2.根据权利要求1所述的自动化报表生成方法，其特征在于，在所述根据所述验证数据对所述待优化模型进行验证的步骤之后，还包括：

在所述待优化模型对所述验证数据的验证通过率小于所述预设阈值时，获取预设的损失函数，根据所述损失函数调整所述待优化模型的参数大小，在所述损失函数收敛时，确定所述待优化模型的参数调整完成，得到参数调整完成的待优化模型；

根据所述验证数据对所述参数调整完成的待优化模型进行验证，在所述参数调整完成的待优化模型对所述验证数据的验证通过率大于等于所述预设阈值时，确定所述参数调整完成的待优化模型为所述目标预测模型。

3.根据权利要求2所述的自动化报表生成方法，其特征在于，所述根据所述损失函数调整所述待优化模型的参数大小的步骤具体包括：

获取所述待优化模型对所述训练数据中的历史标签数据和历史特征数据计算得到的预测结果；

根据所述损失函数计算所述预测结果和所述历史交互数据的损失值，获取所述损失值对应的预设参数调整指令，根据所述预设参数调整指令对所述待优化模型的参数进行调整。

4.根据权利要求1所述的自动化报表生成方法，其特征在于，在所述得到所述目标报告的优选报表的步骤之后，还包括：

将所述优选报表存储在区块链中。