(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210121114.6 (22)申请日 2022.02.09 (71)申请人 中共青岛市委机构编制委员会办公 室 地址 266071 山东省青岛市 市南区东海西 路7号 申请人 青岛视图信息科技有限公司 　 北京大学 （青岛） 计算社会科 学研究 院 (72)发明人 逯鹰　张毅　王晓青　赵磊　 朱晓琳　任保宁　秦超　王腾蛟　 陈薇　 (74)专利代理 机构 北京酷爱智慧知识产权代理 有限公司 1 1514 专利代理师 何忠仪(51)Int.Cl. G06F 40/289(2020.01) G06F 40/30(2020.01) G06N 20/00(2019.01) (54)发明名称 一种大数据分析方法及系统 (57)摘要 本发明提供了大数据分析方法及系统， 方法 包括获取分析单位的历史年报信息； 对历史年报 信息进行预处理， 以得到样本特征； 对样本特征 进行筛选， 以得到筛选特征； 根据筛选特征构建 模型特征； 根据分析算法对模型特征进行训练， 得到分析模型； 获取分析单位的实时年报信息， 将实时年报信息输入至分析模型， 以得到分析结 果。 该方法采集海量的年报信息， 提高数据的覆 盖程度和准确性； 利用大数据及AI技术对年报信 息进行处理分析， 提取更加合理、 有效的特征； 使 用多个分析算法训练选择分析模 型， 利用分析模 型生成分析结果， 并为分析企业或业务流程提供 建设性建议， 该方法能够适用于各种复杂的数据 分析场景， 适应性更广， 同时提高了数据分析的 工作效率。 权利要求书2页 说明书8页 附图5页 CN 114492435 A 2022.05.13 CN 114492435 A 1.一种大 数据分析 方法， 其特 征在于， 包括： 获取分析 单位的历史年报信息； 对所述历史年报信息进行 预处理， 以得到样本特 征； 对所述样本特 征进行筛 选， 以得到 筛选特征； 根据所述筛 选特征构建模型 特征； 根据预设的分析算法对所述模型 特征进行训练， 得到分析模型； 获取所述分析单位的实时年报信息， 将所述实时年报信息输入至所述分析模型， 以得 到所述分析 单位的分析 结果。 2.根据权利要求1所述大数据分析方法， 其特征在于， 所述获取分析单位的历史年报信 息具体包括： 从指定网站爬取 所述分析 单位的所述历史年报信息 。 3.根据权利要求1所述大数据分析方法， 其特征在于， 所述对所述历史年报信 息进行预 处理， 以得到样本特 征具体包括： 从所述历史年报信息中提取 出对应的数据， 以得到结构化数据； 对所述结构化数据进行 数据清洗， 以得到所述样本特 征。 4.根据权利要求3所述大数据分析方法， 其特征在于， 所述对结构化数据进行数据清 洗， 以得到所述样本特 征具体包括： 在所述结构化数据中， 当同一个所述历史年报信 息中所述结构化数据的缺失数量超过 预设的最大缺失数量时， 删除所述历史年报信息以及对应的结构化数据， 以得到第一样本； 在所述第一样本中， 将所述结构化数据中的长文本信息拆分为多个词组， 以得到第二 样本； 在所述第二样本中， 删除所述结构化数据中的错 误信息， 以得到第三样本； 在所述第三样本中， 对值 不连续的所述结构化数据进行值扩充， 以得到所述样本特 征。 5.根据权利要求1所述大数据分析方法， 其特征在于， 所述对所述样本特征进行筛选， 以得到筛选特征具体包括： 获取所述样本特 征对应的标签； 计算各个样本特 征与对应的所述标签中的相关系数， 以得到第一相关系数； 删除所述第一相关系数低于第一阈值的样本特 征； 计算任意两个样本特 征之间的相关系数， 以得到第二相关系数； 合并所述第二相关系数高于第二阈值的样本特 征， 以得到所述筛 选特征。 6.根据权利要求1所述大数据分析方法， 其特征在于， 所述根据 所述筛选特征构建模型 特征具体包括： 根据所述筛 选特征的维度构建多个第一特 征； 对所述第一特 征进行特征筛选， 以得到所述模型 特征。 7.根据权利要求1所述大数据分析方法， 其特征在于， 所述根据 预设的分析算法对所述 模型特征进行训练， 得到分析模型 具体包括： 根据多种所述分析算法对所述模型 特征进行训练； 所述分析算法包括分类算法； 对所有所述分析算法的训练结果进行投票， 以得到所述分析模型。 8.根据权利要求1所述大数据分析方法， 其特征在于， 所述根据 预设的分析算法对所述权　利　要　求　书 1/2 页 2 CN 114492435 A 2模型特征进行训练， 得到分析模型 具体包括： 根据多种所述分析算法对所述模型特征进行训练； 所述分析算法包括Bert算法、 聚类 算法和向量相似度算法； 对所有所述分析算法的训练结果进行投票， 以得到所述分析模型。 9.根据权利要求1所述大数据分析方法， 其特征在于， 所述根据 预设的分析算法对所述 模型特征进行训练， 得到分析模型 具体包括： 基于所述模型 特征的相关性训练深度学习模型， 以得到所述分析模型。 10.一种大 数据分析系统， 其特 征在于， 包括： 采集单元： 用于获取分析 单位的历史年报信息； 预处理单元： 用于对所述历史年报信息进行 预处理， 以得到样本特 征； 筛选单元： 用于对所述样本特 征进行筛 选， 以得到 筛选特征； 特征构建单 元： 用于根据所述筛 选特征构建模型 特征； 训练单元： 用于根据预设的分析算法对所述模型 特征进行训练， 得到分析模型； 分析单元： 用于获取所述分析单位的实时年报信息， 将所述实时年报信息输入至所述 分析模型， 以得到所述分析 单位的分析 结果。权　利　要　求　书 2/2 页 3 CN 114492435 A 3