摘要：本发明实施例提供一种访问多数据源的方法，包括：接收用户数据源访问请求，所述用户数据源访问请求携带有目标数据源标识信息；从用户数据源访问请求中获取目标数据源标识信息；根据目标数据源标识信息获取数据源动态路由规则；根据所述数据源动态路由规则匹配所述目标数据源标识信息对应的目标数据源的数据属性；基于所述数据属性，执行与所述用户数据源访问请求对应的操作。本发明提供的访问多数据源的方法、系统、计算机设备及计算机可读存储介质，通过目标数据源标识信息的不同，生成不同的数据源动态路由规则，既可以读取在平台上已有的数据源，也可以在平台上写入平台没有的数据源，进而在一个平台上实现多个数据源的动态读取和写入。

摘要：本发明公开了信息分析预测方法、装置、计算机系统及可读存储介质，包括：运算服务器接收客户端发送的待测信息，并从预设的模型数据库中获取与待测信息匹配的预测模型作为目标模型；预处理服务器从运算服务器中获取待测信息和目标模型，及从待测信息中提取与目标模型中指标数据匹配的数据，并将其设为线性数据；其中，指标数据是目标模型中目标函数的自变量所对应的数据，目标函数为线性回归方程；运算服务器从预处理服务器中获取线性数据，及通过目标模型计算线性数据获得预测信息，并将预测信息发送客户端。本发明避免了不区分线性关系和非线性关系而直接录入预测模型的情况发生，保证了预测模型预测结果准确性和稳定性。

摘要：本发明提供一种大数据处理方法、设备、计算机系统及存储介质，将数据存储于数据库中，提取出数据库中的非结构化数据和缺失数据，将非结构化数据整理成结构化数据，并将缺失数据进行补齐加工得到已加工后数据，将已加工数据构建出因子库，对因子库进行去趋势化操作和标准化操作，因子库中的因子用于输入到训练模型中运行得到模型训练结果。本发明提供的数据处理方法、设备、计算机系统及存储介质，通过将采集到数据库中的非结构化数据整理成结构化数据，并将缺失数据进行补充加工，防止缺失数据造成的误差，从而减少了非系统性的数据输入错误。此外，本发明还涉及区块链技术，得到的模型训练结果可存储于区块链节点中。

摘要：本发明实施例提供一种业务类型数据的处理方法，包括：接收业务类型数据；对所述业务类型数据对应的目标领域对象进行远近度分析，得到远近度分析结果，并根据远近度分析结果对目标领域对象进行分类和聚合，以得到目标业务类型数据处理图；根据所述目标业务类型数据处理图处理所述业务类型数据，生成与所述业务类型数据对应的结果反馈数据。本发明通过对业务类型数据对应的领域对象进行远近度分析，对领域对象进行合理的分类和聚合，得到新的模块，降低了业务系统的业务复杂性，并使得业务系统具有更好的扩展性，应对纷繁多变的现实业务问题。

摘要：本发明公开了一种数据指标推荐方法、装置、计算机设备及可读存储介质，该方法包括：获取用户终端的目标研究报告；其中，所述目标研究报告包括：目标研报作者和目标行业信息；查找与所述目标研报作者对应的显著指标集合，以及与所述目标行业信息对应的行业指标集合；其中，所述显著指标集合包含与所述目标研报作者相关的数据指标，所述行业指标集合包含与所述目标行业信息相关的数据指标；提取所述显著指标集合和所述行业指标集合中相同的数据指标以构建关联指标集合；将所述关联指标集合中的数据指标推荐给所述用户终端；本发明可以快速、准确的为用户推荐数据指标。

摘要：本发明公开了一种语音识别方法、装置、计算机系统及可读存储介质，语音处理技术领域，包括：获取待识别信息，对所述待识别信息进行预处理获得待识别数据；判断所述待识别数据长度是否超出预设阈值；当所述待识别数据长度未超出预设阈值，对所述待识别数据进行第一向量化处理，获取第一处理数据；当所述待识别数据长度超出预设阈值，对所述待识别数据进行第二向量化处理，获取第二处理数据；采用预先训练好的识别模型对所述第一处理数据或第二处理数据进行处理，获得目标结果，用于解决现有技术对于待识别的语音数据长度存在限制，无法直接处理时长超出限制的语音数据而造成流程繁琐，效率低下的问题。

摘要：本发明涉及大数据领域，提供一种基于云计算架构的模型管理方法，包括将云计算架构中的第一计算节点的计算模型下发至多个第二计算节点；接收多个第二计算节点根据其对应的计算模型发送的选择指令，基于选择指令生成多个计算选择数据；通过第二计算节点接收用户请求指令；当第二计算节点中的计算选择数据为第一选择数据时，通过第二计算节点中的计算模型执行用户请求指令生成计算结果；当第二计算节点中的计算选择数据为第二选择数据时，通过第二计算节点将用户请求指令发送至第一计算节点，以执行用户请求指令生成计算结果。通过第一计算节点将计算权限下沉，且通过第二计算节点的计算选择数据动态调度网络中的节点资源，提高计算效率。

摘要：本发明涉及大数据领域，提供了一种时间序列数据转换方法，所述方法包括：获取业务数据集；根据预先配置好的抽取规则对所述业务数据集进行数据抽取，以得到多个目标属性数据；根据预先配置好的转换规则对每个目标属性数据进行数据转换，以得到多个时间序列数据；及将所述多个时间序列数据加载到时间序列数据库中，并对所述多个时间序列数据进行可视化处理并将多个时间序列数据上传到区块链中。本发明通过抽取规则对业务数据进行数据抽取，再将抽取得到的目标属性数据转换为时间序列数据，提高了时间序列数据的转换效率。

摘要：本发明公开了一种模型压缩方法，包括：获取第一模型的第一存储空间值，所述第一存储空间值包括第一参数矩阵与第一数据类型；获取第一存储值，根据所述第一存储值设置第二数据类型；基于所述第二数据类型压缩所述第一存储空间值，得到第二存储空间值；根据所述第一参数矩阵、所述第一数据类型与所述第二数据类型构建第三存储空间值；基于所述第二存储空间值与所述第三存储空间值构建第二模型。本发明还提供了一种模型压缩方系统、计算机设备与存储介质。本发明实施例的有益效果在于：提高了模型压缩的精确度。

摘要：本发明涉及区块链&人工智能&智慧城市&宏观经济，提供了一种企业风险画像方法、装置、计算机设备和可读存储介质。该方法包括：确定对目标企业进行风险画像时的目标风险指标；获取企业样本数据集；选定预选画像向量；对学习模型进行训练；将测试集中多条样本数据的预选画像向量输入训练好的学习模型，得到的输出为指标测试值；比对指标测试值和测试集中对应的指标样本值，判断训练好的学习模型的正确率是否大于或等于预设阈值；若是，获取目标企业的预选画像向量，得到画像向量，对目标企业进行风险画像。此外，本发明还涉及区块链技术，画像向量和风险画像均可存储于区块链节点中。通过本发明，能够有针对性的、准确地对企业进行风险画像。