本发明涉及目标数据源模型匹配，尤其涉及一种目标数据源和模型标签库的智能匹配系统及方法。
背景技术：
1、数据库作为存储数据的仓库，其内部数据按照一定的数据模型组织、描述和存储，具有数据结构化、共享性高、冗余度低、易扩充等特点，这种数据组织形式为智能匹配系统提供基础的数据支持，模式匹配技术被广泛应用于数据库、数据仓库、模式集成、电子商务、语义web以及本体合并等领域，尽管模式匹配技术已经取得许多成果，但由于其涉及对元素间对应关系的理解，这在一定程度上类似于自然语言处理，因此增加任务的复杂性。
2、中国专利公开号：cn102246160b用于将数据源的数据链接到目标数据库的方法和模块公开了一种所述方法包括：访问(110)包括与参考本体(101)的第一概念或属性相关联的至少一个表格的目标数据库(107)；针对包括数据集的数据源(102)定义(120)数据源本体(104)，所述数据源本体(104)包括第二概念或属性，其中，所述第二概念或属性与所述第一概念或属性不同；以及创建(140)所述第二概念或属性与所述第一概念或属性之间的链接，所述链接定义与所述第二概念或属性相关联的所述数据集的数据和所述目标数据库的哪个表格相关；由此可见，所述方法存在以下问题：未将模型库与标签库关联，效率较低，准确性较低。
技术实现思路
1、为此，本发明提供一种目标数据源和模型标签库的智能匹配系统及方法，用以克服现有技术中目标数据源模型匹配，操作繁琐、操作工作量大的问题。
2、为实现上述目的，本发明提供一种目标数据源和模型标签库的智能匹配系统，包括：
3、数据采集模块，用以对用户终端数据进行采集；
4、数智魔方模块，用以获取用户使用情况，还用以对用户是否需要有关企业历史模型使用日志推荐的情况进行判断，还用以对模型匹配情况进行判断，还用以对数据进行识别，对数据类型进行判断；
5、标签管理模块，用以建立模型标签库，并根据字段标签匹配列表和维度标签匹配列表输出模型标签；
6、模型管理模块，用以建立模型库，并根据模型标签进行模型匹配；
7、模型关联反馈模块，用以根据用户反馈结果对模型管理模块进行调整；
8、反馈优化模块，用以根据预设周期内模型关联不达标次数和预设不达标次数对调整模型管理模块的过程进行优化；
9、优化校正模块，用以根据用户使用时间与预设使用时间对预设不达标次数进行校正。
10、进一步地，所述数智魔方模块包括：
11、用户评价单元，用以获取用户使用情况，并根据用户使用情况对用户终端数据进行输出；
12、智能推荐单元，用以向用户推送有关企业历史模型使用日志推荐窗口，并获取用户在有关企业历史模型使用日志推荐窗口的勾选结果，根据勾选结果对用户是否需要有关企业历史模型使用日志推荐的情况进行判断，并根据判断结果进行输出；
13、匹配反馈单元，用以将用户终端数据与企业模型使用日志进行比对，根据比对结果对模型匹配情况进行判断，并根据判断结果进行输出，匹配反馈单元与用户评价单元和智能推荐单元连接；
14、数据分析匹配单元，用以对目标数据进行识别，根据识别结果对数据类型进行判断，并根据判断结果进行输出，数据分析匹配单元与匹配反馈单元和智能推荐单元连接。
15、进一步地，所述用户评价单元中，获取用户使用情况，并根据用户使用情况对用户终端数据进行输出，其中：
16、当用户使用情况为使用日志推送匹配模型时，将用户终端数据传输至匹配反馈单元；
17、当用户使用情况为根据参数申请匹配模型时，将用户终端数据传输至智能推荐单元。
18、进一步地，所述智能推荐单元中，向用户推送有关企业历史模型使用日志推荐窗口，并获取用户在有关企业历史模型使用日志推荐窗口的勾选结果，根据勾选结果对用户是否需要有关企业历史模型使用日志推荐的情况进行判断，并根据判断结果进行输出，其中：
19、当用户在有关企业历史模型使用日志推荐窗口的勾选结果为需要时，判定用户需要查询有关企业历史模型使用日志，将用户终端数据传输至匹配反馈单元；
20、当用户在有关企业历史模型使用日志推荐窗口的勾选结果为不需要时，判定用户不需要查询有关企业历史模型使用日志，将用户需求数据传输至数据分析匹配单元。
21、进一步地，所述匹配反馈单元中，将用户终端数据输入企业模型使用日志中进行匹配，根据检索结果对用户终端数据的匹配情况进行判断，并根据判断结果进行输出，其中：
22、当用户终端数据不存在无法匹配的数据时，判定用户终端数据完全匹配，并将通过匹配得到的用户模型标签传输至标签管理模块；
23、当用户终端数据存在无法匹配的数据时，判定用户终端数据未完全匹配，并将无法匹配的数据传输至匹配反馈单元。
24、进一步地，所述数据分析匹配单元中，对目标数据进行识别，根据识别结果对目标数据类型进行判断，并根据判断结果进行输出，其中：
25、当目标数据的识别结果为字段时，判定目标数据类型为文本数据，根据表字段与详情分词将目标数据与关键字标签进行匹配，得到字段标签匹配列表；
26、当目标数据的识别结果为非字段时，判定目标数据类型为非文本数据，根据三维行业维度标签对目标数据进行匹配，得到维度标签匹配列表。
27、进一步地，所述标签管理模块中，在根据地域标签、行业标签、应用场景标签、关键字标签和模型类型标签建立模型标签库时，设定地域标签包括企业地域字典，行业标签包括行业门类，其中行业门类包括行业门类目录和行业大类，行业大类包括行业大类目录，其中应用场景标签包括项目应用、全场景和特定场景，项目应用包括用户自定义模型标签，特定场景关联数据类型标签包括订单数据、用户数据和财务数据，其中关键词标签包括境内、地址、日期和身份证，其中模型类型标签包括基础模型和业务模型；
28、在所述模型管理模块中，在将模型和标签库中地域标签、行业标签、应用场景标签、关键字标签和模型类型标签进行关联时，其中模型来源关联地域标签和关键字标签，其中行业分布关联行业标签，其中所属应用关联项目应用标签，其中特定场景关联特定场景标签，其中模型分类关联模型分类标签，其中模型类型关联模型类型标签，关联完成后可通过标签精准匹配有关模型。
29、进一步地，所述模型关联反馈模块中，获取用户反馈结果，并根据用户反馈结果对模型匹配结果的达标情况进行判断，并根据判断结果对模型管理模块进行调整，其中；
30、当反馈结果为模型匹配错误时，判定模型匹配结果不达标，重新获取用户终端数据，并根据用户终端数据重复数智魔方模块、标签管理模块、模型管理模块和模型关联反馈模块，直至反馈结果为模型匹配正确；
31、当反馈结果为模型匹配正确时，判定模型匹配结果达标，不对模型管理模块进行调整。
32、进一步地，所述反馈优化模块中获取预设周期内模型关联不达标次数p，并将模型关联不达标次数p与预设不达标次数p0进行比对，根据比对结果对调整模型管理模块的过程的有效性进行判断，并根据判断结果对调整模型管理模块的过程进行优化；
33、当p≥p0时，判定调整模型管理模块的过程无效，需要进行优化，由管理员输入优化方案，所述反馈优化模块获取优化窗口的优化方案，并根据优化方案对调整模型管理模块的过程进行优化，
34、当p＜p0时，判定调整模型管理模块的过程有效，不需要进行优化；
35、在所述优化校正模块中，获取用户使用时间t，将用户使用时间t与预设使用时间t0进行比对，根据比对结果对反馈优化模块的时效性进行判断，并根据判断结果对预设不达标次数p0进行校正，其中：
36、当t≥t0时，判定反馈优化模块的时效性失效，设定校正系数q，q＝t/t0×e(t0-t)，校正后的预设不达标次数为pq0＝p0×(1-q)2，且pq0为正整数；
37、当t＜t0时判定反馈优化模块的时效性有效，不对预设不达标次数p0进行校正。
38、另一方面本发明还提供一种目标数据源和模型标签库的智能匹配方法，包括
39、步骤s1，对用户终端数据进行采集；
40、步骤s2，获取用户使用情况，并根据用户使用情况对用户终端数据进行输出；
41、步骤s3，向用户推送有关企业历史模型使用日志推荐窗口，并获取用户在有关企业历史模型使用日志推荐窗口的勾选结果，根据勾选结果对用户是否需要有关企业历史模型使用日志推荐的情况进行判断，并根据判断结果进行输出；
42、步骤s4，将用户终端数据与企业模型使用日志进行比对，根据比对结果对模型匹配情况进行判断，并根据判断结果进行输出；
43、步骤s5，对目标数据进行识别，根据识别结果对数据类型进行判断，并根据判断结果进行输出；
44、步骤s6，根据地域标签、行业标签、应用场景标签、关键字标签和模型类型标签建立模型标签库；
45、步骤s7，将模型和标签库中地域标签、行业标签、应用场景标签、关键字标签和模型类型标签进行关联；
46、步骤s8，获取用户反馈结果，并根据用户反馈结果对模型匹配结果的达标情况进行判断，并根据判断结果对模型管理模块进行调整；
47、步骤s9，获取预设周期内模型关联不达标次数p，并将模型关联不达标次数p与预设不达标次数p0进行比对，根据比对结果对调整模型管理模块的过程的有效性进行判断，并根据判断结果对调整模型管理模块的过程进行优化；
48、步骤s10，获取用户使用时间t，将用户使用时间t与预设使用时间t0进行比对，根据比对结果对反馈优化模块的时效性进行判断，并根据判断结果对预设不达标次数p0进行校正。
49、与现有技术相比，本发明的有益效果在于所述系统通过数智魔方模块对用户的使用情况进行深度挖掘和分析，利用预设的规则和算法，对用户是否需要有关企业历史模型使用日志推荐、模型匹配情况判断和数据类型识别进行判断，实现对用户行为的智能分析，提供个性化的推荐和服务，以提高用户体验和满意度，提高用户服务的精准度和个性化程度，增强用户粘性，所述系统通过标签管理模块使用数据库技术、数据分类，建立模型标签库，并根据字段标签匹配列表和维度标签匹配列表输出模型标签，实现对数据的有效分类和组织，为模型管理模块提供标准化的标签体系，以提高数据管理的规范性和效率，便于后续的数据分析和处理，为模型匹配提供准确的标签支持，以提高模型匹配的准确性和效率，所述系统通过模型管理模块对模型标签进行模型匹配，实现对不同用户、不同场景下的模型匹配需求，提供个性化的模型服务，提高模型服务的灵活性和适应性，满足不同用户的多样化需求，通过模型匹配，以提高数据分析和处理的准确性和效率，所述系统通过模型关联反馈模块对用户反馈收集、数据分析和用户反馈结果进行采集，并根据用户反馈结果对模型匹配结果的达标情况进行判断，实现对模型匹配效果的实时评估和反馈，为后续的模型优化提供依据，及时发现和解决模型匹配中的问题，以提高模型服务的质量和用户满意度，通过用户反馈，不断优化模型匹配算法和规则，提高模型匹配的准确性和效率，所述系统通过反馈优化模块将通过预设周期内的模型关联不达标次数p和预设不达标次数p0比对，对调整模型管理模块的过程的有效性进行判断，实现对模型优化效果的评估和反馈，为后续的优化校正提供依据，量化评估模型优化的效果，为优化决策提供可靠依据，通过持续的优化和反馈，以提高模型服务的质量和效率，所述系统通过优化校正模块将用户使用时间t与预设使用时间t0比对，对反馈优化模块的时效性进行判断，实现对优化校正过程的时效性评估，确保优化校正的及时性和有效性，确保优化校正的及时性，避免因时间过长而导致的优化效果降低，通过时效性评估，不断优化校正的流程和方法，以提高优化校正的效率和准确性。
50、尤其，所述数智魔方模块通过集成用户评价、智能推荐、匹配反馈和数据分析匹配多个功能单元，实现对用户需求的精准把握、个性化推荐、模型匹配优化和数据深度分析，为企业带来显著的有益效果，包括提升用户体验、增加用户粘性、优化模型性能、提高服务质量和效率。
51、尤其，所述用户评价单元通过用户评价单元收集用户在使用过程中的反馈和行为数据，实现对用户终端数据的全面获取和输出，有助于企业更准确地解用户需求和使用体验，为产品迭代和服务优化提供数据支持，增强用户满意度。
52、尤其，所述智能推荐单元通过用户的历史行为和企业历史模型使用日志，向用户推送个性化的推荐窗口，实现精准地向用户推荐可能感兴趣的内容或功能，同时根据用户的勾选结果判断其需求，并据此调整推荐策略，提高用户体验，减少用户寻找所需信息的时间成本，增加用户粘性和活跃度，同时也为企业带来更高的转化率和用户参与度。
53、尤其，所述匹配反馈单元通过将用户终端数据与企业模型使用日志进行实时或定期的比对分析，实现对模型与用户实际需求的匹配度进行精准评估，并输出匹配结果，有助于企业及时发现并解决模型与实际应用之间的不匹配问题，优化模型性能，提高服务质量和效率。
54、尤其，所述数据分析匹配单元通过对目标数据进行深度识别和分析，判断数据类型和特征，为后续的模型匹配、智能推荐等提供精准的数据分类提供支持，提高数据处理和分析的效率和准确性，为企业的决策制定和策略调整提供更加科学和客观的依据。
55、尤其，所述标签管理模块和模型管理模块通过将模型与标签库中的各类标签进行精准关联，包括模型来源与地域标签、关键字标签的关联，行业分布与行业标签的关联，所属应用与项目应用标签的关联，特定场景与特定场景标签的关联，以及模型分类和模型类型与相应标签的关联，模型与标签之间的紧密绑定，使得每个模型都拥有清晰和全面的标识，提高模型检索效率，促进模型共享与复用，支持数据分析与决策，增强模型管理的规范性，提升模型使用的便捷性。
56、尤其，所述关联反馈模块通过收集用户对模型匹配结果的反馈，根据用户反馈，模型关联反馈模块判断模型匹配结果是否达标，如果判断结果为模型匹配错误，则模块会触发一系列自动化操作，包括重新获取用户终端数据，并重新运行数智魔方模块、标签管理模块、模型管理模块和模型关联反馈模块，以进行新一轮的匹配尝试。如果判断结果为模型匹配正确，则不进行任何调整，实现模型匹配结果的自动化判断和调整，通过不断地调整和优化，该流程可以显著提高模型匹配的准确性。
57、尤其，所述反馈优化模块通过反馈优化模块和优化校正模块的协同工作实现对模型管理模块调整过程的实时监控和效果评估，还确保反馈优化模块能够随着系统使用时间的增长而保持其有效性和准确性，这有助于提升系统的稳定性、优化资源利用和增强用户体验，并提升系统的智能化水平和自适应能力。
1.一种目标数据源和模型标签库的智能匹配系统，其特征在于，包括：
2.根据权利要求1所述的目标数据源和模型标签库的智能匹配系统，其特征在于，所述数智魔方模块包括：
3.根据权利要求2所述的目标数据源和模型标签库的智能匹配系统，其特征在于，在所述用户评价单元中，获取用户使用情况，并根据用户使用情况对用户终端数据进行输出，其中：
4.根据权利要求2所述的目标数据源和模型标签库的智能匹配系统，其特征在于，在所述智能推荐单元中，向用户推送有关企业历史模型使用日志推荐窗口，并获取用户在有关企业历史模型使用日志推荐窗口的勾选结果，根据勾选结果对用户是否需要有关企业历史模型使用日志推荐的情况进行判断，并根据判断结果进行输出，其中：
5.根据权利要求2所述的目标数据源和模型标签库的智能匹配系统，其特征在于，在所述匹配反馈单元中，将用户终端数据输入企业模型使用日志中进行匹配，根据检索结果对用户终端数据的匹配情况进行判断，并根据判断结果进行输出，其中：
6.根据权利要求2所述的目标数据源和模型标签库的智能匹配系统，其特征在于，在所述数据分析匹配单元中，对目标数据进行识别，根据识别结果对目标数据类型进行判断，并根据判断结果进行输出，其中：
7.根据权利要求1所述的目标数据源和模型标签库的智能匹配系统，其特征在于，在所述标签管理模块中，在根据地域标签、行业标签、应用场景标签、关键字标签和模型类型标签建立模型标签库时，设定地域标签包括业地域字典，行业标签包括行业门类，其中行业门类包括行业门类目录和行业大类，行业大类包括行业大类目录，其中应用场景标签包括项目应用、全场景和特定场景，项目应用包括用户自定义模型标签，特定场景关联数据类型标签包括订单数据、用户数据和财务数据，其中关键词标签包括境内、地址、日期和身份证，其中模型类型标签包括基础模型和业务模型；
8.根据权利要求1所述的目标数据源和模型标签库的智能匹配系统，其特征在于，在所述模型关联反馈模块中，获取用户反馈结果，并根据用户反馈结果对模型匹配结果的达标情况进行判断，并根据判断结果对模型管理模块进行调整，其中；
9.根据权利要求1所述的目标数据源和模型标签库的智能匹配系统，其特征在于，在所述反馈优化模块中获取预设周期内模型关联不达标次数p，并将模型关联不达标次数p与预设不达标次数p0进行比对，根据比对结果对调整模型管理模块的过程的有效性进行判断，并根据判断结果对调整模型管理模块的过程进行优化；
10.一种应用于如权利要求1-9任一项所述的目标数据源和模型标签库的智能匹配系统的方法，其特征在于，包括：
