本发明涉及一种能分析方法和可视化系统，具体为一种基于大模型驱动的智能分析方法和可视化系统。
背景技术：
：：1、目前，随着企业、行业数字化进程的不断加深，海量数据中蕴含着丰富且极具价值的信息，从纷繁的结构化、非结构化数据中挖掘出从业者感兴趣的行业趋势和行业洞察，是当前自然语言处理(natural language processing，nlp)领域的一个重要研究方向，受到学术界和工业界的热切关注。2、传统的商业智能(bi)工具，如tableau或microsoft power bi，这些工具提供了一种方式来收集、整理和呈现企业数据，使得分析者可以洞察公司和行业的趋势，然而，这些系统通常需要用户定义他们想要的分析角度并手动调整数据可视化的参数和设置，例如，在使用tableau时，用户需要创建仪表板，并选择如何展示他们的数据(例如，应该使用条形图、饼图、或者散点图)，用户还需要手动进行数据清洗和预处理，以确保数据可以在系统中正确解析，这个过程需要深入理解业务背景和数据科学知识，此外，虽然这些工具提供了基本的数据可视化功能，但它们并不提供基于大模型的深度自主分析能力，因此，用户无法从全新的角度来看待他们的数据，也就无法发现潜在的关联性和洞察。3、基于以上的原因，本发明提出一种基于大模型驱动的智能分析方法和可视化系统。技术实现思路1、针对现有技术的不足，本发明提供了一种基于大模型驱动的智能分析方法和可视化系统。2、为了解决上述技术问题，本发明提供了如下的技术方案：3、一种基于大模型驱动的智能分析方法，包括以下步骤：4、s1：金融大模型的训练；5、s2：指令提示撰写，针对训练好的大模型进行指令撰写；6、s3：执行流程展示，结合typescript前端工具，将大模型的分析思路和步骤展示在前端界面，用户可进行修改、删除、补充操作，确保全流程的透明性和可解释性；7、s4：可视化生成，将生成的图表和分析思路展示在前端界面，由用户查看，同时做到图表数据可溯源。8、作为本发明的一种优选技术方案，所述步骤s1中对于金融大模型的训练，包括以下的步骤：9、s11：首先，收集大量经济类书籍、cfa和cpa相关材料与试题、行业研究报告、网络上的数据分析文章；10、s12：其次，将数据进行数据清理，采用lsh-like算法对数据进行聚类和去重；11、s13：最后，将数据整理成监督微调(supervision fine tuning,sft)所需要的qa对格式，基于baichuan2模型底座，采用lora微调方式进行训练，确保模型能够学习到金融领域的知识以及思考方式。12、作为本发明的一种优选技术方案，所述步骤s12中通过构建有害词语词典，进行数据筛选匹配的方式实现对数据质量进行把控，完成对包含暴力、地域歧视、色情、言论不当的有害内容进行过滤。13、作为本发明的一种优选技术方案，所述步骤s2中针对训练好的大模型进行指令撰写，包括以下的步骤：14、s21：首先，赋予大模型角色定位，可分为计划大模型(planning llm)与执行大模型(executing llm)；15、s22：其次，给出大模型所需要承担的任务；16、s23：最后，再次明确大模型的自我认知确保不产生幻觉。17、作为本发明的一种优选技术方案，所述步骤s21中执行大模型的角色需按照流程直接执行每个步骤，不能输出额外的内容。18、作为本发明的一种优选技术方案，所述步骤s3中大模型的分析思路和步骤展示在前端界面，且每个步骤左上角都有一个操作按钮，这个按钮可以让用户点击进行修改、删除、补充内容操作，用户的操作会被保留下来，作为执行大模型的输入指令。19、一种基于大模型驱动的智能分析方法的可视化系统，包括图像可视化模块、表格可视化模块和溯源模块；20、所述图像可视化模块用于将生成的图像展示在前端界面，便于用户的查看；21、所述表格可视化模块用于将生产的表格展示在前端界面，便于用户的查看；22、所述溯源模块用于将中间结果记录下来，返回前端，在用户点击中间步骤的时候，将中间记录的数据展示出来。23、本发明实施例提供了一种基于大模型驱动的智能分析方法和可视化系统，具备以下有益效果：24、1、本发明具有自主分析的优点，本系统可以根据用户问题可以自动选择分析角度和分析方式，大模型替用户选择分析角度，不需要用户花费时间分析，用户只需在大模型输出的基础上进行补充完善和修改，使得分析操作方便且快捷；25、2、本发明具有交互方式上得到优势，本系统可以与用户交互，实现增加、删除、修改等交互行为，能够规范模型处理流程，确保最终结果是用户所需要的；26、3、本发明能够以自主分析、数据溯源、人机交互的形式辅助从业者进行数据分析与可视化展示，系统能够加快展示速度、激发分析灵感、提升分析效率，能够帮助用户更高效地进行商业数据分析，以及洞察和挖掘公司、行业的发展趋势和风险。技术特征：1.一种基于大模型驱动的智能分析方法，包括以下步骤，其特征在于：2.根据权利要求1所述的一种基于大模型驱动的智能分析方法，其特征在于，所述步骤s1中对于金融大模型的训练，包括以下的步骤：3.根据权利要求2所述的一种基于大模型驱动的智能分析方法，其特征在于，所述步骤s12中通过构建有害词语词典，进行数据筛选匹配的方式实现对数据质量进行把控，完成对包含暴力、地域歧视、色情、言论不当的有害内容进行过滤。4.根据权利要求1所述的一种基于大模型驱动的智能分析方法，其特征在于，所述步骤s2中针对训练好的大模型进行指令撰写，包括以下的步骤：5.根据权利要求4所述的一种基于大模型驱动的智能分析方法，其特征在于，所述步骤s21中执行大模型的角色需按照流程直接执行每个步骤，不能输出额外的内容。6.根据权利要求1所述的一种基于大模型驱动的智能分析方法，其特征在于，所述步骤s3中大模型的分析思路和步骤展示在前端界面，且每个步骤左上角都有一个操作按钮，这个按钮可以让用户点击进行修改、删除、补充内容操作，用户的操作会被保留下来，作为执行大模型的输入指令。7.根据权利要求1-6任一项所述的一种基于大模型驱动的智能分析方法的可视化系统，其特征在于，包括图像可视化模块、表格可视化模块和溯源模块；技术总结本发明涉及数据分析
技术领域：
：，具体涉及一种基于大模型驱动的智能分析方法和可视化系统，本发明具有自主分析的优点，本系统可以根据用户问题可以自动选择分析角度和分析方式，大模型替用户选择分析角度，不需要用户花费时间分析，用户只需在大模型输出的基础上进行补充完善和修改，使得分析操作方便且快捷；本发明能够以自主分析、数据溯源、人机交互的形式辅助从业者进行数据分析与可视化展示，系统能够加快展示速度、激发分析灵感、提升分析效率，能够帮助用户更高效地进行商业数据分析，以及洞察和挖掘公司、行业的发展趋势和风险。技术研发人员：王镝,宿鹤明,刘曙受保护的技术使用者：翌金科技（上海）有限公司技术研发日：技术公布日：2024/2/1