一种基于监督式学习的警务人员学习分析系统技术方案

本发明专利技术涉及一种基于监督式学习的警务人员学习分析系统，采用全新控制分析策略，基于访问日志中数据类别所预设的各个初级评价标签，针对访问警务试题系统的各个警务人员分别所对应的各个访问日志进行划归，获得各个警务人员分别对应各初级评价标签的结果数据，再针对各个警务人员所对应的各初级评价标签进行筛选，更新为各个中级评价标签，最后针对各个警务人员分别所对应各中级评价标签的结果数据，引入相关性删除操作，获得各个警务人员分别所对应各终级评价标签的结果数据，基于此实现对各个警务人员进行划分，将相近学习能力的警务人员划归为一类，实现警务人员的标签式划分，能够为在线教育应用的学员个性化教学提供特定规划，提高在线学习效率。

A study and analysis system of police officers based on supervised study

【技术实现步骤摘要】
一种基于监督式学习的警务人员学习分析系统
本专利技术涉及一种基于监督式学习的警务人员学习分析系统，属于在线警务试题学习

技术介绍
随着互联网应用的逐年普及，更多的领域加入了网络化时代，在线学习、在线试题是当下网络教学中重要的分支之一，将传统教学课程，以及试题的练习、考试搬至网络当中，让使用者足不出户即可享受到在线教育的优势，随着在线教育的兴起、以及被更多的使用者所接收，各个教育机构纷纷推出自己的在线教育应用，但是现有的各类在线教育应用各有弊端，诸如现有的在线教育应用对学生的教学模式千篇一律，在试题教育方面也是每人所做题目也是几乎相同，无法真正做到有针对性的施教于人，学习效率不高，尤其在线教育学习是一个自主的学习过程，千篇一律的学习过程也会增加学习的枯草性，同样对于在线教育的后台而言，现有仅能对学生的错误试题进行记录，而学员各有差异，每人的学习能力都不一样，现有在线教育应用无法针对学员的学习能力实现划分，即无法做到针对性的教育，学习效率不高。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于监督式学习的警务人员学习分析系统，能够基于学习状况、以及学习能力，针对警务学员进行精确划分，为警务学员的个性化教学提供准确数据参考本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于监督式学习的警务人员学习分析系统，针对警务人员对警务试题系统的使用学习状况，周期针对警务人员进行标签式划分；其特征在于，周期执行如下步骤A至步骤F；步骤A.警务试题系统的服务器端获取上一周期时间节点与当前周期时间节点之间，访问警务试题系统的各个警务人员分别所对应的各个访问日志，然后进入步骤B；步骤B.服务器端针对所获各个警务人员分别所对应各个访问日志中的数据，执行去空、去重、以及去不符合预设完整性条件的数据，更新各个警务人员分别所对应各个访问日志，然后进入步骤C；步骤C.根据按访问日志中数据类别所预设的各个初级评价标签，分别针对各个警务人员，根据警务人员所对应的各个访问日志，获得该警务人员分别对应各初级评价标签的结果数据；即获得各个警务人员分别对应各初级评价标签的结果数据，然后进入步骤D；步骤D.分别针对各个初级评价标签，判断各警务人员分别所对应初级评价标签的结果数据的整体缺失率是否达到预设缺失阈值，是则删除该初级评价标签；否则保留该初级评价标签；完成对各个初级评价标签的缺失检查后，将剩余各个初级评价标签分别作为各个中级评价标签，然后进入步骤E；步骤E.根据各个警务人员分别所对应各中级评价标签的结果数据，针对各中级评价标签进行相关性删除操作，剩余各中级评价标签中、任意两两之间的相关性值均低于预设相关阈值，将剩余各个中级评价标签分别作为各个终级评价标签，然后进入步骤F；步骤F.根据各个警务人员分别所对应各终级评价标签的结果数据，应用预设分类算法对各个警务人员进行划分，即获得警务人员的标签式划分。作为本专利技术的一种优选技术方案：还包括如下步骤EF如下，执行完所述步骤E之后，进入步骤EF；步骤EF.针对各个警务人员分别所对应各终级评价标签的结果数据，对其中所有的数值型变量进行归一化处理，同时将其中所有的枚举型变量转换为哑变量，实现对各个警务人员分别所对应各终级评价标签的结果数据的更新，然后进入步骤F。作为本专利技术的一种优选技术方案：所述步骤E中，根据各个警务人员分别所对应各中级评价标签的结果数据，针对各中级评价标签，执行如下步骤E1至步骤E4进行相关性删除操作，将剩余各个中级评价标签分别作为各个终级评价标签；步骤E1.任意选择两个中级评价标签，且该两个中级评价标签的组合未执行过步骤E1至步骤E3，将该两个中级评价标签分别作为两个待比较标签，由两个待比较标签分别对应各警务人的相应结果数据，构成两个待比较标签分别所对应的向量，然后进入步骤E2；步骤E2.获得两个待比较标签分别所对应向量之间的余弦距离，作为两个待比较标签之间的相关性值，然后进入步骤E3；步骤E3.针对两个待比较标签执行相关性比较，即判断两个待比较标签之间的相关性值是否大于或等于预设相关阈值，是则删除两个待比较标签中的任意一个，保留另一个；否则保留两个待比较标签；完成判断后，进入步骤E4；步骤E4.针对剩余各个中级评价标签，判断是否存在两个中级评价标签的组合未执行过步骤E1至步骤E3，是则返回步骤E1，否则即完成对各中级评价标签的相关性删除操作。作为本专利技术的一种优选技术方案：所述步骤C中，获得上一周期时间节点与当前周期时间节点之间、各警务人员的出警记录，根据按访问日志中数据类别、以及出警记录中数据类别所预设的各个初级评价标签，分别针对各个警务人员，根据警务人员所对应的各个访问日志，获得该警务人员分别对应各初级评价标签的结果数据。作为本专利技术的一种优选技术方案：还包括步骤G如下，所述步骤F中，在获得警务人员的标签式划分后，即获得各个警务人员划分组，然后进入步骤G；步骤G.分别针对各警务人员划分组：首先获取上一周期时间节点与当前周期时间节点之间，警务人员划分组中各警务人员分别所对应的各个访问日志；然后针对该警务人员划分组中各警务人员，依次执行步骤B至步骤E，获得该警务人员划分组所对应的各终级评价标签；完成分别对各警务人员划分组的上述操作后，即获得各警务人员划分组分别所对应的各终级评价标签。作为本专利技术的一种优选技术方案：所述步骤F中，根据各个警务人员分别所对应各终级评价标签的结果数据，应用Kmeans分类算法对各个警务人员进行划分。本专利技术所述一种基于监督式学习的警务人员学习分析系统，采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术所设计基于监督式学习的警务人员学习分析系统，采用全新控制分析策略，基于访问日志中数据类别所预设的各个初级评价标签，针对访问警务试题系统的各个警务人员分别所对应的各个访问日志进行划归，获得各个警务人员分别对应各初级评价标签的结果数据，再针对各个警务人员所对应的各初级评价标签进行筛选，更新为各个中级评价标签，最后针对各个警务人员分别所对应各中级评价标签的结果数据，引入相关性删除操作，获得各个警务人员分别所对应各终级评价标签的结果数据，基于此实现对各个警务人员进行划分，将相近学习能力的警务人员划归为一类，实现警务人员的标签式划分，能够为在线教育应用的学员个性化教学提供特定规划，提高在线学习效率。附图说明图1是本专利技术设计基于监督式学习的警务人员学习分析系统的流程示意图。具体实施方式下面结合说明书附图对本专利技术的具体实施方式作进一步详细的说明。本专利技术设计了一种基于监督式学习的警务人员学习分析系统，针对警务人员对警务试题系统的使用学习状况，周期针对警务人员进行标签式划分；实际应用当中，如图1所示，周期执行如下步骤A至步骤F。步骤A.警务试题系统的服务器端获取上一周期时间节点与当前周期时间节点之间，访问警务试题系统的各个警务人员分别所对应的各个访问日本文档来自技高网...

【技术保护点】
1.一种基于监督式学习的警务人员学习分析系统，针对警务人员对警务试题系统的使用学习状况，周期针对警务人员进行标签式划分；其特征在于，周期执行如下步骤A至步骤F；/n步骤A. 警务试题系统的服务器端获取上一周期时间节点与当前周期时间节点之间，访问警务试题系统的各个警务人员分别所对应的各个访问日志，然后进入步骤B；/n步骤B. 服务器端针对所获各个警务人员分别所对应各个访问日志中的数据，执行去空、去重、以及去不符合预设完整性条件的数据，更新各个警务人员分别所对应各个访问日志，然后进入步骤C；/n步骤C. 根据按访问日志中数据类别所预设的各个初级评价标签，分别针对各个警务人员，根据警务人员所对应的各个访问日志，获得该警务人员分别对应各初级评价标签的结果数据；即获得各个警务人员分别对应各初级评价标签的结果数据，然后进入步骤D；/n步骤D. 分别针对各个初级评价标签，判断各警务人员分别所对应初级评价标签的结果数据的整体缺失率是否达到预设缺失阈值，是则删除该初级评价标签；否则保留该初级评价标签；完成对各个初级评价标签的缺失检查后，将剩余各个初级评价标签分别作为各个中级评价标签，然后进入步骤E；/n步骤E. 根据各个警务人员分别所对应各中级评价标签的结果数据，针对各中级评价标签进行相关性删除操作，剩余各中级评价标签中、任意两两之间的相关性值均低于预设相关阈值，将剩余各个中级评价标签分别作为各个终级评价标签，然后进入步骤F；/n步骤F. 根据各个警务人员分别所对应各终级评价标签的结果数据，应用预设分类算法对各个警务人员进行划分，即获得警务人员的标签式划分。/n...

【技术特征摘要】
1.一种基于监督式学习的警务人员学习分析系统，针对警务人员对警务试题系统的使用学习状况，周期针对警务人员进行标签式划分；其特征在于，周期执行如下步骤A至步骤F；
步骤A.警务试题系统的服务器端获取上一周期时间节点与当前周期时间节点之间，访问警务试题系统的各个警务人员分别所对应的各个访问日志，然后进入步骤B；
步骤B.服务器端针对所获各个警务人员分别所对应各个访问日志中的数据，执行去空、去重、以及去不符合预设完整性条件的数据，更新各个警务人员分别所对应各个访问日志，然后进入步骤C；
步骤C.根据按访问日志中数据类别所预设的各个初级评价标签，分别针对各个警务人员，根据警务人员所对应的各个访问日志，获得该警务人员分别对应各初级评价标签的结果数据；即获得各个警务人员分别对应各初级评价标签的结果数据，然后进入步骤D；
步骤D.分别针对各个初级评价标签，判断各警务人员分别所对应初级评价标签的结果数据的整体缺失率是否达到预设缺失阈值，是则删除该初级评价标签；否则保留该初级评价标签；完成对各个初级评价标签的缺失检查后，将剩余各个初级评价标签分别作为各个中级评价标签，然后进入步骤E；
步骤E.根据各个警务人员分别所对应各中级评价标签的结果数据，针对各中级评价标签进行相关性删除操作，剩余各中级评价标签中、任意两两之间的相关性值均低于预设相关阈值，将剩余各个中级评价标签分别作为各个终级评价标签，然后进入步骤F；
步骤F.根据各个警务人员分别所对应各终级评价标签的结果数据，应用预设分类算法对各个警务人员进行划分，即获得警务人员的标签式划分。


2.根据权利要求1所述一种基于监督式学习的警务人员学习分析系统，其特征在于：还包括如下步骤EF如下，执行完所述步骤E之后，进入步骤EF；
步骤EF.针对各个警务人员分别所对应各终级评价标签的结果数据，对其中所有的数值型变量进行归一化处理，同时将其中所有的枚举型变量转换为哑变量，实现对各个警务人员分别所对应各终级评价标签的结果数据的更新，然后进入步骤F。


3.根据权利要求1所述一种基于监督式学习的警务人员学习分析系统，其特征在于：所述步骤E中，根据各个警务人员分别所对应各中级评价标签的结果数据，针对各中级评价标签，执行如下步...

【专利技术属性】
技术研发人员：陈积敏，江林升，邹鸣，马沁妍，杨帆，范楷阅，
申请(专利权)人：南京森林警察学院，
类型：发明
国别省市：江苏;32