一种基于数据挖掘和机器学习的性格培养方法及装置制造方法及图纸

本发明专利技术提供一种基于数据挖掘和机器学习的性格培养方法及装置，包括如下步骤：获取人的生活环境数据并将数据持久化到HDFS文件系统当中，作为数据源；将数据源的数据进行处理，根据处理结果创建训练数据集；利用训练数据集使用机器学习建立最优性格解析模型；读取用户相关特征数据，调用性格解析模型，得出性格解析结果数据，分析结果数据，决策出最佳性格培养方案。

【技术实现步骤摘要】
一种基于数据挖掘和机器学习的性格培养方法及装置
本专利技术涉及数据挖掘
，具体涉及一种基于数据挖掘和机器学习的性格培养方法及装置。
技术介绍
大数据时代，数据挖掘技术的应用一般应用到科学研究领域(例如外控形体的探索、对DNA数据的分析等)、制造业以及电信业。在当今社会，由于高速的生活节奏，导致很多家庭在孩子的早期教育上投入的时间贫乏，并且由于所属行业的不同和学识水平的不足，使人们针对自己的孩子不能够制定出正确的性格培养计划和教育策略，最终导致孩子在成长的过程中出现某些性格或心理上的弊端。需要将数据挖掘应用于教育领域中。
技术实现思路
为了研究数据挖掘技术再教育领域的应用，解决现有家庭教育出现的问题，本专利技术提供一种基于数据挖掘和机器学习的性格培养方法及装置。本专利技术的技术方案是：一方面，本专利技术技术方案提供一种基于数据挖掘和机器学习的性格培养方法，包括如下步骤：获取人的生活环境数据并将数据持久化到HDFS文件系统当中，作为数据源；将数据源的数据进行处理，根据处理结果创建训练数据集；利用训练数据集使用机器学习建立最优性格解析模型；读取用户相关特征数据，调用性格解析模型，得出性格解析结果数据，分析结果数据，决策出最佳性格培养方案。进一步的，所述的获取人的生活环境数据并将数据持久化到HDFS文件系统当中，作为数据源的步骤包括：获取人的生长环境、教育环境、工作环境、学习环境、性格性情相关数据；将获取到的数据持久化到HDFS文件系统中，作为数据源。进一步的，所述的将数据源的数据进行处理，根据处理结果创建训练数据集的步骤具体包括：从HDFS文件系统中获取数据源；对数据源中的数据进行数据清洗和噪声消除操作；提取能够影响到性格性情的相关数据并生成特征数据集。进一步的，所述的利用训练数据集使用机器学习建立最优性格解析模型的步骤包括：机器学习流程对训练数据集进行分类、回归建模，得到性格解析模型；机器学习方法验证性格解析模型，并对性格解析模型进行训练调整，以求得到最优性格解析模型。进一步的，所述的读取用户相关特征数据，调用性格解析模型，得出性格解析结果数据，分析结果数据，决策出最佳性格培养方案的步骤包括：读取用户输入的相关数据并提取相关特征字段；性格解析模型对用户输入的数据进行算法分析，得出性格解析结果；根据性格解析结果制定出性格培养方案并展示给用户。另一方面，本专利技术技术方案提供一种基于数据挖掘和机器学习的性格培养装置，包括数据挖掘模块、数据处理模块、模型训练模块、方案展示模块；数据挖掘模块，用于获取人的生活环境数据并将数据持久化到HDFS文件系统当中，作为数据源；数据处理模块，用于将数据源的数据进行处理，根据处理结果创建训练数据集；模型训练模块，用于利用训练数据集使用机器学习建立最优性格解析模型；方案展示模块，用于读取用户相关特征数据，调用性格解析模型，得出性格解析结果数据，分析结果数据，决策出最佳性格培养方案。进一步的，所述的数据挖掘模块包括数据获取单元和数据源生成单元；数据获取单元，用于获取人的生长环境、教育环境、工作环境、学习环境、性格性情相关数据；数据源生成单元，用于将获取到的数据持久化到HDFS文件系统中，作为数据源。进一步的，所述的数据处理模块包括数据源获取单元、数据处理单元、特征数据集生成单元；数据源获取单元，用于从HDFS文件系统中获取数据源；数据处理单元，用于对数据源中的数据进行数据清洗和噪声消除操作；特征数据集生成单元，用于提取能够影响到性格性情的相关数据生成特征数据集。进一步的，所述的模型训练模块包括性格解析模型生成单元、训练单元；性格解析模型生成单元，用于通过机器学习流程对训练数据集进行分类、回归建模，得到性格解析模型；训练单元，用于通过机器学习方法验证性格解析模型，并对性格解析模型进行训练调整，以求得到最优性格解析模型。进一步的，所述的方案展示模块包括特征字段提取单元、解析单元、方案生成展示单元；特征字段提取单元，用于读取用户输入的相关数据并提取相关特征字段；解析单元，用于通过性格解析模型对用户输入的数据进行算法分析，得出性格解析结果；方案生成展示单元，用于根据性格解析结果制定出性格培养方案并展示给用户。从以上技术方案可以看出，本专利技术具有以下优点：数据挖掘技术应用于教育领域中，通过本方法和装置生成的性格培养方案，可以为不同生长环境中的人在早期提供积极合理的性格培养方案和教育方案，使其今后在生活、工作和学习中能够树立正确的人生价值观。此外，本专利技术设计原理可靠，结构简单，具有非常广泛的应用前景。由此可见，本专利技术与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例的方法的示意性流程图。具体实施方式为了使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。实施例一如图1所示，本专利技术技术方案提供一种基于数据挖掘和机器学习的性格培养方法，包括如下步骤：S1：获取人的生活环境数据并将数据持久化到HDFS文件系统当中，作为数据源；本实施例中步骤S1的步骤包括：S11：获取人的生长环境、教育环境、工作环境、学习环境、性格性情相关数据；S12：将获取到的数据持久化到HDFS文件系统中，作为数据源。本实施例中，通过编写爬虫应用程序获取人的生长环境、教育环境、工作环境、学习环境、性格性情等相关数据，编写应用程序将获取到的数据持久化到HDFS文件系统中。S2：将数据源的数据进行处理，根据处理结果创建训练数据集；步骤S2的步骤具体包括：S21：从HDFS文件系统中获取数据源；编写应用程序从从HDFS文件系统中获取数据源；S22：对数据源中的数据进行数据清洗和噪声消除操作；S23：提取能够影响到性格性情的相关数据并生成特征数据集。因为收集到的数据的质量和数量将直接决定预测模型是否能够建好。我们可以将收集的数据去重复、标准化、错误修正等等。S3：利用训练数据集使用机器学习建立最优性格解析模型；需要说明的是，S3的步骤包括：S31：机器学习流程对训练数据集进行分类、回归建模，得到本文档来自技高网...

【技术保护点】
1.一种基于数据挖掘和机器学习的性格培养方法，其特征在于包括如下步骤：/n获取人的生活环境数据并将数据持久化到HDFS文件系统当中，作为数据源；/n将数据源的数据进行处理，根据处理结果创建训练数据集；/n利用训练数据集使用机器学习建立最优性格解析模型；/n读取用户相关特征数据，调用性格解析模型，得出性格解析结果数据，分析结果数据，决策出最佳性格培养方案。/n

【技术特征摘要】
1.一种基于数据挖掘和机器学习的性格培养方法，其特征在于包括如下步骤：
获取人的生活环境数据并将数据持久化到HDFS文件系统当中，作为数据源；
将数据源的数据进行处理，根据处理结果创建训练数据集；
利用训练数据集使用机器学习建立最优性格解析模型；
读取用户相关特征数据，调用性格解析模型，得出性格解析结果数据，分析结果数据，决策出最佳性格培养方案。


2.根据权利要求1所述的一种基于数据挖掘和机器学习的性格培养方法，其特征在于所述的获取人的生活环境数据并将数据持久化到HDFS文件系统当中，作为数据源的步骤包括：
获取人的生长环境、教育环境、工作环境、学习环境、性格性情相关数据；
将获取到的数据持久化到HDFS文件系统中，作为数据源。


3.根据权利要求2所述的一种基于数据挖掘和机器学习的性格培养方法，其特征在于所述的将数据源的数据进行处理，根据处理结果创建训练数据集的步骤具体包括：
从HDFS文件系统中获取数据源；
对数据源中的数据进行数据清洗和噪声消除操作；
提取能够影响到性格性情的相关数据并生成特征数据集。


4.根据权利要求3所述的一种基于数据挖掘和机器学习的性格培养方法，其特征在于所述的利用训练数据集使用机器学习建立最优性格解析模型的步骤包括：
机器学习流程对训练数据集进行分类、回归建模，得到性格解析模型；
机器学习方法验证性格解析模型，并对性格解析模型进行训练调整，以求得到最优性格解析模型。


5.根据权利要求4所述的一种基于数据挖掘和机器学习的性格培养方法，其特征在于所述的读取用户相关特征数据，调用性格解析模型，得出性格解析结果数据，分析结果数据，决策出最佳性格培养方案的步骤包括：
读取用户输入的相关数据并提取相关特征字段；
性格解析模型对用户输入的数据进行算法分析，得出性格解析结果；
根据性格解析结果制定出性格培养方案并展示给用户。


6.一种基于数据挖掘和机器学习的性格培养装置，其特征在于包括数据挖掘模块、数据处理模块、模型训练模块、方案...

【专利技术属性】
技术研发人员：崔新辉，道玉明，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32