云办公行为数据分析方法及装置制造方法及图纸

本发明专利技术实施例提供的云办公行为数据分析方法及云办公行为数据分析装置通过数据序列的支持度参数范围来确定云办公行为大数据集的行为特征量化分析指标，可实现对云办公行为大数据集中的目标行为特征的有效分析和识别。大数据集中的目标行为特征的有效分析和识别。大数据集中的目标行为特征的有效分析和识别。

【技术实现步骤摘要】
云办公行为数据分析方法及装置


[0001]本公开申请涉及数据分析
，具体而言，涉及一种云办公行为数据分析方法及装置。

技术介绍

[0002]目前，基于云办公行为数据的分析，需要针对某些特定的目标行为特征进行分析和挖掘，以用于实现特定的办公行为的监控。然而，目前尚没有一套针对云办公行为的特定行为数据的分析方法，对云办公行为数据的目标行为特征进行有效的分析及识别。

技术实现思路

[0003]为至少部分解决上述问题，本公开申请实施例提供一种云办公行为数据分析方法，包括：基于云办公行为大数据集中行为数据特征向量的量化指标，将所述云办公行为大数据集分为多个数据序列；根据所述数据序列的各行为数据的特征向量，获得所述数据序列中各行为数据的行为变化量化指标；其中所述行为数据的行为变化量化指标为每个行为数据前后的行为数据的行为变化衡量参数，用于使数据序列中的行为特征和属性特征进行区分；根据所述数据序列中的各行为数据的行为变化量化指标的支持度参数，获取所述数据序列的各行为数据的行为变化量化指标的支持度参数范围；以及根据所述数据序列的所述支持度参数范围，确定为所述云办公行为大数据集的行为特征量化分析指标，用于对所述云办公行为大数据集进行目标行为特征分析。
[0004]优选地，所述基于云办公行为大数据集中行为数据特征向量的量化指标，将所述云办公行为大数据集分为多个数据序列的包括：基于所述云办公行为大数据集中的行为数据特征向量的量化指标，通过基于指标的数据分类规则将所述云办公行为大数据集分为多个数据序列。
>[0005]优选地，所述根据所述数据序列的各行为数据的特征向量，获得所述数据序列中各行为数据的行为变化量化指标的包括：根据所述数据序列的各行为数据的特征向量，获得所述数据序列的各行为数据的行为意图特征向量以及数据描述特征向量；以及通过所述数据序列的各行为数据的行为意图特征向量以及数据描述特征向量，获得所述数据序列的各行为数据的行为变化量化指标。
[0006]优选地，所述根据所述数据序列中的各行为数据的行为变化量化指标的支持度参数，获取所述数据序列的各行为数据的行为变化量化指标的支持度参数范围包括：以所述数据序列的各行为数据的行为变化量化指标为第一数据分析维度，所述数据序列的各行为数据的行为变化量化指标的支持度参数为第二数据分析维度，构建所述数据序列的行为数据分析模型；
通过所述行为数据分析模型记录各所述行为变化量化指标的支持度参数分布；对所述行为变化量化指标的支持度参数分布进行参数特征拟合，获取所述行为变化量化指标的支持度参数拟合函数；根据所述支持度参数拟合函数的参数取值范围，得到所述支持度参数范围。
[0007]本专利技术实施例还提供一种云办公行为数据分析装置，包括：数据处理模块，用于基于云办公行为大数据集中行为数据特征向量的量化指标，将所述云办公行为大数据集分为多个数据序列；属性区分模块，用于根据所述数据序列的各行为数据的特征向量，获得所述数据序列中各行为数据的行为变化量化指标；其中所述行为数据的行为变化量化指标为每个行为数据前后的行为数据的行为变化衡量参数，用于使数据序列中的行为特征和属性特征进行区分；参数范围确定模块，用于根据所述数据序列中的各行为数据的行为变化量化指标的支持度参数，获取所述数据序列的各行为数据的行为变化量化指标的支持度参数范围；以及特征分析模块，用于根据所述数据序列的所述支持度参数范围，确定为所述云办公行为大数据集的行为特征量化分析指标，用于对所述云办公行为大数据集进行目标行为特征分析。
[0008]优选地，所述数据处理模块还用于：基于所述云办公行为大数据集中的行为数据特征向量的量化指标，通过基于指标的数据分类规则将所述云办公行为大数据集分为多个数据序列。
[0009]优选地，所述属性区分模块还用于：根据所述数据序列的各行为数据的特征向量，获得所述数据序列的各行为数据的行为意图特征向量以及数据描述特征向量；以及通过所述数据序列的各行为数据的行为意图特征向量以及数据描述特征向量，获得所述数据序列的各行为数据的行为变化量化指标。
[0010]优选地，所述参数范围确定模块还用于：以所述数据序列的各行为数据的行为变化量化指标为第一数据分析维度，所述数据序列的各行为数据的行为变化量化指标的支持度参数为第二数据分析维度，构建所述数据序列的行为数据分析模型；通过所述行为数据分析模型记录各所述行为变化量化指标的支持度参数分布；对所述行为变化量化指标的支持度参数分布进行参数特征拟合，获取所述行为变化量化指标的支持度参数拟合函数；根据所述支持度参数拟合函数的参数取值范围，得到所述支持度参数范围。
[0011]综上所述，本专利技术的云办公行为数据分析方法及云办公行为数据分析装置通过数据序列的支持度参数范围来确定云办公行为大数据集的行为特征量化分析指标，可实现对云办公行为大数据集中的目标行为特征的有效分析和识别。
附图说明
[0012]为了更清楚地说明本公开申请实施例的技术方案，下面将对实施例中所需要使用
的附图作简单地介绍，应当理解，以下附图仅是本公开申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
[0013]图1是本公开申请实施例所提供的用于实现云办公行为数据分析方法的数据处理设备的示意图。
[0014]图2是本公开申请实施例所提供的云办公行为数据分析方法的流程示意图。
[0015]图3是本公开申请实施例所提供的云办公行为数据分析装置的功能单元框图。
具体实施方式
[0016]图1是本公开申请实施例提供的用于实现云办公行为数据分析方法的数据处理设备1的示意图。图2是本公开申请实施例所提供的云办公行为数据分析方法的流程示意图。一种可替代的实施例中，所述方法由所述数据处理设备1实现，示例性介绍如下。
[0017]步骤S100，基于云办公行为大数据集中行为数据特征向量的量化指标，将所述云办公行为大数据集分为多个数据序列。
[0018]步骤S200，根据所述数据序列的各行为数据的特征向量，获得所述数据序列中各行为数据的行为变化量化指标；其中所述行为数据的行为变化量化指标为每个行为数据前后的行为数据的行为变化衡量参数，用于使数据序列中的行为特征和属性特征进行区分。
[0019]步骤S300，根据所述数据序列中的各行为数据的行为变化量化指标的支持度参数，获取所述数据序列的各行为数据的行为变化量化指标的支持度参数范围。
[0020]步骤S400，根据所述数据序列的所述支持度参数范围，确定为所述云办公行为大数据集的行为特征量化分析指标，用于对所述云办公行为大数据集进行目标行为特征分析。
[0021]在一种可替代的优选实施方式中，所述基于云办公行为大数据集中行为数据特征向量的量化指标，将所述云办公行为大数据集分为多个数据序列的包括：基于所述云办公行为大数据集中的行为数据特征向量的量化指标，通过基于指标的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云办公行为数据分析方法，其特征在于，包括：基于云办公行为大数据集中行为数据特征向量的量化指标，将所述云办公行为大数据集分为多个数据序列；根据所述数据序列的各行为数据的特征向量，获得所述数据序列中各行为数据的行为变化量化指标；其中所述行为数据的行为变化量化指标为每个行为数据前后的行为数据的行为变化衡量参数，用于使数据序列中的行为特征和属性特征进行区分；根据所述数据序列中的各行为数据的行为变化量化指标的支持度参数，获取所述数据序列的各行为数据的行为变化量化指标的支持度参数范围；以及根据所述数据序列的所述支持度参数范围，确定为所述云办公行为大数据集的行为特征量化分析指标，用于对所述云办公行为大数据集进行目标行为特征分析。2.根据权利要求1所述的云办公行为数据分析方法，其特征在于，所述基于云办公行为大数据集中行为数据特征向量的量化指标，将所述云办公行为大数据集分为多个数据序列的包括：基于所述云办公行为大数据集中的行为数据特征向量的量化指标，通过基于指标的数据分类规则将所述云办公行为大数据集分为多个数据序列。3.根据权利要求1所述的云办公行为数据分析方法，其特征在于，所述根据所述数据序列的各行为数据的特征向量，获得所述数据序列中各行为数据的行为变化量化指标的包括：根据所述数据序列的各行为数据的特征向量，获得所述数据序列的各行为数据的行为意图特征向量以及数据描述特征向量；以及通过所述数据序列的各行为数据的行为意图特征向量以及数据描述特征向量，获得所述数据序列的各行为数据的行为变化量化指标。4.根据权利要求1所述的云办公行为数据分析方法，其特征在于，所述根据所述数据序列中的各行为数据的行为变化量化指标的支持度参数，获取所述数据序列的各行为数据的行为变化量化指标的支持度参数范围包括：以所述数据序列的各行为数据的行为变化量化指标为第一数据分析维度，所述数据序列的各行为数据的行为变化量化指标的支持度参数为第二数据分析维度，构建所述数据序列的行为数据分析模型；通过所述行为数据分析模型记录各所述行为变化量化指标的支持度参数分布；对所述行为变化量化指标的支持度参数分布进行参数特征拟合，获取所述行为变化量化指标的支持度参...

【专利技术属性】
技术研发人员：杨建国，
申请(专利权)人：苏州聚慧邦信息科技有限公司，
类型：发明
国别省市：