本发明专利技术涉及人工智能技术领域，揭露了一种基于多模态的运检班组画像生成方法和装置，该方法包括：根据运检班组的职员信息生成所述运检班组的多维度标签；获取所述运检班组的运检设备数据，对所述运检设备数据进行数据清洗，得到所述运检设备数据的标准数据；对所述标准数据进行指标聚类，得到所述标准数据的指标数据；根据预设的指标权重算法和所述指标数据生成所述多维度标签的指标权重；利用所述指标权重和所述多维度标签构建所述运检班组的班组画像。本发明专利技术还提出一种基于多模态的运检班组画像生成装置。本发明专利技术可以提高运检班组画像生成精度。成精度。成精度。
【技术实现步骤摘要】
基于多模态的运检班组画像生成方法及装置
[0001]本专利技术涉及人工智能
，尤其涉及一种基于多模态的运检班组画像生成方法及装置。
技术介绍
[0002]近年来，输电运检专业不断推进发展方式变革，开展立体巡检、移动作业、综合在线监测、人工智能图像识别、智能运检大数据统计分析等技术的研究和应用，极大提升了输电运检技术管理精益化水平，输电运检设备可视化、智能化建设的同时，也给运检班组带来了很多困难和挑战，其中，班组生产管理日益复杂。
[0003]对于运检班组的管理可以基于班组画像进行，但是现如今的班组画像是根据管理人员的平时印象进行确定的，确定定量的数据关系，不具有科学性；及时有部分的运检班组画像是基于数据进行的，也未进行多方面的数据挖掘，使得所述运检班组画像具有片面性，因此如何提升运检班组画像生成精度，成为了亟待解决的问题。
技术实现思路
[0004]本专利技术提供一种基于多模态的运检班组画像生成方法及装置，其主要目的在于解决基于多模态的运检班组画像生成时精度较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于多模态的运检班组画像生成方法，包括：获取运检班组的职员信息，根据所述职员信息生成所述运检班组的多维度标签；获取所述运检班组的运检设备数据，对所述运检设备数据进行数据清洗，得到所述运检设备数据的标准数据；对所述标准数据进行指标聚类，得到所述标准数据的指标数据；根据预设的指标权重算法和所述指标数据生成所述多维度标签的指标权重，其中，所述预设的指标权重算法为：其中，是所述多维度标签的指标权重，是所述指标数据的判断矩阵的行总数，是所述判断矩阵的二级列标识，是所述判断矩阵的行标识，是所述判断矩阵的一级列标识，是所述判断矩阵的第行第列的矩阵元素，是所述判断矩阵的第行第列的矩阵元素；利用所述指标权重和所述多维度标签构建所述运检班组的班组画像。
[0006]可选地，所述根据所述职员信息生成所述运检班组的多维度标签，包括：对所述职员信息进行特征提取，得到所述职员信息的职员特征；根据预设的业务需求确定所述职员特征的职员属性，按照所述职员属性对所述职
员信息进行信息分类，得到所述职员信息的层级信息；根据所述层级信息确定所述运检班组的多维度标签。
[0007]可选地，所述按照所述职员属性对所述职员信息进行信息分类，得到所述职员信息的层级信息，包括：利用所述职员属性对所述职员信息进行一级分类，得到所述职员信息的一级信息；根据预设的业务需求对所述一级信息进行二级分类，得到所述一级信息的二级信息；根据所述一级信息和所述二级信息确定所述职员信息的层级信息。
[0008]可选地，所述对所述运检设备数据进行数据清洗，得到所述运检设备数据的标准数据，包括：对所述运检设备数据进行重复值删除，得到所述运检设备数据的一级数据；对所述一级数据进行缺失值填充，得到所述一级数据的二级数据；对所述二级数据进行错误值改正，得到所述二级数据的三级数据，确定所述三级数据为所述运检设备数据的标准数据。可选地，所述对所述标准数据进行指标聚类，得到所述标准数据的指标数据，包括：S11、对所述标准数据进行样本随机化选取，得到所述标准数据的随机样本；S12、对所述标准数据进行特征随机化选取，得到所述标准数据的随机特征；S13、选取所述随机特征中的其中一个随机特征作为分裂特征，根据所述分裂特征、所述随机样本和预设的决策阈值构建特征决策树；S14、重复步骤S11
‑ꢀ
S13，直至所述特征决策树的数目等于预设的决策树数目阈值；S15、汇集所有所述特征决策树生成所述标准数据的随机森林，利用所述随机森林生成所述标准数据的指标数据。可选地，所述对所述标准数据进行指标聚类，得到所述标准数据的指标数据，包括：S16、根据预设的类别确定所述标准数据的聚类中心，根据预设的距离公式确定所述聚类中心和所述标准数据的标准距离；S17、根据所述标准距离确定所述标准数据的新中心点，判断所述新中心点和所述聚类中心的中心距离；S18、根据所述中心距离与预设的距离阈值确定所述新中心点与所述聚类中心是否一致，当所述新中心点与所述聚类中心一致时，确定所述聚类中心为目标中心；S19、当所述新中心点与所述聚类中心一致时，重复步骤S16
‑ꢀ
S18，直至所述新中心点与所述聚类中心一致。
[0009]可选地，所述根据预设的距离公式确定所述聚类中心和所述标准数据的标准距离，包括：利用如下预设的距离公式生成所述聚类中心和所述标准数据的标准距离：
其中，是所述聚类中心和所述标准数据的标准距离，是所述聚类中心，是所述标准数据，是所述标准数据的数据总数。
[0010]可选地，所述根据预设的指标权重算法和所述指标数据生成所述多维度标签的指标权重，包括：确定所述指标数据的指标属性，根据所述指标属性和所述多维度标签生成所述指标数据的判断矩阵；对所述判断矩阵进行一致性验证，确定通过所述一致性验证的判断矩阵为目标矩阵；根据所述目标矩阵和预设的指标权重算法生成所述多维度标签的指标权重。
[0011]可选地，所述利用所述指标权重和所述多维度标签构建所述运检班组的班组画像，包括：根据预设的指标阈值对所述指标权重进行重要性选取，得到所述指标权重的关键权重；确定所述关键权重对应的多维度标签为目标标签，根据所述目标标签和所述关键权重生成所述运检班组的班组画像。为了解决上述问题，本专利技术还提供一种基于多模态的运检班组画像生成装置，所述装置包括：多维度标签模块，用于获取运检班组的职员信息，根据所述职员信息生成所述运检班组的多维度标签；数据清洗模块，用于获取所述运检班组的运检设备数据，对所述运检设备数据进行数据清洗，得到所述运检设备数据的标准数据；指标聚类模块，用于对所述标准数据进行指标聚类，得到所述标准数据的指标数据；指标权重模块，用于根据预设的指标权重算法和所述指标数据生成所述多维度标签的指标权重，其中，所述预设的指标权重算法为：其中，是所述多维度标签的指标权重，是所述指标数据的判断矩阵的行总数，是所述判断矩阵的二级列标识，是所述判断矩阵的行标识，是所述判断矩阵的一级列标识，是所述判断矩阵的第行第列的矩阵元素，是所述判断矩阵的第行第列的矩阵元素；班组画像模块，用于利用所述指标权重和所述多维度标签构建所述运检班组的班组画像。
[0012]本专利技术实施例通过职员信息生成运检班组的多维度标签，建立了多维度的画像框架，保障了数据分析的全面性，对获取的运检设备数据进行数据清洗，确保了数据的准确性，对生成的标准数据进行指标聚类，得到所述标准数据的指标数据，是为了建立起所述指标数据和所述多维度标签的关联性，并根据关联性对所述指标数据和所述多维度标签进行加权处理，进一步修正了运检班组画像的准确度，因此本专利技术提出基于多模态的运检班组画像生成方法及装置，可以解决运检班组画像精度较低的问题。
附图说明
[0013]图1为本专利技术一实施例提供的基于多模态的运检班组画像生成方法的流程示意图；图2为本专利技术一实施例提供的生成多维度标签的流程示意图；图3为本专利技术一实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多模态的运检班组画像生成方法，其特征在于，所述方法包括：获取运检班组的职员信息，根据所述职员信息生成所述运检班组的多维度标签；获取所述运检班组的运检设备数据，对所述运检设备数据进行数据清洗，得到所述运检设备数据的标准数据；对所述标准数据进行指标聚类，得到所述标准数据的指标数据；根据预设的指标权重算法和所述指标数据生成所述多维度标签的指标权重，其中，所述预设的指标权重算法为：其中，是所述多维度标签的指标权重，是所述指标数据的判断矩阵的行总数，是所述判断矩阵的二级列标识，是所述判断矩阵的行标识，是所述判断矩阵的一级列标识，是所述判断矩阵的第行第列的矩阵元素，是所述判断矩阵的第行第列的矩阵元素；利用所述指标权重和所述多维度标签构建所述运检班组的班组画像。2.如权利要求1所述的基于多模态的运检班组画像生成方法，其特征在于，所述根据所述职员信息生成所述运检班组的多维度标签，包括：对所述职员信息进行特征提取，得到所述职员信息的职员特征；根据预设的业务需求确定所述职员特征的职员属性，按照所述职员属性对所述职员信息进行信息分类，得到所述职员信息的层级信息；根据所述层级信息确定所述运检班组的多维度标签。3.如权利要求2所述的基于多模态的运检班组画像生成方法，其特征在于，所述按照所述职员属性对所述职员信息进行信息分类，得到所述职员信息的层级信息，包括：利用所述职员属性对所述职员信息进行一级分类，得到所述职员信息的一级信息；根据预设的业务需求对所述一级信息进行二级分类，得到所述一级信息的二级信息；根据所述一级信息和所述二级信息确定所述职员信息的层级信息。4.如权利要求1所述的基于多模态的运检班组画像生成方法，其特征在于，所述对所述运检设备数据进行数据清洗，得到所述运检设备数据的标准数据，包括：对所述运检设备数据进行重复值删除，得到所述运检设备数据的一级数据；对所述一级数据进行缺失值填充，得到所述一级数据的二级数据；对所述二级数据进行错误值改正，得到所述二级数据的三级数据，确定所述三级数据为所述运检设备数据的标准数据。5.如权利要求1所述的基于多模态的运检班组画像生成方法，其特征在于，所述对所述标准数据进行指标聚类，得到所述标准数据的指标数据，包括：S11、对所述标准数据进行样本随机化选取，得到所述标准数据的随机样本；S12、对所述标准数据进行特征随机化选取，得到所述标准数据的随机特征；S13、选取所述随机特征中的其中一个随机特征作为分裂特征，根据所述分裂特征、所述随机样本和预设的决策阈值构建特征决策树；
S14、重复步骤S11
‑ꢀ
S13，直至所述特征决策树的数目等于预设的决策树数目阈值；S15、汇集所有所述特征决策树生成所述标准数据的随机森林，利用所述随机森林生成所述标准数据的指标数据。6.如权利要求1所述的基于...
【专利技术属性】
技术研发人员：姜磊，龚伟，曲滨涛，
申请(专利权)人：佰聆数据股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。