一种自动获取预警对象的方法及装置与流程

本发明涉及通信技术领域，具体涉及一种自动获取预警对象的方法及装置。

背景技术：

目前，有些管理软件设置有预警模块，例如办公管理系统中的员工行为预警模块、销售系统中的销售指标预警模块以及进销存系统中的进销存指标预警模块等等。而这些预警模块实现预警的过程一般包括：首先预设与预警主体对应的预警指标、与预警指标对应的预警阈值以及与预警阈值对应的预警对象，然后判断监测的预警指标是否达到预警阈值，若是，则将预警信息发送给预警对象。

由此可见，现有技术的预警模块中的预警对象需要人工预先设置，而采用这种人工预设预警对象的方法存在操作繁琐，效率低的问题，故亟需提供一种能自动获取预警对象的方法及装置。

技术实现要素：

本发明提供了一种自动获取预警对象的方法及装置，以解决现有技术采用人工预设预警对象操作繁琐，效率低的技术问题。

根据本发明的一方面，提供了一种自动获取预警对象的方法，包括：

获取预警样本主体，预警样本主体为已预设有与其对应的预警指标、与预警指标对应的预警阈值以及与预警阈值对应的预警对象的主体，其中预警样本主体的数量大于一个；

获取与预警主体最相似的预警样本主体，作为相似预警主体；

根据相似预警主体的预警对象获取预警主体的预警对象。

进一步地，获取与预警主体最相似的预警样本主体包括：

预先设定预警属性条目；

采集预警主体的与预警属性条目对应的用户行为数据，作为第一用户行为数据；

采集预警样本主体的与预警属性条目对应的用户行为数据，作为第二用户行为数据；

计算第一用户行为数据和第二用户行为数据之间的相似度，将与最大的相似度对应的第二用户行为数据对应的预警样本主体，作为与预警主体最相似的预警样本主体。

进一步地，计算第一用户行为数据和第二用户行为数据之间的相似度包括：

基于第一用户行为数据，提取预警主体的特征向量，作为第一特征向量；

基于第二用户行为数据，提取预警样本主体的特征向量，作为第二特征向量；

计算第一特征向量和第二特征向量的相似度。

进一步地，计算第一特征向量和第二特征向量的相似度之前包括：

对第一特征向量和第二特征向量进行归一化处理。

进一步地，根据相似预警主体的预警对象获取预警主体的预警对象包括：

获取预警主体的预警指标和预警阈值；

将相似预警主体针对预警指标和预警阈值预设的报警对象作为预警主体的预警对象。

进一步地，预警属性条目包括：

历史聊天数据、工作绩效、工作任期、工作任务、收入水平、岗位类别、客户量、大客户量、职称级别条目中的一种或多种组合。

根据本发明的另一方面，提供了一种自动获取预警对象的装置，包括：

预警样本主体获取装置，用于获取预警样本主体，预警样本主体为已预设有与其对应的预警指标、与预警指标对应的预警阈值以及与预警阈值对应的预警对象的主体，其中预警样本主体的数量大于一个；

相似预警主体获取装置，用于获取与预警主体最相似的预警样本主体，作为相似预警主体；

预警对象获取装置，用于根据相似预警主体的预警对象获取预警主体的预警对象。

进一步地，相似预警主体获取装置包括：

预警属性条目设定装置，用于预先设定预警属性条目；

第一用户行为数据采集装置，用于采集预警主体的与预警属性条目对应的用户行为数据，作为第一用户行为数据；

第二用户行为数据采集装置，用于采集预警样本主体的与预警属性条目对应的用户行为数据，作为第二用户行为数据；

计算装置，用于计算第一用户行为数据和第二用户行为数据之间的相似度，将与最大的相似度对应的第二用户行为数据对应的预警样本主体，作为与预警主体最相似的预警样本主体。

进一步地，计算装置包括：

第一特征向量获取装置，用于基于第一用户行为数据，提取预警主体的特征向量，作为第一特征向量；

第二特征向量获取装置，用于基于第二用户行为数据，提取预警样本主体的特征向量，作为第二特征向量；

相似度计算装置，用于计算第一特征向量和第二特征向量的相似度。

进一步地，计算装置还包括：

归一化装置，用于对第一特征向量和第二特征向量进行归一化处理。

本发明具有以下有益效果：

本发明提供的自动获取预警对象的方法及装置，通过获取预警样本主体，获取与预警主体最相似的预警样本主体，以及根据与预警主体最相似的预警样本主体的预警对象获取预警主体的预警对象，解决了现有技术采用人工预设预警对象操作繁琐，效率低的技术问题，巧妙地利用与预警主体最相似的预警样本主体的预警对象间接获得与预警主体对应的预警对象，避免了人工对预警主体设置预警对象，大大提高了获取与预警主体对应的预警对象的获取效率，体现了较高的智能化水平。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构建本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构建对本发明的不当限定。在附图中：

图1是本发明优选实施例的获取预警阈值的方法流程图；

图2是本发明优选实施例针对的精简实施例的获取预警阈值的方法流程图；

图3是本发明优选实施例的获取预警阈值的装置结构框图。

附图标记说明：

10、预警样本主体获取装置；20、相似预警主体获取装置；30、预警对象获取装置。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

参照图1，本发明的优选实施例提供了一种自动获取预警对象的方法，包括：

步骤S101，获取预警样本主体，预警样本主体为已预设有与其对应的预警指标、与预警指标对应的预警阈值以及与预警阈值对应的预警对象的主体，其中预警样本主体的数量大于一个；

步骤S102，获取与预警主体最相似的预警样本主体，作为相似预警主体；

步骤S103，根据相似预警主体的预警对象获取预警主体的预警对象。

本发明提供的获取预警对象的方法，通过获取预警样本主体，获取与预警主体最相似的预警样本主体，以及根据与预警主体最相似的预警样本主体的预警对象获取预警主体的预警对象，解决了现有技术采用人工预设预警对象操作繁琐，效率低的技术问题，巧妙地利用与预警主体最相似的预警样本主体的预警对象间接获得与预警主体对应的预警对象，避免了人工对预警主体设置预警对象，大大提高了获取与预警主体对应的预警对象的获取效率，体现了较高的智能化水平。

本实施例所指的预警主体具体是指已知预警指标、与预警指标对应的预警阈值，但未知与预警阈值对应的预警对象，而预警样本主体具体是指已知预警指标、与预警指标对应的预警阈值，以及与预警阈值对应的预警对象。本实施例正是通过获取已知预警对象的预警样本主体，以及寻找与预警主体最相似的预警样本主体，从而根据与预警主体最相似的预警样本主体的预警对象间接获得预警主体的预警对象。

本实施例通过获取与预警主体最相似的预警样本主体，并根据获得的相似预警主体获得预警主体的预警对象，提供了一种根据相似主体的预警对象自动获得预警对象的方法，能快速有效并准确地根据相似预警主体的预警对象获得预警主体的预警对象。需要说明的是，本实施例中预警样本主体的数量大于一个，且为了提高预警主体的预警对象的准确率，本实施例获取的预警样本主体的数量应当尽可能大，从而在有限的预警样本主体中获取与预警主体最相似的预警样本主体。

可选地，获取与预警主体最相似的预警样本主体包括：

预先设定预警属性条目；

采集预警主体的与预警属性条目对应的用户行为数据，作为第一用户行为数据；

采集预警样本主体的与预警属性条目对应的用户行为数据，作为第二用户行为数据；

计算第一用户行为数据和第二用户行为数据之间的相似度，将与最大的相似度对应的第二用户行为数据对应的预警样本主体，作为与预警主体最相似的预警样本主体。

根据日常经验可知，在设置有预警模块的系统中，具有相似度的预警主体针对相同的预警指标和预警阈值可能对应相同的预警对象。例如属于相同岗位类别的预警主体A和预警主体B（假设都为销售岗位类别），当针对相同预警指标（假设为销售额预警指标）和预警阈值（假设为10万）时，需要发送的预警对象可能相同（例如可能都是将报警信息发送给销售主管）。而由于判断两个主体之间的相似度可以从不同角度或维度进行分析，例如历史聊天数据、工作绩效、工作任期、工作任务、收入水平、岗位类别、客户量、大客户量、职称级别条目中的一种或多种组合，故本实施例在获取预警主体和预警样本主体的用户行为数据时，首先预先设定预警属性条目。

本实施例通过预先设定预警属性条目，并根据预先设定的预警属性条目分别采集预警主体和预警样本主体的用户行为数据，不仅通过用户行为数据实现对相似度的度量，而且通过从多个维度的用户行为数据分析预警主体和预警样本主体之间的相似度，具有较高的可靠性，为后续根据相似预警主体的预警对象获得预警主体的预警对象奠定数据基础。

需要说明的是，在实际的实施过程中，本实施例在采集与历史聊天数据预警属性条目对应的用户行为数据时，往往将历史聊天数据的主题词或关键词作为与历史聊天数据预警属性条目对应的用户行为数据。

可选地，计算第一用户行为数据和第二用户行为数据之间的相似度包括：

基于第一用户行为数据，提取预警主体的特征向量，作为第一特征向量；

基于第二用户行为数据，提取预警样本主体的特征向量，作为第二特征向量；

计算第一特征向量和第二特征向量的相似度。

本实施例中的相似度是指第一用户行为数据和与第二用户行为数据之间的相似程度，可以通过与各自对应的特征向量之间的距离来表示，即第一特征向量和第二特征向量之间的距离。两个特征向量的距离越短，说明这两个特征向量的相似度越大。常用的描述向量距离的方式有欧氏距离、余弦夹角等。通过计算两个特征向量的夹角余弦值来表示该特征向量对应的用户行为数据的相似度的计算公式为：，其中，X、Y 分别表示特征向量X 和特征向量Y。的取值范围为[0，1] ，越接近1 时，则表示特征向量之间的相似度越高，反之，值越接近0，则表示两特征向量之间的相似度越低。通过计算特征向量的夹角余弦值能够较为直观的反映出第一用户行为数据和第二用户行为数据之间的相似度。

本实施例通过分别提取预警主体和预警样本主体的特征向量，获得第一特征向量和第二特征向量，并通过计算第一特征向量和第二特征向量之间的相似度，最终获得第一用户行为数据和第二用户行为数据之间的相似度。

可选地，计算第一特征向量和第二特征向量的相似度之前包括：

对第一特征向量和第二特征向量进行归一化处理。

由于根据第一用户行为数据和第二用户行为数据分别提取的第一特征向量和第二特征向量可能包括定性的特征值或定量的特征值，例如针对岗位类别预警属性条目，第一用户行为数据中采集的数据为销售岗位类别，第二用户行为数据中采集的数据为技术岗位类别，则本实施例可以通过预先设置的归一化规则对获取的第一特征向量和第二特征向量进行归一化。具体地，首先设置岗位类别定量标识规则，然后根据该定量标识规则对采集的与岗位类型预警属性条目对应的用户行为数据进行归一化。又例如针对工作任务预警属性条目，第一用户行为数据中采集的数据为10万销售额，第二用户行为数据中采集的数据为30万销售额，则本实施例也可以首先设置工作任务归一化规则，且将归一化范围设置在0-100之间，具体参照表1。同理，针对其他预警属性条目对应的用户行为数据，本实施例也可以通过预先设置的归一化规则对其进行归一化，从而方便后续准确计算相似度。

表1

可选地，根据相似预警主体的预警对象获取预警主体的预警对象包括：

获取预警主体的预警指标和预警阈值；

将相似预警主体针对预警指标和预警阈值预设的报警对象作为预警主体的预警对象。

具体地，本实施例获得与预警主体最相似的预警样本主体后，便可根据与预警主体最相似的预警样本主体的预警对象获得预警对象。由于针对每一个预警样本主体，预警模块一般包含多个预警指标（例如办公管理系统中员工行为预警模块包括员工请假次数、员工请假天数以及员工旷工次数预警指标等等），且针对每一项预警指标，其可能又包括多个预警阈值（例如针对员工请假天数预警指标，设置员工请假天数超过2天向主管发送预警信息，超过3天向经理发送预警信息，超过5天向总经理发送预警信息等）等，故本实施例在根据相似预警主体的预警对象获取预警主体的预警对象时，首先获取预警主体的预警指标和预警阈值，然后将相似预警主体针对上述预警指标和预警阈值的报警对象作为预警主体的预警对象。

可选地，预警属性条目包括：

历史聊天数据、工作绩效、工作任期、工作任务、收入水平、岗位类别、客户量、大客户量、职称级别条目中的一种或多种组合。

本实施例中的预警属性条目不限于历史聊天数据、工作绩效、工作任期、工作任务、收入水平、岗位类别、客户量、大客户量、职称级别条目中的一种或多种组合，具体由用户自定义。

下面针对一个精简实施例对本发明的自动获取预警对象的方法进行更进一步说明。

参照图2，本实施例中自动获取预警对象的方法包括：

步骤S201，获取预警样本主体，预警样本主体为已预设有与其对应的预警指标、与预警指标对应的预警阈值以及与预警阈值对应的预警对象的主体，其中预警样本主体的数量大于一个。

具体地，假设本实施例获取的预警样本主体为500个，且已知与每一个预警样本主体对应的预警指标以及与预警指标对应的预警对象。需要说明的是，本实施例获取的预警样本主体的数量应当尽可能大，从而在有限的预警样本主体中获取与预警主体最相似的预警样本主体。

步骤S202，预先设定预警属性条目。

具体地，本实施例预先设定的预警属性条目可以为历史聊天数据、工作绩效、工作任期、工作任务、收入水平、岗位类别、客户量、大客户量、职称级别条目中的一种或多种组合。但也不限于选取历史聊天数据、工作绩效、工作任期、工作任务、收入水平、岗位类别、客户量、大客户量、职称级别条目中的一种或多种组合，可以根据需要进行自定义设置。假设本实施例预先设置的预警属性条目包括三个，具体为工作任期、工作任务、岗位类别预警属性条目。

步骤S203，采集预警主体的与预警属性条目对应的用户行为数据，作为第一用户行为数据。

具体地，假设本实施例针对预警主体A采集到与预先设置的三个预警属性条目分别对应的用户行为数据为：工作任期预警属性条目-5年；工作任务预警属性条目-30万销售额；岗位类别预警属性条目：销售类别。

步骤S204，采集预警样本主体的与预警属性条目对应的用户行为数据，作为第二用户行为数据。

具体地，本实施例分别对步骤S201中获取的500个预警样本主体的与预先设置的三个预警属性条目对应的用户行为数据进行采集。

步骤S205，计算第一用户行为数据和第二用户行为数据之间的相似度，将与最大的相似度对应的第二用户行为数据对应的预警样本主体，作为与预警主体最相似的预警样本主体。

具体地，本实施例计算第一用户行为数据和第二用户行为数据之间的相似度时，首先基于第一用户行为数据，提取预警主体的特征向量，作为第一特征向量，以及基于第二用户行为数据，提取预警样本主体的特征向量，作为第二特征向量，然后计算第一特征向量和第二特征向量的相似度。需要说明的是，本实施例在提取第一和第二特征向量之后，计算第一特征向量和第二特征向量的相似度之前还包括对第一特征向量和第二特征向量进行归一化处理，具体可参照表1中的归一化规则。

此外，由于本实施例获取的预警样本主体为500个，则在计算第一和第二用户行为数据之间的相似度时，将第一用户行为数据分别与500个预警样本主体各自对应的第二用户行为数据进行相似度计算，然后将与最大的相似度对应的第二用户行为数据对应的预警样本主体，作为与预警主体最相似的预警样本主体，假设在500个预警样本主体中获得与预警主体最相似的预警样本主体为预警样本主体B。

步骤S206，获取预警主体的预警指标和预警阈值。

具体地，假设本实施例获取与预警主体A对应的预警指标为销售额预警指标，且与该预警指标对应的预警阈值为10万。

步骤S207，将相似预警主体针对预警指标和预警阈值预设的报警对象作为预警主体的预警对象。

具体地，由于本实施例获取的相似预警主体为预警样本主体B，则可将预警样本主体B针对步骤S206中获取的预警指标和预警阈值的报警对象作为预警主体A的预警对象。也即将已知的针对预警样本主体B设置的预警指标为销售额预警指标、与之对应的预警阈值为10万时的预警对象作为预警主体A的预警对象。

由此可见，本实施例通过获取预警样本主体，获取与预警主体最相似的预警样本主体，以及根据与预警主体最相似的预警样本主体的预警对象可以自动获取预警主体的预警对象，解决了现有技术采用人工预设预警对象操作繁琐，效率低的技术问题，巧妙地利用与预警主体最相似的预警样本主体的预警对象间接获得与预警主体对应的预警对象，避免了人工对预警主体设置预警对象，大大提高了获取与预警主体对应的预警对象的获取效率，体现了较高的智能化水平。

参照图3，本发明的优选实施例提供的自动获取预警对象的装置，包括：

预警样本主体获取装置10，用于获取预警样本主体，预警样本主体为已预设有与其对应的预警指标、与预警指标对应的预警阈值以及与预警阈值对应的预警对象的主体，其中预警样本主体的数量大于一个；

相似预警主体获取装置20，用于获取与预警主体最相似的预警样本主体，作为相似预警主体；

预警对象获取装置30，用于根据相似预警主体的预警对象获取预警主体的预警对象。

可选地，相似预警主体获取装置20包括：

预警属性条目设定装置，用于预先设定预警属性条目；

第一用户行为数据采集装置，用于采集预警主体的与预警属性条目对应的用户行为数据，作为第一用户行为数据；

第二用户行为数据采集装置，用于采集预警样本主体的与预警属性条目对应的用户行为数据，作为第二用户行为数据；

计算装置，用于计算第一用户行为数据和第二用户行为数据之间的相似度，将与最大的相似度对应的第二用户行为数据对应的预警样本主体，作为与预警主体最相似的预警样本主体。

可选地，计算装置包括：

第一特征向量获取装置，用于基于第一用户行为数据，提取预警主体的特征向量，作为第一特征向量；

第二特征向量获取装置，用于基于第二用户行为数据，提取预警样本主体的特征向量，作为第二特征向量；

相似度计算装置，用于计算第一特征向量和第二特征向量的相似度。

可选地，计算装置还包括：

归一化装置，用于对第一特征向量和第二特征向量进行归一化处理。

本发明提供的获取预警对象的装置，通过获取预警样本主体，获取与预警主体最相似的预警样本主体，以及根据与预警主体最相似的预警样本主体的预警对象获取预警主体的预警对象，解决了现有技术采用人工预设预警对象操作繁琐，效率低的技术问题，巧妙地利用与预警主体最相似的预警样本主体的预警对象间接获得与预警主体对应的预警对象，避免了人工对预警主体设置预警对象，大大提高了获取与预警主体对应的预警对象的获取效率，体现了较高的智能化水平。

本实施例获取预警对象的装置的具体工作过程和工作原理可参照本实施例的获取预警对象的方法的工作过程和工作原理。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。