云办公行为数据分析方法及装置与流程

1.本公开申请涉及数据分析技术领域，具体而言，涉及一种云办公行为数据分析方法及装置。


背景技术：

2.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。


技术实现要素：

3.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。
4.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。
5.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。
6.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。
7.本发明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。
8.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。
9.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。
10.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。
11.综上所述，本发明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
12.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。
13.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。
14.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。
15.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
16.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。
17.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。
18.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。
19.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。
20.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。
21.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。
22.在一种可替代的优选实施方式中，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。
23.在一种可替代的优选实施方式中，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。
24.进一步地，参阅图2所示，本实施例中，数据处理设备1可以是一个服务器、也可以是服务器集群、计算机设备、云服务中心等具有信息处理和分析能力的设备，数据处理设备1可以包括一个或多个处理器11，诸如一个或多个中央处理单元(cpu)，每个处理单元可以实现一个或多个硬件线程。数据处理设备1还可以包括机器可读存储介质12，其用于存储诸如代码、设置、数据等之类的任何种类的信息。处理器11可执行存储在机器可读存储介质12中的相关指令，以实现上述的方法。
25.进一步地，如图3所示是本公开申请实施例提供的数据处理设备1还可以包括云办公行为数据分析装置13，该云办公行为数据分析装置13实现的功能可以对应上述方法的各具体步骤。如图3所示，下面分别对该云办公行为数据分析装置的各个功能单元的功能进行详细阐述。
26.所述云办公行为数据分析装置13，包括：数据处理模块131，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132，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133，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134，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。
27.在一种可替代的优选实施方式中，所述数据处理模块131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。
28.在一种可替代的优选实施方式中，所述属性区分模块132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。
29.在一种可替代的优选实施方式中，所述参数范围确定模块133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。
30.综上所述，本发明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。
31.对于本领域技术人员而言，显然本公开申请不限于上述示范性实施例的细节，而且在不背离本公开申请的精神或基本特征的情况下，能够以其它的具体形式实现本公开申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本公开申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本公开申请内。不应将权利要求中的任何附图进销存确认视为限制所涉及的权利要求。