CN109615240A - 一种数据处理方法、装置及评价系统 - Google Patents

Abstract

本申请公开了一种数据处理方法、装置及评价系统，方法包括：采集目标人物的行为数据；基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据；利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。本申请中不再依赖于专家的主观观念，而是通过对目标人物的数据采集及计算来实现人物评价，从而提高评价结果的准确性。

Description

一种数据处理方法、装置及评价系统

技术领域

本申请涉及区块链技术领域，尤其涉及一种数据处理方法、装置及评价系统。

背景技术

目前，对于学龄前儿童的个人特质评价通常依赖于专家或者学者的主观概念，导致个人特质的评价结果准确性较低。

发明内容

有鉴于此，本申请提供了一种数据处理方法、装置及评价系统，用以解决现有技术中对个人特质的评价结果准确性较低的技术问题。

本申请提供了一种数据处理方法，包括：

采集目标人物的行为数据；

基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据；

利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。

上述方法，优选的，所述评价指标因素中包括至少一个评价指标项，所述方法还包括：

为所述评价指标项设置相应的权重信息。

上述方法，优选的，利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息，包括：

利用预设的评价算法，基于所述权重信息对所述评价指标项所对应的评价指标数据进行计算，得到所述目标人物针对所述评价指标因素的评价信息。

上述方法，优选的，所述评价算法包括：随机森林机器学习算法。

上述方法，优选的，还包括：

将所述评价指标因素所对应的评价指标数据进行展示。

上述方法，优选的，还包括：

将所述行为数据、所述评价指标数据及所述评价信息中的一种或任意组合保存至预设的区块链中。

上述方法，优选的，所述采集目标人物的行为数据，包括：

利用至少一个终端设备，采集目标人物的行为数据。

本申请还提供了一种数据处理装置，包括：

数据采集单元，用于采集目标人物的行为数据；

数据获得单元，用于基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据；

数据计算单元，用于利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。

本申请还提供了一种评价系统，包括：

至少一个终端，用于采集目标人物的行为数据；

服务器，用于接收所述终端传输的行为数据，基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据，利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。

上述系统，优选的，所述终端包括：便携式设备、图像采集设备、数据库设备中的一种或任意组合。

从上述技术方案可以看出，本申请公开的一种数据处理方法、装置及评价系统，通过设置至少一个评价指标因素，在采集目标人物的行为数据并获得行为数据中针对评价指标因素的评价指标数据之后，利用预设的评价算法对评价指标数据进行计算，从而得到目标人物的评价信息。可见，本申请中不再依赖于专家的主观观念，而是通过对目标人物的数据采集及计算来实现人物评价，从而提高评价结果的准确性。

附图说明

为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的一些实施例，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的附图。

图1为本申请实施例一提供的一种数据处理方法的流程图；

图2为本申请实施例二提供的一种数据处理装置的结构示意图；

图3为本申请实施例三提供的一种评价系统的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

参考图1，为本申请实施例一提供的一种数据处理方法的流程图，本实施例中的方法可以适用于能够进行数据处理的终端、服务器或云计算设备中，用于实现对人物的特质评价，如人物性格、喜好、特长等评价。

具体的，本实施例中的方法可以包括以下步骤：

步骤101：采集目标人物的行为数据。

其中，行为数据可以包括有：目标人物在预设时段内如每天24小时内的动作数据，如阅读、跑步、游戏、唱歌等行为相关的数据，包括有心率、血压、表情及考试成绩等数据。

需要说明的是，本实施例中所获取到的行为数据可以为一个目标人物的行为数据，也可以是多个目标人物的行为数据，如一个幼儿的行为数据或整个幼儿园中所有幼儿的行为数据。

在具体实现中，本实施例可以通过为幼儿佩戴手环、在教室设置智能摄像头、在办公室设置考试管理设备来采集目标人物的行为数据。

需要说明的是，本实施例中在采集到目标人物的行为数据之后，还可以获得目标人物的评估特征数据及历史特征数据并入到行为数据中，如已经完成的对目标人物的评估信息以及已经完成的对目标人物的人物分析信息等。这些信息可以为利用本实施例中的方案所得出的历史信息，也可以是人工生成的历史信息。

另外，本实施例中在采集到行为数据之后，还可以对行为数据进行数据转换、数据清理及数据传输等处理，进而由能够进行大数据计算的设备或终端完成目标人物的评价。

步骤102：基于至少一个预设的评价指标因素，获得行为数据中目标人物针对评价指标因素的评价指标数据。

其中，评价指标因素可以理解为针对人物特质设置的因素，如年龄、性别、身高、身体状况、兴趣爱好倾向、性格特质特点、行为习惯分析等因素，本实施例中基于这些评价指标因素，在目标人物的行为数据中获取针对这些评价指标因素的数据，即为：评价指标数据，如目标人物针对身体状况的评价指标数据包括有：心率数据、血压数据等等，目标任务针对兴趣爱好倾向的评价指标数据包括有：阅读行为数据、跑步行为数据、唱歌行为数据等等。

需要说明的是，本实施例中的至少一个评价指标因素可以理解为针对目标人物的多维数据模型，即从多个维度建立评价指标因素，用以后续对目标人物从多个维度进行个人特质评价。

具体的，本实施例中可以在得到行为数据之后，可以通过数据传输、数据提取、图像识别等操作，对行为数据进行解析，从而提取出目标人物针对评价指标因素的评价指标数据。

步骤103：利用预设的评价算法，对评价指标数据进行计算，得到目标人物的评价信息。

其中，本实施例中的评价算法可以为能够对大数据进行处理的算法，利用该评价算法目标人物的评价指标数据进行计算，从而得到目标人物关于各个评价指标因素的评价信息。

由上述方案可知，本申请实施例一提供的一种数据处理方法，通过设置至少一个评价指标因素，在采集目标人物的行为数据并获得行为数据中针对评价指标因素的评价指标数据之后，利用预设的评价算法对评价指标数据进行计算，从而得到目标人物的评价信息。可见，本实施例中不再依赖于专家的主观观念，而是通过对目标人物的数据采集及计算来实现人物评价，从而提高评价结果的准确性。

在一种实现方式，评价指标因素中可以包括有一个评价指标项，如年龄因素中包括一个年龄指标项，身高因素中包括一个身高指标项；或者，评价指标因素中可以包括多个评价指标项，例如，身体状况因素中可以包括有两个指标项：心率指标项和血压指标项，性格特质特点因素中可以包括有更多个指标项：内向稳定指标项、内向不稳定指标项、外向稳定指标项、外向不稳定指标项、敏感指标项等等。

基于以上实现，本实施例中可以对评价指标项设置相应的权重信息，相应的，本实施例中步骤103在进行数据计算时，具体可以通过以下方式实现：

利用预设的评价算法，基于权重信息对评价指标项对应的评价指标数据进行计算，得到目标人物针对评价指标因素的评价信息。

例如，本实施例中首先利用评价算法对评价指标项所对应的评价直逼数据进行计算，从而得到每个评价指标因素下各评价指标项所对应的评价子值，之后针对同一个评价指标因素，将各评价指标项所对应的评价子值乘以相应评价指标项所对应的权重信息，再加和，进而得到针对每个评价指标因素的评价值，由此组成目标任务的评价信息。

在一种实现方式中，本实施例中的评价算法可以为随机森林机器学习算法，其中，随机森林机器学习算法是指集成机器学习算法，称为Bootstrap聚合或bagging。该算法用于从数据样本即评价指标数据中估计出数值。在Bagging中，可以用抽取样本计算平均值的方法估计整个评价指标数据的多维模型。具体的，算法中可以采用决策树，选取训练数据即评价指标数据中的多个样本，然后构建模型，将目标人物的评价指标数据输入模型，每个模型都会做出预测，取平均值后以便更好地估计真实输出值。因此，针对每个数据样本创建的模型与其它方式相比会有所不同，但仍然非常精确，结合预测的值可以更好地估计真实的潜在输出价值。

在一种实现方式中，本实施例中在获得到评价指标数据之后，还可以将这些评价指标因素所对应的评价指标数据进行展示。

具体的，本实施例中可以使用联机分析处理OLAP(On-Line AnalyticalProcessing)工具，通过切片、切块、钻取等操作将评价指标数据以多维数据模型的方式展示给用户，用户可以通过展示的评价指标数据直观的了解到目标人物的相关数据，更直观的查看数据并进行主观评价。

在一种实现方式中，本实施例中可以将行为数据、评价指标数据及评价信息中的一种或任意组合保存到预设的区块链中。

其中，本实施例中，区块链以分布式多中心化的方式，将保存在其中的数据加密，以保证数据安全性。具体的，本实施例在将数据入链时，将数据合并加密上传，并且同时可以为数据加盖时间戳，而该时间戳使用全球卫星时间UTC(Universal Time Coordinated)签发的可信时间戳，由此保障入链时间的权威性和可靠性。

需要说明的是，本实施例中在将行为数据、评价指标数据及评价信息中的一种或任意组合上传到区块链时，对这些数据进行加密，具体可以采用RSA非对称加密算法，即在上传数据之前生成一对秘钥：公钥和私钥，使用这对秘钥对数据进行加解密操作，密钥对的生成过程如下：

1.随机选择两个不相等的质数p和q，p不等于q，计算N＝pq。

例如，选择103和349。N＝pq＝35947。N的长度就是密钥长度。35947对应的二进制是1000110001101011，一共有16位，所以这个密钥就是16位。实际应用中，可以使用RSA密钥为1024位。

2.计算N的欧拉函数

3.选择一个小于r的整数e，使e与r互质，这里取e＝773。

4.求e关于r的模反元素，命名为d(求d令ed≡1(modr)ed≡1(modr))。最终转为773d-1＝35496k这个二元一次方程，求得一组解(d,k)＝(45,1)。

5.将(N,e)封装成公钥，(N,d)封装成私钥。所以公钥就是(35496,773)，私钥就是(35496,45)。

其中，密钥对生成之后，用公钥对上传的数据加密，私钥则保留下来。从区块链上直接获取的数据是经过公钥加密后的密文，若要数据呈现出来，则需要使用对应的私钥解密，只有选择正确的私钥，才会将密文以明文的形式展现出来。

数据上传之后，区块链上的数据环环相扣，每个区块都将对应一长串函数密码，如果修改某个区块内容，那么后续区块内容就不再匹配，导致信息篡改作废。同时由于区块链使用分布式多中心化的方式，每一个节点都会完整的保留一份所有数据。如果想篡改其中一个区块的信息，那么当前区块的头哈希就会发生改变，由于哈希函数具有碰撞阻力，改变后的头哈希将无法与其下一区块的父哈希相匹配，篡改者需要继续修改其下一区块的父哈希值，并一直修改之后每个区块。这要求篡改者在同一时间同时入侵所有参与记录的节点并篡改数据，只有重新计算被更改区块后续的所有区块，并且追上网络中合法区块链的进度后，并把这个长的区块链分提交给网络中的其他节点，才有可能被认可，这个难度极大几乎不可能实现。可见，上传到区块链中的数据是安全的，避免他人下载数据后修改导致最终计算出的评价信息不准确的情况，由此提高人物评价的准确性。

参考图2，为本申请实施例二提供的一种数据处理装置的结构示意图，该装置可以设置于能够进行数据处理的终端、服务器或云计算设备中，用于实现对人物的特质评价，如人物性格、喜好、特长等评价。

具体的，本实施例中的装置可以包括以下结构：

数据采集单元201，用于采集目标人物的行为数据。

其中，数据采集单元201可以通过便携式设备、图像采集设备及数据库设备如存储有考试成绩的管理设备等实现行为数据的采集。具体的，本实施例可以通过为幼儿佩戴手环、在教室设置智能摄像头、在办公室设置考试管理设备来采集目标人物的行为数据。

在具体实现中，行为数据可以包括有：目标人物在预设时段内如每天24小时内的动作数据，如阅读、跑步、游戏、唱歌等行为相关的数据，包括有心率、血压、表情及考试成绩等数据。

需要说明的是，本实施例中数据采集单元201所获取到的行为数据可以为一个目标人物的行为数据，也可以是多个目标人物的行为数据，如一个幼儿的行为数据或整个幼儿园中所有幼儿的行为数据。

需要说明的是，本实施例中在采集到目标人物的行为数据之后，还可以获得目标人物的评估特征数据及历史特征数据并入到行为数据中，如已经完成的对目标人物的评估信息以及已经完成的对目标人物的人物分析信息等。这些信息可以为利用本实施例中的方案所得出的历史信息，也可以是人工生成的历史信息。

另外，本实施例中在采集到行为数据之后，还可以对行为数据进行数据转换、数据清理及数据传输等处理，进而由能够进行大数据计算的设备或终端完成目标人物的评价。

数据获得单元202，用于基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据。

其中，评价指标因素可以理解为针对人物特质设置的因素，如年龄、性别、身高、身体状况、兴趣爱好倾向、性格特质特点、行为习惯分析等因素，本实施例中基于这些评价指标因素，在目标人物的行为数据中获取针对这些评价指标因素的数据，即为：评价指标数据，如目标人物针对身体状况的评价指标数据包括有：心率数据、血压数据等等，目标任务针对兴趣爱好倾向的评价指标数据包括有：阅读行为数据、跑步行为数据、唱歌行为数据等等。

需要说明的是，本实施例中的至少一个评价指标因素可以理解为针对目标人物的多维数据模型，即从多个维度建立评价指标因素，用以后续对目标人物从多个维度进行个人特质评价。

数据计算单元203，用于利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。

其中，本实施例中的评价算法可以为能够对大数据进行处理的算法，利用该评价算法目标人物的评价指标数据进行计算，从而得到目标人物关于各个评价指标因素的评价信息。

由上述方案可知，本申请实施例二提供的一种数据处理装置，通过设置至少一个评价指标因素，在采集目标人物的行为数据并获得行为数据中针对评价指标因素的评价指标数据之后，利用预设的评价算法对评价指标数据进行计算，从而得到目标人物的评价信息。可见，本实施例中不再依赖于专家的主观观念，而是通过对目标人物的数据采集及计算来实现人物评价，从而提高评价结果的准确性。

参考图3，为本申请实施例三提供的一种评价系统的结构示意图，该评价系统用于实现对人物的特质评价，如人物性格、喜好、特长等评价。

在本实施例中，该评价系统可以包括以下结构：

至少一个终端301，用于采集目标人物的行为数据。

其中，终端301可以包括有：便携式设备、图像采集设备、数据库设备中的一种或任意组合。便携式设备可以为手环等设备。图像采集设备可以为教室中的智能摄像头等，数据库设备可以为考试系统的数据库服务器等设备，本实施例中可以通过手环、智能摄像头等采集数据，从数据库设备中提取考试成绩数据等，由此采集到目标人物的行为数据。

服务器302，用于接收所述终端301传输的行为数据，基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据，利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。

其中，服务器302可以为能够进行数据计算的设备，可以为服务器集群或云计算集群设备等。

由上述方案可知，本申请实施例三提供的一种评价系统，通过设置至少一个评价指标因素，在采集目标人物的行为数据并获得行为数据中针对评价指标因素的评价指标数据之后，利用预设的评价算法对评价指标数据进行计算，从而得到目标人物的评价信息。可见，本实施例中不再依赖于专家的主观观念，而是通过对目标人物的数据采集及计算来实现人物评价，从而提高评价结果的准确性。

以下以评价系统应用于学龄前儿童的个人特质评价中的实现进行举例说明：

数据获取(终端301):主要从终端中获取学龄前儿童的行为数据，如项目数据、评估特征数据和历史特征数据,并进行转换、清理、传输,将它加载到区块链数据库中。

多维建模与数据的管理:建立以综合素质评价数据分析为主题的多维数据模型,并建立分析维度和多维数据集,设置存储和更新机制。

多维数据呈现:使用OLAP工具,通过切片、切块、钻取等操作向用户展现多维数据集中的数据。

学龄前儿童能力评估模块(服务器302):在多维数据集上运用多目标决策模型实现一个学龄前儿童考核项目模块,由学龄前儿童给定条件,通过数据分析,为学龄前儿童提供多维选择和历史数据作为评估的参考。

学龄前儿童综合素质评价:使用机器学习,数据挖掘的聚类分析方法等对考核项目进行评估归类,为决策者提供宏观的决策信息。

具体的，本实施例中向学龄前儿童及幼儿园分发终端设备并建立区块，各个区块之间进行链接，具体通过智能手环设备(儿童佩戴)、教室监控、成绩管理系统及其他行为监测系统采集各幼儿园或学校的学生如学龄前儿童的行为数据，将这些数据保存到区块链中，之后，确定学龄前儿童个人特质评价指标因素及权重并进行评价指标参数设置，将所述评价指标的数据保存在区块链中，其中，设置一台或多台主机或服务器利用大数据和AI技术对各个区块的行为进行评价，例如，设置智能评估算法如随机森林机器学习算法，对所述评价数据库进行机器学习建模和分析并生成报告供用户查阅和提取。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种数据处理方法，包括：

采集目标人物的行为数据；

基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据；

利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。

2.根据权利要求1所述的方法，所述评价指标因素中包括至少一个评价指标项，所述方法还包括：

为所述评价指标项设置相应的权重信息。

3.根据权利要求2所述的方法，利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息，包括：

利用预设的评价算法，基于所述权重信息对所述评价指标项所对应的评价指标数据进行计算，得到所述目标人物针对所述评价指标因素的评价信息。

4.根据权利要求1或2所述的方法，所述评价算法包括：随机森林机器学习算法。

5.根据权利要求1所述的方法，还包括：

将所述评价指标因素所对应的评价指标数据进行展示。

6.根据权利要求1所述的方法，还包括：

将所述行为数据、所述评价指标数据及所述评价信息中的一种或任意组合保存至预设的区块链中。

7.根据权利要求1所述的方法，所述采集目标人物的行为数据，包括：

利用至少一个终端设备，采集目标人物的行为数据。

8.一种数据处理装置，包括：

数据采集单元，用于采集目标人物的行为数据；

数据获得单元，用于基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据；

数据计算单元，用于利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。

9.一种评价系统，包括：

至少一个终端，用于采集目标人物的行为数据；

服务器，用于接收所述终端传输的行为数据，基于至少一个预设的评价指标因素，获得所述行为数据中所述目标人物针对所述评价指标因素的评价指标数据，利用预设的评价算法，对所述评价指标数据进行计算，得到所述目标人物的评价信息。

10.根据权利要求9所述的系统，所述终端包括：便携式设备、图像采集设备、数据库设备中的一种或任意组合。