CN115481929B - 改造措施效度评估方法、装置、终端设备及存储介质 - Google Patents
改造措施效度评估方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115481929B CN115481929B CN202211266759.5A CN202211266759A CN115481929B CN 115481929 B CN115481929 B CN 115481929B CN 202211266759 A CN202211266759 A CN 202211266759A CN 115481929 B CN115481929 B CN 115481929B
- Authority
- CN
- China
- Prior art keywords
- dimension
- preset
- measure
- reconstruction
- effectiveness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 60
- 230000008859 change Effects 0.000 claims abstract description 109
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000005065 mining Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000012986 modification Methods 0.000 claims description 73
- 230000004048 modification Effects 0.000 claims description 73
- 238000004590 computer program Methods 0.000 claims description 11
- 238000009420 retrofitting Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract description 12
- 238000007418 data mining Methods 0.000 abstract description 4
- 238000011002 quantification Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 238000001604 Rao's score test Methods 0.000 description 1
- 235000004240 Triticum spelta Nutrition 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种改造措施效度评估方法、装置、终端设备及存储介质，用于对预设监管区域内的目标对象进行改造措施效度评估，所述方法包括：获取目标对象的预设参考数据；根据预设频繁项挖掘算法处理所述预设参考数据，包括至少一项改造措施以及所述改造措施对应的至少一个维度变化情况的目标频繁项，维度变化情况为同一维度下，从第一维度等级到第二维度等级的变化情况；基于预设效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据，以得到各维度下每一预设改造措施的效度数据。本实施例通过数据挖掘的方式实现改造措施对多个维度变化的效度量化，从而有效提升了改造措施效度评估的效率和准确性。
Description
技术领域
本发明涉及大数据分析技术领域，尤其涉及一种改造措施效度评估方法、装置、终端设备及存储介质。
背景技术
由于预设监管区域系统长期依赖于工作人员的经验性，导致改造措施的使用极度依赖于工作人员的判断，而且伴随着措施本身效用的不稳定性，采纳何种改造措施这个问题会给工作人员带来相当大的困扰。
目前针对在预设监管区域内的被监管对象的各类改造措施以实际业务工作为主，各项改造措施由于实施人员的不同，而具有差异较大的实施效果，而且只有主观的效果评判方案，缺乏客观量化手段。
发明内容
为了解决上述技术问题，本申请实施例提供了一种改造措施效度评估方法、装置、终端设备及存储介质，具体方案如下：
第一方面，本申请实施例提供了一种改造措施效度评估方法，用于对预设监管区域内的目标对象进行改造措施效度评估，所述方法包括：
获取目标对象的预设参考数据，其中，所述预设参考数据包括多维度下的第一维度等级、预设改造措施以及第二维度等级，所述第一维度等级为所述目标对象采取所述预设改造措施前的维度评估等级，所述第二维度等级为所述目标对象采取所述预设改造措施后的维度评估等级；
根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项，所述目标频繁项包括至少一项改造措施以及所述改造措施对应的至少一个维度变化情况，所述维度变化情况为同一维度下，从所述第一维度等级到所述第二维度等级的变化情况；
基于预设效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据，以得到各维度下每一预设改造措施的效度数据。
根据本申请实施例的一种具体实施方式，所述获取目标对象的预设参考数据的步骤，包括：
确定采取过预设改造措施的目标对象；
获取所述目标对象在多维度下的第一维度分数和第二维度分数，其中，所述第一维度分数为所述目标对象采取所述预设改造措施前的维度评估分数，所述第二维度分数为所述目标对象采取所述预设改造措施后的维度评估分数；
按照预设的维度等级划分规则处理所述目标对象的所述第一维度分数和所述第二维度分数，以得到对应的所述第一维度等级和所述第二维度等级；
组合所述目标对象在对应维度下的所述第一维度等级、所述预设改造措施以及所述第二维度等级，以得到所述目标对象的预设参考数据。
根据本申请实施例的一种具体实施方式，所述根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项的步骤，包括：
获取任一预设改造措施关联的多个目标对象的维度变化情况；
若所述维度变化情况出现的次数大于或等于预设频繁阈值，则关联所述预设改造措施与所述维度变化情况；
将所述预设改造措施与至少一个维度变化情况的关联项确定为目标频繁项。
根据本申请实施例的一种具体实施方式，所述根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项的步骤，还包括：
若任一预设改造措施仅关联一个维度变化情况，判断所述维度变化情况的所述第一维度等级和所述第二维度等级是否相同；
若所述维度变化情况的所述第一维度等级和所述第二维度等级相同，则确定所述关联项为无效关联项；
若所述维度变化情况的所述第一维度等级和所述第二维度等级不同，则确定所述关联项为目标频繁项。
根据本申请实施例的一种具体实施方式，所述预设效度计算模型包括第一效度计算模型和第二效度计算模型，所述方法包括：
若所述预设改造措施为一项改造措施，基于所述第一效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据；
若所述预设改造措施为多项改造措施，基于所述第二效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据。
根据本申请实施例的一种具体实施方式，所述第一效度计算模型的计算公式为：
其中，SCt表示所述维度变化情况，ACk表示所述预设改造措施，P(SC1，...，SCt|ACk)表示改造措施ACk在维度变化情况SC1，...，SCt中的效度数据，#表示满足预设条件的序列数量，#contains ACkand SC1，...，SCt表示包括改造措施ACk和维度变化情况SC1，...，SCt的序列数量，#containsSC1，...，SCtbutnotcontainsACk表示包括维度变化情况SC1，...，SCt不包括改造措施ACk的序列数量，#containsSC1，...，SCt表示包括维度变化情况SC1，...，SCt的序列数量。
根据本申请实施例的一种具体实施方式，所述第二效度计算模型的计算公式为：
其中，SCt表示所述维度变化情况，ACk表示所述预设改造措施，SCORE(SC1...SCt|AC1...ACk)表示改造措施组合AC1...ACk作为预设改造措施时在维度变化情况SC1，...，SCt中的效度数据，表示具有依赖性的改造措施，#表示满足预设条件的序列数量，#containsAC1...ACkandSC1...SCt表示包括改造措施组合AC1...ACk和维度变化情况SC1，...，SCt的序列数量，#containsSC1...SCtbutnotcontainsAC1...ACk表示包括维度变化情况SC1，...，SCt不包括改造措施组合AC1…ACk的序列数量，#containsSC1…SCt表示包括维度变化情况SC1，...，SCt的序列数量，α为对应改造措施ACj惩罚系数。
第二方面，本申请实施例提供了一种改造措施效度评估装置，用于对预设监管区域内的目标对象进行改造措施效度评估，所述装置包括：
获取模块，用于获取目标对象的预设参考数据，其中，所述预设参考数据包括多维度下的第一维度等级、预设改造措施以及第二维度等级，所述第一维度等级为所述目标对象采取所述预设改造措施前的维度评估等级、所述第二维度等级为所述目标对象采取所述预设改造措施后的维度评估等级；
挖掘模块，用于根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项，所述目标频繁项包括至少一项改造措施以及所述改造措施对应的至少一个维度变化情况；所述维度变化情况为同一维度下，从所述第一维度等级到所述第二维度等级的变化情况；
评估模块，用于基于预设效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据，以得到各维度下每一预设改造措施的效度数据。
第三方面，本申请实施例提供了一种终端设备，所述终端设备包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行第一方面及第一方面任一实施方式所述的改造措施效度评估方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面及第一方面任一实施方式所述的改造措施效度评估方法。
本申请实施例提供了一种改造措施效度评估方法、装置、终端设备及存储介质，用于对预设监管区域内的目标对象进行改造措施效度评估，所述方法包括：获取目标对象的预设参考数据；根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项，所述目标频繁项包括至少一项改造措施以及所述改造措施对应的至少一个维度变化情况，所述维度变化情况为同一维度下，从所述第一维度等级到所述第二维度等级的变化情况；基于预设效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据，以得到各维度下每一预设改造措施的效度数据。本实施例通过数据挖掘的方式实现改造措施对多个维度变化的效度量化，从而有效提升了改造措施效度评估的效率和准确性。
附图说明
为了更清楚地说明本发明的技术方案，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，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的一种改造措施效度评估方法的方法流程示意图；
图2示出了本申请实施例提供的一种改造措施效度评估方法的预设参考数据的获取场景示意图之一；
图3示出了本申请实施例提供的一种改造措施效度评估方法的预设参考数据的获取场景示意图之二；
图4示出了本申请实施例提供的一种改造措施效度评估方法的预设参考数据的获取场景示意图之三；
图5示出了本申请实施例提供的一种改造措施效度评估装置的装置模块示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明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发明一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
参考图1，为本申请实施例提供的一种改造措施效度评估方法的方法流程示意图，本申请实施例提供的改造措施效度评估方法，用于对预设监管区域内的目标对象进行改造措施效度评估，如图1所示，所述改造措施效度评估方法包括：
步骤S101，获取目标对象的预设参考数据，其中，所述预设参考数据包括多维度下的第一维度等级、预设改造措施以及第二维度等级，所述第一维度等级为所述目标对象采取所述预设改造措施前的维度评估等级，所述第二维度等级为所述目标对象采取所述预设改造措施后的维度评估等级；
具体地，在本实施例中，所述目标对象为在预设监管区域内的被监管对象。
本实施例中的预设参考数据为如图2所示的序列数据，其中，所述预设参考数据包括执行干预措施前的维度分值、干预措施的组合以及执行干预措施后的维度分值。
需知的，本实施例中的改造措施也可以被称为干预措施或辅助措施，本实施例中的改造措施包括音乐、图像、视频、人工等多方面的改造措施，所述改造措施的步骤设置可以根据实际应用场景中常采用的对目标对象的改造措施进行自适应设置，此处不作具体限定。
所述多维度下的第一维度等级和第二维度等级通过预设综合评估方式进行获取。
所述预设综合评估包括身份信息评估、心理评估个性分测验(Chinese OffenderPsychological Assessment-Personality Inventory，简称COPA-PI)等多维度的评估。
具体地，所述预设综合评估的方式可以根据实际应用场景的维度需求，进行自适应的设置，维度越多，所述预设综合评估包括的评估方式越多。
本实施例中的维度，可以包括心理维度、身份维度、情绪维度等能够进行测验和评估的可量化维度。
以心理维度为例，进行COPA-PI测验后，可以得到包括外倾、聪敏、同情、从属、波动、冲动、戒备、自卑、焦虑、暴力倾向等共十二个维度指标的指标分数。根据分数范围的不同，将对应的维度分数划分至提前设置好的维度等级。
根据本申请实施例的一种具体实施方式，所述获取目标对象的预设参考数据的步骤，包括：
确定采取过预设改造措施的目标对象；
获取所述目标对象在多维度下的第一维度分数和第二维度分数，其中，所述第一维度分数为所述目标对象采取所述预设改造措施前的维度评估分数，所述第二维度分数为所述目标对象采取所述预设改造措施后的维度评估分数；
按照预设的维度等级划分规则处理所述目标对象的所述第一维度分数和所述第二维度分数，以得到对应的所述第一维度等级和所述第二维度等级；
组合所述目标对象在对应维度下的所述第一维度等级、所述预设改造措施以及所述第二维度等级，以得到所述目标对象的预设参考数据。
在具体实施例中，获取预设监管区域内被监管对象的预设参考数据前，需提前确定目标对象，其中，目标对象为被采取过预设改造措施的预设监管区域内被监管对象。
本实施例可以通过大数据记录来对目标对象进行筛选，也可以通过人工方式来对目标对象进行筛选，本实施例对目标对象的筛选方案不作限定。
在确定所述目标对象后，获取所述目标对象在各种维度下的第一维度分数和第二维度分数。
如图2所示，所述第一维度分数可以为维度1的分值a1、维度2的分值a2、维度3的分值a3或维度n的分值an，其中，n为预设改造措施对应的维度数量。
所述预设改造措施可以为措施1、措施2、措施3或措施m中的任意一个改造措施，也可以为措施1、措施2、措施3或措施m中的任意多个改造措施的组合。
所述第二维度分数可以为维度1的分值A1、维度2的分值A2、维度3的分值A3或维度n的分值An。
所述预设维度等级划分规则可以采用如图3和图4所示的四分位数的离散化处理，以将各维度的第一维度分数和第二维度分数划分为低、偏低、偏高和高，共4个维度等级。
具体的，所述预设维度等级划分规则也可以采用其它离散化处理方式，例如五分位数、六分位数等，本实施例中的预设维度等级划分规则可以根据实际应用场景进行自适应选择，本实施例对此不作限定。
在进行等级划分处理后，可以得到每一个目标对象，在各种维度下的变化情况。举例来说，若第一维度等级和第二维度分级被划分为低、偏低、偏高和高4个维度等级，则维度变化情况可以包括低-低，低-偏低，低-偏高，低-高和偏低-低等16个可能组合。
以单个维度变化情况为例，假设在采取改造措施前和采取改造措施后的两侧评估中，抑郁维度总计收到100份被监管对象的数据，抑郁维度的第一维度分数和第二维度分数的总分为10分。
当第一维度分数对应的100份被监管对象的数据中，最低分值为3分，最高分值为9分，将数据从低到高排序，第一个四位分数(排名在第25％的数值)为4分，中位数为5.5分，第二个四位分数(排名在第75％的数值)为6.5分。若某个被监管对象在此次评估中获得5分，则将第一抑郁维度等级划分为偏低等级。
经过工作人员采取的预设改造措施之后，在第二维度分数对应的100份被监管对象的数据中，最低分值为2.5分，最高分值为9分，则第一个四位分数为3.5分，中位数为5分，第二个四位分数为6.5分，此时，被监管对象的第二维度分值为6.5分，则将第二抑郁维度等级划分为偏高。
所述被监管对象的维度变化情况则被记为偏低-偏高。
对于本实施例中的每一位目标对象，均采用与上述举例方式类似的等级划分方法对目标对象在多个维度下的第一维度分数和第二维度分数进行处理，最终得到第一维度等级、预设改造措施和第二维度等级组合而成的变化序列，即所述预设参考数据。
步骤S102，根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项，所述目标频繁项包括至少一项改造措施以及所述改造措施对应的至少一个维度变化情况，所述维度变化情况为同一维度下，从所述第一维度等级到所述第二维度等级的变化情况；
在具体实施例中，在获取足够数量的目标对象的预设参考数据样本后，根据预先设定好的频繁项挖掘算法来对全部预设参考数据进行数据挖掘处理。
具体地，所述预设频繁项挖掘算法可以采用Apriori算法，也可以根据实际应用场景选择高效率的挖掘算法。
在挖掘过程中，需至少满足两项条件，条件一是需满足目标频繁项中至少包括一项改造措施，以聚焦对应改造措施的效度评估，条件二是需满足目标频繁项中的改造措施对应至少一个维度变化情况，以保证改造措施的效度评估模型的正常运算。
根据本申请实施例的一种具体实施方式，所述根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项的步骤，包括：
获取任一预设改造措施关联的多个目标对象的维度变化情况；
若所述维度变化情况出现的次数大于或等于预设频繁阈值，则关联所述预设改造措施与所述维度变化情况；
将所述预设改造措施与至少一个维度变化情况的关联项确定为目标频繁项。
在具体实施例中，通过Apriori算法来处理预设参考数据，能够得到各预设改造措施对应的所有维度变化情况的出现次数，维度变化情况出现的次数越多，说明当前预设改造措施和对应的维度相关性越大，对应的维度变化情况更能体现预设改造措施的效度。
本实施例通过目标频繁项的挖掘处理，有效提升了预设改造措施效度评估的准确性，使得评估方法能够聚焦于具有实际作用的改造措施。
根据本申请实施例的一种具体实施方式，所述根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项的步骤，还包括：
若任一预设改造措施仅关联一个维度变化情况，判断所述维度变化情况的所述第一维度等级和所述第二维度等级是否相同；
若所述维度变化情况的所述第一维度等级和所述第二维度等级相同，则确定所述关联项为无效关联项；
若所述维度变化情况的所述第一维度等级和所述第二维度等级不同，则确定所述关联项为目标频繁项。
在具体实施例中，若预设改造措施对应的频繁出现的维度变化情况只有一种，则需要保证所述维度变化情况中的第一维度等级和第二维度等级不同，以保证目标频繁项的评估效果。
具体地，若第一维度等级和第二维度等级相同，说明当前维度下，预设改造措施无法对于目标对象起到实质性效果，因此，将第一维度等级和第二维度等级相同的维度变化情况标记为无效数据，将对应的关联项确定为无效关联项。
若第一维度等级和第二维度等级不同，说明当前维度下，预设改造措施对于目标对象造成了一定影响，因此，将第一维度等级和第二维度等级不同的维度变化情况标记为有效数据，将对应的关联项确定为目标频繁项。
本实施例通过目标频繁项的筛选，有效聚焦了具有实际影响力的改造措施，并通过等级划分以及等级变化情况的判断，提升了效度评估的准确性。
步骤S103，基于预设效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据，以得到各维度下每一预设改造措施的效度数据。
具体地，本实施例获取的目标频繁项为多个维度下包括第一维度等级、预设改造措施以及第二维度等级的数据序列。
其中，所述预设改造措施可以为一个改造措施，也可以为多个改造措施的组合。
本实施例中的预设效度模型分别针对两种情况，进行客观的效度量化计算。
根据本申请实施例的一种具体实施方式，所述预设效度计算模型包括第一效度计算模型和第二效度计算模型，所述方法包括：
若所述预设改造措施为一项改造措施，基于所述第一效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据；
若所述预设改造措施为多项改造措施，基于所述第二效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据。
在具体实施例中，所述第一效度计算模型的计算公式为：
其中，SCt表示所述维度变化情况，ACk表示所述预设改造措施，P(SC1，...，SCt|ACk)表示改造措施ACk在维度变化情况SC1，...，SCt中的效度数据，#表示满足预设条件的序列数量，#contains ACk and SC1，...，SCt表示包括改造措施ACk和维度变化情况SC1，...，SCt的序列数量，#containsSC1，...，SCtbutnotcontainsACk表示包括维度变化情况SC1，...，SCt不包括改造措施ACk的序列数量，#containsSC1，...，SCt表示包括维度变化情况SC1，...，SCt的序列数量。
具体地，将各目标频繁项的数据序列输入至所述第一效度计算模型中，即可以得到对应的单个改造措施的效度分数。
在具体实施例中，所述第二效度计算模型的计算公式为：
其中，SCt表示所述维度变化情况，ACk表示所述预设改造措施，SCORE(SC1...SCt|AC1...ACk)表示改造措施组合AC1...ACk作为预设改造措施时在维度变化情况SC1，...，SCt中的效度数据，表示具有依赖性的改造措施，#表示满足预设条件的序列数量，#containsAC1...ACkandSC1...SCt表示包括改造措施组合AC1...ACk和维度变化情况SC1，...，SCt的序列数量，#containsSC1...SCtbutnotcontainsAC1...ACk表示包括维度变化情况SC1，...，SCt不包括改造措施组合AC1...ACk的序列数量，#containsSC1...SCt表示包括维度变化情况SC1，...，SCt的序列数量，α为对应改造措施ACj惩罚系数。
具体地，将各目标频繁项的数据序列输入至所述第一效度计算模型中，即可以得到对应的多个改造措施的效度分数。
需知的，在评估多个改造措施对目标对象的影响时，需要将多个改造措施视为一个完整的整体，来评估多个改造措施的改造措施组合对目标对象的效度。
综上所述，本申请实施例提供了一种改造措施效度评估方法，通过数据挖掘的方法实现针对目标对象的改造措施的组合，实现对多个维度分值变化的效度量化，从而为预设监管区域工作人员在针对被监管对象评估需要改造的因素时提供行之有效的措施选择，有效提升了对于预设监管区域的管理效率。
参考图5，为本申请实施例提供的一种改造措施效度评估装置500的装置模块示意图，本申请实施例提供的改造措施效度评估装置500，用于对预设监管区域内的目标对象进行改造措施效度评估，如图5所示，所述改造措施效度评估装置500包括：
获取模块501，用于获取目标对象的预设参考数据，其中，所述预设参考数据包括多维度下的第一维度等级、预设改造措施以及第二维度等级，所述第一维度等级为所述目标对象采取所述预设改造措施前的维度评估等级、所述第二维度等级为所述目标对象采取所述预设改造措施后的维度评估等级；
挖掘模块502，用于根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项，所述目标频繁项包括至少一项改造措施以及所述改造措施对应的至少一个维度变化情况；所述维度变化情况为同一维度下，从所述第一维度等级到所述第二维度等级的变化情况；
评估模块503，用于基于预设效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据，以得到各维度下每一预设改造措施的效度数据。
另外，本申请实施例还提供了一种终端设备，所述终端设备包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行上述实施例中的改造措施效度评估方法。
本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行上述实施例中的改造措施效度评估方法。
另外，上述实施例中提到的改造措施效度评估装置、终端设备及计算机可读存储介质的具体实施过程，可以参见上述方法实施例的具体实施过程，在此不再一一赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种改造措施效度评估方法，其特征在于，用于对预设监管区域内的目标对象进行改造措施效度评估，所述方法包括：
获取目标对象的预设参考数据，其中，所述预设参考数据包括多维度下的第一维度等级、预设改造措施以及第二维度等级，所述第一维度等级为所述目标对象采取所述预设改造措施前的维度评估等级，所述第二维度等级为所述目标对象采取所述预设改造措施后的维度评估等级；
根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项，所述目标频繁项包括至少一项改造措施以及所述改造措施对应的至少一个维度变化情况，所述维度变化情况为同一维度下，从所述第一维度等级到所述第二维度等级的变化情况；
基于预设效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据，以得到各维度下每一预设改造措施的效度数据；
获取任一预设改造措施关联的多个目标对象的维度变化情况；
若所述维度变化情况出现的次数大于或等于预设频繁阈值，则关联所述预设改造措施与所述维度变化情况；
将所述预设改造措施与至少一个维度变化情况的关联项确定为目标频繁项；
若任一预设改造措施仅关联一个维度变化情况，判断所述维度变化情况的所述第一维度等级和所述第二维度等级是否相同；
若所述维度变化情况的所述第一维度等级和所述第二维度等级相同，则确定所述关联项为无效关联项；
若所述维度变化情况的所述第一维度等级和所述第二维度等级不同，则确定所述关联项为目标频繁项；
若所述预设改造措施为一项改造措施，基于第一效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据；
若所述预设改造措施为多项改造措施，基于第二效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据；
所述第一效度计算模型的计算公式为：
其中，SCt表示所述维度变化情况，ACk表示所述预设改造措施，P(SC1，...，SCt|ACk)表示改造措施ACk在维度变化情况SC1，...，SCt中的效度数据，#表示满足预设条件的序列数量，#contains ACk and SC1，...，SCt表示包括改造措施ACk和维度变化情况SC1，...，SCt的序列数量，#contains SC1，...，SCtbut not contains ACk表示包括维度变化情况SC1，...，SCt不包括改造措施ACk的序列数量，#contains SC1，...，SCt表示包括维度变化情况SC1，...，SCt的序列数量；
所述第二效度计算模型的计算公式为：
其中，SCt表示所述维度变化情况，ACk表示所述预设改造措施，SCORE(SC1...SCt|AC1...ACk)表示改造措施组合AC1...ACk作为预设改造措施时在维度变化情况SC1，...，SCt中的效度数据，表示具有依赖性的改造措施，#表示满足预设条件的序列数量，#containsAC1 ... ACk and SC1 ... SCt表示包括改造措施组合AC1 ... ACk和维度变化情况SC1，...，SCt的序列数量，#contains SC1 ... SCtbut not contains AC1 ... ACk表示包括维度变化情况SC1，...，SCt不包括改造措施组合AC1 ... ACk的序列数量，#contains SC1... SCt表示包括维度变化情况SC1，...，SCt的序列数量，α为对应改造措施ACj惩罚系数。
2.根据权利要求1所述的方法，其特征在于，所述获取目标对象的预设参考数据的步骤，包括：
确定采取过预设改造措施的目标对象；
获取所述目标对象在多维度下的第一维度分数和第二维度分数，其中，所述第一维度分数为所述目标对象采取所述预设改造措施前的维度评估分数，所述第二维度分数为所述目标对象采取所述预设改造措施后的维度评估分数；
按照预设的维度等级划分规则处理所述目标对象的所述第一维度分数和所述第二维度分数，以得到对应的所述第一维度等级和所述第二维度等级；
组合所述目标对象在对应维度下的所述第一维度等级、所述预设改造措施以及所述第二维度等级，以得到所述目标对象的预设参考数据。
3.一种改造措施效度评估装置，其特征在于，用于对预设监管区域内的目标对象进行改造措施效度评估，所述装置包括：
获取模块，用于获取目标对象的预设参考数据，其中，所述预设参考数据包括多维度下的第一维度等级、预设改造措施以及第二维度等级，所述第一维度等级为所述目标对象采取所述预设改造措施前的维度评估等级、所述第二维度等级为所述目标对象采取所述预设改造措施后的维度评估等级；
挖掘模块，用于根据预设频繁项挖掘算法处理所述预设参考数据，以得到目标频繁项，所述目标频繁项包括至少一项改造措施以及所述改造措施对应的至少一个维度变化情况；所述维度变化情况为同一维度下，从所述第一维度等级到所述第二维度等级的变化情况；
评估模块，用于基于预设效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据，以得到各维度下每一预设改造措施的效度数据；
评估模块，还用于获取任一预设改造措施关联的多个目标对象的维度变化情况；
若所述维度变化情况出现的次数大于或等于预设频繁阈值，则关联所述预设改造措施与所述维度变化情况；
将所述预设改造措施与至少一个维度变化情况的关联项确定为目标频繁项；
若任一预设改造措施仅关联一个维度变化情况，判断所述维度变化情况的所述第一维度等级和所述第二维度等级是否相同；
若所述维度变化情况的所述第一维度等级和所述第二维度等级相同，则确定所述关联项为无效关联项；
若所述维度变化情况的所述第一维度等级和所述第二维度等级不同，则确定所述关联项为目标频繁项；
若所述预设改造措施为一项改造措施，基于第一效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据；
若所述预设改造措施为多项改造措施，基于第二效度计算模型处理所述目标频繁项，以得到所述预设改造措施在对应的维度下的效度数据；
所述第一效度计算模型的计算公式为：
其中，SCt表示所述维度变化情况，ACk表示所述预设改造措施，P(SC1，...，SCt|ACk)表示改造措施ACk在维度变化情况SC1，...，SCt中的效度数据，#表示满足预设条件的序列数量，#contains ACk and SC1，...，SCt表示包括改造措施ACk和维度变化情况SC1，...，SCt的序列数量，#contains SC1，...，SCtbut not contains ACk表示包括维度变化情况SC1，...，SCt不包括改造措施ACk的序列数量，#contains SC1，...，SCt表示包括维度变化情况SC1，...，SCt的序列数量；
所述第二效度计算模型的计算公式为：
其中，SCt表示所述维度变化情况，ACk表示所述预设改造措施，SCORE(SC1 ... SCt|AC1... ACk)表示改造措施组合AC1 ... ACk作为预设改造措施时在维度变化情况SC1，...，SCt中的效度数据，表示具有依赖性的改造措施，#表示满足预设条件的序列数量，#containsAC1 ... ACk and SC1 ... SCt表示包括改造措施组合AC1 ... ACk和维度变化情况SC1，...，SCt的序列数量，#contains SC1 ... SCtbut not contains AC1 ... ACk表示包括维度变化情况SC1，...，SCt不包括改造措施组合AC1 ... ACk的序列数量，#contains SC1... SCt表示包括维度变化情况SC1，...，SCt的序列数量，α为对应改造措施ACj惩罚系数。
4.一种终端设备，其特征在于，所述终端设备包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行权利要求1至2任一项所述的改造措施效度评估方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至2中任一项所述的改造措施效度评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211266759.5A CN115481929B (zh) | 2022-10-17 | 2022-10-17 | 改造措施效度评估方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211266759.5A CN115481929B (zh) | 2022-10-17 | 2022-10-17 | 改造措施效度评估方法、装置、终端设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115481929A CN115481929A (zh) | 2022-12-16 |
| CN115481929B true CN115481929B (zh) | 2023-11-24 |
Family
ID=84396490
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211266759.5A Active CN115481929B (zh) | 2022-10-17 | 2022-10-17 | 改造措施效度评估方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115481929B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109614507A (zh) * | 2018-11-22 | 2019-04-12 | 浙江大学 | 一种基于频繁项挖掘的遥感图像推荐装置 |
| CN110189026A (zh) * | 2019-05-30 | 2019-08-30 | 京东城市(北京)数字科技有限公司 | 空气质量改善措施的评估方法及装置、介质、电子设备 |
| WO2019165673A1 (zh) * | 2018-02-27 | 2019-09-06 | 平安科技（深圳）有限公司 | 一种报销单风险预测方法、装置、终端设备及存储介质 |
| CN112785108A (zh) * | 2019-11-11 | 2021-05-11 | 国网天津市电力公司 | 一种基于调控云的电网运行数据关联分析方法及系统 |
| CN112884325A (zh) * | 2021-02-22 | 2021-06-01 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种客站设备应用分析及健康状况评价方法及系统 |
| CN113159473A (zh) * | 2020-11-30 | 2021-07-23 | 北京泰豪智能工程有限公司 | 一种大数据关联指标智能推荐模型及建模方法和建模装置 |
| CN113568942A (zh) * | 2021-05-26 | 2021-10-29 | 南京师范大学 | 一种数据集频繁项集挖掘可用性评估方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10489363B2 (en) * | 2016-10-19 | 2019-11-26 | Futurewei Technologies, Inc. | Distributed FP-growth with node table for large-scale association rule mining |
-
2022
- 2022-10-17 CN CN202211266759.5A patent/CN115481929B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019165673A1 (zh) * | 2018-02-27 | 2019-09-06 | 平安科技（深圳）有限公司 | 一种报销单风险预测方法、装置、终端设备及存储介质 |
| CN109614507A (zh) * | 2018-11-22 | 2019-04-12 | 浙江大学 | 一种基于频繁项挖掘的遥感图像推荐装置 |
| CN110189026A (zh) * | 2019-05-30 | 2019-08-30 | 京东城市(北京)数字科技有限公司 | 空气质量改善措施的评估方法及装置、介质、电子设备 |
| CN112785108A (zh) * | 2019-11-11 | 2021-05-11 | 国网天津市电力公司 | 一种基于调控云的电网运行数据关联分析方法及系统 |
| CN113159473A (zh) * | 2020-11-30 | 2021-07-23 | 北京泰豪智能工程有限公司 | 一种大数据关联指标智能推荐模型及建模方法和建模装置 |
| CN112884325A (zh) * | 2021-02-22 | 2021-06-01 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种客站设备应用分析及健康状况评价方法及系统 |
| CN113568942A (zh) * | 2021-05-26 | 2021-10-29 | 南京师范大学 | 一种数据集频繁项集挖掘可用性评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 关联且项项正相关频繁模式挖掘;沈斌;姚敏;;浙江大学学报(工学版)(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115481929A (zh) | 2022-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
| US20180365522A1 (en) | Methods and apparatuses for building data identification models | |
| CN112039903B (zh) | 基于深度自编码神经网络模型的网络安全态势评估方法 | |
| CN115729761B (zh) | 一种硬盘故障预测方法、系统、设备及介质 | |
| CN113448955B (zh) | 数据集质量评估方法、装置、计算机设备及存储介质 | |
| CN112951311A (zh) | 一种基于变权重随机森林的硬盘故障预测方法及系统 | |
| US20100076990A1 (en) | Information analysis system, information analysis method, and information analysis program | |
| CN113242213A (zh) | 一种电力通信骨干网节点脆弱性诊断方法 | |
| CN115481929B (zh) | 改造措施效度评估方法、装置、终端设备及存储介质 | |
| CN114650447A (zh) | 一种确定视频内容异常程度的方法、装置及计算设备 | |
| CN109711450A (zh) | 一种电网预想故障集预测方法、装置、电子设备及存储介质 | |
| CN113313582A (zh) | 拒客回捞模型训练方法、装置及电子设备 | |
| CN115146890A (zh) | 企业运营风险告警方法、装置、计算机设备和存储介质 | |
| CN114511409B (zh) | 用户样本处理方法、装置及电子设备 | |
| CN111507878A (zh) | 一种基于用户画像的网络犯罪嫌疑人侦查方法及系统 | |
| CN112580981B (zh) | 农作物气候风险识别方法、装置及计算机设备 | |
| Downey et al. | Evaluating fairness in predictive policing using domain knowledge | |
| CN115062942A (zh) | 应急救援效能评估方法及装置 | |
| CN110399637B (zh) | 一种指数型备件寿命分布参数估计方法及系统 | |
| CN113918435A (zh) | 一种应用程序风险等级的确定方法、装置以及存储介质 | |
| CN112949951A (zh) | 数据预测方法、装置、电子设备及存储介质 | |
| CN114020996A (zh) | 一种识别异常观看用户的方法、装置、介质及计算机设备 | |
| Priya et al. | Predicting the future in time series using auto regressive linear regression modeling | |
| CN115329316B (zh) | 权限处理方法、装置、存储介质和电子设备 | |
| CN111177465A (zh) | 一种确定类别的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |