数据处理方法及装置制造方法及图纸

本发明专利技术实施例提供了数据处理方法及装置。该方法包括：获得多个人员对象分别在各个预定关系类型下的业务数据；根据所获得的业务数据，计算每两个人员对象所对应的关系维度向量；将每两个人员对象所对应的关系维度向量转换为上层维度向量；将所述上层维度向量所包括的上层维度的维度值，按照所对应预设的上层维度权重加权，得到每两个人员对象所对应的整体关系强度值。通过本方案，可以解决每个关系维度与其他所有关系维度具有较高耦合性的问题。

Data processing methods and devices

The embodiment of the invention provides a data processing method and a device. The method includes: obtaining business data of a plurality of personnel in each object separately under predetermined relationship types; according to business data, the relationship dimension vector corresponding calculation for each of the two personnel object; relationship dimension vector corresponding to each of the two staff object converted to the dimension vector; the upper dimensions include the upper dimension vector dimension value, according to the upper dimensions of weight corresponding to the preset, get the overall relationship between the intensity corresponding to each of the two staff of the value of the object. Through this scheme, we can solve the problem of high coupling between each relational dimension and all other relational dimensions.

【技术实现步骤摘要】
数据处理方法及装置
本专利技术涉及大数据分析
，特别是涉及数据处理方法及装置。
技术介绍
人际关系是人们生活中不可或缺的一部分，同时也是相关部门掌握某些人员的社会关系的重要依据，因此，为了充分了解人员对象的人际关系，存在人员对象的关系强度的计算需求。现有技术中，在确定某一区域范围(如小区范围、公司范围、大楼等)内的人员对象之间的整体关系强度时，首先基于数据源获得各个人员对象在各个预定关系类型(如组织关系类型、邮件类型、门禁类型、停车类型、通话类型等)下的业务数据，然后计算各个预定关系类型所对应的关系强度，对各个预定关系类型所对应的关系强度按照各自所对应的预设权重值进行加权处理，得到整体关系强度，各自所对应的预设权重通过训练样本得到。但是，当需要增加一个关系维度(即增加一个预定关系类型)，或减少一个关系维度(即减少一个预定关系类型)，所有关系维度所对应的预设权重需要被调整，即重新通过训练样本得到各个预定关系类型所对应的预设权重，调整数据量较大。也就是说，每个关系维度与其他所有关系维度具有依赖关系，耦合性较高。
技术实现思路
本专利技术实施例的目的在于提供数据处理方法及装置，以解决每个关系维度与其他所有关系维度具有较高耦合性的问题。具体技术方案如下：第一方面，本专利技术实施例所提供的一种数据处理方法，包括：获得多个人员对象分别在各个预定关系类型下的业务数据；根据所获得的业务数据，计算每两个人员对象所对应的关系维度向量，其中，所述关系维度向量中的每一关系维度唯一对应一个预定关系类型，每一关系维度的维度值为所对应预定关系类型下相应两个人员对象的关系强度值；将每两个人员对象所对应的关系维度向量转换为上层维度向量，其中，所述上层维度向量中的每一上层维度唯一对应至少一个关系维度，每一上层维度的维度值为：对相应至少一个关系维度的维度值，按照所对应关系维度权重加权后所得的值；将所述上层维度向量所包括的上层维度的维度值，按照所对应预设的上层维度权重加权，得到每两个人员对象所对应的整体关系强度值；其中，各个上层维度权重为归一化后的值，每一上层维度所对应的各个关系维度权重为归一化后的值，各个关系维度权重为以预设的上层维度权重为基础对训练样本训练所得的值。可选的，本专利技术实施例所提供的数据处理方法，还包括：基于每两个人员对象的整体关系强度值和每两个人员对象的标识信息，生成所述各个人员对象的关系网络，其中，所述关系网络中，每一个节点唯一对应一个人员对象，每个节点的节点标识为相应人员对象的标识信息，每两个节点之间的连接线的属性值基于所对应人员对象的整体关系强度值确定。可选的，所述关系网络为平面形态的关系网络；或者，所述关系网络为球体形态的关系网络，其中，所述球体形态的关系网络包括可视区域与不可视区域，所述可视区域中所展示的部分关系网络的透明度低于所述不可视区域中所展示的部分关系网络的透明度。可选的，所述球体形态的关系网络具有动态展示效果，其中，所述动态展示效果为：随着球体的旋转，球体表面动态浮现人员对象的关联关系。可选的，所述上层维度向量包括角色关系、空间关系和媒体行为三类上层维度。可选的，本专利技术实施例所提供的数据处理方法，还包括：以预设的上层维度权重为基础，对训练样本训练各个关系维度权重。可选的，本专利技术实施例所提供的数据处理方法，还包括：当增加预定关系类型或减少预定关系类型时，确定所增加预定关系类型或减少预定关系类型所在的第一上层维度；以预设的上层维度权重和第二上层维度所对应的关系维度权重为基础，对训练样本训练所述第一上层维度当前所包括的关系维度的关系维度权重，其中，第二上层维度为所述第一上层维度以外的上层维度。可选的，各个关系维度权重以预设的上层维度权重为基础采用梯度性下降法对训练样本训练所得的值。第二方面，本专利技术实施例所提供的数据处理装置，包括：业务数据获得模块，用于获得多个人员对象分别在各个预定关系类型下的业务数据；关系维度向量计算模块，用于根据所获得的业务数据，计算每两个人员对象所对应的关系维度向量，其中，所述关系维度向量中的每一关系维度唯一对应一个预定关系类型，每一关系维度的维度值为所对应预定关系类型下相应两个人员对象的关系强度值；上层维度向量确定模块，用于将每两个人员对象所对应的关系维度向量转换为上层维度向量，其中，所述上层维度向量中的每一上层维度唯一对应至少一个关系维度，每一上层维度的维度值为：对相应至少一个关系维度的维度值，按照所对应关系维度权重加权后所得的值；整体关系强度值确定模块，用于将所述上层维度向量所包括的上层维度的维度值，按照所对应预设的上层维度权重加权，得到每两个人员对象所对应的整体关系强度值；其中，各个上层维度权重为归一化后的值，每一上层维度所对应的各个关系维度权重为归一化后的值，各个关系维度权重为以预设的上层维度权重为基础对训练样本训练所得的值。可选的，本专利技术实施例所提供的数据处理装置，还包括：关系网络生成模块，用于基于每两个人员对象的整体关系强度值和每两个人员对象的标识信息，生成所述各个人员对象的关系网络，其中，所述关系网络中，每一个节点唯一对应一个人员对象，每个节点的节点标识为相应人员对象的标识信息，每两个节点之间的连接线的属性值基于所对应人员对象的整体关系强度值确定。可选的，所述关系网络为平面形态的关系网络；或者，所述关系网络为球体形态的关系网络，其中，所述球体形态的关系网络包括可视区域与不可视区域，所述可视区域中所展示的部分关系网络的透明度低于所述不可视区域中所展示的部分关系网络的透明度。可选的，所述球体形态的关系网络具有动态展示效果，其中，所述动态展示效果为：随着球体的旋转，球体表面动态浮现人员对象的关联关系。可选的，所述上层维度向量包括角色关系、空间关系和媒体行为三类上层维度。可选的，本专利技术实施例所提供的数据处理装置，还包括：第一权重训练模块，用于以预设的上层维度权重为基础，对训练样本训练各个关系维度权重。可选的，本专利技术实施例所提供的数据处理装置，还包括：变化状态确定模块，用于当增加预定关系类型或减少预定关系类型时，确定所增加预定关系类型或减少预定关系类型所在的第一上层维度；第二权重训练模块，用于以预设的上层维度权重和第二上层维度所对应的关系维度权重为基础，对训练样本训练所述第一上层维度当前所包括的关系维度的关系维度权重，其中，第二上层维度为所述第一上层维度以外的上层维度。可选的，各个关系维度权重以预设的上层维度权重为基础采用梯度性下降法对训练样本训练所得的值。本专利技术实施例中，将关系维度向量转换为上层维度向量，即将至少一个关系维度对应到唯一的上层维度上，每一上层维度的维度值为：对相应至少一个关系维度的维度值，按照所对应关系维度权重加权后所得的值，且每一上层维度所对应的关系维度权重的和均相同，各个关系维度权重为以预设的上层维度权重为基础对训练样本训练所得的值，这样每个关系维度仅仅依赖于所在上层维度上的其他关系维度，在关系维度发生变化时，只需训练所增加或减少的关系维度所在上层维度中各个关系维度所对应的关系维度权重，避免了对其他所有关系维度的关系维度权重的重训练，因此，可以解决每个关系维度与其他所有关系维度具有较高耦合性的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下本文档来自技高网...

【技术保护点】
一种数据处理方法，其特征在于，包括：获得多个人员对象分别在各个预定关系类型下的业务数据；根据所获得的业务数据，计算每两个人员对象所对应的关系维度向量，其中，所述关系维度向量中的每一关系维度唯一对应一个预定关系类型，每一关系维度的维度值为所对应预定关系类型下相应两个人员对象的关系强度值；将每两个人员对象所对应的关系维度向量转换为上层维度向量，其中，所述上层维度向量中的每一上层维度唯一对应至少一个关系维度，每一上层维度的维度值为：对相应至少一个关系维度的维度值，按照所对应关系维度权重加权后所得的值；将所述上层维度向量所包括的上层维度的维度值，按照所对应预设的上层维度权重加权，得到每两个人员对象所对应的整体关系强度值；其中，各个上层维度权重为归一化后的值，每一上层维度所对应的各个关系维度权重为归一化后的值，各个关系维度权重为以预设的上层维度权重为基础对训练样本训练所得的值。

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获得多个人员对象分别在各个预定关系类型下的业务数据；根据所获得的业务数据，计算每两个人员对象所对应的关系维度向量，其中，所述关系维度向量中的每一关系维度唯一对应一个预定关系类型，每一关系维度的维度值为所对应预定关系类型下相应两个人员对象的关系强度值；将每两个人员对象所对应的关系维度向量转换为上层维度向量，其中，所述上层维度向量中的每一上层维度唯一对应至少一个关系维度，每一上层维度的维度值为：对相应至少一个关系维度的维度值，按照所对应关系维度权重加权后所得的值；将所述上层维度向量所包括的上层维度的维度值，按照所对应预设的上层维度权重加权，得到每两个人员对象所对应的整体关系强度值；其中，各个上层维度权重为归一化后的值，每一上层维度所对应的各个关系维度权重为归一化后的值，各个关系维度权重为以预设的上层维度权重为基础对训练样本训练所得的值。2.根据权利要求1所述的方法，其特征在于，还包括：基于每两个人员对象的整体关系强度值和每两个人员对象的标识信息，生成所述各个人员对象的关系网络，其中，所述关系网络中，每一个节点唯一对应一个人员对象，每个节点的节点标识为相应人员对象的标识信息，每两个节点之间的连接线的属性值基于所对应人员对象的整体关系强度值确定。3.根据权利要求2所述的方法，其特征在于，所述关系网络为平面形态的关系网络；或者，所述关系网络为球体形态的关系网络，其中，所述球体形态的关系网络包括可视区域与不可视区域，所述可视区域中所展示的部分关系网络的透明度低于所述不可视区域中所展示的部分关系网络的透明度。4.根据权利要求3所述的方法，其特征在于，所述球体形态的关系网络具有动态展示效果，其中，所述动态展示效果为：随着球体的旋转，球体表面动态浮现人员对象的关联关系。5.根据权利要求1-4任一项所述的方法，其特征在于，所述上层维度向量包括角色关系、空间关系和媒体行为三类上层维度。6.根据权利要求1-4任一项所述的方法，其特征在于，还包括：以预设的上层维度权重为基础，对训练样本训练各个关系维度权重。7.根据权利要求6所述的方法，其特征在于，还包括：当增加预定关系类型或减少预定关系类型时，确定所增加预定关系类型或减少预定关系类型所在的第一上层维度；以预设的上层维度权重和第二上层维度所对应的关系维度权重为基础，对训练样本训练所述第一上层维度当前所包括的关系维度的关系维度权重，其中，第二上层维度为所述第一上层维度以外的上层维度。8.根据权利要求1-4任一项所述的方法，其特征在于，各个关系维度权重以预设的上层维度权重为基础采用梯度性下降法对训练样本训练所得的值。9.一种数据处理装置，其特征在于，包括：业务数据获得模块，用于获得多个人员对象分别在各个预定关系类型下的业务...

【专利技术属性】
技术研发人员：管国辰，林武康，刘中军，张仪，叶波，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33