预测变动行为发生概率的方法、装置、介质和电子设备制造方法及图纸

公开了一种预测变动行为发生概率的方法、装置、介质以及电子设备。其中的方法包括：获取待预测对象的状态特征以及所述待预测对象的至少一行为的历史统计量；根据各行为的历史统计量，获取各行为的时序特征；根据各行为的历史统计量，预测所述待预测对象在未来预定时间段内各行为的未来预计量；根据所述状态特征、各行为的历史统计量、各行为的时序特征以及各行为的未来预计量，预测所述待预测对象的变动行为发生概率。本公开提供的技术方案有利于提高变动行为发生概率的预测准确性。

【技术实现步骤摘要】
预测变动行为发生概率的方法、装置、介质和电子设备
本公开涉及计算机技术，尤其是涉及一种预测变动行为发生概率的方法、预测变动行为发生概率的装置、存储介质以及电子设备。
技术介绍
员工的频繁流动往往对公司不利。例如，对于居间行业而言，优秀的经纪人对于公司的经营能力而言，是非常重要的，优秀的经纪人可以为公司带来较多的客户以及交易标的。如何较为准确的预测出员工的变动行为发生概率，以避免员工的变动行为发生现象，是一个值得关注的技术问题。
技术实现思路
为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种预测变动行为发生概率的方法、预测变动行为发生概率的装置、存储介质以及电子设备。根据本公开实施例的一个方面，提供了一种预测变动行为发生概率的方法，该方法包括：获取待预测对象的状态特征以及所述待预测对象的至少一行为的历史统计量；根据各行为的历史统计量，获取各行为的时序特征；根据各行为的历史统计量，预测所述待预测对象在未来预定时间段内各行为的未来预计量；根据所述状态特征、各行为的历史统计量、各行为的时序特征以及各行为的未来预计量，预测所述待预测对象的变动行为发生概率。在本公开一实施方式中，所述根据各行为的历史统计量，获取各行为的时序特征，包括：根据各行为的历史统计量中的基于单位时长的历史统计量进行时序分解，获得各行为的趋势分量、各行为的周期分量以及各行为的余项分量；根据所述各行为的趋势分量，分别获取各行为的基于单调区间斜率的第一特征；根据所述各行为的周期分量，分别获取各行为的基于正弦波的第二特征；根据所述各行为的余项分量，分别获取各行为的用于表征所述待预测对象不稳定性的第三特征。在本公开又一实施方式中，所述根据所述各行为的趋势分量，获取各行为的基于单调区间斜率的第一特征，包括：针对所述待预测对象的任一行为，获取该行为的趋势分量形成的最后一个单调区间的斜率；根据所述斜率以及所述待预测对象所属群体的斜率均值，确定该行为的第一特征。在本公开再一实施方式中，所述根据所述各行为的周期分量，获取各行为的基于正弦波的第二特征，包括：针对所述待预测对象的任一行为，根据该行为的周期分量，获取该行为的正弦波拟合参数；根据所述正弦波拟合参数，确定相邻正弦波顶点间的距离；根据所述距离以及所述待预测对象所属群体的相邻正弦波顶点间的距离均值，确定该行为的第二特征。在本公开再一实施方式中，所述根据所述各行为的余项分量，获取各行为的用于表征所述待预测对象不稳定性的第三特征，包括：针对所述待预测对象的任一行为，根据该行为的余项分量，获取该行为的变异系数；根据所述变异系数以及所述待预测对象所属群体的变异系数均值，确定该行为的第三特征。在本公开再一实施方式中，所述方法还包括：根据所述各行为的趋势分量，获取各行为的突变点距离当前时间的时间间隔；其中，所述突变点为：距离最后一个单调区间最近，且对应时长超过预定时长的单调区间的起点；和/或，根据所述各行为的余项分量，获取各行为的异常点数量；其中，所述异常点为：超过余项分量的标准差预定倍数的点；其中，所述各行为的时间间隔和/或各行为的异常点数量用于：与所述状态特征、各行为的历史统计量、各行为的时序特征以及各行为的未来预计量一起，预测所述待预测对象的变动行为发生概率。在本公开再一实施方式中，所述根据各行为的历史统计量，预测所述待预测对象在未来预定时间段内各行为的未来预计量，包括：针对所述待预测对象的任一行为，根据该行为的历史统计量，预测该行为在未来预定时间段内的行为量范围以及该行为在未来预定时间段内的预定行为量。在本公开再一实施方式中，所述针对所述待预测对象的任一行为，根据该行为的历史统计量，预测该行为在未来预定时间段内的行为量范围以及该行为在未来预定时间段内的预定行为量，包括：针对所述待预测对象的任一行为，将该行为的历史统计量中的基于单位时长的历史统计量，作为模型输入提供给该行为对应的差分整合移动平均自回归ARIMA模型；根据该行为对应的ARIMA模型的输出，获得该行为在未来预定时间段内的行为量范围、以及该行为在未来预定时间段内的预定行为量。在本公开再一实施方式中，所述根据所述状态特征、各行为的历史统计量、各行为的时序特征以及各行为的未来预计量，预测所述待预测对象的变动行为发生概率，包括：至少将所述状态特征、各行为的历史统计量中的基于历史时长的历史统计量、各行为的时序特征以及各行为的未来预计量，作为模型输入，提供给预测模型；确定所述预测模型输出的概率值所属的区间；根据所述区间对应的调整系数，对所述概率值进行调整，获得所述待预测对象的变动行为发生概率；其中，所述历史时长包括多个单位时长，所述调整系数为基于后验的调整系数。根据本公开实施例的另一个方面，提供了一种预测变动行为发生概率的装置，该装置包括：第一获取模块，用于获取待预测对象的状态特征以及所述待预测对象的至少一行为的历史统计量；第二获取模块，用于根据各行为的历史统计量，获取各行为的时序特征；第一预测模块，用于根据各行为的历史统计量，预测所述待预测对象在未来预定时间段内各行为的未来预计量；第二预测模块，用于根据所述状态特征、各行为的历史统计量、各行为的时序特征以及各行为的未来预计量，预测所述待预测对象的变动行为发生概率。在本公开一实施方式中，所述第二获取模块，包括：第一子模块，用于根据各行为的历史统计量中的基于单位时长的历史统计量进行时序分解，获得各行为的趋势分量、各行为的周期分量以及各行为的余项分量；第二子模块，用于根据所述各行为的趋势分量，分别获取各行为的基于单调区间斜率的第一特征；第三子模块，用于根据所述各行为的周期分量，分别获取各行为的基于正弦波的第二特征；第四子模块，用于根据所述各行为的余项分量，分别获取各行为的用于表征所述待预测对象不稳定性的第三特征。在本公开又一实施方式中，所述第二子模块进一步用于：针对所述待预测对象的任一行为，获取该行为的趋势分量形成的最后一个单调区间的斜率；根据所述斜率以及所述待预测对象所属群体的斜率均值，确定该行为的第一特征。在本公开再一实施方式中，所述第三子模块进一步用于：针对所述待预测对象的任一行为，根据该行为的周期分量，获取该行为的正弦波拟合参数；根据所述正弦波拟合参数，确定相邻正弦波顶点间的距离；根据所述距离以及所述待预测对象所属群体的相邻正弦波顶点间的距离均值，确定该行为的第二特征。在本公开再一实施方式中，所述第四子模块进一步用于：针对所述待预测对象的任一行为，根据该行为的余项分量，获取该行为的变异系数；根据所述变异系数以及所述待预测对象所属群体的变异系数均值，确定该行为的第三特征。在本公开再一实施方式中，所述装置还包括：第三获取模块，用于根据所述各行为的趋势分量，获取各行为的突变点距离当前时间的时间间隔；其中，所述突变点为：距离最后一个单调区间最近，且对应时长超过预定时长的单调区间的起点；和/或，第四获取模块，用于根据所述各行为的余项分量，获取各行为的异常点数量；其中，所述异常点为：超过余项分量的标准差预定倍数的点；其本文档来自技高网...

【技术保护点】
1.一种预测变动行为发生概率的方法，包括：/n获取待预测对象的状态特征以及所述待预测对象的至少一行为的历史统计量；/n根据各行为的历史统计量，获取各行为的时序特征；/n根据各行为的历史统计量，预测所述待预测对象在未来预定时间段内各行为的未来预计量；/n根据所述状态特征、各行为的历史统计量、各行为的时序特征以及各行为的未来预计量，预测所述待预测对象的变动行为发生概率。/n

【技术特征摘要】
1.一种预测变动行为发生概率的方法，包括：
获取待预测对象的状态特征以及所述待预测对象的至少一行为的历史统计量；
根据各行为的历史统计量，获取各行为的时序特征；
根据各行为的历史统计量，预测所述待预测对象在未来预定时间段内各行为的未来预计量；
根据所述状态特征、各行为的历史统计量、各行为的时序特征以及各行为的未来预计量，预测所述待预测对象的变动行为发生概率。


2.根据权利要求1所述的方法，其中，所述根据各行为的历史统计量，获取各行为的时序特征，包括：
根据各行为的历史统计量中的基于单位时长的历史统计量进行时序分解，获得各行为的趋势分量、各行为的周期分量以及各行为的余项分量；
根据所述各行为的趋势分量，分别获取各行为的基于单调区间斜率的第一特征；
根据所述各行为的周期分量，分别获取各行为的基于正弦波的第二特征；
根据所述各行为的余项分量，分别获取各行为的用于表征所述待预测对象不稳定性的第三特征。


3.根据权利要求2所述的方法，其中，所述根据所述各行为的趋势分量，获取各行为的基于单调区间斜率的第一特征，包括：
针对所述待预测对象的任一行为，获取该行为的趋势分量形成的最后一个单调区间的斜率；
根据所述斜率以及所述待预测对象所属群体的斜率均值，确定该行为的第一特征。


4.根据权利要求2或3所述的方法，其中，所述根据所述各行为的周期分量，获取各行为的基于正弦波的第二特征，包括：
针对所述待预测对象的任一行为，根据该行为的周期分量，获取该行为的正弦波拟合参数；
根据所述正弦波拟合参数，确定相邻正弦波顶点间的距离；
根据所述距离以及所述待预测对象所属群体的相邻正弦波顶点间的距离均值，确定该行为的第二特征。


5.根据权利要求2至4中任一项所述的方法，其中，所述根据所述各行为的余项分量，获取各行为的用于表征所述待预测对象不稳定性的第三特征，包括：
针对所述待预测对象的任一行为，根据该行为的余项分量，获取该行为的变异系数；
...

【专利技术属性】
技术研发人员：李嘉晨，郭凯，
申请(专利权)人：贝壳技术有限公司，
类型：发明
国别省市：天津;12