[发明专利]一种基于监督式学习的警务人员学习分析系统

权利要求书

1.一种基于监督式学习的警务人员学习分析系统，针对警务人员对警务试题系统的使用学习状况，周期针对警务人员进行标签式划分；其特征在于，周期执行如下步骤A至步骤F；

步骤A.警务试题系统的服务器端获取上一周期时间节点与当前周期时间节点之间，访问警务试题系统的各个警务人员分别所对应的各个访问日志，然后进入步骤B；

步骤B.服务器端针对所获各个警务人员分别所对应各个访问日志中的数据，执行去空、去重、以及去不符合预设完整性条件的数据，更新各个警务人员分别所对应各个访问日志，然后进入步骤C；

步骤C.根据按访问日志中数据类别所预设的各个初级评价标签，分别针对各个警务人员，根据警务人员所对应的各个访问日志，获得该警务人员分别对应各初级评价标签的结果数据；即获得各个警务人员分别对应各初级评价标签的结果数据，然后进入步骤D；

步骤D.分别针对各个初级评价标签，判断各警务人员分别所对应初级评价标签的结果数据的整体缺失率是否达到预设缺失阈值，是则删除该初级评价标签；否则保留该初级评价标签；完成对各个初级评价标签的缺失检查后，将剩余各个初级评价标签分别作为各个中级评价标签，然后进入步骤E；

步骤E.根据各个警务人员分别所对应各中级评价标签的结果数据，针对各中级评价标签，执行如下步骤E1至步骤E4进行相关性删除操作，剩余各中级评价标签中、任意两两之间的相关性值均低于预设相关阈值，将剩余各个中级评价标签分别作为各个终级评价标签，然后进入步骤F；

步骤E1.任意选择两个中级评价标签，且该两个中级评价标签的组合未执行过步骤E1至步骤E3，将该两个中级评价标签分别作为两个待比较标签，由两个待比较标签分别对应各警务人的相应结果数据，构成两个待比较标签分别所对应的向量，然后进入步骤E2；

步骤E2.获得两个待比较标签分别所对应向量之间的余弦距离，作为两个待比较标签之间的相关性值，然后进入步骤E3；

步骤E3.针对两个待比较标签执行相关性比较，即判断两个待比较标签之间的相关性值是否大于或等于预设相关阈值，是则删除两个待比较标签中的任意一个，保留另一个；否则保留两个待比较标签；

完成判断后，进入步骤E4；

步骤E4.针对剩余各个中级评价标签，判断是否存在两个中级评价标签的组合未执行过步骤E1至步骤E3，是则返回步骤E1，否则即完成对各中级评价标签的相关性删除操作；步骤F.根据各个警务人员分别所对应各终级评价标签的结果数据，应用预设分类算法对各个警务人员进行划分，即获得警务人员的标签式划分。

2.根据权利要求1所述一种基于监督式学习的警务人员学习分析系统，其特征在于：还包括如下步骤EF如下，执行完所述步骤E之后，进入步骤EF；

步骤EF.针对各个警务人员分别所对应各终级评价标签的结果数据，对其中所有的数值型变量进行归一化处理，同时将其中所有的枚举型变量转换为哑变量，实现对各个警务人员分别所对应各终级评价标签的结果数据的更新，然后进入步骤F。

3.根据权利要求1所述一种基于监督式学习的警务人员学习分析系统，其特征在于：所述步骤C中，获得上一周期时间节点与当前周期时间节点之间、各警务人员的出警记录，根据按访问日志中数据类别、以及出警记录中数据类别所预设的各个初级评价标签，分别针对各个警务人员，根据警务人员所对应的各个访问日志，获得该警务人员分别对应各初级评价标签的结果数据。

4.根据权利要求1所述一种基于监督式学习的警务人员学习分析系统，其特征在于：还包括步骤G如下，所述步骤F中，在获得警务人员的标签式划分后，即获得各个警务人员划分组，然后进入步骤G；

步骤G.分别针对各警务人员划分组：首先获取上一周期时间节点与当前周期时间节点之间，警务人员划分组中各警务人员分别所对应的各个访问日志；然后针对该警务人员划分组中各警务人员，依次执行步骤B至步骤E，获得该警务人员划分组所对应的各终级评价标签；

完成分别对各警务人员划分组的上述操作后，即获得各警务人员划分组分别所对应的各终级评价标签。

5.根据权利要求1所述一种基于监督式学习的警务人员学习分析系统，其特征在于：所述步骤F中，根据各个警务人员分别所对应各终级评价标签的结果数据，应用Kmeans分类算法对各个警务人员进行划分。