[发明专利]基于多维数据的业务能力分析方法、装置、设备及介质

权利要求书

1.一种基于多维数据的业务能力分析方法，其特征在于，所述方法包括：

获取业务员的多维业务数据，对所述多维业务数据进行异常值清洗，得到标准业务数据集；

将所述标准业务数据集进行维度归一化处理，得到归一化数据集；

根据所述归一化数据集中每一个归一化数据集的位置信息对所述归一化数据集中的每一个归一化数据集进行向量转换，得到数据向量；

利用预设的深度学习模型对所述数据向量进行特征提取，得到每一个数据向量的向量特征；

分别计算每一个所述数据向量的向量特征与预设业务的标签之间的距离值，根据所述距离值计算所述业务员的每一种所述预设业务的能力值。

2.如权利要求1所述的基于多维数据的业务能力分析方法，其特征在于，所述对所述多维业务数据进行异常值清洗，得到标准业务数据集，包括：

从所述多维业务数据中逐个选取其中一个数据为目标数据；

计算所述目标数据与所述目标数据的邻近数据的局部可达密度比值；

判断所述局部可达密度比值是否小于或等于预设数值；

若所述局部可达密度比值大于所述预设数值，返回从所述多维业务数据中逐个选取其中一个数据为目标数据的步骤；

若所述局部可达密度比值小于或等于所述预设数值，则利用所述目标数据的邻近数据的均值对所述目标数据进行替换，得到标准业务数据集。

3.如权利要求2所述的基于多维数据的业务能力分析方法，其特征在于，所述计算所述目标数据与所述目标数据的邻近数据的局部可达密度比值，包括：

利用如下对比算法计算所述目标数据与所述目标数据的邻近目标数据的局部可达密度比值LF_k(q)：

其中，N_k(q)为所述目标数据的邻近目标数据的集合，p为所述目标数据，q为N_k(q)中任一邻近目标数据，ld_k(q)为N_k(q)内的数据密度，ld(p)为所述目标数据的自身密度，k为N_k(q)中邻近目标数据的个数，reach-distk(p，q)为用于计算p，q之间的距离的运算。

4.如权利要求1所述的基于多维数据的业务能力分析方法，其特征在于，所述将所述标准业务数据集进行维度归一化处理，得到归一化数据集，包括：

利用预设的映射函数将所述标准业务数据集中数值型的数据映射至预设的坐标空间，得到每一个数值型数据的空间坐标；

利用预设的编码方式对所述标准业务数据集中非数值型的数据进行编码，得到每一个非数值型数据的数据编码；

将所述数据编码按照所述坐标空间的维度进行坐标转换，并将所述坐标转化得到的坐标映射至所述坐标空间，得到每一个非数值型数据的空间坐标；

将所有数值型数据的空间坐标和所有非数值型数据的空间坐标汇集为所述归一化数据集。

5.如权利要求4所述的基于多维数据的业务能力分析方法，其特征在于，所述将所述数据编码按照所述坐标空间的维度进行坐标转换，包括：

统计所述数据编码中每一个编码的编码长度，计算所述编码长度中最大的长度与所述坐标空间的维度之间的最小公倍数为目标长度；

利用预设参数将所述编码数据中所有数据编码的编码长度延长至所述目标长度，得到延长编码；

将每一个所述延长编码按照所述坐标空间的维度进行均匀切分，得到每一个所述延长编码对应的坐标。

6.如权利要求1所述的基于多维数据的业务能力分析方法，其特征在于，所述根据所述归一化数据集中每一个数据的位置信息对所述归一化数据集中的每一个数据进行向量转换，得到数据向量，包括：

从所述归一化数据集中逐个选取其中一个数据，按照被选取的数据在所述归一化数据集中的位置信息对所述被选取的数据进行编码，得到位置编码；

将所述被选取的数据转换为初始向量，并将所述位置编码写入所述初始向量，得到被选取的数据对应的数据向量。