[發(fā)明專利]一種數(shù)據(jù)分析方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201710108744.9
• 申請(qǐng)日: 2017-02-27
• 公開(kāi)（公告）號(hào): CN106940836A
• 公開(kāi)（公告）日: 2017-07-11
• 發(fā)明（設(shè)計(jì)）人: 李悅;滕放;曹培坤;馬超;趙繼廣
• 申請(qǐng)（專利權(quán)）人: 北京因果樹(shù)網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q10/10;G06Q50/26;G06Q50/02
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司11291
• 代理人: 黃志華

1.一種數(shù)據(jù)分析方法，其特征在于，包括：

針對(duì)獲得的每一個(gè)孵化機(jī)構(gòu)的數(shù)據(jù)，基于第一預(yù)設(shè)的相關(guān)性分析法和第一預(yù)設(shè)的特征工程法，分別將相似度大于預(yù)設(shè)閾值的數(shù)據(jù)指標(biāo)進(jìn)行融合，獲得融合后的各個(gè)聚合因子；

將所述各個(gè)聚合因子，分別歸類到確定的各個(gè)分析維度中；

分別將歸類到各個(gè)分析維度中的聚合因子進(jìn)行歸一化處理，并根據(jù)預(yù)設(shè)的各個(gè)分析維度的權(quán)重值，分別計(jì)算每一個(gè)孵化機(jī)構(gòu)的排名等級(jí)。

2.如權(quán)利要求1所述的方法，其特征在于，分別將相似度大于預(yù)設(shè)閾值的數(shù)據(jù)指標(biāo)進(jìn)行融合之前，進(jìn)一步包括：

分別從每一個(gè)孵化機(jī)構(gòu)的數(shù)據(jù)中提取出能夠用于比對(duì)的特征，并針對(duì)定性的數(shù)據(jù)指標(biāo)進(jìn)行量化；

采用預(yù)設(shè)的篩選策略，篩選出符合所述預(yù)設(shè)的篩選策略的數(shù)據(jù)，并采用預(yù)設(shè)的比對(duì)法和分析相似觀測(cè)值法，補(bǔ)充缺失的數(shù)據(jù)指標(biāo)的取值。

3.如權(quán)利要求2所述的方法，其特征在于，所述第一預(yù)設(shè)的相關(guān)性分析法，為Pearson相關(guān)性分析。

4.如權(quán)利要求2所述的方法，其特征在于，分別將相似度大于預(yù)設(shè)閾值的數(shù)據(jù)指標(biāo)進(jìn)行融合，獲得融合后的各個(gè)聚合因子，具體包括：

針對(duì)數(shù)量級(jí)大于預(yù)設(shè)值的數(shù)據(jù)指標(biāo)，分別進(jìn)行求導(dǎo)，并采用預(yù)設(shè)的運(yùn)算方法，分別計(jì)算相似度大于預(yù)設(shè)值的數(shù)據(jù)指標(biāo)的運(yùn)算結(jié)果，獲得融合后的各個(gè)聚合因子。

5.如權(quán)利要求1-4任一項(xiàng)所述的方法，其特征在于，將所述各個(gè)聚合因子，分別歸類到確定的各個(gè)分析維度中，具體包括：

采用第二預(yù)設(shè)的相關(guān)性分析法和第二預(yù)設(shè)的特征工程法，將所述各個(gè)聚合因子分別歸類到確定的各個(gè)分析維度中。

6.一種數(shù)據(jù)分析裝置，其特征在于，包括：

融合單元，用于針對(duì)獲得的每一個(gè)孵化機(jī)構(gòu)的數(shù)據(jù)，基于第一預(yù)設(shè)的相關(guān)性分析法和第一預(yù)設(shè)的特征工程法，分別將相似度大于預(yù)設(shè)閾值的數(shù)據(jù)指標(biāo)進(jìn)行融合，獲得融合后的各個(gè)聚合因子；

歸類單元，用于將所述各個(gè)聚合因子，分別歸類到確定的各個(gè)分析維度中；

計(jì)算單元，用于分別將歸類到各個(gè)分析維度中的聚合因子進(jìn)行歸一化處理，并根據(jù)預(yù)設(shè)的各個(gè)分析維度的權(quán)重值，分別計(jì)算每一個(gè)孵化機(jī)構(gòu)的排名等級(jí)。

7.如權(quán)利要求6所述的裝置，其特征在于，分別將相似度大于預(yù)設(shè)閾值的數(shù)據(jù)指標(biāo)進(jìn)行融合之前，進(jìn)一步包括，預(yù)處理單元，用于：

分別從每一個(gè)孵化機(jī)構(gòu)的數(shù)據(jù)中提取出能夠用于比對(duì)的特征，并針對(duì)定性的數(shù)據(jù)指標(biāo)進(jìn)行量化；

采用預(yù)設(shè)的篩選策略，篩選出符合所述預(yù)設(shè)的篩選策略的數(shù)據(jù)，并采用預(yù)設(shè)的比對(duì)法和分析相似觀測(cè)值法，補(bǔ)充缺失的數(shù)據(jù)指標(biāo)的取值。

8.如權(quán)利要求7所述的裝置，其特征在于，所述第一預(yù)設(shè)的相關(guān)性分析法，為Pearson相關(guān)性分析。

9.如權(quán)利要求7所述的裝置，其特征在于，分別將相似度大于預(yù)設(shè)閾值的數(shù)據(jù)指標(biāo)進(jìn)行融合，獲得融合后的各個(gè)聚合因子時(shí)，融合單元具體用于：

針對(duì)數(shù)量級(jí)大于預(yù)設(shè)值的數(shù)據(jù)指標(biāo)，分別進(jìn)行求導(dǎo)，并采用預(yù)設(shè)的運(yùn)算方法，分別計(jì)算相似度大于預(yù)設(shè)值的數(shù)據(jù)指標(biāo)的運(yùn)算結(jié)果，獲得融合后的各個(gè)聚合因子。

10.如權(quán)利要求6-9任一項(xiàng)所述的裝置，其特征在于，將所述各個(gè)聚合因子，分別歸類到確定的各個(gè)分析維度中時(shí)，歸類單元具體用于：

采用第二預(yù)設(shè)的相關(guān)性分析法和第二預(yù)設(shè)的特征工程法，將所述各個(gè)聚合因子分別歸類到確定的各個(gè)分析維度中。