申请/专利权人：匠达(苏州)科技有限公司

申请日：2024-04-16

公开（公告）日：2024-06-21

公开（公告）号：CN118052480B

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06F18/213;G06F18/22;G06F18/2321;G06N3/044;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本申请涉及画像数据获取技术领域，具体涉及基于深度学习的家居工程师画像数据快速获取方法，该方法包括：采集信息特征向量矩阵；获取各数据元素的距离特征聚集指数；进而获取各数据元素的数据结构紧密指数；获取数据结构紧密指数的各聚类簇，进而获取各聚类簇的簇内结构相似度；获取各聚类簇的簇间距离邻近度；计算各聚类簇的簇结构特征近邻指数；进而获取各家居工程师的局部结构信息丰富度；获取各家居工程师的高维数据进行降维时的困惑度适应值；获取各家居工程师的各降维向量，进而获取各家居工程师的家居服务质量评级和技能评级。本申请可实现更加准确地追踪家居工程师的家居服务质量评级以及技能评级的预测结果。

主权项：1.基于深度学习的家居工程师画像数据快速获取方法，其特征在于，该方法包括以下步骤：采集各家居工程师的各维度人员工作信息数据，将各家居工程师的所有维度的人员工作信息数据分别进行向量化处理，得到各家居工程师各维度的信息特征向量，将各家居工程师的所有信息特征向量作为各行向量组成各家居工程师的信息特征向量矩阵；所述人员工作信息数据为上门安装经历、维修售后服务经历和技能培训经历；使用聚类算法，结合信息特征矩阵向量矩阵获取各数据元素的距离特征聚集指数；根据距离特征聚集指数和数据元素的局部密度获取各数据元素的数据结构紧密指数；使用聚类算法获取各家居工程师的信息特征向量矩阵内所有数据元素的数据结构紧密指数的各聚类簇，结合数据结构紧密指数获取各聚类簇的簇内结构相似度；根据聚类簇中数据结构紧密指数和各聚类簇之间的距离获取各聚类簇的簇间距离邻近度；根据簇内结构相似度、簇间距离邻近度和聚类簇中数据结构紧密指数的值获取各聚类簇的簇结构特征近邻指数；根据簇结构特征近邻指数获取各家居工程师的簇结构特征变化序列；根据簇结构特征变化序列获取各家居工程师的局部结构信息丰富度；根据局部结构信息丰富度获取各家居工程师的高维数据进行降维时的困惑度适应值；根据困惑度适应值对各家居工程师的信息特征向量矩阵的各降维向量，使用神经网络，结合降维向量，获取各家居工程师的家居服务质量评级和技能评级。

全文数据：

权利要求：

百度查询： 匠达(苏州)科技有限公司 基于深度学习的家居工程师画像数据快速获取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD