买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州万澜科技有限公司

摘要：本发明涉及人工智能技术领域，提供一种基于贝叶斯网络的能力评价方法，通过采集能力评价的历史数据，历史数据至少包括影响因素集、能力维度集、能力值集，根据影响因素集和能力维度集作为输入，能力值集作为输出，建立映射关系。构建贝叶斯网络模型，经过训练后输出贝叶斯网络模型；采集影响能力评价的影响因素集，输入训练好的贝叶斯网络模型进行评价，输出能力值集并可视化。本发明还公开了一种用于上述方法的系统，该方法与系统能够将因素权重设置完全交给了贝叶斯网络模型的训练过程，影响能力值变化的相关因素也在网络中进行了更为精准的表达，根据实际情况的变化进行实时调整权重，大大地提高了能力评价的客观性和可解释性。

主权项：1.一种基于贝叶斯网络的能力评价方法，其特征在于，所述基于贝叶斯网络的能力评价方法包括：步骤S1，采集能力评价的历史数据，所述历史数据至少包括影响因素集、能力维度集、能力值集，采用李克特量表将所述影响因素集、所述能力维度集、所述能力值集中的元素分别设置有多个选项值，得到第一数据集；所述影响因素集为，V＝v1,v2,v3,…,vn所述能力维度集为，D＝d1,d2,d3,…,dm其中，vn为第n个影响因素，dm为第m个能力维度，每个能力维度包括多个能力值；步骤S2，根据所述影响因素集V和所述能力维度集D作为输入，所述能力值集Y作为输出，建立映射关系为f，Y＝fV,D并将所述第一数据按照比例设置为训练集和测试集；步骤S3，构建贝叶斯网络模型，包括节点及依赖关系，初始化模型参数，采用极大似然估计方法计算得到模型参数集θ，输出贝叶斯网络模型；步骤S4，将所述贝叶斯网络模型中的所述影响因素集V和所述模型参数集θ设置为已知变量，再将所述能力维度集D作为隐变量，采用EM算法计算得到所述能力维度集D，再将所述训练集中的所述影响因素集V针对贝叶斯网络模型进行训练；采用所述测试集针对所述贝叶斯网络模型进行测试，若所述贝叶斯网络模型输出评价结果数据的准确率达到预设精度后，输出训练好的贝叶斯网络模型；步骤S5，采集影响能力评价的影响因素集V1，根据步骤S4计算得到所述能力维度集D，输入训练好的所述贝叶斯网络模型进行评价，输出能力值集Y并可视化。

全文数据：

权利要求：

百度查询： 杭州万澜科技有限公司 基于贝叶斯网络的能力评价方法和系统