伴随经济发展和社会服务需求，家政服务业发展的步伐日益加快。截至2019年初，家政服务从业人员已超过3000万人，家政市场需求也同样呈现出多元化的高增长态势，但是随之而来的家政服务业服务数量和质量结构等方面问题也逐渐凸显，这些问题使得家政服务业一度陷入结构性的失衡困境。
　　互联网家政服务业的结构性失衡问题主要矛盾集中在家政服务人员的分级考量上，这一分级考量问题本质则是大数据环境背景下的专业性分类问题。本文为实现互联网家政服务人员的专业性分类问题，基于Y互联网家政服务企业的详细家政服务人员数据库，根据心理行为学理论中的应用社会心理学进行科学调研实验，结合数理统计方法确立家政服务人员的静态属性，进而提出了针对家政服务人员专业性的大数据分类算法的判别模型，选择朴素贝叶斯分类算法实现家政服务人员数据中测试样本集判别准确率的分析，最后通过基于MapReduce框架下属性选取的差异化对比试验，进行MapReduce并行化下的朴素贝叶斯算法，进一步阐明针对服务群体属性选取的分类准确率的比较分析。
　　主要研究成果如下：
　　1）研究提出针对家政服务人员静态属性选择的新方法。针对家政服务人员的专业性分类，研究融合心理行为理论的科学实验，以数理统计分析来实现家政服务人员的属性选择，确立影响心理行为因素的六个静态属性选择的结果为性别、户籍、婚姻、年龄、分数和学历。
　　2）研究提出适用于家政服务人员专业性分类的新方法。在将家政服务人员分为四个核心标签的基础上，融合心理行为理论的属性选择结果，搭建针对家政服务人员专业性的朴素贝叶斯算法分类判别模型，在基于心理行为的朴素贝叶斯算法的测试样本的分类准确率上达到了67.5%，准确率较高且具备分类代表性。
　　3）通过对基于MapReduce框架下的属性选取差异化对比实验，研究结果得到属性选取结果的三种不同类别，通过三种结果的朴素贝叶斯算法的分类准确率对比实验中，在属性选取结果为六个的情况下分类准确率最高，且随着属性选取数量的降低，判别分类的准确率也随之降低。
　　本文结合家政服务人员兼具的多变性和随机性，整合利用基于心理行为学理论的科学实验确立静态属性，对比分析基于MapReduce的属性选取差异，实现家政服务人员专业性问题由经验驱动的离散型问题向数据驱动的离散与连续结合型问题的转变，在纵向研究和社会行为的网络化分析研究中既有现实应用意义又具有科学研究价值。