CN107742178A - 任务量化方法及装置 - Google Patents
任务量化方法及装置 Download PDFInfo
- Publication number
- CN107742178A CN107742178A CN201710839429.3A CN201710839429A CN107742178A CN 107742178 A CN107742178 A CN 107742178A CN 201710839429 A CN201710839429 A CN 201710839429A CN 107742178 A CN107742178 A CN 107742178A
- Authority
- CN
- China
- Prior art keywords
- task
- value
- magnitude
- characteristic item
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000013139 quantization Methods 0.000 claims abstract description 21
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000011002 quantification Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000009394 selective breeding Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
- G06Q10/1097—Task assignment
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Machine Translation (AREA)
Abstract
本发明提供了一种任务量化方法及装置,涉及数据自动化处理技术领域。一种任务的量化方法,包括如下步骤:采集用户输入的文字信息和/或语音信息,对前述文字信息和/或语音信息进行语义分析;根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性;基于预设的属性与价值量映射关系,获取前述属性对应的价值量作为前述任务内容的量化值。本发明对任务的资源占用情况进行量化,以使得可以根据量化结果对设备进行任务的分配,进而使得用户已有的设备或人力资源得到合理利用,提高任务的分配效率。
Description
技术领域
本发明涉及数据自动化处理技术领域。
背景技术
当前,在自动化项目中,通常希望在任务执行的时候能够实现自动化,让系统自动完成各项任务的分配和任务进程记录。自动化要求减少甚至没有人为干预,从而可以节省人力。自动化项目的主线依据任务,包括:任务的产生,任务的分配,任务的调度,任务的执行,直到任务的完成。在自动化项目中,任务的分配调度显得尤为重要。任务的分配通常要求满足基本分配原则,对承接任务的对象分配符合该对象任务。但该过程往往通过人工操作完成,需要用户主动选择任务的执行者后,再向任务执行者布置任务,操作繁琐,导致任务的分配效率难以提升。
资源的使用效率情况备受人们关注。现有的一种资源分配方案是为设备或人员分配固定数量的任务;或者,用户通过人工选择,衡量任务所需的资源量,然后对选择适配的设备或人员来执行。上述资源分配方案增加了用户的工作量,且分配效率较低。
因此,现在亟需一种对任务所需资源进行量化的方法,以对任务的资源占用情况进行量化,以使得可以根据量化结果对设备进行任务的分配,进而使得用户已有的设备或人力资源得到合理利用。
发明内容
本发明的目的在于:克服现有技术的不足,提供一种任务量化方法及装置。本发明对任务的资源占用情况进行量化,以使得可以根据量化结果对设备进行任务的分配,进而使得用户已有的设备或人力资源得到合理利用,提高任务的分配效率。
为实现上述目标,本发明提供了如下技术方案。
一种任务的量化方法,包括如下步骤:采集用户输入的文字信息和/或语音信息,对前述文字信息和/或语音信息进行语义分析;根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性;基于预设的属性与价值量映射关系,获取前述属性对应的价值量作为前述任务内容的量化值。
进一步,所述计算各个特征项的属性的步骤为,根据提取的特征项,基于预设的难度和/或创造力级别评价标准,评价该任务的难度等级和/或创造力等级;其中,不同的难度等级和/或创造力等级对应有不同的价值量。
进一步,所述特征项为时间项,所述计算各个特征项的属性为计算该时间项的时间跨度。
优选的,所述时间跨度与价值量成比例设置,时间跨度越大,价值量越大。
进一步,所述特征项对应有预设的权重值,所述计算各个特征项的属性为计算所提取的特征项的权重。
所述权重与价值量成比例设置,权重越大,价值量越大。
进一步,所述的特征项为岗位信息,所述岗位预设有权重值,获取该岗位对应的权重值作为特征项的权重。
进一步,所述价值量包括价值类型和量化数量,所述价值类型为形状、重量和体积中的一种或多种,所述量化数量用以表示价值类型的大小。
进一步,获取前述任务分配后的跟踪信息,所述跟踪信息包括任务的执行进度、完成时间以及任务监管人评价中的一种或多种,根据前述跟踪信息调整前述任务对应的价值量。
进一步,获取前述任务分配后的任务执行者信息,采集所述任务执行者的薪资信息,根据所述任务执行者的薪资信息调整前述任务对应的价值量。
本发明还提供了一种任务的量化装置,包括如下结构:
任务采集模块,用以采集用户输入的文字信息和/或语音信息,对前述文字信息和/或语音信息进行语义分析;
任务内容分析模块,连接任务采集模块,用以根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性;
量化处理模块,连接任务内容分析模块,用以基于预设的属性与价值量映射关系,获取前述属性对应的价值量作为前述任务内容的量化值。
本发明由于采用以上技术方案,与现有技术相比,作为举例而非限定,具有以下的优点和积极效果:对任务的资源占用情况进行量化,以使得可以根据量化结果对设备进行任务的分配,进而使得用户已有的设备或人力资源得到合理利用,提高任务的分配效率。
附图说明
图1为本发明实施例提供的任务量化方法的流程图。
图2至图6为本发明实施例提供的通过即时通信工具进行任务量化的操作示例图。
图7为本发明实施例提供的将任务分配信息输出示例图。
图8为本发明实施例提供的任务量化装置的模块结构图。
图中标号如下:
任务量化装置100,任务采集模块110,任务内容分析模块120,量化处理模块130;
用户界面200,用户头像显示栏210,联系人工具控件220,联系人列表221,联系人头像222,任务工具控件230,已有任务项231,新建任务项232。
具体实施方式
以下结合附图和具体实施例对本发明提供的任务量化方法及装置作进一步详细说明。应当注意的是,下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的,它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中,各附图所出现的相同标号代表相同的特征或者部件,可应用于不同实施例中。
需说明的是,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定发明可实施的限定条件,任何结构的修饰、比例关系的改变或大小的调整,在不影响发明所能产生的功效及所能达成的目的下,均应落在发明所揭示的技术内容所能涵盖的范围内。本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
实施例
参见图1所示,一种任务量化方法,包括如下步骤:
S100,采集用户输入的文字信息和/或语音信息,对前述文字信息和/或语音信息进行语义分析。
S200,根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性。
S300,基于预设的属性与价值量映射关系,获取前述属性对应的价值量作为前述任务内容的量化值。
采集用户输入的文字信息的方式,作为举例而非限制,比如可以是采集用户通过键盘输入的文字信息,或者用户通过手写方式输入的文字信息。
采集用户输入的语音信息的方式,可以通过拾音器来实现。作为举例而非限制,比如用户在需要分配任务时,触发了客户端上的语音采集控件,该语音采集控件被触发后,能够启动拾音器工作,通过拾音器采集用户的音频数据。所述拾音器可以包括麦克风和放大器,用以采集现场声音,其结构参考现有技术中的常用拾音器,在此不再赘述。
所述语义分析,是指对用户输入的信息进行识别、处理后获得语义。作为举例而非限制,现有的语义分析方法通常可以包括如下步骤:对句子进行分词,得到M个词语;分别对M个词语进行语义角色标注,寻找并定位该句子中的谓语;对该谓语的施与者和接受者进行标注,得到句子的语义。
本实施例中,考虑到当句子中包含多个信息时,由于仅对谓语的施与者和接受者进行标注以确定句子的语义,使得无法标注句子中的其他重要信息,易造成信息丢失。而且,当句子为口语化语句时,语义分析过程中可能无法寻找到句子中的谓语。可以采用如下方式进行语义分析:
首先,对用户输入的文本信息进行分词;或对用户输入的语音信息进行识别后,获取该语音对应的文本信息,对该文本信息进行分词。其中,可以采用HTK/ATK工具对用户输入语音进行语音识别;也可以采用非特定人语音识别方式对用户输入语音进行语音识别,在此不作限制。
然后,通过分词得到L个词语,所述L≥1;分别获取所述L个词语的特性;根据所述特性分别确定所述L个词语包含的信息量,并从所述L个词语中选取包含信息量多的至少一个词语作为中心词语。作为举例而非限制,当用户输入信息为汉语时,可以采用汉语分词系统,如ICTCLAS等对用户输入语音对应的文本进行分词;用户输入语音为其他语言时,可以采用该语言对应的分词系统进行分词,在此不再赘述。所述词语的特性可以反应词语特有的词性、代表意义等命名实体特征。作为举例而非限制,比如人名、地名、数字、词性(比如形容词、副词、语气词、助词、连词等)。
随后,分别以所述中心词语为中心做窗口,确定所述中心词语的上下文词语;将所述上下文词语与预先训练得到的语义模型进行匹配,得到匹配结果;根据所述匹配结果分析语义。
本实施例中,步骤S100中可以通过即时通信工具直接触发信息的采集。具体实施时,结合图2至图3进行说明。
用户需要分配任务时,可以先启动即时通信工具,所述即时通信工具在启动后,输出图2中所示的用户界面。所述用户界面显示有用户头像显示栏210,用户头像显示栏210下方为搜索栏和工具栏。所述工具栏中的首位为联系人工具控件220,当联系人工具控件220被激活后,用户界面输出联系人列表221,联系人列表中呈现的信息可以包括联系人头像222、联系人昵称等。
在该示例中,所述工具栏中的第三位为任务工具控件230,所述任务工具控件230在被激活后(比如用户通过鼠标或手指点击该控件图标),用户界面输出任务列表。所述任务列表中呈现的信息可以包括任务项、任务主题、任务内容摘要、任务相关的任务执行者、新建任务项控件等。
参见图3所示,所述用户界面输出了任务列表,任务列表包括已有任务项231,在已有任务项231的下方,将任务执行者231-1、231-2、231-3作为该任务项的第一子级项显示在该任务项下方,所述任务执行者为张三、王五和杨杨。与已有任务项231同级设置的新建任务项232,在被触发后,能够触发新的任务项生成并进行任务信息采集。
作为举例而非限制,图3中的新建任务项232可以包括文字触发区和语音触发区。若用户触发了文字“新任务安排”,则启动文本输入法,向用户输出文本信息采集窗口,用户可以通过键盘输出来输入任务的文本信息;若用户触发了录音图标,则启动音频录制工具,采集用户的音频信息。同时,还可以生成该新任务的主题,所述主题可以采用系统默认的方式生成,比如采用任务创建日期“20170729”作为主题;也可以通过采集用户的输入信息生成,比如通过主题命名栏采集用户输出的主题“**项目”。
参见图4所示,当用户触发录音图标时,启动音频录制工具,音频录制工具开始录音,同时生成该任务的主题“20170729”。
采集用户的语音信息“办公室,将下午开会时需要的材料给参会者每人一份;人力专员将明天复试的求职者信息整理一下,今天下班前发送到我的邮箱;另外请相关人员核对一下明天复试的求职者学历信息是否属实”,同时将语音信息同步转换为文字信息在该用户界面显示。
然后,对上述文字进行语义分析,根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性。
所述特征项,是指任务内容中的关键词语。作为举例而非限制,比如涉及任务时间、任务进度、人名、部门名称、岗位名称、职责等内容的词语。参见图5所示,示例了从任务内容中提取特征项的方式。
所述计算各个特征项的属性,是指获取前述特征项的属性信息。作为举例而非限制,比如可以包括:采集提取的特征项的权重、记录每个特征项在语句中的位置、分析各个特征项在语句中所属成分、计算特征项出现的次数等。优选的,在提取特征项之前,对语义分析得到的文本信息进行文本格式转换、统一编码,从而得到同一格式的规范的文本内容。作为举例而非限制,比如删除文本信息中的没有具体意义不代表具体概念的词语。
本实施例中,所述属性与价值量具有映射关系。作为举例而非限制,比如预设有属性列表和价值量列表,且属性列表中的属性信息与价值量列表中的价值量信息具有对应关系,如此,在获取属性信息后,基于前述对应关系可获取该属性信息对应的价值量信息。
所述特征项优选为时间项(即与时间信息相关的关键词语),所述计算各个特征项的属性为计算该时间项的时间跨度。作为举例而非限制,比如采集用户在任务内容中提到的该任务的完成时限,根据所述完成时限和用户输入该任务信息的时间,计算该任务的可执行时间,作为该任务的时间跨度。
优选的,所述时间跨度与价值量成比例设置,时间跨度越大,价值量越大。作为举例而非限制,比如时间跨度为1小时的,对应的价值量为2,时间跨度为3小时的,对应的价值量为5,时间跨度为1天的,对应的价值量为10。如此,根据任务内容的特征项的时间项,即可获取该任务内容对应的价值量,并将该价值量作为该任务内容的量化值。
本实例的另一实施方式中,所述特征项对应有预设的权重值,所述计算各个特征项的属性为计算所提取的特征项的权重。具体的,比如所述的特征项为岗位信息,所述岗位预设有权重值,获取该岗位对应的权重值作为特征项的权重。作为举例而非限制,比如普通人力专员岗位对应的权重值为2,高级人力专员岗位对应的权重值为5,人力经理岗位对应的权重值为10;初级专业技术人员岗位对应的权重值为5,中级专业技术人员岗位对应的权重值为8。
如此,根据任务内容中的岗位信息,即可基于预设的规则计算出该岗位对应的权重值,该权重值作为该任务内容的属性信息。
所述权重与价值量具有映射关系。优选的,本实施例中,所述权重与价值量成比例设置,权重越大,价值量越大。作为举例而非限制,比如权重值为2的,对应的价值量为1,权重值为5的,对应的价值量为3,权重值为10的,对应的价值量为8。如此,根据任务内容的特征项的权重值,即可获取该任务内容对应的价值量,并将该价值量作为该任务内容的量化值。
本实例的另一实施方式中,所述计算各个特征项的属性的步骤为:根据提取的特征项,基于预设的难度和/或创造力级别评价标准,评价该任务的难度等级和/或创造力等级;其中,不同的难度等级和/或创造力等级对应有不同的价值量。即任务内容的价值量,与该任务的难度等级和/或创造力等级相关。
本实例的另一实施方式中,所述价值量还可以进一步细分。具体的,所述价值量可以包括价值类型和量化数量,所述价值类型为形状、重量和体积中的一种或多种,所述量化数量用以表示价值类型的大小。
参见图6所示,根据图5中提取的特征项,将用户输入的任务内容细分为了3个子任务:任务1、任务2和任务3,并分别获取各个子任务的价值量进行量化。所述价值量包括价值类型和量化数量,图6中的价值类型为形状,量化数量用以表示价值类型的大小。作为举例而非限制,比如任务1的价值量为{柱体,5};任务2的价值量为{板体,2};任务3的价值量为{半球体,3}等。
对任务进行量化之后,可以将量化后的任务分配给适配的任务执行者。
所述任务执行者,可以为自然人或智能机器。作为举例而非限制,所述任务执行者可以是公司职员,也可以是智能打印机、智能清扫机器人等装置。而所述任务执行者可以为一个或多个。
本实施例中,还可以通过即时通信工具的用户界面呈现任务分配信息,参见图7所示。优选的,所述任务执行者为前述用户的通信联系人。
在选择了任务执行者之后,还可以将任务自动发送至任务执行者。将任务发送至任务执行者的方式可以为如下方式之一,
方式一,将任务执行者对应的任务转为即时通信消息后,以消息形式发送至所述任务执行者;
方式二,将任务执行者对应的任务载入到任务文档后,以文档形式向所述任务执行者发送;
方式三,将任务执行者对应的任务转为邮件后,以邮件形式发送至所述任务执行者。
本实施例的,还可以根据任务执行者信息、任务执行信息对该任务内容的价值量进行调整。具体的,可以获取前述任务分配后的跟踪信息,所述跟踪信息包括任务的执行进度、完成时间以及任务监管人评价中的一种或多种,根据前述跟踪信息调整前述任务对应的价值量。
或者,获取前述任务分配后的任务执行者信息,采集所述任务执行者的薪资信息,根据所述任务执行者的薪资信息调整前述任务对应的价值量。
如此,在任务量化时,根据反馈学习调整量化标准,使得任务的量化更符合实际需求。
参见图8所示,为本发明的另一实施例,还提供了一种任务的量化装置。
所述任务的量化装置100包括任务采集模块110,任务内容分析模块120和量化处理模块130。
所述任务采集模块110,用以采集用户输入的文字信息和/或语音信息,对前述文字信息和/或语音信息进行语义分析。
所述任务内容分析模块120,连接任务采集模块110,用以根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性。
所述量化处理模块130,连接任务内容分析模块120,用以基于预设的属性与价值量映射关系,获取前述属性对应的价值量作为前述任务内容的量化值。
具体的,所述任务采集模块110可以包括用户信息采集结构和语义分析结构。
所述用户信息采集结构,作为举例而非限制,比如可以包括语义采集控件、拾音器和存储器。用户在需要分配任务时,可以触发语音采集控件,该语音采集控件被触发后,能够启动拾音器工作,通过拾音器采集用户的音频数据。所述拾音器可以包括麦克风和放大器,用以采集现场声音,其结构参考现有技术中的常用拾音器,在此不再赘述。然后将采集的音频数据存储在存储器中。
所述语义分析结构,用以对用户输入的信息进行识别、处理后获得语义。作为举例而非限制,其可以包括语音识别工具和语义分析工具。比如所述音识别工具可以为HTK/ATK工具;所述语义分析工具可以基于分词系统进行工作,比如通过汉语分词系统ICTCLAS等对用户输入语音对应的汉语文本进行分词;用户输入语音为其他语言时,可以采用该语言对应的分词系统进行分词。语义分析工具对句子进行分词后,得到M个词语;分别对M个词语进行语义角色标注,寻找并定位该句子中的关键词;对关键词进行标注,可以得到句子的语义。
所述任务内容分析模块120,可以是一个微处理器。用以根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性。
所述特征项,是指任务内容中的关键词语。作为举例而非限制,比如涉及任务时间、任务进度、人名、部门名称、岗位名称、职责等内容的词语。
所述计算各个特征项的属性,是指获取前述特征项的属性信息。作为举例而非限制,比如可以包括:采集提取的特征项的权重、记录每个特征项在语句中的位置、分析各个特征项在语句中所属成分、计算特征项出现的次数等。优选的,在提取特征项之前,对语义分析得到的文本信息进行文本格式转换、统一编码,从而得到同一格式的规范的文本内容。作为举例而非限制,比如删除文本信息中的没有具体意义不代表具体概念的词语。
所述属性与价值量具有映射关系。作为举例而非限制,比如预设有属性列表和价值量列表,且属性列表中的属性信息与价值量列表中的价值量信息具有对应关系,如此,在获取属性信息后,基于前述对应关系可获取该属性信息对应的价值量信息。
本实施例中,所述特征项优选为时间项(即与时间信息相关的关键词语),所述计算各个特征项的属性为计算该时间项的时间跨度。作为举例而非限制,比如采集用户在任务内容中提到的该任务的完成时限,根据所述完成时限和用户输入该任务信息的时间,计算该任务的可执行时间,作为该任务的时间跨度。
优选的,所述时间跨度与价值量成比例设置,时间跨度越大,价值量越大。作为举例而非限制,比如时间跨度为1小时的,对应的价值量为2,时间跨度为3小时的,对应的价值量为5,时间跨度为1天的,对应的价值量为10。如此,根据任务内容的特征项的时间项,即可获取该任务内容对应的价值量,并将该价值量作为该任务内容的量化值。
本实例的另一实施方式中,所述特征项对应有预设的权重值,所述计算各个特征项的属性为计算所提取的特征项的权重。具体的,比如所述的特征项为岗位信息,所述岗位预设有权重值,获取该岗位对应的权重值作为特征项的权重。作为举例而非限制,比如普通人力专员岗位对应的权重值为2,高级人力专员岗位对应的权重值为5,人力经理岗位对应的权重值为10;初级专业技术人员岗位对应的权重值为5,中级专业技术人员岗位对应的权重值为8。
如此,根据任务内容中的岗位信息,即可基于预设的规则计算出该岗位对应的权重值,该权重值作为该任务内容的属性信息。
所述权重与价值量具有映射关系。优选的,本实施例中,所述权重与价值量成比例设置,权重越大,价值量越大。作为举例而非限制,比如权重值为2的,对应的价值量为1,权重值为5的,对应的价值量为3,权重值为10的,对应的价值量为8。如此,根据任务内容的特征项的权重值,即可获取该任务内容对应的价值量,并将该价值量作为该任务内容的量化值。
本实施例的,还可以根据包括量化标准调整模块。具体的,所述量化标准调整模块,用以获取前述任务分配后的跟踪信息,所述跟踪信息包括任务的执行进度、完成时间以及任务监管人评价中的一种或多种,根据前述跟踪信息调整前述任务对应的价值量。
或者,所述量化标准调整模块,用以获取前述任务分配后的任务执行者信息,采集所述任务执行者的薪资信息,根据所述任务执行者的薪资信息调整前述任务对应的价值量。
如此,在任务量化时,根据反馈学习调整量化标准,使得任务的量化更符合实际需求。
其他技术特征可参见在前实施例中的描述,不再赘述。
在上面的描述中,虽然本公开内容的各方面的所有组件可以被解释为被装配或被操作地连接为一个单元或模块,但是本公开内容并不旨在将其自身限于这些方面。而是,在本公开内容的目标保护范围内,各组件可以以任意数目选择性地且操作性地进行合并。这些组件中的每个组件自身还可以实现成硬件,同时各个组件可以部分地合并或选择性地总体合并且实现成具有用于执行硬件等同体的功能的程序模块的计算机程序。用以构建这种程序的代码或代码段可以由本领域技术人员容易地导出。这种计算机程序可以储存在计算机可读介质中,其可以被运行以实现本公开内容的各方面。计算机可读介质可以包括磁记录介质、光学记录介质以及载波介质。
另外,像“包括”、“囊括”以及“具有”的术语应当默认被解释为包括性的或开放性的,而不是排他性的或封闭性,除非其被明确限定为相反的含义。所有技术、科技或其他方面的术语都符合本领域技术人员所理解的含义,除非其被限定为相反的含义。在词典里找到的公共术语应当在相关技术文档的背景下不被太理想化或太不实际地解释,除非本公开内容明确将其限定成那样。
虽然已出于说明的目的描述了本公开内容的示例方面,但是本领域技术人员应当意识到,上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明的优选实施方式的范围包括另外的实现,其中可以不按所述出或讨论的顺序来执行功能。本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (11)
1.一种任务的量化方法,其特征在于包括如下步骤:
采集用户输入的文字信息和/或语音信息,对前述文字信息和/或语音信息进行语义分析;
根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性;
基于预设的属性与价值量映射关系,获取前述属性对应的价值量作为前述任务内容的量化值。
2.根据权利要求1所述的方法,其特征在于:所述计算各个特征项的属性的步骤为,根据提取的特征项,基于预设的难度和/或创造力级别评价标准,评价该任务的难度等级和/或创造力等级;其中,不同的难度等级和/或创造力等级对应有不同的价值量。
3.根据权利要求1所述的方法,其特征在于:所述特征项为时间项,所述计算各个特征项的属性为计算该时间项的时间跨度。
4.根据权利要求3所述的方法,其特征在于:所述时间跨度与价值量成比例设置,时间跨度越大,价值量越大。
5.根据权利要求1所述的方法,其特征在于:所述特征项对应有预设的权重值,所述计算各个特征项的属性为计算所提取的特征项的权重。
6.根据权利要求5所述的方法,其特征在于:所述权重与价值量成比例设置,权重越大,价值量越大。
7.根据权利要求5所述的方法,其特征在于:所述的特征项为岗位信息,所述岗位预设有权重值,获取该岗位对应的权重值作为特征项的权重。
8.根据权利要求1所述的方法,其特征在于:所述价值量包括价值类型和量化数量,所述价值类型为形状、重量和体积中的一种或多种,所述量化数量用以表示价值类型的大小。
9.根据权利要求1所述的方法,其特征在于:获取前述任务分配后的跟踪信息,所述跟踪信息包括任务的执行进度、完成时间以及任务监管人评价中的一种或多种,根据前述跟踪信息调整前述任务对应的价值量。
10.根据权利要求1所述的方法,其特征在于:获取前述任务分配后的任务执行者信息,采集所述任务执行者的薪资信息,根据所述任务执行者的薪资信息调整前述任务对应的价值量。
11.一种任务的量化装置,其特征在于包括:
任务采集模块,用以采集用户输入的文字信息和/或语音信息,对前述文字信息和/或语音信息进行语义分析;
任务内容分析模块,连接任务采集模块,用以根据所述语义获取任务内容,提取所述任务内容的特征项,并计算各个特征项的属性;
量化处理模块,连接任务内容分析模块,用以基于预设的属性与价值量映射关系,获取前述属性对应的价值量作为前述任务内容的量化值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710839429.3A CN107742178A (zh) | 2017-09-18 | 2017-09-18 | 任务量化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710839429.3A CN107742178A (zh) | 2017-09-18 | 2017-09-18 | 任务量化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107742178A true CN107742178A (zh) | 2018-02-27 |
Family
ID=61235872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710839429.3A Pending CN107742178A (zh) | 2017-09-18 | 2017-09-18 | 任务量化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107742178A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564281A (zh) * | 2018-04-13 | 2018-09-21 | 浙江传媒学院 | 基于结构化的外包工作任务调度系统的实现方法 |
CN113434276A (zh) * | 2021-06-29 | 2021-09-24 | 平安养老保险股份有限公司 | 任务分配处理方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150620A (zh) * | 2011-12-07 | 2013-06-12 | 徐翔 | 项目分解处理方法及系统 |
US8694453B2 (en) * | 2009-04-30 | 2014-04-08 | Oki Electric Industry Co., Ltd. | Dialogue control system, method and computer readable storage medium, and multidimensional ontology processing system, method and computer readable storage medium |
CN103778510A (zh) * | 2014-01-23 | 2014-05-07 | 北京荣之联科技股份有限公司 | 用于量化任务价值的任务管理方法及装置 |
CN104835354A (zh) * | 2015-05-20 | 2015-08-12 | 青岛民航空管实业发展有限公司 | 一种管制负荷管理系统及其管制员工作负荷的评估方法 |
CN104899034A (zh) * | 2015-06-05 | 2015-09-09 | 郭睿 | 在im沟通界面生成沟通事项的待办任务和结论的方法 |
CN105808333A (zh) * | 2016-03-04 | 2016-07-27 | 上海携程商务有限公司 | 任务分配方法及系统 |
-
2017
- 2017-09-18 CN CN201710839429.3A patent/CN107742178A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8694453B2 (en) * | 2009-04-30 | 2014-04-08 | Oki Electric Industry Co., Ltd. | Dialogue control system, method and computer readable storage medium, and multidimensional ontology processing system, method and computer readable storage medium |
CN103150620A (zh) * | 2011-12-07 | 2013-06-12 | 徐翔 | 项目分解处理方法及系统 |
CN103778510A (zh) * | 2014-01-23 | 2014-05-07 | 北京荣之联科技股份有限公司 | 用于量化任务价值的任务管理方法及装置 |
CN104835354A (zh) * | 2015-05-20 | 2015-08-12 | 青岛民航空管实业发展有限公司 | 一种管制负荷管理系统及其管制员工作负荷的评估方法 |
CN104899034A (zh) * | 2015-06-05 | 2015-09-09 | 郭睿 | 在im沟通界面生成沟通事项的待办任务和结论的方法 |
CN105808333A (zh) * | 2016-03-04 | 2016-07-27 | 上海携程商务有限公司 | 任务分配方法及系统 |
Non-Patent Citations (1)
Title |
---|
周学广: "《信息内容安全》", 30 November 2012 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564281A (zh) * | 2018-04-13 | 2018-09-21 | 浙江传媒学院 | 基于结构化的外包工作任务调度系统的实现方法 |
CN108564281B (zh) * | 2018-04-13 | 2022-04-05 | 浙江传媒学院 | 基于结构化的外包工作任务调度系统的实现方法 |
CN113434276A (zh) * | 2021-06-29 | 2021-09-24 | 平安养老保险股份有限公司 | 任务分配处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107733780B (zh) | 任务智能分配方法、装置及即时通信工具 | |
CN110619506B (zh) | 一种岗位画像生成方法、岗位画像生成装置及电子设备 | |
CN109801096A (zh) | 一种多模态客户满意度综合评价系统、方法 | |
CN109658928A (zh) | 一种家庭服务机器人云端多模态对话方法、装置及系统 | |
CN111104498A (zh) | 一种任务型对话系统中的语义理解方法 | |
CN112270379A (zh) | 分类模型的训练方法、样本分类方法、装置和设备 | |
CN107733782A (zh) | 根据任务生成群的方法、装置及系统 | |
CN106408249A (zh) | 简历与职位匹配方法及装置 | |
CN106022708A (zh) | 一种预测员工离职的方法 | |
US20190050814A1 (en) | Generation of user profile from source code | |
CN112001166B (zh) | 面向政务咨询服务的智能问答句子对语义匹配方法和装置 | |
CN1936967A (zh) | 声纹考勤机 | |
CN107562546A (zh) | 任务分配方法、装置及即时通信工具 | |
KR102244938B1 (ko) | 인공지능 채용 시스템 및 상기 시스템의 채용 방법 | |
CN111182162A (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
WO2022267322A1 (zh) | 会议纪要的生成方法、装置、终端设备及计算机存储介质 | |
CN113268561A (zh) | 一种基于多任务联合训练的问题生成方法 | |
CN107742178A (zh) | 任务量化方法及装置 | |
CN107730082A (zh) | 智能化任务分配方法、装置及即时通信工具 | |
CN116703196A (zh) | 中层员工综合素质与岗位胜任力测评系统 | |
CN113838461B (zh) | 智能语音交互方法、装置、设备和计算机存储介质 | |
CN107578183B (zh) | 基于能力评估的资源管理方法及装置 | |
CN108055192A (zh) | 群组生成方法、装置及系统 | |
CN106205288A (zh) | 一种培训机器人的实现方法 | |
KR20200084816A (ko) | 콜드 스타트를 해결하기 위한 신규 컨텐츠 분석 분석 방법, 장치 및 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180227 |