CN109800912A - 信息确定方法及装置 - Google Patents
信息确定方法及装置 Download PDFInfo
- Publication number
- CN109800912A CN109800912A CN201910029108.6A CN201910029108A CN109800912A CN 109800912 A CN109800912 A CN 109800912A CN 201910029108 A CN201910029108 A CN 201910029108A CN 109800912 A CN109800912 A CN 109800912A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- target
- group
- forecast
- time span
- 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.)
- Withdrawn
Links
Abstract
本发明公开了一种信息确定方法及装置。所述训练方法包括:确定目标企业的所属领域;在所属领域内,获取发展阶段超过预测期的企业,组成参考企业群;获取参考企业群中各企业在预测期的人才需求数据;根据参考企业群中各企业与目标企业之间的相似度以及参考企业群中各企业在预测期的人才需求数据,确定目标企业在预测期的人才需求信息。采用本发明,可以解决现有技术中存在的根据企业自身发展的历史数据对企业当前阶段或者未来某发展阶段的用人需求进行预测则无法进行有效的预测或者预测结果很难符合企业实际需求的问题,不依赖于目标企业自身发展的历史数据的充足程度,使企业人才需求预测结果更加科学、更加符合企业实际发展需求。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种信息确定方法及装置。
背景技术
人才需求预测指预测未来一定时期内对各种人才的需求量。目前,科技水平高速发展,各类人才的缺口越来越大;就业机会迅猛增长,人才对于机会的选择也越来越多,从而从确定人才需求到人才到位的周期也越来越长。如果能够提前预测人才需求,则可提前进行储备工作,进而保证在出现人才缺口时可以保证人才第一时间到位。
企业人才需求预测是指根据企业的发展规划和企业的内外条件,选择适当的预测技术,对用人需求的数量、质量和结构进行预测。企业人才需求预测分为当前人才需求预测和未来人才需求预测。现有的企业人才需求预测方法主要根据企业自身发展的历史数据对企业当前阶段或者未来某发展阶段的用人需求进行预测,从而依据预测结果搜索、补充人才。但是,对于初创企业或者开拓新领域的企业,自身发展的历史数据不足,缺少数据基础则无法进行有效的预测。另外,根据历史发展阶段数据推导未来发展阶段数据,根据常识,即使同一因素在企业不同发展阶段对于人才需求的影响权重不同,所以预测结果很难符合企业实际需求。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
为了解决现有技术存在的根据企业自身发展的历史数据对企业当前阶段或者未来某发展阶段的用人需求进行预测则无法进行有效的预测或者预测结果很难符合企业实际需求的问题,本发明提供了一种信息确定方法及装置,不依赖于目标企业自身发展的历史数据的充足程度,使企业人才需求预测结果更加科学、更加符合企业实际发展需求。
在第一方面,本发明提供了一种信息确定方法,包括:
确定目标企业的所属领域;
在所述所属领域内,获取发展阶段超过预测期的企业,组成参考企业群;
获取所述参考企业群中各企业在预测期的人才需求数据;
根据所述参考企业群中各企业与所述目标企业之间的相似度以及所述参考企业群中各企业在预测期的人才需求数据,确定所述目标企业在预测期的人才需求信息。
进一步地,所述确定目标企业的所属领域,包括:
获取用于指示所述目标企业的所属领域的信息,包括经营范围、产品、服务对象和/或经营渠道;
根据国际、国家、地方或行业对领域划分的定义,或者根据预置的领域划分的规则,或者根据用户设定的领域划分的规则,确定所述目标企业的所属领域。
进一步地,所述参考企业群中各企业与所述目标企业之间的相似度确定方法,包括:
获取所述参考企业群中各企业以及所述目标企业的各个属性,并分别为每个属性赋予权系数;
所述参考企业群中第i个企业与所述目标企业的相似度为,则:
其中,是所述参考企业群中第i个企业的属性个数,是所述目标企业的属性个数,是所述参考企业群中第i个企业和所述目标企业具有相同权系数的属性个数。
进一步地,所述参考企业群中各企业与所述目标企业之间的相似度确定方法,包括:
取所述参考企业群中各企业与所述目标企业共有的多个属性,并分别为所述参考企业群中各企业和所述目标企业的相应属性赋予权系数;
所述多个属性中第j个属性的保留度为,则:
其中,是针对所述多个属性中第j个属性所述参考企业群中和所述目标企业具有相同权系数的企业个数,n为所述参考企业群中企业的个数;
当不小于设定的阈值时,则保留该属性作为参考属性,否则舍弃该属性;
所述参考企业群中第i个企业与所述目标企业的相似度为,则:
其中,是所述参考企业群中第i个企业和所述目标企业具有相同权系数的参考属性的个数,k为所述参考属性的总个数。
进一步地,根据所述参考企业群中各企业与所述目标企业之间的相似度以及所述参考企业群中各企业在预测期的人才需求数据,确定所述目标企业在预测期的人才需求信息,包括:
所述目标企业在预测期的人才需求信息为,则:
其中,是所述参考企业群中第i个企业在预测期的人才需求信息,n为所述参考企业群中企业的个数。
进一步地,根据所述参考企业群中各企业与所述目标企业之间的相似度以及所述参考企业群中各企业在预测期的人才需求数据,确定所述目标企业在预测期的人才需求信息,包括:
在所述参考企业群中选取与所述目标企业的相似度不小于一定阈值的企业,组成相似企业群;
所述目标企业在预测期的人才需求信息为,则:
其中,是所述相似企业群中第i个企业在预测期的人才需求信息,m为所述相似企业群中企业的个数。
在第二方面,本发明还提供了一种信息确定装置,包括:
第一确定模块,用于确定目标企业的所属领域;
第一获取模块,用于在所述所属领域内,获取发展阶段超过预测期的企业,组成参考企业群;
第二获取模块,用于获取所述参考企业群中各企业在预测期的人才需求数据;
第二确定模块,用于根据所述参考企业群中各企业与所述目标企业之间的相似度以及所述参考企业群中各企业在预测期的人才需求数据,确定所述目标企业在预测期的人才需求信息。
进一步地,所述第一确定模块包括:
第一获取单元,用于获取用于指示所述目标企业的所属领域的信息,包括经营范围、产品、服务对象和/或经营渠道;
第一确定单元,用于根据国际、国家、地方或行业对领域划分的定义,或者根据预置的领域划分的规则,或者根据用户设定的领域划分的规则,确定所述目标企业的所属领域。
需要说明的是,上述各个模块和单元是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
在第三方面,本发明还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项中所述的信息确定方法。
在第四方面,本发明还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的信息确定方法。
本发明提供了一种信息确定方法及装置。通过在目标企业的所属领域内获取发展阶段超过预测期的企业,根据该发展阶段超过预测期的企业与目标企业之间的相似度以及该发展阶段超过预测期的企业在预测期的人才需求数据,确定目标企业在预测期的人才需求信息,解决了现有技术中存在的根据企业自身发展的历史数据对企业当前阶段或者未来某发展阶段的用人需求进行预测则无法进行有效的预测或者预测结果很难符合企业实际需求的问题,不依赖于目标企业自身发展的历史数据的充足程度,使企业人才需求预测结果更加科学、更加符合企业实际发展需求。
附图说明
图1是本发明实施例一提供的一种信息确定方法的流程示意图;
图2是本发明实施例三提供的一种信息确定装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
另外需要说明的是,本发明实施例中的“人才需求”可以是企业的整体人才需求,如企业的总员工数量;也可以企业对于特定领域的人才需求,如企业对于律师的需求。
实施例一
如图1所示,为本发明实施例一提供的一种信息确定方法的流程示意图,包括步骤S11至S14,具体如下:
S11:确定目标企业的所属领域。
进一步的,获取用于指示目标企业的所属领域的信息,包括经营范围、产品、服务对象和/或经营渠道等,根据国际、国家、地方或行业对领域划分的定义,或者根据预置的领域划分的规则,或者根据用户设定的领域划分的规则,确定目标企业的所属领域。例如《国民经济行业分类》(GB/T4754-2011)对教育领域的划分是根据企业主体所从事经营活动的内容及形式,以培训的形式开展教学活动的企业主体则属于教育领域。所以,在获取目标企业所从事经营活动的内容和形式信息后,分析判断所从事经营活动的内容是教学、形式是培训,则可以确定目标企业的所属领域为教育领域。
在本实施例中,确定了目标企业的所属领域即确定了参考企业的选取范围。相同领域的企业所必经的发展阶段、以及相同发展阶段所需要的人才往往相同或相似,以此为范围选取参考企业,大大提高人才需求预测的准确性。
S12:在所属领域内,获取发展阶段超过预测期的企业,组成参考企业群。
在本实施例中,预测期依据时间划分、和/或依据营收规模划分、和/或依据其它影响用人需求的因素划分。假设需要预测目标企业在成立第8-10年的人才需求,预测期则为企业成立第8-10年,则获取成立超过10年的企业组成参考企业群。避免选取的参考企业在预测期内人才需求数据为零,从而影响人才需求预测结果的准确性。
进一步的,在所属领域内,获取发展阶段超过预测期且与目标企业处于同一区域的企业,组成参考企业群。
在本实施例中,同一区域划分依据包括但不限于地理位置、经济地位、人口密度、发展进程等,可以为同一片区(如珠三角)、同一省份、同一城市、同一城市等级(如一线城市)或同一发展进程的城市/国家等。相同领域且同一区域的企业所必经的发展阶段、以及相同发展阶段所需要的人才相同或相似的可能性更高,以此为范围选取参考企业,进一步提高人才需求预测的准确性。另外,同一区域对人才的吸引力往往相同或相似,基于此预测的人才需求更容易实现,从而更能符合目标企业的实际状况。
S13:获取参考企业群中各企业在预测期的人才需求数据。
在本实施例中,根据需要对目标企业预测的人才需求内容获取参考企业群中各企业在预测期的相应人才需求数据。如需要预测目标企业在营收规模为100-200亿元/年所需要的算法工程师梯队及数量,则相应获取参考企业群中各企业在营收为100-200亿元/年的期间所拥有的算法工程师梯队及数量,如工作经验3年以下、工作经验3-5年、工作经验5-10年、工作经验10年以上的算法工程师分别的数量和占比。
S14:根据参考企业群中各企业与目标企业之间的相似度以及参考企业群中各企业在预测期的人才需求数据,确定目标企业在预测期的人才需求信息。
进一步的,参考企业群中各企业与目标企业之间的相似度确定方法,包括:
获取参考企业群中各企业以及目标企业的各个属性,并分别为每个属性赋予权系数;
参考企业群中第i个企业与目标企业的相似度为,则:
其中,是参考企业群中第i个企业的属性个数,是目标企业的属性个数,是参考企业群中第i个企业和目标企业具有相同权系数的属性个数。
进一步的,目标企业在预测期的人才需求信息为,则:
其中,是参考企业群中第i个企业在预测期的人才需求信息,n为参考企业群中企业的个数。
在本实施例中,获取参考企业群中各企业以及目标企业的各个属性,并根据属性值区间赋予其权系数。例如对于员工数量这一属性,50人以下赋予权系数1,50-100人赋予权系数2,100-500人赋予权系数3,500-1000人赋予权系数4,1000-10000人赋予权系数5,10000人以上赋予权系数6。若两个企业在同一属性上的权系数相同,则说明该两个企业在该属性上相同或相似。参考企业群中的各企业与目标企业具有相同权系数的属性数量在属性总量中的占比越大,则两个企业之间相似度越大。
在本实施例中,将相似度作为权重获取参考企业群中各企业人才需求信息的加权和得到目标企业的人才需求信息,利用大数据,能够使得计算结果更加的准确、客观。
进一步的,在参考企业群中选取与目标企业的相似度不小于一定阈值的企业,组成相似企业群;
目标企业在预测期的人才需求信息为,则:
其中,是相似企业群中第i个企业在预测期的人才需求信息,m为相似企业群中企业的个数。
在本实施例中,可以根据实际需求设定相似度阈值。例如:可以将相似度阈值设为90%、75%、60%等等。通过设置相似度阈值,可以仅根据与目标企业达到一定相似程度的企业在预测期的人才需求数据以及与目标企业之间的相似度计算目标企业在预测期的人才需求信息,一方面减少计算量从而提高计算效率,另一方面避免不相关企业的人才需求数据影响计算结果的准确性。
本发明实施例通过在目标企业的所属领域内获取发展阶段超过预测期的企业,根据该发展阶段超过预测期的企业与目标企业之间的相似度以及该发展阶段超过预测期的企业在预测期的人才需求数据,确定目标企业在预测期的人才需求信息,解决了现有技术中存在的根据企业自身发展的历史数据对企业当前阶段或者未来某发展阶段的用人需求进行预测则无法进行有效的预测或者预测结果很难符合企业实际需求的问题,不依赖于目标企业自身发展的历史数据的充足程度,使企业人才需求预测结果更加科学、更加符合企业实际发展需求。
实施例二
本实施例以实施例一为基础进行优化,在本实施例中,参考企业群中各企业与目标企业之间的相似度确定方法,包括:
取参考企业群中各企业与目标企业共有的多个属性,并分别为参考企业群中各企业和目标企业的相应属性赋予权系数;
多个属性中第j个属性的保留度为,则:
其中,是针对多个属性中第j个属性参考企业群中和目标企业具有相同权系数的企业个数,n为参考企业群中企业的个数;
当不小于设定的阈值时,则保留该属性作为参考属性,否则舍弃该属性;
参考企业群中第i个企业与所述目标企业的相似度为,则:
其中,是参考企业群中第i个企业和目标企业具有相同权系数的参考属性的个数,k为参考属性的总个数。
在本实施例中,如果对于某一个属性,参考企业群中各企业与目标企业的权系数均不同或者绝大多数不同,则该属性选取不恰当的概率非常大。所以,设定属性保留度阈值,只保留不小于设定阈值的属性作为参考属性计算参考企业群中各企业与目标企业的相似度,一方面减少计算量从而提高计算效率,另一方面避免不恰当影响最终计算结果的准确性。
进一步的,目标企业在预测期的人才需求信息为,则:
其中,是参考企业群中第i个企业在预测期的人才需求信息,n为参考企业群中企业的个数。
在本实施例中,获取参考企业群中各企业以及目标企业的各个属性,并根据属性值区间赋予其权系数。例如对于员工数量这一属性,50人以下赋予权系数1,50-100人赋予权系数2,100-500人赋予权系数3,500-1000人赋予权系数4,1000-10000人赋予权系数5,10000人以上赋予权系数6。若两个企业之间在同一属性上的权系数相同,则说明该两个企业在该属性上相同或相似。参考企业群中的各企业与目标企业具有相同权系数的属性数量在属性总量中的占比越大,则两个企业之间相似度越大。
在本实施例中,将相似度作为权重获取参考企业群中各企业人才需求信息的加权和得到目标企业的人才需求信息,利用大数据,能够使得结果更加的准确、客观,计算结果与实际需求之间的误差更小。
进一步的,在参考企业群中选取与目标企业的相似度不小于一定阈值的企业,组成相似企业群;
目标企业在预测期的人才需求信息为,则:
其中,是相似企业群中第i个企业在预测期的人才需求信息,m为相似企业群中企业的个数。
在本实施例中,可以根据实际需求设定相似度阈值。例如:可以将相似度阈值设为90%、75%、60%等等。通过设置相似度阈值,可以仅根据与目标企业达到一定相似程度的企业在预测期的人才需求数据以及与目标企业之间的相似度计算目标企业在预测期的人才需求信息,一方面减少计算量从而提高计算效率,另一方面避免不相关企业的人才需求数据影响计算结果的准确性。
实施例三
根据本发明实施例还提供了一种信息确定装置,需要说明的是,本发明实施例的信息确定装置可以用于执行本发明实施例所提供的信息确定方法。以下对本发明实施例提供的信息确定装置进行介绍。
如图2所示,为本发明实施例三提供的一种信息确定装置的结构示意图,该信息确定装置包括:
第一确定模块10,用于确定目标企业的所属领域;
第一获取模块11,用于在所属领域内,获取发展阶段超过预测期的企业,组成参考企业群;
第二获取模块12,用于获取参考企业群中各企业在预测期的人才需求数据;
第二确定模块13,用于根据参考企业群中各企业与目标企业之间的相似度以及参考企业群中各企业在预测期的人才需求数据,确定目标企业在预测期的人才需求信息。
在一种可选的方案中,第一确定模块包括:
第一获取单元,用于获取用于指示目标企业的所属领域的信息,包括经营范围、产品、服务对象和/或经营渠道;
第一确定单元,用于根据国际、国家、地方或行业对领域划分的定义,或者根据预置的领域划分的规则,或者根据用户设定的领域划分的规则,确定目标企业的所属领域。
进一步的,预测期依据时间划分、和/或依据营收规模划分、和/或依据其它影响用人需求的因素划分。
进一步的,在所属领域内,获取发展阶段超过预测期且与目标企业处于同一区域的企业,组成参考企业群。
进一步的,同一区域划分依据包括但不限于地理位置、经济地位、人口密度、发展进程等,可以为同一片区(如珠三角)、同一省份、同一城市、同一城市等级(如一线城市)或同一发展进程的城市/国家等。
本发明实施例提供的信息确定装置,通过在目标企业的所属领域内获取发展阶段超过预测期的企业,根据该发展阶段超过预测期的企业与目标企业之间的相似度以及该发展阶段超过预测期的企业在预测期的人才需求数据,确定目标企业在预测期的人才需求信息,解决了现有技术中存在的根据企业自身发展的历史数据对企业当前阶段或者未来某发展阶段的用人需求进行预测则无法进行有效的预测或者预测结果很难符合企业实际需求的问题,不依赖于目标企业自身发展的历史数据的充足程度,使企业人才需求预测结果更加科学、更加符合企业实际发展需求。
本发明实施例还提供一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行本发明任意实施例提供的信息确定方法。实现相同的有益效果。
本发明实施例还提供一种电子装置,包括存储器和处理器,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行本发明任意实施例提供的信息确定方法。实现相同的有益效果。
需要说明的是,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要进一步说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种信息确定方法,其特征在于,包括:
确定目标企业的所属领域;
在所述所属领域内,获取发展阶段超过预测期的企业,组成参考企业群;
获取所述参考企业群中各企业在预测期的人才需求数据;
根据所述参考企业群中各企业与所述目标企业之间的相似度以及所述参考企业群中各企业在预测期的人才需求数据,确定所述目标企业在预测期的人才需求信息。
2.根据权利要求1所述的方法,其特征在于,所述确定目标企业的所属领域,包括:
获取用于指示所述目标企业的所属领域的信息,包括经营范围、产品、服务对象和/或经营渠道;
根据国际、国家、地方或行业对领域划分的定义,或者根据预置的领域划分的规则,或者根据用户设定的领域划分的规则,确定所述目标企业的所属领域。
3.根据权利要求1所述的方法,其特征在于,所述参考企业群中各企业与所述目标企业之间的相似度确定方法,包括:
获取所述参考企业群中各企业以及所述目标企业的各个属性,并分别为每个属性赋予权系数;
所述参考企业群中第i个企业与所述目标企业的相似度为,则:
其中,是所述参考企业群中第i个企业的属性个数,是所述目标企业的属性个数,是所述参考企业群中第i个企业和所述目标企业具有相同权系数的属性个数。
4.根据权利要求1所述的方法,其特征在于,所述参考企业群中各企业与所述目标企业之间的相似度确定方法,包括:
取所述参考企业群中各企业与所述目标企业共有的多个属性,并分别为所述参考企业群中各企业和所述目标企业的相应属性赋予权系数;
所述多个属性中第j个属性的保留度为,则:
其中,是针对所述多个属性中第j个属性所述参考企业群中和所述目标企业具有相同权系数的企业个数,n为所述参考企业群中企业的个数;
当不小于设定的阈值时,则保留该属性作为参考属性,否则舍弃该属性;
所述参考企业群中第i个企业与所述目标企业的相似度为,则:
其中,是所述参考企业群中第i个企业和所述目标企业具有相同权系数的参考属性的个数,k为所述参考属性的总个数。
5.根据权利要求3或4所述的方法,其特征在于,根据所述参考企业群中各企业与所述目标企业之间的相似度以及所述参考企业群中各企业在预测期的人才需求数据,确定所述目标企业在预测期的人才需求信息,包括:
所述目标企业在预测期的人才需求信息为,则:
其中,是所述参考企业群中第i个企业在预测期的人才需求信息,n为所述参考企业群中企业的个数。
6.根据权利要求3或4所述的方法,其特征在于,根据所述参考企业群中各企业与所述目标企业之间的相似度以及所述参考企业群中各企业在预测期的人才需求数据,确定所述目标企业在预测期的人才需求信息,包括:
在所述参考企业群中选取与所述目标企业的相似度不小于一定阈值的企业,组成相似企业群;
所述目标企业在预测期的人才需求信息为,则:
其中,是所述相似企业群中第i个企业在预测期的人才需求信息,m为所述相似企业群中企业的个数。
7.一种信息确定装置,其特征在于,包括:
第一确定模块,用于确定目标企业的所属领域;
第一获取模块,用于在所述所属领域内,获取发展阶段超过预测期的企业,组成参考企业群;
第二获取模块,用于获取所述参考企业群中各企业在预测期的人才需求数据;
第二确定模块,用于根据所述参考企业群中各企业与所述目标企业之间的相似度以及所述参考企业群中各企业在预测期的人才需求数据,确定所述目标企业在预测期的人才需求信息。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块包括:
第一获取单元,用于获取用于指示所述目标企业的所属领域的信息,包括经营范围、产品、服务对象和/或经营渠道;
第一确定单元,用于根据国际、国家、地方或行业对领域划分的定义,或者根据预置的领域划分的规则,或者根据用户设定的领域划分的规则,确定所述目标企业的所属领域。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910029108.6A CN109800912A (zh) | 2019-01-12 | 2019-01-12 | 信息确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910029108.6A CN109800912A (zh) | 2019-01-12 | 2019-01-12 | 信息确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109800912A true CN109800912A (zh) | 2019-05-24 |
Family
ID=66558741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910029108.6A Withdrawn CN109800912A (zh) | 2019-01-12 | 2019-01-12 | 信息确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109800912A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962771A (zh) * | 2021-10-21 | 2022-01-21 | 北京品诺优创科技有限公司 | 企业福利品推荐方法、装置、设备和存储介质 |
CN115081403A (zh) * | 2022-07-26 | 2022-09-20 | 广东壹公里数智科技有限公司 | 会议ppt自动生成方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303019A (zh) * | 2014-07-14 | 2016-02-03 | 富士通株式会社 | 事件预测方法和事件预测设备 |
KR20170050215A (ko) * | 2015-10-30 | 2017-05-11 | 양승준 | 인사데이터의 분석을 통한 특정행위 발생 예측방법 및 예측프로그램 |
CN108122046A (zh) * | 2016-11-29 | 2018-06-05 | 曹健 | 一种基于智能数据分析的创业公司绩效预测方法 |
-
2019
- 2019-01-12 CN CN201910029108.6A patent/CN109800912A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303019A (zh) * | 2014-07-14 | 2016-02-03 | 富士通株式会社 | 事件预测方法和事件预测设备 |
KR20170050215A (ko) * | 2015-10-30 | 2017-05-11 | 양승준 | 인사데이터의 분석을 통한 특정행위 발생 예측방법 및 예측프로그램 |
CN108122046A (zh) * | 2016-11-29 | 2018-06-05 | 曹健 | 一种基于智能数据分析的创业公司绩效预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962771A (zh) * | 2021-10-21 | 2022-01-21 | 北京品诺优创科技有限公司 | 企业福利品推荐方法、装置、设备和存储介质 |
CN115081403A (zh) * | 2022-07-26 | 2022-09-20 | 广东壹公里数智科技有限公司 | 会议ppt自动生成方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bilozubenko et al. | Comparison of the digital economy development parameters in the EU countries in the context of bridging the digital divide | |
CN107506868A (zh) | 一种短时电力负荷预测的方法及装置 | |
Brida et al. | Tourism forecasting using SARIMA models in Chilean regions | |
CN109360022A (zh) | 一种基于数据挖掘的商场商品销量预测方法、装置及设备 | |
CN108876076A (zh) | 基于指令数据的个人信用评分方法及装置 | |
CN112613720B (zh) | 考虑多不确定性的水库灌溉优化调度方法 | |
CN107679103A (zh) | 用于实体的属性分析方法及系统 | |
CN109800912A (zh) | 信息确定方法及装置 | |
CN108399553A (zh) | 一种考虑地理和线路从属关系的用户特征标签设定方法 | |
Sampath et al. | A generalized decision support framework for large‐scale project portfolio decisions | |
CN109948913A (zh) | 一种基于双层的xgboost算法的多源特征电力用户综合画像系统 | |
CN109978023A (zh) | 面向高维大数据分析的特征选择方法及计算机存储介质 | |
Ilich et al. | Modeling of employment structural transformations | |
CN110633784B (zh) | 一种多规则人工蜂群改进算法 | |
Jiang et al. | Future growth pattern projections under shared socioeconomic pathways: A municipal city bottom-up aggregated study based on a localised scenario and population projections for China | |
CN110796296A (zh) | 多目标投资优化模型的构建方法、装置和计算设备 | |
CN108305172A (zh) | 投资标的选择方法、电子装置及计算机可读存储介质 | |
Kozhemiakina et al. | New workplace forecasting in the industrial sector of the Ukrainian economy | |
CN109767333A (zh) | 选基方法、装置、电子设备及计算机可读存储介质 | |
CN108197729A (zh) | 基于机器学习的价值投资分析方法、设备和存储介质 | |
CN108460529A (zh) | 一种股票打分方法和装置 | |
Yang et al. | Sports Economic Operation Index Prediction Model Based on Deep Learning and Ensemble Learning | |
Redkin et al. | 3.5 PROCEDURES AND TOOLS OF PROJECT MARKETING IN THE CREATION OF INNOVATIONS AND SYSTEMS OF THEIR HIGH-TECH PRODUCTION | |
Ryabokon et al. | Innovative clusters of business accelerators in the sphere of science and technology entrepreneurship | |
Chu et al. | Artificial Intelligence and China’s Labor Market |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190524 |
|
WW01 | Invention patent application withdrawn after publication |