CN110059927A - 绩效线上评定方法、装置、设备和存储介质 - Google Patents
绩效线上评定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110059927A CN110059927A CN201910201331.4A CN201910201331A CN110059927A CN 110059927 A CN110059927 A CN 110059927A CN 201910201331 A CN201910201331 A CN 201910201331A CN 110059927 A CN110059927 A CN 110059927A
- Authority
- CN
- China
- Prior art keywords
- image
- text
- performance
- training
- comment text
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000013598 vector Substances 0.000 claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 238000013145 classification model Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 76
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及人工智能技术领域,提供了绩效线上评定方法、装置、设备和存储介质,方法包括:从数据库中获取评语文本;评语文本用于评价员工的绩效;对评语文本进行分词,得到评语文本对应的向量矩阵;将向量矩阵输入文本分类模型,根据文本分类模型得到文本类别;根据文本类别与绩效考核级别之间的映射关系,得到与文本类别对应的绩效考核级别。通过对评语文本进行分词以及词组向量化处理,得到向量矩阵,根据向量矩阵对评语文本进行分类,得到分类结果,根据分类结果得到员工的绩效考核级别,实现了员工绩效评定的智能化,节省绩效评定工作的人力成本,并提高绩效评定工作的效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及绩效线上评定方法、装置、设备和存储介质。
背景技术
绩效考核(Performance Examine)是企业绩效管理中的一个环节,是指考核主体对照工作目标和绩效标准,评定员工的工作任务完成情况、员工的工作职责履行程度和员工的发展情况,并且将评定结果反馈给员工的过程。通常,由员工的主管对员工的工作进行评价,然后,人事部门根据主管的评价为员工评分或评级。
人事部门需要人工对主管的每个评语进行分析,根据分析结果给出员工绩效的评定结果。这种绩效评定方法人力成本高、效率低。
发明内容
本申请的主要目的在于解决现有的绩效评定方法消耗人力、效率低的技术问题,通过对评语文本进行分词以及词组向量化处理,得到向量矩阵,根据向量矩阵对评语文本进行分类,得到分类结果,即得到主管对员工绩效的评价结果,根据分类结果得到员工的绩效考核级别,实现了员工绩效评定的智能化,节省绩效评定工作的人力成本,并提高绩效评定工作的效率。
一种绩效线上评定方法,包括:设置图像字符库以及图像库;所述图像字符库存储多种图像字符;图像字符用于反映评语文本对员工的绩效评价;所述图像库存储多种图像;图像字符与图像唯一对应;所述评语文本用于评价员工的绩效;分别为各图像设置对应的分值;通过图像显示界面显示所述图像库中的图像以及所述分值;在所述图像显示界面中的第一图像被选中的状态下,调取所述图像字符库中的第一图像字符;所述第一图像为所述图像库中的任一图像;所述第一图像字符与所述第一图像相对应;将所述第一图像字符添加到所述评语文本中,将所述评语文本存储至数据库中。
从所述数据库中获取所述评语文本;对所述评语文本进行分词,得到所述评语文本对应的向量矩阵;将所述向量矩阵输入文本分类模型,根据所述文本分类模型得到文本类别;根据所述文本类别与绩效考核级别之间的映射关系,得到与所述文本类别对应的所述绩效考核级别。
可选地,所述对所述评语文本进行分词,得到所述评语文本对应的向量矩阵,包括:基于先验知识对所述评语文本进行分词,得到分词结果;对所述分词结果进行向量化处理,得到多个词向量;对所述多个词向量进行拼接,得到所述向量矩阵。
可选地,在所述从数据库中获取评语文本之前,所述方法还包括:获取训练样本;所述训练样本包括训练文本及所述训练文本对应的类别;基于先验知识对所述训练文本进行分词,得到所述训练文本对应的训练向量矩阵;将所述训练向量矩阵以及所述训练文本对应的类别输入至所述文本分类模型,训练所述文本分类模型;在训练过程中,通过损失函数对所述文本分类模型中的各参数进行调整,直至所述文本分类模型中的各参数收敛。
可选地,所述图像库存储的图像包括五角星图像、月亮图像和太阳图像;其中,3个所述五角星图像的分值等于1个所述月亮图像的分值;3个所述月亮图像的分值等于1个太阳图像的分值。
可选地,所述图像库存储有包括小草图像、鲜花图像和树木图像。其中,3个所述小草图像的分值等于1个所述鲜花图像的分值;3个所述鲜花图像的分值等于1个所述树木图像的分值。
基于相同的技术构思,本申请还提供了一种绩效线上评定装置,包括:
处理模块,用于设置图像字符库以及图像库;所述图像字符库存储多种图像字符;图像字符用于反映评语文本对员工的绩效评价;所述图像库存储多种图像;图像字符与图像唯一对应;所述评语文本用于评价员工的绩效;分别为各图像设置对应的分值;通过图像显示界面显示所述图像库中的图像以及所述分值。
处理模块还用于在所述图像显示界面中的第一图像被选中的状态下,调取所述图像字符库中的第一图像字符;所述第一图像为所述图像库中的任一图像;所述第一图像字符与所述第一图像相对应;将所述第一图像字符添加到所述评语文本中,将所述评语文本存储至数据库中。
获取模块,用于从数据库中获取评语文本。
处理模块,用于对所述获取模块所获取的评语文本进行分词,得到所述评语文本对应的向量矩阵;将所述向量矩阵输入文本分类模型,根据所述文本分类模型得到文本类别;根据所述文本类别与绩效考核级别之间的映射关系,得到与所述文本类别对应的所述绩效考核级别。
可选地,所述处理模块具体用于基于先验知识对所述评语文本进行分词,得到分词结果;对所述分词结果进行向量化处理,得到多个词向量;对所述多个词向量进行拼接,得到所述向量矩阵。
可选地,所述处理模块还用于获取训练样本;所述训练样本包括训练文本及所述训练文本对应的类别;基于先验知识对所述训练文本进行分词,得到所述训练文本对应的训练向量矩阵;将所述训练向量矩阵以及所述训练文本对应的类别输入至所述文本分类模型,训练所述文本分类模型;在训练过程中,通过损失函数对所述文本分类模型中的各参数进行调整,直至所述文本分类模型中的各参数收敛。
可选地,所述图像库存储的图像包括五角星图像、月亮图像和太阳图像;其中,3个所述五角星图像的分值等于1个所述月亮图像的分值;3个所述月亮图像的分值等于1个太阳图像的分值。
基于相同的技术构思,本申请还提供了一种计算机设备,包括输入输出单元、存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如上述的绩效线上评定方法中的步骤。
基于相同的技术构思,本申请还提供了一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述的绩效线上评定方法中的步骤。
本申请的有益效果:通过对评语文本进行分词以及词组向量化处理,得到向量矩阵,根据向量矩阵对评语文本进行分类,得到分类结果,即得到主管对员工绩效的评价结果,根据分类结果得到员工的绩效考核级别,实现了员工绩效评定的智能化,节省绩效评定工作的人力成本,并提高绩效评定工作的效率。主管在图像显示界面选取图像,用图像的种类和个数表达对员工绩效的评价。图像的种类和个数表达了主管对员工绩效的评价程度,主管可以根据对员工绩效的心里评价预期,为员工绩效给出相应的图像,既方便主管为员工绩效做评价,又提升了工作的趣味性。此外,图像易识别,便于人事部门的客户端更准确地根据主管评语评估出员工的绩效考核结果。
附图说明
图1为本申请实施例中绩效线上评定方法的流程示意图。
图2为本申请实施例中绩效线上评定装置的结构示意图。
图3为本申请实施例中计算机设备的结构示意图。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可以包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、程序、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、程序、步骤、操作、元件、组件和/或它们的组。
图1为本申请一些实施方式中一种绩效线上评定方法的流程图,该绩效线上评定方法由绩效线上评定设备执行,绩效线上评定设备可以电脑或手机等智能设备,如图1所示,可以包括以下步骤S1-S4:
S1、从数据库中获取评语文本。
所述评语文本用于评价员工的绩效。
主管对员工的绩效进行评价,即给出员工的绩效的评语,主管的客户端将评语文本存储到数据库中,人事部门的客户端再从数据库中获取评语文本。数据库由主管和人事部门共享,通过线上传输数据,提高了主管与人事部门之间的数据传输效率。
文本是指书面语言的表现形式,通常是具有完整、系统含义(Message)的一个句子或多个句子的组合。所述评语文本是主管对员工的绩效的主观评价,所述评语文本中含有与工作任务完成情况、工作职责履行情况和员工的发展情况等相关的词组,例如工作完成数量、工作完成质量、员工考勤、员工潜力以及评价性词组等。其中,评价性词组包括优秀、良好以及一般等。
一些实施方式中,预先设置图像字符库以及图像库。所述图像字符库存储多种图像字符;图像字符用于反映所述评语文本对员工的绩效评价;所述图像库存储多种图像;图像字符与图像唯一对应。分别为各图像设置对应的分值。通过图像显示界面显示所述图像库中的图像以及所述分值。所述分值为图像字符所反映的绩效评价程度的数字化表示方式。
图像显示界面在主管的客户端显示,主管通过评语输入界面书写所述评语文本,所述评语输入界面包含文字写入栏以及图像填入栏,主管在文字写入栏写入文字评语,在图像填入栏填入图像。图像显示界面是评语输入界面的子界面,与评语输入界面同时显示在主管的客户端,在向图像填入栏填入图像时,主管通过鼠标点击图像显示界面中的图像,被点击的图像自动填入图像填入栏中。相应地,所述评语文本包含文字部分以及图像部分,文字部分与图像部分分开,便于文本内容的区分和识别。
一些实施方式中,所述图像库存储有包括五角星图像、月亮图像和太阳图像。其中,3个所述五角星图像的分值等于1个所述月亮图像的分值;3个所述月亮图像的分值等于1个所述太阳图像的分值。
一些实施方式中,所述图像库存储有包括小草图像、鲜花图像和树木图像。其中,3个所述小草图像的分值等于1个所述鲜花图像的分值;3个所述鲜花图像的分值等于1个所述树木图像的分值。
一些实施方式中,在所述图像显示界面中的第一图像被选中的状态下,调取所述图像字符库中的第一图像字符;所述第一图像为所述图像库中的任一图像;所述第一图像字符与所述第一图像相对应;将所述第一图像字符添加到所述评语文本中,将所述评语文本存储至所述数据库中。
图像字符是图像的文本表现形式,将图像字符添加到所述评语文本中,便于文本分词器进行识别,识别出了所述评语文本中图像字符,也就确定了与图像字符对应的图像,根据各图像对应的分值的总和识别主管对员工绩效评价程度。
主管在图像显示界面选取图像,用图像的种类和个数表达对员工绩效的评价。图像的种类和个数表达了主管对员工绩效的评价程度,主管可以根据对员工绩效的心里评价预期,为员工绩效给出相应的图像,既方便主管为员工绩效做评价,又提升了工作的趣味性。此外,图像易识别,便于人事部门的客户端更准确地根据主管评语评估出员工的绩效考核结果。
S2、对所述评语文本进行分词,得到所述评语文本对应的向量矩阵。
文本分类模型是对连续的数据进行处理的,因此预先对分词后得到的词组进行向量化,得到多个词向量,然后对词向量进行拼接,得到连续的向量矩阵。
一些实施方式中,步骤S2包括以下步骤:基于先验知识对所述评语文本进行分词,得到分词结果;对所述分词结果进行向量化处理,得到多个词向量;对所述多个词向量进行拼接,得到所述向量矩阵。
评语文本分词由文本分词器实现,预先基于先验知识训练文本分词器,先验知识是先于经验的知识。具体地,获取分词训练文本,基于先验知识对分词训练文本中的各词组进行打标,将打标后的分词训练文本输入至文本分词器,对文本分词器进行训练。在文本分词器训练过程中,通过损失函数对文本分词器中的各参数进行调整,直至文本分词器中的各参数收敛。
S3、将所述向量矩阵输入文本分类模型,根据所述文本分类模型得到文本类别。
向量矩阵携带与绩效有关的的信息,信息包括工作任务完成情况、工作职责履行情况和员工的发展情况等。文本分类模型根据向量矩阵所携带的信息对评语文本进行分类,得到所述文本类别。
一些实施方式中,所述文本类别有5种类别,分别为:“考核能力很强”、“考核能力较强”、“考核能力较弱”、“考核能力很弱”和“未涉及考核能力”。
如果向量矩阵不携带与绩效考核相关的信息,或者向量矩阵携带的信息模糊,文本分类器无法从向量矩阵中识别出与绩效考核相关的信息,那么,文本分类器输出的所述文本类别为“未涉及考核能力”。
一些实施方式中,向量矩阵携带图像字符的信息。图像字符的信息由文本分类器进行识别,实现对所述评语文本的准确分类。
例如,如果某个员工的绩效的评语文本中有3个月亮图像,这表达主管倾向于该员工的绩效评价为“考核能力较强”。3个五角星图像等于1个月亮的评价级。如果主管倾向于该员工的绩效评价在“考核能力很强”与“考核能力较强”之间,主管可以在评语中为该员工打出3个月亮图像以及1至2个五角星图像。文本分类器会结合所述评语文本中的文字内容以及图像字符对所述评语文本进行分类,提高文本分类的准确性。
一些实施方式中,在步骤S1之前,包括以下步骤:获取训练样本;所述训练样本包括训练文本及所述训练文本对应的类别;基于先验知识对所述训练文本进行分词,获取所述训练文本对应的训练向量矩阵;将所述训练向量矩阵以及所述训练文本对应的类别输入至所述文本分类模型,训练所述文本分类模型;在训练过程中,通过损失函数对所述文本分类模型中的各参数进行调整,直至所述文本分类模型中的各参数收敛。
本实施方式中,获取若干个文本分类训练用的训练文本,基于先验知识人工识别训练文本中与绩效考核相关的词组,并根据与绩效考核相关的词组对训练文本进行打标。根据与绩效考核相关的词组将训练文本标记为“考核能力很强”、“考核能力较强”、“考核能力较弱”或“考核能力很弱”;将不含有与绩效考核相关的语义的训练文本标记为“未涉及考核能力”。对做好标记的训练文本进行分词,得到若干词组,并对各词组进行向量化处理,转化为训练向量矩阵,将训练向量矩阵输入至文本分类器,对文本分类词进行训练。
文本分类器根据向量矩阵所携带的信息对所述评语文本进行分类,文本分类器为深度学习模型,无需专门抓取目标词组,只需将所述评语的各词组以向量矩阵的形式传输至文本分类器,文本分类器识别出与绩效考核相关的信息,然后根据与绩效考核相关的信息对所述评语文本进行分类。
S4、根据所述文本类别与绩效考核级别之间的映射关系,得到与所述文本类别对应的所述绩效考核级别。
一些实施方式中,所述绩效考核级别分为5个级别,与所述文本类别的5种类别一一对应,具体地,如下表所示:
文本类别 | 绩效考核级别 |
考核能力很强 | A级 |
考核能力较强 | B级 |
考核能力较弱 | C级 |
考核能力很弱 | D级 |
未涉及考核能力 | 其他 |
例如,如果所述文本类别的类别为“考核能力较强”,则根据所述文本类别与所述考核结果类别之间的映射关系,得到所述绩效考核级别的类别为“B级”。如果所述文本类别的类别为“未涉及考核能力”,则所述绩效考核级别的类别为“其他”。
一些实施方式中,如果所述绩效考核级别的类别为“其他”,则提示与所述绩效考核级别相对应的评语文本,由人工根据评语文本重新给出绩效考核级别。
上述实施例中,对评语文本进行分词以及词组向量化处理,得到向量矩阵,根据向量矩阵对评语文本进行分类,得到分类结果,即得到主管对员工绩效的评价结果,根据分类结果得到员工的绩效考核级别,实现了员工绩效评定的智能化,节省绩效评定工作的人力成本,并提高绩效评定工作的效率。
基于相同的技术构思,本申请还提供了一种绩效线上评定装置,本申请实施例中的装置可用于对员工绩效进行线上评定,该装置能够实现对应于上述图1所对应的实施例中所执行的绩效线上评定的方法的步骤。该装置实现的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块,所述模块可以是软件和/或硬件。如图2所示,该装置包括获取模块1和处理模块2。所述处理模块2和获取模块2的功能实现可参考图1所对应的实施例中所执行的操作,此处不作赘述。所述处理模块2用于控制所述获取模块1的收发操作。
所述获取模块1,用于用于从数据库中获取评语文本;所述评语文本用于评价员工的绩效。
所述处理模块2,用于对所述获取模块1所获取的评语文本进行分词,得到所述评语文本对应的向量矩阵;将所述向量矩阵输入文本分类模型,根据所述文本分类模型得到文本类别;根据所述文本类别与绩效考核级别之间的映射关系,得到与所述文本类别对应的所述绩效考核级别。
一些实施方式中,所述处理模块2具体用于基于先验知识对所述评语文本进行分词,得到分词结果;对所述分词结果进行向量化处理,得到多个词向量;对所述多个词向量进行拼接,得到所述向量矩阵。
一些实施方式中,所述处理模块2还用于获取训练样本;所述训练样本包括训练文本及所述训练文本对应的类别;基于先验知识对所述训练文本进行分词,得到所述训练文本对应的训练向量矩阵;将所述训练向量矩阵以及所述训练文本对应的类别输入至所述文本分类模型,训练所述文本分类模型;在训练过程中,通过损失函数对所述文本分类模型中的各参数进行调整,直至所述文本分类模型中的各参数收敛。
一些实施方式中,所述处理模块2还用于设置图像字符库以及图像库;所述图像字符库存储多种图像字符;图像字符用于反映所述评语文本对员工的绩效评价;所述图像库存储多种图像;图像字符与图像唯一对应;分别为各图像设置对应的分值;通过图像显示界面显示所述图像库中的图像以及所述分值。
一些实施方式中,所述处理模块2还用于在所述图像显示界面中的第一图像被选中的状态下,调取所述图像字符库中的第一图像字符;所述第一图像为所述图像库中的任一图像;所述第一图像字符与所述第一图像相对应;将所述第一图像字符添加到所述评语文本中,将所述评语文本存储至所述数据库中。
一些实施方式中,所述图像库存储的图像包括五角星图像、月亮图像和太阳图像;其中,3个所述五角星图像的分值等于1个所述月亮图像的分值;3个所述月亮图像的分值等于1个太阳图像的分值。
上述实施例中,对评语文本进行分词以及词组向量化处理,得到向量矩阵,根据向量矩阵对评语文本进行分类,得到分类结果,即得到主管对员工绩效的评价结果,根据分类结果得到员工的绩效考核级别,实现了员工绩效评定的智能化,节省绩效评定工作的人力成本,并提高绩效评定工作的效率。此外,主管在图像显示界面选取图像,用图像的种类和个数表达对员工绩效的评价。图像的种类和个数表达了主管对员工绩效的评价程度,主管可以根据对员工绩效的心里评价预期,为员工绩效给出相应的图像,既方便主管为员工绩效做评价,又提升了工作的趣味性。此外,图像易识别,便于人事部门的客户端更准确地根据主管评语评估出员工的绩效考核结果。
基于相同的技术构思,本申请还提供了一种计算机设备,如图3所示,该计算机设备包括输入输出单元31、处理器32和存储器33,所述存储器33中存储有计算机可读指令,所述计算机可读指令被所述处理器32执行时,使得所述处理器执行上述各实施方式中的所述的绩效线上评定方法的步骤。
图2中所示的获取模块1对应的实体设备为图3所示的输入输出单元31,该输入输出单元31能够实现获取模块1部分或全部的功能,或者实现与获取模块1相同或相似的功能。
图2中所示的处理模块2对应的实体设备为图3所示的处理器32,该处理器32能够实现处理模块2部分或全部的功能,或者实现与处理模块2相同或相似的功能。
基于相同的技术构思,本申请还提供了一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述各实施方式中的所述的绩效线上评定方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,这些均属于本申请的保护之内。
Claims (9)
1.一种绩效线上评定方法,其特征在于,包括:
设置图像字符库以及图像库;所述图像字符库存储多种图像字符;图像字符用于反映评语文本对员工的绩效评价;所述图像库存储多种图像;图像字符与图像唯一对应;所述评语文本用于评价员工的绩效;
分别为各图像设置对应的分值;
通过图像显示界面显示所述图像库中的图像以及所述分值;
在所述图像显示界面中的第一图像被选中的状态下,调取所述图像字符库中的第一图像字符;所述第一图像为所述图像库中的任一图像;所述第一图像字符与所述第一图像相对应;
将所述第一图像字符添加到所述评语文本中,将所述评语文本存储至数据库中;
从所述数据库中获取所述评语文本;
对所述评语文本进行分词,得到所述评语文本对应的向量矩阵;
将所述向量矩阵输入文本分类模型,根据所述文本分类模型得到文本类别;
根据所述文本类别与绩效考核级别之间的映射关系,得到与所述文本类别对应的所述绩效考核级别。
2.根据权利要求1所述的绩效线上评定方法,其特征在于,
所述对所述评语文本进行分词,得到所述评语文本对应的向量矩阵,包括:
基于先验知识对所述评语文本进行分词,得到分词结果;
对所述分词结果进行向量化处理,得到多个词向量;
对所述多个词向量进行拼接,得到所述向量矩阵。
3.根据权利要求1或2所述的绩效线上评定方法,其特征在于,
在所述从所述数据库中获取所述评语文本之前,所述方法还包括:
获取训练样本;所述训练样本包括训练文本及所述训练文本对应的类别;
基于先验知识对所述训练文本进行分词,得到所述训练文本对应的训练向量矩阵;
将所述训练向量矩阵以及所述训练文本对应的类别输入至所述文本分类模型,训练所述文本分类模型;
在训练过程中,通过损失函数对所述文本分类模型中的各参数进行调整,直至所述文本分类模型中的各参数收敛。
4.根据权利要求1所述的绩效线上评定方法,其特征在于,
所述图像库存储的图像包括五角星图像、月亮图像和太阳图像;
其中,3个所述五角星图像的分值等于1个所述月亮图像的分值;3个所述月亮图像的分值等于1个太阳图像的分值。
5.一种绩效线上评定装置,其特征在于,包括:
处理模块,用于设置图像字符库以及图像库;所述图像字符库存储多种图像字符;图像字符用于反映评语文本对员工的绩效评价;所述图像库存储多种图像;图像字符与图像唯一对应;所述评语文本用于评价员工的绩效;分别为各图像设置对应的分值;通过图像显示界面显示所述图像库中的图像以及所述分值;
所述处理模块还用于在所述图像显示界面中的第一图像被选中的状态下,调取所述图像字符库中的第一图像字符;所述第一图像为所述图像库中的任一图像;所述第一图像字符与所述第一图像相对应;将所述第一图像字符添加到所述评语文本中,将所述评语文本存储至数据库中;
获取模块,用于从所述数据库中获取所述评语文本;
所述处理模块还用于对所述获取模块所获取的评语文本进行分词,得到所述评语文本对应的向量矩阵;将所述向量矩阵输入文本分类模型,根据所述文本分类模型得到文本类别;根据所述文本类别与绩效考核级别之间的映射关系,得到与所述文本类别对应的所述绩效考核级别;
所述处理模块还用于设置图像字符库以及图像库;所述图像字符库存储多种图像字符;图像字符用于反映所述评语文本对员工的绩效评价;所述图像库存储多种图像;图像字符与图像唯一对应;分别为各图像设置对应的分值;通过图像显示界面显示所述图像库中的图像以及所述分值。
6.根据权利要求5所述的绩效线上评定装置,其特征在于,
所述处理模块具体用于基于先验知识对所述评语文本进行分词,得到分词结果;对所述分词结果进行向量化处理,得到多个词向量;对所述多个词向量进行拼接,得到所述向量矩阵。
7.根据权利要求5所述的绩效线上评定装置,其特征在于,
所述处理模块还用于基于先验知识对所述训练文本进行分词,得到所述训练文本对应的训练向量矩阵;将所述训练向量矩阵以及所述训练文本对应的类别输入至所述文本分类模型,训练所述文本分类模型;在训练过程中,通过损失函数对所述文本分类模型中的各参数进行调整,直至所述文本分类模型中的各参数收敛。
8.一种计算机设备,其特征在于,包括输入输出单元、存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至4中的任一所述的绩效线上评定方法中的步骤。
9.一种存储有计算机可读指令的存储介质,其特征在于,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至4中的任一所述的绩效线上评定方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910201331.4A CN110059927B (zh) | 2019-03-18 | 2019-03-18 | 绩效线上评定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910201331.4A CN110059927B (zh) | 2019-03-18 | 2019-03-18 | 绩效线上评定方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110059927A true CN110059927A (zh) | 2019-07-26 |
CN110059927B CN110059927B (zh) | 2024-04-16 |
Family
ID=67317145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910201331.4A Active CN110059927B (zh) | 2019-03-18 | 2019-03-18 | 绩效线上评定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059927B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062573A (zh) * | 2019-11-19 | 2020-04-24 | 平安金融管理学院(中国·深圳) | 员工绩效数据确定方法、装置、介质和计算机设备 |
CN111078870A (zh) * | 2019-11-18 | 2020-04-28 | 平安金融管理学院(中国·深圳) | 评价数据处理方法、装置、介质和计算机设备 |
CN111159412A (zh) * | 2019-12-31 | 2020-05-15 | 腾讯科技(深圳)有限公司 | 分类方法、装置、电子设备及可读存储介质 |
CN113077185A (zh) * | 2021-04-27 | 2021-07-06 | 平安普惠企业管理有限公司 | 工作量评估方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5926794A (en) * | 1996-03-06 | 1999-07-20 | Alza Corporation | Visual rating system and method |
CN105469282A (zh) * | 2015-12-01 | 2016-04-06 | 成都知数科技有限公司 | 基于文本评论的线上品牌评估方法 |
CN106779403A (zh) * | 2016-12-13 | 2017-05-31 | 郑州云海信息技术有限公司 | 一种电子政务系统的绩效评估方法及系统 |
US20180039927A1 (en) * | 2016-08-05 | 2018-02-08 | General Electric Company | Automatic summarization of employee performance |
CN107944014A (zh) * | 2017-12-11 | 2018-04-20 | 河海大学 | 一种基于深度学习的中文文本情感分析方法 |
-
2019
- 2019-03-18 CN CN201910201331.4A patent/CN110059927B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5926794A (en) * | 1996-03-06 | 1999-07-20 | Alza Corporation | Visual rating system and method |
CN105469282A (zh) * | 2015-12-01 | 2016-04-06 | 成都知数科技有限公司 | 基于文本评论的线上品牌评估方法 |
US20180039927A1 (en) * | 2016-08-05 | 2018-02-08 | General Electric Company | Automatic summarization of employee performance |
CN106779403A (zh) * | 2016-12-13 | 2017-05-31 | 郑州云海信息技术有限公司 | 一种电子政务系统的绩效评估方法及系统 |
CN107944014A (zh) * | 2017-12-11 | 2018-04-20 | 河海大学 | 一种基于深度学习的中文文本情感分析方法 |
Non-Patent Citations (1)
Title |
---|
赵国杰: "《管理与管理学》", 天津大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111078870A (zh) * | 2019-11-18 | 2020-04-28 | 平安金融管理学院(中国·深圳) | 评价数据处理方法、装置、介质和计算机设备 |
CN111062573A (zh) * | 2019-11-19 | 2020-04-24 | 平安金融管理学院(中国·深圳) | 员工绩效数据确定方法、装置、介质和计算机设备 |
CN111159412A (zh) * | 2019-12-31 | 2020-05-15 | 腾讯科技(深圳)有限公司 | 分类方法、装置、电子设备及可读存储介质 |
CN111159412B (zh) * | 2019-12-31 | 2023-05-12 | 腾讯科技(深圳)有限公司 | 分类方法、装置、电子设备及可读存储介质 |
CN113077185A (zh) * | 2021-04-27 | 2021-07-06 | 平安普惠企业管理有限公司 | 工作量评估方法、装置、计算机设备和存储介质 |
CN113077185B (zh) * | 2021-04-27 | 2022-10-25 | 平安普惠企业管理有限公司 | 工作量评估方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110059927B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059927A (zh) | 绩效线上评定方法、装置、设备和存储介质 | |
CN107220296A (zh) | 问答知识库的生成方法、神经网络的训练方法以及设备 | |
CN111339935B (zh) | 一种基于可解释cnn图像分类模型的光学遥感图片分类方法 | |
CN110503635B (zh) | 一种基于异构数据融合网络的手骨x光片骨龄评估方法 | |
CN111324692B (zh) | 基于人工智能的主观题自动评分方法和装置 | |
CN111309891B (zh) | 一种阅读机器人进行自动问答的系统及其应用方法 | |
CN106897384A (zh) | 一种要点题自动评价方法及装置 | |
CN112668490A (zh) | 基于YOLOv4的害虫检测方法、系统、装置及可读存储介质 | |
CN113537496A (zh) | 一种深度学习模型可视化构建系统及其应用和设计方法 | |
EP3564857A1 (en) | Pattern recognition method of autoantibody immunofluorescence image | |
CN110472880A (zh) | 评价合作问题解决能力的方法、装置及存储介质 | |
CN108038499A (zh) | 一种基于深度学习的树种分类方法与系统 | |
CN109214642A (zh) | 一种建筑施工工序约束的自动抽取和分类方法及系统 | |
CN114510570A (zh) | 基于小样本语料的意图分类方法、装置及计算机设备 | |
CN116401551A (zh) | 模型训练方法和语言模型训练方法及装置 | |
CN104537273A (zh) | 一种溺水模式智能推理系统及方法 | |
CN111125338A (zh) | 一种基于卷积神经网络的图书采购推荐方法及装置 | |
CN113723774A (zh) | 答题评分方法、装置、计算机设备和存储介质 | |
CN105469116B (zh) | 一种基于人机交互的幼儿识图及数据扩充方法 | |
Hammarström | A full-scale test of the language farming dispersal hypothesis | |
CN112732908B (zh) | 试题新颖度评估方法、装置、电子设备和存储介质 | |
CN109272262B (zh) | 一种自然语言特征的分析方法 | |
CN110866540A (zh) | 一种田间幼苗期草类识别方法及装置 | |
CN111488448A (zh) | 一种机器阅读标注数据的生成方法和装置 | |
Setiawan et al. | Implementation of convolutional neural network method for classification of Baum Test |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |