CN110119877B - 一种目标员工的选取方法及设备 - Google Patents
一种目标员工的选取方法及设备 Download PDFInfo
- Publication number
- CN110119877B CN110119877B CN201910272212.8A CN201910272212A CN110119877B CN 110119877 B CN110119877 B CN 110119877B CN 201910272212 A CN201910272212 A CN 201910272212A CN 110119877 B CN110119877 B CN 110119877B
- Authority
- CN
- China
- Prior art keywords
- employee
- candidate
- post
- portrait
- promotion
- 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.)
- Active
Links
Images
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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
- G06Q10/06398—Performance of employee with respect to a job function
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于数据处理技术领域,提供了一种目标员工的选取方法及设备,包括:获取候选员工当前岗位的岗位画像;根据岗位画像以及晋升岗位的晋升画像,确定候选员工关于晋升岗位的差异岗位维度列表;从测评工具库中提取与差异岗位维度列表匹配的测试模型,将候选员工的员工信息导入测评模型,生成候选员工的员工画像;根据员工画像以及晋升画像,计算候选员工与晋升岗位的匹配度;将匹配度最高的候选员工识别为晋升岗位的目标员工。本发明不再是通过部门领导进行主观选取,提高了选取结果的准确性,并且通过比对当前岗位以及晋升岗位之间的差异项,减少了对于相同项的能力比对,提高了匹配效率。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种目标员工的选取方法及设备。
背景技术
企业的发展依赖企业内员工合作,因此公平准确地选取进行晋升的目标员工,则直接影响各个员工的工作效率以及工作积极性。现有的选取晋升的目标员工的方法,对于所有晋升岗位均是提取相同的员工属性来判断是否满足晋升条件,但是在实际目标员工选取的过程中,不同的晋升岗位对于员工的技能要求不同,即用于评选晋升员工的员工属性与晋升岗位的岗位要求之间并不匹配,例如现有的目标员工选取模型对于所有岗位均是获取员工的工作年限以及销售量来选取目标员工,而晋升岗位为管理岗,主要需要员工具备管理能力,而上述目标员工选取模型所选取的员工属性则与岗位需求不一样,从而降低了目标员工选取的准确性,选取效果较差。
发明内容
有鉴于此,本发明实施例提供了一种目标员工的选取方法及设备,以解决现有的目标员工的选取方法,对于所有晋升岗位均是提取相同的员工属性来判断是否满足晋升条件从而降低了目标员工选取的准确性,选取效果较差的问题。
本发明实施例的第一方面提供了一种目标员工的选取方法,包括:
获取候选员工当前岗位的岗位画像;所述岗位画像包含所述候选员工关于多个岗位维度的评分值;
根据所述岗位画像以及晋升岗位的晋升画像,确定所述候选员工关于所述晋升岗位的差异岗位维度列表;
从测评工具库中提取与所述差异岗位维度列表匹配的测试模型,将所述候选员工的员工信息导入所述测评模型,生成所述候选员工的员工画像;
根据所述员工画像以及所述晋升画像,计算所述候选员工与所述晋升岗位的匹配度;
将所述匹配度最高的所述候选员工识别为所述晋升岗位的目标员工。
本发明实施例的第二方面提供了一种目标员工的选取设备,包括:
岗位画像获取单元,用于获取候选员工当前岗位的岗位画像;所述岗位画像包含所述候选员工关于多个岗位维度的评分值;
差异岗位维度列表生成单元,用于根据所述岗位画像以及晋升岗位的晋升画像,确定所述候选员工关于所述晋升岗位的差异岗位维度列表;
员工画像输出单元,用于从测评工具库中提取与所述差异岗位维度列表匹配的测试模型,将所述候选员工的员工信息导入所述测评模型,生成所述候选员工的员工画像;
匹配度计算单元,用于根据所述员工画像以及所述晋升画像,计算所述候选员工与所述晋升岗位的匹配度;
目标员工选取单元,用于将所述匹配度最高的所述候选员工识别为所述晋升岗位的目标员工。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面的各个步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面的各个步骤。
实施本发明实施例提供的一种目标员工的选取方法及设备具有以下有益效果:
本发明实施例通过获取候选员工当前岗位的岗位画像,并将其与晋升岗位的晋升画像进行比对,确定两个岗位之间的存在差异的岗位维度,通过差异的岗位维度可以确定两个岗位职能、技能要求等方面的不同,并根据差异岗位维度列表选取对应的测评模型,生成候选员工的员工画像,该员工画像可以充分体现关于各个差异岗位维度的评价信息,从而可以确定候选员工与晋升岗位之间的匹配度,并选取匹配度最高的一个候选员工作为目标员工,实现了自动选取目标员工的目的。与现有的目标员工的选取方式相比,对于所有岗位并非采用相同的测试模型,而是根据员工的当前岗位以及晋升岗位之间存在差异的岗位维度,选取对应的测试模型,并通过与晋升岗位相匹配的测试模型输出目标员工的员工画像,该员工画像则可以体现晋升岗位主要关注的技能属性,从而基于上述重点关注的技能属性计算候选员工与目标岗位之间的匹配度,大大提高了目标员工选取的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的一种目标员工的选取方法的实现流程图;
图2是本发明第二实施例提供的一种目标员工的选取方法S103具体实现流程图;
图3是本发明第三实施例提供的一种目标员工的选取方法S104具体实现流程图;
图4是本发明第四实施例提供的一种目标员工的选取方法S101具体实现流程图;
图5是本发明第五实施例提供的一种目标员工的选取方法S103具体实现流程图;
图6是本发明一实施例提供的一种目标员工的选取设备的结构框图;
图7是本发明一实施例提供的一种终端设备的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过获取候选员工当前岗位的岗位画像,并将其与晋升岗位的晋升画像进行比对,确定两个岗位之间的存在差异的岗位维度,通过差异的岗位维度可以确定两个岗位职能、技能要求等方面的不同,并根据差异岗位维度列表选取对应的测评模型,生成候选员工的员工画像,该员工画像可以充分体现关于各个差异岗位维度的评价信息,从而可以确定候选员工与晋升岗位之间的匹配度,并选取匹配度最高的一个候选员工作为目标员工,实现了自动选取目标员工的目的,解决了现有的目标员工的选取方法,对于所有晋升岗位均是提取相同的员工属性来判断是否满足晋升条件从而降低了目标员工选取的准确性,选取效果较差的问题。
在本发明实施例中,流程的执行主体为终端设备。该终端设备包括但不限于:服务器、计算机、智能手机以及平板电脑等具有目标员工的选取功能的设备。特别地,该目标员工的选取设备可以为一数据库服务器,该数据库服务器可以接收各个员工的工作记录,从而根据各个员工的工作记录生成对应的员工画像以及岗位画像。图1示出了本发明第一实施例提供的目标员工的选取方法的实现流程图,详述如下:
在S101中,获取候选员工当前岗位的岗位画像;所述岗位画像包含所述候选员工关于多个岗位维度的评分值。
在本实施例中,终端设备可以从员工数据库中选取需要进行岗位晋升的候选员工,并根据候选员工的岗位标识确定各个候选员工当前的岗位画像。需要说明的是,岗位画像用于限定当前岗位的岗位职责以及岗位要求等与岗位相关信息,即该岗位画像与候选员工的工作情况无关,对于不同的候选员工,若其当前岗位相同,即两个候选员工的岗位画像一致。需要说明的是,该员工数据库用于存储所有已录入员工的行为记录,例如操作记录、交易记录、销售记录、位置记录等,通过员工的行为记录可以确定该员工的服务情况,并根据各个候选员工的员工信息确定各个候选员工当前的岗位标识,其中,员工数据库会为每个员工配置对应的存储区域,并关联该员工的员工标识,终端设备在确定了候选员工后,即可通过员工标识从员工数据库中提取对应候选员工的当前岗位的岗位信息,并基于岗位信息确定岗位画像。
在本实施例中,终端设备可以识别员工数据库内所有已录入的员工均为候选员工,也可以从所有已录入员工中选取部分的员工作为候选员工,其中,选取的方式可以通过管理员进行勾选的方式进行选取,或者接收并识别用户发送的候选员工列表,从员工数据库中选取该候选员工列表内记录的候选员工。优选地,终端设备还设置有候选员工选取条件,终端设备基于该候选员工选取条件从员工数据库中提取与该条件匹配的员工作为候选员工。该候选员工选取条件可以为员工当前的工作量大于预设的工作量阈值,该工作量阈值与候选员工的岗位等级相关。例如,终端设备会获取某一员工的当前岗位,并查询该当前岗位所对应的工作量阈值,并检测该员工的当前工作量是否大于该工作量阈值,若是,则识别该员工符合晋升条件,识别为候选员工。
在本实施例中,岗位画像包含多个预设岗位维度的评分值,该评分值用于表示关于该岗位维度的要求系数或难度系数。举例性地,若某一岗位维度为团队合作维度,而该维度的评分值为8/10,即最高分值为10分,而当前岗位的对于团队合作维度需求为8分。因此,根据该岗位画像可以直观地确定该岗位的岗位要求,并将每个岗位维度的需求进行量化,从而方便计算机进行比对。该岗位画像可以由管理员预设进行配置。
可选地,在本实施例中,终端设备可以获取关于该当前岗位的所有在职员工的工作记录,从而根据各个在职员工的工作记录分别统计各个岗位维度的评分值,从而能够根据该岗位实际工作情况进行岗位维度的分值评定,实现评分值的动态调整。
在S102中,根据所述岗位画像以及晋升岗位的晋升画像,确定所述候选员工关于所述晋升岗位的差异岗位维度列表。
在本实施例中,终端设备在获取了候选员工的岗位画像后,需要确定该候选员工当前岗位与所需晋升的晋升岗位之间的差异,因此可以根据晋升岗位的岗位标识,从岗位数据库中提取关于晋升岗位的晋升画像。同样地,晋升画像也可以由管理员进行配置,也可以根据所有当前处于晋升岗位的其他在职员工的工作记录确定各个岗位维度的评分值,具体的详述过程可以参见S101的描述,在此不再赘述。需要说明的是,该晋升画像与岗位画像相同,也包含多个岗位维度的评分值,而岗位维度的类型以及个数可以相同,也可以不同,具体根据不同岗位而定。举例性地,若候选员工的岗位画像包括团队管理维度、工作量维度、客户总量维度等岗位维度;而晋升画像可以包括团队管理维度、推广能力维度、产品设计维度等。由此可见,岗位画像与晋升维度可以有相同的岗位维度项,也可以包含不同的岗位维度项。
在本实施例中,终端设备会比对两个画像之中各个岗位维度,将存在差异的岗位维度添加到岗位维度列表中。其中,差异的岗位维度包括评分值不同以及岗位维度缺失两种差异类型。例如,若晋升岗位的晋升画像中的团队管理维度的评分值为10分,而候选员工当前岗位的岗位画像中的团队管理维度的评分值为8分,上述两个岗位画像包含相同的岗位维度,而评分值不同,则将该岗位维度识别为差异的岗位维度,添加到差异岗位维度列表;又例如,晋升岗位的晋升画像中包含产品设计维度,而当前岗位的岗位画像却不包含该项,则将产品设计维度添加到差异岗位维度列表。
在本实施例中,终端设备可以根据差异岗位维度列表确定当前岗位与今生岗位之间的差异情况,从而根据存在差异的岗位维度对候选员工的能力进行评定,判断候选员工在差异项上是否符合晋升岗位的岗位要求,而对于相同的岗位维度,由于候选员工能够就任于当前岗位,则表示候选员工满足当前岗位的所有岗位维度的要求,则必然也符合晋升岗位中评分值相同的岗位维度,终端设备只需关注存在的差异岗位维度项即可。
在S103中,从测评工具库中提取与所述差异岗位维度列表匹配的测试模型,将所述候选员工的员工信息导入所述测评模型,生成所述候选员工的员工画像。
在本实施例中,终端设备根据差异岗位维度列表中包含的岗位维度,选取与各个岗位维度匹配的测评模型。可选地,每个测评模型可以关联有固定的岗位维度列表,终端设备根据该岗位维度列表以及差异岗位维度列表之间相同的岗位维度项数,作为两者之间的匹配度,选取匹配度最高的测评模型作为该差异岗位维度列表匹配的测评模型。由于对于不同的岗位维度,所需的分析算法会存在差异,因此所对应的测评模型也会存在差异,为了提高员工画像,即对于员工能力分析的准确性,终端设备需要选取与差异岗位维度列表匹配的测评模型,从而能够准确计算出关于差异岗位维度的评分值。
在本实施例中,终端设备可以从员工数据库中提取关于候选员工的员工信息。该员工信息包括有简历信息、教育信息、当前岗位的部门信息,还可以包括候选员工的工作记录。终端设备将所有员工的工作记录导入该测评工具中,从而计算关于各个差异岗位维度的评分值,从而生成关于该候选员工的员工画像。
在S104中,根据所述员工画像以及所述晋升画像,计算所述候选员工与所述晋升岗位的匹配度。
在本实施例中,终端设备将候选员工的员工画像与晋升岗位的晋升画像进行比对,从而根据两个画像之间的差异度确定候选员工与晋升岗位之间的匹配度。若两者的差异度越小,则候选员工与晋升岗位的匹配度越高;反之,若员工画像与晋升画像之间的差异度越大,则候选员工与晋升岗位的匹配度越低。
可选地,计算候选员工与晋升岗位的匹配度的方式可以为:终端设备计算员工画像中各个岗位维度与晋升画像中各个岗位维度的差值,基于各个岗位维度的差值以及岗位维度所对应的加权权重进行加权求和,所计算出的累加值即为候选员工与晋升岗位之间的匹配度。
在S105中,将所述匹配度最高的所述候选员工识别为所述晋升岗位的目标员工。
在本实施例中,终端设备可以根据各个候选员工与晋升岗位之间的匹配度,并将各个候选员工从小到大进行排序,选取匹配度最高的一个候选员工作为目标员工。可选地,若目标岗位对应的晋升人数为N,即本次晋升的员工人数为N个,则根据服务等级对各个候选员工进行排序,并选取前N个候选员工作为目标员工。还例如本次晋升设置有晋升阈值,则选取服务等级大于该晋升阈值的候选员工作为目标员工。当然,若不同部门所分配的晋升人数不同,也可以将各个候选员工基于所属的部门划分为多个候选组,从而基于各个部门对应的晋升人数,从候选组中选取对应的目标员工。
以上可以看出,本发明实施例提供的一种目标员工的选取方法通过获取候选员工当前岗位的岗位画像,并将其与晋升岗位的晋升画像进行比对,确定两个岗位之间的存在差异的岗位维度,通过差异的岗位维度可以确定两个岗位职能、技能要求等方面的不同,并根据差异岗位维度列表选取对应的测评模型,生成候选员工的员工画像,该员工画像可以充分体现关于各个差异岗位维度的评价信息,从而可以确定候选员工与晋升岗位之间的匹配度,并选取匹配度最高的一个候选员工作为目标员工,实现了自动选取目标员工的目的。与现有的目标员工的选取方式相比,对于所有岗位并非采用相同的测试模型,而是根据员工的当前岗位以及晋升岗位之间存在差异的岗位维度,选取对应的测试模型,并通过与晋升岗位相匹配的测试模型输出目标员工的员工画像,该员工画像则可以体现晋升岗位主要关注的技能属性,从而基于上述重点关注的技能属性计算候选员工与目标岗位之间的匹配度,大大提高了目标员工选取的准确性。
图2示出了本发明第二实施例提供的一种目标员工的选取方法S103的具体实现流程图。参见图2所示,相对于图1述实施例,本实施例提供的一种目标员工的选取方法中S103包括:S1031~S1036,具体详述如下:
在S1031,创建关于所述差异岗位维度列表的多个测评训练任务,并为每个所述测评训练任务配置标准测评结果;所述测评训练任务内的各个所述岗位维度的评分值随机配置。
在本实施例中,终端设备为了确定各个候选模型与差异岗位维度列表是否匹配,需要创建多个测评训练任务,来计算各个候选模型的推荐系数,从而选取推荐系数最高的一个候选任务作为差异岗位维度列表对应的测评模型,从而能够提高测评模型选取的准确性。该推荐系数具体有两个参数决定,分别为候选模型的处理时长以及测评结果的准确率。基于此,终端设备会获取差异岗位维度列表中包含的岗位维度的维度类型,并为每个岗位维度随机配置多个评分值,从而生成关于差异岗位维度列表的多个测评训练任务。
在本实施例中,终端设备在建立了测评训练任务后,会为每个测评训练任务配置一个标准测评结果。配置标准测评结果的具体方式可以为:从员工数据库中查询与测评训练任务中各个岗位维度的评分值一致的员工作为训练员工,获取该训练员工的员工画像作为该测评训练任务的标准测评结果。当然,该标准测评结果还可以由管理员手动配置。
在S1032中,分别通过所述测评工具库内的各个候选模型输出所述测评训练任务的实际测评结果。
在本实施例中,终端设备分别将各个测评训练任务导入到测评工具库内候选模型内,计算关于测评训练任务的实际测评结果,从而可以得到输出关于多个测评训练任务的实际测评结果。终端设备将同一个候选模型输出的实际测评结果封装到一个数据组内,并为每个实际测评结果关联对应的测评训练任务。
在S1033中,基于所述实际测评结果以及所述标准测评结果,统计所述候选模型的正确率。
在本实施例中,终端设备根据实际测评结果所对应的测评训练任务的任务标识,查询与之对应的标准测评结果,并检测该实际测评记过与标准测评结果是否匹配,若两者匹配,则识别本次计算为匹配正确。最后终端设备统计匹配正确的测评训练任务的正确个数,并基于正确个数以及训练测评任务的总数计算出候选模型的正确率。对于各个候选模型均执行上述操作计算对应的正确率。
在S1034中,根据所述候选模型每次输出所述实际测评结果的处理时间,计算所述候选测评模型的时间特征值。
在本实施例中,终端设备将测评训练任务导入到候选模型时,会启动一个处理计时器,当候选模型输出实际测评结果时,会暂停该处理计时器,并读取该处理计时器的计数值,将该计数值识别为该实际测评结果的处理时间。终端设备根据各个实际测评结果的处理时间,可以计算出候选模型处理训练任务的平均处理时长,将该平均处理时长作为候选测评模型的时间特征值。
在S1035中,将所述时间特征值以及所述正确率导入推荐度计算模型,计算关于所述候选模型的推荐系数;所述推荐度计算模型具体为:
其中,CommendLv(j)为第j个所述候选模型的推荐系数;RightRatej为第j个所述候选模型的所述正确率;DealTimej为第j个所述候选模型的时间特征值;n为所述候选模型的总个数;为最大值选取函数;为最小值选取函数;α和β为预设常数。
在本实施例中,终端设备将候选模型对应的时间特征值以及正确率导入到推荐度计算模型,计算关于候选模型的推荐系数,若该候选模型的正确率越高,处理时间越短,则表示对应的推荐系数越高;若该候选模型的正确率越低而处理时间越长,则表示对应的推荐系数越低。
在S1036中,选取所述推荐系数最高的所述候选模型作为与所述差异岗位维度列表匹配的测试模型。
在本实施例中,终端设备计算了各个候选模型的推荐系数后,则选取推荐系数最高的候选模型作为测评模型。若存在两个或以上的候选模型的推荐系数一样,则选取正确率较高的一个测评模型作为差异岗位维度列表匹配的测评模型。
在本发明实施例中,通过生成多个测评训练任务,并基于候选模型处理测评训练任务的正确率以及处理时长,计算各个候选模型的推荐系数,从而能够选取出与差异岗位维度列表匹配度最高的候选模型作为测评模型,提高了测评模型选取的准确性。
图3示出了本发明第三实施例提供的一种目标员工的选取方法S104的具体实现流程图。参见图3所示,相对于图1所述实施例,本实施例提供的一种目标员工的选取方法中S104包括:S1041~S1044,具体详述如下:
在S1041中,提取所述员工画像的绩效维度的绩效分值,根据所述绩效分值以及所述晋升画像的标准业绩值,计算第一匹配因子。
在本实施例中,员工画像包含有绩效维度,终端设备会检测该绩效维度的绩效分值,而晋升画像中与绩效维度对应的为业绩维度,则终端设备会获取晋升画像中关于业绩维度的评分值,将该评分值势必为标准业绩值。终端设备根据绩效分值以及标准业绩值计算出第一匹配因子。具体地,若绩效分值与标准业绩值之间的差值越大,则第一匹配因子的数值越大;反之,若绩效分值与标准业绩值之间的差值越小,甚至为负数时,则第一匹配因子的数值越小,即候选员工与晋升岗位在业绩维度匹配度较低。
在S1042中,基于所述员工画像确定所述候选员工的多个技能关键词,并统计在所述晋升画像的技能列表内的技能关键词的匹配个数,将所述匹配个数识别为第二匹配因子。
在本实施例中,终端设备可以根据员工画像中各个岗位维度的评分值,确定该员工画像的技能关键词,由于通过技能关键词可以确定候选员工所具备的工作技能,并检测各个技能关键词是否在晋升画像对应的技能列表内,若与技能列表中要求的工作技能的匹配个数越多,则表示候选员工与晋升岗位之间的匹配度较高,反之,若与技能列表中要求的工作技能的匹配个数越小,则表示候选员工与晋升岗位之间的匹配度较低,基于此,终端设备可以根据匹配个数作为第二匹配因子。
在S1043中,基于所述员工画像的性格维度的评分值,确定所述候选员工的性格属性,根据所述晋升画像的团队管理维度的评分值以及所述性格属性,计算第三匹配因子。
在本实施例中,终端设备获取员工画像中性格维度的评分值,并将该评分值导入预设的性格属性哈希函数,确定该评分值所对应的性格属性,并判断该性格属性适合团队管理工作,基于晋升岗位的团队管理维度的评分值,可以确定该晋升岗位对于团队管理的需求程度,从而可以计算得到第三匹配因子。
在S1044中,根据所述第一匹配因子、所述第二匹配因子以及所述第三匹配因子,计算所述候选员工与所晋升岗位的所述匹配度。
在本实施例中,终端设备会获取各个匹配因子所对应的加权权重,该加权权重与晋升岗位相关,不同的晋升岗位对于候选员工能力的侧重项不同,可以对应的加大关于该匹配因子的加权权重,对各个匹配因子进行加权求和,将加权后的累加值作为候选员工与晋升岗位之间匹配度。
在本发明实施例中,通过将员工画像与晋升画像中不同的岗位维度计算出对应的匹配因子,最后通过多个匹配因子计算出候选员工与晋升岗位之间匹配度,从而能够提高匹配度的准确性。
图4示出了本发明第四实施例提供的一种目标员工的选取方法S101的具体实现流程图。参见图4所示,相对于图1-图3所述实施例,本实施例提供的一种目标员工的选取方法中S101包括:S1011~S1013,具体详述如下:
在S1011中,获取所述当前岗位的岗位描述信息。
在本实施例中,终端设备可以根据当前岗位的岗位标识,从岗位数据库中提取关于该岗位标识的岗位描述信息。岗位描述信息可以包含有用于描述该当前岗位的岗位要求、岗位职责等与岗位相关的信息。
在S1012中,对所述岗位描述信息进行语义分析,提取所述当前岗位的岗位关键词,并为每个所述岗位关键词配置所述岗位维度。
在本实施例中,终端设备可以配置有岗位关键词库,终端设备检测该岗位描述信息中是否包含岗位关键词库内记录有的候选关键词,若包含,则将该候选关键词识别为当前岗位的岗位关键词,并根据各个岗位关键词确定当前岗位的岗位维度。
在S1013中,基于所述当前岗位的岗位等级,确定各个岗位维度的岗位评分值,生成所述当前岗位的岗位画像。
在本实施例中,终端设备会根据当前岗位的岗位等级,确定各个岗位维度的岗位评分值。具体地,该岗位等级越高,则岗位维度的评分值越高;反之,该岗位等级越低,则岗位维度的评分值越低,即要求较低,从而生成关于当前岗位的岗位画像。
在本发明实施例中,通过对岗位描述信息进行语义分析,从而可以输出关于当前岗位的岗位画像,实现自动生成岗位画像的目的,无需人工配置,提高了岗位画像的生成效率。
图5示出了本发明第五实施例提供的一种目标员工的选取方法的具体实现流程图。参见图5所示,相对于图1-图3所述实施例,本实施例提供的一种目标员工的选取方法中S103包括:S501~S502,具体详述如下:
在S501中,将所述测试模型的场景模式设置为晋升模式,并根据所述差异岗位维度列表包含的所述岗位维度,调整所述测评模型的参数值。
在本实施例中,测试模型具有不同的场景模式,根据不同的模式对应的测评结果的输出结果也会存在差异。例如,测评模型可以包括有招聘模式、晋升模式、年度总结模式等。终端设备首先将该测评模型的场景模型设置为晋升模型,并开启关于差异岗位维度列表中各个岗位维度的测评通路,从而能够输出关于各个差异岗位维度的评分值。
在S1062中,将所述候选员工的员工信息以及审核用户的评价信息导入调整后的所述测评模型,生成所述候选员工的员工画像。
在本实施例中,终端设备将候选员工的员工信息以及各个审核用户关于候选员工的评价信息导入到测评模型内,从而能够根据员工信息的客观工作情况以及审核人员的实际评分值,提高了员工画像的准确率。
在本发明实施例中,通过调整测评模型的场景模型,以及通过差异岗位维度列表调整测评模型的运行参数,从而能够提高测评模型输出结果的准确率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图6示出了本发明一实施例提供的一种终端设备的结构框图,该终端设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。
参见图6,一种目标员工的选取设备,包括:
岗位画像获取单元61,用于获取候选员工当前岗位的岗位画像;所述岗位画像包含所述候选员工关于多个岗位维度的评分值;
差异岗位维度列表生成单元62,用于根据所述岗位画像以及晋升岗位的晋升画像,确定所述候选员工关于所述晋升岗位的差异岗位维度列表;
员工画像输出单元63,用于从测评工具库中提取与所述差异岗位维度列表匹配的测试模型,将所述候选员工的员工信息导入所述测评模型,生成所述候选员工的员工画像;
匹配度计算单元64,用于根据所述员工画像以及所述晋升画像,计算所述候选员工与所述晋升岗位的匹配度;
目标员工选取单元62,用于将所述匹配度最高的所述候选员工识别为所述晋升岗位的目标员工。
可选地,所述员工画像输出单元63包括:
训练任务创建单元,用于创建关于所述差异岗位维度列表的多个测评训练任务,并为每个所述测评训练任务配置标准测评结果;所述测评训练任务内的各个所述岗位维度的评分值随机配置;
实际测评结果输出单元,用于分别通过所述测评工具库内的各个候选模型输出所述测评训练任务的实际测评结果;
正确率统计单元,用于基于所述实际测评结果以及所述标准测评结果,统计所述候选模型的正确率;
时间特征值计算单元,用于根据所述候选模型每次输出所述实际测评结果的处理时间,计算所述候选测评模型的时间特征值;
推荐系数计算单元,用于将所述时间特征值以及所述正确率导入推荐度计算模型,计算关于所述候选模型的推荐系数;所述推荐度计算模型具体为:
其中,CommendLv(j)为第j个所述候选模型的推荐系数;RightRatej为第j个所述候选模型的所述正确率;DealTimej为第j个所述候选模型的时间特征值;n为所述候选模型的总个数;为最大值选取函数;为最小值选取函数;α和β为预设常数;
测评模型选取单元,用于选取所述推荐系数最高的所述候选模型作为与所述差异岗位维度列表匹配的测试模型。
可选地,所述匹配度计算单元64包括:
第一匹配因子计算单元,用于提取所述员工画像的绩效维度的绩效分值,根据所述绩效分值以及所述晋升画像的标准业绩值,计算第一匹配因子;
第二匹配因子计算单元,用于基于所述员工画像确定所述候选员工的多个技能关键词,并统计在所述晋升画像的技能列表内的技能关键词的匹配个数,将所述匹配个数识别为第二匹配因子;
第三匹配因子计算单元,用于基于所述员工画像的性格维度的评分值,确定所述候选员工的性格属性,根据所述晋升画像的团队管理维度的评分值以及所述性格属性,计算第三匹配因子;
匹配因子加权单元,用于根据所述第一匹配因子、所述第二匹配因子以及所述第三匹配因子,计算所述候选员工与所晋升岗位的所述匹配度。
可选地,所述岗位画像获取单元61包括:
岗位描述信息获取单元,用于获取所述当前岗位的岗位描述信息;
岗位维度确定跟单员,用于对所述岗位描述信息进行语义分析,提取所述当前岗位的岗位关键词,并为每个所述岗位关键词配置所述岗位维度;
岗位画像输出单元,用于基于所述当前岗位的岗位等级,确定各个岗位维度的岗位评分值,生成所述当前岗位的岗位画像。
可选地,所述员工画像输出单元63包括:
测试模型调整单元,用于将所述测试模型的场景模式设置为晋升模式,并根据所述差异岗位维度列表包含的所述岗位维度,调整所述测评模型的参数值;
员工信息导入单元,用于将所述候选员工的员工信息以及审核用户的评价信息导入调整后的所述测评模型,生成所述候选员工的员工画像。
因此,本发明实施例提供的终端设备对于所有岗位并非采用相同的测试模型,而是根据员工的当前岗位以及晋升岗位之间存在差异的岗位维度,选取对应的测试模型,并通过与晋升岗位相匹配的测试模型输出目标员工的员工画像,该员工画像则可以体现晋升岗位主要关注的技能属性,从而基于上述重点关注的技能属性计算候选员工与目标岗位之间的匹配度,大大提高了目标员工选取的准确性。
图7是本发明另一实施例提供的一种终端设备的示意图。如图7所示,该实施例的终端设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72,例如目标员工的选取程序。所述处理器70执行所述计算机程序72时实现上述各个目标员工的选取方法实施例中的步骤,例如图1所示的S101至S105。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各单元的功能,例如图6所示模块61至65功能。
示例性的,所述计算机程序72可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如,所述计算机程序72可以被分割成岗位画像获取单元、差异岗位维度列表生成单元、员工画像输出单元、匹配度计算单元以及目标员工选取单元,各单元具体功能如上所述。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的示例,并不构成对终端设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.一种目标员工的选取方法,其特征在于,包括:
获取候选员工当前岗位的岗位画像;所述岗位画像包含所述候选员工关于多个岗位维度的评分值;
根据所述岗位画像以及晋升岗位的晋升画像,确定所述候选员工关于所述晋升岗位的差异岗位维度列表;
从测评工具库中提取与所述差异岗位维度列表匹配的测试模型,将所述候选员工的员工信息导入所述测试模型,生成所述候选员工的员工画像;
根据所述员工画像以及所述晋升画像,计算所述候选员工与所述晋升岗位的匹配度;
将匹配度最高的所述候选员工识别为所述晋升岗位的目标员工;
所述从测评工具库中提取与所述差异岗位维度列表匹配的测试模型,将所述候选员工的员工信息导入所述测试模型,生成所述候选员工的员工画像,包括:
创建关于所述差异岗位维度列表的多个测评训练任务,并为每个所述测评训练任务配置标准测评结果;所述测评训练任务内的各个所述岗位维度的评分值随机配置;
分别通过所述测评工具库内的各个候选模型输出所述测评训练任务的实际测评结果;
基于所述实际测评结果以及所述标准测评结果,统计所述候选模型的正确率;
根据所述候选模型每次输出所述实际测评结果的处理时间,计算所述候选模型的时间特征值;
将所述时间特征值以及所述正确率导入推荐度计算模型,计算关于所述候选模型的推荐系数;所述推荐度计算模型具体为:
其中,CommendLv(j)为第j个所述候选模型的推荐系数;RightRatej为第j个所述候选模型的所述正确率;RightRatei为第i个所述候选模型的所述正确率;DealTimej为第j个所述候选模型的时间特征值;DealTimei为第i个所述候选模型的时间特征值;n为所述候选模型的总个数;为最大值选取函数;为最小值选取函数;α和β为预设常数;
选取推荐系数最高的所述候选模型作为与所述差异岗位维度列表匹配的测试模型。
2.根据权利要求1所述的选取方法,其特征在于,所述根据所述员工画像以及所述晋升画像,计算所述候选员工与所述晋升岗位的匹配度,包括:
提取所述员工画像的绩效维度的绩效分值,根据所述绩效分值以及所述晋升画像的标准业绩值,计算第一匹配因子;
基于所述员工画像确定所述候选员工的多个技能关键词,并统计在所述晋升画像的技能列表内的技能关键词的匹配个数,将所述匹配个数识别为第二匹配因子;
基于所述员工画像的性格维度的评分值,确定所述候选员工的性格属性,根据所述晋升画像的团队管理维度的评分值以及所述性格属性,计算第三匹配因子;
根据所述第一匹配因子、所述第二匹配因子以及所述第三匹配因子,计算所述候选员工与所晋升岗位的所述匹配度。
3.根据权利要求1-2任一项 所述的选取方法,其特征在于,所述获取候选员工当前岗位的岗位画像,包括:
获取所述当前岗位的岗位描述信息;
对所述岗位描述信息进行语义分析,提取所述当前岗位的岗位关键词,并为每个所述岗位关键词配置所述岗位维度;
基于所述当前岗位的岗位等级,确定各个岗位维度的岗位评分值,生成所述当前岗位的岗位画像。
4.根据权利要求1-2任一项所述的选取方法,其特征在于,所述从测评工具库中提取与所述差异岗位维度列表匹配的测试模型,将所述候选员工的员工信息导入所述测试模型,生成所述候选员工的员工画像,包括:
将所述测试模型的场景模式设置为晋升模式,并根据所述差异岗位维度列表包含的所述岗位维度,调整所述测试模型的参数值;
将所述候选员工的员工信息以及审核用户的评价信息导入调整后的所述测试模型,生成所述候选员工的员工画像。
5.一种目标员工的选取设备,其特征在于,包括:
岗位画像获取单元,用于获取候选员工当前岗位的岗位画像;所述岗位画像包含所述候选员工关于多个岗位维度的评分值;
差异岗位维度列表生成单元,用于根据所述岗位画像以及晋升岗位的晋升画像,确定所述候选员工关于所述晋升岗位的差异岗位维度列表;
员工画像输出单元,用于从测评工具库中提取与所述差异岗位维度列表匹配的测试模型,将所述候选员工的员工信息导入所述测试模型,生成所述候选员工的员工画像;
匹配度计算单元,用于根据所述员工画像以及所述晋升画像,计算所述候选员工与所述晋升岗位的匹配度;
目标员工选取单元,用于将匹配度最高的所述候选员工识别为所述晋升岗位的目标员工;
所述员工画像输出单元包括:
训练任务创建单元,用于创建关于所述差异岗位维度列表的多个测评训练任务,并为每个所述测评训练任务配置标准测评结果;所述测评训练任务内的各个所述岗位维度的评分值随机配置;
实际测评结果输出单元,用于分别通过所述测评工具库内的各个候选模型输出所述测评训练任务的实际测评结果;
正确率统计单元,用于基于所述实际测评结果以及所述标准测评结果,统计所述候选模型的正确率;
时间特征值计算单元,用于根据所述候选模型每次输出所述实际测评结果的处理时间,计算所述候选模型的时间特征值;
推荐系数计算单元,用于将所述时间特征值以及所述正确率导入推荐度计算模型,计算关于所述候选模型的推荐系数;所述推荐度计算模型具体为:
其中,CommendLv(j)为第j个所述候选模型的推荐系数;RightRatej为第j个所述候选模型的所述正确率;RightRatei为第i个所述候选模型的所述正确率;DealTimej为第j个所述候选模型的时间特征值;DealTimei为第i个所述候选模型的时间特征值;n为所述候选模型的总个数;为最大值选取函数;为最小值选取函数;α和β为预设常数;
测试模型选取单元,用于选取推荐系数最高的所述候选模型作为与所述差异岗位维度列表匹配的测试模型。
6.根据权利要求5所述的选取设备,其特征在于,所述匹配度计算单元包括:
第一匹配因子计算单元,用于提取所述员工画像的绩效维度的绩效分值,根据所述绩效分值以及所述晋升画像的标准业绩值,计算第一匹配因子;
第二匹配因子计算单元,用于基于所述员工画像确定所述候选员工的多个技能关键词,并统计在所述晋升画像的技能列表内的技能关键词的匹配个数,将所述匹配个数识别为第二匹配因子;
第三匹配因子计算单元,用于基于所述员工画像的性格维度的评分值,确定所述候选员工的性格属性,根据所述晋升画像的团队管理维度的评分值以及所述性格属性,计算第三匹配因子;
匹配因子加权单元,用于根据所述第一匹配因子、所述第二匹配因子以及所述第三匹配因子,计算所述候选员工与所晋升岗位的所述匹配度。
7.一种终端设备,其特征在于,所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时如权利要求1至4任一项所述方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910272212.8A CN110119877B (zh) | 2019-04-04 | 2019-04-04 | 一种目标员工的选取方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910272212.8A CN110119877B (zh) | 2019-04-04 | 2019-04-04 | 一种目标员工的选取方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110119877A CN110119877A (zh) | 2019-08-13 |
CN110119877B true CN110119877B (zh) | 2022-12-09 |
Family
ID=67520851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910272212.8A Active CN110119877B (zh) | 2019-04-04 | 2019-04-04 | 一种目标员工的选取方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110119877B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860771A (zh) * | 2019-11-28 | 2021-05-28 | 泰康保险集团股份有限公司 | 一种架构差距获取方法及系统 |
CN111861400A (zh) * | 2020-07-22 | 2020-10-30 | 何丽娟 | 一种企业测评系统 |
CN112288391A (zh) * | 2020-10-28 | 2021-01-29 | 甘肃和润智信企业管理咨询有限公司 | 基于区间匹配的人岗匹配方法及系统 |
CN112364133A (zh) * | 2020-11-17 | 2021-02-12 | 深圳平安智汇企业信息管理有限公司 | 岗位画像生成方法、装置、设备及存储介质 |
CN112396334A (zh) * | 2020-11-26 | 2021-02-23 | 中建科技集团有限公司 | 大数据驱动下的企业员工盘点计算方法及系统 |
CN112819286A (zh) * | 2021-01-07 | 2021-05-18 | 连云港中教常青科技发展有限公司 | 一种精英人才和岗位高嵌合度分类匹配系统和方法 |
CN113570322A (zh) * | 2021-05-14 | 2021-10-29 | 南京奥派信息产业股份公司 | 面向高职学生的职业测评方法及装置 |
CN113239283B (zh) * | 2021-07-09 | 2021-09-28 | 国能大渡河大数据服务有限公司 | 一种基于多维度的岗位匹配度计算方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968698A (zh) * | 2012-12-07 | 2013-03-13 | 深圳市智维通达科技有限公司 | 一种企业员工学习数据模型的建立方法及系统 |
CN107784426A (zh) * | 2017-08-03 | 2018-03-09 | 平安科技(深圳)有限公司 | 一种员工的岗位分配方法、装置及设备 |
CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
CN108710634A (zh) * | 2018-04-08 | 2018-10-26 | 平安科技(深圳)有限公司 | 一种协议文件的推送方法及终端设备 |
CN108764825A (zh) * | 2018-05-15 | 2018-11-06 | 中国平安人寿保险股份有限公司 | 职位信息匹配方法、装置、计算机设备及存储介质 |
-
2019
- 2019-04-04 CN CN201910272212.8A patent/CN110119877B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968698A (zh) * | 2012-12-07 | 2013-03-13 | 深圳市智维通达科技有限公司 | 一种企业员工学习数据模型的建立方法及系统 |
CN107784426A (zh) * | 2017-08-03 | 2018-03-09 | 平安科技(深圳)有限公司 | 一种员工的岗位分配方法、装置及设备 |
CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
CN108710634A (zh) * | 2018-04-08 | 2018-10-26 | 平安科技(深圳)有限公司 | 一种协议文件的推送方法及终端设备 |
CN108764825A (zh) * | 2018-05-15 | 2018-11-06 | 中国平安人寿保险股份有限公司 | 职位信息匹配方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110119877A (zh) | 2019-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119877B (zh) | 一种目标员工的选取方法及设备 | |
CN110162695B (zh) | 一种信息推送的方法及设备 | |
CN107341268B (zh) | 一种热搜榜排序方法及系统 | |
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 | |
CN107463605B (zh) | 低质新闻资源的识别方法及装置、计算机设备及可读介质 | |
CN109242612B (zh) | 一种产品推荐的方法及设备 | |
CN110163647A (zh) | 一种数据处理方法及装置 | |
WO2018053966A1 (zh) | 点击率预估 | |
CN110457577B (zh) | 数据处理方法、装置、设备和计算机存储介质 | |
CN112052387B (zh) | 一种内容推荐方法、装置和计算机可读存储介质 | |
CN109376982B (zh) | 一种目标员工的选取方法及设备 | |
WO2020233360A1 (zh) | 一种产品测评模型的生成方法及设备 | |
CN111143697B (zh) | 一种内容推荐的方法以及相关装置 | |
KR20190128246A (ko) | 검색 방법 및 장치 및 비-일시적 컴퓨터-판독가능 저장 매체 | |
WO2021179631A1 (zh) | 卷积神经网络模型压缩方法、装置、设备及存储介质 | |
CN110543484A (zh) | 提示词的推荐方法及装置、存储介质和处理器 | |
CN109902154A (zh) | 信息处理方法、装置、服务设备及计算机可读存储介质 | |
CN110413881B (zh) | 一种识别标签准确性的方法、装置、网络设备和存储介质 | |
CN114491034A (zh) | 一种文本分类方法及智能设备 | |
CN109344232A (zh) | 一种舆情信息检索方法及终端设备 | |
CN109462635B (zh) | 一种信息推送方法、计算机可读存储介质及服务器 | |
CN114780712B (zh) | 一种基于质量评价的新闻专题生成方法及装置 | |
CN109840468A (zh) | 一种用户分析报告的生成方法及设备 | |
CN115641198A (zh) | 用户运营方法、装置、电子设备和存储介质 | |
CN110795598A (zh) | 基于vca视频标签分析的智能栏目生成方法 |
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 |