CN112561333B - 一种考核数据处理方法、装置、电子设备及存储介质 - Google Patents

一种考核数据处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112561333B
CN112561333B CN202011490536.8A CN202011490536A CN112561333B CN 112561333 B CN112561333 B CN 112561333B CN 202011490536 A CN202011490536 A CN 202011490536A CN 112561333 B CN112561333 B CN 112561333B
Authority
CN
China
Prior art keywords
assessment
target
data
historical
type
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
Application number
CN202011490536.8A
Other languages
English (en)
Other versions
CN112561333A (zh
Inventor
吴青晨
吴志伟
江明浩
梁晓怡
麦耿龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202011490536.8A priority Critical patent/CN112561333B/zh
Publication of CN112561333A publication Critical patent/CN112561333A/zh
Application granted granted Critical
Publication of CN112561333B publication Critical patent/CN112561333B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • G06Q10/06—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
    • G06Q10/06395—Quality analysis or management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提出了一种考核数据处理方法、装置、电子设备及存储介质，属于数据处理的技术领域，该方法包括：获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。本申请能够解决现有的供应商考核算法，存在考核效率低，且准确性差的技术问题。

Description

一种考核数据处理方法、装置、电子设备及存储介质
技术领域
本申请属于数据处理的技术领域，具体涉及一种考核数据处理方法、装置、电子设备及存储介质。
背景技术
供应商考核是企业管理供应商供货质量，保障双方合作利益、促进友好交易的一种重要手段。随着企业合作供应商数量的不断增加，企业产品不断丰富，需要考核的供应商、物料、考核规则等都在不断增加。现有的供应商考核方法为人工处理的考核方式，该考核方式处理效率低下，且考核结果准确性差，可靠性差，因此，急需一种系统智能预测考核结果，辅助并解放人工操作，提高准确率和工作效率的供应商考核预测方法。因此，针对现有的供应商考核算法，存在考核效率低，且准确性差的技术问题。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供的一种考核数据处理方法、装置、电子设备及存储介质，能够解决现有的供应商考核算法，存在考核效率低，且准确性差的技术问题。
为实现以上目的，本申请采用如下技术方案：
第一方面，本申请提供一种考核数据处理方法，包括：获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。
进一步地，根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果，包括：根据所述目标特征属性和所述至少一个考核类型的考核模型，确定所述目标特征属性所属的目标考核类型；根据所述目标考核类型对所述目标供应商进行评价，得到所述第一评价结果。
进一步地，根据所述目标特征属性和所述至少一个考核类型的考核模型，确定所述目标特征属性所属的目标考核类型，包括：计算所述目标特征属性和每个考核模型中所包含的历史特征属性之间的相似程度，得到至少一个相似值；根据所述至少一个相似值确定所述目标特征属性所属的所述目标考核类型。
进一步地，所述方法还包括：在提取到所述待考核数据的目标特征属性之后，获取所述目标供应商的目标考核协议；将所述目标特征属性和所述目标考核协议进行匹配，得到所述待考核数据的计算逻辑，并根据所述计算逻辑确定所述待考核数据的第二评价结果。
进一步地，所述方法还包括：向目标用户发送目标评价结果；在获取到所述目标用户针对所述目标评价结果的修改信息之后，按照所述修改信息对所述目标评价结果进行修正，其中，所述目标评价结果包括：所述第一评价结果和/或所述第二评价结果；将修正之后的所述目标考核结果作为所述目标供应商的历史考核数据。
进一步地，获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型，包括：获取所述历史考核数据；通过LDA算法对所述历史考核数据进行计算处理，得到所述历史考核数据特征概率向量，其中，所述特征概率向量用于表征所述历史考核数据的特征属性为预设特征属性的概率值；根据所述特征概率向量确定所属于至少一个考核类型的考核模型。
第二方面，本申请提供一种考核数据处理装置，包括：第一获取单元，用于获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；第二获取单元，用于获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；评价单元，用于根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。
进一步地，所述评价单元，用于：根据所述目标特征属性和所述至少一个考核类型的考核模型，确定所述目标特征属性所属的目标考核类型；根据所述目标考核类型对所述目标供应商进行评价，得到所述第一评价结果。
第三方面，本申请提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述第一方面任一所述考核数据处理的步骤。
第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述第一方面任一所述考核数据处理的步骤。
本申请提供的上述考核数据处理方法、装置、电子设备及存储介质，首先，获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；然后，获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；最后，根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。通过上述描述可知，在本申请中，通过目标属性特征和历史属性特征对目标供应商进行评价的方式，能够实现对待考核数据的分析，获取待考核数据的特征属性和历史特征属性之间的关联性，从而能够快速得出评价结果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种考核数据处理方法的流程图；
图2是根据一示例性实施例示出的另一种考核数据处理方法流程图；
图3是根据一示例性实施例示出的另一种考核数据处理方法流程图；
图4是根据一示例性实施例示出的一种考核数据处理装置的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
现有的供应商考核方法为人工处理的考核方式，该考核方式处理效率低下，且考核结果准确性差，可靠性差，因此，急需一种系统智能预测考核结果，辅助并解放人工操作，提高准确率和工作效率的供应商考核预测方法。
基于此，在本申请中，提出了一种考核数据处理方法，在该方法中，通过目标属性特征和历史属性特征对目标供应商进行评价的方式，能够实现对待考核数据的分析，获取待考核数据的特征属性和历史特征属性之间的关联性，从而能够快速得出评价结果，从而解决现有的供应商考核算法，存在考核效率低，且准确性差的技术问题。
考虑到现有技术存在现有的供应商考核算法，存在考核效率低，且准确性差的技术问题，本申请提供了一种考核数据处理方法、装置、电子设备及存储介质，能够解决现有的供应商考核算法考核效率低，且准确性差的技术问题，为便于理解，以下对本申请进行详细介绍。
实施例一：
首先参见图1所示的一种考核数据处理方法的流程图，主要包括如下步骤S102至步骤S106：
步骤S102：获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性。
在本公开实施例中，待考核数据中包含有考核所需的目标特征属性，目标特征属性可以为以下至少之一：考核类型、供应商代码、物料、缺陷类型、不合格原因等信息。
在本申请中，在获取到待考核数据之后，可以将待考核数据中的目标特征属性提取出来，其中，目标特征属性组成了多个维度的考核依据。
步骤S104：获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性。
在本申请中，在获取到目标供应商的历史考核数据之后，可以获取历史考核数据的历史特征属性，从而得到所属于至少一个考核类型的考核模型。其中，每种考核类型所对应的一个考核模型，一个考核模型对应多种历史特征属性。
需要说明的是，在本申请中，考核模型可以为LDA模型，除了LDA模型之外，还可以为其他的模型，本申请不作具体限定。
步骤S106：根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。
在本申请中，在得到目标特征属性，和至少一个考核类型的历史特征属性之后，就可以确定目标特征属性和至少一个考核类型的历史特征属性之间的关联性，从而根据该关联性对目标供应商进行评价，得到第一评价结果。
本申请提供的上述考核数据处理方法、装置、电子设备及存储介质，首先，获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；然后，获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；最后，根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。通过上述描述可知，在本申请中，通过目标属性特征和历史属性特征对目标供应商进行评价的方式，能够实现对待考核数据的分析，获取待考核数据的特征属性和历史特征属性之间的关联性，从而能够快速得出评价结果。
在一个可选的实施方式中，如图2所示，步骤S106：根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果，包括如下步骤：
步骤S201：根据所述目标特征属性和所述至少一个考核类型的考核模型，确定所述目标特征属性所属的目标考核类型；
步骤S202：根据所述目标考核类型对所述目标供应商进行评价，得到所述第一评价结果。
具体地，在本申请中，在获取到目标特征属性和至少一个考核类型的考核模型之后，可以首先，根据目标特征属性和每个考核模型所包含的历史特征属性之间的关联性在至少一个考核模型中，确定目标特征属性所属的目标考核类型。
在一个可选的实施方式中，可以计算目标特征属性和每个考核模型中所包含的历史特征属性之间的相似程度，得到至少一个相似值；然后，根据所述至少一个相似值确定所述目标特征属性所属的所述目标考核类型。例如，可以将至少一个相似值中大于或者等于预设相似阈值的考核模型所对应的考核类型确定为目标特征属性所属的目标考核类型。
需要说明的是，在本申请，上述预设相似阈值可以根据实际需要来进行设定，本申请不作具体限定。
在本申请中，在得到目标特征属性所属的目标考核类型之后，还可以根据目标考核类型进行逻辑计算，得到所述第一评价结果。
例如，在确定出目标考核类型之后，确定目标考核类型下的历史特征属性，如果目标考核类型下的历史特征属性有缺陷类别A、比例A，最大值、最小值。计算逻辑就是：货值＝比例A*单价*数量，如果货值在范围A内，第一评价结果就等于自身，如果小于最小值，第一评价结果就取范围最小值，大于最大值，第一评价结果就取范围最大值。
在一个可选的实施方式中，在提取到所述待考核数据的目标特征属性之后，获取所述目标供应商的目标考核协议；将所述目标特征属性和所述目标考核协议进行匹配，得到所述待考核数据的计算逻辑，并根据所述计算逻辑确定所述待考核数据的第二评价结果。
在本申请中，可以在提取到目标特征属性之后，获取目标考核协议，其中，目标考核协议是对目标供应商考核的整体内容描述，目标考核协议是人工维护的供应商协议，目标考核协议中包括参与评价结果计算的内容、规则、计算逻辑等。在得到目标考核协议之后，可以将目标特征属性和目标考核协议进行匹配，并根据匹配结果确定待考核数据的计算逻辑，最后，根据计算逻辑确定待考核数据的第二评价结果。其中，匹配结果为与目标考核协议中与该目标特征属性相匹配的信息。
例如，相匹配的信息为缺陷类别A、比例A，最大值、最小值。计算逻辑就是：货值＝比例A*单价*数量，如果货值在范围A内，第二评价结果就等于自身，如果小于最小值，第二评价结果就取范围最小值，大于最大值，第二评价结果就取范围最大值。
在本申请中，在得到上述第一评价结果和第二评价结果之后，就可以向目标用户发送目标评价结果；并在获取到所述目标用户针对所述目标评价结果的修改信息之后，按照所述修改信息对所述目标评价结果进行修正，其中，所述目标评价结果包括：所述第一评价结果和/或所述第二评价结果；以及将修正之后的所述目标考核结果作为所述目标供应商的历史考核数据。
具体地，在本申请中，在得到第一评价结果和第二评价结果之后，还需要对第一评价结果和第二评价结果进行纠正。具体地，可以向目标用户发送第一评价结果和/或第二评价结果，以使目标用户人工确定目标评价考核结果是否需要修改。如果确定需要修改，则上传修改信息，并根据该修改信息对目标评价结果进行修改，从而生成最终考核结果(修正之后的所述目标考核结果)。
在得到最终考核结果之后，就可以将最终考核结果输出，并存入历史考核数据中，作为新的样本对LDA模型(考核模型)进行修正。
在一个可选的实施方式中，获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型，包括如下过程：
(1)、获取所述历史考核数据；
(2)、通过LDA算法对所述历史考核数据进行计算处理，得到所述历史考核数据特征概率向量，其中，所述特征概率向量用于表征所述历史考核数据的特征属性为预设特征属性的概率值；
(3)、根据所述特征概率向量确定所属于至少一个考核类型的考核模型。
在本申请中，首先人工设定数据集。以历史考核数据中的历史特征属性为主题，并根据历史考核数据中的信息设置向量维度。根据LDA算法流程，得出历史考核数据的特征属性的特征概率向量。最后，根据特征概率向量生成LDA模型，组成不同考核类型中包含的历史特征属性。
通过上述描述可知，将待考核数据中的特征属性提取出来，与供应商协议进行匹配得到初步的考核结果。对历史考核数据进行分析，利用LDA算法得到不同考核类型的考核模型。将待处理考核数据提取的特征属性与历史数据的特征属性进行关联，获取数据之间的相似性，通过该处理方式能够得到初步的评价结果，再对初步的评价结果进行系统调整可以得到更加准确的预测的评价结果。
实施例二：
首先参见图3所示的另一种考核数据处理方法的流程图，主要包括如下步骤
S11：待处理考核数据。获取待考核数据，待考核数据中包含有考核所需的目标特征属性，目标特征属性可以为以下至少之一：考核类型、供应商代码、物料、缺陷类型、不合格原因等信息。
S12：提取目标特征属性。在获取到待考核数据之后，可以将待考核数据中的目标特征属性提取出来，其中，目标特征属性组成了多个维度的考核依据。
S13：匹配协议。在提取到目标特征属性之后，获取供应商协议(即，目标考核协议)。在得到供应商协议(即，目标考核协议)之后，可以将目标特征属性和供应商协议(即，目标考核协议)进行匹配，并根据匹配结果确定待考核数据的计算逻辑，并根据计算逻辑计算一个考核结果(即上述第二评价结果)。
S14：供应商协议。供应商协议(即，目标考核协议)是对目标供应商考核的整体内容描述，供应商协议是人工维护的供应商协议，供应商协议中包括参与评价结果计算的内容、规则、计算逻辑等。
S15：历史考核数据。将已经最终确定的历史考核数据当做LDA模型的训练样本。
S16：生成LDA模型。输入的历史考核数据作为样本。
人工设定数据集。以历史考核数据中的历史特征属性为主题，并根据历史考核数据中的信息设置向量维度。根据LDA算法流程，得出历史考核数据的特征属性的特征概率向量。最后，根据特征概率向量生成LDA模型，组成不同考核类型中包含的历史特征属性。
S17：计算相似度。计算目标特征属性和每个考核模型中所包含的历史特征属性之间的相似程度，得到至少一个相似值；然后，根据至少一个相似值确定所述目标特征属性所属的所述目标考核类型。
S18：预测考核结果。在得到目标特征属性所属的目标考核类型之后，还可以根据目标考核类型进行逻辑计算，得到第一评价结果(即，预设考核结果)。
例如，在确定出目标考核类型之后，确定目标考核类型下的历史特征属性，如果目标考核类型下的历史特征属性有缺陷类别A、比例A，最大值、最小值。计算逻辑就是：货值＝比例A*单价*数量，如果货值在范围A内，第一评价结果就等于自身，如果小于最小值，第一评价结果就取范围最小值，大于最大值，第一评价结果就取范围最大值。
S19：纠正考核结果。在得到第一评价结果和第二评价结果之后，还需要对第一评价结果和第二评价结果进行纠正。具体地，可以向目标用户发送第一评价结果和/或第二评价结果，以使目标用户人工确定目标评价考核结果是否需要修改。如果确定需要修改，则上传修改信息，并根据该修改信息对目标评价结果进行修改，从而生成最终考核结果(修正之后的所述目标考核结果)。
S20：输出考核结果。在得到最终考核结果之后，就可以将最终考核结果输出，并存入历史考核数据中，作为新的样本对LDA模型(考核模型)进行修正。
通过上述描述可知，在本申请中，通过目标属性特征和历史属性特征对目标供应商进行评价的方式，能够实现对待考核数据的分析，获取待考核数据的特征属性和历史特征属性之间的关联性，从而能够快速得出评价结果。
实施例三：
对应于前述考核数据处理方法，本申请进一步提供了一种考核数据处理装置，参见图4所示的一种考核数据处理装置的结构框图，主要包括如下单元：
第一获取单元41，用于获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；
第二获取单元42，用于获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；
评价单元43，用于根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。
本申请提供的上述考核数据处理方法、装置、电子设备及存储介质，首先，获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；然后，获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；最后，根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。通过上述描述可知，在本申请中，通过目标属性特征和历史属性特征对目标供应商进行评价的方式，能够实现对待考核数据的分析，获取待考核数据的特征属性和历史特征属性之间的关联性，从而能够快速得出评价结果。
在一种实施方式中，所述评价单元，用于：根据所述目标特征属性和所述至少一个考核类型的考核模型，确定所述目标特征属性所属的目标考核类型；根据所述目标考核类型对所述目标供应商进行评价，得到所述第一评价结果。
在一种实施方式中，所述评价单元，还用于：计算所述目标特征属性和每个考核模型中所包含的历史特征属性之间的相似程度，得到至少一个相似值；根据所述至少一个相似值确定所述目标特征属性所属的所述目标考核类型。
在一种实施方式中，该装置还用于：在提取到所述待考核数据的目标特征属性之后，获取所述目标供应商的目标考核协议；将所述目标特征属性和所述目标考核协议进行匹配，得到所述待考核数据的计算逻辑，并根据所述计算逻辑确定所述待考核数据的第二评价结果。
在一种实施方式中，该装置还用于：向目标用户发送目标评价结果；在获取到所述目标用户针对所述目标评价结果的修改信息之后，按照所述修改信息对所述目标评价结果进行修正，其中，所述目标评价结果包括：所述第一评价结果和/或所述第二评价结果；将修正之后的所述目标考核结果作为所述目标供应商的历史考核数据。
在一种实施方式中，第二获取单元，还用于：获取所述历史考核数据；通过LDA算法对所述历史考核数据进行计算处理，得到所述历史考核数据特征概率向量，其中，所述特征概率向量用于表征所述历史考核数据的特征属性为预设特征属性的概率值；根据所述特征概率向量确定所属于至少一个考核类型的考核模型。
进一步，本实施例还提供了一种电子设备，包括：处理器和存储装置；其中，存储装置上存储有计算机程序，计算机程序在被处理器运行时执行前述考核数据处理方法。
进一步，本实施例还提供了一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述考核数据处理方法。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”、“多”的含义是指至少两个。
应该理解，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者可能同时存在居中元件；当一个元件被称为“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件，此外，这里使用的“连接”可以包括无线连接；使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为：表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请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，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种考核数据处理方法，其特征在于，包括：
获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；
获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；
根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果；
所述获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型，包括：
获取所述历史考核数据；
通过LDA算法对所述历史考核数据进行计算处理，得到所述历史考核数据的特征概率向量，其中，所述特征概率向量用于表征所述历史考核数据的特征属性为预设特征属性的概率值；
根据所述特征概率向量确定所属于至少一个考核类型的考核模型。
2.根据权利要求1所述的方法，其特征在于，根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果，包括：
根据所述目标特征属性和所述至少一个考核类型的考核模型，确定所述目标特征属性所属的目标考核类型；
根据所述目标考核类型对所述目标供应商进行评价，得到所述第一评价结果。
3.根据权利要求2所述的方法，其特征在于，根据所述目标特征属性和所述至少一个考核类型的考核模型，确定所述目标特征属性所属的目标考核类型，包括：
计算所述目标特征属性和每个考核模型中所包含的历史特征属性之间的相似程度，得到至少一个相似值；
根据所述至少一个相似值确定所述目标特征属性所属的所述目标考核类型。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在提取到所述待考核数据的目标特征属性之后，获取所述目标供应商的目标考核协议；
将所述目标特征属性和所述目标考核协议进行匹配，得到所述待考核数据的计算逻辑，并根据所述计算逻辑确定所述待考核数据的第二评价结果。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
向目标用户发送目标评价结果；
在获取到所述目标用户针对所述目标评价结果的修改信息之后，按照所述修改信息对所述目标评价结果进行修正，其中，所述目标评价结果包括：所述第一评价结果和/或所述第二评价结果；
将修正之后的所述目标考核结果作为所述目标供应商的历史考核数据。
6.一种考核数据处理装置，其特征在于，包括：
第一获取单元，用于获取目标供应商的待考核数据，并提取所述待考核数据的目标特征属性；
第二获取单元，用于获取基于所述目标供应商的历史考核数据确定的所属于至少一个考核类型的考核模型；所述考核模型用于表征对应考核类型下所包含的历史特征属性；获取所述历史考核数据；通过LDA算法对所述历史考核数据进行计算处理，得到所述历史考核数据的特征概率向量，其中，所述特征概率向量用于表征所述历史考核数据的特征属性为预设特征属性的概率值；根据所述特征概率向量确定所属于至少一个考核类型的考核模型；
评价单元，用于根据所述目标特征属性和所述至少一个考核类型考核模型对所述目标供应商进行评价，得到第一评价结果。
7.根据权利要求6所述的装置，其特征在于，所述评价单元，用于：
根据所述目标特征属性和所述至少一个考核类型的考核模型，确定所述目标特征属性所属的目标考核类型；
根据所述目标考核类型对所述目标供应商进行评价，得到所述第一评价结果。
8.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述考核数据处理方法的步骤。
9.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至5任一所述考核数据处理方法的步骤。
CN202011490536.8A 2020-12-16 2020-12-16 一种考核数据处理方法、装置、电子设备及存储介质 Active CN112561333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011490536.8A CN112561333B (zh) 2020-12-16 2020-12-16 一种考核数据处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011490536.8A CN112561333B (zh) 2020-12-16 2020-12-16 一种考核数据处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112561333A CN112561333A (zh) 2021-03-26
CN112561333B true CN112561333B (zh) 2024-04-16

Family

ID=75064313

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011490536.8A Active CN112561333B (zh) 2020-12-16 2020-12-16 一种考核数据处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112561333B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435789A (zh) * 2021-07-23 2021-09-24 中国华电科工集团有限公司 一种信息考核方法、装置、计算机设备及存储介质
CN116362589B (zh) * 2023-02-23 2023-08-25 中国标准化研究院 一种质量工作考核评价方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109492871A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 基于系统监控管理供应商的方法、装置和计算机设备
CN109740838A (zh) * 2018-11-22 2019-05-10 平安科技（深圳）有限公司 基于大数据的供应商服务评价方法及相关设备
CN110020732A (zh) * 2019-04-11 2019-07-16 英大泰和财产保险股份有限公司 一种基于规则引擎的电力行业供电责任受损电器维修理赔服务考核方法
CN110147941A (zh) * 2019-04-28 2019-08-20 中国银行股份有限公司 考核内容获取方法、员工评估方法及装置
WO2019234958A1 (ja) * 2018-06-05 2019-12-12 株式会社日立製作所 サプライヤ評価システムおよびサプライヤ評価方法
CN111292000A (zh) * 2020-02-21 2020-06-16 国网北京市电力公司 供应商绩效分数的确定方法和装置、存储介质及处理器
CN112053167A (zh) * 2020-08-25 2020-12-08 大连理工大学 基于改进的EasyEnsemble算法的供应商信用评价方法、系统及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019234958A1 (ja) * 2018-06-05 2019-12-12 株式会社日立製作所 サプライヤ評価システムおよびサプライヤ評価方法
CN109492871A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 基于系统监控管理供应商的方法、装置和计算机设备
CN109740838A (zh) * 2018-11-22 2019-05-10 平安科技（深圳）有限公司 基于大数据的供应商服务评价方法及相关设备
CN110020732A (zh) * 2019-04-11 2019-07-16 英大泰和财产保险股份有限公司 一种基于规则引擎的电力行业供电责任受损电器维修理赔服务考核方法
CN110147941A (zh) * 2019-04-28 2019-08-20 中国银行股份有限公司 考核内容获取方法、员工评估方法及装置
CN111292000A (zh) * 2020-02-21 2020-06-16 国网北京市电力公司 供应商绩效分数的确定方法和装置、存储介质及处理器
CN112053167A (zh) * 2020-08-25 2020-12-08 大连理工大学 基于改进的EasyEnsemble算法的供应商信用评价方法、系统及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
动态供应链环境下的供应商分类评价;陶运海;杨正书;;机械(第08期);第21-27页 *

Also Published As

Publication number Publication date
CN112561333A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
JP6636071B2 (ja) コンピュータ実装方法、コンピュータシステム及びコンピュータ装置
US20180144244A1 (en) Distributed clinical workflow training of deep learning neural networks
CN112561333B (zh) 一种考核数据处理方法、装置、电子设备及存储介质
US7599819B2 (en) Method and system for generating a predictive analysis of the performance of peer reviews
JP4627674B2 (ja) データ処理方法及びプログラム
US10943181B2 (en) Just in time classifier training
CN107992410B (zh) 软件质量监测方法、装置、计算机设备和存储介质
CN113010389A (zh) 一种训练方法、故障预测方法、相关装置及设备
CN111914936A (zh) 语料数据的数据特征增强方法、装置及计算机设备
CN112633461A (zh) 应用辅助系统和方法以及计算机可读记录介质
CN111340233A (zh) 机器学习模型的训练方法及装置、样本处理方法及装置
CN116860997A (zh) 知识图谱的构建方法、装置、设备及存储介质
CN110990295A (zh) 测试用例的验证方法、装置及电子设备
CN110580220A (zh) 测量代码段执行时间的方法及终端设备
CN110825548B (zh) 异常检测方法、模型训练方法及相关装置
JP2005063208A (ja) ソフトウェア信頼度成長モデル選択方法、ソフトウェア信頼度成長モデル選択装置、ソフトウェア信頼度成長モデル選択プログラム、およびプログラム記録媒体
CN113962216A (zh) 文本处理方法、装置、电子设备及可读存储介质
CN114860608A (zh) 基于场景构建的系统自动化测试方法、装置、设备及介质
CN117827668A (zh) 测试覆盖率提高装置、计算机设备及存储介质
CN113409025B (zh) 一种业务数据提取方法、装置及存储介质
CN112035364B (zh) 功能测试结果评估方法及装置
CN112087482B (zh) 利用云端系统对多台设备进行管理的方法
CN115406967B (zh) 一种水果品质判断方法、系统、设备及储存介质
CN117271492A (zh) 一种数据治理方法、装置及设备
CN117171041A (zh) 业务批量处理的测试方法、装置、设备及存储介质

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