CN112633720B - 对象的筛选方法及装置、电子设备及计算机可读存储介质 - Google Patents

对象的筛选方法及装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN112633720B
CN112633720B CN202011586936.9A CN202011586936A CN112633720B CN 112633720 B CN112633720 B CN 112633720B CN 202011586936 A CN202011586936 A CN 202011586936A CN 112633720 B CN112633720 B CN 112633720B
Authority
CN
China
Prior art keywords
behavior
preset
data
historical
history data
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
CN202011586936.9A
Other languages
English (en)
Other versions
CN112633720A (zh
Inventor
朱京
赵子岩
高海峰
张素香
刘雯静
杨芳
彭珍
邓大权
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.)
Shijiazhuang Yuanjie Information Technology Co ltd
State Grid Information and Telecommunication Co Ltd
Original Assignee
Shijiazhuang Yuanjie Information Technology Co ltd
State Grid Information and Telecommunication 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 Shijiazhuang Yuanjie Information Technology Co ltd, State Grid Information and Telecommunication Co Ltd filed Critical Shijiazhuang Yuanjie Information Technology Co ltd
Priority to CN202011586936.9A priority Critical patent/CN112633720B/zh
Publication of CN112633720A publication Critical patent/CN112633720A/zh
Application granted granted Critical
Publication of CN112633720B publication Critical patent/CN112633720B/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

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

本申请提供了一种对象的筛选方法及装置、电子设备及计算机可读存储介质，获取对象历史行为数据(例如历史的项目评审数据)，依据行为数据得到对象的行为特征，确定每个行为特征对应的权重；依据多个行为特征，以及每个行为特征对应的权重，得到对象的筛选参数，依据筛选参数，从对象中筛选目标对象。本申请提供的方案，因为行为特征是根据历史行为数据得到的，所以行为特征具有客观准确性，所以依据多个行为特征以及每个行为特征对应的权重得到对象的筛选参数也具有客观准确性，所以依据筛选参数可以准确的从对象中筛选出目标对象。

Description

对象的筛选方法及装置、电子设备及计算机可读存储介质
技术领域
本申请涉及数据处理领域，尤其涉及一种对象的筛选方法及装置，电子设备及计算机可读存储介质。
背景技术
在科技成果管理中，经常需要邀请专家对科技项目或创新成果进行评审，专家的个人因素对评审结果具有很大的影响，比如专家的学术能力、对评审的态度、以及评审习惯等均会影响评审结果。所以在邀请专家参与评审前，对专家适合参加评审的程度进行打分是一个必要的环节。
目前，一般是工作人员基于专家的基本信息以及学术成果，主观决定专家是否适合参加评审，由于人为的主观因素，导致的评判结果准确性低，无法准确的确定专家是否适合参加项目评审。
发明内容
本申请提供了一种对象的筛选方法及装置，目的在于解决的如何确的确定专家是否适合参加项目评审的问题。
为了实现上述目的，本申请提供了以下技术方案：
一种对象的筛选方法，包括：
获取对象的历史行为数据；
依据所述历史行为数据，得到所述对象的多个行为特征；
确定每个所述行为特征对应的权重；
依据所述多个行为特征，以及每个所述行为特征对应的所述权重，得到所述对象的筛选参数；
依据所述筛选参数，从所述对象中筛选目标对象。
上述的方法，可选的，所述获取对象的历史行为数据，包括：
针对各个预设行为，获取第一历史数据，所述第一历史数据包括所述对象在所述预设行为的截止执行时间点前，未执行所述预设行为的总次数；
针对每个预设行为，获取所述预设行为对应的第二历史数据、第三历史数据、第四历史数据以及第五历史数据；
所述第二历史数据包括：请求所述对象执行所述预设行为的第一时间点、所述预设行为的截止执行时间点、以及所述对象结束执行所述预设行为的第二时间点；
所述第三历史数据包括：所述对象的预设行为持续的第一时长，以及所述预设行为的标准持续时长；
所述第四历史数据包括：所述对象执行所述预设行为得到的行为结果数据，以及所述预设行为对应的行为结果数据的均值；
所述第五历史数据包括：所述预设行为对应的行为等级值。
上述的方法，可选的，所述多个行为特征包括：第一行为特征、第二行为特征、第三行为特征和第四行为特征；
所述依据所述历史行为数据，得到所述对象的多个行为特征，包括：
依据所述第一历史数据、所述第二历史数据以及所述第三历史数据，确定所述对象执行所述各个预设行为的执行效率，并将所述执行效率作为所述第一行为特征；
依据所述第四历史数据，分别确定所述对象执行所述各个预设行为的执行偏离程度以及执行偏离方向，并将所述执行偏离程度作为所述第二行为特征，将所述执行偏离方向作为所述第三行为特征；
依据所述第五历史数据，确定所述对象执行所述各个预设行为的执行经验等级，并将所述执行经验等级作为所述第四行为特征。
上述的方法，可选的，所述确定每个所述行为特征的对应的权重，包括：
获取每两个所述行为特征之间预设的相对重要程度值；
依据每两个所述行为特征之间预设的相对重要程度值，构造判断矩阵；
对所述判断矩阵进行层次总排序及一致性检验，得到每个所述行为特征的对应的权重。
一种对象的筛选装置，包括：
获取单元，用于获取对象的历史行为数据；
第一得到单元，用于依据所述历史行为数据，得到所述对象的多个行为特征；
确定单元，用于确定每个所述行为特征对应的权重；
第二得到单元，用于依据所述多个行为特征，以及每个所述行为特征对应的所述权重，得到所述对象的筛选参数；
筛选单元，用于依据所述筛选参数，从所述对象中筛选目标对象。
上述的装置，可选的，所述获取单元用于获取对象的历史行为数据，包括，所述获取单元具体用于：
针对各个预设行为，获取第一历史数据，所述第一历史数据包括所述对象在所述预设行为的截止执行时间点前，未执行所述预设行为的总次数；
针对每个预设行为，获取所述预设行为对应的第二历史数据、第三历史数据、第四历史数据以及第五历史数据；
所述第二历史数据包括：请求所述对象执行所述预设行为的第一时间点、所述预设行为的截止执行时间点、以及所述对象结束执行所述预设行为的第二时间点；
所述第三历史数据包括：所述对象的预设行为持续的第一时长，以及所述预设行为的标准持续时长；
所述第四历史数据包括：所述对象执行所述预设行为得到的行为结果数据，以及所述预设行为对应的行为结果数据的均值；
所述第五历史数据包括：所述预设行为对应的行为等级值。
上述的装置，可选的，所述多个行为特征包括：第一行为特征、第二行为特征、第三行为特征和第四行为特征；
所述第一得到单元用于依据所述历史行为数据，得到所述对象的多个行为特征，包括，所述第一得到单元具体用于：
依据所述第一历史数据、所述第二历史数据以及所述第三历史数据，确定所述对象执行所述各个预设行为的执行效率，并将所述执行效率作为所述第一行为特征；
依据所述第四历史数据，分别确定所述对象执行所述各个预设行为的执行偏离程度以及执行偏离方向，并将所述执行偏离程度作为所述第二行为特征，将所述执行偏离方向作为所述第三行为特征；
依据所述第五历史数据，确定所述对象执行所述各个预设行为的执行经验等级，并将所述执行经验等级作为所述第四行为特征。
上述的装置，可选的，所述确定单元用于确定每个所述行为特征的对应的权重，包括，所述确定单元具体用于：
获取每两个所述行为特征之间预设的相对重要程度值；
依据每两个所述行为特征之间预设的相对重要程度值，构造判断矩阵；
对所述判断矩阵进行层次总排序及一致性检验，得到每个所述行为特征的对应的权重。
一种电子设备，包括：处理器和存储器，所述存储器用于存储程序；所述处理器用于运行所述程序，以实现上述的对象的筛选方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的对象的筛选方法。
本申请所述的方法及装置，获取对象历史行为数据(例如历史的项目评审数据)，依据行为数据得到对象的行为特征，确定每个行为特征对应的权重；依据多个行为特征，以及每个行为特征对应的权重，得到对象的筛选参数，依据筛选参数，从对象中筛选目标对象。本申请提供的方案，因为行为特征是根据历史行为数据得到的，所以行为特征具有客观准确性，所以依据多个行为特征以及每个行为特征对应的权重得到对象的筛选参数也具有客观准确性，所以依据筛选参数可以准确的从对象中筛选出目标对象。
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为本申请实施例公开的对象的筛选方法的流程图；
图2为本申请实施例公开的获取对象的多个行为特征的方法的流程图；
图3为本申请实施例公开的另一种对象的筛选方法的流程图；
图4为本申请实施例公开的对象的筛选装置的结构示意图；
图5为本申请实施例公开的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，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前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例的执行主体为，能够为对象提供执行预设行为的数字平台，且能够记录和处理对象执行预设行为产生的行为数据的处理器。
图1为本申请实施例提供的对象的筛选方法，可以包括以下步骤：
S101、获取对象的历史行为数据。
历史行为数据可以是对象历史执行预设行为产生的数据，例如对象历史参与项目评审产生的项目评审数据。
本实施例中，历史行为数据包括，第一历史数据，以及每个预设行为对应的第二历史数据、第三历史数据、第四历史数据和第五历史数据。
其中，第一历史数据为各个预设行为中，对象在预设行为的截止执行时间点前未执行预设行为的总次数。
第二历史数据包括请求对象执行预设行为的第一时间点、预设行为的截止执行时间点、以及对象结束执行预设行为的第二时间点。
第三历史数据包括对象的预设行为持续的第一时长，以及预设行为的标准持续时长。
第四历史数据包括对象执行预设行为得到的行为结果数据以及预设行为对应的行为结果数据的均值。例如，预设行为是项目评审，则行为结果数据可以是对象进行项目评审得到的项目评分，行为结果数据的均值可以是多个对象分别进行项目评审得到的项目评分的均值。
第五历史数据包括预设行为对应的行为等级值。例如，预设行为是项目评审，不同的项目评审具有不同的等级值，项目的规模越大，项目评审的等级值越高。
S102、依据历史行为数据，得到对象的多个行为特征。
多个行为特征包括第一行为特征、第二行为特征、第三行为特征和第四行为特征。本步骤的具体实施方式可以参考图2所示的流程图。
S103、确定每个行为特征对应的权重。
本步骤可以通过层次分析法，确定每个行为特征对应的权重，具体的实施方式可以是：获取每两个行为特征之间预设的相对重要程度值，相对重要程度值在(1～9之间)，依据每两个行为特征之间预设的相对重要程度值，构造判断矩阵，最后对判断矩阵进行层次总排序及一致性检验，得到每个行为特征的对应的权重。通过层次分析法，确定每个行为特征对应的权重的详细过程可以参考现有技术。
S104、依据多个行为特征，以及每个行为特征对应的权重，得到对象的筛选参数。
例如，第一行为特征Y1、第二行为特征Y2、第三行为特征Y3和第四行为特征Y4的权重分别为y1、y2、y3和y4，则对象的筛选参数Y＝y1*Y1+y2*Y2+y3*Y3+y4*Y4
S105、依据筛选参数，从对象中筛选目标对象。
得到每个对象的筛选参数后，从多个对象中选取筛选参数大于阈值的对象作为目标对象。
本实施例提供的方法，获取对象历史行为数据(例如历史的项目评审数据)，依据行为数据得到对象的行为特征，确定每个行为特征对应的权重；依据多个行为特征，以及每个行为特征对应的权重，得到对象的筛选参数，依据筛选参数，从对象中筛选目标对象。本申请提供的方案，因为行为特征是根据历史行为数据得到的，所以行为特征具有客观准确性，所以依据多个行为特征以及每个行为特征对应的权重得到对象的筛选参数也具有客观准确性，所以依据筛选参数可以准确的从对象中筛选出目标对象。
图2为上述实施例S102依据历史行为数据，得到对象的多个行为特征的具体实施方式，可以包括以下步骤：
S201：依据第一历史数据、第二历史数据以及第三历史数据，确定对象执行各个预设行为的执行效率，并将执行效率作为第一行为特征。
因为第一历史数据、第二历史数据以及第三历史数据包括对象执行预设行为的时间节点和执行时长，所以可以依据第一历史数据、第二历史数据以及第三历史数据，确定对象执行各个预设行为的执行效率。
本步骤的实施方式可以是：
依据第一数值、第二数值与第三数值之和得到执行效率。
第一数值依据各个预设行为的第一目标数值之和得到，任意一个预设行为的第一目标数值，依据该预设行为的第一差值与该预设行为的标准持续时长的比值得到。第一差值依据预设行为对应的第一时长与标准持续时长的差值得到。
第二数值，依据各个预设行为的第二目标数值之和得到，任意一个预设行为的第二目标数值，依据第二差值与第三差值的比值得到。第二差值依据该预设行为的第二时间点与第一时间点的差值得到，第三差值依据所该预设行为的截止执行时间点与第一时间点的差值得到。
第三数值，依据总次数预设对应的分值得到。
S201：依据第四历史数据，分别确定对象执行各个预设行为的执行偏离程度以及执行偏离方向，并将执行偏离程度作为第二行为特征，将执行偏离方向作为第三行为特征。
执行偏离程度是指：对象执行预设行为得到的行为结果数据与预设行为对应的行为结果数据的均值之间的差值大小。差值越小，表征行为结果数据越准确。
执行偏离方向是指：对象执行预设行为得到的行为结果数据与预设行为对应的行为结果数据的均值之间的差值的正负性。差值为正表征行为结果数据偏大，差值为正负表征行为结果数据偏小。
本步骤的实施方式可以是：
依据各个预设行为的第四数值的均值得到执行偏离程度。任意一个预设行为的第四目标数值依据该预设行为的第四差值与该预设行为的对应的行为结果数据的均值的比值得到，第四差值为第五差值的绝对值。第五差值为预设行为的行为结果数据与行为结果数据的均值的差值。
依据各个预设行为的第五数值的均值得到执行偏离方向，任意一个预设行为的第五数值依据预设行为的第六差值与预设行为的行为结果数据的均值的比值得到，第六差值为预设行为的行为结果数据与该预设行为的对应的行为结果数据的均值的差值。
S203：依据第五历史数据，确定对象执行各个预设行为的执行经验等级，并将执行经验等级作为第四行为特征。
第五历史数据包括预设行为对应的行为等级值，等级值越高，经验等级也越高。等级值与经验等级的对应关系可以预先设定。可以将各个预设行为的等级值之和作为执行经验等级。
本申请提供的方案，因为行为特征是根据历史行为数据得到的，所以行为特征具有客观准确性。
以下以对象为专家，预设行为是项目评审为例，对本申请提供的方法进行说明，本实施例提供的方法包括以下步骤：
S301、获取专家的历史评审数据。
历史评审数据包括：针对历史专家参与的每个项目，专家评审项目所需的第一时长T1，以及该项目预设的标准评审时长T2。其中，第一时长T1可以通过专家在该项目评审界面的浏览时长确定。
历史评审数据还包括：针对历史专家参与的每个项目，请求专家对项目进行评审的第一时间点t1、专家结束项目的评审结果的第二时间点t2，以及项目预设的评审截止时间点t3。
历史评审数据还包括：针对专家历史参与的每个项目，专家的对项目的评审打分S，以及该项目的平均评审打分P；
历史评审数据还包括：针对专家历史参与各个项目，对象在项目的评审截止时间点前未对项目进行评审的总次数F。
S302、依据历史评审数据，得到专家的多个评审特征。
评审特征包括：第一评审特征M、第二评审特征C、第三评审特征S和第四评审特征E。第一评审特征M为专家的评审效率，可以用于评估专家在评审中的态度。第二评审特征C为专家的评审偏离程度，可以用于评估专家在评审中的准确度或评审能力。第三评审特征S为专评审偏离方向，可以用于评估专家在评审中的评审风格(例如评审要求的严格程度)。第四评审特征E，为执专家的评审经验等级。
本步骤的具体实施方式为：
第一评审特征M为第一数值M1、第二数值M2第三数值M3之和。当然第一评审特征M也可以是分别为M1、M2和M3附上权重系数后求和得到的数值。M1、M2和M3附上权重系数可以通过层次分析法确定。其中。第一数值M1为总次数F；第二数值Ai＝(第一时长T1i-标准评审时长T2i)/标准评审时长T2i)；第三数值/>Bi＝(第二时间点t2i-第一时间点t1i)/(截止执行时间点t3i-第一时间点t1i)。i表示第i个项目，n表示一共n个项目，T1i表示第i个项目对应的第一时长，T2i表示第i个项目的标准评审时长，t1i表示第i个项目对应的第一时间点，t2i表示第i个项目对应的第二时间点。
第二评审特征第三评审特征/>其中，n表示共n个项目，其中i表示第i个项目，Si表示第i个项目的评审打分，Pi表示第i个项目的平均评审打分。
第四评审特征E为各个项目预设的等级值之和。例如第一项目的等级值为10，第二项目的等级值为2，则第四评审特征E为10+2＝12.
S303、确定每个评审特征对应的权重。
例如，利用层次分析法确定每个评审特征对应的权重。
S304、依据多个评审特征，以及每个评审特征对应的权重，得到专家的筛选参数。
例如，第一评审特征M、第二评审特征C、第三评审特征S和第四评审特征E的权重分别为y1、y2、y3和y4，则对象的筛选参数Y＝y1*M+y2*C+y3*S+y4*E。
S305、依据筛选参数，从多个专家中筛选目标专家。
本实施例提供的方法，依据专家的历史评审数据，得到专家的多个评审特征，最后依据多个评审特征，以及每个评审特征对应的权重，得到专家的筛选参数。
图4为一种对象的筛选装置400的结构示意图，包括：
获取单元401，用于获取对象的历史行为数据。
第一得到单元402，用于依据历史行为数据，得到所述对象的多个行为特征。
确定单元403，用于确定每个所述行为特征对应的权重。
第二得到单元404，用于依据所述多个行为特征，以及每个所述行为特征对应的所述权重，得到所述对象的筛选参数。
筛选单元405，用于依据所述筛选参数，从所述对象中筛选目标对象。
可选的，获取单元401用于获取对象的历史行为数据的具体实施方式为：
针对各个预设行为，获取第一历史数据，所述第一历史数据包括所述对象在所述预设行为的截止执行时间点前，未执行所述预设行为的总次数；
针对每个预设行为，获取所述预设行为对应的第二历史数据、第三历史数据、第四历史数据以及第五历史数据；
所述第二历史数据包括：请求所述对象执行所述预设行为的第一时间点、所述预设行为的截止执行时间点、以及所述对象结束执行所述预设行为的第二时间点；
所述第三历史数据包括：所述对象的预设行为持续的第一时长，以及所述预设行为的标准持续时长；
所述第四历史数据包括：所述对象执行所述预设行为得到的行为结果数据，以及所述预设行为对应的行为结果数据的均值；
所述第五历史数据包括：所述预设行为对应的行为等级值。
可选的，所述多个行为特征包括：第一行为特征、第二行为特征、第三行为特征和第四行为特征；
第一得到单元402依据所述历史行为数据，得到所述对象的多个行为特征的具体实现方式为：
依据所述第一历史数据、所述第二历史数据以及所述第三历史数据，确定所述对象执行所述各个预设行为的执行效率，并将所述执行效率作为所述第一行为特征；
依据所述第四历史数据，分别确定所述对象执行所述各个预设行为的执行偏离程度以及执行偏离方向，并将所述执行偏离程度作为所述第二行为特征，将所述执行偏离方向作为所述第三行为特征；
依据所述第五历史数据，确定所述对象执行所述各个预设行为的执行经验等级，并将所述执行经验等级作为所述第四行为特征。
可选的，所述确定单元403确定每个所述行为特征的对应的权重的具体实现方式为：获取每两个所述行为特征之间预设的相对重要程度值；
依据每两个所述行为特征之间预设的相对重要程度值，构造判断矩阵；
对所述判断矩阵进行层次总排序及一致性检验，得到每个所述行为特征的对应的权重。
本实施例提供的装置，获取对象历史行为数据(例如历史的项目评审数据)，依据行为数据得到对象的行为特征，确定每个行为特征对应的权重；依据多个行为特征，以及每个行为特征对应的权重，得到对象的筛选参数，依据筛选参数，从对象中筛选目标对象。本申请提供的方案，因为行为特征是根据历史行为数据得到的，所以行为特征具有客观准确性，所以依据多个行为特征以及每个行为特征对应的权重得到对象的筛选参数也具有客观准确性，所以依据筛选参数可以准确的从对象中筛选出目标对象。
本申请还提供了一种电子设备500，其结构示意图如图5所示，包括：处理器501和存储器502，存储器502用于存储应用程序，处理器501用于执行应用程序，以实现本申请的对象的筛选方法，即执行以下步骤：
获取对象的历史行为数据；
依据所述历史行为数据，得到所述对象的多个行为特征；
确定每个所述行为特征对应的权重；
依据所述多个行为特征，以及每个所述行为特征对应的所述权重，得到所述对象的筛选参数；
依据所述筛选参数，从所述对象中筛选目标对象。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执本申请的对象的筛选方法，即执行以下步骤：
获取对象的历史行为数据；
依据所述历史行为数据，得到所述对象的多个行为特征；
确定每个所述行为特征对应的权重；
依据所述多个行为特征，以及每个所述行为特征对应的所述权重，得到所述对象的筛选参数；
依据所述筛选参数，从所述对象中筛选目标对象。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种对象的筛选方法，其特征在于，包括：
获取对象的历史行为数据；所述获取对象的历史行为数据，包括：
针对各个预设行为，获取第一历史数据，所述第一历史数据包括所述对象在所述预设行为的截止执行时间点前，未执行所述预设行为的总次数；
针对每个预设行为，获取所述预设行为对应的第二历史数据、第三历史数据、第四历史数据以及第五历史数据；
所述第二历史数据包括：请求所述对象执行所述预设行为的第一时间点、所述预设行为的截止执行时间点、以及所述对象结束执行所述预设行为的第二时间点；
所述第三历史数据包括：所述对象的预设行为持续的第一时长，以及所述预设行为的标准持续时长；
所述第四历史数据包括：所述对象执行所述预设行为得到的行为结果数据，以及所述预设行为对应的行为结果数据的均值；
所述第五历史数据包括：所述预设行为对应的行为等级值；依据所述历史行为数据，得到所述对象的多个行为特征；所述多个行为特征包括：第一行为特征、第二行为特征、第三行为特征和第四行为特征；
所述依据所述历史行为数据，得到所述对象的多个行为特征，包括：
依据所述第一历史数据、所述第二历史数据以及所述第三历史数据，确定所述对象执行所述各个预设行为的执行效率，并将所述执行效率作为所述第一行为特征；
依据所述第四历史数据，分别确定所述对象执行所述各个预设行为的执行偏离程度以及执行偏离方向，并将所述执行偏离程度作为所述第二行为特征，将所述执行偏离方向作为所述第三行为特征；
依据所述第五历史数据，确定所述对象执行所述各个预设行为的执行经验等级，并将所述执行经验等级作为所述第四行为特征；
确定每个所述行为特征对应的权重；
依据所述多个行为特征，以及每个所述行为特征对应的所述权重，得到所述对象的筛选参数；
依据所述筛选参数，从所述对象中筛选目标对象。
2.根据权利要求1所述的方法，其特征在于，所述确定每个所述行为特征的对应的权重，包括：
获取每两个所述行为特征之间预设的相对重要程度值；
依据每两个所述行为特征之间预设的相对重要程度值，构造判断矩阵；
对所述判断矩阵进行层次总排序及一致性检验，得到每个所述行为特征的对应的权重。
3.一种对象的筛选装置，其特征在于，包括：
获取单元，用于获取对象的历史行为数据；所述获取单元用于获取对象的历史行为数据，包括，所述获取单元具体用于：
针对各个预设行为，获取第一历史数据，所述第一历史数据包括所述对象在所述预设行为的截止执行时间点前，未执行所述预设行为的总次数；
针对每个预设行为，获取所述预设行为对应的第二历史数据、第三历史数据、第四历史数据以及第五历史数据；
所述第二历史数据包括：请求所述对象执行所述预设行为的第一时间点、所述预设行为的截止执行时间点、以及所述对象结束执行所述预设行为的第二时间点；
所述第三历史数据包括：所述对象的预设行为持续的第一时长，以及所述预设行为的标准持续时长；
所述第四历史数据包括：所述对象执行所述预设行为得到的行为结果数据，以及所述预设行为对应的行为结果数据的均值；
所述第五历史数据包括：所述预设行为对应的行为等级值；
第一得到单元，用于依据所述历史行为数据，得到所述对象的多个行为特征；所述多个行为特征包括：第一行为特征、第二行为特征、第三行为特征和第四行为特征；
所述第一得到单元用于依据所述历史行为数据，得到所述对象的多个行为特征，包括，所述第一得到单元具体用于：
依据所述第一历史数据、所述第二历史数据以及所述第三历史数据，确定所述对象执行所述各个预设行为的执行效率，并将所述执行效率作为所述第一行为特征；
依据所述第四历史数据，分别确定所述对象执行所述各个预设行为的执行偏离程度以及执行偏离方向，并将所述执行偏离程度作为所述第二行为特征，将所述执行偏离方向作为所述第三行为特征；
依据所述第五历史数据，确定所述对象执行所述各个预设行为的执行经验等级，并将所述执行经验等级作为所述第四行为特征；
确定单元，用于确定每个所述行为特征对应的权重；
第二得到单元，用于依据所述多个行为特征，以及每个所述行为特征对应的所述权重，得到所述对象的筛选参数；
筛选单元，用于依据所述筛选参数，从所述对象中筛选目标对象。
4.根据权利要求3所述的装置，其特征在于，所述确定单元用于确定每个所述行为特征的对应的权重，包括，所述确定单元具体用于：
获取每两个所述行为特征之间预设的相对重要程度值；
依据每两个所述行为特征之间预设的相对重要程度值，构造判断矩阵；
对所述判断矩阵进行层次总排序及一致性检验，得到每个所述行为特征的对应的权重。
5.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储程序；所述处理器用于运行所述程序，以实现权利要求1-2任一项所述的对象的筛选方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行权利要求1-2任一项所述的对象的筛选方法。
CN202011586936.9A 2020-12-29 2020-12-29 对象的筛选方法及装置、电子设备及计算机可读存储介质 Active CN112633720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011586936.9A CN112633720B (zh) 2020-12-29 2020-12-29 对象的筛选方法及装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011586936.9A CN112633720B (zh) 2020-12-29 2020-12-29 对象的筛选方法及装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112633720A CN112633720A (zh) 2021-04-09
CN112633720B true CN112633720B (zh) 2023-09-26

Family

ID=75285830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011586936.9A Active CN112633720B (zh) 2020-12-29 2020-12-29 对象的筛选方法及装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112633720B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118626994B (zh) * 2024-08-09 2024-10-29 浙江天正信息科技有限公司 一种科技项目评审专家的评审行为分析方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110618922A (zh) * 2019-08-15 2019-12-27 平安普惠企业管理有限公司 性能测试方法及相关设备
CN111709604A (zh) * 2020-05-19 2020-09-25 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 专家评审行为的评价方法、装置及计算机存储介质
CN111782943A (zh) * 2020-06-24 2020-10-16 中国平安财产保险股份有限公司 基于历史数据记录的信息推荐方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150279221A1 (en) * 2014-03-26 2015-10-01 Konica Minolta Laboratory U.S.A., Inc. Method for handling assignment of peer-review requests in a moocs system based on cumulative student coursework data processing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110618922A (zh) * 2019-08-15 2019-12-27 平安普惠企业管理有限公司 性能测试方法及相关设备
CN111709604A (zh) * 2020-05-19 2020-09-25 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 专家评审行为的评价方法、装置及计算机存储介质
CN111782943A (zh) * 2020-06-24 2020-10-16 中国平安财产保险股份有限公司 基于历史数据记录的信息推荐方法、装置、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Peer review of manuscripts: theory and practice;Young SN;《JOURNAL OF PSYCHIATRY & NEUROSCIENCE》;第28卷(第5期);327-330 *
基于偏差度权重的科技项目评审专家绩效评价方法研究;蔡文学 等;《科技管理研究》(第15期);75-78，83 *

Also Published As

Publication number Publication date
CN112633720A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN107506941A (zh) 一种基于大数据技术的建筑施工企业信用评价方法和系统
CN107368891A (zh) 一种深度学习模型的压缩方法和装置
CN112990478B (zh) 联邦学习数据处理系统
CN112633720B (zh) 对象的筛选方法及装置、电子设备及计算机可读存储介质
Chaudhari et al. Analyzing participant behaviors in design crowdsourcing contests using causal inference on field data
CN111428866A (zh) 一种增量学习方法、装置、存储介质及电子设备
CN112884016A (zh) 云平台可信评估模型训练方法和云平台可信评估方法
CN108182448B (zh) 一种标注策略的选择方法及相关装置
CN103593543B (zh) 一种更新p2p网络用户主观行为分析模型参数的方法及系统
CN115203496A (zh) 基于大数据的项目智能预测及评估方法、系统及可读存储介质
CN103577882A (zh) 一种基于uml的量化项目资源控制方法
CN110858368A (zh) 一种数据评估服务价值确定系统和方法
CN111427543B (zh) 一种软件产品开发的处理方法及装置
CN107203916B (zh) 一种用户信用模型建立方法及装置
JP4498666B2 (ja) 予測装置、予測プログラム、および記録媒体
CN110717787A (zh) 一种用户的分类方法及装置
CN107016573B (zh) 一种应用的评测方法和评测系统
CN110580265A (zh) Etl任务的处理方法、装置、设备及存储介质
CN115204501A (zh) 企业评估方法、装置、计算机设备和存储介质
CN114418097A (zh) 神经网络量化处理方法、装置、电子设备及存储介质
CN113191877A (zh) 数据特征获取方法、系统及电子设备
CN109598442A (zh) 一种监理行为的评分方法及装置
CN113553754A (zh) 存储器、火灾风险预测模型构建方法、系统和装置
CN110807241A (zh) 工业产品设计过程建模优化方法及系统
CN117556525B (zh) 基于bim模型变更分析模型质量的方法及系统

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