CN112836041A

CN112836041A - 人员关系分析方法、装置、设备及存储介质

Info

Publication number: CN112836041A
Application number: CN202110132763.1A
Authority: CN
Inventors: 周伟杰; 洪丰; 黄敏; 蔡文笔; 熊善良; 韦有朋
Original assignee: Beijing Haizhuofei Network Technology Co ltd
Current assignee: Beijing Haizhuofei Network Technology Co ltd
Priority date: 2021-01-29
Filing date: 2021-01-29
Publication date: 2021-05-25
Anticipated expiration: 2041-01-29
Also published as: CN112836041B; US11823086B2; US20220245591A1

Abstract

本发明涉及一种人员关系分析方法、装置、设备及存储介质，该方法包括：从一个或多个数据源中获取目标群体人员的人员信息，基于预定的关键字对第一类型信息进行聚类分析；若所有人员的第一类型信息均聚类分析成功，则获取聚类分析后的各个人员所属的类型及集合；若有人员的第一类型信息聚类分析失败，则将对应的第一类型信息输入分类模型中，获取输出的的类型及集合；基于各个类型整理各个集合从上至下的层级关系，按照整理后的层级关系对各个集合的人员进行图形化处理，得到层级图；在层级图中同一集合中的人员的节点进行相同的标识，对每一个人员的节点所占区域中标识第二类型信息并显示。本发明能够对群体人员的层级关系进行准确分析。

Description

人员关系分析方法、装置、设备及存储介质

技术领域

本发明涉及数据分析技术领域，尤其涉及一种人员关系分析方法、装置、设备及存储介质。

背景技术

一个群体中存在多个人员，例如企业群体、家族群体，群体中的人员具有相应的层级关系。目前可以通过多种渠道分析群体人员的层级关系，例如对于企业群体而言，可以查看其公布的组织架构图、网上搜索其人员的相关信息及询问相关人员获取相关信息。但组织架构图一般不会及时更新，且人员变动的情况涉及隐私，外部难以获取最新的人员组织架构，此外，如果收集的信息越来越多则会增加分析的复杂度。因此，通过上述方式分析群体人员的层级关系并不准确，且费时费力。

发明内容

本发明的目的在于提供一种人员关系分析方法、装置、设备及存储介质，旨在提高群体人员的层级关系分析的准确性。

本发明提供一种人员关系分析方法，包括：

从一个或多个数据源中获取目标群体人员的人员信息，所述人员信息包括第一类型信息及第二类型信息；

基于预定的关键字对所述第一类型信息进行聚类分析，以将同一类型的人员聚集为同一个集合；

若所有人员的第一类型信息均聚类分析成功，则获取聚类分析后的各个人员所属的类型及集合；

若有人员的第一类型信息聚类分析失败，则将聚类分析失败的人员对应的第一类型信息输入预先训练好的分类模型中，获取输出的聚类分析失败的人员所属的类型及集合；

基于各个类型整理各个集合从上至下的层级关系，按照整理后的层级关系对各个集合的人员进行图形化处理，得到图形化处理后的层级图，其中，所述层级图中一个人员为一个节点；

对所述层级图中同一集合中的人员的节点进行相同的标识，在每一个人员的节点所占区域中标识第二类型信息，并在界面上显示标识后的层级图。

本发明还提供一种人员关系分析装置，包括：

第一获取模块，用于从一个或多个数据源中获取目标群体人员的人员信息，所述人员信息包括第一类型信息及第二类型信息；

聚类分析模块，用于基于预定的关键字对所述第一类型信息进行聚类分析，以将同一类型的人员聚集为同一个集合；

第二获取模块，用于若所有人员的第一类型信息均聚类分析成功，则获取聚类分析后的各个人员所属的类型及集合；

第三获取模块，用于若有人员的第一类型信息聚类分析失败，则将聚类分析失败的人员对应的第一类型信息输入预先训练好的分类模型中，获取输出的聚类分析失败的人员所属的类型及集合；

整理模块，用于基于各个类型整理各个集合从上至下的层级关系，按照整理后的层级关系对各个集合的人员进行图形化处理，得到图形化处理后的层级图，其中，所述层级图中一个人员为一个节点；

显示模块，用于对所述层级图中同一集合中的人员的节点进行相同的标识，在每一个人员的节点所占区域中标识第二类型信息，并在界面上显示标识后的层级图。

本发明还提供一种计算机设备，所述计算机设备包括存储器及与所述存储器连接的处理器，所述存储器中存储有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如上述的人员关系分析方法的步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的人员关系分析方法的步骤。

本发明的有益效果是：本发明从一个或多个数据源中获取目标群体人员的人员信息后，首先基于预定的关键字对所述第一类型信息进行聚类分析，对于聚类分析失败的人员采用分类模型对其进行聚类分析，以获取各个人员所属的类型及集合，然后，基于各个类型整理各个集合从上至下的层级关系，按照整理后的层级关系对各个集合的人员进行图形化处理，得到图形化处理后的层级图，最后，对层级图中同一集合中的人员的节点进行相同的标识，对每一个人员的节点所占区域中标识第二类型信息，并在界面上显示层级图。本发明从一个或多个数据源中获取人员信息，使用预定的关键字及分类模型结合的方式对人员信息进行聚类分析，并根据聚类分析后的类型整理人员的层级关系，本发明基于大数据分析技术，能够对群体人员的层级关系进行准确分析，且省时省力。

附图说明

图1为本发明人员关系分析方法一实施例的流程示意图；

图2为图1中一实施例的层级图；

图3为本发明人员关系分析装置一实施例的结构示意图；

图4为本发明计算机设备一实施例的硬件架构的示意图。

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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

参阅图1所示，是本发明人员关系分析方法一实施例的流程示意图。该人员关系分析方法包括以下步骤：

步骤S1，从一个或多个数据源中获取目标群体人员的人员信息，所述人员信息包括第一类型信息及第二类型信息；

数据源可以各种社交平台，当然还可以包括业内常用的大型数据库，可以从多种社交平台或搜索引擎通过爬虫获取人员信息。目标群体人员优选为一个公司内的人员，当然也可以是其他群体的人员，例如一个家族的人员等。人员信息包括姓名、身份证号、家庭住址、毕业院校、照片、工作单位、职位等。

在一实施例方式中，对于目标群体为公司而言，第一类型信息为职务信息，或者职位、岗位、职责信息等(通过职务等可以梳理公司内部的层级关系)，第二类型信息为姓名、头像、国籍等；在另一实施例方式中，对于目标群体为家族而言，第一类型信息可以是年龄，或者可以是姓名及年龄等(通过年龄可以梳理家族的层级关系，或者通过年龄结合姓名按字排辈可以梳理家族的层级关系)，第二类型信息为头像、国籍等。本发明的所有实施例中以目标群体为公司进行说明。

步骤S2，基于预定的关键字对所述第一类型信息进行聚类分析，以将同一类型的人员聚集为同一个集合；

预定的关键字包括预设的关键字及自定义的关键字，预设的关键字为标准关键字，自定义的关键字为非标准关键字，自定义的关键字可以编辑(例如增加或删除)。

以第一类型信息为职务信息为例，预设的关键字可以是标准的职务，例如销售代表、销售经理、销售总监等，自定义的关键字为非标准的职务，例如总管、总督等。

将同一类型(职务类型)的人员聚集为同一个集合，即将相同职务类型的人员聚集为同一个集合，例如所有销售人员为一个集合，所有技术人员为一个集合，所有高管为一个集合。

步骤S3，若所有人员的第一类型信息均聚类分析成功，则获取聚类分析后的各个人员所属的类型及集合；

如果通过预定的关键字能够将所有人员进行聚类，使得每一个人员都有相应的职务类型，那么将相同职务类型的人员归置为同一集合。

步骤S4，若有人员的第一类型信息聚类分析失败，则将聚类分析失败的人员对应的第一类型信息输入预先训练好的分类模型中，获取输出的聚类分析失败的人员所属的类型及集合；

由于预定的关键字可能不能穷举实际情况中的所有职务，所以根据预定的关键字对职务进行聚类分析可能存在失败的情况，使得有些人员的职务没有相应的类别。这时可以采用分类模型来对该人员的职务进行聚类分析，得到相应的职务类型及归置的集合。

其中，分类模型为基于海量的数据进行训练得到的模型，分类模型可以采用常见的分类模型如CNN(卷积神经网络模型)、RNN(循环神经网络)、SVM(支持向量机)模型等，其输入为各种职务(职位、岗位、职责等)，输出为输入的职务对应的职务类型，或者输出为输入的职务属于各种职务类型的得分，在后面这种情况下，可以取得分最高的职务类型作为相应职务所属的职务类型。

其中，分类模型的训练包括：

获取各种职务(职位、岗位、职责等)，并标记各种职务(职位、岗位、职责等)对应的职务类型，将各种职务(职位、岗位、职责等)及标记后对应的职务类型按照预定的比例(例如8：2)分为样本集及测试集，将样本集输入分类模型中进行训练。训练后将测试集输入分类模型中进行测试，如果测试时分类模型标识职务类型的准确率大于预定的准确率(例如，0.95)，则结束训练，得到训练好的分类模型。

步骤S5，基于各个类型整理各个集合从上至下的层级关系，按照整理后的层级关系对各个集合的人员进行图形化处理，得到图形化处理后的层级图，其中，所述层级图中一个人员为一个节点；

在公司群体内部，具有相同职务的部分人员或具有相同职务的全部人员，不同的职务类型隐含了实际职级。例如，在一个单位内，10个人的职务类型是销售代表，2个人的职务类型是销售经理，1个人的职务类型是销售总监。在实际职级中，职级由上至下为总监－经理－代表，则基于各个类型整理各个集合从上至下的层级关系为：销售总监＞销售经理＞销售代表。按照整理后的层级关系对各个集合进行图形化处理，得到层级图。其中，层级图中一个人员为一个节点，层级图优选为ochart(organization chart)图。

步骤S6，对所述层级图中同一集合中的人员的节点进行相同的标识，在每一个人员的节点所占区域中标识第二类型信息，并在界面上显示标识后的层级图。

对图形化处理后的层级图中同一集合中的人员的节点进行相同的标识，相同标识的人员可以看作为同一部门的人员。对每一个人员的节点标识第二类型信息并在界面上显示，第二类型信息包括姓名、头像、国籍等。

在一实施方式中，如图2所示，图2中包括3个集合，包括总监的集合(1人)、经理的集合(2人)及销售(6人)的集合，每一个小方框代表一个人员所在的节点。图2中同一集合中的人员的节点进行相同的标识，例如，同一集合中的人员的节点的小方框标识为同一种颜色，不同集合中的人员的节点的小方框标识为不同种颜色，例如总监的集合为红色、经理的集合为黄色及销售的集合为绿色。每一人员的节点的小方框中还可以标识第二类型信息，包括标识姓名、头像、国籍等。

相比于现有技术，本实施例从一个或多个数据源中获取目标群体人员的人员信息后，首先基于预定的关键字对所述第一类型信息进行聚类分析，对于聚类分析失败的人员采用分类模型对其进行聚类分析，以获取各个人员所属的类型及集合，然后，基于各个类型整理各个集合从上至下的层级关系，按照整理后的层级关系对各个集合的人员进行图形化处理，得到图形化处理后的层级图，最后，对层级图中同一集合中的人员的节点进行相同的标识，对每一个人员的节点所占区域中标识第二类型信息，并在界面上显示标识后的层级图。本实施例从一个或多个数据源中获取人员信息，使用预定的关键字及分类模型结合的方式对人员信息进行聚类分析，并根据聚类分析后的类型整理人员的层级关系，本实施例基于大数据分析技术，能够对群体人员的层级关系进行准确分析，且省时省力。

在一实施例中，在上述图1的实施例的基础上，所述人员关系分析方法还包括：获取同姓人员，基于所述同姓人员的节点生成对应的动态显示控件并显示在所述界面上，所述动态显示控件被点击后，对应的所述同姓人员的节点进行动态显示。

本实施例图形化处理后的层级图中，界面中的预定位置(例如，界面右侧)显示一个或多个动态显示控件，一个动态显示控件对应多个同姓人员的节点，通过点击动态显示控件，可以将同姓人员的节点进行动态显示，例如相应的节点进行闪烁显示，通过这种方式可以粗略分析公司是否为家族企业，能够增加图形化显示结果的显示维度，在更多的维度上分析群体人员的关系，提高分析的客观性和准确性。

在进一步的实施例中，可以训练相应的家族人脸识别模型，通过该家族人脸识别模型可以识别输入的人脸是否为同一家族人员的人脸。具体地，提取同姓人员的人脸图像，将同姓人员的人脸图像输入预先训练好的家族人脸识别模型中，得到同姓人员中的多个人员或全部人员是否为同一家族人员的结果。通过这种方式可以准确分析公司是否为家族企业，更准确分析出群体人员的层级关系。

在一实施例中，在上述实施例的基础上，所述人员关系分析方法还包括：获取同姓名人员，基于所述同姓名人员的节点生成对应的合并控件并显示在所述界面上，所述合并控件被点击后，对应的同姓名人员的节点进行突出显示及合并。

本实施例考虑数据源的不同，可能会从多个数据源中获取到同一个人员的人员信息，为了排除重复的人员及简化层级图，在图形化处理后的层级图中，界面中的预定位置(例如，界面右侧)显示一个或多个合并控件，一个合并控件对应多个同姓名人员的节点，通过点击合并控件，可以将同姓名人员的节点进行突出显示及合并，合并包括头像的合并及其他人员信息的合并。通过这种方式，可以将疑似重复的人员标识出来，供人工进行审核是否为重复的人员，如果是则进行去重处理，即将其进行合并。

在一实施例中，在上述实施例的基础上，所述人员关系分析方法还包括：

提取各个人员头像中的人脸图像，将所述人脸图像输入至预先训练好的性别分析模型中；

若在所述性别分析模型中各个人员的性别分析均成功，则在所述界面中人员的节点中标识对应的性别；

若在所述性别分析模型中有人员的性别分析失败，则基于性别分析失败的人员的姓名获取性别，并在所述界面中对应的人员的节点中标识所获取的性别。

本实施例中，性别分析模型可以是分类模型，分类模型可以采用常见的分类模型如CNN(卷积神经网络模型)、RNN(循环神经网络)、SVM(支持向量机)模型等，其输入为各种人脸图像，输出为输入的人脸图像对应的性别，或者输出为输入的人脸图像属于男性及女性的得分，在后面这种情况下，可以取得分最高的性别作为相应人脸图像所属的性别。

性别分析模型的训练过程包括：

获取预定数量(例如，10万)不同性别的人脸图像，并标记各人脸图像对应的性别，将标记性别后的人脸图像按照预定的比例(例如8：2)分为样本集及验证集，将样本集输入性别分析模型中进行训练。训练后将验证集输入性别分析模型中进行验证，如果验证得到训练后的性别分析模型标识性别的准确率大于等于预定的准确率(例如，0.95)，则训练结束，得到训练好的性别分析模型。

其中，对于背景不同的头像，可以提取头像中的人脸图像，将人脸图像输入性别分析模型中，得到输出的性别结果。当然，人脸千种万样，对于在性别分析模型中识别失败或者属于男性及女性的得分相差不大的情况下，可以进一步采用姓名分析性别的方式确定性别。考虑不同区域中男性姓名及女性姓名的差别，对于男性姓名及女性姓名的差别较大的区域，通过姓名可以准确得到对应的性别，例如，日本、英国等国家，男性姓名及女性姓名的差别较大，可以通过姓名确定是男性还是女性。

在识别出人员的性别后，在人员对应的节点上标识对应的性别，性别可以以隐藏的方式标识，当点击节点后显示详情页面，详情页面中显示该人员的性别。通过这种方式可以进一步增加图形化显示结果的显示维度，在更多的维度上分析群体人员的关系，提高分析的客观性和准确性。

在一实施例中，在上述实施例的基础上，所述人员关系分析方法还包括：接收对所述层级图中人员节点的调整指令，基于所述调整指令对对应人员的节点在所述层级图中的层级关系进行调整；基于调整后的层级图中人员所属的类型及集合优化所述分类模型。

本实施例中，可以通过人工审核的方式检查层级图中各人员的层级关系，如果层级图中有人员的节点所属的层级错误，可以调整层级图中的节点所在的层级，例如选中节点后拖动节点至其他的层级，以实现节点的调整。

调整后的层级图中各人员所述的类型及集合，可以作为上述的分类模型的训练集的样本来源之一，以对分类模型优化，通过这种方式可以进一步提高分析的客观性和准确性。

在一实施例中，本发明提供一种人员关系分析装置，该人员关系分析装置与上述实施例中人员关系分析方法一一对应。如图3所示，该人员关系分析装置包括：

第一获取模块101，用于从一个或多个数据源中获取目标群体人员的人员信息，所述人员信息包括第一类型信息及第二类型信息；

聚类分析模块102，用于基于预定的关键字对所述第一类型信息进行聚类分析，以将同一类型的人员聚集为同一个集合；

第二获取模块103，用于若所有人员的第一类型信息均聚类分析成功，则获取聚类分析后的各个人员所属的类型及集合；

第三获取模块104，用于若有人员的第一类型信息聚类分析失败，则将聚类分析失败的人员对应的第一类型信息输入预先训练好的分类模型中，获取输出的聚类分析失败的人员所属的类型及集合；

整理模块105，用于基于各个类型整理各个集合从上至下的层级关系，按照整理后的层级关系对各个集合的人员进行图形化处理，得到图形化处理后的层级图，其中，所述层级图中一个人员为一个节点；

显示模块106，用于对所述层级图中同一集合中的人员的节点进行相同的标识，在每一个人员的节点所占区域中标识第二类型信息，并在界面上显示标识后的层级图。

人员关系分析装置的具体限定可以参见上文中人员关系分析方法的限定，在此不再赘述。上述人员关系分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。所述计算机设备可以是PC(Personal Computer，个人电脑)，或者是智能手机、平板电脑、计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云，其中云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。

如图4所示，所述计算机设备可包括，但不仅限于，可通过系统总线相互通信连接的存储器11、处理器12、网络接口13，存储器11存储有可在处理器12上运行的计算机程序。需要指出的是，图4仅示出了具有组件11－13的计算机设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

其中，存储器11可以是非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。本实施例中，存储器11的可读存储介质通常用于存储安装于计算机设备的操作系统和各类应用软件，例如存储本发明一实施例中的计算机程序的程序代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片，用于运行所述存储器11中存储的程序代码或者处理数据，例如运行计算机程序等。

所述网络接口13可包括标准的无线网络接口、有线网络接口，该网络接口13通常用于在所述计算机设备与其他电子设备之间建立通信连接。

所述计算机程序存储在存储器11中，包括至少一个存储在存储器11中的计算机可读指令，该至少一个计算机可读指令可被处理器12执行，以实现本申请各实施例的人员关系分析方法，包括：

进一步地，所述第一类型信息包括职务信息，所述第二类型信息包括姓名。

进一步地，所述人员关系分析方法还包括：

获取同姓人员，基于所述同姓人员的节点生成对应的动态显示控件并显示在所述界面上，所述动态显示控件被点击后，对应的所述同姓人员的节点进行动态显示。

进一步地，所述人员关系分析方法还包括：

获取同姓名人员，基于所述同姓名人员的节点生成对应的合并控件并显示在所述界面上，所述合并控件被点击后，对应的同姓名人员的节点进行突出显示及合并。

进一步地，所述第二类型信息还包括头像，所述人员关系分析方法还包括：

进一步地，所述性别分析模型的训练过程包括：

获取预定数量不同性别的人脸图像，并标记各人脸图像对应的性别，将标记性别后的人脸图像按照预定的比例分为样本集及验证集，将样本集输入性别分析模型中进行训练，将验证集输入训练后的性别分析模型中进行验证，如果验证得到训练后的性别分析模型标识性别的准确率大于等于预定的准确率，则训练结束，得到训练好的性别分析模型。

进一步地，所述人员关系分析方法还包括：

接收对所述层级图中人员节点的调整指令，基于所述调整指令对对应人员的节点在所述层级图中的层级关系进行调整；

基于调整后的层级图中人员所属的类型及集合优化所述分类模型。

在一个实施例中，本发明提供了一种计算机可读存储介质，计算机可读存储介质可以是非易失性和/或易失性存储器，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中人员关系分析方法的步骤，例如图1所示的步骤S1至步骤S6。或者，计算机程序被处理器执行时实现上述实施例中人员关系分析装置的各模块/单元的功能，例如图3所示模块101至模块106的功能。为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序在执行时，可包括如上述各方法的实施例的流程。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims

1.一种人员关系分析方法，其特征在于，包括：

2.根据权利要求1所述的人员关系分析方法，其特征在于，所述第一类型信息包括职务信息，所述第二类型信息包括姓名。

3.根据权利要求2所述的人员关系分析方法，其特征在于，所述人员关系分析方法还包括：

4.根据权利要求2或3所述的人员关系分析方法，其特征在于，所述人员关系分析方法还包括：

5.根据权利要求4所述的人员关系分析方法，其特征在于，所述第二类型信息还包括头像，所述人员关系分析方法还包括：

6.根据权利要求5所述的人员关系分析方法，其特征在于，所述性别分析模型的训练过程包括：

7.根据权利要求1所述的人员关系分析方法，其特征在于，所述人员关系分析方法还包括：

8.一种人员关系分析装置，其特征在于，包括：

9.一种计算机设备，所述计算机设备包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的人员关系分析方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，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7中任一项所述的人员关系分析方法的步骤。