CN113469481A - 待处理对象评价数据的可视化处理方法及其设备 - Google Patents
待处理对象评价数据的可视化处理方法及其设备 Download PDFInfo
- Publication number
- CN113469481A CN113469481A CN202010247078.9A CN202010247078A CN113469481A CN 113469481 A CN113469481 A CN 113469481A CN 202010247078 A CN202010247078 A CN 202010247078A CN 113469481 A CN113469481 A CN 113469481A
- Authority
- CN
- China
- Prior art keywords
- processed
- ranking
- dimensions
- different
- objects
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 222
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000000007 visual effect Effects 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000003066 decision tree Methods 0.000 claims abstract description 51
- 238000013139 quantization Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 27
- 238000010606 normalization Methods 0.000 claims description 26
- 238000012163 sequencing technique Methods 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 16
- 238000004040 coloring Methods 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 9
- 238000012800 visualization Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000002790 cross-validation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- VMGAPWLDMVPYIA-HIDZBRGKSA-N n'-amino-n-iminomethanimidamide Chemical compound N\N=C\N=N VMGAPWLDMVPYIA-HIDZBRGKSA-N 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- BOLDJAUMGUJJKM-LSDHHAIUSA-N renifolin D Natural products CC(=C)[C@@H]1Cc2c(O)c(O)ccc2[C@H]1CC(=O)c3ccc(O)cc3O BOLDJAUMGUJJKM-LSDHHAIUSA-N 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- 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
Abstract
本公开提供了一种待处理对象评价数据的可视化处理方法及其设备。该方法包括:获取预设范围内待处理对象的不同评价维度的评价数据;基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并确定出各待处理对象在不同排位维度的排名,排位维度是基于决策树模型确定的;根据各待处理对象在不同排位维度的名次,分别确定出各待处理对象的总排名;基于排位维度,建立可视化的几何布局;基于各待处理对象的总排名,分别确定出各待处理对象在几何布局的位置,并将各待处理对象显示于几何布局中确定出的位置上。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种待处理对象评价数据的可视化处理方法及其设备。
背景技术
伴随着日益复杂的外部环境,企业规模日趋壮大,业务形态越来越复杂,需要一套适应业务需求的管理体系和方法论,并通过技术手段加以落地。
在需要对待评价对象进行评价时,相关技术中的评价方法所采用的评价维度相对单一,数据的样本量较小,从而导致评价结果区分度不高。
此外,目前通常采用的评价方法多为评级、打分等方式,并根据打分结果,对待评价对象进行排序。但这种方式无法直观的呈现出待评价对象的整体评价结果,不利于对待评价对象的整体评估。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种待处理对象评价数据的可视化处理方法及其设备,至少在一定程度上克服相关技术中由于评价维度单一而导致的评价结果区分度不高的问题,此外还可以解决评价结果无法直观呈现的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种对待处理对象评价数据的可视化处理方法,包括:获取预设范围内待处理对象的不同评价维度的评价数据,所述评价维度是基于决策树模型确定的;基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名;基于所述排位维度,建立可视化的几何布局;以及基于各待处理对象的总排名,分别确定出各待处理对象在所述几何布局中的位置,并将各待处理对象显示于所述几何布局中确定出的位置上。
在本公开的一个实施例中,所述几何布局为九宫格,所述九宫格中的宫格被分为不同层级,每个层级包含若干宫格;基于各待处理对象的总排名,分别确定出各待处理对象在所述几何布局中的位置,并将各待处理对象显示于所述几何布局中确定出的位置上,包括:基于预设的不同宫格中的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的所述层级;以及基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于的宫格,并将各待处理对象显示于确定出的宫格中。在本公开一个实施例中,上述方法还包括:建立不同颜色与不同宫格之间的映射关系;基于所述映射关系,对不同宫格进行着色并显示。
在本公开一个实施例中,上述方法还包括:获取待处理对象历史评价数据;基于所述决策树模型,确定所述待处理对象历史评价数据中的各维度的权重;选择各维度中权重大于预设权重阈值的至少一个维度作为所述评价维度。
在本公开一个实施例中,上述方法还包括:对各待处理对象在不同排位维度下的得分归一化;基于各待处理对象所位于的宫格及归一化结果,分别确定出各待处理对象在所位于的宫格中的位置,并将各待处理对象显示于所位于的宫格中的所述位置。
根据本公开的另一个方面,提供一种待处理对象评价数据处理方法,包括:获取预设范围内待处理对象的不同评价维度的评价数据,评价维度是基于决策树模型确定的;基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,排位维度是基于决策树模型确定的;对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名;基于预设的不同层级的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的层级;以及基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于层级中的等级。
在本公开一个实施例中,上述方法还包括:获取待处理对象历史评价数据;基于决策树模型,确定待处理对象历史评价数据中的各维度的权重;选择各维度中权重大于预设权重阈值的至少一个维度作为评价维度。
在本公开一个实施例中,上述方法还包括:对各待处理对象在不同排位维度下的得分归一化;基于各待处理对象所位于的等级及归一化结果,分别确定出各待处理对象在所位于的等级中的位置。
根据本公开的再一个方面,提供一种待处理对象评价数据的可视化处理装置,包括:数据获取模块,用于获取预设范围内待处理对象的不同评价维度的评价数据,所述评价维度是基于决策树模型确定的;得分获得模块,用于基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;总得分获得模块,用于对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名;布局建立模块,用于基于所述排位维度,建立可视化的几何布局以及位置显示模块,用于基于各待处理对象的总排名,分别确定出各待处理对象在所述几何布局中的位置,并将各待处理对象显示于所述几何布局中确定出的位置上。
在一些实施例中,所述几何布局为九宫格,所述九宫格中的宫格被分为不同层级,每个层级包含若干宫格;位置显示模块包括:层级确定单元及宫格确定单元。其中,层级确定单元用于基于预设的不同宫格中的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的所述层级;以及宫格确定单元用于基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于的宫格,并将各待处理对象显示于确定出的宫格中。
在一些实施例中,上述装置还包括:映射建立模块及着色显示模块。其中,映射建立模块用于建立不同颜色与不同宫格之间的映射关系;着色显示模块用于基于所述映射关系,对不同宫格进行着色并显示。
在一些实施例中,上述装置还包括:历史数据获取模块、权重确定模块及维度选择模块。其中,历史数据获取模块用于获取待处理对象历史评价数据;权重确定模块用于基于决策树模型,确定待处理对象历史评价数据中的各维度的权重;维度选择模块用于选择各维度中权重大于预设权重阈值的至少一个维度作为评价维度。
在一些实施例中,上述装置还包括:归一化模块及位置确定模块,其中,归一化模块用于对各待处理对象在不同排位维度下的得分归一化;位置确定模块用于基于各待处理对象所位于的宫格及归一化结果,分别确定出各待处理对象在所位于的宫格中的位置,并将各待处理对象显示于所位于的宫格中的所述位置。
根据本公开的另一个方面,提供一种待处理对象评价数据处理装置,包括:数据获取模块,用于获取预设范围内待处理对象的不同评价维度的评价数据,所述评价维度是基于决策树模型确定的;得分获得模块,用于基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;总得分获得模块,用于对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名;层级确定模块,用于基于预设的不同层级的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的层级;以及等级确定模块,用于基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于层级中的等级。
在一些实施例中,上述装置还包括:历史数据获取模块、权重确定模块及维度选择模块。其中,历史数据获取模块用于获取待处理对象历史评价数据;权重确定模块用于基于决策树模型,确定待处理对象历史评价数据中的各维度的权重;维度选择模块用于选择各维度中权重大于预设权重阈值的至少一个维度作为评价维度。
在一些实施例中,上述装置还包括:归一化模块及位置确定模块,其中,归一化模块用于对各待处理对象在不同排位维度下的得分归一化;位置确定模块用于基于各待处理对象所位于的等级及归一化结果,分别确定各待处理对象在所位于的等级中的的位置。
根据本公开的再一个方面,提供一种计算机设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述方法。
根据本公开的又一个方面,提供一种计算机可读存储介质,其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方法。
本公开实施例提供的待处理对象评价数据的可视化处理方法,基于决策树模型,确定出待处据理对象的多个评价维度以及多个排位维度;基于排位维度,建立可用于直观呈现评价结果的九宫格几何布局;并根据待处理对象在各排位维度的排名,将各待处理对象呈现于九宫格几何布局中。该方法可以直观地呈现出待处理对象的评价结果,便于对待处理对象的整体评估,此外该方法综合了基于决策树模型所确定出的多个维度对待处理对象进行评价,获得了更全面、准确的评价结果。
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,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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是根据本公开实施例示出的一种待处理对象评价数据处理方法的流程图。
图2是根据本公开实施例示出的另一种待处理对象评价数据处理方法的流程图。
图3是根据本公开实施例示出的另一种待处理对象评价数据处理方法的流程图。
图4是根据本公开实施例示出的一种待处理对象评价数据的可视化处理方法的流程图。
图5是根据本公开一示例示出的一种九宫格图。
图6是根据本公开实施例示出的另一种待处理对象评价数据的可视化处理方法的流程图。
图7是根据一示例性实施方式示出的一种待处理对象评价数据处理装置的框图。
图8是根据一示例性实施方式示出的一种待处理对象评价数据的可视化处理装置的框图。
图9是根据一示例性实施方式示出的一种计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
下面,将结合附图及实施例对本公开示例实施例中的待处理对象评价数据处理方法的各个步骤进行更详细的说明。
图1是根据本公开实施例示出的一种待处理对象评价数据处理方法的流程图。本公开实施例提供的方法可以由任意具备计算处理能力的电子设备执行。
如图1所示,待处理对象评价数据处理方法10包括:
在步骤S102中,获取预设范围内待处理对象的不同评价维度的评价数据。
其中,评价维度是基于决策树模型确定的。
以待处理对象是员工、学生等为例,预设范围例如可以是一个公司、一个项目组、一个班级等,本公开对此不做限制。
待处理对象以员工为例,评价维度例如可以为员工的绩效、能力、潜力、价值观等。
决策树模型可以根据每个维度的权重,选择权重较高的维度作为评价维度。
评价数据例如可以是分数、等级等,例如能力、潜力、价值观可以的评价数据可以是分数,分数可以通过360评测得出,360评测可以根据待处理对象的上级、平级和下级的打分确定出该待处理对象的分数,绩效的评价数据可以是等级,如A、B、C。
在步骤S104中,基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同维度的得分进行排序,以确定各待处理对象在不同排位维度的排名。
其中,排位维度是基于决策树模型确定的。
待处理对象仍以员工为例,可以基于预设的对应关系,对各评价数据进行量化,可以得到各评价数据的量化值,然后根据各评价数据的量化值,可以得到员工在各评价维度下的排名,对员工在每个排位维度下的评价维度下的排名进行处理,可以得到员工在不同排位维度的得分,对各员工在不同排位维度下的得分进行排序,可以得到各员工在不同排位维度下的排名。
各评价数据对应的量化值可以是设置好的,例如,当评价数据为等级时,A+等级对应的量化值为5分,A等级对应的量化值为4分,B等级对应的量化值为3分,C等级对应的量化值为2分,C-等级对应的量化值为1分;当评价数据为分数时,可以直接将分数作为量化值,也可以对分数进行处理后作为量化值,本公开对此不做限制。
排位维度例如可以是设置好的,例如可以将评价维度中的价值观维度和潜力维度作为第一排位维度,将评价维度中的能力维度和绩效维度作为第二排位维度,第一排位维度和第二排位维度可以作为坐标轴中的X轴和Y轴。
排位维度可以有一个或者多个,本公开对此不做限制。
以员工甲为例,根据甲在价值观维度、潜力维度、能力维度和绩效维度的量化值分别进行排序,可以得到甲在各评价维度下的排名,将甲在价值观维度和潜力维度下的排名相加或加权后相加,作为甲在第一排位维度下的得分,将甲在能力维度和绩效维度下的排名进行相加或加权后相加,作为甲在第二排位维度下的得分,对一组员工在各排位维度下的得分进行排序,可以得到甲在各排位维度下的排名。
例如甲在价值观维度排第10名,在潜力维度排第9名,在能力维度排第8名,在绩效维度排第9名。将价值观维度的名次和潜力维度的名次相加作为甲在第一排位维度下的得分,也可以根据价值观维度和潜力维度的重要程度,将价值观维度的名次和潜力维度的名次加权后相加作为甲在第一排位维度下的得分;将能力维度的名次和绩效维度的名次相加作为甲在第二排位维度下的得分,也可以根据能力维度和绩效维度的重要程度,将能力维度的名次和绩效维度的名次加权后相加作为甲在第二排位维度下的得分。
对一组员工在各排位维度下的得分进行排序,可以得到各员工在各排位维度下的排名。
在步骤S106中,对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,以分别确定各待处理对象的总排名。
对一组员工在各排位维度下的名次相加,可以得到各员工的总得分。
仍以员工甲为例,例如甲在第一排位维度下的名次是第9位,在第二排位维度下的名次是第10位,将这两个名次相加作为甲的总得分,即甲的总得分为19。
对一组员工的总得分进行排序,可以得到各员工的总排名。例如甲的总得分为19,对甲所在的一组员工的总得分进行排序后,甲排在第10名,甲的总排名为第10。
在步骤S108中,基于预设的不同层级的人数比例及各待处理对象的总排名,分别确定各待处理对象所位于的层级。
在一些实施例中,例如可以基于预设的不同层级的人数比例及各待处理对象的总排名,分别确定各待处理对象所位于的九宫格的层级。
例如可以根据历史数据确定不同层级的人数比例,以九宫格为例,九宫格中有三个层级,例如在历史数据中,在格1-格3的人数占总人数的15%,在格4-格6的人数占总人数的70%,在格7-格9的人数占总人数的15%,可以以此作为预设的三个层级的人数比例,根据员工的总排名,确定员工位于九宫格的层级,例如员工的总排名为第10名,一组员工有20人,那么该员工在第二层级中。
本领域技术人员也可以使用其他类型的图表,本公开对此不做限制。
在步骤S110中,基于各待处理对象在不同排位维度的排名,分别确定各待处理对象所位于层级中的等级。
在一些实施例中,基于各待处理对象在不同排位维度的排名和预设阈值的关系,分别确定各待处理对象所位于层级中的等级。
可以将排位维度作为坐标轴,例如将第一排位维度作为横坐标,第二排位维度作为纵坐标,根据各员工的横坐标和纵坐标可以确定各员工在散点图中的位置。
比较员工的横坐标和纵坐标的关系与预设阈值的大小,确定各员工所位于的九宫格的格子。
预设阈值可以根据历史数据确定,例如可以根据历史数据将预设阈值确定为0.2。
当员工的横坐标大于纵坐标时,可以计算横坐标和纵坐标的关系:X=(横坐标-纵坐标)/横坐标,比较X的值与0.2的大小关系,确定该员工所位于九宫格的具体格子;当员工的横坐标小于纵坐标时,可以计算横坐标和纵坐标的关系:X=(纵坐标-横坐标)/纵坐标,比较X的值与0.2的大小关系,确定该员工所位于九宫格的具体格子;当员工的横坐标等于纵坐标时,该员工所位于九宫格的格1、格5或格9中。例如通过步骤S108确定出该员工位于第二层级,即位于格4-格6时,计算出该员工的X小于0.2,那么该员工在九宫格的格5中。
本领域的技术人员也可以通过其他方式确定预设阈值,也可以使用其他类型的图表,也可以根据其他公式或方法确定待处理对象所位于的等级,本公开对此不做限制。
本公开实施例提供的待处理对象评价数据处理方法,基于决策树模型,确定出待处理对象的多个评价维度以及多个排位维度;基于排位维度,建立可用于直观呈现评价结果的九宫格几何布局;并根据待处理对象在各排位维度的排名,确定出各待处理对象所位于的层级和等级,从而可以获得更全面、准确的评价结果。
图2是根据本公开实施例示出的另一种待处理对象评价数据处理方法的流程图。
如图2所示,在图1所示的方法10的基础上,待处理对象评价数据处理方法20还包括:
在步骤S202中,获取待处理对象历史评价数据。
待处理对象例如可以是员工,学生等。
历史评价数据例如可以是多年的评价数据。
在步骤S204中,基于决策树模型,确定待处理对象历史评价数据中的各维度的权重。
决策树模型的理论基础为某个维度对结果的确定性越强则权重值越高,其中,权重值为每个维度的重用程序。
根据数据仓库中多年的历史评价数据,可以形成分类器,通过交叉验证后可以得到一组训练好的模型,例如LightGBM(Light Gradient Boosting Machine,高速梯度提升框架)模型。
历史评价数据中的维度例如可以有年龄、性别、工龄、能力、绩效、潜力、价值观等。基于决策树模型,可以确定历史评价数据中各维度的权重。
在步骤S206中,选择各维度中权重大于预设权重阈值的至少一个维度作为评价维度。
预设权重阈值可以根据实际情况设置,本公开对此不做限制。
根据预设权重阈值和各维度的权重的大小关系,选择出权重大于预设权重阈值的多个维度作为评价维度。
例如可以选择出能力、绩效、潜力、价值观4个维度作为评价维度。
图3是根据本公开实施例示出的另一种待处理对象评价数据处理方法的流程图。
如图3所示,在图1所示的方法10的基础上,待处理对象评价数据处理方法30还包括:
在步骤S302中,对各待处理对象在不同排位维度下的得分归一化。
首先,确定出各员工在一个排位维度下的得分的最大值和最小值,然后,可以通过公式:(员工得分-最小值)/最大值,对各员工在该排位维度下的得分归一化。
排位维度可以分别作为坐标轴中的X轴和Y轴。
在步骤S304中,基于各待处理对象所位于的等级及归一化结果,确定各待处理对象在所位于的等级中的位置。
以所述等级为九宫格中的一个宫格为例,本实施例进一步确定出各待处理对象在不同宫格中的位置。
例如九宫格的横坐标和纵坐标可以设置为90,也可以根据实际需求设置。
例如,当员工所在九宫格为第5格时,可以确定出该员工的横坐标为:30×横坐标归一化结果+30,纵坐标为:30×纵坐标归一化结果+30;当员工所在九宫格为第6格时,可以确定出该员工的横坐标为:30×横坐标归一化结果+60,纵坐标为:30×纵坐标归一化结果;当员工所在九宫格为第4格时,可以确定出该员工的横坐标为:30×横坐标归一化结果+60;纵坐标为:30×纵坐标归一化结果。
本实施例提供的待处理对象评价数据处理方法,进一步对各待处理对象在不同排位维度下的得分归一化,可以根据归一化结果确定待处理对象在所位于的等级中的具体位置,从而可以通过每个等级中的各待处理对象具体位置的不同,进一步呈现出每个等级中各待处理对象的差别。
如上述,在相关技术中通常采用的评价方法多为评级、打分等方式,并根据打分结果,对待评价对象进行排序。这种方式无法直观的呈现出待评价对象的整体评价结果,不利于对待评价对象的整体评估。
因此,本公开实施例进一步提供一种待处理对象评价数据的可视化处理方法。在基于多个评价维度对待处理对象进行评价的基础上,进一步对评价结果进行可视化处理,从而可以直观地呈现出经上述处理的评价结果,以利于整体的评估。
图4是根据本公开实施例示出的一种待处理对象评价数据的可视化处理方法的流程图。
如图4所示,待处理对象评价数据的可视化处理方法40包括:
在步骤S401中,获取预设范围内待处理对象的不同评价维度的评价数据。
其中,不同评价维度是基于决策树模型确定的。
决策树模型可以根据每个维度的权重,选择权重较高的维度作为评价维度。
以待处理对象例如可以是员工、学生等为例,预设范围例如可以是一个公司、一个项目组、一个班级等,本公开对此不做限制。
待处理对象以员工为例,评价维度例如可以为员工的绩效、能力、潜力、价值观等。
评价数据例如可以是分数、等级等,例如能力、潜力、价值观可以的评价数据可以是分数,分数可以通过360评测得出,360评测可以根据待处理对象的上级、平级和下级的打分确定出该待处理对象的分数,绩效的评价数据可以是等级,如A、B、C。
在步骤S402中,基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名。
其中,排位维度是基于决策树模型确定的。
待处理对象仍以员工为例,可以基于预设的对应关系,对各评价数据进行量化,可以得到各评价数据的量化值,然后根据各评价数据的量化值,可以得到员工在各评价维度下的排名,对员工在每个排位维度下的评价维度下的排名进行处理,可以得到员工在不同排位维度的得分,对各员工在不同排位维度下的得分进行排序,可以得到各员工在不同排位维度下的排名。
各评价数据对应的量化值可以是设置好的,例如,当评价数据为等级时,A+等级对应的量化值为5分,A等级对应的量化值为4分,B等级对应的量化值为3分,C等级对应的量化值为2分,C-等级对应的量化值为1分;当评价数据为分数时,可以直接将分数作为量化值,也可以对分数进行处理后作为量化值,本公开对此不做限制。
排位维度例如可以是设置好的,例如可以将评价维度中的价值观维度和潜力维度作为第一排位维度,将评价维度中的能力维度和绩效维度作为第二排位维度,第一排位维度和第二排位维度可以作为坐标轴中的X轴和Y轴。
对一组员工在各排位维度下的得分进行排序,可以得到各员工在各排位维度下的排名。
在步骤S403中,对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定各待处理对象的总排名。
对一组员工在各排位维度下的名次相加,可以得到各员工的总得分。
仍以员工甲为例,例如甲在第一排位维度下的名次是第9位,在第二排位维度下的名次是第10位,将这两个名次相加作为甲的总得分,即甲的总得分为19。
对一组员工的总得分进行排序,可以得到各员工的总排名。例如甲的总得分为19,对甲所在的一组员工的总得分进行排序后,甲排在第10名,甲的总排名为第10。
在步骤S404中,基于确定出的排位维度,建立可视化的几何布局。
在一些实施例中,可视化的几何布局例如可以为九宫格几何布局。
以确定出的不同排位维度包括上述的第一排位维度及第二排位维度为例,九宫格几何布局的横轴为第一排位维度,纵轴为第二排位维度。但本公开不以此为限,不同排位维度还可以包括更多排位维度,从而建立三维甚至更多维的几何布局。
图5是根据本公开一示例示出的一种九宫格图。如图5所示,可以以九宫格的横轴为第一排位维度,纵轴为第二排位维度。
以图5所示的九宫格几何布局为例,九宫格中的宫格可以被分为不同的等级,每个层级包含若干宫格。例如宫格1~3为一个层级、宫格4~6为一个层级,宫格7~9为一个层级。
在步骤S405中,基于各待处理对象的总排名,分别确定出各待处理对象在几何布局中的位置,并将各待处理对象显示于几何布局中确定出的位置上。
在一些实施例中,几何布局为九宫格,九宫格中的宫格被分为不同层级,每个层级包含若干宫格。
在一些实施例中,例如可以基于预设的不同宫格中的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的所述层级。
例如可以根据历史数据确定不同层级的人数比例,九宫格中有三个层级,例如在历史数据中,在层级格1-格3的人数占总人数的15%,在层级格4-格6的人数占总人数的70%,在层级格7-格9的人数占总人数的15%,可以以此作为预设的三个层级的人数比例,根据员工的总排名,确定员工位于九宫格的层级,例如员工的总排名为第10名,一组员工有20人,那么该员工在第二层级中。
在一些实施例中,例如可以基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于的宫格,并将各待处理对象显示于确定出的宫格中。
在一些实施例中,基于各待处理对象在不同排位维度的排名和预设阈值的关系,分别确定各待处理对象所位于的九宫格。
根据各员工的横坐标和纵坐标可以确定各员工在散点图中的位置。
比较员工的横坐标和纵坐标的关系与预设阈值的大小,确定各员工所位于的宫格。
预设阈值可以根据历史数据确定,例如可以根据历史数据将预设阈值确定为0.2。
当员工的横坐标大于纵坐标时,可以计算横坐标和纵坐标的关系:X=(横坐标-纵坐标)/横坐标,比较X的值与0.2的大小关系,确定该员工所位于九宫格的具体格子;当员工的横坐标小于纵坐标时,可以计算横坐标和纵坐标的关系:X=(纵坐标-横坐标)/纵坐标,比较X的值与0.2的大小关系,确定该员工所位于九宫格的具体格子;当员工的横坐标等于纵坐标时,该员工所位于九宫格的格1、格5或格9中。例如通过步骤S405确定出该员工位于第二层级,即位于格4-格6时,计算出该员工的X小于0.2,那么该员工在九宫格的格5中。
本公开实施例提供的待处理对象评价数据的可视化处理方法,基于决策树模型,确定出待处据理对象的多个评价维度以及多个排位维度;基于排位维度,建立可用于直观呈现评价结果的几何布局;并根据待处理对象在各排位维度的排名,将各待处理对象呈现于几何布局中。该方法可以直观地呈现出待处理对象的评价结果,便于对待处理对象的整体评估,此外该方法综合了基于决策树模型所确定出的多个维度对待处理对象进行评价,获得了更全面、准确的评价结果。
在一些实施例中,方法40还包括:
在步骤S407中,对各待处理对象在不同排位维度下的得分归一化。
在步骤S408中,基于各待处理对象所位于的宫格及归一化结果,确定各待处理对象在所位于的等级中的位置。
下面以获取的甲员工各评价维度的评价数据为例,具体说明如何根据这些评价数据,确定甲员工所位于的宫格以及所位于的宫格中的位置。
表1是根据本公开一示例示出的甲员工的评价数据。
绩效 | 能力 | 潜力 | 价值观 |
B | 4,5,4 | 5,5,5 | 5,5,4 |
其中,绩效等级为B,对应的量化值为3;能力、潜力和价值观是根据甲员工的上级、平级和下级打分得到的,其中,上级评分占的权重可以为5、平级评分占的权重可以为2、下级评分占的权重可以为3。
将绩效和能力的量化值相加作为第一排位维度的得分,将潜力和价值观的量化值相加作为第二排位维度的得分。
甲员工在第一排位维度的得分为:3+5×4+2×5+3×4;在第二排位维度的得分为:5×5+2×5+3×5+5×5+2×5+3×4。按照该方法,可以计算甲员工所在组的各员工的得分,对各员工的得分进行排序,例如该员工在第一排位维度的排名为第10位,第二排位维度的排名为第9位。将两个排位维度的名次相加后的结果作为甲员工的总得分,按照该方法,可以计算甲员工所在组的各员工的总得分,对各员工的总得分进行排序,例如甲员工的总得分的名称为第10位,甲员工所在组有20名员工,甲员工在第二层级(根据历史数据确定第一层级的人数占总人数的25%,第三层级的人数占总人数的5%),即第4格-第6格中。
可以将第一排位维度作为横坐标,将第二排位维度作为纵坐标。
计算甲员工横坐标和纵坐标的关系:X=(10-9)/10=0.1,0.1<0.2(0.2为预设阈值),则甲员工在九宫格的第5格中。
将甲员工所在组的各员工的横坐标和纵坐标归一化,得到各员工的归一化结果。
例如甲员工横坐标归一化结果为0.6,纵坐标归一化结果为0.4。甲员工在九宫格的位置的横坐标为:30×0.6+30=48;甲员工在九宫格的位置的纵坐标为:30×0.4+30=42。按照该方法,可以计算出该员工所在组的各员工在九宫格的位置。
如图5所示,①-⑨表示九宫格格子的标号,以将九宫格的横纵坐标设置为90为例,其中,⑤号格子中的点的横坐标在30~60之间,纵坐标在30~60之间。仍以表1中的甲员工为例,甲员工在⑤号格子中,且甲员工的坐标为(48,42),具体位置如图5所示。
根据本实施例提供的方法,不仅可以确定待处理对象所在的九宫格的格子,还可以确定待处理对象所在格子中的具体位置。
在一些实施例中,方法40还包括:
在步骤S409中,建立不同颜色与不同宫格之间的映射关系。
如图5所示,在九宫格中,可以将①~③号格子对应红色,表示得分较低的待处理对象;将④~⑥号格子对应蓝色,表示得分中等的待处理对象;将⑦~⑧号格子对应绿色,表示得分较高的待处理对象。
不同颜色与不同宫格之间还可以建立其他映射关系,本公开对此不作限制。
在步骤S410中,基于该映射关系,对不同宫格进行着色并显示。
根据上述映射关系,将①~③号格子显示为红色,④~⑥号格子显示为蓝色,⑦~⑧号格子显示为绿色。
对不同的宫格进行着色并显示,可以更加直观地看出待处理对象的评价结果。
图6是根据本公开实施例示出的另一种待处理对象评价数据的可视化处理方法的流程图。
如图6所示,在图4所示的方法40的基础上,待处理对象评价数据的可视化处理方法60还包括:
在步骤S601中,获取待处理对象历史评价数据。
待处理对象例如可以是员工,学生等。
历史评价数据例如可以是多年的评价数据。
在步骤S602中,基于决策树模型,确定所述待处理对象历史评价数据中的各维度的权重。
决策树模型的理论基础为某个维度对结果的确定性越强则权重值越高,其中,权重值为每个维度的重用程序。
根据数据仓库中多年的历史评价数据,可以形成分类器,通过交叉验证后可以得到一组训练好的模型,例如LightGBM(Light Gradient Boosting Machine,高速梯度提升框架)模型。
历史评价数据中的维度例如可以有年龄、性别、工龄、能力、绩效、潜力、价值观等。基于决策树模型,可以确定历史评价数据中各维度的权重。
在步骤S603中,选择各维度中权重大于预设权重阈值的至少一个维度作为评价维度。
预设权重阈值可以根据实际情况设置,本公开对此不做限制。
根据预设权重阈值和各维度的权重的大小关系,选择出权重大于预设权重阈值的多个维度作为评价维度。
例如可以选择出能力、绩效、潜力、价值观4个维度作为评价维度。
需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图7是根据一示例性实施方式示出的一种待处理对象评价数据处理装置的框图。
如图7所示,待处理对象评价数据处理装置70包括:数据获取模块702、得分获得模块704、总得分获得模块706、层级确定模块708及等级确定模块710。
其中,数据获取模块702用于获取预设范围内待处理对象的不同评价维度的评价数据,评价维度是基于决策树模型确定的;
得分获得模块704用于基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;
总得分获得模块706用于对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,以分别确定各待处理对象的总排名;
层级确定模块708用于基于预设的不同层级的人数比例及各待处理对象的总排名,分别确定各待处理对象所位于的层级;以及
等级确定模块710用于基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定各待处理对象所位于层级中的等级。
在一些实施例中,装置70还包括:历史数据获取模块、权重确定模块及维度选择模块。其中,历史数据获取模块用于获取待处理对象历史评价数据;权重确定模块用于基于决策树模型,确定待处理对象历史评价数据中的各维度的权重;维度选择模块用于选择各维度中权重大于预设权重阈值的至少一个维度作为评价维度。
在一些实施例中,装置70还包括:归一化模块及位置确定模块,其中,归一化模块用于对各待处理对象在不同排位维度下的得分归一化;位置确定模块用于基于各待处理对象所位于的等级及归一化结果,分别确定各待处理对象在所位于的等级中的的位置。
本公开实施例提供的待处理对象评价数据处理装置,基于决策树模型,确定出待处理对象的多个评价维度以及多个排位维度;基于排位维度,建立可用于直观呈现评价结果的九宫格几何布局;并根据待处理对象在各排位维度的排名,确定出各待处理对象所位于的层级和等级,从而可以获得更全面、准确的评价结果。
图8是根据一示例性实施方式示出的一种待处理对象评价数据的可视化处理装置的框图。
如图8所示,待处理对象评价数据的可视化处理装置80包括:数据获取模块802、得分获得模块804、总得分获得模块806、布局建立模块808、及位置显示模块810。
其中,数据获取模块802用于获取预设范围内待处理对象的不同评价维度的评价数据。
评价维度是基于决策树模型确定的。
得分获得模块804用于基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名。
排位维度是基于决策树模型确定的。
总得分获得模块806用于对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名。
布局建立模块808用于基于排位维度,建立可视化的几何布局。位置显示模块810用于基于各待处理对象的总排名,分别确定出各待处理对象在所述几何布局中的位置,并将各待处理对象显示于所述几何布局中确定出的位置上。
在一些实施例中,所述几何布局为九宫格,所述九宫格中的宫格被分为不同层级,每个层级包含若干宫格;位置显示模块810包括:层级确定单元及宫格确定单元。其中,层级确定单元用于基于预设的不同宫格中的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的所述层级;以及宫格确定单元用于基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于的宫格,并将各待处理对象显示于确定出的宫格中。
在一些实施例中,装置80还包括:映射建立模块及着色显示模块。其中,映射建立模块用于建立不同颜色与不同宫格之间的映射关系;着色显示模块用于基于所述映射关系,对不同宫格进行着色并显示。
在一些实施例中,装置80还包括:历史数据获取模块、权重确定模块及维度选择模块。其中,历史数据获取模块用于获取待处理对象历史评价数据;权重确定模块用于基于决策树模型,确定待处理对象历史评价数据中的各维度的权重;维度选择模块用于选择各维度中权重大于预设权重阈值的至少一个维度作为评价维度。
在一些实施例中,装置80还包括:归一化模块及位置确定模块,其中,归一化模块用于对各待处理对象在不同排位维度下的得分归一化;位置确定模块用于基于各待处理对象所位于的宫格及归一化结果,分别确定出各待处理对象在所位于的宫格中的位置,并将各待处理对象显示于所位于的宫格中的所述位置。
本公开实施例提供的待处理对象评价数据的可视化处理装置,基于决策树模型,确定出待处据理对象的多个评价维度以及多个排位维度;基于排位维度,建立可用于直观呈现评价结果的几何布局;并根据待处理对象在各排位维度的排名,将各待处理对象呈现于几何布局中。该方法可以直观地呈现出待处理对象的评价结果,便于对待处理对象的整体评估,此外该方法综合了基于决策树模型所确定出的多个维度对待处理对象进行评价,获得了更全面、准确的评价结果。
图9是根据一示例性实施方式示出的一种计算机系统的结构示意图。需要说明的是,图9示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有系统900操作所需的各种程序和数据。CPU901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本公开的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
获取预设范围内待处理对象的不同评价维度的评价数据,评价维度是基于决策树模型确定的;
基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同维度的得分进行排序,以确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;
对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,以分别确定各待处理对象的总排名;
基于所述排位维度,建立可视化的几何布局;以及
基于各待处理对象的总排名,分别确定出各待处理对象在所述几何布局中的位置,并将各待处理对象显示于所述几何布局中确定出的位置上。
以上具体地示出和描述了本公开的示例性实施方式。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (12)
1.一种待处理对象评价数据的可视化处理方法,其特征在于,包括:
获取预设范围内待处理对象的不同评价维度的评价数据,所述评价维度是基于决策树模型确定的;
基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;
对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名;
基于所述排位维度,建立可视化的几何布局;以及
基于各待处理对象的总排名,分别确定出各待处理对象在所述几何布局中的位置,并将各待处理对象显示于所述几何布局中确定出的位置上。
2.根据权利要求1所述的方法,其特征在于,所述几何布局为九宫格,所述九宫格中的宫格被分为不同层级,每个层级包含若干宫格;基于各待处理对象的总排名,分别确定出各待处理对象在所述几何布局中的位置,并将各待处理对象显示于所述几何布局中确定出的位置上,包括:
基于预设的不同宫格中的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的所述层级;以及
基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于的宫格,并将各待处理对象显示于确定出的宫格中。
3.根据权利要求2所述的方法,其特征在于,还包括:
建立不同颜色与不同宫格之间的映射关系;
基于所述映射关系,对不同宫格进行着色并显示。
4.根据权利要求2或3所述的方法,其特征在于,还包括:
获取待处理对象历史评价数据;
基于所述决策树模型,确定所述待处理对象历史评价数据中的各维度的权重;
选择各维度中权重大于预设权重阈值的至少一个维度作为所述评价维度。
5.根据权利要求4所述的方法,其特征在于,还包括:
对各待处理对象在不同排位维度下的得分归一化;
基于各待处理对象所位于的宫格及归一化结果,分别确定出各待处理对象在所位于的宫格中的位置,并将各待处理对象显示于所位于的宫格中的所述位置。
6.一种待处理对象评价数据处理方法,其特征在于,包括:
获取预设范围内待处理对象的不同评价维度的评价数据,所述评价维度是基于决策树模型确定的;
基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;
对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名;
基于预设的不同层级的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的层级;以及
基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于层级中的等级。
7.根据权利要求6所述的方法,其特征在于,还包括:
获取待处理对象历史评价数据;
基于所述决策树模型,确定所述待处理对象历史评价数据中的各维度的权重;
选择各维度中权重大于预设权重阈值的至少一个维度作为所述评价维度。
8.根据权利要求6或7所述的方法,其特征在于,还包括:
对各待处理对象在不同排位维度下的得分归一化;
基于各待处理对象所位于的等级及归一化结果,分别确定出各待处理对象在所位于的等级中的位置。
9.一种待处理对象评价数据的可视化处理装置,其特征在于,包括:
数据获取模块,用于获取预设范围内待处理对象的不同评价维度的评价数据,所述评价维度是基于决策树模型确定的;
得分获得模块,用于基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;
总得分获得模块,用于对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名;
布局建立模块,用于基于所述排位维度,建立可视化的几何布局;以及
位置显示模块,用于基于各待处理对象的总排名,分别确定出各待处理对象在所述几何布局中的位置,并将各待处理对象显示于所述几何布局中确定出的位置上。
10.一种待处理对象评价数据处理装置,其特征在于,包括:
数据获取模块,用于获取预设范围内待处理对象的不同评价维度的评价数据,所述评价维度是基于决策树模型确定的;
得分获得模块,用于基于预设的各评价数据对应的量化值,分别获得各待处理对象在不同排位维度的得分,并对各待处理对象在不同排位维度的得分进行排序,确定出各待处理对象在不同排位维度的排名,所述排位维度是基于决策树模型确定的;
总得分获得模块,用于对各待处理对象在不同排位维度的名次相加,获得各待处理对象的总得分,并对各待处理对象的总得分进行排序,分别确定出各待处理对象的总排名;
层级确定模块,用于基于预设的不同层级的人数比例及各待处理对象的总排名,分别确定出各待处理对象所位于的层级;以及
等级确定模块,用于基于各待处理对象在不同排位维度的排名及所位于的层级,分别确定出各待处理对象所位于层级中的等级。
11.一种计算机设备,包括:存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令,其特征在于,所述处理器执行所述可执行指令时实现如权利要求1-8任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,所述可执行指令被处理器执行时实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010247078.9A CN113469481A (zh) | 2020-03-31 | 2020-03-31 | 待处理对象评价数据的可视化处理方法及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010247078.9A CN113469481A (zh) | 2020-03-31 | 2020-03-31 | 待处理对象评价数据的可视化处理方法及其设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113469481A true CN113469481A (zh) | 2021-10-01 |
Family
ID=77866084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010247078.9A Pending CN113469481A (zh) | 2020-03-31 | 2020-03-31 | 待处理对象评价数据的可视化处理方法及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469481A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100121686A1 (en) * | 2008-11-07 | 2010-05-13 | Oracle International Corporation | Method and System for Implementing a Scoring Mechanism |
CN102682354A (zh) * | 2011-03-16 | 2012-09-19 | 中国移动通信集团广东有限公司东莞分公司 | 一种基于三维模型的人才评价系统及其实现方法 |
CN105787073A (zh) * | 2016-03-02 | 2016-07-20 | 上海源庐加佳信息科技有限公司 | 一种基于大数据挖掘技术的企业信用评价方法 |
CN109242288A (zh) * | 2018-08-28 | 2019-01-18 | 西安西电电气研究院有限责任公司 | 绩效数据匹配方法及系统 |
CN109615251A (zh) * | 2018-12-18 | 2019-04-12 | 北京领科智汇科技有限公司 | 一种基于主客观综合加权多维信息的科研人员学术能力评价方法 |
CN110162958A (zh) * | 2018-10-18 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 用于计算设备的综合信用分的方法、装置和记录介质 |
-
2020
- 2020-03-31 CN CN202010247078.9A patent/CN113469481A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100121686A1 (en) * | 2008-11-07 | 2010-05-13 | Oracle International Corporation | Method and System for Implementing a Scoring Mechanism |
CN102682354A (zh) * | 2011-03-16 | 2012-09-19 | 中国移动通信集团广东有限公司东莞分公司 | 一种基于三维模型的人才评价系统及其实现方法 |
CN105787073A (zh) * | 2016-03-02 | 2016-07-20 | 上海源庐加佳信息科技有限公司 | 一种基于大数据挖掘技术的企业信用评价方法 |
CN109242288A (zh) * | 2018-08-28 | 2019-01-18 | 西安西电电气研究院有限责任公司 | 绩效数据匹配方法及系统 |
CN110162958A (zh) * | 2018-10-18 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 用于计算设备的综合信用分的方法、装置和记录介质 |
CN109615251A (zh) * | 2018-12-18 | 2019-04-12 | 北京领科智汇科技有限公司 | 一种基于主客观综合加权多维信息的科研人员学术能力评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11270397B2 (en) | Automatic urban land identification system integrating business big data with building form | |
CN110427434B (zh) | 一种多维数据查询方法及装置 | |
CN102722885B (zh) | 一种加快三维图形显示的方法 | |
CN109451532A (zh) | 一种基站位置的核查方法及装置 | |
KR102350248B1 (ko) | 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법 | |
CN111339231A (zh) | 众包更新结果的处理方法及装置 | |
CN113469481A (zh) | 待处理对象评价数据的可视化处理方法及其设备 | |
US20230205793A1 (en) | Method of determining set of association grids, electronic device, and storage medium | |
CN115330358B (zh) | 教育培训管理系统及教育培训方法 | |
Zhalezka et al. | Multy-criteria fuzzy analysis of regional development | |
US20230237076A1 (en) | Automatically drawing infographics for statistical data based on a data model | |
CN115906213A (zh) | 一种可视化兵棋评估统计模型的编辑方法及系统 | |
CN115309747A (zh) | 基于空间网格数据的消防管理方法、平台及电子设备 | |
CN112990605A (zh) | 一种全流程线上规划编制的方法和装置 | |
CN112598228A (zh) | 企业竞争力的分析方法、装置、设备及存储介质 | |
CN112527867A (zh) | 一种非农就业岗位供给能力识别方法,存储装置,及服务器 | |
CN111063226A (zh) | 一种电力仿真培训评分方法、系统及存储介质 | |
CN116156513B (zh) | 一种通信基站规划评估方法及装置 | |
CN110473183A (zh) | 一种面向可见光全链路仿真图像的评价方法、装置、电子设备和介质 | |
CN116467610B (zh) | 基于5g消息的数据拓扑分析方法、装置、设备及存储介质 | |
CN113297998B (zh) | 国土空间规划问题的识别方法、装置、设备及存储介质 | |
EP4134834A1 (en) | Method and apparatus of processing feature information, electronic device, and storage medium | |
CN117010051B (zh) | 一种基于数字孪生的智慧社区智能化设计方法及装置 | |
US11956254B1 (en) | Generating a cybersecurity risk model using sparse data | |
CN115619327A (zh) | 基于数据分析的变电运维一体化培训项目管理方法及系统 |
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 |