CN114925289B - 员工推荐方法、装置、设备及可读存储介质 - Google Patents
员工推荐方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114925289B CN114925289B CN202210565511.2A CN202210565511A CN114925289B CN 114925289 B CN114925289 B CN 114925289B CN 202210565511 A CN202210565511 A CN 202210565511A CN 114925289 B CN114925289 B CN 114925289B
- Authority
- CN
- China
- Prior art keywords
- user
- relationship
- staff
- recommended
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013507 mapping Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析领域,揭露一种员工推荐方法,包括:根据待推荐员工的社会关系,构建所述待推荐员工的用户关系图谱;识别所述用户关系图谱中与所述待推荐员工具有关系的用户,分别得到第一用户和第二用户;计算所述待推荐员工与所述第一用户及第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,并计算所述待推荐员工的用户评分;获取所述第一用户及第二用户的基本信息,并标记所述第一用户及第二用户的信息标签;在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐。本发明还提出一种线下产品推荐装置、设备以及存储介质。本发明可以提高员工推荐的准确率。
Description
技术领域
本发明涉及数据分析领域,尤其涉及一种员工推荐方法、装置、电子设备及可读存储介质。
背景技术
员工推荐是指根据用户的客户资源等对用户进行评分推荐,主要用来为企业提供新鲜血液,保证企业正常发展,例如,保险公司在进行代理人增员时,往往是将增员名额下发至员工手中,由员工进行推荐,得到新的代理人。
目前员工推荐的方法多为内部员工就身边的亲戚朋友进行推荐,由于内部员工的亲戚朋友往往是内部员工为了完成增员指标而进行推荐的人员,从而导致无法判断其是否适合公司工作,容易造成员工优质率降低,从而使得员工推荐的准确率降低。
发明内容
本发明提供一种员工推荐方法、装置、电子设备及计算机可读存储介质,其目的在于提高员工推荐的准确率。
为实现上述目的,本发明提供的一种员工推荐方法,包括:
获取待推荐员工及所述待推荐员工的社会关系,根据所述社会关系,构建所述待推荐员工的用户关系图谱;
根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户;
利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度;
根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分;
获取所述第一用户及第二用户的基本信息,根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签;
在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐;
其中,所述利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,包括:提取所述用户关系图谱中的所述待推荐员工与所述第一用户的用户关系信息,得到第一用户关系信息;将所述第一用户关系信息与预构建的用户关系紧密度映射表进行匹配,得到第一用户紧密度;根据所述第一用户紧密度,计算所述待推荐员工的第一关系紧密度;提取所述用户关系图谱中的所述第一用户与所述第二用户的用户关系信息,得到第二用户关系信息;将所述第二用户关系信息与预构建的用户关系紧密度映射表进行匹配,得到第二用户紧密度;根据所述第二用户紧密度及所述第一关系紧密度,计算所述待推荐员工的第二关系紧密度;
所述根据所述第一用户紧密度,计算所述待推荐员工的第一关系紧密度,包括:利用下述公式计算所述待推荐员工的第一关系紧密度Pi1:
Zij=Norm(max(rij1,rij2,…))
其中,所述m表示所述待推荐员工拥有的第一关系用户数量;所述j表示第所述待推荐员工的第j个第一关系用户;所述Norm表示最大值标准化算法;所述max表示所述待推荐员工与第j个第一关系用户之间在不同关系类型上的最大紧密度;所述rij1表示所述待推荐员工与第j个第一关系用户在第一种直接关系上的紧密度;所述rij2表示所述待推荐员工与第j个第一关系用户在第二种直接关系上的紧密度;
所述根据所述第二用户紧密度及所述第一关系紧密度,计算所述待推荐员工的第二关系紧密度,包括:
利用下述公式计算所述第二关系紧密度Pi2:
其中,所述m表示所述待推荐员工拥有的第一关系用户数量;所述n表示所述待推荐员工的第j个第一关系用户所拥有的第一关系用户数量;所述j表示所述待推荐员工的第j个第一关系用户;所述l表示所述待推荐员工的第j个第一关系用户拥有的第l个第一关系用户,其中所述l既为所述待推荐员工的第二关系用户;所述Zij表示所述待推荐员工与第j个第一关系用户之间的紧密度;所述Zjl表示所述第j个第一关系用户与其所拥有的第l个第一关系用户之间的紧密度;
所述根据所述社会关系,构建所述待推荐员工的用户关系图谱,包括:提取所述社会关系中每个文字的编码信息,得到文字编码信息;将所述文字编码信息与预设的文字编码位图映照表进行匹配,确定所述社会关系中每个文字的位图;根据所述社会关系,组合所述位图,得到用户关系图谱。
可选地,所述根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签,包括:
提取所述第一用户及第二用户的基本信息中的关键词,分别得到第一用户信息关键词及第二用户信息关键词;
将所述第一用户信息关键词及第二用户信息关键词与预构建的标签池进行匹配,分别将匹配成功的标签作为所述第一用户及第二用户的信息标签。
可选地,所述提取所述第一用户及第二用户的基本信息中的关键词,分别得到第一用户信息关键词及第二用户信息关键词,包括:
将所述第一用户及第二用户的基本信息与预构建的候选词模板进行匹配,分别得到第一候选词集合及第二候选词集合;
利用关键信息提取算法计算所述第一候选词集合及所述第二候选词集合中每个候选词的评分,分别得到第一候选词分值及第二候选词分值;
根据所述第一候选词分值及第二候选词分值,分别从所述第一候选词集合及第二候选词集合中选取预设个数的候选词作为第一用户信息关键词及第二用户信息关键词。
为了解决上述问题,本发明还提供一种线下产品推荐装置,用于实现上述的员工推荐方法,所述装置包括:
用户关系图谱构建模块,用于获取待推荐员工及所述待推荐员工的社会关系,根据所述社会关系,构建所述待推荐员工的用户关系图谱;
用户评分计算模块,用于根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户,利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分;
员工推荐模块,用于获取所述第一用户及第二用户的基本信息,根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签,在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述的员工推荐方法。
为了解决上述问题,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中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述的员工推荐方法。
可以看出,本发明实施例首先通过构建用户关系图谱,并根据所述用户关系图谱计算待推荐员工与第一用户及第二用户的紧密度,从而计算出所述待推荐员工的用户评分,使得所述待推荐员工的客户资源转化为一个可直观判断的数值,从而提高员工推荐的准确率;其次,通过获取所述带推荐员工的第一用户及第二用户的基本信息,根据所述基本信息,对所述第一用户及第二用户进行标签生成,得到所述第一用户及第二用户的信息标签,确定所述待推荐员工的客户资源类型,从而判断所述待推荐员工是否适合本公司或企业,提高了待推荐员工的优质率;进一步地,在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐,提高了企业员工的优质率,从而提高了员工推荐的准确率。因此,本发明实施例提出的员工推荐方法、装置、电子设备及可读存储介质可以实现提高员工推荐的准确率。
附图说明
图1为本发明一实施例提供的员工推荐方法的流程示意图;
图2为本发明一实施例提供的线下产品推荐装置的模块示意图;
图3为本发明一实施例提供的实现员工推荐方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本发明实施例提供一种员工推荐方法。所述员工推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述员工推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端可以包括独立的服务器,也可以包括提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的员工推荐方法的流程示意图,在本发明实施例中,所述员工推荐方法包括:
S1、获取待推荐员工及所述待推荐员工的社会关系,根据所述社会关系,构建所述待推荐员工的用户关系图谱。
本发明实施例中,所述待推荐员工可以是内部员工推荐的用户及企业客户等,所述待推荐员工的社会关系可以是所述待推荐员工与社会中除自己以外其他人的关联关系,例如,同一保单的投保人与被保人、车主与驾驶人、投保人与被保人关系、因同一收款账户或付款账户关联起来的不同保单之间的投保人与被保人、人与人之间的家庭关系、雇主与雇员之间的雇佣关系、代理人与被投保人之间的客户关系等。所述用户关系图谱可以是同构多边关系图谱,即所述待推荐员工与同一用户可以具备多重关系,例如,所述待推荐员工可以与所述用户关系图谱中的一个用户既是夫妻,又是投保人与被投保人关系。
本发明可选实施例中,通过获取待推荐员工及所述待推荐员工的社会关系,减少了企业内部员工的指标压力,使得企业内部员工无需为完成指标任务而随意推荐用户,降低了企业体挑选到不合适员工的风险,可选的,所述待推荐员工及所述待推荐员工的社会关系可以通过从网上或者从企业内部数据库中获取。
进一步地,本发明实施例根据所述社会关系,构建所述待推荐员工的用户关系图谱,可以使得所述待推荐员工的社会关系更为一目了然,清晰可见。
作为本发明的一个实施例,所述根据所述社会关系,构建所述待推荐员工的用户关系图谱,包括:
提取所述社会关系中每个文字的编码信息,得到文字编码信息;
将所述文字编码信息与预设的文字编码位图映照表进行匹配,确定所述社会关系中每个文字的位图;
根据所述社会关系,组合所述位图,得到用户关系图谱。
本发明实施例中,所述编码信息可以是赋予信息以代码,以便信息的存储、检索和使用。所述位图可以是由像素点组成的图像。
本发明可选实施例中,通过将所述文字编码信息与预设的文字编码位图映照表进行匹配,以确定所述社会关系中每个文字的位图,从而实现讲社会关系文本信息转化为图像信息。
本发明实施例中,所述位图可以是由像素进行不同的排列和染色构成的图样。进一步地,可以使用Photoshop等软件生成每个文字的位图。
S2、根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户。
本发明实施例中,所述直接关系可以是与所述待推荐员工具有直接联系的社会关系,例如所述待推荐员工的父母、妻子儿女与所述待推荐员工的关系、与所述待推荐员工共用同一个支付账号的用户与所述待推荐员工的关系,所述待推荐员工购买的保单中的被保人与所述待推荐员工的关系等。所述间接关系可以是与所述待推荐员工具有共同中间联系人的社会关系,例如待推荐员工老婆的同事与所述待推荐员工的关系。
进一步地,本发明实施例根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户来判断所述待推荐员工的客户资源。
详细地,所述根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户,包括:
提取所述用户关系图谱中的用户关系信息,并获取所述用户关系信息中的数据位置信息;
根据所述数据位置信息,对所述用户关系信息进行关系分层,得到直接关系层及间接关系层;
提取所述直接关系层及间接关系层中的用户信息,分别得到第一用户和第二用户。
本发明实施例中,所述用户关系信息可以是单个用户与单个用户之间的社会关系。
本发明可选实施例中,可以利用卷积神经网络实现图形识别,从而确定所述待推荐员工的用户关系信息。
S3、利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度。
本发明实施例中,所述用户关系紧密度映射表可以是管理人员设定的根据用户与用户之间的社会关系而选择对应紧密程度的表格,例如,家庭关系紧密程度为10,保险受益关系紧密程度为9等。
进一步地,本发明实施例利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,可以使得待推荐员工与全部第一用户及全部第二用户之间的紧密程度更为直观,便于管理人员明确所述待推荐员工客户资源的多少,从而判断是否对所述待推荐员工进行推荐。
详细地,所述利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,包括:
提取所述用户关系图谱中的所述待推荐员工与所述第一用户的用户关系信息,得到第一用户关系信息;
将所述第一用户关系信息与预构建的用户关系紧密度映射表进行匹配,得到第一用户紧密度;
根据所述第一用户紧密度,计算所述待推荐员工的第一关系紧密度;
提取所述用户关系图谱中的所述第一用户与所述第二用户的用户关系信息,得到第二用户关系信息;
将所述第二用户关系信息与预构建的用户关系紧密度映射表进行匹配,得到第二用户紧密度;
根据所述第二用户紧密度及所述第一关系紧密度,计算所述待推荐员工的第二关系紧密度。
其中,所述根据所述第一用户紧密度,计算所述待推荐员工的第一关系紧密度,包括:
利用下述公式计算所述待推荐员工的第一关系紧密度Pi1:
Zij=Norm(max(rij1,rij2,…))
其中,所述i表示所述待推荐员工;所述m表示所述待推荐员工拥有的第一关系用户数量;所述j表示第所述待推荐员工的第j个第一关系用户;所述Norm表示最大值标准化算法;所述max表示所述待推荐员工与第j个第一关系用户之间在不同关系类型上的最大紧密度;所述rij1表示所述待推荐员工与第j个第一关系用户在第一种直接关系上的紧密度;所述rij2表示所述待推荐员工与第j个第一关系用户在第二种直接关系上的紧密度。
进一步地,根据所述第二用户紧密度及所述第一关系紧密度,计算所述待推荐员工的第二关系紧密度,包括:
利用下述公式计算所述第二关系紧密度Pi2:
其中,所述m表示所述待推荐员工拥有的第一关系用户数量;所述n表示所述待推荐员工的第j个第一关系用户所拥有的第一关系用户数量;所述i表示所述待推荐员工;所述j表示所述待推荐员工的第j个第一关系用户;所述l表示所述待推荐员工的第j个第一关系用户拥有的第l个第一关系用户,其中所述l既为所述待推荐员工的第二关系用户;所述Zij表示所述待推荐员工与第j个第一关系用户之间的紧密度;所述Zjl表示所述第j个第一关系用户与其所拥有的第l个第一关系用户之间的紧密度。
本发明可选实施例中,待推荐员工的第一用户有妻子、司机及保姆,根据用户关系紧密度映射表,可以得到第一用户紧密度分别为1、0.7及0.7,通过加法及标准化计算,得到所述待推荐员工的第一关系紧密度为1+0.7+0.7=2.4。所述妻子的第一用户有哥哥及公司员工A,所述司机的第一用户有妹妹,所述保姆的第一用户有女儿,通过第二关系紧密度计算公式,得到所述待推荐员工的第二用户紧密度分别为1*1+1*0.8、0.7*1、0.7*1,因此,对每个所述第二用户紧密度进行加法计算,得到第二关系紧密度为1*1+1*0.8+0.7*1+0.7*1=3.2。
S4、根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分。
本发明实施例根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分,使得所述待推荐员工的客户资源转化为一个可直观判断的数值,从而提高员工推荐的效率。
本发明实施例中,所述第一关系亲密度往往比第二关系亲密度更为重要,因此可以通过设置不同的权重,再根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分。
详细地,所述根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分,包括:
分别设置所述第一关系紧密度与所述第二关系紧密度在所述用户评分计算过程中的权重;
利用如下公式计算所述待推荐员工i的用户评分Pi:
Pi=a*Pi1+b*Pi2
其中,所述a是第一关系紧密度在所述用户评分计算过程中的权重占比,所述b是第二关系紧密度在所述用户评分计算过程中的权重占比,所述Pi1是第一关系紧密度,所述Pi2是第二关系紧密度。
本发明实施例中,所述第一关系紧密度在所述用户评分计算过程中的权重占比与第二关系紧密度在所述用户评分计算过程中的权重占比可视实际业务场景进行调整。
本发明可选实施例中,假设管理人员设置,得到第一关系紧密度在所述用户评分计算过程中的权重为0.6,第二关系紧密度在所述用户评分计算过程中的权重为0.4,且第一关系紧密度经过计算为2.4,第二关系紧密度经过计算为3.2,因此,利用上述公式计算待推荐员工的用户评分为0.6*2.4+0.4*3.2=2.72。
S5、获取所述第一用户及第二用户的基本信息,根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签。
本发明实施例中,所述基本信息包含有年龄、性别、兴趣爱好、投被保险种及投被保时间等,例如待推荐员工的妻子的基本信息为年龄30岁,性别女,兴趣爱好为瑜伽健身,历史多次投保短期旅游险等。
本发明可选实施例中,通过获取所述带推荐员工的第一用户及第二用户的基本信息,确定所述待推荐员工的客户资源类型,从而判断所述待推荐员工是否适合本公司或企业,提高了员工优质率。
进一步地,本发明实施例根据所述基本信息,对所述第一用户及第二用户进行标签生成,得到所述第一用户及第二用户的信息标签,可以使得所述待推荐员工的客户资源类型更为清晰直观。
作为本发明的一个实施例,所述根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签,包括:
提取所述第一用户及第二用户的基本信息中的关键词,分别得到第一用户信息关键词及第二用户信息关键词;
将所述第一用户信息关键词及第二用户信息关键词与预构建的标签池进行匹配,分别将匹配成功的标签作为所述第一用户及第二用户的信息标签。
本发明实施例中,所述预构建的标签池可以是对用户进行标签筛选的数据库。
进一步地,所述分别提取所述第一用户及第二用户的基本信息中的关键词,得到第一用户信息关键词及第二用户信息关键词,包括:
将所述第一用户及第二用户的基本信息与预构建的候选词模板进行匹配,分别得到第一候选词集合及第二候选词集合;
利用关键信息提取算法计算所述第一候选词集合及所述第二候选词集合中每个候选词的评分,分别得到第一候选词分值及第二候选词分值;
根据所述第一候选词分值及第二候选词分值,分别从所述第一候选词集合及第二候选词集合中选取预设个数的候选词作为第一用户信息关键词及第二用户信息关键词。
本发明实施例中,所述候选词模板可以是包含一些词语的词典。所述关键信息提取算法可以是TF-IDF,TextRank,LDA等算法。
S6、在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐。
本发明实施例中,所述预设阈值可以是管理人员设置的客户资源达标分数。所述预设标签可以是企业所需要的客户资源类型包含的标签。
本发明实施例中,当所述用户评分大于预设阈值且所述信息标签包含于预设标签时,确定所述待推荐员工为企业所需员工,因此,对所述待推荐员工进行推荐。
进一步地,本发明实施例在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐,从而确保了企业员工的优质率。
可以看出,本发明实施例首先通过构建用户关系图谱,并根据所述用户关系图谱计算待推荐员工与第一用户及第二用户的紧密度,从而计算出所述待推荐员工的用户评分,使得所述待推荐员工的客户资源转化为一个可直观判断的数值,从而提高员工推荐的准确率;其次,通过获取所述带推荐员工的第一用户及第二用户的基本信息,根据所述基本信息,对所述第一用户及第二用户进行标签生成,得到所述第一用户及第二用户的信息标签,确定所述待推荐员工的客户资源类型,从而判断所述待推荐员工是否适合本公司或企业,提高了待推荐员工的优质率;进一步地,在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐,提高了企业员工的优质率,从而提高了员工推荐的准确率。因此,本发明实施例提出的员工推荐方法可以实现提高员工推荐的准确率。
如图2所示,是本发明线下产品推荐装置的功能模块图。
本发明所述线下产品推荐装置100可以安装于电子设备中。根据实现的功能,所述线下产品推荐装置可以包括用户关系图谱构建模块101、用户评分计算模块102及员工推荐模块103,本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述用户关系图谱构建模块101用于获取待推荐员工及所述待推荐员工的社会关系,根据所述社会关系,构建所述待推荐员工的用户关系图谱。
本发明实施例中,所述待推荐员工可以是内部员工推荐的用户及企业客户等,所述待推荐员工的社会关系可以是所述待推荐员工与社会中除自己以外其他人的关联关系,例如,同一保单的投保人与被保人、车主与驾驶人、投保人与被保人关系、因同一收款账户或付款账户关联起来的不同保单之间的投保人与被保人、人与人之间的家庭关系、雇主与雇员之间的雇佣关系、代理人与被投保人之间的客户关系等。所述用户关系图谱可以是同构多边关系图谱,即所述待推荐员工与同一用户可以具备多重关系,例如,所述待推荐员工可以与所述用户关系图谱中的一个用户既是夫妻,又是投保人与被投保人关系。
本发明可选实施例中,通过获取待推荐员工及所述待推荐员工的社会关系,减少了企业内部员工的指标压力,使得企业内部员工无需为完成指标任务而随意推荐用户,降低了企业体挑选到不合适员工的风险,可选的,所述待推荐员工及所述待推荐员工的社会关系可以通过从网上或者从企业内部数据库中获取。
进一步地,本发明实施例根据所述社会关系,构建所述待推荐员工的用户关系图谱,可以使得所述待推荐员工的社会关系更为一目了然,清晰可见。
作为本发明的一个实施例,所述根据所述社会关系,构建所述待推荐员工的用户关系图谱,包括:
提取所述社会关系中每个文字的编码信息,得到文字编码信息;
将所述文字编码信息与预设的文字编码位图映照表进行匹配,确定所述社会关系中每个文字的位图;
根据所述社会关系,组合所述位图,得到用户关系图谱。
本发明实施例中,所述编码信息可以是赋予信息以代码,以便信息的存储、检索和使用。所述位图可以是由像素点组成的图像。
本发明可选实施例中,通过将所述文字编码信息与预设的文字编码位图映照表进行匹配,以确定所述社会关系中每个文字的位图,从而实现讲社会关系文本信息转化为图像信息。
本发明实施例中,所述位图可以是由像素进行不同的排列和染色构成的图样。进一步地,可以使用Photoshop等软件生成每个文字的位图。
所述用户评分计算模块102用于根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户,利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分。
本发明实施例中,所述直接关系可以是与所述待推荐员工具有直接联系的社会关系,例如所述待推荐员工的父母、妻子儿女与所述待推荐员工的关系、与所述待推荐员工共用同一个支付账号的用户与所述待推荐员工的关系,所述待推荐员工购买的保单中的被保人与所述待推荐员工的关系等。所述间接关系可以是与所述待推荐员工具有共同中间联系人的社会关系,例如待推荐员工老婆的同事与所述待推荐员工的关系。
进一步地,本发明实施例根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户来判断所述待推荐员工的客户资源。
详细地,所述根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户,包括:
提取所述用户关系图谱中的用户关系信息,并获取所述用户关系信息中的数据位置信息;
根据所述数据位置信息,对所述用户关系信息进行关系分层,得到直接关系层及间接关系层;
提取所述直接关系层及间接关系层中的用户信息,分别得到第一用户和第二用户。
本发明实施例中,所述用户关系信息可以是单个用户与单个用户之间的社会关系。
本发明可选实施例中,可以利用卷积神经网络实现图形识别,从而确定所述待推荐员工的用户关系信息。
本发明实施例中,所述用户关系紧密度映射表可以是管理人员设定的根据用户与用户之间的社会关系而选择对应紧密程度的表格,例如,家庭关系紧密程度为10,保险受益关系紧密程度为9等。
进一步地,本发明实施例利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,可以使得待推荐员工与全部第一用户及全部第二用户之间的紧密程度更为直观,便于管理人员明确所述待推荐员工客户资源的多少,从而判断是否对所述待推荐员工进行推荐。
详细地,所述利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,包括:
提取所述用户关系图谱中的所述待推荐员工与所述第一用户的用户关系信息,得到第一用户关系信息;
将所述第一用户关系信息与预构建的用户关系紧密度映射表进行匹配,得到第一用户紧密度;
根据所述第一用户紧密度,计算所述待推荐员工的第一关系紧密度;
提取所述用户关系图谱中的所述第一用户与所述第二用户的用户关系信息,得到第二用户关系信息;
将所述第二用户关系信息与预构建的用户关系紧密度映射表进行匹配,得到第二用户紧密度;
根据所述第二用户紧密度及所述第一关系紧密度,计算所述待推荐员工的第二关系紧密度。
其中,所述根据所述第一用户紧密度,计算所述待推荐员工的第一关系紧密度,包括:
利用下述公式计算所述待推荐员工的第一关系紧密度Pi1:
Zij=Norm(max(rij1,rij2,…))
其中,所述i表示所述待推荐员工;所述m表示所述待推荐员工拥有的第一关系用户数量;所述j表示第所述待推荐员工的第j个第一关系用户;所述Norm表示最大值标准化算法;所述max表示所述待推荐员工与第j个第一关系用户之间在不同关系类型上的最大紧密度;所述rij1表示所述待推荐员工与第j个第一关系用户在第一种直接关系上的紧密度;所述rij2表示所述待推荐员工与第j个第一关系用户在第二种直接关系上的紧密度。
进一步地,根据所述第二用户紧密度及所述第一关系紧密度,计算所述待推荐员工的第二关系紧密度,包括:
利用下述公式计算所述第二关系紧密度Pi2:
其中,所述m表示所述待推荐员工拥有的第一关系用户数量;所述n表示所述待推荐员工的第j个第一关系用户所拥有的第一关系用户数量;所述i表示所述待推荐员工;所述j表示所述待推荐员工的第j个第一关系用户;所述l表示所述待推荐员工的第j个第一关系用户拥有的第l个第一关系用户,其中所述l既为所述待推荐员工的第二关系用户;所述Zij表示所述待推荐员工与第j个第一关系用户之间的紧密度;所述Zjl表示所述第j个第一关系用户与其所拥有的第l个第一关系用户之间的紧密度。
本发明可选实施例中,待推荐员工的第一用户有妻子、司机及保姆,根据用户关系紧密度映射表,可以得到第一用户紧密度分别为1、0.7及0.7,通过加法及标准化计算,得到所述待推荐员工的第一关系紧密度为1+0.7+0.7=2.4。所述妻子的第一用户有哥哥及公司员工A,所述司机的第一用户有妹妹,所述保姆的第一用户有女儿,通过第二关系紧密度计算公式,得到所述待推荐员工的第二用户紧密度分别为1*1+1*0.8、0.7*1、0.7*1,因此,对每个所述第二用户紧密度进行加法计算,得到第二关系紧密度为1*1+1*0.8+0.7*1+0.7*1=3.2。
本发明实施例根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分,使得所述待推荐员工的客户资源转化为一个可直观判断的数值,从而提高员工推荐的效率。
本发明实施例中,所述第一关系亲密度往往比第二关系亲密度更为重要,因此可以通过设置不同的权重,再根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分。
详细地,所述根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分,包括:
分别设置所述第一关系紧密度与所述第二关系紧密度在所述用户评分计算过程中的权重;
利用如下公式计算所述待推荐员工i的用户评分Pi:
Pi=a*Pi1+b*Pi2
其中,所述a是第一关系紧密度在所述用户评分计算过程中的权重占比,所述b是第二关系紧密度在所述用户评分计算过程中的权重占比,所述Pi1是第一关系紧密度,所述Pi2是第二关系紧密度。
本发明实施例中,所述第一关系紧密度在所述用户评分计算过程中的权重占比与第二关系紧密度在所述用户评分计算过程中的权重占比可视实际业务场景进行调整。
本发明可选实施例中,假设管理人员设置,得到第一关系紧密度在所述用户评分计算过程中的权重为0.6,第二关系紧密度在所述用户评分计算过程中的权重为0.4,且第一关系紧密度经过计算为2.4,第二关系紧密度经过计算为3.2,因此,利用上述公式计算待推荐员工的用户评分为0.6*2.4+0.4*3.2=2.72。
所述员工推荐模块103用于获取所述第一用户及第二用户的基本信息,根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签,在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐。
本发明实施例中,所述基本信息包含有年龄、性别、兴趣爱好、投被保险种及投被保时间等,例如待推荐员工的妻子的基本信息为年龄30岁,性别女,兴趣爱好为瑜伽健身,历史多次投保短期旅游险等。
本发明可选实施例中,通过获取所述带推荐员工的第一用户及第二用户的基本信息,确定所述待推荐员工的客户资源类型,从而判断所述待推荐员工是否适合本公司或企业,提高了员工优质率。
进一步地,本发明实施例根据所述基本信息,对所述第一用户及第二用户进行标签生成,得到所述第一用户及第二用户的信息标签,可以使得所述待推荐员工的客户资源类型更为清晰直观。
作为本发明的一个实施例,所述根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签,包括:
提取所述第一用户及第二用户的基本信息中的关键词,分别得到第一用户信息关键词及第二用户信息关键词;
将所述第一用户信息关键词及第二用户信息关键词与预构建的标签池进行匹配,分别将匹配成功的标签作为所述第一用户及第二用户的信息标签。
本发明实施例中,所述预构建的标签池可以是对用户进行标签筛选的数据库。
进一步地,所述分别提取所述第一用户及第二用户的基本信息中的关键词,得到第一用户信息关键词及第二用户信息关键词,包括:
将所述第一用户及第二用户的基本信息与预构建的候选词模板进行匹配,分别得到第一候选词集合及第二候选词集合;
利用关键信息提取算法计算所述第一候选词集合及所述第二候选词集合中每个候选词的评分,分别得到第一候选词分值及第二候选词分值;
根据所述第一候选词分值及第二候选词分值,分别从所述第一候选词集合及第二候选词集合中选取预设个数的候选词作为第一用户信息关键词及第二用户信息关键词。
本发明实施例中,所述候选词模板可以是包含一些词语的词典。所述关键信息提取算法可以是TF-IDF,TextRank,LDA等算法。
本发明实施例中,所述预设阈值可以是管理人员设置的客户资源达标分数。所述预设标签可以是企业所需要的客户资源类型包含的标签。
本发明实施例中,当所述用户评分大于预设阈值且所述信息标签包含于预设标签时,确定所述待推荐员工为企业所需员工,因此,对所述待推荐员工进行推荐。
进一步地,本发明实施例在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐,从而确保了企业员工的优质率。
如图3所示,是本发明实现员工推荐方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如线下产品推荐程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如线下产品推荐程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如线下产品推荐程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,所述通信接口13还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的线下产品推荐程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取待推荐员工及所述待推荐员工的社会关系,根据所述社会关系,构建所述待推荐员工的用户关系图谱;
根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户;
利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度;
根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分;
获取所述第一用户及第二用户的基本信息,根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签;
在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元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机可读取存储介质中。所述计算机可读介质可以是非易失性的,也可以是易失性的。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待推荐员工及所述待推荐员工的社会关系,根据所述社会关系,构建所述待推荐员工的用户关系图谱;
根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户;
利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度;
根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分;
获取所述第一用户及第二用户的基本信息,根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签;
在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (6)
1.一种员工推荐方法,其特征在于,所述方法包括:
获取待推荐员工及所述待推荐员工的社会关系,根据所述社会关系,构建所述待推荐员工的用户关系图谱;
根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户;
利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度;
根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分;
获取所述第一用户及第二用户的基本信息,根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签;
在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐;
其中,所述利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,包括:提取所述用户关系图谱中的所述待推荐员工与所述第一用户的用户关系信息,得到第一用户关系信息;将所述第一用户关系信息与预构建的用户关系紧密度映射表进行匹配,得到第一用户紧密度;根据所述第一用户紧密度,计算所述待推荐员工的第一关系紧密度;提取所述用户关系图谱中的所述第一用户与所述第二用户的用户关系信息,得到第二用户关系信息;将所述第二用户关系信息与预构建的用户关系紧密度映射表进行匹配,得到第二用户紧密度;根据所述第二用户紧密度及所述第一关系紧密度,计算所述待推荐员工的第二关系紧密度;
所述根据所述第一用户紧密度,计算所述待推荐员工的第一关系紧密度,包括:利用下述公式计算所述待推荐员工的第一关系紧密度Pi1:
Zij=Norm(max(rij1,rij2,…))
其中,所述m表示所述待推荐员工拥有的第一关系用户数量;所述j表示第所述待推荐员工的第j个第一关系用户;所述Norm表示最大值标准化算法;所述max表示所述待推荐员工与第j个第一关系用户之间在不同关系类型上的最大紧密度;所述rij1表示所述待推荐员工与第j个第一关系用户在第一种直接关系上的紧密度;所述rij2表示所述待推荐员工与第j个第一关系用户在第二种直接关系上的紧密度;
所述根据所述第二用户紧密度及所述第一关系紧密度,计算所述待推荐员工的第二关系紧密度,包括:利用下述公式计算所述第二关系紧密度Pi2:
其中,所述m表示所述待推荐员工拥有的第一关系用户数量;所述n表示所述待推荐员工的第j个第一关系用户所拥有的第一关系用户数量;所述j表示所述待推荐员工的第j个第一关系用户;所述l表示所述待推荐员工的第j个第一关系用户拥有的第l个第一关系用户,其中所述l既为所述待推荐员工的第二关系用户;所述Zij表示所述待推荐员工与第j个第一关系用户之间的紧密度;所述Zjl表示所述第j个第一关系用户与其所拥有的第l个第一关系用户之间的紧密度;
所述根据所述社会关系,构建所述待推荐员工的用户关系图谱,包括:提取所述社会关系中每个文字的编码信息,得到文字编码信息;将所述文字编码信息与预设的文字编码位图映照表进行匹配,确定所述社会关系中每个文字的位图;根据所述社会关系,组合所述位图,得到用户关系图谱。
2.如权利要求1所述的员工推荐方法,其特征在于,所述根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签,包括:
提取所述第一用户及第二用户的基本信息中的关键词,分别得到第一用户信息关键词及第二用户信息关键词;
将所述第一用户信息关键词及第二用户信息关键词与预构建的标签池进行匹配,分别将匹配成功的标签作为所述第一用户及第二用户的信息标签。
3.如权利要求2所述的员工推荐方法,其特征在于,所述提取所述第一用户及第二用户的基本信息中的关键词,分别得到第一用户信息关键词及第二用户信息关键词,包括:
将所述第一用户及第二用户的基本信息与预构建的候选词模板进行匹配,分别得到第一候选词集合及第二候选词集合;
利用关键信息提取算法计算所述第一候选词集合及所述第二候选词集合中每个候选词的评分,分别得到第一候选词分值及第二候选词分值;
根据所述第一候选词分值及第二候选词分值,分别从所述第一候选词集合及第二候选词集合中选取预设个数的候选词作为第一用户信息关键词及第二用户信息关键词。
4.一种员工推荐装置,用于实现如权利要求1至3中任一项所述的员工推荐方法,其特征在于,包括:
用户关系图谱构建模块,用于获取待推荐员工及所述待推荐员工的社会关系,根据所述社会关系,构建所述待推荐员工的用户关系图谱;
用户评分计算模块,用于根据所述用户关系图谱,识别与所述待推荐员工具有直接关系和间接关系的用户,分别得到第一用户和第二用户,利用预构建的用户关系紧密度映射表,计算所述待推荐员工与所述第一用户及所述第二用户的紧密度,分别得到第一关系紧密度及第二关系紧密度,根据所述第一关系紧密度及所述第二关系紧密度,计算所述待推荐员工的用户评分;
员工推荐模块,用于获取所述第一用户及第二用户的基本信息,根据所述第一用户及第二用户的基本信息,标记所述第一用户及第二用户的信息标签,在所述用户评分大于预设阈值且所述信息标签包含于预设标签时,对所述待推荐员工进行推荐。
5.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至3中任一项所述的员工推荐方法。
6.一种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3中任一项所述的员工推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210565511.2A CN114925289B (zh) | 2022-05-23 | 2022-05-23 | 员工推荐方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210565511.2A CN114925289B (zh) | 2022-05-23 | 2022-05-23 | 员工推荐方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114925289A CN114925289A (zh) | 2022-08-19 |
CN114925289B true CN114925289B (zh) | 2024-04-30 |
Family
ID=82811172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210565511.2A Active CN114925289B (zh) | 2022-05-23 | 2022-05-23 | 员工推荐方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114925289B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446297A (zh) * | 2018-01-24 | 2018-08-24 | 北京三快在线科技有限公司 | 一种推荐方法及装置,电子设备 |
CN109829059A (zh) * | 2019-01-18 | 2019-05-31 | 平安科技(深圳)有限公司 | 推荐知识点的方法、装置、设备及存储介质 |
CN109949090A (zh) * | 2019-03-18 | 2019-06-28 | 深圳市小满科技有限公司 | 客户推荐方法、装置、电子设备及介质 |
KR20190076870A (ko) * | 2017-12-22 | 2019-07-02 | 삼성전자주식회사 | 연락처 정보를 추천하는 방법 및 디바이스 |
CN111506823A (zh) * | 2020-03-11 | 2020-08-07 | 平安科技(深圳)有限公司 | 信息推荐方法、装置及计算机设备 |
CN112069388A (zh) * | 2020-09-02 | 2020-12-11 | 上海风秩科技有限公司 | 实体推荐方法、系统、计算机设备和计算机可读存储介质 |
CN112116331A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 一种人才推荐方法及装置 |
CN113435202A (zh) * | 2021-06-28 | 2021-09-24 | 平安科技(深圳)有限公司 | 基于用户画像的产品推荐方法、装置、电子设备及介质 |
WO2021196476A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳壹账通智能科技有限公司 | 对象推荐方法、电子设备及存储介质 |
-
2022
- 2022-05-23 CN CN202210565511.2A patent/CN114925289B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190076870A (ko) * | 2017-12-22 | 2019-07-02 | 삼성전자주식회사 | 연락처 정보를 추천하는 방법 및 디바이스 |
CN108446297A (zh) * | 2018-01-24 | 2018-08-24 | 北京三快在线科技有限公司 | 一种推荐方法及装置,电子设备 |
CN109829059A (zh) * | 2019-01-18 | 2019-05-31 | 平安科技(深圳)有限公司 | 推荐知识点的方法、装置、设备及存储介质 |
CN109949090A (zh) * | 2019-03-18 | 2019-06-28 | 深圳市小满科技有限公司 | 客户推荐方法、装置、电子设备及介质 |
CN111506823A (zh) * | 2020-03-11 | 2020-08-07 | 平安科技(深圳)有限公司 | 信息推荐方法、装置及计算机设备 |
WO2021196476A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳壹账通智能科技有限公司 | 对象推荐方法、电子设备及存储介质 |
CN112069388A (zh) * | 2020-09-02 | 2020-12-11 | 上海风秩科技有限公司 | 实体推荐方法、系统、计算机设备和计算机可读存储介质 |
CN112116331A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 一种人才推荐方法及装置 |
CN113435202A (zh) * | 2021-06-28 | 2021-09-24 | 平安科技(深圳)有限公司 | 基于用户画像的产品推荐方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114925289A (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117114514B (zh) | 一种基于大数据的人才信息分析管理方法、系统及装置 | |
CN110727852A (zh) | 一种推送招聘推荐服务的方法、装置及终端 | |
CN113946690A (zh) | 潜在客户挖掘方法、装置、电子设备及存储介质 | |
CN116523268B (zh) | 一种基于大数据画像的人岗匹配分析方法及装置 | |
CN113435202A (zh) | 基于用户画像的产品推荐方法、装置、电子设备及介质 | |
CN113656690B (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN113886691A (zh) | 基于历史数据的智能推荐方法、装置、电子设备及介质 | |
CN114781832A (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
CN113837631A (zh) | 员工评价方法、装置、电子设备及可读存储介质 | |
CN114003592A (zh) | 基于人工智能的借贷风险评估方法及相关设备 | |
CN114925289B (zh) | 员工推荐方法、装置、设备及可读存储介质 | |
CN116188189A (zh) | 数据对账方法、装置、设备及介质 | |
CN115718807A (zh) | 人员关系分析方法、装置、设备及存储介质 | |
CN115099680A (zh) | 风险管理方法、装置、设备及存储介质 | |
CN115510219A (zh) | 话术推荐方法、装置、电子设备及存储介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN112184465B (zh) | 用户数据画像生成方法、装置、电子设备及存储介质 | |
CN114219367A (zh) | 用户评分方法、装置、设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
CN114819590B (zh) | 策略智能推荐方法、装置、设备及存储介质 | |
CN114723523B (zh) | 基于用户能力画像的产品推荐方法、装置、设备及介质 | |
CN112528112B (zh) | 数据收集及分析方法、装置、电子设备及存储介质 | |
CN114781833B (zh) | 基于业务人员的能力测评方法、装置、设备及存储介质 | |
CN116795777A (zh) | 企业文档管理方法、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 |