CN115618859A - 一种基于大数据的研效管理方法、装置、设备及存储介质 - Google Patents
一种基于大数据的研效管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115618859A CN115618859A CN202211400455.3A CN202211400455A CN115618859A CN 115618859 A CN115618859 A CN 115618859A CN 202211400455 A CN202211400455 A CN 202211400455A CN 115618859 A CN115618859 A CN 115618859A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- research
- comment
- data
- calculating
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及人工智能和工作绩效管理领域,尤其涉及一种基于大数据的研效管理方法、装置、计算机设备及存储介质,通过获取获取包含职工对象集的原始工作数据,提取对应的研效评议元素集以进行划分,得到对应的评议要素集;逐一计算每个所述评议要素集中每个所述研效评议元素的相似度,对所述计算结果进行分类,得到对应的多个研效评议类别,计算每个所述研效评议类别中的研效评议元素的决议系数,根据所述决议系数计算评议权重;根据所述评议权重构建职工评议画像,本发明提出一种研效评议较为全面、准确和有效监督的方案,以激励个人或者团队的工作,也确保企业能准确的掌握个人或者团队的真实工作情况。
Description
技术领域
本申请涉及人工智能和工作研效管理领域,尤其涉及一种基于大数据的研效管理方法、装置、计算机设备及存储介质。
背景技术
在保险理赔类的工作中,因理赔工作的工作过程相对与其他职业的工作过程较为多样,所以在对个人或者团队进行工作绩效评定时没有足够的直观数据进行支撑,大多都是片面的工作数据;且还存在绩效考评的缺乏监督、绩效考评内容可能遭遇篡改、参与考评的对象与被考核对象之间并无关联等问题,造成绩效考评的无法准确且公平,因此需要一种研效评议较为全面、准确和有效监督的方案,以激励个人或者团队的工作,也确保企业能准确的掌握个人或者团队的真实工作情况。
发明内容
本申请实施例的目的在于提出一种基于大数据的研效管理方法,用于以解决现有技术中监听公司内部网络中是否存在未授权设备的安全问题。
为了解决上述技术问题,本申请实施例提供一种基于大数据的研效管理方法,采用了如下所述的技术方案:
获取包含职工对象集的原始工作数据,基于所述职工对象集提取对应的研效评议元素集,根据预设的数据类型将所述研效评议元素集进行划分,得到对应的评议要素集;
计算每个所述评议要素集包含的多个研效评议元素两两之间的相似度,得到每个所述研效评议元素对应的多个相似度值,根据所述研效评议元素集中所有研效评议元素的相似度值对所述研效评议元素进行分类,得到对应的多个研效评议类别,每个所述研效评议类别对应一个评议维度;
计算每个所述研效评议类别中的研效评议元素的决议系数,根据所述决议系数计算所述研效评议元素在对应的评议维度中的评议权重;
根据所述评议权重构建职工评议画像。
进一步的,该方法还包括:
获取研效评议指标,根据所述研效评议类别中的研效评议元素与所述研效评议指标进行拟合计算,得到初始拟合结果;
根据所述初始拟合结果计算所述研效评议指标的离差与残差平方和以得到所述决议系数;
对所述决议系数进行数据预处理,并将处理后的决议系数作为所述研效评议元素在对应的评议维度中的评议权重。
进一步的,该方法还包括:
获取各研效评议元素的数据和所述评议权重进行评分计算,得到基于所述评议维度的多个初始评分;
通过预先构建的学习模型对所述初始评分进行拟合,得到对应的评议维度评分;
融合所述评议维度和所述初始评分,并进行分布计算,得到对应的研效评议结果;
根据所述评议结果构建职工评议画像。
进一步的,该方法还包括:
提取预设的研效修正系数;
根据预设规则利用所述绩效修正系数对评议权重进行修正,其中,所述预设规则包括所述研效评议元素所在的所述研效评议类别的对应评议关系。
进一步的,该方法还包括:
对所述评议元素进行词向量化处理,得到评议词向量集;
计算每个所述评议词向量集中每个评议词向量两两之间的余弦相似度,得到一次相似值集;
利用预设的目标阈值对所述一次相似值集进行二次分类,聚合得到多个所述研效评议类别。
进一步的,该方法还包括:
根据所述职工对象集提取对应的岗位职级;
根据各个所述岗位职级的标准数据类型比对所述原始工作数据中是否存在数据缺失;
若存在数据缺失则进行数据填充,以完备所述原始工作数据。
为了解决上述技术问题,本申请实施例还提供一种基于大数据的研效管理方法装置,采用了如下所述的技术方案:
一种基于大数据的研效管理装置,所述装置包括:
数据获取模块:用于获取包含职工对象集的原始工作数据,基于所述职工对象集提取对应的研效评议元素集,根据预设的数据类型将所述研效评议元素集进行划分,得到对应的评议要素集;
相似分类模型:用于逐一计算每个所述评议要素集中每个所述研效评议元素的相似度,得到对应的计算结果,根据所述计算结果对每个所述研效评议要素集中的所述研效评议元素进行分类,得到对应的多个研效评议类别,每个所述研效评议类别对应一个评议维度;
权重计算模块:用于计算每个所述研效评议类别中的研效评议元素的决议系数,根据所述决议系数计算所述研效评议元素在对应的评议维度中的评议权重;
画像输出模块:用于根据所述评议权重构建职工评议画像。
进一步的,所述装置还包括:
初步拟合子模块:用于获取研效评议指标,根据所述研效评议类别中的研效评议元素与所述研效评议指标进行拟合计算,得到初始拟合结果;
决议计算子模块:用于根据所述初始拟合结果计算所述研效评议指标的离差与残差平方和以得到所述决议系数;
权重输出子模块:用于对所述决议系数进行数据预处理后,作为所述研效评议元素在对应的评议维度中的评议权重。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上述的基于大数据的研效管理方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述的基于大数据的研效管理方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
通过获取原始工作集,通过对原始工作集中的职工对象集分析其工作任务中的研效评议元素,进行初步划分的评议要素集,在对初步划分好的评议要素集中的研效评议元素进行相似计算已进行进一步分类,得到多个研效评议类别,并定义每个研效评议类别的评议维度,以构建职工评议画像,从而对职工进行全方位的、准确和公平的考评,从而以激励个人或者团队的工作,也确保企业能准确的掌握个人或者团队的真实工作情况。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图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是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的基于大数据的研效管理方法的一个实施方式的流程图;
图3是本根据本申请的基于大数据的研效管理装置的一个实施例的结构图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交线上平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的基于大数据的研效管理方法一般由服务 器/终端设备执行,相应地,网络数据安全监听装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请提出的基于大数据的研效管理方法的一个实施例的流程图。本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。所述基于大数据的研效管理方法方法,包括以下步骤:
S201:获取包含职工对象集的原始工作数据,基于所述职工对象集提取对应的研效评议元素集,根据预设的数据类型将所述研效评议元素集进行划分,得到对应的评议要素集。
具体的,在实施例中,需要说明的是所述原始工作数据的数据来源是职工对象的工作任务数据,本申请以保险工作任务进行研效考核为例,其对应获取的工作任务数据包括与保险工作任务相关的对应部门的职位信息、职位职责、细分工作任务流程、对应的工作任务考核要求以及对应的工作任务汇报数据等。
基于职工对象抽取原始工作数据中的研效评议元素集,本申请中抽取可以是通过职工对象的名称进而关联抽取原始工作数据中包含对应的部门信息、工作岗位信息、工作任务以及任务流程节点标识数据等,通过字段提取之后得到多个研效评议元素,汇总后得到研效评议元素集。
进一步的,在另一实施例中,根据职工对象集各个中各个职工对象的岗位职级的标准数据类型比对所述原始工作数据中是否存在数据缺失;若存在数据缺失则进行数据填充,以完备所述原始工作数据。
S202:计算每个所述评议要素集包含的多个研效评议元素两两之间的相似度,得到每个所述研效评议元素对应的多个相似度值,根据所述研效评议元素集中所有研效评议元素的相似度值对所述研效评议元素进行分类,得到对应的多个研效评议类别,每个所述研效评议类别对应一个评议维度。
具体的,在本实施例中,将研效评议元素进行词向量转化,利用现有的任意字词相似度算法进行相似度计算,本申请通过预设的阈值和相似度算法算出的相似度值进行比对,以对研效评议元素进行同类划分,将同类的研效评议元素进行归并,得到对应的多个研效评议类别。
根据得到的多个研效评议类别进行的评议维度的定义,如进行归类后得到与现场勘查工作任务相关的评议元素,基于现场勘查工作任务相关的团队部门,对现场勘查工作任务进行分类后,对现场勘查工作任务的研效评议类别进行评议维度定义;如现场勘查工作任务的研效评议元素中,现场勘查职员和团队会通过归类到的案件、到达情况、结案完成情况和异常情况进行维度划分,得到到勘维度,通过定义的评议维度在对研效评议元素进行类别调整。
进一步的,对所述评议元素进行词向量化处理,得到评议词向量集;计算每个所述评议词向量集中每个评议词向量两两之间的余弦相似度,得到一次相似值集;利用预设的目标阈值对所述一次相似值集进行二次分类,聚合得到多个所述研效评议类别。
在另一实施例中,还可以利用模糊聚类算法和聚类有效性指标确定基于所述研效评议指标的研效聚类数目;根据所述研效聚类数目确定划分矩阵,并从所述划分矩阵中分别找出与同类以及不同类的最近邻的R个样本,以计算得到所述研效评议指标中研效评议特征的权值;根据遗传算法融合模拟退火算法对各所述效评议特征进行遗传迭代和进化,得到所述研效评议类别。
S203:计算每个所述研效评议类别中的研效评议元素的决议系数,根据所述决议系数计算所述研效评议元素在对应的评议维度中的评议权重。
具体的,在本实施例中,研效评议指标是基于预先设定的任一工作任务设定的拟合指标,获取研效评议指标,根据研效评议类别中的研效评议元素与研效评议指标进行线性拟合计算,得到初始拟合结果。根据所述初始拟合结果计算所述研效评议指标的离差与残差平方和以得到所述决议系数对所述决议系数进行数据预处理后,作为所述研效评议元素在对应的评议维度中的评议权重。例如:令研效评议元素为Ai(i=n),研效评议指标为B,二者的决议系数为Z2,进行线性拟合后得到拟合函数f(Z)=na+c,其拟合函数对应的决议系数计算方法为现有的算法,在此不进行赘述。
S204:根据所述评议权重构建职工评议画像。
具体的,在本实施例中,计算得到评议权重在之后,利用评议权重对每月的研效评议元素进行计算,结合研效评议元素的权重可得到每个评议维度的多个初始评分,通过预先构建的学习模型对初始评分进行拟合,得到对应的评议维度评分;融合所述评议维度和所述初始评分后进行分布计算,得到对应的研效评议结果。
进一步的,当得到研效评议结果时提取对应的职工对象,并进行评议效果标识,其评议效果标识优秀、良好、中等、一般、较差大范围覆盖,以构建职工评议画像。
与现有技术相比,本申请实施例主要有以下有益效果:
通过获取原始工作集,通过对原始工作集中的职工对象集分析其工作任务中的研效评议元素,进行初步划分的评议要素集,在对划分好的评议要素集中的研效评议元素进行相似计算已进行进一步分类,得到多个研效评议类别,并定义每个研效评议类别的评议维度,以构建职工评议画像,从而对职工进行全方位的、准确和公平的考评,从而以激励个人或者团队的工作,也确保企业能准确的掌握个人或者团队的真实工作情况。
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,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图4,作为对上述图2所示方法的实现,本申请提供了一种基于大数据的研效管理装置300的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
数据获取模块310:用于获取包含职工对象集的原始工作数据,基于所述职工对象集提取对应的研效评议元素集,根据预设的数据类型将所述研效评议元素集进行划分,得到对应的评议要素集。
具体的,在实施例中,需要说明的是所述原始工作数据的数据来源是职工对象的工作任务数据,本申请以保险工作任务进行研效考核为例,其对应获取的工作任务数据包括与保险工作任务相关的对应部门的职位信息、职位职责、细分工作任务流程、对应的工作任务考核要求以及对应的工作任务汇报数据等。
基于职工对象抽取原始工作数据中的研效评议元素集,本申请中抽取可以是通过职工对象的名称进而关联抽取原始工作数据中包含对应的部门信息、工作岗位信息、工作任务以及任务流程节点标识数据等,通过字段提取之后得到多个研效评议元素,汇总后得到研效评议元素集。
进一步的,在另一实施例中,根据职工对象集各个中各个职工对象的岗位职级的标准数据类型比对所述原始工作数据中是否存在数据缺失;若存在数据缺失则进行数据填充,以完备所述原始工作数据。
相似分类模块320:用于计算每个所述评议要素集包含的多个研效评议元素两两之间的相似度,得到每个所述研效评议元素对应的多个相似度值,根据所述研效评议元素集中所有研效评议元素的相似度值对所述研效评议元素进行分类,得到对应的多个研效评议类别,每个所述研效评议类别对应一个评议维度。
具体的,在本实施例中,将研效评议元素进行词向量转化,利用现有的任意字词相似度算法进行相似度计算,本申请通过预设的阈值和相似度算法算出的相似度值进行比对,以对研效评议元素进行同类划分,将同类的研效评议元素进行归并,得到对应的多个研效评议类别。
根据得到的多个研效评议类别进行的评议维度的定义,如进行归类后得到与现场勘查工作任务相关的评议元素,基于现场勘查工作任务相关的团队部门,对现场勘查工作任务进行分类后,对现场勘查工作任务的研效评议类别进行评议维度定义;如现场勘查工作任务的研效评议元素中,现场勘查职员和团队会通过归类到的案件、到达情况、结案完成情况和异常情况进行维度划分,得到到勘维度,通过定义的评议维度在对研效评议元素进行类别调整。
进一步的,相似分类模块对所述评议元素进行词向量化处理,得到评议词向量集;计算每个所述评议词向量集中每个评议词向量两两之间的余弦相似度,得到一次相似值集;利用预设的目标阈值对所述一次相似值集进行二次分类,聚合得到多个所述研效评议类别。
在另一实施例中,相似分类模块利用模糊聚类算法和聚类有效性指标确定基于所述研效评议指标的研效聚类数目;根据所述研效聚类数目确定划分矩阵,并从所述划分矩阵中分别找出与同类以及不同类的最近邻的R个样本,以计算得到所述研效评议指标中研效评议特征的权值;根据遗传算法融合模拟退火算法对各所述效评议特征进行遗传迭代和进化,得到所述研效评议类别。
权重计算模块330:用于计算每个所述研效评议类别中的研效评议元素的决议系数,根据所述决议系数计算所述研效评议元素在对应的评议维度中的评议权重。
在本实施例中,所述权重计算模块330还包括初步拟合子模块331:用于获取研效评议指标,根据所述研效评议类别中的研效评议元素与所述研效评议指标进行拟合计算,得到初始拟合结果
具体的,在本实施例中,研效评议指标是基于预先设定的任一工作任务设定的拟合指标,获取研效评议指标,根据研效评议类别中的研效评议元素与研效评议指标进行线性拟合计算,得到初始拟合结果。
在本实施例中,所述权重计算模块330还包括决议计算子模块332,用于根据所述初始拟合结果计算所述研效评议指标的离差与残差平方和以得到所述决议系数;
根据所述初始拟合结果计算所述研效评议指标的离差与残差平方和以得到所述决议系数例如:令研效评议元素为Ai(i=n),研效评议指标为B,二者的决议系数为Z2,进行线性拟合后得到拟合函数f(B)=na+c,其拟合函数对应的决议系数计算方法为现有的算法,在此不进行赘述。
在本实施例中,所述权重计算模块330还包括权重输出子模块333:用于对所述决议系数进行数据预处理后,作为所述研效评议元素在对应的评议维度中的评议权重。
画像输出模块340:用于根据所述评议权重构建构建职工评议画像。
具体的,在本实施例中,计算得到评议权重在之后,利用评议权重对每月的研效评议元素进行计算,结合研效评议元素的权重可得到每个评议维度的多个初始评分,通过预先构建的学习模型对初始评分进行拟合,得到对应的评议维度评分;融合所述评议维度和所述初始评分后进行分布计算,得到对应的研效评议结果。
进一步的,当得到研效评议结果时提取对应的职工对象,并进行评议效果标识,其评议效果标识优秀、良好、中等、一般、较差大范围覆盖,以构建职工评议画像。
与现有技术相比,本申请实施例主要有以下有益效果:
通过获取原始工作集,通过对原始工作集中的职工对象集分析其工作任务中的研效评议元素,进行初步划分的评议要素集,在对划分好的评议要素集中的研效评议元素进行相似计算已进行进一步分类,得到多个研效评议类别,并定义每个研效评议类别的评议维度,以构建职工评议画像,从而对职工进行全方位的、准确和公平的考评,从而以激励个人或者团队的工作,也确保企业能准确的掌握个人或者团队的真实工作情况。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是,图中仅示出了具有组件51-53的计算机设备5,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,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器51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、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器51可以是所述计算机设备5的内部存储单元,例如该计算机设备5的硬盘或内存。在另一些实施例中,所述存储器51也可以是所述计算机设备5的外部存储设备,例如该计算机设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中,所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件,例如X方法的程序代码等。此外,所述存储器51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52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。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中,所述处理器52用于运行所述存储器51中存储的程序代码或者处理数据,例如运行所述X方法的程序代码。
所述网络接口53可包括无线网络接口或有线网络接口,该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有所述网络数据安全监听程序,所述网络数据安全监听程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的基于大数据的研效管理方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件线上平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
显然,以上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,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种基于大数据的研效管理方法,其特征在于,所述方法包括:
获取包含职工对象集的原始工作数据,基于所述职工对象集提取对应的研效评议元素集,根据预设的数据类型将所述研效评议元素集进行划分,得到对应的评议要素集;
计算每个所述评议要素集包含的多个研效评议元素两两之间的相似度,得到每个所述研效评议元素对应的多个相似度值,根据所述研效评议元素集中所有研效评议元素的相似度值对所述研效评议元素进行分类,得到对应的多个研效评议类别,每个所述研效评议类别对应一个评议维度;
计算每个所述研效评议类别中的研效评议元素的决议系数,根据所述决议系数计算所述研效评议元素在对应的评议维度中的评议权重;
根据所述评议权重构建职工评议画像。
2.根据权利要求2所述的基于大数据的研效管理方法,其特征在于,所述计算每个所述研效评议类别中的研效评议元素的决议系数,根据所述决议系数计算所述研效评议元素在对应的评议维度中的评议权重,具体包括;
获取研效评议指标,根据所述研效评议类别中的研效评议元素与所述研效评议指标进行拟合计算,得到初始拟合结果;
根据所述初始拟合结果计算所述研效评议指标的离差与残差平方和以得到所述决议系数;
对所述决议系数进行数据预处理,并将处理后的决议系数作为所述研效评议元素在对应的评议维度中的评议权重。
3.根据权利要求2所述的基于大数据的研效管理方法,其特征在于,所述根据所述评议权重构建构建职工评议画像,具体包括:
获取各研效评议元素的数据和所述评议权重进行评分计算,得到基于所述评议维度的多个初始评分;
通过预先构建的学习模型对所述初始评分进行拟合,得到对应的评议维度评分;
融合所述评议维度和所述初始评分,并进行分布计算,得到对应的研效评议结果;
根据所述评议结果构建职工评议画像。
4.根据权利要求3所述的基于大数据的研效管理方法,其特征在于,所述根据所述决议系数计算所述研效评议元素在对应的评议维度中的评议权重之后,还包括:
提取预设的研效修正系数;
根据预设规则利用所述绩效修正系数对评议权重进行修正,其中,所述预设规则包括所述研效评议元素所在的所述研效评议类别的对应评议关系。
5.根据权利要求2所述的基于大数据的研效管理方法,其特征在于,所述根据所述研效评议元素集中所有研效评议元素的相似度值对所述研效评议元素进行分类,得到对应的多个研效评议类别,具体包括:
对所述评议元素进行词向量化处理,得到评议词向量集;
计算每个所述评议词向量集中每个评议词向量两两之间的余弦相似度,得到一次相似值集;
利用预设的目标阈值对所述一次相似值集进行二次分类,聚合得到多个所述研效评议类别。
6.根据权利要求1所述的基于大数据的研效管理方法,其特征在于,所述基于所述职工对象集提取对应的研效评议元素集之后,还包括:
根据所述职工对象集提取对应的岗位职级;
根据各个所述岗位职级的标准数据类型比对所述原始工作数据中是否存在数据缺失;
若存在数据缺失则进行数据填充,以完备所述原始工作数据。
7.一种基于大数据的研效管理装置,其特征在于,所述装置包括:
数据获取模块:用于获取包含职工对象集的原始工作数据,基于所述职工对象集提取对应的研效评议元素集,根据预设的数据类型将所述研效评议元素集进行划分,得到对应的评议要素集;
相似分类模型:用于逐一计算每个所述评议要素集中每个所述研效评议元素的相似度,得到对应的计算结果,根据所述计算结果对每个所述研效评议要素集中的所述研效评议元素进行分类,得到对应的多个研效评议类别,每个所述研效评议类别对应一个评议维度;
权重计算模块:用于计算每个所述研效评议类别中的研效评议元素的决议系数,根据所述决议系数计算所述研效评议元素在对应的评议维度中的评议权重;
画像输出模块:用于根据所述评议权重构建职工评议画像。
8.根据权利要求7所述的基于大数据的研效管理方法装置,其特征在于,所述权重计算模块包括:
初步拟合子模块:用于获取研效评议指标,根据所述研效评议类别中的研效评议元素与所述研效评议指标进行拟合计算,得到初始拟合结果;
决议计算子模块:用于根据所述初始拟合结果计算所述研效评议指标的离差与残差平方和以得到所述决议系数;
权重输出子模块:用于对所述决议系数进行数据预处理后,作为所述研效评议元素在对应的评议维度中的评议权重。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述的基于大数据的研效管理方法的步骤。
10.一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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至6中任一项所述的基于大数据的研效管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211400455.3A CN115618859A (zh) | 2022-11-09 | 2022-11-09 | 一种基于大数据的研效管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211400455.3A CN115618859A (zh) | 2022-11-09 | 2022-11-09 | 一种基于大数据的研效管理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115618859A true CN115618859A (zh) | 2023-01-17 |
Family
ID=84878175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211400455.3A Pending CN115618859A (zh) | 2022-11-09 | 2022-11-09 | 一种基于大数据的研效管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115618859A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035692A (zh) * | 2023-09-28 | 2023-11-10 | 江苏龙虎网信息科技股份有限公司 | 一种基于多维度数据的智能评议管理系统及方法 |
-
2022
- 2022-11-09 CN CN202211400455.3A patent/CN115618859A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035692A (zh) * | 2023-09-28 | 2023-11-10 | 江苏龙虎网信息科技股份有限公司 | 一种基于多维度数据的智能评议管理系统及方法 |
CN117035692B (zh) * | 2023-09-28 | 2023-12-08 | 江苏龙虎网信息科技股份有限公司 | 一种基于多维度数据的智能评议管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112148987B (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
CN112863683B (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
CN113127633B (zh) | 智能会议管理方法、装置、计算机设备及存储介质 | |
CN112861662B (zh) | 基于人脸和交互文本的目标对象行为预测方法及相关设备 | |
CN112308173B (zh) | 基于多评价因子融合的多目标对象评价方法及其相关设备 | |
CN112085378B (zh) | 资源分配方法、装置、计算机设备及存储介质 | |
CN113220734A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
CN113627797A (zh) | 入职员工画像生成方法、装置、计算机设备及存储介质 | |
CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN115587739A (zh) | 客户名单分配方法、装置、计算机设备及存储介质 | |
CN115618859A (zh) | 一种基于大数据的研效管理方法、装置、设备及存储介质 | |
CN114398466A (zh) | 基于语义识别的投诉分析方法、装置、计算机设备及介质 | |
CN116777646A (zh) | 基于人工智能的风险识别方法、装置、设备及存储介质 | |
CN116843483A (zh) | 一种车险理赔方法、装置、计算机设备及存储介质 | |
CN113722437B (zh) | 基于人工智能的用户标签识别方法、装置、设备及介质 | |
CN115577867B (zh) | 一种抽检任务创建方法、系统、计算机设备及存储介质 | |
CN115495539A (zh) | 业务风险地图构建方法、装置、计算机设备及存储介质 | |
CN113792342B (zh) | 一种脱敏数据还原的方法、装置、计算机设备及存储介质 | |
CN112529718B (zh) | 基于多场景的产品演示方法、装置、计算机设备及介质 | |
CN113902032A (zh) | 业务数据的处理方法、装置、计算机设备及存储介质 | |
CN116934506A (zh) | 一种用户行为预测方法、装置、计算机设备及存储介质 | |
CN117132409A (zh) | 基于人工智能的核保数据处理方法、装置、设备及介质 | |
CN117933699A (zh) | 任务分析方法、装置、计算机设备及存储介质 | |
CN117407750A (zh) | 基于元数据的数据质量监控方法、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 |