CN115936530A - 基于关键词的履职能力评估方法及设备 - Google Patents
基于关键词的履职能力评估方法及设备 Download PDFInfo
- Publication number
- CN115936530A CN115936530A CN202211711501.1A CN202211711501A CN115936530A CN 115936530 A CN115936530 A CN 115936530A CN 202211711501 A CN202211711501 A CN 202211711501A CN 115936530 A CN115936530 A CN 115936530A
- Authority
- CN
- China
- Prior art keywords
- keyword
- evaluation
- keywords
- self
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 120
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000004883 computer application Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 17
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000001755 vocal effect Effects 0.000 description 5
- 238000012550 audit Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及计算机应用技术领域，提供了一种基于关键词的履职能力评估方法，包括：获取在评人员的自我评价；确定所述自我评价中履职关键词的覆盖情况；根据所述覆盖情况确定出待确认关键词；基于所述待确认关键词获取访谈问题并获取对应的问题答案；基于所述问题答案确定所述待确认关键词的处理结果；结合所述覆盖情况及所述处理结果，输出所述在评人员的第一系统评估结果。如此，可保证评估结果的客观性和统一性。
Description
技术领域
本申请涉及计算机应用技术领域，尤其是涉及基于关键词的履职能力评估方法、电子设备及计算机可读存储介质。
背景技术
市场经济的竞争驱动下，企业在生产经营过程中，面临众多管理问题，其中人员的履职能力管理，是其中的重要组成部分。
企业可通过定期对在岗人员进行履职能力评估来调整人员任职策略，然而，现有的履职能力评估方法主要依赖人力实现，如PPT口头述职、HR访谈、领导谈话等方式，存在个人主观影响大、评估片面、标准不统一等问题。
发明内容
为了提升履职能力评估的客观性和统一性，本申请实施例提供了基于关键词的履职能力评估方法、电子设备及计算机可读存储介质。
一方面，本申请实施例提供的基于关键词的履职能力评估方法，包括：
获取在评人员的自我评价；确定所述自我评价中履职关键词的覆盖情况；根据所述覆盖情况确定出待确认关键词；基于所述待确认关键词获取访谈问题并获取对应的问题答案；基于所述问题答案确定所述待确认关键词的处理结果；结合所述覆盖情况及所述处理结果，输出所述在评人员的第一系统评估结果。
根据本申请实施例所提供的方法，可根据在评人员的自我评价中的履职关键词的覆盖情况，确定出待确认的关键词，并构建对应的访谈问题，以系统访谈的方式收集问题答案，通过对问题答案的分析，获取待确认关键词的处理结果，并最终根据处理结果及覆盖情况生成第一系统评估结果，整个过程完全由系统自动实现，无需人工介入，可保证评估的客观性，由于系统使用的评估标准是预先设定的，因此，对于每一在评人员的评估维度和评分标准都是固定的，从而保证评估过程的统一性。
在一实施中，所述确定所述自我评价中履职关键词的覆盖情况，包括：从关键词库获取所述在评人员对应的至少一所述履职关键词及所述履职关键词对应的扩展词；基于各所述履职关键词及所述扩展词对所述自我评价进行文本匹配，以得到所述履职关键词及所述扩展词出现的次数，作为所述覆盖情况。
通过采用上述技术方案，可提高履职关键词出现次数统计的准确度。
在一实施中，所述确定所述自我评价中履职关键词的覆盖情况，包括：基于预先训练的关键词识别模型，对所述自我评价进行识别，得到所述自我评价中所述履职关键词出现的第一次数，作为所述覆盖情况。
通过采用上述技术方案，可借助人工智能技术实现履职关键词的自动识别，便于实现识别功能与系统其他业务功能的解耦。
在一实施中，所述确定所述自我评价中履职关键词的覆盖情况，还包括：从关键词库获取所述在评人员对应的至少一所述履职关键词及所述履职关键词对应的扩展词；基于各所述履职关键词及所述扩展词对所述自我评价进行文本匹配，以得到所述履职关键词及所述扩展词出现的第二次数；基于所述第一次数和所述第二次数，确定所述覆盖情况。
通过采用上述技术方案，同时使用两种识别方式分别实现覆盖情况的获取，从而可弥补单独识别的准确度不足的情况，尤其适用于应用前期，基础数据较少的场景。
在一实施中，所述根据所述覆盖情况确定出待确认关键词，包括：确定所述覆盖情况中，出现次数不满足预设条件的所述履职关键词为所述待确认关键词。
通过采用上述技术方案，可确定出待确认关键词，即自我评价中未提及或提及次数不够的履职关键词，一般可认定为在评人员履职能力的弱点，使得在系统访谈阶段可重点针对待确认关键词进行分析确认，以减少因系统识别准确度不够而对在评人员的评估影响。
在一实施中，所述基于所述问题答案确定所述待确认关键词的处理结果，包括：基于所述问题答案确定是否将所述待确认关键词进行修正；若是，则记录所述处理结果为修正所述覆盖情况中所述待确认关键词出现的次数。
通过采用上述技术方案，由于问题答案是基于系统提供的访谈问题对应作出的，因此根据采集到的问题答案对待确认关键词进行修正，可辅助提升二次识别的准确度。
在一实施中，所述方法还包括：获取所述处理结果和所述覆盖情况的人工修正内容；基于所述人工修正内容对所述覆盖情况进行修正，并基于修正后的所述覆盖情况，生成第二系统评估结果。
通过采用上述方法，通过人工修正内容的接入，来对系统自动识别出的覆盖情况进行修正，可在一定程度上弥补系统识别精度不足的缺陷；同时，基于修正后的覆盖情况单独生成第二系统评估结果，使得企业管理人员能够通过第一系统评估结果和第二系统评估结果获知评估过程的变化情况。
在一实施中，所述方法还包括：基于所述人工修正内容对关键词库或关键词识别模型进行更新。
通过采用上述方法，可实现关键词库和关键词识别模型的自更新，从而随着系统的应用次数增多，系统识别精度也将越来越高。
此外，本申请实施例还提供了一种电子设备，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指令，所述指令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上述履职能力评估方法。
以及，本申请实施例另提供了一种计算机可读存储介质，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履职能力评估方法。
综上所述，本申请实施例至少包括以下有益技术效果：
1.整个过程完全由系统自动实现，无需人工介入，可保证评估的客观性和统一性；
2.通过人工修正内容的接入，来对系统自动识别出的覆盖情况进行修正，可在一定程度上弥补系统识别精度不足的缺陷。
3.实现关键词库和关键词识别模型的自更新。
附图说明
图1绘示本申请实施例所提供的履职能力评估系统结构示意图；
图2绘示本申请第一实施例所提供的履职能力评估方法流程图；
图3绘示本申请第一实施例中获取覆盖情况的方法流程图；
图4绘示本申请第二实施例所提供的履职能力评估方法流程图；
图5绘示本申请实施例提供电子设备结构示意图。
具体实施方式
以下结合图示对本申请实施例进行详细说明。
本申请实施例公开的基于关键词的履职能力评估方法，可基于计算机软件程序实现，可以独立的履职能力评估系统呈现，也可以作为企业已有管理系统的功能模块呈现，通过本申请提供的评估方法，可提升人员履职能力评估的客观性、全面性及统一性。以下将结合图示对本申请实施例进行说明。
请参照图1，履职能力评估系统100包括系统自评单元110、人工访谈单元120、关键词库130、题库140，其中，自评单元110分别与人工访谈单元120、关键词库130和题库140有数据交互，人工访谈单元120分别与关键词库130和题库140有数据交互。
其中，关键词库130和题库140中的存储数据是预先写入的。具体而言，关键词库130用于存储企业各岗位在不同职责维度下的履职关键词，履职关键词包括基于企业中对各岗位职责设定的工作内容要求提取得到的，具体示例请参照表1，表1展示了履职关键词的示例。
表1
可以理解的是，由于个人口语表达方式、群体用语习惯的存在差异，每个人对于相同工作内容的表述方式可能会存在差异，因此，关键词库130中还可对每一履职关键词的扩展词进行获取和保存，例如，可基于企业内部人员在日常工作生活中对于工作内容的口语表达进行提取得到的扩展词，或者收录履职关键词的近义词作为扩展词，如此可在一定程度上保证关键词库130中收集的关键词的全面性，从而提高后续关键词匹配的准确度。例如，履职关键词“专项应急预案”对应的扩展词可以包括：定向应急预案、专项应急预备方案、专项紧急应对方案等。
题库140中收录了针对各履职关键词的访谈问题，可用于系统访谈和人工访谈过程中，该些访谈问题用于确认在评人员完成对应的工作内容的情况。请参照表2，表2提供了题库中的访谈问题与履职关键词的对应示例。
表2
自评单元110可基于在评人员的自我评价生成第一系统评估结果；人工访谈单元120可根据人工访谈内容，输出第二系统评估结果。具体的实现方法可参照图2。
如图2所示，本申请第一实施例提供的基于关键词的履职能力评估方法，具体包括步骤：
S110，获取在评人员的自我评价。
在一示例中，自评单元110可通过向在评人员显示自我评价输入界面，并在输入界面提供针对当前在评人员的评价引导，来获取在评人员的自我评价内容，如以一问一答的方式，引导在评人员输入相应的自我评价内容，其中，输入界面中的问题选择是根据当前在评人员所在岗位的各职责维度构建的，如此，保证获取到的自我评价内容全面覆盖了当前在评人员的各职责维度。
可以理解的是，系统可实现的自我评价获取方式有很多种，还可以是文档上传、语音对话采集等，申请并不以此为限。
S120，确定自我评价中履职关键词的覆盖情况。
在一实施中，自评单元110可根据在评人员的部门、岗位信息，从关键词库130中获取在评人员的岗位各职责对应的全部履职关键词及该些履职关键词对应的扩展词。并基于各履职关键词及扩展词对自我评价进行文本匹配，以确定履职关键词及扩展词在自我评价中出现的次数，从而得到履职关键词的覆盖情况。
在一示例中，可分别基于各履职关键词和扩展词构建正则表达式，对自我评价进行匹配，并记录各履职关键词和扩展词的匹配成功的次数，可以理解的是，每一履职关键词出现的次数为其自身匹配成功的次数与其对应的各扩展词匹配成功的次数之和，基于此，可统计得到各履职关键词在自我评价中出现的次数，作为覆盖情况。
在另一实施中，自评单元110可基于预先训练得到的关键词识别模型，对自我评价进行识别，得到自我评价中履职关键词出现的第一次数，得到所述覆盖情况。其中关键词识别模型可基于神经网络算法构建，并基于相关样本数据训练得到，较佳的，样本数据是根据企业内部的历史记录经过内部人员预处理得到的，由于各企业文化、内部用语都具备自身的特色，直接使用企业内部的历史记录，并通过内部人员预处理得到的样本数据更加贴合当前企业的应用需求，如此可提升关键词识别模型的识别精度。
在实际应用过程中，由于某些企业内部数据量有限、在系统应用的初期，维护人员对于词库的收集不熟悉等原因，可能会出现关键词库不完整、识别模型精度待提升的问题。基于此，在又一实施中，在获取覆盖情况的过程中，自评单元110可同时基于关键词库130及关键词识别模型分别对在评人员的自我评价进行分析，以得到对应的覆盖情况。
请参照图3，自评单元110获取覆盖情况的方法包含步骤：
S210，基于预先训练得到的关键词识别模型，对自我评价进行识别，得到自我评价中履职关键词出现的第一次数。
S220，从关键词库获取在评人员对应的至少一履职关键词及履职关键词对应的扩展词。
S230，基于各履职关键词及扩展词对自我评价进行文本匹配，以得到履职关键词及扩展词出现的第二次数。
S240，基于第一次数和第二次数，确定覆盖情况。
上述步骤S210至S230的具体实现过程可参照上述实施方式，不再赘述。具体而言，基于第一次数和第二次数，确定覆盖情况，可包括对第一次数和第二次数进行加权累计，得到各履职关键词通过两种方式计算出的出现总次数，例如，根据词库和模型两种方式的历史识别准确率配置当前计算权重a、b，其中历史识别准确率越高，对应的权值越大，假设其中一履职关键词L对应的第一次数为K1，第二次数为K2，那么L的覆盖情况为aK1+bK2。基于此，可在一定程度上保证覆盖情况中各履职关键词的出现次数的全面程度。
更进一步地，同时基于两种识别方式对自我评价中的履职关键词进行识别，并根据历史识别准确率来调整对应的权值，还在一定程度上保证最终计算结果的准确性。
S130，根据覆盖情况确定出待确认关键词。
在一实施中，自评单元110可确定覆盖情况中，出现次数不满足预设条件的履职关键词为待确认关键词。其中，预设条件包括出现次数不小于预设阈值，根据不同的需求，可为各履职关键词设定对应的预设阈值，从而分别根据不同的预设阈值确定出待确认关键词。例如，当履职关键词L的覆盖情况为次数0时，表示自评单元110未能从自我评价中识别到L，如此需进一步对L进行确认，或者，自评单元110识别到L在自我评价中出现的次数为3，但是其对应的预设阈值为5，在这一情况下，也会L确定为待确认关键词，以避免因系统识别错误，而影响评估结果。
在另一实施中，为了防止作弊，自评单元110可进一步对出现次数不小于对应预设阈值的履职关键词进行分析，包括分析各履职关键词的出现次数与对应的预设阈值的差值分布情况，确定差值分布情况中规律相同且个数大于门限值的履职关键词确定为待确认关键词，例如，当所有履职关键词的出现次数都刚好等于对应的预设阈值时，则所有履职关键词都会被确定为待确认关键词，或者，若门限值为5，那么，若其中7个履职关键词对应的差值均为1，则也可被确认为待确认关键词。
S140，基于待确认关键词获取访谈问题并获取对应的问题答案。
在实施中，可基于待确认关键词查询题库140以获取对应的访谈问题，并通过系统界面向在评员工展示该些访谈问题，并获取在评员工输入的问题答案。
S150，基于问题答案确定待确认关键词的处理结果。
在本步骤中，自评单元110可基于关键词库130或关键词识别模型分别对各问题答案进行识别，获取待确认关键词在问题答案中出现的次数，并判断次数是否发生改变，以确定是否将所述待确认关键词进行修正，若是，则记录处理结果为修正覆盖情况中待确认关键词出现的次数。
S160，结合覆盖情况及处理结果，输出在评人员的第一系统评估结果。
在实施中，可根据处理结果对先前得到的覆盖情况进行进行修正，即对待确认关键词出现的次数进行更新，得到新的覆盖情况，并基于新的覆盖情况根据预设的评分标准进行评分，得到第一系统评估结果。在一示例中，预设的评分标准包括各履职关键词出现的次数及对应的分值，如履职关键词L出现次数为1，则记录分值为1，如此，可直接根据新的覆盖情况中各履职关键词出现的次数进行累计，得到在评人员各工作职责维度的得分情况，作为第一系统评价结果。
基于上述方法，可基于计算机程序实现对在评人员进行各维度的自动评估，在评人员只需输入自我评价及对系统访谈问题进行回复即可，操作简单、数据保密，且可通过关键词库的全面构建、评分标准的设定实现对在评人员的全面评估，整个过程通过系统自动实现，没有人工接入，结果客观且标准统一。
更进一步地，如上所述由于识别结果的精准度完全依赖关键词库与关键词识别模型，因此，在系统应用初期，由于词库的不完善、模型训练样本有限等原因，可能会出现识别准确度较弱的问题，为了改善这一问题，本申请第二实施例所提供的基于关键词的履职能力评估方法中，引入了人工访谈单元120，以借助人工对关键词库进行完善，以及对模型训练样本进行扩展。
请参照图4，所述方法包括步骤：
S310，获取在评人员的自我评价。
S320，确定自我评价中履职关键词的覆盖情况。
S330，根据覆盖情况确定出待确认关键词。
S340，基于待确认关键词获取访谈问题并获取对应的问题答案。
S350，基于问题答案确定待确认关键词的处理结果。
S360，结合覆盖情况及处理结果，输出在评人员的第一系统评估结果。
上述步骤S310至S360与步骤S110至S160的实现方式相同，不再赘述。
S370，获取处理结果和覆盖情况的人工修正内容。
在实施中，自评单元110在获取到处理结果后，可将自我评价、待确认关键词、处理结果、系统访谈记录(访谈问题及问题答案)、和覆盖情况发送给人工访谈单元120，人工访谈单元120通过人工访谈界面对该些内容进行展示，使得访谈人员可先根据自我评价及系统访谈记录，确认是否需要对处理结果和覆盖情况进行修正，访谈人员可通过人工访谈界面输入需要修正的内容。
可以理解的是，由于每个人的表述方式、用语习惯存在差异，且会发生变化，因此，完全依赖关键词库的匹配或模型的识别，很难保证每次识别结果的准确度，而访谈人员可以很好地对自我评价及系统访谈记录进行理解，因此，可借助访谈人员的理解，来对系统的识别结果进行完善，可以理解的是，访谈人员在提供人工修正内容的过程中，还可以结合人工访谈内容对修正内容进行确认，确认过程中可参考题库140中对应的问题进行提问。
S380，基于人工修改内容对覆盖情况进行修正，并基于修正后的覆盖情况，生成第二系统评估结果。
在一实施中，人工访谈单元120可直接基于人工修改内容对覆盖情况进行修正，并基于修正后的覆盖情况，再次根据预设的评分标准，计算得到第二系统评估结果。
在另一实施中，访谈人员可根据人工访谈界面输出的内容，对在评人员进行人工访谈，再根据访谈结果确定人工修改内容，并将人工修改内容反馈给人工访谈单元120。如此，通过增加人工访谈过程，可减少因文字信息传递的有限性而引发的误解，可进一步保证人工修改内容的准确性。
基于上述方法，系统将会为在评人员输出两个评估结果，一个是完全由系统评估生成的，一个是在系统评估结果的基础上引入人工修正而得到的，自评单元110和人工访谈单元120分别输出第一系统评估结果和第二系统评估结果，一方面可为进一步的综合评估提供数据支持，另一方面也可反馈出二者的差异，从而辅助企业管理人员对于人工访谈结果的审核，例如，当第一系统评估结果与第二系统评估结果差距过大，或完全一致时，企业管理人员应对人工访谈过程进行审核，以保证整个评估过程的客观性。
在一实施中，为了实现关键词库和关键词识别模型的自更新，可基于人工修正内容对关键词库或关键词识别模型进行更新。具体而言，当完成在评人员的能力评估，并且企业管理人员已确认人工访谈过程无误后，系统可根据人工修正内容，对关键词库进行更新，包括对于已有关键词的修改、新增新的关键词，同时还可基于人工修正的内容提取出新的训练样本，当新的训练样本数据满足一定数量要求时，可基于新的训练样本对关键词识别模型进行再训练，从而提高模型的识别准确度。
更进一步的，还可根据人工修正的内容，确定被修正的覆盖情况是基于关键词库得到的，或是基于关键词识别模型得到的，以对应更新两者的准确度，例如，基于关键词库匹配得到履职关键词L出现的次数为0，但经过人工修正后，被出现次数调整为2，如此，可更新关键词库的准确度为下降1个单位值，如此可实现系统识别准确度的动态更新，可以理解的是，准确度的统计方式和对应的更新方法可根据需求进行选择，本申请并不以此为限。
如此以来，通过引入人工访谈过程，可在一定程度上避免因系统自动识别准确度不足而导致的评估结果不准确的问题，并且，由于在人工访谈过程中，访谈人员只需对自评单元110输入的覆盖情况进行确认和反馈，最终的评分过程还是由系统基于统一标准计算得出，从而避免了过多人为主观因素的介入，也在保证了评估结果的客观性和评分标准的统一性；同时，通过分别输出第一系统评估结果和第二系统评估结果，可便于企业管理人员对人工访谈过程的审核；更近一步地，基于人工修正内容对关键词库和关键词识别模型修正，可使得系统在应用过程中，同步实现自更新，自动提升系统识别准确度。
参照图5，本申请的实施例还提供了一种电子设备，包括至少一个处理器41；以及，与至少一个处理器41通信连接的存储器42；其中，存储器42存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器41执行，以使至少一个处理器41能够执行上述实施例所提供的基于关键词的履职能力评估方法。
本申请的另一实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述基于关键词的履职能力评估方法的实施方式。
本领域技术人员可以理解，实现上述实施方式方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本发明各个实施方式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-OnlyMemory)、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。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (10)
1.基于关键词的履职能力评估方法，其特征在于，所述方法包括：
获取在评人员的自我评价；
确定所述自我评价中履职关键词的覆盖情况；
根据所述覆盖情况确定出待确认关键词；
基于所述待确认关键词获取访谈问题并获取对应的问题答案；
基于所述问题答案确定所述待确认关键词的处理结果；
结合所述覆盖情况及所述处理结果，输出所述在评人员的第一系统评估结果。
2.如权利要求1所述的方法，其特征在于，所述确定所述自我评价中履职关键词的覆盖情况，包括：
从关键词库获取所述在评人员对应的至少一所述履职关键词及所述履职关键词对应的扩展词；
基于各所述履职关键词及所述扩展词对所述自我评价进行文本匹配，以得到所述履职关键词及所述扩展词出现的次数，作为所述覆盖情况。
3.如权利要求1所述的方法，其特征在于，所述确定所述自我评价中履职关键词的覆盖情况，包括：
基于预先训练的关键词识别模型，对所述自我评价进行识别，得到所述自我评价中所述履职关键词出现的第一次数，作为所述覆盖情况。
4.如权利要求3所述的方法，其特征在于，所述确定所述自我评价中履职关键词的覆盖情况，还包括：
从关键词库获取所述在评人员对应的至少一所述履职关键词及所述履职关键词对应的扩展词；
基于各所述履职关键词及所述扩展词对所述自我评价进行文本匹配，以得到所述履职关键词及所述扩展词出现的第二次数；
基于所述第一次数和所述第二次数，确定所述覆盖情况。
5.如权利要求1所述的方法，其特征在于，所述根据所述覆盖情况确定出待确认关键词，包括：
确定所述覆盖情况中，出现次数不满足预设条件的所述履职关键词为所述待确认关键词。
6.如权利要求1所述的方法，其特征在于，所述基于所述问题答案确定所述待确认关键词的处理结果，包括：
基于所述问题答案确定是否将所述待确认关键词进行修正；
若是，则记录所述处理结果为修正所述覆盖情况中所述待确认关键词出现的次数。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述处理结果和所述覆盖情况的人工修正内容；
基于所述人工修正内容对所述覆盖情况进行修正，并基于修正后的所述覆盖情况，生成第二系统评估结果。
8.如权利要求7所述的方法，其特征在于，所述方法还包括：
基于所述人工修正内容对关键词库或关键词识别模型进行更新。
9.一种电子设备，其特征在于，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指令，所述指令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8中任一项所述的履职能力评估方法。
10.一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权利要求1至8中任一项所述的履职能力评估方法方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211711501.1A CN115936530A (zh) | 2022-12-29 | 2022-12-29 | 基于关键词的履职能力评估方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211711501.1A CN115936530A (zh) | 2022-12-29 | 2022-12-29 | 基于关键词的履职能力评估方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115936530A true CN115936530A (zh) | 2023-04-07 |
Family
ID=86557586
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211711501.1A Pending CN115936530A (zh) | 2022-12-29 | 2022-12-29 | 基于关键词的履职能力评估方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115936530A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978339A (zh) * | 2019-02-27 | 2019-07-05 | 平安科技（深圳）有限公司 | Ai面试模型训练方法、装置、计算机设备及存储介质 |
| WO2020147238A1 (zh) * | 2019-01-18 | 2020-07-23 | 平安科技（深圳）有限公司 | 关键词的确定方法、自动评分方法、装置、设备及介质 |
| CN112184032A (zh) * | 2020-09-30 | 2021-01-05 | 广州思酷信息科技有限公司 | 一种用于对主观题进行智能评分的方法及系统 |
| CN113506050A (zh) * | 2021-09-10 | 2021-10-15 | 北京明略昭辉科技有限公司 | 员工绩效的评估方法、装置、电子设备及可读存储介质 |
| CN114418366A (zh) * | 2022-01-06 | 2022-04-29 | 北京博瑞彤芸科技股份有限公司 | 一种智能云面试的数据处理方法和装置 |
| CN114663067A (zh) * | 2022-04-08 | 2022-06-24 | 武汉开境元信息科技有限公司 | 一种职位匹配方法、系统、设备及介质 |
-
2022
- 2022-12-29 CN CN202211711501.1A patent/CN115936530A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020147238A1 (zh) * | 2019-01-18 | 2020-07-23 | 平安科技（深圳）有限公司 | 关键词的确定方法、自动评分方法、装置、设备及介质 |
| CN109978339A (zh) * | 2019-02-27 | 2019-07-05 | 平安科技（深圳）有限公司 | Ai面试模型训练方法、装置、计算机设备及存储介质 |
| CN112184032A (zh) * | 2020-09-30 | 2021-01-05 | 广州思酷信息科技有限公司 | 一种用于对主观题进行智能评分的方法及系统 |
| CN113506050A (zh) * | 2021-09-10 | 2021-10-15 | 北京明略昭辉科技有限公司 | 员工绩效的评估方法、装置、电子设备及可读存储介质 |
| CN114418366A (zh) * | 2022-01-06 | 2022-04-29 | 北京博瑞彤芸科技股份有限公司 | 一种智能云面试的数据处理方法和装置 |
| CN114663067A (zh) * | 2022-04-08 | 2022-06-24 | 武汉开境元信息科技有限公司 | 一种职位匹配方法、系统、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 杨锴;赵希男;周岩;: "独立董事履职优势特征识别及其评价研究", 运筹与管理, no. 02 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11328231B2 (en) | Method of matching employers with job seekers | |
| CN109829629B (zh) | 风险分析报告的生成方法、装置、计算机设备和存储介质 | |
| KR100919912B1 (ko) | 의미론적 지식의 평가, 교육, 및 습득을 위한 시스템 및방법 | |
| CN111833010A (zh) | 一种智能面试方法、系统、设备和存储介质 | |
| US20110055098A1 (en) | Automated employment information exchange and method for employment compatibility verification | |
| DE112015001306T5 (de) | Automatische Bewerbungsgespräch-Frageempfehlung und Bewerbungsgesprächs-Frageanalyse | |
| CN108960269B (zh) | 数据集的特征获取方法、装置及计算设备 | |
| CN110826320A (zh) | 一种基于文本识别的敏感数据发现方法及系统 | |
| CN110472209B (zh) | 基于深度学习的表格生成方法、装置和计算机设备 | |
| CN111445200A (zh) | 基于人工智能的面试方法、装置、计算机设备及存储介质 | |
| CN111339285B (zh) | 基于bp神经网络的企业简历筛选方法和系统 | |
| CN112784054A (zh) | 概念图处理装置、概念图处理方法和计算机可读介质 | |
| CN110738511A (zh) | 智能客服方法及装置 | |
| US20210081898A1 (en) | Human resource management system and method thereof | |
| CN115641101A (zh) | 一种智能化招聘的方法、装置及计算机可读介质 | |
| CN115063035A (zh) | 基于神经网络的客户评估方法、系统、设备及存储介质 | |
| CN115936530A (zh) | 基于关键词的履职能力评估方法及设备 | |
| US12099943B2 (en) | Method of matching employers with job seekers including emotion recognition | |
| CN110782119A (zh) | 基于人工智能的保险代理人甄选方法、装置及设备 | |
| Siraj et al. | Pre-selection of recruitment candidates using case based reasoning | |
| CN111798217B (zh) | 数据分析系统及方法 | |
| CN112528887B (zh) | 审核方法及装置 | |
| CN115392854A (zh) | 基于特征提取的试卷生成方法及装置 | |
| Elsaid et al. | Automatic framework for requirement analysis phase | |
| Ojo-Agbodu et al. | Effect of data gathering and analysis on decision making among micro, small and medium-sized enterprises |
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 |