CN116305026A - 一种基于大数据的人事信息智能分析系统及方法 - Google Patents

Abstract

本发明涉及人员信息分析技术领域，具体为一种基于大数据的人事信息智能分析系统及方法，包括用户端、服务终端、人信检搜单元、搜显监处单元、限制判定单元以及调整警示单元，本发明通过用户端对用户的账号进行登录验证，避免用户丢失账号导致系统内的信息泄露，从而增加个人账户以及系统的安全性，通过验证后的账号进行存储人员的信息查询，依据用户自身的权限对查询的数据进行等级划分，将自身权限与查询数据的等级进行匹配，从而进行信息的等级划分，增加高等级人员信息的安全性，依据用户的查询操作，不定时对用户的权限进行重新评估，依据评估结果进行权限变更，从而保障不同等级人员的安全性。

Description

一种基于大数据的人事信息智能分析系统及方法

技术领域

本发明涉及人员信息分析技术领域，具体为一种基于大数据的人事信息智能分析系统及方法。

背景技术

随着社会科技与网络时间的逐步发展，人们可以从网络上了解各种各样的知识，其中包括了许多知名人士的信息也可以通过网络进行查询，通过网络的查询介绍，从而了解不同人员的相关信息。

目前，对于网络上人员信息的查找只局限于在网络上进行编辑输入的人员，且其中很大一部分均是存在着大量人气的网络红人或具有突出贡献的人，且相关人员的数据仅限于一些基本数据，无法更深层次地了解更多数据，针对某些行业的从事人员，无法通过网络进行人员数据获取，从而导致数据的局限性，无法依据一个独立的数据库、系统或平台进行一个特定领域的人员查询，且无法对数据库内的人员进行等级划分，依据查询人员自身的权限，查询不同等级的人员信息。

发明内容

本发明的目的在于提供一种基于大数据的人事信息智能分析系统及方法，通过用户端对用户的账号进行登录验证，避免用户丢失账号导致系统内的信息泄露，从而增加个人账户以及系统的安全性，通过验证后的账号进行存储人员的信息查询，依据用户自身的权限对查询的数据进行等级划分，将自身权限与查询数据的等级进行匹配，从而进行信息的等级划分，增加高等级人员信息的安全性，依据用户的查询操作，不定时对用户的权限进行重新评估，依据评估结果进行权限变更，从而保障不同等级人员的安全性。

本发明的目的可以通过以下技术方案实现：一种基于大数据的人事信息智能分析系统，包括用户端、服务终端、人信检搜单元、搜显监处单元、限制判定单元以及调整警示单元；

且人信检搜单元、搜显监处单元、限制判定单元以及调整警示单元均设置在服务终端内。

所述用户端用于用户登录账户并进行账户登录以及验证，用户在用户端输入个人账户数据以及个人密码数据，并进行验证，得到验证成功信号，依据验证成功信号自动跳转至服务终端内的人信检搜单元；

所述人信检搜单元用于搜索用户信息，并依据用户信息进行用户搜索操作，得到检索数据组，检索数据组包括一层数据、二层数据、可浏览用户数据、禁止浏览用户数据、保密等级数据、注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据；

所述搜显监处单元用于对检索数据组进行显示监控处理操作，得到点击信令、关闭信令以及权限更新判定信号；

所述限制判定单元依据权限更新判定信号对用户的权限数据进行权限计算限制操作，得到权限评价值XB_p；

所述调整警示单元用于对权限评价值进行权限调整警示操作，得到权限变化提示信号。

进一步，所述用户端内部设置有登录单元以及验证单元，所述登录单元用于用户输入个人账户数据以及输入个人密码数据，并将个人账户数据以及个人密码数据传输至验证单元；

所述验证单元内部存储有记录账号数据以及对应的记录密码数据，将个人账户数据以及个人密码数据与记录账号数据以及对应的记录密码数据进行账号安全登录验证，得到验证成功信号；

对验证成功信号进行识别，当识别到验证成功信号时，自动跳转至服务终端内的人信检搜单元。

进一步，账号安全登录验证的具体过程为：

将个人账户数据与记录账号数据进行匹配，当未匹配到结果时，则判定用户的个人账号不存在，自动跳转至登录单元进行账号注册，当匹配到与个人账户数据相对应的记录账号数据时，则判定用户的个人账户存在，提取对应的记录密码数据；

将记录密码数据与个人密码数据进行匹配，当匹配结果不一致时，则判定账号密码错误，自动跳转至登录界面进行二次登录，当匹配结果一致时，则判定账号密码正确，生成验证成功信号。

进一步，用户搜索操作的具体操作过程为：

用户在人信检搜单元内的搜索界面输入搜索的用户名数据，人信检搜单元依据用户名数据进行用户名数据检索，将进行用户名数据检索后的用户名数据划分为可浏览用户数据以及禁止浏览用户数据，将禁止浏览用户数据进行信息分层，具体为：将禁止浏览用户数据的基本信息划分为一层数据，将用户名数据的详细信息划分为二层数据；

提取用户个人信息，用户个人信息包括注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据；

提取一层数据、二层数据、可浏览用户数据、禁止浏览用户数据以及禁止浏览用户数据对应的保密等级数据，并将其与注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据标定为检索数据组，将检索数据组传输至搜显监处单元。

进一步，基础信息包括姓名数据、年龄数据、籍贯数据、人才分类数据、人员画像数据、保密等级数据以及性别数据，所述保密等级数据指代用户名数据对应的信息所处的权限等级，人才分类数据指代用户名数据对应的分类，人员画像数据指代用户名数据对应的影像或图片；

详细信息包括经历数据、正面清单数据、负面清单数据以及单位数据，经历数据指代用户名数据从参加工作至今的职级履历，正面清单数据指代用户名数据所获得的荣誉、证书以及奖励数据，负面清单数据指代用户名数据所犯的过错以及受到的惩罚，单位数据指代用户名数据对应的工作单位；

注册时间数据表示为用户对应的账号注册时间点，登录次数据指代用户对应的登录次数，查询次数数据指代用户对应的查询信息的次数，权限数据指代用户对应的权限等级，越权次数指代用户超出个人权限进行数据查询的次数。

进一步，显示监控处理操作的具体操作过程为：

提取可浏览用户数据并进行信息显示，提取禁止浏览用户数据内的保密等级数据，并将保密等级数据与权限数据进行权限匹配，当保密等级数据大于权限数据时，则生成低权限信号，当保密等级数据小于等于权限数据时，则生成高权限信号；

识别低权限信号或高权限信号，当识别到高权限信号时，则将一层数据、二层数据共同显示，当识别到低权限信号时，则将一层数据进行显示，将二层数据进行点击验证显示，并生成点击查询提示信号；

当识别到点击查询提示信号时，则自动提取注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据，并依据注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据进行用户状况分析处理，得到登点次均差值、查点次均差值以及登查占比均值；

将时长影响赋值Sf_i、登点次均差值、查点次均差值以及登查占比均值代入到权限系数计算式计算出权限计算系数Xp；

将权限计算系数Xp与计算系数阈值M1进行比对，当Xp≥M1时，则生成允许查询信令，当Xp＜M1时，则生成禁止查询信令；

识别允许查询信令以及禁止查询信令，当识别到允许查询信令时，则将二层数据的点击验证显示标定为可展开数据，并生成点击信令，当识别到禁止查询信令时，则将二层数据的点击验证显示标定为不可展开数据，并生成关闭信令；

对点击信令以及关闭信令进行识别，用户依据点击信令进行用户名数据的浏览，并在浏览之后生成权限更新判定信号，将权限更新判定信号传输至限制判定单元，用户依据关闭信令进行可浏览用户数据以及禁止浏览用户数据的刷新。

进一步，用户状况分析处理的具体过程为：

提取注册时间数据，并将注册时间数据与当前时间点的时间点进行时差计算，计算出注册时长值，将注册时长值与时长阈值进行差值计算，计算出注册时长差值，将注册时长差值与时间阈值进行比对，当注册时长差值大于等于时间阈值时，则生成注长信号，当注册时长差值小于时间阈值时，则生成注短信号；

提取注长信号以及注短信号并进行时长赋值标定，将注长信号以及注短信号统一标定为时长影响赋值Sf_i，i＝1,2；

提取登录次数数据，并依据登录次数数据进行登录时间点采集，将采集到的用户登录的时间点标定为登点数据，设定若干个时间段，且若干个时间段内的时间长短相同，将登点数据与若干个时间段进行匹配，匹配出若干个时间段内每个时间段内的登点数据，并将每个时间段内的登点数据进行次数统计，将统计出的每个时间段内的登点数据的次数标定为登点次数据，将若干个时间段内的登点次数据进行均值计算，计算出登点次均值，将登点次均值分别与若干个时间段内的登点次数据进行差值计算，计算出若干个登点次差值，将若干个登点次差值进行均值计算，计算出登点次均差值；

提取查询次数数据，依据登点次均差值的计算方式计算出查点次均差值；

将若干个时间段内的登点次数据分别与对应时间段内的查点次数据进行占比计算，计算出若干个登查占比值，将若干个登查占比值进行均值计算，计算出登查占比均值。

进一步，权限系数计算式为：

其中，Xp表示为权限计算系数，Sf_i表示为时长影响赋值，u1表示为时长影响赋值的预设转化因子，Dc表示为登点次均差值，u2表示为登点次均差值的预设转化因子，Cz表示为查点次均差值，u3表示为查点次均差值的预设转化因子，Dz表示为登查占比均值，u4表示为登查占比均值的预设转化因子，Yc表示为越权次数据，u5表示为越权次数据的预设转化因子，λ表示为权限计算系数的转化偏差纠正因子。

进一步，权限计算限制操作的具体操作过程为：

获取用户对应的权变信息，将权变信息划分为限化数据、限时数据、限审次数以及限通次数；

提取限化数据以及限时数据，将第一次限化数据对应的限时数据与最后一次限化数据对应的限时数据进行差值计算，计算出限时差值，将限时差值等分为若干个时间段，将对应的若干个时间段标定为时段数据，提取每个时段数据内对应的限化数据，将时段数据内对应的若干个限化数据进行相邻两个限化数据的差值计算，将后一个限化数据减去前一个限化数据，计算出若干个限化差值，将若干个限化差值进行求和计算，计算出限化总值，依据限化总值的计算方式，计算出每个时段数据中的限化总值，将每个时段数据中的相邻的限化总值进行两两差值计算，计算出若干个限化总差值；

将若干个限化总差值进行信号转化权限评价处理，得到权限评价值XB_p；

将权限评价值XB_p传输至调整警示单元；

限化数据表示为权变信息内权限数据的变化，限时数据表示为权变信息内限化数据对应的时间点，限审次数表示为权变信息内权限变化的申请次数，限通次数表示为权变信息内权限变化申请通过的次数。

进一步，信号转化权限评价处理的具体过程为：

将若干个限化总差值进行正负值标记，将限化总差值小于零的限化总差值标定为负向差值，将限化总差值大于等于零的限化总差值标定为正向差值，将若干个限化总差值对应的正向差值、负向差值进行依次排序，从而得到正负排序数据；

对正负排序数据进行识别判定，当正负排序数据均为负向差值时，则生成增长信号，当正负排序数据均为正向差值时，则生成下降信号，当正负排序数据中负向差值和正向差值同时出现时，则生成波动信号；

对增长信号、下降信号以及波动信号进行赋值标记为权限变化赋值Bh_v，v＝1,2,3；

提取时段数据内对应的限审次数以及限通次数，将限通次数与限审次数进行比值计算，计算出限通占比值，将每个时段数据内的相邻限通占比值两两进行差值计算，计算出若干个限通占比差值，将若干个限通占比差值进行均值计算，计算出限通占比均差值，将限通占比均差值与若干个限通占比差值进行差值计算，计算出若干个限比差值，将若干个限比差值进行均值计算，计算出限比浮动值；

依据公式：

计算出权限评价值XB_p，Xt_p表示为限通占比均差值，h1表示为权限变化状况的权重系数，Xf_p表示为限比浮动值，h2表示为权限变化赋值的权重系数，g l表示为权限评价值的偏差调节因子。

进一步，权限调整警示操作的具体操作过程为：

提取权限评价值XB_p，并将其与权限评价阈值进行差值计算，计算出权限评价差值FM1，将权限评价差值FM1与评价差值阈值KM1进行比对，当FM1≥KM1时，则生成提升权限信号，当FM1＜KM1时，则生成权限保持信号；

当识别到提升权限信号时，则对用户的权限进行提升，并生成权限变化提示信号，当识别到权限保持信号时，则不对用户进行权限提升，保持权限等级不变。

一种基于大数据的人事信息智能分析方法，该方法具体包括下述步骤：

步骤1：通过用户端登录用户账户并进行账户登录以及验证，用户在用户端输入个人账户数据以及个人密码数据，并进行验证，得到验证成功信号，依据验证成功信号自动跳转至服务终端内的人信检搜单元；

步骤2：通过人信检搜单元用于搜索用户信息，并依据用户信息进行用户搜索操作，得到检索数据组；

步骤3：通过搜显监处单元对检索数据组进行显示监控处理操作，得到点击信令、关闭信令以及权限更新判定信号；

步骤4：通过限制判定单元获取权限更新判定信号，并对用户的权限数据进行权限计算限制操作，得到权限评价值XB_p；

步骤5：通过调整警示单元用于对权限评价值进行权限调整警示操作，得到权限变化提示信号。

本发明的有益效果：

本发明通过用户端对用户的账号进行登录验证，避免用户丢失账号导致系统内的信息泄露，从而增加个人账户以及系统的安全性，通过验证后的账号进行存储人员的信息查询，依据用户自身的权限对查询的数据进行等级划分，将自身权限与查询数据的等级进行匹配，从而进行信息的等级划分，增加高等级人员信息的安全性，依据用户的查询操作，不定时对用户的权限进行重新评估，依据评估结果进行权限变更，从而保障不同等级人员的安全性。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种基于大数据的人事信息智能分析系统，包括用户端、服务终端、人信检搜单元、搜显监处单元、限制判定单元以及调整警示单元；

所述用户端用于用户登录账户并进行账户登录以及验证，所述用户端内部设置有登录单元以及验证单元，所述登录单元用于用户输入个人账户数据，并输入个人密码数据，并将个人账户数据以及个人密码数据传输至验证单元；

所述验证单元内部存储有记录账号数据以及对应的记录密码数据，将个人账户数据以及个人密码数据与记录账号数据以及对应的记录密码数据进行账号安全登录验证，具体为：

将个人账户数据与记录账号数据进行匹配，当未匹配到结果时，则判定用户的个人账号不存在，自动跳转至登录单元进行账号注册，当匹配到与个人账户数据相对应的记录账号数据时，则判定用户的个人账户存在，提取对应的记录密码数据，将记录密码数据与个人密码数据进行匹配，当匹配结果不一致时，则判定账号密码错误，自动跳转至登录界面进行二次登录，当匹配结果一致时，则判定账号密码正确，生成验证成功信号；

对验证成功信号进行识别，当识别到验证成功信号时，自动跳转至服务终端内的人信检搜单元；

所述人信检搜单元用于用户搜索用户信息，并依据用户信息进行用户搜索操作，用户搜索操作的具体操作过程为：

用户在人信检搜单元内的搜索界面输入搜索的用户名数据，人信检搜单元依据用户名数据进行用户名数据检索，将进行用户名数据检索后的用户名数据划分为可浏览用户数据以及禁止浏览用户数据，将禁止浏览用户数据进行信息分层，具体为：将禁止浏览用户数据的基本信息划分为一层数据，将用户名数据的详细信息划分为二层数据，一层数据可直接浏览，二层数据为权限判定浏览；

基础信息包括姓名数据、年龄数据、籍贯数据、人才分类数据、人员画像数据、保密等级数据以及性别数据，所述保密等级数据指代用户名数据对应的信息所处的权限等级，人才分类数据指代用户名数据对应的分类，人员画像数据指代用户名数据对应的影像或图片，详细信息包括经历数据、正面清单数据、负面清单数据以及单位数据，经历数据指代用户名数据从参加工作至今的职级履历，正面清单数据指代用户名数据所获得的荣誉、证书以及奖励数据，负面清单数据指代用户名数据所犯的过错以及受到的惩罚，单位数据指代用户名数据对应的工作单位；

提取用户个人信息，用户个人信息包括注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据，注册时间数据表示为用户对应的账号注册时间点，登录次数据指代用户对应的登录次数，查询次数数据指代用户对应的查询信息的次数，权限数据指代用户对应的权限等级，越权次数指代用户超出个人权限进行数据查询的次数；

提取一层数据、二层数据、可浏览用户数据、禁止浏览用户数据以及禁止浏览用户数据对应的保密等级数据，并将其与注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据一同传输至搜显监处单元；

所述搜显监处单元用于对注册时间数据、登录次数数据、查询次数数据、权限数据、越权次数据、可浏览用户数据、禁止浏览用户数据以及禁止浏览用户数据对应的保密等级数据进行显示监控处理操作，显示监控处理操作的具体操作过程为：

提取可浏览用户数据，将可浏览用户数据进行信息显示；

提取禁止浏览用户数据内的保密等级数据，并将保密等级数据与权限数据进行权限匹配，当保密等级数据大于权限数据时，则判定用户权限低，生成低权限信号，当保密等级数据小于等于权限数据时，则判定用户权限高，生成高权限信号；

提取低权限信号或高权限信号并进行信号识别，当识别到高权限信号时，则将一层数据、二层数据共同显示，当识别到低权限信号时，则将一层数据进行显示，将二层数据进行点击验证显示，并生成点击查询提示信号；

当识别到点击查询提示信号时，则自动提取注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据，并依据注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据进行用户状况分析处理，具体为：

提取注册时间数据，并将注册时间数据与当前时间点的时间点进行时差计算，计算出注册时长值，将注册时长值与时长阈值进行差值计算，计算出注册时长差值，将注册时长差值与时间阈值进行比对，当注册时长差值大于等于时间阈值时，则判定用户注册时间合格，生成注长信号，当注册时长差值小于时间阈值时，则判定用户注册时间不合格，生成注短信号，其中，时长阈值与时间阈值均为预设值；

提取注长信号以及注短信号并进行时长赋值标定，将注长信号以及注短信号统一标定为时长影响赋值Sf_i，i＝1,2；当i＝1时，时长影响赋值为Sf₁，当i＝2时，时长影响赋值为Sf₂；

提取登录次数数据，并依据登录次数数据进行登录时间点采集，将采集到的用户登录的时间点标定为登点数据，设定若干个时间段，且若干个时间段内的时间长短相同，将登点数据与若干个时间段进行匹配，匹配出若干个时间段内每个时间段内的登点数据，并将每个时间段内的登点数据进行次数统计，将统计出的每个时间段内的登点数据的次数标定为登点次数据，将若干个时间段内的登点次数据进行均值计算，计算出登点次均值，将登点次均值分别与若干个时间段内的登点次数据进行差值计算，计算出若干个登点次差值，将若干个登点次差值进行均值计算，计算出登点次均差值；

提取查询次数数据，并依据查询次数数据进行查询时间点采集，将采集到的用户查询的时间点标定为查点数据，设定若干个时间段，且若干个时间段内的时间长短相同，将查点数据与若干个时间段进行匹配，匹配出若干个时间段内每个时间段内的登点数据，并将每个时间段内的查点数据进行次数统计，将统计出的每个时间段内的查点数据的次数标定为查点次数据，将若干个时间段内的查点次数据进行均值计算，计算出查点次均值，将查点次均值分别与若干个时间段内的查点次数据进行差值计算，计算出若干个查点次差值，将若干个查点次差值进行均值计算，计算出查点次均差值；

将若干个时间段内的登点次数据分别与对应时间段内的查点次数据进行占比计算，计算出若干个登查占比值，将若干个登查占比值进行均值计算，计算出登查占比均值；

将时长影响赋值Sf_i、登点次均差值、查点次均差值以及登查占比均值代入到计算式：

计算出权限计算系数Xp，Sf_i表示为时长影响赋值，u1表示为时长影响赋值的预设转化因子，Dc表示为登点次均差值，u2表示为登点次均差值的预设转化因子，Cz表示为查点次均差值，u3表示为查点次均差值的预设转化因子，Dz表示为登查占比均值，u4表示为登查占比均值的预设转化因子，Yc表示为越权次数据，u5表示为越权次数据的预设转化因子，λ表示为权限计算系数的转化偏差纠正因子；

将权限计算系数Xp与计算系数阈值M1进行比对，当权限计算系数大于等于计算系数阈值时，则判定用户的可信度高，生成允许查询信令，当权限计算系数小于计算系数阈值时，则判定用户的可信度低，生成禁止查询信令；

对允许查询信令以及禁止查询信令进行识别，当识别到允许查询信令时，则将二层数据的点击验证显示标定为可展开数据，并生成点击信令，当识别到禁止查询信令时，则将二层数据的点击验证显示标定为不可展开数据，并生成关闭信令；

对点击信令以及关闭信令进行识别，用户依据点击信令进行用户名数据的浏览，并在浏览之后生成权限更新判定信号，将权限更新判定信号传输至限制判定单元，用户依据关闭信令进行可浏览用户数据以及禁止浏览用户数据的刷新；

所述限制判定单元依据权限更新判定信号对用户的权限数据进行权限变化数据采集，将采集后的数据标定为权变信息，依据权变信息进行权限计算限制操作，权限计算限制操作的具体操作过程为：

获取用户对应的权变信息，将权变信息内权限数据的变化标定为限化数据，将权变信息内限化数据对应的时间点标定为限时数据，将权变信息内权限变化的申请次数标定为限审次数，将权变信息内权限变化申请通过的次数标定为限通次数；

提取限化数据以及限时数据，将第一次限化数据对应的限时数据与最后一次限化数据对应的限时数据进行差值计算，计算出限时差值，将限时差值等分为若干个时间段，将对应的若干个时间段标定为时段数据，提取每个时段数据内对应的限化数据，将时段数据内对应的若干个限化数据进行相邻两个限化数据的差值计算，将后一个限化数据减去前一个限化数据，计算出若干个限化差值，将若干个限化差值进行求和计算，计算出限化总值，依据限化总值的计算方式，计算出每个时段数据中的限化总值，将每个时段数据中的相邻的限化总值进行两两差值计算，计算出若干个限化总差值；

将若干个限化总差值进行正负值标记，将限化总差值小于零的限化总差值标定为负向差值，将限化总差值大于等于零的限化总差值标定为正向差值，将若干个限化总差值对应的正向差值、负向差值进行依次排序，从而得到正负排序数据，对正负排序数据进行识别判定，当正负排序数据均为负向差值时，则判定每个时段数据内的权限均呈增长状态，生成增长信号，当正负排序数据均为正向差值时，则判定每个时段数据内的权限均呈下降状态，生成下降信号，当正负排序数据中负向差值和正向差值同时出现时，则判定每个时段数据内的权限呈波动状态，生成波动信号；

对增长信号、下降信号以及波动信号进行赋值标记为权限变化赋值Bh_v，v＝1,2,3；

提取时段数据内对应的限审次数以及限通次数，将限通次数与限审次数进行比值计算，计算出限通占比值，将每个时段数据内的相邻限通占比值两两进行差值计算，计算出若干个限通占比差值，将若干个限通占比差值进行均值计算，计算出限通占比均差值，将限通占比均差值与若干个限通占比差值进行差值计算，计算出若干个限比差值，将若干个限比差值进行均值计算，计算出限比浮动值；

将限通占比均差值、限比浮动值以及权限变化赋值代入计算式：

计算出权限评价值XB_p，Xt_p表示为限通占比均差值，h1表示为权限变化状况的权重系数，Xf_p表示为限比浮动值，h2表示为权限变化赋值的权重系数，Bh_v表示为权限变化赋值，gl表示为权限评价值的偏差调节因子；

将权限评价值XB_p传输至调整警示单元；

所述调整警示单元用于对权限评价值XB_p进行权限调整警示操作，权限调整警示操作的具体操作过程为：

提取权限评价值XB_p，并将其与权限评价阈值进行差值计算，计算出权限评价差值FM1，将权限评价差值FM1与评价差值阈值KM1进行比对，当权限评价差值大于等于评价差值阈值时，则判定该用户的权限等级达到提升条件，生成提升权限信号，当权限评价差值小于评价差值阈值时，则判定该用户的权限等级未达到提升条件，生成权限保持信号；

对提升权限信号以及权限保持信号进行识别，当识别到提升权限信号时，则对用户的权限进行提升，并生成权限变化提示信号，当识别到权限保持信号时，则不对用户进行权限提升，保持权限等级不变。

一种基于大数据的人事信息智能分析方法，该方法具体包括下述步骤：

步骤1：通过用户端登录用户账户并进行账户登录以及验证，用户在用户端输入个人账户数据以及个人密码数据，并进行验证，得到验证成功信号，依据验证成功信号自动跳转至服务终端内的人信检搜单元；

步骤2：通过人信检搜单元用于搜索用户信息，并依据用户信息进行用户搜索操作，得到检索数据组；

步骤3：通过搜显监处单元对检索数据组进行显示监控处理操作，得到点击信令、关闭信令以及权限更新判定信号；

步骤4：通过限制判定单元获取权限更新判定信号，并对用户的权限数据进行权限计算限制操作，得到权限评价值XB_p；

步骤5：通过调整警示单元用于对权限评价值进行权限调整警示操作，得到权限变化提示信号。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于大数据的人事信息智能分析系统，其特征在于，包括用户端、服务终端、人信检搜单元、搜显监处单元、限制判定单元以及调整警示单元；

所述用户端用于用户登录账户并进行账户登录以及验证，用户在用户端输入个人账户数据以及个人密码数据，并进行验证，得到验证成功信号，依据验证成功信号自动跳转至服务终端内的人信检搜单元；

所述人信检搜单元用于搜索用户信息，并依据用户信息进行用户搜索操作，得到检索数据组，检索数据组包括一层数据、二层数据、可浏览用户数据、禁止浏览用户数据、保密等级数据、注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据；

所述搜显监处单元用于对检索数据组进行显示监控处理操作，得到点击信令、关闭信令以及权限更新判定信号；

所述限制判定单元依据权限更新判定信号对用户的权限数据进行权限计算限制操作，得到权限评价值XB_p；

所述调整警示单元用于对权限评价值进行权限调整警示操作，得到权限变化提示信号。

2.根据权利要求1所述的一种基于大数据的人事信息智能分析系统，其特征在于，用户搜索操作的具体操作过程为：

用户在人信检搜单元内的搜索界面输入搜索的用户名数据，人信检搜单元依据用户名数据进行用户名数据检索，将进行用户名数据检索后的用户名数据划分为可浏览用户数据以及禁止浏览用户数据，将禁止浏览用户数据进行信息分层，具体为：将禁止浏览用户数据的基本信息划分为一层数据，将用户名数据的详细信息划分为二层数据；

提取用户个人信息，用户个人信息包括注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据；

提取一层数据、二层数据、可浏览用户数据、禁止浏览用户数据以及禁止浏览用户数据对应的保密等级数据，并将其与注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据标定为检索数据组，将检索数据组传输至搜显监处单元。

3.根据权利要求2所述的一种基于大数据的人事信息智能分析系统，其特征在于，基础信息包括姓名数据、年龄数据、籍贯数据、人才分类数据、人员画像数据、保密等级数据以及性别数据，所述保密等级数据指代用户名数据对应的信息所处的权限等级，人才分类数据指代用户名数据对应的分类，人员画像数据指代用户名数据对应的影像或图片；

详细信息包括经历数据、正面清单数据、负面清单数据以及单位数据，经历数据指代用户名数据从参加工作至今的职级履历，正面清单数据指代用户名数据所获得的荣誉、证书以及奖励数据，负面清单数据指代用户名数据所犯的过错以及受到的惩罚，单位数据指代用户名数据对应的工作单位；

注册时间数据表示为用户对应的账号注册时间点，登录次数据指代用户对应的登录次数，查询次数数据指代用户对应的查询信息的次数，权限数据指代用户对应的权限等级，越权次数指代用户超出个人权限进行数据查询的次数。

4.根据权利要求3所述的一种基于大数据的人事信息智能分析系统，其特征在于，显示监控处理操作的具体操作过程为：

提取可浏览用户数据并进行信息显示，提取禁止浏览用户数据内的保密等级数据，并将保密等级数据与权限数据进行权限匹配，当保密等级数据大于权限数据时，则生成低权限信号，当保密等级数据小于等于权限数据时，则生成高权限信号；

识别低权限信号或高权限信号，当识别到高权限信号时，则将一层数据、二层数据共同显示，当识别到低权限信号时，则将一层数据进行显示，将二层数据进行点击验证显示，并生成点击查询提示信号；

当识别到点击查询提示信号时，则自动提取注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据，并依据注册时间数据、登录次数数据、查询次数数据、权限数据以及越权次数据进行用户状况分析处理，得到登点次均差值、查点次均差值以及登查占比均值；

将时长影响赋值Sf_i、登点次均差值、查点次均差值以及登查占比均值代入到权限系数计算式计算出权限计算系数Xp；

将权限计算系数Xp与计算系数阈值M1进行比对，当Xp≥M1时，则生成允许查询信令，当Xp＜M1时，则生成禁止查询信令；

识别允许查询信令以及禁止查询信令，当识别到允许查询信令时，则将二层数据的点击验证显示标定为可展开数据，并生成点击信令，当识别到禁止查询信令时，则将二层数据的点击验证显示标定为不可展开数据，并生成关闭信令；

对点击信令以及关闭信令进行识别，用户依据点击信令进行用户名数据的浏览，并在浏览之后生成权限更新判定信号，将权限更新判定信号传输至限制判定单元，用户依据关闭信令进行可浏览用户数据以及禁止浏览用户数据的刷新。

5.根据权利要求4所述的一种基于大数据的人事信息智能分析系统，其特征在于，用户状况分析处理的具体过程为：

提取注册时间数据，并将注册时间数据与当前时间点的时间点进行时差计算，计算出注册时长值，将注册时长值与时长阈值进行差值计算，计算出注册时长差值，将注册时长差值与时间阈值进行比对，当注册时长差值大于等于时间阈值时，则生成注长信号，当注册时长差值小于时间阈值时，则生成注短信号；

提取注长信号以及注短信号并进行时长赋值标定，将注长信号以及注短信号统一标定为时长影响赋值Sf_i，i＝1,2；

提取登录次数数据，并依据登录次数数据进行登录时间点采集，将采集到的用户登录的时间点标定为登点数据，设定若干个时间段，且若干个时间段内的时间长短相同，将登点数据与若干个时间段进行匹配，匹配出若干个时间段内每个时间段内的登点数据，并将每个时间段内的登点数据进行次数统计，将统计出的每个时间段内的登点数据的次数标定为登点次数据，将若干个时间段内的登点次数据进行均值计算，计算出登点次均值，将登点次均值分别与若干个时间段内的登点次数据进行差值计算，计算出若干个登点次差值，将若干个登点次差值进行均值计算，计算出登点次均差值；

提取查询次数数据，依据登点次均差值的计算方式计算出查点次均差值；

将若干个时间段内的登点次数据分别与对应时间段内的查点次数据进行占比计算，计算出若干个登查占比值，将若干个登查占比值进行均值计算，计算出登查占比均值。

6.根据权利要求5所述的一种基于大数据的人事信息智能分析系统，其特征在于，权限系数计算式为：

其中，Xp表示为权限计算系数，Sf_i表示为时长影响赋值，u1表示为时长影响赋值的预设转化因子，Dc表示为登点次均差值，u2表示为登点次均差值的预设转化因子，Cz表示为查点次均差值，u3表示为查点次均差值的预设转化因子，Dz表示为登查占比均值，u4表示为登查占比均值的预设转化因子，Yc表示为越权次数据，u5表示为越权次数据的预设转化因子，λ表示为权限计算系数的转化偏差纠正因子。

7.根据权利要求6所述的一种基于大数据的人事信息智能分析系统，其特征在于，权限计算限制操作的具体操作过程为：

获取用户对应的权变信息，将权变信息划分为限化数据、限时数据、限审次数以及限通次数；

提取限化数据以及限时数据，将第一次限化数据对应的限时数据与最后一次限化数据对应的限时数据进行差值计算，计算出限时差值，将限时差值等分为若干个时间段，将对应的若干个时间段标定为时段数据，提取每个时段数据内对应的限化数据，将时段数据内对应的若干个限化数据进行相邻两个限化数据的差值计算，将后一个限化数据减去前一个限化数据，计算出若干个限化差值，将若干个限化差值进行求和计算，计算出限化总值，依据限化总值的计算方式，计算出每个时段数据中的限化总值，将每个时段数据中的相邻的限化总值进行两两差值计算，计算出若干个限化总差值；

将若干个限化总差值进行信号转化权限评价处理，得到权限评价值XB_p；

将权限评价值XB_p传输至调整警示单元；

限化数据表示为权变信息内权限数据的变化，限时数据表示为权变信息内限化数据对应的时间点，限审次数表示为权变信息内权限变化的申请次数，限通次数表示为权变信息内权限变化申请通过的次数。

8.根据权利要求7所述的一种基于大数据的人事信息智能分析系统，其特征在于，信号转化权限评价处理的具体过程为：

将若干个限化总差值进行正负值标记，将限化总差值小于零的限化总差值标定为负向差值，将限化总差值大于等于零的限化总差值标定为正向差值，将若干个限化总差值对应的正向差值、负向差值进行依次排序，从而得到正负排序数据；

对正负排序数据进行识别判定，当正负排序数据均为负向差值时，则生成增长信号，当正负排序数据均为正向差值时，则生成下降信号，当正负排序数据中负向差值和正向差值同时出现时，则生成波动信号；

对增长信号、下降信号以及波动信号进行赋值标记为权限变化赋值Bh_v，v＝1,2,3；

提取时段数据内对应的限审次数以及限通次数，将限通次数与限审次数进行比值计算，计算出限通占比值，将每个时段数据内的相邻限通占比值两两进行差值计算，计算出若干个限通占比差值，将若干个限通占比差值进行均值计算，计算出限通占比均差值，将限通占比均差值与若干个限通占比差值进行差值计算，计算出若干个限比差值，将若干个限比差值进行均值计算，计算出限比浮动值；

依据公式：

计算出权限评价值XB_p，Xt_p表示为限通占比均差值，h1表示为权限变化状况的权重系数，Xf_p表示为限比浮动值，h2表示为权限变化赋值的权重系数，gl表示为权限评价值的偏差调节因子。

9.根据权利要求8所述的一种基于大数据的人事信息智能分析系统，其特征在于，权限调整警示操作的具体操作过程为：

提取权限评价值XB_p，并将其与权限评价阈值进行差值计算，计算出权限评价差值FM1，将权限评价差值FM1与评价差值阈值KM1进行比对，当FM1≥KM1时，则生成提升权限信号，当FM1＜KM1时，则生成权限保持信号；

当识别到提升权限信号时，则对用户的权限进行提升，并生成权限变化提示信号，当识别到权限保持信号时，则不对用户进行权限提升，保持权限等级不变。

10.根据权利要求1所述的一种基于大数据的人事信息智能分析方法，其特征在于，该方法具体包括下述步骤：

步骤1：通过用户端登录用户账户并进行账户登录以及验证，用户在用户端输入个人账户数据以及个人密码数据，并进行验证，得到验证成功信号，依据验证成功信号自动跳转至服务终端内的人信检搜单元；

步骤2：通过人信检搜单元用于搜索用户信息，并依据用户信息进行用户搜索操作，得到检索数据组；

步骤3：通过搜显监处单元对检索数据组进行显示监控处理操作，得到点击信令、关闭信令以及权限更新判定信号；

步骤4：通过限制判定单元获取权限更新判定信号，并对用户的权限数据进行权限计算限制操作，得到权限评价值XB_p；

步骤5：通过调整警示单元用于对权限评价值进行权限调整警示操作，得到权限变化提示信号。

Images