[發明專利]一種基于深度神經網絡的后備干部推薦方法及系統

在審

• 申請號: 202011253505.0
• 申請日: 2020-11-11
• 公開（公告）號: CN112365159A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 鄭略省;莊莉;蘇江文;閆麗飛;張曉東
• 申請（專利權）人: 福建億榕信息技術有限公司;國網信息通信產業集團有限公司;國網信通億力科技有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/10
• 代理公司: 福州市鼓樓區京華專利事務所(普通合伙) 35212
• 代理人: 王牌

1.一種基于深度神經網絡的后備干部推薦方法，其特征在于：包括如下步驟：

步驟S10、獲取員工歷史評測資料，對所述員工歷史評測資料進行預處理；

步驟S20、對預處理后的所述員工歷史評測資料進行標注；

步驟S30、基于深度神經網絡創建一推薦模型，利用標注后的所述員工歷史評測資料對推薦模型進行訓練；

步驟S40、獲取最新的員工資料，將所述員工資料輸入訓練后的推薦模型進行后備干部的推薦。

2.如權利要求1所述的一種基于深度神經網絡的后備干部推薦方法，其特征在于：所述步驟S10具體為：

獲取至少包括綜合評價、個性特質評價、干部測評、民主評議以及時間的員工歷史評測資料，通過人工對所述員工歷史評測資料進行一致性檢查和修正的預處理。

3.如權利要求1所述的一種基于深度神經網絡的后備干部推薦方法，其特征在于：所述步驟S20具體為：

獲取被成功推薦的后備干部的推薦報告，基于所述推薦報告，利用正則表達式對預處理后的員工歷史評測資料進行快速標注，并通過人工對標注的數據進行核查修正。

4.如權利要求1所述的一種基于深度神經網絡的后備干部推薦方法，其特征在于：所述步驟S30具體包括：

步驟S31、基于深度神經網絡創建一推薦模型，將標注后的所述員工歷史評測資料劃分為訓練集和驗證集；

步驟S32、基于注意力機制以及時間，設定所述訓練集和驗證集中各樣本數據的權重；

步驟S33、利用所述訓練集對推薦模型進行訓練；

步驟S34、利用所述驗證集對訓練后的推薦模型進行驗證。

5.如權利要求1所述的一種基于深度神經網絡的后備干部推薦方法，其特征在于：所述步驟S40具體為：

獲取最新的至少包括綜合評價、個性特質評價、干部測評、民主評議以及時間的員工資料，將所述員工資料輸入訓練后的推薦模型進行計算，輸出后備干部推薦列表；所述后備干部推薦列表按受推薦程度進行排序。

6.一種基于深度神經網絡的后備干部推薦系統，其特征在于：包括如下模塊：

員工歷史評測資料獲取模塊，用于獲取員工歷史評測資料，對所述員工歷史評測資料進行預處理；

員工歷史評測資料標注模塊，用于對預處理后的所述員工歷史評測資料進行標注；

推薦模型訓練模塊，用于基于深度神經網絡創建一推薦模型，利用標注后的所述員工歷史評測資料對推薦模型進行訓練；

后備干部推薦模塊，用于獲取最新的員工資料，將所述員工資料輸入訓練后的推薦模型進行后備干部的推薦。

7.如權利要求6所述的一種基于深度神經網絡的后備干部推薦系統，其特征在于：所述員工歷史評測資料獲取模塊具體為：

獲取至少包括綜合評價、個性特質評價、干部測評、民主評議以及時間的員工歷史評測資料，通過人工對所述員工歷史評測資料進行一致性檢查和修正的預處理。

8.如權利要求6所述的一種基于深度神經網絡的后備干部推薦系統，其特征在于：所述員工歷史評測資料標注模塊具體為：

獲取被成功推薦的后備干部的推薦報告，基于所述推薦報告，利用正則表達式對預處理后的員工歷史評測資料進行快速標注，并通過人工對標注的數據進行核查修正。

9.如權利要求6所述的一種基于深度神經網絡的后備干部推薦系統，其特征在于：所述推薦模型訓練模塊具體包括：

推薦模型創建單元，用于基于深度神經網絡創建一推薦模型，將標注后的所述員工歷史評測資料劃分為訓練集和驗證集；

權重設定單元，用于基于注意力機制以及時間，設定所述訓練集和驗證集中各樣本數據的權重；

訓練單元，用于利用所述訓練集對推薦模型進行訓練；

驗證單元，用于利用所述驗證集對訓練后的推薦模型進行驗證。

10.如權利要求6所述的一種基于深度神經網絡的后備干部推薦系統，其特征在于：所述后備干部推薦模塊具體為：

獲取最新的至少包括綜合評價、個性特質評價、干部測評、民主評議以及時間的員工資料，將所述員工資料輸入訓練后的推薦模型進行計算，輸出后備干部推薦列表；所述后備干部推薦列表按受推薦程度進行排序。