[發(fā)明專(zhuān)利]一種基于深度神經(jīng)網(wǎng)絡(luò)的后備干部推薦方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011253505.0
• 申請(qǐng)日: 2020-11-11
• 公開(kāi)（公告）號(hào): CN112365159A
• 公開(kāi)（公告）日: 2021-02-12
• 發(fā)明（設(shè)計(jì)）人: 鄭略省;莊莉;蘇江文;閆麗飛;張曉東
• 申請(qǐng)（專(zhuān)利權(quán)）人: 福建億榕信息技術(shù)有限公司;國(guó)網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司;國(guó)網(wǎng)信通億力科技有限責(zé)任公司
• 主分類(lèi)號(hào): G06Q10/06
• 分類(lèi)號(hào): G06Q10/06;G06Q10/10
• 代理公司: 福州市鼓樓區(qū)京華專(zhuān)利事務(wù)所(普通合伙) 35212
• 代理人: 王牌

本發(fā)明提供了計(jì)算機(jī)技術(shù)領(lǐng)域的一種基于深度神經(jīng)網(wǎng)絡(luò)的后備干部推薦方法及系統(tǒng)，方法包括如下步驟：步驟S10、獲取員工歷史評(píng)測(cè)資料，對(duì)所述員工歷史評(píng)測(cè)資料進(jìn)行預(yù)處理；步驟S20、對(duì)預(yù)處理后的所述員工歷史評(píng)測(cè)資料進(jìn)行標(biāo)注；步驟S30、基于深度神經(jīng)網(wǎng)絡(luò)創(chuàng)建一推薦模型，利用標(biāo)注后的所述員工歷史評(píng)測(cè)資料對(duì)推薦模型進(jìn)行訓(xùn)練；步驟S40、獲取最新的員工資料，將所述員工資料輸入訓(xùn)練后的推薦模型進(jìn)行后備干部的推薦。本發(fā)明的優(yōu)點(diǎn)在于：極大的提升了后備干部的推薦質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別指一種基于深度神經(jīng)網(wǎng)絡(luò)的后備干部推薦方法及系統(tǒng)。

背景技術(shù)

后備干部是擬提拔到上一級(jí)領(lǐng)導(dǎo)班子擔(dān)任領(lǐng)導(dǎo)職務(wù)或擬提拔到上一級(jí)(或更高層次)領(lǐng)導(dǎo)崗位的預(yù)備人選。傳統(tǒng)上后備干部的推薦均是直接領(lǐng)導(dǎo)或者同事依據(jù)該員工平時(shí)的工作表現(xiàn)進(jìn)行推薦，無(wú)法對(duì)該員工進(jìn)行全面的評(píng)估，且各后備干部之間也不好橫向?qū)Ρ龋瑢?dǎo)致推薦的后備干部往往不是最優(yōu)選擇，導(dǎo)致后期往往無(wú)法勝任新職務(wù)。而現(xiàn)有技術(shù)中，并沒(méi)有智能推薦后備干部的相關(guān)方法。

因此，如何提供一種基于深度神經(jīng)網(wǎng)絡(luò)的后備干部推薦方法及系統(tǒng)，實(shí)現(xiàn)提升后備干部的推薦質(zhì)量，成為一個(gè)亟待解決的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題，在于提供一種基于深度神經(jīng)網(wǎng)絡(luò)的后備干部推薦方法及系統(tǒng)，實(shí)現(xiàn)提升后備干部的推薦質(zhì)量。

第一方面，本發(fā)明提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的后備干部推薦方法，包括如下步驟：

步驟S10、獲取員工歷史評(píng)測(cè)資料，對(duì)所述員工歷史評(píng)測(cè)資料進(jìn)行預(yù)處理；

步驟S20、對(duì)預(yù)處理后的所述員工歷史評(píng)測(cè)資料進(jìn)行標(biāo)注；

步驟S30、基于深度神經(jīng)網(wǎng)絡(luò)創(chuàng)建一推薦模型，利用標(biāo)注后的所述員工歷史評(píng)測(cè)資料對(duì)推薦模型進(jìn)行訓(xùn)練；

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

進(jìn)一步地，所述步驟S10具體為：

獲取至少包括綜合評(píng)價(jià)、個(gè)性特質(zhì)評(píng)價(jià)、干部測(cè)評(píng)、民主評(píng)議以及時(shí)間的員工歷史評(píng)測(cè)資料，通過(guò)人工對(duì)所述員工歷史評(píng)測(cè)資料進(jìn)行一致性檢查和修正的預(yù)處理。

進(jìn)一步地，所述步驟S20具體為：

獲取被成功推薦的后備干部的推薦報(bào)告，基于所述推薦報(bào)告，利用正則表達(dá)式對(duì)預(yù)處理后的員工歷史評(píng)測(cè)資料進(jìn)行快速標(biāo)注，并通過(guò)人工對(duì)標(biāo)注的數(shù)據(jù)進(jìn)行核查修正。

進(jìn)一步地，所述步驟S30具體包括：

步驟S31、基于深度神經(jīng)網(wǎng)絡(luò)創(chuàng)建一推薦模型，將標(biāo)注后的所述員工歷史評(píng)測(cè)資料劃分為訓(xùn)練集和驗(yàn)證集；

步驟S32、基于注意力機(jī)制以及時(shí)間，設(shè)定所述訓(xùn)練集和驗(yàn)證集中各樣本數(shù)據(jù)的權(quán)重；

步驟S33、利用所述訓(xùn)練集對(duì)推薦模型進(jìn)行訓(xùn)練；

步驟S34、利用所述驗(yàn)證集對(duì)訓(xùn)練后的推薦模型進(jìn)行驗(yàn)證。

進(jìn)一步地，所述步驟S40具體為：

獲取最新的至少包括綜合評(píng)價(jià)、個(gè)性特質(zhì)評(píng)價(jià)、干部測(cè)評(píng)、民主評(píng)議以及時(shí)間的員工資料，將所述員工資料輸入訓(xùn)練后的推薦模型進(jìn)行計(jì)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(jìn)行排序。

第二方面，本發(fā)明提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的后備干部推薦系統(tǒng)，包括如下模塊：

員工歷史評(píng)測(cè)資料獲取模塊，用于獲取員工歷史評(píng)測(cè)資料，對(duì)所述員工歷史評(píng)測(cè)資料進(jìn)行預(yù)處理；

員工歷史評(píng)測(cè)資料標(biāo)注模塊，用于對(duì)預(yù)處理后的所述員工歷史評(píng)測(cè)資料進(jìn)行標(biāo)注；