[發明專利]一種基于異構圖神經的人員推薦方法

在審

• 申請號: 202110559595.4
• 申請日: 2021-05-21
• 公開（公告）號: CN113887852A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 栗偉;閔新;謝維冬;陳強
• 申請（專利權）人: 東北大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李珉

本發明提供一種基于異構圖神經的人員推薦方法，涉及推薦方法技術領域。本發明通過結合事件的事件特征和人員的能力特征，構建了事件與人員的異構圖，通過異構圖神經網絡的訓練，最后可以實現為新到事件推薦若干待推薦人員。利用該分配事件策略對大量的新到事件進行分配事件，可有效的加快事件辦理效率，避免事件的積壓。同時本系統提供挖掘人員的潛在辦理能力，針對人員從未辦理，或少辦理的事件類型，可以在一定條件下進行優先分配，進而有效調動人員的學習積極性，提高人員的多維處理能力。

技術領域

本發明涉及推薦方法技術領域，尤其涉及一種基于異構圖神經的人員推薦方法。

背景技術

事件分配制度是事件管理與分配的一項重要制度，隨機分配事件模式是在建立事件后按照一定的隨機分配事件規則，將事件隨機分配給具體的承辦人員；指定分配事件模式是在立案后由專門人員根據事件的具體情況將事件指定分配給具體的承辦人員。前者的優勢在于分配事件過程公開透明、分配事件結果客觀隨機，可以排除人為因素對分配事件環節可能造成的影響，簡便快捷、客觀公正，但是無法靈活識別事件的具體情況，選擇出最佳的承辦人員，忽視承辦人能力、事件工作量等因素。后者的優勢在于，分配事件時可以充分發揮案管人員的靈活優勢，綜合審查事件與承辦人員的具體情況，作出最優分配。但存在人為因素過重，不夠客觀，分配事件過程不公開等問題。

然而由于不同事件在類型、難度、領域等方面存在較大差異，對人員的能力要求也不同，現有業務統一平臺系統無法考慮事件工作量和人員能力，進而很難實現業務中人員與事件最優匹配問題。因此，在事件總量不斷增加，事件信息越來越多，人員能力也越來越更具有專業性的情況下，如何實現事件與人員的智能匹配，提高處理效率，顯得更加緊迫和重要。

在處理過程中，事件分配問題直接關系到事件的辦理效率、人員的處理積極性和激勵制度的完善。很多學者都對如何實現事件與人員最優匹配這一問題進行過研究，但是目前的研究僅僅出于定性分析階段，除了列舉智能分配事件需要完成哪些具體目標之外，并沒有具體給出影響智能分配事件結果的因素有哪些。因為不同事件由于事件類型存在較大差異，所以其所適合辦理的人員也會有所不同。通過結合事件的事件特征和人員的個人能力特征，對不同類型的事件進行分配，能有效得實現事件與人員的最優匹配，并且能挖掘潛在處理能力的人員。

發明內容

針對現有技術的不足，本發明提供一種基于異構圖神經的人員推薦方法。根據事件特征和人員的能力，構建出事件與人員之間的異構圖，實現事件與人員的最優匹配，挖掘人員的潛在處理能力。整個系統由四個部分組成，分別為事件特征和人員能力特征向量預處理、構建事件-人員異構圖、異構圖神經網絡模型訓練，輸出評分列表并實現人員推薦。

本發明的技術方案為，一種基于異構圖神經的人員推薦方法，包括以下步驟：

步驟1：對人員及其辦理事件建立訓練數據集，對訓練數據集中事件的特征和人員的能力特征向量進行預處理，通過特征降維的方式將事件和人員用同一維度的向量表示；

所述預處理為，采用主成分分析算法(PCA)對事件特征和人員的能力畫像特征進行降維，具體包括以下步驟：

步驟1.1：設置輸入的訓練數據集X＝{x₁,x₂,x₃,…,x_n}，將事件特征維度降到k維；其中x_i(i＝1,…,n)表示事件特征，n表示事件特征數量，對事件特征x_i進行去平均值，即去中心化，將每一位事件特征x_i減去各自的平均值：

步驟1.2：將數據集X轉化為矩陣形式，計算協方差矩陣

步驟1.3：用特征值分解方法求協方差矩陣的特征值與特征向量：

Dα＝λα

其中λ為矩陣D的特征值，α為矩陣D的特征向量；