基于聚类的军工集团人员信息标签化方法技术

本发明专利技术属于信息处理及分析技术领域，具体涉及一种基于聚类的军工集团人员信息标签化方法，该方法基于标签化系统来实施，所述系统包括：数据收集模块、数据预处理模块、机器学习神经网络聚类模块、标签生成模块、标签应用模块；与现有技术相比较，本发明专利技术技术方案可以快速对企业人员标签化，并实时更新标签信息，实时进准且全面的对企业人员评价考核。并可以不断的优化神经网络，使得聚类的更全面、准确度更高。其中，基于机器学习神经网络聚类算法，通过自动寻找样本中的内在规律和本质属性，自组织、自适应的改变网格参数与机构，可以精确且全面的对员工信息聚类。并且，基于机器学习神经网络聚类算法具备高的容错能力，聚类信息精准且全面。

【技术实现步骤摘要】
基于聚类的军工集团人员信息标签化方法
本专利技术属于信息处理及分析
，具体涉及一种基于聚类的军工集团人员信息标签化方法。
技术介绍
在军工集团人员遴选、职务调度中，往往是借鉴职工的基本信息、年度评价考核以及主客观评价等方面，但是这些信息不能全部涵盖员工日常工作的价值和奉献度。而通过对企业人力资源、门户、业务系统中的人员静态和行为数据信息标签化，可以精准且全面的对一个员工进行评估、考核，同时人员信息标签化还可以应用于精准营销、数据应用和用户分析等。在对员工信息标签化时，需要获取门户、业务系统中人员的行为信息，以及人力资源的基本静态信息，怎么有效的对静态和行为数据作标签是聚类算法解决的主要问题。常用的聚类算法包括：K-mean算法是基于样本点之间的几乎距离，能够快速、简单的对数据聚类；DBSCAN基于密度聚类将足够大的相邻区域连接，能有效的处理异常数据；Hierarchical基于层此聚类，对数据集进行层次的分解，直到某种条件满足。通过聚类对军工企业人员信息标签化时，大多数的聚类方法可以实现人员信息的聚类，但是都存在一定的不足。K-mean算法能够快速、简单的对数据聚类，但是对异常本文档来自技高网...

【技术保护点】
1.一种基于聚类的军工集团人员信息标签化方法，其特征在于，该方法基于军工集团人员信息标签化系统来实施，所述系统包括：数据收集模块、数据预处理模块、机器学习神经网络聚类模块、标签生成模块、标签应用模块；所述方法包括如下步骤：步骤1：所述数据收集模块收集和汇总军工集团人力资源系统中军工集团人员的静态数据以及门户、业务系统中军工集团人员的行为数据；步骤2：所述数据预处理模块对收集到的军工集团人员的静态数据和行为数据进行清理、平滑噪声，去掉异常值补全缺失值，得到预处理后的向量形式的军工集团人员的用户数据；步骤3：所述机器学习神经网络聚类模块包括输入层及输出层，其输入层接收数据预处理模块处理后的用户数据...

【技术特征摘要】
1.一种基于聚类的军工集团人员信息标签化方法，其特征在于，该方法基于军工集团人员信息标签化系统来实施，所述系统包括：数据收集模块、数据预处理模块、机器学习神经网络聚类模块、标签生成模块、标签应用模块；所述方法包括如下步骤：步骤1：所述数据收集模块收集和汇总军工集团人力资源系统中军工集团人员的静态数据以及门户、业务系统中军工集团人员的行为数据；步骤2：所述数据预处理模块对收集到的军工集团人员的静态数据和行为数据进行清理、平滑噪声，去掉异常值补全缺失值，得到预处理后的向量形式的军工集团人员的用户数据；步骤3：所述机器学习神经网络聚类模块包括输入层及输出层，其输入层接收数据预处理模块处理后的用户数据；其输出层，也称为竞争层，其利用...

【专利技术属性】
技术研发人员：刘林，牛志超，杜贝娜，张谦，王文超，郑鹏程，段正轩，
申请(专利权)人：北京京航计算通讯研究所，
类型：发明
国别省市：北京,11