一种基于深度学习的人力管理智能分析方法技术

本发明专利技术公开了一种基于深度学习的人力管理智能分析方法，包括获取各部门每位职工任务完成量和质量评估数据，生成训练数据集；构建深度神经优化网络模型，并将所述训练数据集输入至所述深度神经优化网络模型中进行优化训练，获得训练后的预测决策数据集；构建决策算法模型，并匹配行业大数据，输出标椎决策算法模型；将所述预测决策数据集输入至所述标椎决策算法模型中，输出标准决策数据集；根据所述标准决策数据集进行人力管理的智能分析和判断，提高了现有算法模型的分析效率，解决了现有的AI人力管理智能分析系统在进行分析判断时延迟会加重的问题。

【技术实现步骤摘要】
一种基于深度学习的人力管理智能分析方法
本专利技术涉及人工智能的
，尤其涉及一种基于深度学习的人力管理智能分析方法。
技术介绍
随着网络信息和科学技术水平的不断发展与提升，人工智能逐渐同现代社会相融合，从而使得企事业单位人力资源管理开始趋于人工智能化应用。由于人工智能技术的应用能够降低企业成本，还能够增强企事业核心竞争力，一方面可以根据智能分析的结果给员工增减任务，可以对员工的收入和职位晋升作出判断，另一方面可以根据公司不同岗位需求进行人才的引进，作出精准人才配对引进和决策管理，所以目前很多企事业单位开始将人工智能引入到人力资源开发与管理中。由于人工智能在企事业人力资源管理中应用时间较短，技术不成熟导致面临诸多挑战。随着企业的发展，企事业单位的人力资源数据逐渐增加，现有的AI人力管理智能分析系统在进行分析判断时延迟会加重，对日益增加的人力资源数据处理效率不高，其内配置的现有算法模型的分析效率跟不上日益增加的数据。
技术实现思路
本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分本文档来自技高网...

【技术保护点】
1.一种基于深度学习的人力管理智能分析方法，其特征在于：包括，/n获取各部门每位职工任务完成量和质量评估数据，生成训练数据集；/n构建深度神经优化网络模型，并将所述训练数据集输入至所述深度神经优化网络模型中进行优化训练，获得训练后的预测决策数据集；/n构建决策算法模型，并匹配行业大数据，输出标椎决策算法模型；/n将所述预测决策数据集输入至所述标椎决策算法模型中，输出标准决策数据集；/n根据所述标准决策数据集进行人力管理的智能分析和判断。/n

【技术特征摘要】
1.一种基于深度学习的人力管理智能分析方法，其特征在于：包括，
获取各部门每位职工任务完成量和质量评估数据，生成训练数据集；
构建深度神经优化网络模型，并将所述训练数据集输入至所述深度神经优化网络模型中进行优化训练，获得训练后的预测决策数据集；
构建决策算法模型，并匹配行业大数据，输出标椎决策算法模型；
将所述预测决策数据集输入至所述标椎决策算法模型中，输出标准决策数据集；
根据所述标准决策数据集进行人力管理的智能分析和判断。


2.根据权利要求1所述的基于深度学习的人力管理智能分析方法，其特征在于：构建的所述深度神经优化网络模型由全连接层和激活层搭建。


3.根据权利要求2所述的基于深度学习的人力管理智能分析方法，其特征在于：所述深度神经优化网络模型包括以下训练步骤，
利用深度卷积神经网络结构将所述训练数据集中的数据送入所述深度神经优化网络模型；
定义所述深度神经优化网络模型为：



通过编解码深度神经网络和鉴别网络，结合所述训练数据集中的数据计算模型输出；
反复执行，直到输出结果满意。


4.根据权利要求2或3所述的基于深度学习的人力管理智能分析方法，其特征在于：所述深度神经优化网络模型训练还包括精度控制，当所述训练数据集输入至所述深度神经优化网络模型后，经过训练输出的所述预测决策数据集与所述训练数据集的均方根误差小于设定的阈值时，视为模型精度较高，则对应训练后的所述预测决策...

【专利技术属性】
技术研发人员：杨璐绮，李海坤，王悦华，
申请(专利权)人：江苏哩咕信息科技有限公司，
类型：发明
国别省市：江苏;32