一种基于AI的动态任职资格评定方法及系统技术方案

本发明专利技术公开了一种基于AI的动态任职资格评定方法及系统，属于人员任职资格评定技术领域，包括以下步骤：S1：员工数据采集；S2：数据匹配与分析；S3：任职资格标准得分计算。本发明专利技术能够根据员工的日常任务情况，自动分析员工的任务类型和内容，计算出能力成长分值，自动化智能化，计算更准确；每天计算，定期汇总，因员工工作内容变化，能力的动态变化也能随之体现出来，计算出每个员工的成长曲线，更动态地反应员工的情况，值得被推广使用。

【技术实现步骤摘要】
一种基于AI的动态任职资格评定方法及系统
本专利技术涉及人员任职资格评定
，具体涉及一种基于AI的动态任职资格评定方法及系统。
技术介绍
很多公司目前已经建设了一些内部的HR系统、OA办公系统，项目管理系统、数据收集平台等IT系统。但是较分散，很多系统的建设并没有考虑到任职资格方面的需要。公司的任职资格管理和员工的评定基本靠人工维护完成，要结合HR、OA、项目管理等系统的数据，成本极高。目前人工评定方式存在一定的缺陷，比如：人工成本高，业务流程操作复杂，计算方法复杂，准确度无法保证；人工评定不能动态反应员工的能力成长和变化情况，数据不能及时更新。因此，提出一种基于AI的动态任职资格评定方法及系统。
技术实现思路
本专利技术所要解决的技术问题在于：如何解决人工评定方式存在的缺陷，提供了一种基于AI的动态任职资格评定方法。本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：S1：员工数据采集从相应系统中抽出员工的任务评分数据、项目贡献、工作经历、学习数据；S2：数据匹配与分析根据任职资格系统中配置的能力图谱中关键业务活动KPA的关键字，以及员工的日报内容、任务完成情况的任务评分值，计算关键字的TF-IDF值和与任务的相似度值，进而计算出员工的能力图谱AbiMap值；S3：任职资格标准得分计算根据标准得分计算模型配置对应的计算公式计算员工的任职资格标准得分。更进一步地，在所述步骤S1中，从项目贡献、工作经历、学习数据中对应获得项目贡献值、工作经历值、学习值。更进一步地，在所述步骤S2中，TF-IDF＝TF*IDF，其中TF是词频，表示关键字在文本中出现的频率，IDF是逆向文件频率。更进一步地，在所述步骤S2中，关键字与任务的相似度值通过余弦相似度算法计算得到。更进一步地，在所述步骤S3中，标准得分计算模型的各项得分分别为项目贡献值、工作经历值、学习值、能力图谱AbiMap值。更进一步地，标准得分计算模型的配置模块包括得分类型配置单元、数据查看单元、数据录入单元；所述得分类型配置单元用于增添/删减、改变得分类型以及对各得分类型对应的计分规则、权重进行配置；所述数据查看单元用于查看从相应系统中抽出的员工数据；所述数据录入单元用于将得到的项目贡献值、工作经历值、学习值、能力图谱AbiMap值录入标准得分计算模型。更进一步地，在所述步骤S3中，标准得分计算公式如下：Q＝WEV*10％+PCV*30％+LV*10％+AbiMap*50％其中，WEV表示工作经历值，10％为其权重；PCV表示项目贡献值，30％为其权重；AbiMap表示能力图谱AbiMap值，50％为其权重。本专利技术还提供了一种基于AI的动态任职资格评定系统，用于采用上述的评定方法对员工的任职资格进行评定，包括：数据采集模块，用于从相应系统中抽出员工的任务评分数据、项目贡献、工作经历、学习数据；数据匹配与分析模块，用于能力图谱中关键业务活动KPA的关键字，以及员工的日报内容、任务完成情况的任务评分值，计算关键字的TF-IDF值和与任务的相似度值，进而计算出员工的能力图谱AbiMap值；标准得分计算模块，用于根据标准得分计算模型配置对应的计算公式计算员工的任职资格标准得分；中央处理模块，用于向其他模块发出指令，完成相关动作；所述数据采集模块、所述数据匹配与分析模块、所述标准得分计算模块均与中央处理模块电连接。本专利技术相比现有技术具有以下优点：该基于AI的动态任职资格评定方法，能够根据员工的日常任务情况，自动分析员工的任务类型和内容，计算出能力成长分值，自动化智能化，计算更准确；每天计算，定期汇总，因员工工作内容变化，能力的动态变化也能随之体现出来，计算出每个员工的成长曲线，更动态地反应员工的情况，值得被推广使用。附图说明图1是本专利技术实施例一中任职资格评定方法的流程示意图；图2是本专利技术实施例二中任职资格系统IQS平台整体模块图；图3是本专利技术实施例二中NLP算法计算过程示意图。具体实施方式下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例一本实施例提供一种技术方案：一种基于AI的动态任职资格评定方法，包括以下步骤：S1：员工数据采集从相应系统中抽出员工的任务评分数据、项目贡献、工作经历、学习数据；S2：数据匹配与分析根据任职资格系统中配置的能力图谱中关键业务活动KPA的关键字，以及员工的日报内容、任务完成情况的任务评分值，计算关键字的TF-IDF值和与任务的相似度值，进而计算出员工的能力图谱AbiMap值；S3：任职资格标准得分计算根据标准得分计算模型配置对应的计算公式计算员工的任职资格标准得分。在所述步骤S1中，从项目贡献、工作经历、学习数据中对应获得项目贡献值、工作经历值、学习值。在所述步骤S2中，TF-IDF＝TF*IDF，其中TF是词频，表示关键字在文本中出现的频率，IDF是逆向文件频率。在所述步骤S2中，关键字与任务的相似度值通过余弦相似度算法计算得到。在所述步骤S3中，标准得分计算模型的各项得分分别为项目贡献值、工作经历值、学习值、能力图谱AbiMap值。标准得分计算模型的配置模块包括得分类型配置单元、数据查看单元、数据录入单元；所述得分类型配置单元用于增添/删减、改变得分类型以及对各得分类型对应的计分规则、权重进行配置；所述数据查看单元用于查看从相应系统中抽出的员工数据；所述数据录入单元用于将得到的项目贡献值、工作经历值、学习值、能力图谱AbiMap值录入标准得分计算模型。在所述步骤S3中，标准得分计算公式如下：Q＝WEV*10％+PCV*30％+LV*10％+AbiMap*50％其中，WEV表示工作经历值，10％为其权重；PCV表示项目贡献值，30％为其权重；AbiMap表示能力图谱AbiMap值，50％为其权重。本实施例还提供了一种基于AI的动态任职资格评定系统，用于采用上述的评定方法对员工的任职资格进行评定，包括：数据采集模块，用于从相应系统中抽出员工的任务评分数据、项目贡献、工作经历、学习数据；数据匹配与分析模块，用于能力图谱中关键业务活动KPA的关键字，以及员工的日报内容、任务完成情况的任务评分值，计算关键字的TF-IDF值和与任务的相似度值，进而计算出员工的能力图谱AbiMap值；标准得分计算模块，用于根据标准得分计算模型配置对应的计算公式计算员工的任职资格标准得分；中央处理模块，用于向其他模块发出指令，完成相关动作；所述数据采集模块、所述数据匹配与分析模块、所述标准得分计算模块均与中央处理模块电连接。实施例二如图2所本文档来自技高网...

【技术保护点】
1.一种基于AI的动态任职资格评定方法，其特征在于，包括以下步骤：/nS1：员工数据采集/n从相应系统中抽出员工的任务评分数据、项目贡献、工作经历、学习数据；/nS2：数据匹配与分析/n根据任职资格系统中配置的能力图谱中关键业务活动KPA的关键字，以及员工的日报内容、任务完成情况的任务评分值，计算关键字的TF-IDF值和与任务的相似度值，进而计算出员工的能力图谱AbiMap值；/nS3：任职资格标准得分计算/n根据标准得分计算模型配置对应的计算公式计算员工的任职资格标准得分。/n

【技术特征摘要】
1.一种基于AI的动态任职资格评定方法，其特征在于，包括以下步骤：
S1：员工数据采集
从相应系统中抽出员工的任务评分数据、项目贡献、工作经历、学习数据；
S2：数据匹配与分析
根据任职资格系统中配置的能力图谱中关键业务活动KPA的关键字，以及员工的日报内容、任务完成情况的任务评分值，计算关键字的TF-IDF值和与任务的相似度值，进而计算出员工的能力图谱AbiMap值；
S3：任职资格标准得分计算
根据标准得分计算模型配置对应的计算公式计算员工的任职资格标准得分。


2.根据权利要求1所述的一种基于AI的动态任职资格评定方法，其特征在于：在所述步骤S1中，从项目贡献、工作经历、学习数据中对应获得项目贡献值、工作经历值、学习值。


3.根据权利要求2所述的一种基于AI的动态任职资格评定方法，其特征在于：在所述步骤S2中，TF-IDF＝TF*IDF，其中TF是词频，表示关键字在文本中出现的频率，IDF是逆向文件频率。


4.根据权利要求3所述的一种基于AI的动态任职资格评定方法，其特征在于：在所述步骤S2中，关键字与任务的相似度值通过余弦相似度算法计算得到。


5.根据权利要求4所述的一种基于AI的动态任职资格评定方法，其特征在于：在所述步骤S3中，标准得分计算模型的各项得分分别为项目贡献值、工作经历值、学习值、能力图谱AbiMap值。


6.根据权利要求5所述的一种基于AI的动态任职资格评定方法，其特征在于：标准...

【专利技术属性】
技术研发人员：徐俊峰，洪海生，李森，曲可心，张庭英，刘晴，
申请(专利权)人：合肥和创讯为智能科技有限公司，
类型：发明
国别省市：安徽;34