一种基于深度强化学习模型的信息管理方法及系统技术方案

本申请实施例公开了一种基于深度强化学习模型的信息管理方法及系统，属于数据管理技术领域，其中，一种基于深度强化学习模型的信息管理系统，包括数据获取模块，用于获取当前周期的员工社保信息及上一周期的员工社保信息；状态对比模块，用于对比当前周期的员工社保信息和上一周期的员工社保信息，判断员工社保信息是否发生变更；社保调整模块，用于在状态对比模块判断员工社保信息发生变更时，通过深度强化学习模型基于当前周期的员工社保信息调整员工社保缴纳状态，该系统具有及时对员工社保进行调整的优点。工社保进行调整的优点。工社保进行调整的优点。

【技术实现步骤摘要】
一种基于深度强化学习模型的信息管理方法及系统


[0001]本专利技术主要涉及数据管理
，具体地说，涉及一种基于深度强化学习模型的信息管理方法及系统。

技术介绍

[0002]社保缴纳是每个工作单位都必须进行的一项工作，具有强制性、全国社保政策的差异性和复杂性的特点。员工工作调动后社保关系也要随之调整，现有技术主要通过人力进行社保数据的核对及统计，核对信息的效率相对低下。
[0003]因此，需要提供一种基于深度强化学习模型的信息管理方法及系统，用于及时对员工社保进行调整。

技术实现思路

[0004]本说明书实施例之一提供一种基于深度强化学习模型的信息管理系统，包括：数据获取模块，用于获取当前周期的员工社保信息及上一周期的员工社保信息；状态对比模块，用于对比所述当前周期的员工社保信息和所述上一周期的员工社保信息，判断员工社保信息是否发生变更；社保调整模块，用于在所述状态对比模块判断所述员工社保信息发生变更时，通过深度强化学习模型基于所述当前周期的员工社保信息调整员工社保缴纳状态。
[0005]在一些实施例中，所述员工社保信息包括员工相关信息，所述员工相关信息包括员工的所属用人单位所在城市、所属岗位、工资及工作状态；所述员工社保信息还包括多个地区的社保缴纳标准信息。
[0006]在一些实施例中，所述数据获取模块基于网络爬虫获取所述当前周期的所述多个地区的社保缴纳标准信息。
[0007]在一些实施例中，所述数据获取模块基于网络爬虫获取所述当前周期的所述多个地区的社保缴纳标准信息，包括：获取在所述当前周期发布的至少一个初始网页的父URL；从所述至少一个初始网页的父URL中提取至少一个子URL；基于所述至少一个子URL的发布时间及所述至少一个子URL的网页内容与预设主题的相关度，从所述至少一个子URL中确定至少一个目标子URL；对所述至少一个初始网页的父URL及所述至少一个目标子URL进行数据抓取，获取所述当前周期的所述多个地区的社保缴纳标准信息。
[0008]在一些实施例中，所述数据获取模块基于网络爬虫获取所述当前周期的所述多个地区的社保缴纳标准信息，还包括：对所述至少一个初始网页的父URL及所述至少一个目标子URL进行数据抓取前，对所述至少一个初始网页的父URL及所述至少一个目标子URL进行去重。
[0009]在一些实施例中，所述状态对比模块对比所述当前周期的员工社保信息和所述上一周期的员工社保信息，判断所述员工社保信息是否发生变更，包括：判断所述员工在所述当前周期的所述所属用人单位所在城市、所述所属岗位、所述工资及所述工作状态与所述
员工在所述上一周期的所述所属用人单位所在城市、所述所属岗位、所述工资及所述工作状态是否一致；若否，判断所述员工社保信息发生变更；若是，判断所述所属用人单位所在城市对应的地区在所述当前周期的社保缴纳标准信息与所述所属用人单位所在城市对应的地区在所述上一周期的社保缴纳标准信息是否一致；若所述所属用人单位所在城市对应的地区在所述当前周期的社保缴纳标准信息与所述所属用人单位所在城市对应的地区在所述上一周期的社保缴纳标准信息不一致，判断所述员工社保信息发生变更。
[0010]在一些实施例中，所述深度强化学习模型包括至少一层隐藏层，所述隐藏层为长短期记忆网络；所述深度强化学习模型的输出层为全连接神经网络。
[0011]在一些实施例中，所述社保调整模块通过深度强化学习模型基于所述当前周期的员工社保信息调整员工社保缴纳状态，包括；将所述当前周期的员工社保信息作为所述深度强化学习模型的输入；通过最优动作价值函数调整员工社保缴纳状态。
[0012]在一些实施例中，还包括数据推送模块及至少一个社保核对终端；所述数据推送模块用于在所述社保调整模块调整所述员工社保缴纳状态后，将上一周期的员工社保缴纳状态及调整后的所述员工社保缴纳状态发送至所述至少一个社保核对终端。
[0013]本说明书实施例之一提供一种基于深度强化学习模型的信息管理系统，。
附图说明
[0014]本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本申请一些实施例所示的一种基于深度强化学习模型的信息管理系统的应用场景示意图；图2是根据本申请的一些实施例所示的计算设备的示例性的框图；图3是根据本申请一些实施例所示的一种基于深度强化学习模型的信息管理系统的示例性框图；图4是根据本申请一些实施例所示的一种基于深度强化学习模型的信息管理方法的示例性流程图。
[0015]图中，100、基于深度强化学习模型的信息管理系统；110、处理设备；120、网络；130、社保核对终端；140、存储设备；200、计算设备；210、处理器；220、只读存储器；230、随机存储器；240、通信端口；250、输入/输出接口；260、硬盘。
具体实施方式
[0016]为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。应当理解，给出这些示例性的实施例仅仅是为了使相关领域的技术人员能够更好地理解进而实现本专利技术，而并非以任何方式限制本专利技术的范围。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0017]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，
则可通过其他表达来替换所述词语。
[0018]如本申请和权利要求书中所示，除非上下文明确提示例外情形，
ꢀ“
一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
[0019]虽然本申请对根据本申请的实施例的系统中的某些模块或单元做出了各种引用，然而，任何数量的不同模块或单元可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
[0020]本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0021]图1是根据本申请一些实施例所示的一种基于深度强化学习模型的信息管理装置的应用场景示意图。
[0022]如图1所示，基于深度强化学习模型的信息管理装置100可以包括处理设备110、网络120、社保核对终端130和存储设备140本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度强化学习模型的信息管理系统，其特征在于，包括：数据获取模块，用于获取当前周期的员工社保信息及上一周期的员工社保信息；状态对比模块，用于对比所述当前周期的员工社保信息和所述上一周期的员工社保信息，判断所述员工社保信息是否发生变更；社保调整模块，用于在所述状态对比模块判断所述员工社保信息发生变更时，通过深度强化学习模型基于所述当前周期的员工社保信息调整员工社保缴纳状态。2.根据权利要求1所述的一种基于深度强化学习模型的信息管理系统，其特征在于，所述员工社保信息包括员工相关信息，所述员工相关信息包括员工的所属用人单位所在城市、所属岗位、工资及工作状态；所述员工社保信息还包括多个地区的社保缴纳标准信息。3.根据权利要求2所述的一种基于深度强化学习模型的信息管理系统，其特征在于，所述数据获取模块基于网络爬虫获取所述当前周期的所述多个地区的社保缴纳标准信息。4.根据权利要求3所述的一种基于深度强化学习模型的信息管理系统，其特征在于，所述数据获取模块基于网络爬虫获取所述当前周期的所述多个地区的社保缴纳标准信息，包括：获取在所述当前周期发布的至少一个初始网页的父URL；从所述至少一个初始网页的父URL中提取至少一个子URL；基于所述至少一个子URL的发布时间及所述至少一个子URL的网页内容与预设主题的相关度，从所述至少一个子URL中确定至少一个目标子URL；对所述至少一个初始网页的父URL及所述至少一个目标子URL进行数据抓取，获取所述当前周期的所述多个地区的社保缴纳标准信息。5.根据权利要求4所述的一种基于深度强化学习模型的信息管理系统，其特征在于，所述数据获取模块基于网络爬虫获取所述当前周期的所述多个地区的社保缴纳标准信息，还包括：对所述至少一个初始网页的父URL及所述至少一个目标子URL进行数据抓取前，对所述至少一个初始网页的父URL及所述至少一个目标子URL进行去重。6.根据权利要求2
‑
5任意一项所述的一种基于深度强化学习模型的信息管理系统，其特征在于，所述状态对比模块对比所述当前周期的员工社保信息和所述上一...

【专利技术属性】
技术研发人员：刘涛，郑维，王勇飞，王义勇，
申请(专利权)人：国能大渡河大数据服务有限公司，
类型：发明
国别省市：