一种非对称关系下电力作业人员优化匹配方法组成比例

本发明专利技术公开了一种非对称关系下电力作业人员优化匹配方法，包括以下步骤：S1：收集历史作业数据和人员数据，对历史作业数据和人员数据进行预处理得到综合向量；S2：建立基于综合向量的归纳式模型，训练模型得到候选人员；S3：基于作业数据编辑操作字典，建立定义数据集，建立基于定义数据集的约束模型；S4：基于约束模型得到数据集，基于数据集得到推荐人员排序。本发明专利技术的有益效果是：能基于行为关系、状态关系和间接关系得出人员与作业非对称关系场景下的人员优选方案。景下的人员优选方案。景下的人员优选方案。

【技术实现步骤摘要】
一种非对称关系下电力作业人员优化匹配方法


[0001]本专利技术涉及人员匹配
，特别涉及一种非对称关系下电力作业人员优化匹配方法。

技术介绍

[0002]目前，电力作业中，一个作业只被少数人参与过，而一个人却会参与很多作业，此现象被称为非对称性关系。此种情形下，如果新作业仅仅通过自身特征和已有作业的相似度去寻找最合适的参与人员，因为作业数量较多，又分散在不同地区，基本特征也可能比较相似，所匹配的人员必然会非常分散。一方面违背就近选择的原则，另一方面即使作业本身比较相似但如果参与者经验不同，通过最相似的项目选择的人选也不一定最合适。
[0003]现有技术中，首先生成参入匹配的岗位信息数据表和人员信息数据表，然后设定匹配所述人员和岗位的信息，并通过一定规则对岗位信息数据表和人员信息数据表进行匹配，最后将匹配的结果发送至被匹配的人员，这种人员匹配方法不能解决非对称性关系下的人员选择问题。
[0004]例如，一种在中国专利文献上公开的“一种岗位和人员的匹配方法”，其公告号：CN109213795A，其申请日：2018年08月31日，该专利技术将用户信息与企业合理匹配，企业可以获取适合自己岗位的人才，用户可以获取能发挥自身最大能力的工作岗位，从社会劳动关系而言，平衡了企业与求职者之间的关系，提高了劳动就业率，但是存在不能解决人员与作业非对称关系场景下的人员选择问题。

技术实现思路

[0005]针对现有技术不能解决人员与作业非对称关系场景下的人员选择问题的不足，本专利技术提出了一种非对称关系下电力作业人员优化匹配方法，能基于行为关系、状态关系和间接关系得出人员与作业非对称关系场景下的人员优选方案。
[0006]以下是本专利技术的技术方案，一种非对称关系下电力作业人员优化匹配方法，包括以下步骤：
[0007]S1：收集历史作业数据和人员数据，对所述历史作业数据和人员数据进行预处理得到综合向量；
[0008]S2：建立基于所述综合向量的归纳式模型，训练模型得到候选人员；
[0009]S3：基于作业数据编辑操作字典，定义数据集，建立基于所述定义数据集的约束模型；
[0010]S4：基于所述约束模型得到数据集，基于所述数据集得到推荐人员排序。
[0011]作为优选，步骤S1中，对所述历史作业数据和人员数据进行数据预处理的方法为：离散型的数据采用独热编码，经过嵌入层表示成向量，连续型的数据进行归一化处理，文本型的数据采用预训练语言模型训练并获取分类表达，向量化处理成为综合向量。
[0012]作为优选，步骤S2中，所述归纳式模型如下：
[0013]B
E
＝L(C
E
)；
[0014][0015]式中，B
E
为基础表达，L为可学习线性层，C
E
为综合向量表达，Ne为节点表达，G
E
为通过聚合函数得到的新节点Ne邻居的聚合表达，为在k
‑
1层中节点e的邻居节点u的表达，H(e)为节点e的所有邻居节点。
[0016]作为优选，步骤S3中，基于作业数据编辑操作字典的方法为：一个作业编辑为一个操作字典，基于操作字典过滤作业内容中的操作词，一个作业中有一个或多个操作词。
[0017]作为优选，步骤S3中，所述定义数据集包括人员和作业的行为关系集合、人员和作业的间接关系集合和状态关系集合，所述行为关系集合用于判断人员参与作业的情况，所述间接关系集合用于判断班组中所有人员参与作业的情况，状态关系集合用于判断人员区域和作业地点的关系。
[0018]作为优选，所述人员和作业的行为关系集合、人员和作业的间接关系集合和状态关系集合如下：
[0019]W＝{w0,w1,...,w
m
‑1}；
[0020]U＝{u0,u1,...,u
n
‑1}；
[0021][0022][0023][0024][0025][0026][0027]式中，W为作业，w为操作字典数据，m为操作字典数据的数量，U为人员的数据集合，u为人员的数据，n为人员的数量，表示人员u
i
和操作字典w
j
的关系，表示人员u
i
做过操作字典w
j
，表示人员u
i
没有做过操作字典w
j
，为人员u
i
和作业的行为关系集合，表示人员u
i
和操作字典w
j
的关系，表示人员u
i
和操作字典wj的间接关系，表示人员u
i
所在班组其他人员做过操作字典wj，表示人员u
i
所在班组其他人员没有做过操作字典wj，为人员u
i
和作业的间接关系集合，表示人员u
i
和操作字典w
j
的间接关系，表示人员u
i
和操作字典w
j
的关系，表示人员u
i
和操作字典w
j
所在区域为同一个区，表示人员u
i
和操作字典w
j
所在区域为同一个市，表示人员u
i
和操作字典w
j
所在区域为不同的市，为人员u
i
和作业的区域状态关系集合，表示人员u
i
和操作字典w
j
的区域状态关系。
[0028]作为优选，建立所述约束模型，包括以下步骤：
[0029]S31：设置所述人员和作业的行为关系集合、人员和作业的间接关系集合和状态关系集合为训练样本，设置人员专业为目标标签，对目标标签进行唯一化编码，得到编码标签；
[0030]S32：基于人员专业的数量和操作字典数据的数量，设置模型隐藏层，根据所述编码标签对训练样本进行分类；
[0031]S33：构建目标函数，将所述定义数据集分解为数据集，构建基于数据集的约束模型。
[0032]作为优选，所述目标函数和约束模型如下：
[0033][0034]T＝M(G)；
[0035]式中，J为目标函数，n为关系数据集样本的总数，y为实际值(标签值)，x为样本下标，a
L
(x)为当前标签对应的模型输出值，T为模型输出数据集，M为约束模型，G为数据集。
[0036]本专利技术的有益效果是：能基于行为关系、状态关系和间接关系得出人员与作业非对称关系场景下的人员优选方案。
附图说明
[0037]图1本专利技术一种非对称关系下电力作业人员优化匹配方法的流程图。
[0038]图2本专利技术一种非对称关系下电力作业人员优化匹配方法的约束模型流程图。
具体实施方式
[0039]下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明。
[0040]实施例：如图1和图2所示，一种非对称关系下电力作业人员优化匹配方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非对称关系下电力作业人员优化匹配方法，其特征在于，包括以下步骤：S1：收集历史作业数据和人员数据，对所述历史作业数据和人员数据进行预处理得到综合向量；S2：建立基于所述综合向量的归纳式模型，训练模型得到候选人员；S3：基于作业数据编辑操作字典，定义数据集，建立基于所述定义数据集的约束模型；S4：基于所述约束模型得到数据集，基于所述数据集得到推荐人员排序。2.根据权利要求1所述的一种非对称关系下电力作业人员优化匹配方法，其特征在于，步骤S1中，对所述历史作业数据和人员数据进行数据预处理的方法为：离散型的数据采用独热编码，经过嵌入层表示成向量，连续型的数据进行归一化处理，文本型的数据采用预训练语言模型训练并获取分类表达，向量化处理成为综合向量。3.根据权利要求1所述的一种非对称关系下电力作业人员优化匹配方法，其特征在于，步骤S2中，所述归纳式模型如下：B
E
＝L(C
E
)；式中，B
E
为基础表达，L为可学习线性层，C
E
为综合向量表达，Ne为节点表达，G
E
为通过聚合函数得到的新节点Ne邻居的聚合表达，为在k
‑
1层中节点e的邻居节点u的表达，H(e)为节点e的所有邻居节点。4.根据权利要求1所述的一种非对称关系下电力作业人员优化匹配方法，其特征在于，步骤S3中，基于作业数据编辑操作字典的方法为：一个作业编辑为一个操作字典，基于操作字典过滤作业内容中的操作词，一个作业中有一个或多个操作词。5.根据权利要求1所述的一种非对称关系下电力作业人员优化匹配方法，其特征在于，步骤S3中，所述定义数据集包括人员和作业的行为关系集合、人员和作业的间接关系集合和状态关系集合，所述行为关系集合用于判断人员参与作业的情况，所述间接关系集合用于判断班组中所有人员参与作业的情况，状态关系集合用于判断人员区域和作业地点的关系。6.根据权利要求5所述的一种非对称关系下电力作业人员优化匹配方法，其特征在于，所述人员和作业的行为关系集合、人员和作业的间接关系集合和状态关系集合如下：W＝{w0,w1,...,w
m
‑1}；U＝{u0,u1,...,u
n
‑1}；}；}；}；
式中，W为作业，w为操作字典数据，m为操作字典数据的数量，U为人员的数据集合，u为人员的数据，n为人员的数量，表示人员u
i
和操作...

【专利技术属性】
技术研发人员：王俊杰，黄慧，张云辉，张晓锋，吴剑凌，倪相生，赵汉鹰，吴宏坚，王灿灿，张林裕，赵建文，章寒冰，叶吉超，陈晨艳，朱振坤，金贵，毛新飞，刘莹，姜涵，吴国清，
申请(专利权)人：国网浙江省电力有限公司丽水供电公司，
类型：发明
国别省市：