目标对象的画像生成方法、装置、计算机设备、存储介质制造方法及图纸

本公开涉及一种目标对象的画像生成方法、装置、计算机设备、存储介质。所述方法包括：获取至少一个目标对象的样本数据，确定所述样本数据中第一特征指标数据；至少利用所述第一特征指标数据进行聚类计算，确定聚类中心的中心特征值；计算所述中心特征值与预设的目标模型的模型特征值之间的偏差值，根据所述偏差值、所述第一特征指标数据和所述模型特征值，确定所述目标对象的标签数据，所述目标模型是根据目标位置的第三特征指标数据确定的，所述模型特征值是根据所述第三特征指标数据确定的；根据所述目标对象的标签数据生成所述目标对象的画像。采用本方法能够充分利用目标对象的各种数据，准确的生成画像。准确的生成画像。准确的生成画像。

【技术实现步骤摘要】
目标对象的画像生成方法、装置、计算机设备、存储介质


[0001]本公开涉及数据处理
，特别是涉及一种目标对象的画像生成方法、装置、计算机设备、存储介质。

技术介绍

[0002]随着信息技术的发展，目前很多企业都会将员工的各种信息，如工作经验、工作业绩、工作岗位、薪资标准等等一系列数据存储至企业的业务系统中。而在企业的发展过程中，各个员工的能力指标已经变得极为重要，尤其是在人员管理和人员招聘的过程中。
[0003]目前对各个员工的能力指标进行量化的方式，通常是采用人才画像的方式以实现对员工岗位的匹配，或者对个员工进行针对性的管理。
[0004]然而，目前的人才画像的方式大多数是针对于人力资源管理部门的管理者的一些经验，进而根据其要求得到的一些员工的信息进行编写得到，往往存在一定的主观因素，并且由于人才画像只是根据其要求得到的一些员工的信息得到，没有充分利用员工的各种数据，会导致形成的人才画像不准确。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够充分利用员工的各种数据，准确的生成画像的目标对象的画像生成方法、装置、计算机设备、存储介质。
[0006]第一方面，本公开提供了一种目标对象的画像生成方法，所述方法包括：
[0007]获取至少一个目标对象的样本数据，确定所述样本数据中第一特征指标数据；
[0008]至少利用所述第一特征指标数据进行聚类计算，确定聚类中心的中心特征值；
[0009]计算所述中心特征值与预设的目标模型的模型特征值之间的偏差值，根据所述偏差值、所述第一特征指标数据和所述模型特征值，确定所述目标对象的标签数据，所述目标模型是根据目标位置的第三特征指标数据确定的，所述模型特征值是根据所述第三特征指标数据确定的；
[0010]根据所述目标对象的标签数据生成所述目标对象的画像。
[0011]在其中一个实施例中，所述至少利用所述第一特征指标数据进行聚类计算，确定聚类中心的中心特征值，包括：
[0012]对所述第一特征指标数据进行聚类计算，得到所述第一特征指标数据对应的聚类中心的特征值；
[0013]根据第一特征指标数据对应的聚类中心的特征值，确定聚类中心的中心特征值。
[0014]在其中一个实施例中，所述至少利用所述第一特征指标数据进行聚类计算，确定聚类中心的中心特征值，包括：
[0015]在所述第一特征指标数据中确定第二特征指标数据，并确定所述第一特征指标数据中除第二特征指标数据外的剩余特征指标数据，其中，所述第二特征指标数据的数量小于第一特征指标数据的数量；
[0016]对所述第二特征指标数据进行聚类计算，确定初始聚类中心的初始特征值；
[0017]根据所述初始特征值和所述剩余特征指标数据，确定聚类中心的中心特征值。
[0018]在其中一个实施例中，所述根据所述初始特征值和所述剩余特征指标数据，确定聚类中心的中心特征值，包括：
[0019]计算所述初始特征值和所述剩余特征指标数据之间的相似度；
[0020]响应于所述相似度小于预设的相似度阈值，将所述剩余特征指标数据分配给所述初始聚类中心对应的数据，得到第一聚类；
[0021]计算所述第一聚类的第一聚类中心的第一特征值，响应于所述第一特征值与所述剩余特征指标数据之间的相似度小于预设的相似度阈值，确定所述第一特征值为聚类中心的中心特征值；
[0022]响应于所述第一特征值与所述剩余特征指标数据之间的相似度大于等于预设的相似度阈值，重新将所述剩余特征指标数据分配给所述初始聚类中心对应的数据，直至所述第一特征值与所述剩余特征指标数据之间的相似度小于预设的相似度阈值。
[0023]在其中一个实施例中，所述计算所述中心特征值与预设的目标模型的模型特征值之间的偏差值之前，所述方法还包括：
[0024]通过对数变化法对所述第一特征指标数据和所述模型特征值进行正态化处理。
[0025]在其中一个实施例中，所述根据所述偏差值、所述第一特征指标数据和所述模型特征值，确定所述目标对象的标签数据，包括：
[0026]响应于所述偏差值小于预先设置的偏差阈值，计算所述第一特征指标数据和所述中心特征值之间的第二偏差值，根据所述第二偏差值确定所述第一特征指标数据的数据分值；
[0027]根据所述第一特征指标数据的数据分值，确定所述目标对象的标签数据。
[0028]在其中一个实施例中，所述方法还包括：响应于所述偏差值大于等于预先设置的偏差阈值，调整所述目标模型和/或重新获取所述样本数据。
[0029]在其中一个实施例中，所述根据所述目标对象的标签数据生成所述目标对象的画像之前，所述方法还包括：
[0030]根据所述目标对象的标签数据对应的目标类型和所述第一特征指标数据的数据分值，确定所述目标类型对应的类型分值；
[0031]相应的，所述根据所述目标对象的标签数据生成所述目标对象的画像，包括：
[0032]根据所述目标对象的标签数据和所述目标类型对应的类型分值，生成所述目标对象的画像。
[0033]在其中一个实施例中，所述根据所述目标对象的标签数据生成所述目标对象的画像之后，所述方法还包括：
[0034]响应于需要搜索所述目标对象的画像，利用分布式搜索与分析引擎搜索所述目标对象的画像。
[0035]第二方面，本公开还提供了一种目标对象的画像生成装置，所述装置包括：
[0036]数据获取模块，用于获取至少一个目标对象的样本数据，确定所述样本数据中第一特征指标数据；
[0037]聚类计算模块，用于至少利用所述第一特征指标数据进行聚类计算，确定聚类中
心的中心特征值；
[0038]标签数据确定模块，用于计算所述中心特征值与预设的目标模型的模型特征值之间的偏差值，根据所述偏差值、所述第一特征指标数据和所述模型特征值，确定所述目标对象的标签数据，所述目标模型是根据目标位置的第三特征指标数据确定的，所述模型特征值是根据所述第三特征指标数据确定的；
[0039]画像生成模块，用于根据所述目标对象的标签数据生成所述目标对象的画像。
[0040]第三方面，本公开还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法实施例的步骤。
[0041]第四方面，本公开还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法实施例的步骤。
[0042]第五方面，本公开还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法实施例的步骤。
[0043]上述各实施例中，通过获取至少一个目标对象的样本数据，确定样本数据中第一特征指标数据，样本数据中通常情况下包括了目标对象的各种数据，因此能够确定多方位的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象的画像生成方法，其特征在于，所述方法包括：获取至少一个目标对象的样本数据，确定所述样本数据中第一特征指标数据；至少利用所述第一特征指标数据进行聚类计算，确定聚类中心的中心特征值；计算所述中心特征值与预设的目标模型的模型特征值之间的偏差值，根据所述偏差值、所述第一特征指标数据和所述模型特征值，确定所述目标对象的标签数据，所述目标模型是根据目标位置的第三特征指标数据确定的，所述模型特征值是根据所述第三特征指标数据确定的；根据所述目标对象的标签数据生成所述目标对象的画像。2.根据权利要求1所述的方法，其特征在于，所述至少利用所述第一特征指标数据进行聚类计算，确定聚类中心的中心特征值，包括：对所述第一特征指标数据进行聚类计算，得到所述第一特征指标数据对应的聚类中心的特征值；根据第一特征指标数据对应的聚类中心的特征值，确定聚类中心的中心特征值。3.根据权利要求1所述的方法，其特征在于，所述至少利用所述第一特征指标数据进行聚类计算，确定聚类中心的中心特征值，包括：在所述第一特征指标数据中确定第二特征指标数据，并确定所述第一特征指标数据中除第二特征指标数据外的剩余特征指标数据，其中，所述第二特征指标数据的数量小于第一特征指标数据的数量；对所述第二特征指标数据进行聚类计算，确定初始聚类中心的初始特征值；根据所述初始特征值和所述剩余特征指标数据，确定聚类中心的中心特征值。4.根据权利要求3所述的方法，其特征在于，所述根据所述初始特征值和所述剩余特征指标数据，确定聚类中心的中心特征值，包括：计算所述初始特征值和所述剩余特征指标数据之间的相似度；响应于所述相似度小于预设的相似度阈值，将所述剩余特征指标数据分配给所述初始聚类中心对应的数据，得到第一聚类；计算所述第一聚类的第一聚类中心的第一特征值，响应于所述第一特征值与所述剩余特征指标数据之间的相似度小于预设的相似度阈值，确定所述第一特征值为聚类中心的中心特征值；响应于所述第一特征值与所述剩余特征指标数据之间的相似度大于等于预设的相似度阈值，重新将所述剩余特征指标数据分配给所述初始聚类中心对应的数据，直至所述第一特征值与所述剩余特征指标数据之间的相似度小于预设的相似度阈值。5.根据权利要求1所述的方法，其特征在于，所述计算所述中心特征值与预设的目标模型的模型特征值之间的偏差值之前，所述方法还包括：通过对数变化法对所述第一特征指标数据和所述模型特征值进行正态化处理。6.根据权利...

【专利技术属性】
技术研发人员：颜丰，周隆慧，蔡长春，张冠榕，兰陈锦，谢锋，郑炀，陈庆武，林松平，张树东，邱旭凡，来泽齐，林红莲，王茜，
申请(专利权)人：兴业数字金融服务上海股份有限公司，
类型：发明
国别省市：