一种劳务人员信用评估方法和系统技术方案

本发明专利技术公开了一种劳务人员信用评估方法和系统，属于数据处理技术领域，方法包括：构建劳务人员信用评估体系；确定各个评估指标的权重参数；根据各个评估指标的权重参数，构建劳务人员信用评估模型，劳务人员信用评估模型包括基学习器、生成器和元学习器；获取样本数据集；通过基学习器对样本数据集进行一次评估，通过生成器对一次评估结果中的少数类样本进行扩充并输入至元学习器，元学习器对基学习器的一次评估结果进行再学习并输出二次评估结果；获取待评估人员的原始数据；通过劳务人员信用评估模型输出信用评估结果，信用评估结果包括优秀和差。可以自动化地完成劳务人员的信用评估，客观性强，同时提升了信用评估结果的准确性。准确性。准确性。

【技术实现步骤摘要】
一种劳务人员信用评估方法和系统


[0001]本专利技术属于数据处理
，具体涉及一种劳务人员信用评估方法和系统。

技术介绍

[0002]在现代劳务市场中，雇主常常需要评估劳务人员的信用，以确保选择到合适的劳务人员并降低风险。
[0003]现有技术中，雇主需要往往依赖面试以及背景调查的结果，主观地对劳务人员的信用进行评估以决定是否进行下一步的合作。现有的劳务人员信用评估方法存在主观性高、评估结果不准确等问题。

技术实现思路

[0004]为了解决现有技术存在的主观性高、评估结果不准确的技术问题，本专利技术提供一种劳务人员信用评估方法和系统。
[0005]第一方面
[0006]本专利技术提供了一种劳务人员信用评估方法，包括：
[0007]S101：构建劳务人员信用评估体系，劳务人员信用评估体系包括多个评估指标，评估指标包括：工作年限、职业道德、信用历史、口碑评价和职业技能；
[0008]S102：确定各个评估指标的权重参数；
[0009]S103：根据各个评估指标的权重参数，构建劳务人员信用评估模型，劳务人员信用评估模型包括基学习器、生成器和元学习器，基学习器通过生成器与元学习器连接；
[0010]S104：获取样本数据集；
[0011]S105：通过基学习器对样本数据集进行一次评估，通过生成器对一次评估结果中的少数类样本进行扩充并输入至元学习器，通过元学习器对基学习器的一次评估结果进行再学习并输出二次评估结果；
[0012]S106：获取待评估人员的原始数据；
[0013]S107：通过劳务人员信用评估模型输出待评估人员的信用评估结果，信用评估结果包括优秀和差。
[0014]第二方面
[0015]本专利技术提供了一种劳务人员信用评估系统，用于执行第一方面中的劳务人员信用评估方法。
[0016]与现有技术相比，本专利技术至少具有以下有益技术效果：
[0017]在本专利技术中，构建劳务人员信用评估体系，从工作年限、职业道德、信用历史、口碑评价和职业技能这五个维度综合评估劳务人员的信用，并且通过基学习器进行一次评估，之后再通过元学习器进行二次评估，自动化地完成劳务人员的信用评估，无需人工介入，客观性强，同时提升了信用评估结果的准确性。
附图说明
[0018]下面将以明确易懂的方式，结合附图说明优选实施方式，对本专利技术的上述特性、技术特征、优点及其实现方式予以进一步说明。
[0019]图1是本专利技术提供的一种劳务人员信用评估方法的流程示意图；
[0020]图2是本专利技术提供的一种劳务人员信用评估模型的结构示意图。
具体实施方式
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对照附图说明本专利技术的具体实施方式。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
[0022]为使图面简洁，各图中只示意性地表示出了与专利技术相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
[0023]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0024]在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0025]另外，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0026]实施例1
[0027]在一个实施例中，参考说明书附图1，示出了本专利技术提供的劳务人员信用评估方法的流程示意图。参考说明书附图2，示出了本专利技术提供的一种劳务人员信用评估模型的结构示意图。
[0028]本专利技术提供的一种劳务人员信用评估方法，包括：
[0029]S101：构建劳务人员信用评估体系，劳务人员信用评估体系包括多个评估指标。
[0030]其中，评估指标包括：工作年限、职业道德、信用历史、口碑评价和职业技能。
[0031]其中，工作年限是评估劳务人员在职业领域中所积累的经验和知识的重要指标。较长的工作年限通常意味着劳务人员在行业中有更多的经验和技能，对工作具备较高的熟悉度和适应能力，可能表明其工作稳定性和可靠性较高。因此，在信用评估中，较长的工作年限可能对劳务人员的信用产生积极影响。
[0032]其中，职业道德是评估劳务人员的道德准则、职业操守和工作态度的指标。具备良好的职业道德意味着劳务人员在工作中具备诚信、责任感和专业精神，能够遵守职业规范和道德准则。这种职业道德对于信用评估具有重要意义，因为它涉及到劳务人员是否能够按时履行承诺、保护雇主利益和与他人建立良好的合作关系。
[0033]其中，信用历史是评估劳务人员过去的信用记录和信用行为的指标。通过分析劳务人员的信用报告、支付记录和债务情况等，可以了解其债务偿还能力和信用可靠性。良好的信用历史表明劳务人员有良好的还款记录和信用记录，可能会对信用评估产生正面影响。
[0034]其中，口碑评价是指他人对劳务人员的推荐和评价。通过获取其他人对劳务人员的推荐信、口碑评价和专业人士的评估意见等，可以了解劳务人员在工作中的表现和与他人的关系。正面的口碑评价可以增加劳务人员的信用度，因为它表明劳务人员在过去的工作中获得了他人的认可和赞誉。
[0035]其中，职业技能是评估劳务人员在特定领域内所具备的技术能力和专业知识的指标。良好的职业技能意味着劳务人员具备相关的专业知识和技能，能够胜任特定的工作任务和要求。在信用评估中，较高的职业技能可能被视为劳务人员信用较高的一个指标，因为它表明其在工作中具备较高的能力和竞争力。
[0036]需要说明的是，综合考虑工作年限、职业道德、信用历史、口碑评价和职业技能对于劳务人员信用的影响，可以提升劳务人员信用评估的可信度。
[0037]S102：确定各个评估指标的权重参数。
[0038]其中，权重参数可以体现各个评估指标在信用评估过程中对不同指标的重要性。对于信用评估中较为重要或关联性较高的指标在后续的信用评估的过程中给予更大的影响力，以更准确地反映劳务人员的信用状况。
[0039]需要说明的是，现有技术在确定各个指标的权重参数时，往往采用的单一的计算方式，例如层次分析法、熵理想点法、标准离差法和专家评估法等等。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种劳务人员信用评估方法，其特征在于，包括：S101：构建劳务人员信用评估体系，所述劳务人员信用评估体系包括多个评估指标，所述评估指标包括：工作年限、职业道德、信用历史、口碑评价和职业技能；S102：确定各个所述评估指标的权重参数；S103：根据各个所述评估指标的权重参数，构建劳务人员信用评估模型，所述劳务人员信用评估模型包括基学习器、生成器和元学习器，所述基学习器通过所述生成器与所述元学习器连接；S104：获取样本数据集；S105：通过所述基学习器对所述样本数据集进行一次评估，通过所述生成器对一次评估结果中的少数类样本进行扩充并输入至所述元学习器，通过所述元学习器对所述基学习器的一次评估结果进行再学习并输出二次评估结果；S106：获取待评估人员的原始数据；S107：通过所述劳务人员信用评估模型输出所述待评估人员的信用评估结果，所述信用评估结果包括优秀和差。2.根据权利要求1所述的劳务人员信用评估方法，其特征在于，所述S102具体包括：S1021：通过层次分析法确定各个评估指标的第一权重集合A1；S1022：通过熵理想点法确定各个评估指标的第二权重集合A2；S1023：通过标准离差法确定各个评估指标的第三权重集合A3；S1024：通过专家评估法确定各个评估指标的第四权重集合A4；S1025：计算所述第一权重集合、所述第二权重集合、所述第三权重集合和所述第四权重集合中权重值的差异性参数S
j
：其中，S
j
表示第j个权重集合的标准差，x
ij
表示第j个权重集合中第i个指标的权重值，表示第j个权重集合中各个指标的权重值的平均值，n表示指标的个数，n＝5；S1026：计算参考权重集合A0，A0＝[x
′1,x'2,
…
,x
′
i
]：其中，m表示权重集合的个数，m＝4，x
′
i
表示各个权重集合中第i个评价指标的权重值的平均值；S1027：计算所述第一权重集合、所述第二权重集合、所述第三权重集合和所述第四权重集合中权重值的关联性参数R
j
：其中，ρ表示超参数，ρ∈[0,1]；
S1028：根据所述差异性参数S
j
和所述关联性参数R
j
确定各个权重计算方法的优先级参数B
j
：B
j
＝S
j
·
R
j
；S1029：根据所述优先级参数，确定各个权重计算方法的权重w
j
：S102X：根据各个权重计算方法的权重w
j
、所述第一权重集合A1、所述第二权重集合A2、所述第三权重集合A3和所述第四权重集合A4确定最终的权重集合A
*
，将最终的权重集合A
*
中的权重作为各个所述评估指标的权重参数，中的权重作为各个所述评估指标的权重参数，3.根据权利要求2所述的劳务人员信用评估方法，其特征在于，所述S1021具体包括：S102A：对各个评价指标进行两两比较，结合九级标度法，建立判别矩阵C：其中，c
ij
表示第i个评价指标相对于第j个评价指标的重要程度，c
ij
的取值可通过九极标度法确定；S102B：计算判断矩阵C的特征向量和特征值：Cω＝λω
→
(C
‑
λI)ω其中，λ表示判断矩阵C的特征值，ω表示判断矩阵C的特征向量，取最大的特征值记为λ
max
，与之对应的特征向量为ω
max
，ω
max
＝(ω1,ω2,
…
,ω
n
)；S102C：对特征向量进行归一化处理：ω'
max
＝(ω
′1,ω'2,
…
,ω'
n
)其中，归一化后的向量ω'
max
可用于表征第一权重集合A1，归一化后的向量ω'
max
的各个分量ω
′1,ω'2,
…
,ω'
n
分别代表各个评价指标的权重。4.根据权利要求1所述的劳务人员信用评估方法，其特征在于，所述样本数据集包括多个样本，每个样本包含工作年限得分、职业道德得分、信用历史得分、口碑评价得分和职业技能得分；所述基学习器的构建方法包括：S1031：定义优秀和差两个信用标签值；S1032：按照所述权重参数由高到低的顺序，挑选重要性最高的评估指标作为第一级决策树，根据重要性最高的评估指标对应...

【专利技术属性】
技术研发人员：李弘扬，唐山杰，郑斌，王鹏，
申请(专利权)人：江苏优丞信息科技有限公司，
类型：发明
国别省市：