【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]S10 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。