[发明专利]人员分组方法、装置、电子装置及计算机可读存储介质

说明书

一种人员分组方法，包括：获取多组样本数据；训练决策树模型，其中，所述决策树模型包括多个叶子节点；以每一叶子节点作为当前节点，计算所有当前节点的绩优率以及绩优覆盖率，确定每一所述当前节点是否符合预设条件；当属于同一父节点的所有所述当前节点均不符合所述预设条件时，判断所述父节点是否为根节点；当所述父节点为根节点时，计算所述根节点的绩优率以及绩优覆盖率，根据所述绩优率以及所述绩优覆盖率确定所述根节点是否符合预设条件，当所述根节点符合预设条件时将所述根节点划分至绩优分组，当所述根节点不符合预设条件时忽略所述根节点。本发明可通过绩优分组的条件属性识别绩优人员的显著特征，从而构建用户画像。

技术领域

本发明涉及分组方法，具体涉及一种人员分组方法、人员分组装置、电子装置以及计算机可读存储介质。

背景技术

企业通常拥有海量的人员基础数据和行为数据。企业通常期望搭建用户画像，对绩优人员的显著特征进行识别。现有技术中，通常采用无监督学习的聚类算法对无序的对象进行分群、归类，已达到更好地理解研究对象的目的。然而，利用该类方法建立用户画像存在缺陷，如，分群目标不明确，分群效果不可控，分群结果不可解释，且各分群的重要特征无法识别等。

发明内容

鉴于以上内容，有必要提出一种人员分组方法、人员分组装置、电子装置以及计算机可读存储介质，能够解决以上问题。

本发明一较佳实施方式提供一种人员分组方法，包括：获取多组样本数据，每一组样本数据包括多个条件属性以及对应的决策属性，所述决策属性为所述样本数据的绩效；根据所述样本数据训练一决策树模型，其中，所述决策树模型包括多个叶子节点，每一叶子节点代表一个分组；以所述决策树模型中的每一叶子节点作为当前节点，计算所有当前节点的绩优率以及绩优覆盖率，根据所述绩优率以及所述绩优覆盖率确定每一个所述当前节点是否符合预设条件；当属于同一父节点的所有所述当前节点均不符合所述预设条件时，判断所述父节点是否为根节点；当所述父节点不是根节点时，以每一个所述父节点作为新的当前节点，触发所述计算所有当前节点的绩优率以及绩优覆盖率的步骤；当所述父节点为根节点时，计算所述根节点的绩优率以及绩优覆盖率，根据所述绩优率以及所述绩优覆盖率确定所述根节点是否符合预设条件，当所述根节点符合预设条件时将所述根节点划分至绩优分组，当所述根节点不符合预设条件时忽略所述根节点；针对每一个所述当前节点，执行以下步骤：将所述当前节点作为目标节点，当所述目标节点符合所述预设条件时，将所述目标节点划分至所述绩优分组；当所述目标节点不符合所述预设条件时，判断与所述目标节点属于同一父节点的其它同层节点是否符合所述预设条件；当属于同一父节点的至少一其它同层节点符合所述预设条件时，将所述目标节点划分至绩差分组；当属于同一父节点的所有其它同层节点均不符合所述预设条件时，忽略所述目标节点。

在一种可能的实现方式中，所述根据所述样本数据训练一决策树模型包括：以所述样本数据作为训练集计算每一条件属性的信息增益；选择信息增益最大的条件属性作为所述决策树模型的根节点以分割所述样本数据以得到下一层节点；以每一节点包含的样本数据作为训练集重新计算每一条件属性的信息增益；选择信息增益最大的条件属性分割所述节点以得到下一层节点；以及递归执行重新计算每一条件属性的信息增益的步骤以及选择信息增益最大的条件属性分割所述节点的步骤，直至分割停止。

在一种可能的实现方式中，在所述决策树的层数达到一预设层数时停止下一次分割。

在一种可能的实现方式中，在所述决策树的当前层的每一节点包含的样本数量小于一预设数量时停止下一次分割。

在一种可能的实现方式中，每一节点的绩优率为所述节点的绩优人员数量与所述节点的待分组人员的总数量之间的比值，每一节点的绩优覆盖率为所述节点的绩优人员数量与整个决策树模型的绩优人员的总数量之间的比值。