[发明专利]非绩优人员培训方法、系统、终端及计算机可读存储介质

说明书

本发明提供一种非绩优人员培训方法、系统、终端及计算机可读存储介质。所述非绩优人员培训方法包括：获取多个绩优人员的样本数据；根据多个绩优人员的非行为因子数据建立并训练得到一潜力绩优识别模型，以识别得出非绩优人员成长为每一绩优类型的概率值；从计算得出的概率值中选取一最大概率值对应的绩优类型作为非绩优人员的潜力绩优类型；将非绩优人员的每一行为因子值与所述潜力绩优类型的每一行为因子的均值进行一一对应比较，以判定所述非绩优人员是否需要选择提升该行为因子的培训课程。本发明基于神经网络训练得到潜力绩优识别模型，根据模型定位出非绩优人员成长的潜力绩优类型，再对成长为该潜力绩优类型的行为因素进行有针对性培训。

技术领域

本发明涉及数据处理领域，尤其涉及一种非绩优人员培训方法、系统、终端及计算机可读存储介质。

背景技术

本部分旨在为权利要求书及具体实施方式中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

当今时代企业的发展主要表现在人力资源的竞争上，企业对员工的必要培训是人力资源开发的基础。现有人员培训方案主要可分为三类：一是统一进行人员培训，二是个人选择培训课程，三是他人推荐培训课程。第一类方法不能因人而异，对不同适应性水平的学习者采用相同的培训策略，难以因材施教。后两种方法太过主观，培训方案是否合适与选择人的判断是否正确相关很大。

发明内容

鉴于上述，本发明提供一种非绩优人员培训方法、系统、终端及计算机可读存储介质，可以实现根据不同的培训人员进行有针对性的培训方案生成。

本申请一实施方式提供一种非绩优人员培训方法，所述方法包括：获取多个绩优人员的样本数据，其中所述样本数据包括行为因子数据及非行为因子数据，多个所述绩优人员分属于多种绩优类型，每一所述绩优人员分属于一种绩优类型；

根据多个所述绩优人员的非行为因子数据建立并训练得到一潜力绩优识别模型；

将非绩优人员的非行为因子数据输入至所述潜力绩优识别模型计算得出所述非绩优人员成长为每一绩优类型的概率值；

从计算得出的所有概率值中选取一最大概率值，并将最大概率值对应的绩优类型作为所述非绩优人员的潜力绩优类型；

计算所述潜力绩优类型中的绩优人员的每一行为因子的均值与标准差，并将所述非绩优人员的每一行为因子值与所述潜力绩优类型的每一行为因子的均值进行一一对应比较；及

当所述非绩优人员的一行为因子值与对应的行为因子的均值的差值大于标准差的预设倍数时，判定所述非绩优人员需要选择提升该行为因子的培训课程。

优选地，所述行为因子数据包括多个行为因子，所述非行为因子数据包括多个非行为因子，每一所述行为因子对应有一行为因子值，每一所述非行为因子对应有一非行为因子值，且所述绩优人员与所述非绩优人员具有相同的行为因子与非行为因子。

优选地，所述根据多个所述绩优人员的非行为因子数据建立并训练得到一潜力绩优识别模型的步骤包括：

建立一神经网络模型，所述神经网络模型包括输入层、多个隐藏层及输出层；及

利用多个所述绩优人员的非行为因子数据对所述神经网络模型进行训练得到所述潜力绩优识别模型。

优选地，所述根据多个所述绩优人员的非行为因子数据建立并训练得到一潜力绩优识别模型的步骤包括：

将多个所述绩优人员的非行为因子数据划分为训练集及验证集；

建立一神经网络模型，并利用所述训练集对所述神经网络模型进行训练；

利用所述验证集对训练后的神经网络模型进行验证，并根据每一验证结果统计得到一模型预测准确率；