[发明专利]劳动效果画像方法、设备、可读存储介质及计算机设备

权利要求书

1.一种劳动效果画像方法，其特征在于，所述方法包括如下步骤：

实时获取罪犯基础数据及劳动改造行为数据；

通过对所述罪犯基础数据及劳动改造行为数据进行抽取与分解形成评估因子；

根据所述评估因子进行机器算法学习后得到劳动改造效果标签；

标注劳动改造效果评估样本数据，通过监督机器学习算法确定所述劳动改造效果标签的权重，以得到标签权重，输出罪犯劳动效果画像。

2.根据权利要求1所述的劳动效果画像方法，其特征在于，所述实时获取罪犯基础数据及劳动改造行为数据的步骤之前，所述方法还包括：获取罪犯劳动改造行为，并对所述罪犯劳动改造行为进行结构化。

3.根据权利要求2所述的劳动效果画像方法，其特征在于，所述获取罪犯劳动改造行为，并对罪犯所述劳动改造行为进行结构化的步骤包括：

将所述劳动改造行为抽象为四个维度，所述四个维度包括劳动态度、劳动纪律、劳动素养及劳动绩效；

将所述四个维度细分为对应的子类，对每个所述子类进行指标度量标准化处理，以得到各个子类的度量指标；

将所述度量指标与进行所述机器算法学习后的性能度量指标进行拟合；

当所述度量指标与所述性能指标的拟合度在预设拟合范围内时，对所述劳动改造行为数据进行数据预处理，并对预设样本数据标注劳动改造的绩效实际效果，所述绩效实际效果包括：优秀、良好、中等、一般、较差大范围覆盖。

4.根据权利要求1所述的劳动效果画像方法，其特征在于，所述通过对所述罪犯基础数据及劳动改造行为数据进行抽取与分解形成评估因子的步骤包括：

获取目标样本数据，并建立神经元感知模型以对罪犯劳动改造效果进行监督学习；

输入所述罪犯基础数据及劳动改造行为数据并进行因子分解，以得到过程评估因子；

对所述过程评估因子进行同类归并处理，以得到所述评估因子；

整理所述目标样本数据，并对所述目标样本数据进行绩效效果标注，以得到目标学习数据。

5.根据权利要求4所述的劳动效果画像方法，其特征在于，所述根据所述评估因子进行机器算法学习后得到劳动改造效果标签的方法包括：

根据所述目标学习数据进行机器算法学习与运算后得到所述劳动改造效果标签；

其中，所述劳动改造效果标签的计算公式为：

其中，φ()为激活函数，V_k为调节系数，W_i为初始权重，X_i为评估因子，B_k为偏移累加量。

6.根据权利要求1所述的劳动效果画像方法，其特征在于，所述标注劳动改造效果评估样本数据，通过监督机器学习算法确定所述劳动改造效果标签的权重，以得到标签权重的步骤之后，所述方法还包括：

根据实际劳动改造效果对监督机器进行训练学习，调整所述标签权重，从而获得画像标签权重；

通过大数据分析引擎将所述画像标签权重进行分析与运算，以完成罪犯劳动改造效果的画像建模。

7.根据权利要求1所述的劳动效果画像方法，其特征在于，各个罪犯均穿戴和/或携带有一移动终端，

所述方法还包括：

根据所述罪犯劳动效果画像确定该罪犯所处的监区，并计算当前监区预设时间段内的平均劳动改造效果等级；

判断所述罪犯劳动效果画像的画像等级是否小于预设时间段内当前监区的平均劳动改造效果等级；

若是，则控制所述移动终端从正常监控模式切换为预警模式，并形成相应的分析与建议报告。