[发明专利]一种用于年终人物评估参考的系统

说明书

本发明公开了一种用于年终人物评估参考的系统，该系统的创建方法包括：基于历史测评数据的模型训练，初始化各类指标权重；人为调教后的模型优化；数据仓库建立；数据预处理；指标选择、权重计算及绩效得分计算，该方法实现统战人员及统战口的年终考评，可经由系统对人物的年度工作。

技术领域

本发明涉及计算机软件领域，具体是一种用于年终人物评估参考的系统。

背景技术

现有技术中，现有的人员考评系统只能通过预先设计的固定考评模型进行人员分析，无法针对逐年改变的工作重点做出及时的应对。

发明内容

发明目的：为了解决现有技术的不足,本发明提供了一种用于年终人物评估参考的系统，实现年终考评，可经由系统对人物的年度工作。

技术方案：为了实现以上目的，本发明所述的一种用于年终人物评估参考的系统，该系统的创建方法包括以下步骤：

(a)基于历史测评数据的模型训练，初始化各类指标权重

对于往年测评成绩及相关工作情况的数据进行整理，并进行数据清洗以供测评模型的训练，初始化测评模型中的各类指标权重值；

(b)人为调教后的模型优化

基于系统初始化后的指标权重值，针对每年度或对应季度的工作重心进行人为的进行调整以符合当前年度的相关考评重点；

(c)数据仓库建立

设计数据仓库并建立标准化的数据规范，数据仓库中的数据来源于原本的在线业务系统，数据类主要包括，如日常工作记录、信息维护情况、信息上报及录用情况、参政议政议案提交情况、年度的奖惩情况、年度开展活动类别占比情况等；

(d)数据预处理

针对测评模型的要求对数据进行预处理，如数据格式、数据范围、数据类型等转化为模型可用数据；

(e)指标选择、权重计算及绩效得分计算

舍弃部分无用数据，进行指标选择，权重计算及绩效得分计算，综合整体业务指标及各统战口的特有指标，通过算法筛选出独立性、区分性高的指标。

作为本发明的进一步优选，步骤(e)中，所述的算法包括：R型聚类分析法、变异系数算法和松弛变量。

作为本发明的进一步优选，所述的R型聚类分析法是聚类分析的一种对指标进行分类的方法。

作为本发明的进一步优选，所述的R型聚类分析法是为了防止遗漏某些重要影响因素，在一开始选取指标的时候尽可能考虑所有的相关因素，而这样做的结果，则是变量过多，变量间的相关度较高，给统计分析与建模带来极大不便，按照变量的相似干系把他们聚合成若干类，进而找出影响系统的主要因素。

作为本发明的进一步优选，变异系数算法是衡量资料中各观测值变异程度的一个统计量，标准差与平均数的比值称为变异系数，记为C.V；

C.V.＝σ/|μ|，其中σ＝√∑(xi-u)^2/n，u＝(∑xi)/n。

作为本发明的进一步优选，所述的松弛变量是为了解决数据更加混乱的问题。

作为本发明的进一步优选，所述的一个松弛变量ξ来允许一些数据可以处于分隔面错误的一侧，这时新的约束条件变为：

y_i(w^∑x_i+b)≥1-ξ_ii＝1,2….n

其中中ξi的含义为允许第i个数据点允许偏离的间隔，在原有目标的基础之上，尽可能的让ξ的总量也尽可能的小，新的目标函数变为：