[发明专利]绩效量化考核方法、装置及计算机可读存储介质

权利要求书

1.一种绩效量化考核方法，其特征在于，所述绩效量化考核方法包括以下步骤：

获取待考核指标数据，待考核指标数据包括所有待考核人员的所有考核指标下的数据，所述获取待考核指标数据的方式包括接收上传的待考核指标数据文件版本，或筛选预设日期范围内的考核人员的绩效数据；

获取样本指标数据；

根据所述样本指标数据生成样本指标数据集；

根据信息熵评价模型以及所述样本指标数据集获取所述信息熵，所述信息熵为实际的绩效考核结果，所述信息熵评价模型为：

其中，p_ij表示第i个待考核人员与最优目标的相似度，gain_i为第i个待考核人员与最优目标之间的信息熵；

将所述待考核指标数据输入预设神经网络模型，其中，所述预设神经网络模型根据预测熵以及所述预测熵对应的信息熵构建，所述预测熵为将样本指标数据输入初始BP神经网络模型得到的；

接收所述预设神经网络模型输出的绩效考核数据。

2.如权利要求1所述的绩效量化考核方法，其特征在于，所述根据所述样本指标数据生成样本指标数据集的步骤包括：

根据所述样本指标数据生成样本数据矩阵；

对所述样本数据矩阵进行归一化处理，得到所述样本指标数据集。

3.如权利要求1所述的绩效量化考核方法，其特征在于，所述根据信息熵评价模型以及所述样本指标数据集获取所述信息熵的步骤包括：

获取所述样本指标数据集中满足预设条件的数据；

获取样本指标数据与所述数据之间的相似度；

根据所述信息熵评价模型以及所述相似度获取所述信息熵。

4.如权利要求1所述的绩效量化考核方法，其特征在于，所述接收所述预设神经网络模型输出的绩效考核数据的步骤之后，还包括：

获取修正函数；

根据所述修正函数修正所述绩效考核数据。

5.如权利要求4所述的绩效量化考核方法，其特征在于，所述根据所述修正函数修正所述绩效考核数据的步骤包括：

获取所述绩效考核数据的第一平均值、待考核人员的评价结果以及历史绩效数据的第二平均值；

根据所述修正函数、所述第一平均值、所述评价结果以及所述第二平均值修正所述绩效考核数据。

6.如权利要求5所述的绩效量化考核方法，其特征在于，所述获取所述绩效考核数据的第一平均值、待考核人员的评价结果以及历史绩效数据的第二平均值的步骤之前，所述获取待考核人员的评价结果的步骤包括：

获取所述待考核人员的权重值以及信息熵；

根据所述权重值以及所述信息熵得到所述待考核人员的评价结果。

7.如权利要求1所述的绩效量化考核方法，其特征在于，所述接收所述预设神经网络模型输出的绩效考核数据的步骤之前，预设神经网络模型根据以下步骤构建：

获取初始预设神经网络模型；

向所述初始预设神经网络模型输入所述样本指标数据，并接收所述初始预设神经网络模型输出的初始预测熵；

判断所述信息熵与对应的所述初始预测熵的误差值是否大于或等于预设阈值；

在所述误差值大于或等于预设阈值时，通过所述误差值获取网络节点的权重值；

根据所述权重值以及所述初始预设神经网络模型构建所述预设神经网络模型。

8.一种绩效量化考核装置，其特征在于，所述绩效量化考核装置包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的绩效量化考核程序，所述绩效量化考核程序被所述处理器执行时实现如权利要求1至7中任一项所述的绩效量化考核方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有绩效量化考核程序，所述绩效量化考核程序被处理器执行时实现如权利要求1至7中任一项所述的绩效量化考核方法的步骤。