[发明专利]绩效数据获取方法、装置和存储介质

权利要求书

1.一种绩效数据获取方法，其特征在于，包括：

接收工单完成指令，所述工单完成指令中包括待处理工单的工单标识和待处理工单对应的终端标识，所述工单完成指令用于表示所述待处理工单的工单数据已存储至云平台；

根据所述工单标识，从所述云平台中获取所述待处理工单的工单数据；

将所述待处理工单的工单数据输入至绩效模型中，获取所述待处理工单的绩效数据，所述绩效模型用于表示工单数据的属性值和绩效数据的对应关系；

显示所述待处理工单的绩效数据，并获取所述待处理工单的绩效数据的审核结果，所述审核结果用于表示所述待处理工单的绩效数据有效；

根据所述终端标识，将所述待处理工单的绩效数据发送至待处理工单的终端；

所述接收工单完成指令之前，还包括：

将多个历史工单数据的属性值和每个所述历史工单数据的期望绩效数据作为训练数据，训练初始绩效模型，获取所述绩效模型，所述初始绩效模型中的隐含层神经元个数与所述绩效模型中的隐含层神经元个数相同或不同；

所述初始绩效模型中的隐含层神经元个数与所述绩效模型中的隐含层神经元个数相同或不同，包括：在对初始绩效模型训练的过程中，对初始绩效模型中隐含层神经元个数进行增加或者删减，使得隐含层神经元和输出层神经元之间的连接权值达到最优；

所述获取所述绩效模型，包括：

A、设置所述初始绩效模型中的每个隐含层神经元与输出层神经元的连接权值为第一连接权值；

B、在第i个迭代周期，将选择的所述第i个迭代周期的历史工单数据的属性值和所述第i个迭代周期的历史工单数据的期望绩效数据作为训练数据，输入至第i-1个迭代周期的绩效模型中，获取所述第i个迭代周期的历史工单数据的实际绩效数据，其中，i为大于或等于1的整数；

C、根据所述第i个迭代周期的历史工单数据的实际绩效数据和连接权值，对所述第i-1个迭代周期的绩效模型中的隐含层神经元的个数和连接权值进行调整；

D、将i加1，继续执行步骤B和步骤C，直至调整次数达到预设次数，获取所述绩效模型，所述第i个迭代周期的历史工单数据和第i-1个迭代周期历史工单数据不同；

步骤C包括：根据所述第i个迭代周期的历史工单数据的实际绩效数据和连接权值，获取所述第i个迭代周期的第一阈值和连接信息含量；

若所述连接信息含量大于所述第一阈值，则在所述第i-1个迭代周期的绩效模型中增加一个新的隐含层神经元；根据所述历史工单数据的实际绩效数据、所述历史工单数据的期望绩效数据，设置所述新的隐含层神经元与输出层神经元的连接权值；

若所述连接信息含量小于所述第一阈值，则根据所述第i-1个迭代周期的绩效模型中的每个所述隐含层神经元的参数，获取所述第i个迭代周期的第二阈值；

若所述连接信息含量小于所述第二阈值，则删减目标隐含层神经元，并对与目标隐含层神经元的欧式距离最小的隐含层神经元进行连接权值的设置。

2.根据权利要求1所述的方法，其特征在于，

所述第一阈值为所述隐含层神经元个数增加的基准值，所述连接信息含量用于表示所述隐含层神经元与输出层神经元的个数匹配度。

3.根据权利要求1所述的方法，其特征在于，所述第二阈值为所述隐含层神经元个数删减的基准值，所述隐含层神经元的参数包括：所述隐含层神经元的中心值和中心宽度；

所述若所述连接信息含量小于所述第二阈值，则删减目标隐含层神经元，并对与目标隐含层神经元的欧式距离最小的隐含层神经元进行连接权值的设置，包括：若所述连接信息含量小于所述第二阈值，则在所述第i-1个迭代周期的绩效模型中的隐含层神经元中确定一个目标神经元，所述目标神经元为待删除的神经元；

删除所述目标神经元，并设置删除所述目标神经元后的隐含层神经元与输出层神经元的连接权值。

4.根据权利要求3所述的方法，其特征在于，所述在所述第i-1个迭代周期的绩效模型中的隐含层神经元中确定一个目标神经元，包括：

获取所述第i-1个迭代周期的绩效模型中每个所述隐含层神经元的隐含层输出值；

将最小隐含层输出值对应的神经元作为所述目标神经元。