[发明专利]目标员工筛选方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种目标员工筛选方法、装置、计算机设备及存储介质。本发明应用于智能决策中的预测模型领域。所述方法包括：从预设数据库中收集候选员工集合的训练样本并对所述训练样本进行预处理得到训练数据；通过梯度提升决策树模型对所述训练数据进行迭代计算以生成组合特征；通过逻辑回归模型对所述组合特征进行迭代计算以得到目标员工的概率；对所述候选员工集合进行排序并根据所述目标员工概率从所述排序中筛选得到目标员工集合。通过实施本发明实施例的方法可实现挖掘优质员工，缩短企业培养周期，降低培养成本。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种目标员工筛选方法、装置、计算机设备及存储介质。

背景技术

目前，在企业管理体系中，员工管理占据非常重要的地位，员工管理关系着企业发展的命脉。尤其是销售型企业，对于销售型的企业来说，具有人员流动性大，一线销售人员数量多的特点，因此对于该部分员工难以建立有效的管理机制。随着科技与技术的发展，通过人工智能解决企业的销售人员管理的问题已逐渐成为主流。然而，现有的人工智能的模型需要人工寻找大量的有效特征来对模型进行训练，模型效果差，耗费人力物力。

发明内容

本发明实施例提供了一种目标员工筛选方法、装置、计算机设备及存储介质，旨在解决现有的模型需要人工寻找大量的有效特征来对模型进行训练，模型效果差，耗费人力物力的问题。

第一方面，本发明实施例提供了一种目标员工筛选方法，其包括：从预设数据库中收集候选员工集合的训练样本并对所述训练样本进行预处理得到训练数据；通过梯度提升决策树模型对所述训练数据进行迭代计算以生成组合特征；通过逻辑回归模型对所述组合特征进行迭代计算以得到目标员工的概率；对所述候选员工集合进行排序并根据所述目标员工概率从所述排序中筛选得到目标员工集合。

第二方面，本发明实施例还提供了一种目标员工筛选装置，其包括：从预设数据库中收集候选员工集合的训练样本并对所述训练样本进行预处理得到训练数据；通过梯度提升决策树模型对所述训练数据进行迭代计算以生成组合特征；通过逻辑回归模型对所述组合特征进行迭代计算以得到目标员工的概率；对所述候选员工集合进行排序并根据所述目标员工概率从所述排序中筛选得到目标员工集合。

第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。

本发明实施例提供了一种目标员工筛选方法、装置、计算机设备及存储介质。其中，所述方法包括：从预设数据库中收集候选员工集合的训练样本并对所述训练样本进行预处理得到训练数据；通过梯度提升决策树模型对所述训练数据进行迭代计算以生成组合特征；通过逻辑回归模型对所述组合特征进行迭代计算以得到目标员工的概率；对所述候选员工集合进行排序并根据所述目标员工概率从所述排序中筛选得到目标员工集合。本发明实施例由于通过训练梯度提升决策树模型生成组合特征，根据组合特征通过逻辑回归模型预测目标员工概率，根据预测的目标员工的概率对候选员工集合进行筛选得到目标员工集合，可实现发掘大量有效特征，提高模型效果，减少人力成本。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的目标员工筛选方法的流程示意图；

图2为本发明实施例提供的目标员工筛选方法的子流程示意图；

图3为本发明实施例提供的目标员工筛选方法的子流程示意图；