[发明专利]一种绩效考核方法及系统

权利要求书

1.一种绩效考核方法，其特征在于，所述方法包括：

在服务端上配置绩效考核指标体系及考核任务，所述绩效考核指标体系包括指标编码、指标内容名称、上级指标内容名称和指标评分标准；

将所述绩效考核指标体系及考核任务下发至数据采集单位及被评估考核单位；

所述数据采集单位接收所述被评估考核单位上报的指标数据，并对所述指标数据进行考核评分，获得指标数据对应的考核评分；

所述服务端汇总所述指标数据对应的考核评分，并将汇总的所述指标数据对应的考核评分反馈至被评估考核单位；

所述对所述指标数据进行考核评分，获得指标数据对应的考核评分，包括：

所述数据采集单位按照接收到的指标数据对应的被评估考核单位对应的考核指标评分标准对所述指标数据进行考核评分，获得指标数据对应的考核评分；

所述数据采集单位按照接收到的指标数据对应的被评估考核单位对应的考核指标评分标准对所述指标数据进行考核评分，获得指标数据对应的考核评分，包括：

所述数据采集单位按照接收到的指标数据对应的被评估考核单位对应的考核指标评分标准对所述指标数据进行人工考核评分，获得第一指标数据对应的考核评分；

所述数据采集单位按照接收到的指标数据对应的被评估考核单位调用对应的收敛的神经网络模型对所述指标数据进行智能考核评分，获得第二指标数据对应的考核评分；

基于预设的动态平衡参数将所述第一指标数据对应的考核评分和所述第二指标数据对应的考核评分进行动态累加，获得指标数据对应的考核评分；

所述服务端上的存储单元内存储有数据采集单位及被评估考核单位，其中，所述数据采集单位与所述被评估考核单位为上、下级关系；并且，所述数据采集单位与所述被评估考核单位被配置为一对一映射关系或者一对多的映射关系；

所述收敛的神经网络模型为利用对应的被评估考核单位对应的考核指标评分标准进行训练收敛的神经网络模型；并且在对该神经网络模型进行训练之前，首先需要对该神经网络模型中的各层的输出节点按照原节点的二分之一进行压缩，然后再确定损失函数，所述损失函数为交叉熵损失函数，并且，需要对该损失函数进行更新，更新的过程为对神经网络模型中的所有节点进行正则化，得到正则化项，然后利用正则化项作为参数，更新该交叉熵损失函数，之后再进行训练，并且在训练过程中，若训练的效果达不到预设情况，则需要采用反向传播算法更新所有层的参数，重新训练；直至收敛或者达到训练次数为止；

预设的动态平衡参数的初始参数值均为0.5；基于所述数据采集单位中的人工考核评分的考核人员的评价对所述初始参数值进行动态调整，获得动态平衡参数，在调整之后，参数的相加结果还是为1。

2.根据权利要求1所述的绩效考核方法，其特征在于，所述方法还包括：

所述被评估考核单位查看所述指标数据对应的考核评分，并判断是否有异议；

若有异议，则所述被评估考核单位基于所述指标数据对应的考核评分发起的申述请求；

所述数据采集单位对所述申述请求进行指标申述程序进行初步审核，并将初步审核结果发送至服务端；

所述服务端对所述初步审核结果进行复审，并基于复审结果生成绩效考核评估结果；

若无异议，则所述服务端基于所述指标数据对应的考核评分生成绩效考核评估结果。

3.根据权利要求1所述的绩效考核方法，其特征在于，所述在服务端上配置绩效考核指标体系及考核任务，包括：

基于所述服务端获得数据采集单位及被评估考核单位对应的用户角色，其中，所述用户角色至少包括部门名称、用户姓名、在服务端中的角色权限；

基于所述被评估考核单位对应的用户角色确定考核指标及考核指标评分标准；

基于在服务端上配置绩效考核指标体系及考核任务的考核指标及考核指标评分标准在所述服务端上配置绩效考核指标体系及考核任务。

4.根据权利要求1所述的绩效考核方法，其特征在于，所述将所述绩效考核指标体系及考核任务下发至数据采集单位及被评估考核单位，包括：

在所述服务端上获得所述绩效考核指标体系及考核任务对应的数据采集单位及被评估考核单位；

所述服务端基于HTTPS协议将所述绩效考核指标体系及考核任务下发至数据采集单位及被评估考核单位。