[发明专利]员工合作关系强度量化方法、系统、计算机和存储介质在审
申请号: | 202110780038.5 | 申请日: | 2021-07-09 |
公开(公告)号: | CN113407702A | 公开(公告)日: | 2021-09-17 |
发明(设计)人: | 梁秀钦;齐云飞;徐凯波 | 申请(专利权)人: | 上海明略人工智能(集团)有限公司 |
主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F21/60;G06F21/62;G06F40/242;G06K9/62;G06Q50/00 |
代理公司: | 青岛清泰联信知识产权代理有限公司 37256 | 代理人: | 李祺 |
地址: | 200030 上海市徐汇区*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 员工 合作关系 强度 量化 方法 系统 计算机 存储 介质 | ||
1.一种员工合作关系强度量化方法,其特征在于,包括:
交互序列获取步骤,获取目标员工的会话交互数据,将所述会话交互数据进行加密处理并根据一预设切分单位分为多个会话单元,并将所述会话单元输出为员工交互序列;
序列模型获取步骤,基于所述员工交互序列通过序列建模方法构建并训练序列模型;
序列向量获取步骤,基于所述序列模型得到所述员工交互序列的序列向量;
关系亲密度计算步骤,将所述序列向量存储至一多维向量数据库中并基于所述序列向量计算员工关系亲密度,得到亲密度分数,基于所述亲密度分数量化员工合作关系强度。
2.根据权利要求1所述的员工合作关系强度量化方法,其特征在于,所述序列模型为Bert模型,所述序列模型获取步骤进一步包括:
Bert词库构建步骤,将一目标企业的所有员工表示为员工字典库;
序列预处理步骤,将所述员工交互序列构建为Bert标准训练数据格式,得到用于训练模型的会话序列数据;
模型训练步骤,基于所述会话序列数据训练所述Bert模型。
3.根据权利要求1或2所述的员工合作关系强度量化方法,其特征在于,还包括:
员工关系亲密度查询步骤,基于用户的查询请求对目标员工的关系亲密度进行检索,并根据亲密度分数排序输出一关系亲密度排序列表。
4.根据权利要求1或2所述的员工合作关系强度量化方法,其特征在于,还包括:
模型迭代步骤,获取一预设增量周期的会话交互数据的增量数据,基于所述增量数据对所述序列模型进行迭代训练;
关系亲密度动态计算步骤,根据所述序列模型获取序列向量并动态计算员工关系亲密度。
5.一种员工合作关系强度量化系统,其特征在于,包括:
交互序列获取模块,获取目标员工的会话交互数据,将所述会话交互数据进行加密处理并根据一预设切分单位分为多个会话单元,并将所述会话单元输出为员工交互序列;
序列模型获取模块,基于所述员工交互序列通过序列建模方法构建并训练序列模型;
序列向量获取模块,基于所述序列模型得到所述员工交互序列的序列向量;
关系亲密度计算模块,将所述序列向量存储至一多维向量数据库中并基于所述序列向量计算员工关系亲密度,得到亲密度分数,基于所述亲密度分数量化员工合作关系强度。
6.根据权利要求5所述的员工合作关系强度量化系统,其特征在于,所述序列模型为Bert模型,所述序列模型获取模块进一步包括:
Bert词库构建模块,将一目标企业的所有员工表示为员工字典库;
序列预处理模块,将所述员工交互序列构建为Bert标准训练数据格式,得到用于训练模型的会话序列数据;
模型训练模块,基于所述会话序列数据训练所述Bert模型。
7.根据权利要求5或6所述的员工合作关系强度量化系统,其特征在于,还包括:
员工关系亲密度查询模块,基于用户的查询请求对目标员工的关系亲密度进行检索,并根据亲密度分数排序输出一关系亲密度排序列表。
8.根据权利要求5或6所述的员工合作关系强度量化系统,其特征在于,还包括:
模型迭代模块,获取一预设增量周期的会话交互数据的增量数据,基于所述增量数据对所述序列模型进行迭代训练;
关系亲密度动态计算模块,根据所述序列模型获取序列向量并动态计算员工关系亲密度。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的员工合作关系强度量化方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4中任一项所述的员工合作关系强度量化方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海明略人工智能(集团)有限公司,未经上海明略人工智能(集团)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110780038.5/1.html,转载请声明来源钻瓜专利网。