[发明专利]一种自动化匹配绩效考核指标的方法及设备

权利要求书

1.一种自动化匹配绩效考核指标的方法，其特征在于，所述方法包括：

根据企业的业务流程信息，构建企业相应的初始考核指标集合，以及根据企业当前阶段的已处理业务数据，建立企业数据库；其中，所述企业数据库中的数据包括与绩效考核相关的数据；

将所述企业中各岗位信息输入到第一考核指标分类器，以在所述初始考核指标集合中筛选出不同岗位分别对应的第一考核指标；其中，所述第一考核指标与任务目标完成情况相关；

基于随机森林模型和/或SVM模型，对所述企业数据库中的数据进行特征向量提取，以根据提取出的特征向量在所述企业数据库中筛选出不同岗位分别对应的任务目标完成数据；

将所述任务目标完成数据分别与所述第一考核指标对应的指标值进行计算，以得到不同岗位分别对应的第一考核值；

将所述第一考核值与预设考核指标阈值进行比对，确定出所述不同岗位分别对应的绩效差值；其中，所述绩效差值包括绩效正差值与绩效负差值；

将所述岗位信息与所述绩效差值输入第二考核指标分类器，以在所述初始考核指标集合中筛选出不同岗位分别对应的第二考核指标；其中，所述第二考核指标与完成任务目标时所需的中间数据相关；

基于考核指标训练集，建立指标混合推荐模型；

根据所述绩效差值对所述指标混合推荐模型对应的考核指标权重，进行调节；

根据调节后的所述指标混合推荐模型、所述第一考核指标以及所述第二考核指标，对不同岗位对应的考核指标进行匹配，以确定最终的岗位与考核指标的匹配关系。

2.根据权利要求1所述的一种自动化匹配绩效考核指标的方法，其特征在于，所述将所述企业中各岗位信息输入到第一考核指标分类器，以在所述初始考核指标集合中筛选出不同岗位分别对应的第一考核指标，具体包括：

将预置考核指标特征训练集与不同岗位信息对应的预置文本特征训练集作为输入，将所述预置考核指标特征训练集，与所述不同岗位信息对应的预置文本特征训练集之间的匹配关系作为输出，对预置指标分类神经网络模型进行训练，以得到所述第一考核指标分类器；

基于预设转化规则，将所述不同岗位信息中的非结构化数据转化为结构化数据，以获取多个岗位信息的结构化文本数据；

将所述结构化文本数据进行分词处理，得到每个岗位分别对应的文本特征集；

根据输入所述第一考核指标分类器的岗位数量m，建立m个n维向量；其中，所述n维向量中的元素为所述初始考核指标集合中的考核指标特征；

通过所述第一考核指标分类器将所述考核指标特征与所述每个岗位分别对应的多个文本特征进行比对，以确定所述多个文本特征分别在所述n维向量中所对应的最相似的考核指标特征；

确定出所述m个n维向量分别对应的多个考核指标特征，并将其作为不同的岗位分别对应的第一考核指标；其中，所述多个考核指标特征分别对应的相似值均大于预设相似阈值。

3.根据权利要求1所述的一种自动化匹配绩效考核指标的方法，其特征在于，所述基于随机森林模型和/或SVM模型，对所述企业数据库中的数据进行特征向量提取，以根据提取出的特征向量在所述企业数据库中筛选出不同岗位分别对应的任务目标完成数据，具体包括：

基于预置的任务目标完成数据训练集中的文本数据，建立多个关键词节点；

确定出不同岗位对应的多个关键词节点，并根据所述多个关键词节点建立不同岗位分别对应的关键词矩阵；

将企业数据库中的数据划分为多个段落；

将所述不同岗位分别对应的关键词矩阵与所述多个段落输入SVM模型，通过所述SVM模型确定出所述多个段落分别与所述关键词矩阵之间的第一数据相似度；

根据所述第一数据相似度，得到所述多个段落分别对应的数据相似度最高的第一关键词矩阵；

确定所述企业数据库中的图像数据，通过预设文字识别模型对所述图像数据中的文字区域进行识别；将识别到的文字区域进行文本分割，并将分割后的文本进行二值化处理，得到所述图像数据中的文本信息；

通过SVM模型，确定出所述图像数据中的文本信息与所述关键词矩阵之间的第二数据相似度；

根据所述第二数据相似度，得到所述图像数据所对应的数据相似度最高的第二关键词矩阵；

通过所述第一关键词矩阵与所述第二关键词矩阵，确定输入的所述企业数据库中的数据所对应的输出任务目标完成数据。