公开(公告)号：CN118312677B

公开(公告)日：2024-10-01

申请号：CN202410570689.5

申请日：2024-05-09

Applicant: 南京邮电大学

Inventor： 焦永纪 ,  黄薪屹 ,  成海 ,  罗涵 ,  雷晓静 ,  苏红

IPC: G06F16/9535 ,  G06Q50/20 ,  G06F18/22 ,  G06N3/0475 ,  G06N3/094 ,  G06F17/16

Abstract: 本发明公开了一种基于企业员工技能培训历史偏好的个性化培训推荐方法，该方法通过构建员工‑培训项目矩阵R，计算培训项目之间的Pearson相似度，形成相似度矩阵S。根据相似度矩阵S，为每个培训项目选取最近邻居和最远邻居集合。对员工遍历参与过的培训项目，构建最近邻居和最远邻居集合，并利用这些集合，使推荐器学习到员工的反向偏好，从而实现对员工培训历史中的无意义记录识别，并调整矩阵R中相关数据。通过对比员工未参与过培训的邻居集合中与已交互培训集合的重合度，筛选得到员工潜在的偏好培训，调整矩阵R中相关数据。将调整后的R矩阵输入对抗生成网络进行训练。训练完成后，即可通过生成器G为每个员工推荐个性化培训项目。

公开(公告)号：CN118365208A

公开(公告)日：2024-07-19

申请号：CN202410572935.0

申请日：2024-05-10

Applicant: 南京邮电大学

Inventor： 焦永纪 ,  黄薪屹 ,  陈晓雪 ,  罗涵 ,  苏红 ,  雷晓静

IPC: G06Q10/0639 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于数据离散化和标签融合方法判别企业员工潜力的新型框架实现方法，该方法利用数据离散化和标签融合的方法来评估企业员工的潜力。该框架从两个角度出发：员工对考核指标的重视程度以及考核指标对员工能力的反映程度。将得到的连续数值转换为离散的数据特征，并根据预设规则为其赋予相应的标签。随后，本发明将这些标签进行融合，利用所提出的影响因素学习器学习融合后的标签，以实例化无形的影响因素。在深度学习模型的训练阶段，影响因素学习器参与模型的训练；而在推理阶段，影响因素学习器则不参与模型的推理。通过这种方式，本发明实现了考核指标与员工能力之间的等价关系。

公开(公告)号：CN118350791A

公开(公告)日：2024-07-16

申请号：CN202410572862.5

申请日：2024-05-10

Applicant: 南京邮电大学

Inventor： 焦永纪 ,  成海 ,  陈晓雪 ,  罗涵 ,  苏红 ,  雷晓静

IPC: G06Q10/105 ,  G06F18/213 ,  G06F18/2132 ,  G06F18/243 ,  G06N20/20

Abstract: 本发明公开了一种企业员工离职率评估计算服务实现方法，该方法在框架中使用了最小‑最大值标准化中的0‑1标准化、线性判别分析，将员工离职因素数据化并规范化后提取出特征。随机森林方法对特征进行选择分类以及多模态变分自编码器(MultVAE)方法预测离职率。随机森林方法对提取出的原始特征每次随机地从10个特征中选取5个特征；从5个特征中选择一个特征作为该节点的分类属性生成决策树，并且按照该步骤重复多次，将决策树集成为随机森林得到最终的特征分类结果。最后使用MultVAE，即多模态变分自编码器根据最终分类完成的特征预测员工未来的可能离职率，以此解决了企业的人才流失问题。

公开(公告)号：CN118333595A

公开(公告)日：2024-07-12

申请号：CN202410570726.2

申请日：2024-05-09

Applicant: 南京邮电大学

Inventor： 焦永纪 ,  成海 ,  陈晓雪 ,  罗涵 ,  苏红 ,  雷晓静

IPC: G06Q10/1053 ,  G06F18/24 ,  G06F18/214 ,  G06N5/01 ,  G06N20/00 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/094

Abstract: 本发明公开了一种企业员工薪资动态管理服务实现方法，针对企业中不能合理地对薪资各个组成项目进行量化加权评估导致员工的薪资无法动态符合表现员工的工作表现的问题，提供了一种企业员工薪资动态自助管理服务。框架中，使用了最大‑最小规范化、非负矩阵分解，将员工薪资组成项目量化并规范化后提取出特征。随机森林方法根据每个员工薪资组成项目特征生成该员工以往每个月的薪资向量，并设置实验的训练集与测试集。通过基于去噪自动编码器的对抗生成网络对训练集中薪资向量的训练，实现动态地对企业员工薪资进行调整，提供更加高效的动态薪资管理服务。

公开(公告)号：CN118312677A

公开(公告)日：2024-07-09

申请号：CN202410570689.5

申请日：2024-05-09

Applicant: 南京邮电大学

Inventor： 焦永纪 ,  黄薪屹 ,  成海 ,  罗涵 ,  雷晓静 ,  苏红

IPC: G06F16/9535 ,  G06Q50/20 ,  G06F18/22 ,  G06N3/0475 ,  G06N3/094 ,  G06F17/16

Abstract: 本发明公开了一种基于企业员工技能培训历史偏好的个性化培训推荐方法，该方法通过构建员工‑培训项目矩阵R，计算培训项目之间的Pearson相似度，形成相似度矩阵S。根据相似度矩阵S，为每个培训项目选取最近邻居和最远邻居集合。对员工遍历参与过的培训项目，构建最近邻居和最远邻居集合，并利用这些集合，使推荐器学习到员工的反向偏好，从而实现对员工培训历史中的无意义记录识别，并调整矩阵R中相关数据。通过对比员工未参与过培训的邻居集合中与已交互培训集合的重合度，筛选得到员工潜在的偏好培训，调整矩阵R中相关数据。将调整后的R矩阵输入对抗生成网络进行训练。训练完成后，即可通过生成器G为每个员工推荐个性化培训项目。

公开(公告)号：CN116823014B

公开(公告)日：2024-02-13

申请号：CN202310358873.9

申请日：2023-04-06

Applicant: 南京邮电大学

Inventor： 焦永纪 ,  吴紫茉 ,  罗涵 ,  陈晓雪 ,  张晓曼

IPC: G06Q10/0639 ,  G06F18/2134 ,  G06F18/243 ,  G06N5/01 ,  G06N3/006

Abstract: 本发明公开了一种企业员工绩效自动评分服务实现方法，该方法框架分为三部分，分别为数据预处理、两层随机森林分类器和人工蜂群算法选择特征。数据预处理部分使用了小数定标规范化、独立成分分析方法，将员工的绩效考核指标规范化后提取出特征。每层分类器由12个随机森林个体分类器组成一个强分类器，这种结构使得整体模型的结果具有较高的精确度和泛化性能，同时也有很好的稳定性。通过第二层随机森林分类器对第一层分类器预测结果集成，能够提升结果的预测精度。在使用人工蜂群算法选择特征时也加入了K折交叉验证，使得模型更加稳健，鲁棒性更强。本发明能够有效地应用于企业员工绩效自动评分服务中，极大地减少企业人事部门绩效评分的工作。(56)对比文件Sun Qingqiang 等.Deep learning forindustrial KPI prediction: When ensemblelearning meets semi-supervised data《.IEEETransactions on Industrial Informatics》.2020,第17卷(第1期),260-269.Pohjankukka Jonne 等.Estimating theprediction performance of spatial modelsvia spatial k-fold cross validation.《International Journal of GeographicalInformation Science》.2017,第31卷(第10期),2001-2019.

公开(公告)号：CN116823014A

公开(公告)日：2023-09-29

申请号：CN202310358873.9

申请日：2023-04-06

Applicant: 南京邮电大学

Inventor： 焦永纪 ,  吴紫茉 ,  罗涵 ,  陈晓雪 ,  张晓曼

IPC: G06Q10/0639 ,  G06F18/2134 ,  G06F18/243 ,  G06N5/01 ,  G06N3/006

Abstract: 本发明公开了一种企业员工绩效自动评分服务实现方法，该方法框架分为三部分，分别为数据预处理、两层随机森林分类器和人工蜂群算法选择特征。数据预处理部分使用了小数定标规范化、独立成分分析方法，将员工的绩效考核指标规范化后提取出特征。每层分类器由12个随机森林个体分类器组成一个强分类器，这种结构使得整体模型的结果具有较高的精确度和泛化性能，同时也有很好的稳定性。通过第二层随机森林分类器对第一层分类器预测结果集成，能够提升结果的预测精度。在使用人工蜂群算法选择特征时也加入了K折交叉验证，使得模型更加稳健，鲁棒性更强。本发明能够有效地应用于企业员工绩效自动评分服务中，极大地减少企业人事部门绩效评分的工作。