本申請實施例公開了一種人力資源風險預測方法和裝置，其方法包括：構建人力資源圖，定義人力資源圖的節點和邊，節點代表部門的多個相關人力資源特征，邊代表部門之間的關系；將所述人力資源圖輸入到優化后的Glow模型，得到第一潛在人力資源圖；將所述第一潛在人力資源圖輸入到優化后的Graphormer模型，得到第一風險特征向量；根據第一風險特征向量判斷是否存在人力資源風險。該方法可以預測多種人資資源風險，具有較高的預測準確性和泛化能力。具有較高的預測準確性和泛化能力。具有較高的預測準確性和泛化能力。
【技術實現步驟摘要】
一種人力資源風險預測方法及裝置
[0001]本專利技術涉及數據處理
，具體涉及一種人力資源風險預測方法及裝置。
技術介紹
[0002]人力資源是企業發展的重要基礎和核心要素之一，隨著經濟的快速發展和全球化的不斷推進，人力資源管理面臨越來越多的挑戰，如何科學有效地評估人力資源風險，優化企業人力資源管理，已經成為眾多企業迫切需要解決的問題。
[0003]現有的人力資源預測方法主要基于人工分析或統計學模型，但這些方法對于復雜的人力資源數據結構和關系建模能力較弱，無法全面評估各種潛在風險因素，且預測精度和準確性有限。因此，需要針對現有方法對于復雜的人力資源數據結構和關系建模能力較弱的問題，開發一種新的方法。
技術實現思路
[0004]基于此，有必要針對現有的問題，提供一種人力資源風險預測方法及裝置。
[0005]第一方面，本申請實施例提供了一種人力資源風險預測方法，所述人力資源風險預測方法包括以下步驟：構建人力資源圖，定義人力資源圖的節點和邊，節點代表部門的多個相關人力資源特征，邊代表部門之間的關系；將所述人力資源圖輸入到優化后的Glow模型，得到第一潛在人力資源圖；將所述第一潛在人力資源圖輸入到優化后的Graphormer模型，得到第一風險特征向量；根據第一風險特征向量判斷是否存在人力資源風險。
[0006]所述Glow模型和所述Graphormer模型的優化方法包括以下步驟：利用Glow模型構建第二潛在人力資源圖；利用Graphormer模型，并根據所述第二潛在人力資源圖預測得到的第二風險特征向量；根據真實的風險特征向量和所述預測得到的第二風險特征向量優化所述Glow模型和優化所述Graphormer模型，得到優化后的Glow模型和優化后的Graphormer模型。
[0007]所述利用Glow模型構建潛在人力資源圖，包括：將所述節點的節點特征進行標準化預處理，得到標準化特征；所述Glow模型包括Actnorm層、Invertible1x1卷積層和耦合層，將所述標準化特征依次通過Actnorm層、Invertible1x1卷積層和耦合層，得到Glow模型的輸出特征；將所述Glow模型的輸出特征映射到潛在變量空間，得到潛在人力資源圖。
[0008]將所述節點的節點特征進行標準化預處理，包括：將節點特征轉化為均值為0，方差為1的正態分布。
[0009]所述利用Graphormer模型，并根據所述第二潛在人力資源圖預測得到第二風險特
征向量，包括：將所述第二潛在人力資源圖作為Graphormer模型的輸入，提取潛在特征矩陣；將所述潛在特征矩陣分別映射到多個不同的風險特征向量，預測得到第二風險特征向量。
[0010]所述根據真實的風險特征向量和所述預測得到的第二風險特征向量優化所述Glow模型和優化所述Graphormer模型，得到優化后的Glow模型和優化后的Graphormer模型，包括：利用損失函數，并根據真實的風險特征向量和所述預測得到的第二風險特征向量計算總變差正則化損失；采用梯度下降反向傳播算法計算損失函數的梯度，更新Graphormer模型的參數和更新Glow模型的參數，得到優化后的Glow模型和優化后的Graphormer模型。
[0011]所述根據第一風險特征向量判斷是否存在人力資源風險，包括：利用回歸模型，并根據所述第一風險特征向量獲得具體風險值；若所述具體風險值大于預設閾值，則存在人力資源風險。
[0012]所述部門之間的關系包括部門之間的合作關系、部門之間的組織架構關系、部門之間的職能相似性。
[0013]所述節點特征為由部門的多個人力資源特征拼接而成的一維向量。
[0014]第二方面，提供一種人力資源風險預測裝置，包括：人力資源圖構建模塊，構建人力資源圖，定義人力資源圖的節點和邊，節點代表部門的多個相關人力資源特征，邊代表部門之間的關系；模型優化模塊，用于利用Glow模型構建第二潛在人力資源圖，利用Graphormer模型并根據所述第二潛在人力資源圖預測得到的第二風險特征向量，并根據真實的風險特征向量和所述預測得到的第二風險特征向量優化所述Glow模型和所述Graphormer模型，得到優化后的Graphormer模型；風險特征預測模塊，用于將所述人力資源圖輸入到優化后的Glow模型，得到第一潛在人力資源圖，并將第一潛在人力資源圖輸入到優化后的Graphormer模型，得到第一風險特征向量；人力資源風險判斷模塊，根據第一風險特征向量判斷是否存在人力資源風險。
[0015]在本申請提供的人力資源風險預測方法中，通過構建人力資源圖，將部門的人力資源數據和部門間的關系體現在人力資源圖內，通過采用優化后的Glow模型將節點特征映射到潛在變量，減少計算復雜度和提高模型的泛化能力，構建潛在人力資源圖，該方法可以捕捉到原始的節點特征的隱含信息，有助于提高模型的預測準確性；基于優化后Graphorme的模型提取第一風險特征向量，并根據第一風險特征向量判斷是否存在風險，實現全自動、智能的人力資源風險預測。該方法可以預測多種人資資源風險，具有較高的預測準確性和泛化能力，能夠提升企業的管理水平，從而帶來更高的生產效率和企業利潤。
附圖說明
[0016]通過參考下面的附圖，可以更為完整地理解本專利技術的示例性實施方式。附圖用來提供對本申請實施例的進一步理解，并且構成說明書的一部分，與本申請實施例一起用于
解釋本專利技術，并不構成對本專利技術的限制。在附圖中，相同的參考標號通常代表相同部件或步驟。
[0017]圖1為根據本申請一示例性實施例提供的人力資源風險預測方法的流程圖。
[0018]圖2為根據本申請一示例性實施例提供的人力資源風險預測方法中模型優化方法的流程圖。
[0019]圖3為根據本申請另一示例性實施例提供的人力資源風險預測方法的流程圖。
[0020]圖4為根據本申請一示例性實施例提供的人力資源風險預測裝置的示意圖。
[0021]圖5示出了本申請一示例性實施例提供的一種電子設備的示意圖。
[0022]圖6示出了本申請一示例性實施例提供的一種計算機可讀介質的示意圖。
具體實施方式
[0023]下面將參照附圖更詳細地描述本公開的示例性實施方式。雖然附圖中顯示了本公開的示例性實施方式，然而應當理解，可以以各種形式實現本公開而不應被這里闡述的實施方式所限制。相反，提供這些實施方式是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。
[0024]需要注意的是，除非另有說明，本申請使用的技術術語或者科學術語應當為本申請所屬領域技術人員所理解的通常意義。
[0025]另外，術語“第一”和“第二”等是用于區別不同對象，而不是用于描述特定順序。此外，術語“包括”和“具有”以及它們任何變形，意圖在于覆蓋不排他的包含。例如包含了一系列步驟或單元的過程、方法、系統、產品或設備沒有限定于已列出的步驟或單元，而是可選地還包括沒有列出的步驟本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種人力資源風險預測方法，其特征在于，包括以下步驟：構建人力資源圖，定義人力資源圖的節點和邊，節點代表部門的多個相關人力資源特征，邊代表部門之間的關系；將所述人力資源圖輸入到優化后的Glow模型，得到第一潛在人力資源圖；將所述第一潛在人力資源圖輸入到優化后的Graphormer模型，得到第一風險特征向量；根據第一風險特征向量判斷是否存在人力資源風險。2.根據權利要求1所述的人力資源風險預測方法，其特征在于，所述Glow模型和所述Graphormer模型的優化方法包括以下步驟：利用Glow模型構建第二潛在人力資源圖；利用Graphormer模型，并根據所述第二潛在人力資源圖預測得到的第二風險特征向量；根據真實的風險特征向量和所述預測得到的第二風險特征向量優化所述Glow模型和優化所述Graphormer模型，得到優化后的Glow模型和優化后的Graphormer模型。3.根據權利要求2所述的人力資源風險預測方法，其特征在于，所述利用Glow模型構建潛在人力資源圖，包括：將所述節點的節點特征進行標準化預處理，得到標準化特征；所述Glow模型包括Actnorm層、Invertible1x1卷積層和耦合層，將所述標準化特征依次通過Actnorm層、Invertible1x1卷積層和耦合層，得到Glow模型的輸出特征；將所述Glow模型的輸出特征映射到潛在變量空間，得到潛在人力資源圖。4.根據權利要求3所述的人力資源風險預測方法，其特征在于，將所述節點的節點特征進行標準化預處理，包括：將節點特征轉化為均值為0，方差為1的正態分布。5.根據權利要求2所述的人力資源風險預測方法，其特征在于，所述利用Graphormer模型，并根據所述第二潛在人力資源圖預測得到第二風險特征向量，包括：將所述第二潛在人力資源圖作為Graphormer模型的輸入，提取潛在特征矩陣；將所述潛在特征矩陣分別映射到多個不同的風險特征向量，預測得到第二風險特征向量。6.根據權利要求2所述的人力資源風險預測方法...
【專利技術屬性】
技術研發人員：王洪福，傅紅宇，謝麗慧，胡玨，
申請(專利權)人：深圳市迪博企業風險管理技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。