本發(fā)明專利技術(shù)公開了一種基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法及系統(tǒng)，將能力評價數(shù)據(jù)集分割為訓(xùn)練集、驗證集、測試集；設(shè)置多個不同的神經(jīng)網(wǎng)絡(luò)配置組成配置集合；挑選得到的超參數(shù)，初始化神經(jīng)網(wǎng)絡(luò)模型；使用訓(xùn)練集訓(xùn)練初始化得到的神經(jīng)網(wǎng)絡(luò)模型；進(jìn)行輪后，記第輪訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型為，并使用驗證集對訓(xùn)練后模型進(jìn)行評估，保存每輪訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型和評估結(jié)果；選擇N輪次中在驗證集上獲得最高評估指標(biāo)的模型在測試集上測試并保存；直到所有超參數(shù)都用于初始化神經(jīng)網(wǎng)絡(luò)模型并被測試集測試，部署模型評估結(jié)果最高的神經(jīng)網(wǎng)絡(luò)模型用于人員能力等級評估工作。滿足人員評定場景下對多維度人員能力畫像的需要。
【技術(shù)實(shí)現(xiàn)步驟摘要】
所屬的技術(shù)人員能夠理解，本專利技術(shù)的各個方面可以實(shí)現(xiàn)為系統(tǒng)、方法或程序產(chǎn)品。因此，本專利技術(shù)的各個方面可以具體實(shí)現(xiàn)為以下形式，即：完全的硬件實(shí)施方式、完全的軟件實(shí)施方式(包括固件、微代碼等)，或硬件和軟件方面結(jié)合的實(shí)施方式，這里可以統(tǒng)稱為“電路”、“模塊”或“平臺”。本專利技術(shù)再一個實(shí)施例中，提供一種基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估系統(tǒng)，該系統(tǒng)能夠用于實(shí)現(xiàn)上述基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，具體的，該基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估系統(tǒng)包括收集模塊、設(shè)置模塊、訓(xùn)練模塊、測試模塊以及評估模塊。其中，收集模塊，收集人員靜態(tài)特征集合、動態(tài)特征類型集合、動態(tài)特征值集合，以及能力類型集合和能力等級集合；收集歷史人員特征和對應(yīng)的能力評價數(shù)據(jù)集，數(shù)據(jù)集中每條數(shù)據(jù)按照的形式組織，為重要性不隨時間變化的人員靜態(tài)能力相關(guān)特征，而為重要性與時間相關(guān)聯(lián)的人員動態(tài)特征，為該人員每種能力類型對應(yīng)的評級結(jié)果；將能力評價數(shù)據(jù)集分割為訓(xùn)練集、驗證集、測試集；設(shè)置模塊，設(shè)置多個不同的神經(jīng)網(wǎng)絡(luò)配置組成配置集合，每種配置能夠初始化不同的神經(jīng)網(wǎng)絡(luò)和訓(xùn)練方式；挑選得到的超參數(shù)，初始化神經(jīng)網(wǎng)絡(luò)模型；訓(xùn)練模塊，使用得到的訓(xùn)練集訓(xùn)練初始化得到的神經(jīng)網(wǎng)絡(luò)模型；測試模塊，將訓(xùn)練模塊進(jìn)行輪，記第輪訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型為，并使用驗證集對訓(xùn)練后模型進(jìn)行評估，保存每輪訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型和評估結(jié)果；n輪訓(xùn)練結(jié)束后，選擇輪次中在驗證集上獲得最高評估指標(biāo)的模型在測試集上進(jìn)行測試，保存測試評估結(jié)果；評估模塊，重復(fù)設(shè)置模塊至測試模塊，直到所有超參數(shù)都用于初始化神經(jīng)網(wǎng)絡(luò)模型并被得到的測試集測試，部署模型評估結(jié)果f1分?jǐn)?shù)最高的神經(jīng)網(wǎng)絡(luò)模型用于人員能力等級評估工作。本專利技術(shù)再一個實(shí)施例中，提供了一種終端設(shè)備，該終端設(shè)備包括處理器以及存儲器，所述存儲器用于存儲計算機(jī)程序，所述計算機(jī)程序包括程序指令，所述處理器用于執(zhí)行所述計算機(jī)存儲介質(zhì)存儲的程序指令。處理器可能是中央處理單元(central?processingunit，cpu)，還可以是其他通用處理器、數(shù)字信號處理器(digital?signal?processor、dsp)、專用集成電路(application?specific?integrated?circuit，asic)、現(xiàn)成可編程門陣列(field-programmable?gate?array，fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件等，其是終端的計算核心以及控制核心，其適于實(shí)現(xiàn)一條或一條以上指令，具體適于加載并執(zhí)行一條或一條以上指令從而實(shí)現(xiàn)相應(yīng)方法流程或相應(yīng)功能；本專利技術(shù)實(shí)施例所述的處理器可以用于基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法的操作，包括：收集人員靜態(tài)特征集合、動態(tài)特征類型集合、動態(tài)特征值集合，以及能力類型集合和能力等級集合；收集歷史人員特征和對應(yīng)的能力評價數(shù)據(jù)集，數(shù)據(jù)集中每條數(shù)據(jù)按照的形式組織，為重要性不隨時間變化的人員靜態(tài)能力相關(guān)特征，而為重要性與時間相關(guān)聯(lián)的人員動態(tài)特征，為該人員每種能力類型對應(yīng)的評級結(jié)果；將能力評價數(shù)據(jù)集分割為訓(xùn)練集、驗證集、測試集；設(shè)置多個不同的神經(jīng)網(wǎng)絡(luò)配置組成配置集合，每種配置能夠初始化不同的神經(jīng)網(wǎng)絡(luò)和訓(xùn)練方式；挑選得到的超參數(shù)，初始化神經(jīng)網(wǎng)絡(luò)模型；使用得到的訓(xùn)練集訓(xùn)練初始化得到的神經(jīng)網(wǎng)絡(luò)模型；進(jìn)行輪后，記第輪訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型為，并使用驗證集對訓(xùn)練后模型進(jìn)行評估，保存每輪訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型和評估結(jié)果；n輪訓(xùn)練結(jié)束后，選擇輪次中在驗證集上獲得最高評估指標(biāo)的模型在測試集上進(jìn)行測試，保存測試評估結(jié)果；重復(fù)上述步驟直到所有超參數(shù)都用于初始化神經(jīng)網(wǎng)絡(luò)模型并被測試集測試，部署模型評估結(jié)果f1分?jǐn)?shù)最高的神經(jīng)網(wǎng)絡(luò)模型用于人員能力等級評估工作。本專利技術(shù)再一個實(shí)施例中，本專利技術(shù)還提供了一種存儲介質(zhì)，具體為計算機(jī)可讀存儲介質(zhì)（memory），所述計算機(jī)可讀存儲介質(zhì)是終端設(shè)備中的記憶設(shè)備，用于存放程序和數(shù)據(jù)。可以理解的是，此處的計算機(jī)可讀存儲介質(zhì)既可以包括終端設(shè)備中的內(nèi)置存儲介質(zhì)，當(dāng)然也可以包括終端設(shè)備所支持的擴(kuò)展存儲介質(zhì)，可以是任何包含或存儲程序的有形介質(zhì)，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用。計算機(jī)可讀存儲介質(zhì)提供存儲空間，該存儲空間存儲了終端的操作系統(tǒng)。并且，在該存儲空間中還存放了適于被處理器加載并執(zhí)行的一條或一條以上的指令，這些指令可以是一個或一個以上的計算機(jī)程序（包括程序代碼）。需要說明的是，此處的計算機(jī)可讀存儲介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個或多個導(dǎo)線的電連接、便攜式盤、硬盤、隨機(jī)存取存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或閃存)、光纖、便攜式緊湊盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任一合適的組合。計算機(jī)可讀存儲介質(zhì)還包括在基帶中或者作為載波一部分傳播的數(shù)據(jù)信號，其中承載了可讀程序代碼。這種傳播的數(shù)據(jù)信號可以采用多種形式，包括但不限于電磁信號、光信號或上述的任一合適的組合。可讀存儲介質(zhì)還可以是可讀存儲介質(zhì)以外的任何可讀介質(zhì)，該可讀介質(zhì)可以發(fā)送、傳播或者傳輸用于由指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用的程序。可讀存儲介質(zhì)上包含的程序代碼可以用任何適當(dāng)?shù)慕橘|(zhì)傳輸，包括但不限于無線、有線、光纜、rf等等，或者上述的任一合適的組合。可以以一種或多種程序設(shè)計語言的任一組合來編寫用于執(zhí)行本專利技術(shù)操作的程序代碼，程序設(shè)計語言包括面向?qū)ο蟮某绦蛟O(shè)計語言—諸如java、c++等，還包括常規(guī)的過程式程序設(shè)計語言—諸如“c”語言或類似的程序設(shè)計語言。程序代碼可以完全地在用戶計算設(shè)備上執(zhí)行、部分地在用戶設(shè)備上執(zhí)行、作為一個獨(dú)立的軟件包執(zhí)行、部分在用戶計算設(shè)備上部分在遠(yuǎn)程計算設(shè)備上執(zhí)行、或者完全在遠(yuǎn)程計算設(shè)備或服務(wù)器上執(zhí)行。在涉及遠(yuǎn)程計算設(shè)備的情形中，遠(yuǎn)程計算設(shè)備可以通過任一種類的網(wǎng)絡(luò)，包括局域網(wǎng)(lan)或廣域網(wǎng)(wan)，連接到用戶計算設(shè)備，或者，可以連接到外部計算設(shè)備(例如利用因特網(wǎng)服務(wù)提供商來通過因特網(wǎng)連接)。可由處理器加載并執(zhí)行計算機(jī)可讀存儲介質(zhì)中存放的一條或一條以上指令，以實(shí)現(xiàn)上述實(shí)施例中有關(guān)基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法的相應(yīng)步驟；計算機(jī)可讀存儲介質(zhì)中的一條或一條以上指令由處理器加載并執(zhí)行如下步驟：收集人員靜態(tài)特征集合、動態(tài)特征類型集合、動態(tài)特征值集合，以及能力類型集合和能力等級集合；收集歷史人員特征和對應(yīng)的能力評價數(shù)據(jù)集，數(shù)據(jù)集中每條數(shù)據(jù)按照的形式組織，為重要性不隨時間變化的人員靜態(tài)能力相關(guān)特征，而為重要性與時間相關(guān)聯(lián)的人員動態(tài)特征，為該人員每種能力類型對應(yīng)的評級結(jié)果；將能力評價數(shù)據(jù)集分割為訓(xùn)練集、驗證集、測試集；設(shè)置多個不同的神經(jīng)網(wǎng)絡(luò)配置組成配置集合，每種配置能夠初始化不同的神經(jīng)網(wǎng)絡(luò)和訓(xùn)練方式；挑選得到的超參數(shù)，初始化神經(jīng)網(wǎng)絡(luò)模型；使用得到的訓(xùn)練集訓(xùn)練初始化得到的神經(jīng)網(wǎng)絡(luò)模型；進(jìn)行輪后，記第輪訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型為，并使用驗證集對訓(xùn)練后模型進(jìn)行評估，保存每輪訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型和評估結(jié)果；n輪訓(xùn)練結(jié)束后，選擇輪次中在驗證集上獲得最高評估指標(biāo)的模型在測試集上進(jìn)行測試，保存測試評估結(jié)果；重復(fù)上述步驟直到所有超參數(shù)都用于初始化神經(jīng)網(wǎng)絡(luò)模型并被測試集測試，部署模型評估結(jié)果f1分?jǐn)?shù)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，步驟S3中，對于任意的，包含兩部分配置，為模型超參數(shù)配置，包含嵌入大小，能力類型映射網(wǎng)絡(luò)層數(shù)，特征類型映射網(wǎng)絡(luò)層數(shù)，特征值映射網(wǎng)絡(luò)層數(shù)，人員能力分類特征提取網(wǎng)絡(luò)層數(shù)；為模型訓(xùn)練參數(shù)配置，包含學(xué)習(xí)率，權(quán)重衰退正則權(quán)重，類型向量點(diǎn)積正則項的權(quán)重，嵌入向量距離正則項的權(quán)重。
3.根據(jù)權(quán)利要求1所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，步驟S4中，神經(jīng)網(wǎng)絡(luò)模型包含嵌入模塊，能力嵌入映射模塊，交叉權(quán)重特征融合模塊和分類模塊，并分別進(jìn)行初始化；采用Xavier初始化方法針對激活函數(shù)進(jìn)行，參數(shù)中元素從固定標(biāo)準(zhǔn)差的正態(tài)分布中采樣，采用He初始化方法針對激活函數(shù)。
4.根據(jù)權(quán)利要求3所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，初始化嵌入模塊時，根據(jù)收集的靜態(tài)特征集合、動態(tài)特征類型集合、動態(tài)特征值集合、能力類型集合和嵌入大小，使用He初始化方法隨機(jī)初始化靜態(tài)特征類型嵌入矩陣、動態(tài)特征類型嵌入矩陣，動態(tài)特征可選值嵌入矩陣，并隨機(jī)初始化動態(tài)特征類型編碼向量，動態(tài)特征值編碼向量，靜態(tài)特征類型編碼向量，靜態(tài)特征值編碼向量,使用Xavier初始化方法初始化能力類型嵌入矩陣；
5.根據(jù)權(quán)利要求3所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，采用Xavier初始化方法對激活函數(shù)如下：
6.根據(jù)權(quán)利要求1所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，步驟S5具體為：
7.根據(jù)權(quán)利要求6所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，中包含多層相同結(jié)構(gòu)的使用殘差連接和作為激活函數(shù)的逐位前饋網(wǎng)絡(luò)，對于輸入的能力類型嵌入，第層網(wǎng)絡(luò)的運(yùn)算等效于函數(shù)如下：
8.根據(jù)權(quán)利要求6所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，兩個偏重正則項和的損失函數(shù)如下：
9.根據(jù)權(quán)利要求1所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，步驟S6中，從每輪訓(xùn)練的中選出評估指標(biāo)中f1分?jǐn)?shù)最高的作為超參數(shù)得到的最好神經(jīng)網(wǎng)絡(luò)模型，將其在測試集上進(jìn)行測試，采用相同的評估指標(biāo)，保存神經(jīng)網(wǎng)絡(luò)模型和模型評估結(jié)果。
10.一種基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估系統(tǒng)，其特征在于，包括：
...
【技術(shù)特征摘要】
1.一種基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，步驟s3中，對于任意的，包含兩部分配置，為模型超參數(shù)配置，包含嵌入大小，能力類型映射網(wǎng)絡(luò)層數(shù)，特征類型映射網(wǎng)絡(luò)層數(shù)，特征值映射網(wǎng)絡(luò)層數(shù)，人員能力分類特征提取網(wǎng)絡(luò)層數(shù)；為模型訓(xùn)練參數(shù)配置，包含學(xué)習(xí)率，權(quán)重衰退正則權(quán)重，類型向量點(diǎn)積正則項的權(quán)重，嵌入向量距離正則項的權(quán)重。
3.根據(jù)權(quán)利要求1所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，步驟s4中，神經(jīng)網(wǎng)絡(luò)模型包含嵌入模塊，能力嵌入映射模塊，交叉權(quán)重特征融合模塊和分類模塊，并分別進(jìn)行初始化；采用xavier初始化方法針對激活函數(shù)進(jìn)行，參數(shù)中元素從固定標(biāo)準(zhǔn)差的正態(tài)分布中采樣，采用he初始化方法針對激活函數(shù)。
4.根據(jù)權(quán)利要求3所述的基于注意力神經(jīng)網(wǎng)絡(luò)的人員能力自動評估方法，其特征在于，初始化嵌入模塊時，根據(jù)收集的靜態(tài)特征集合、動態(tài)特征類型集合、動態(tài)特征值集合、能力類型集合和嵌入大小，使用he初始化方法隨機(jī)初始化靜態(tài)特征類型嵌入矩陣、動態(tài)特征類型嵌入矩陣，動態(tài)特征可選值嵌入矩陣，并隨機(jī)初始化...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：段立正，馬鋼，張泉艷，侯禮興，何蕾，陳復(fù)春，熊深豪，安健，
申請(專利權(quán))人：浙江眾合科技股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。