基于风险指标的人员风险评估方法、终端、存储装置制造方法及图纸

本发明专利技术提供一种基于风险指标的人员风险评估方法、终端、存储装置，该基于风险指标的人员风险评估方法包括：S101：根据第一人员的风险信息获取风险指标；S102：根据风险指标的特征选择结果获取有效风险指标；S103：基于有效风险指标形成已知数据集、未知数据集，通过已知数据集、未知数据集进行监督学习建模形成风险等级评估模型，并对有效风险指标的每一级指标进行AHP层次分析，根据分析结果获取每个有效风险指标的权重；S104：通过风险等级评估模型、有效风险指标的权重分别获取第二人员的风险等级、风险分。本发明专利技术通过双重评估的方式获取人员的风险情况，提高了评估结果的准确性，耗时短、效率高、工作量小。工作量小。工作量小。

【技术实现步骤摘要】
基于风险指标的人员风险评估方法、终端、存储装置


[0001]本专利技术涉及人员管理
，尤其涉及一种基于风险指标的人员风险评估方法、终端、存储装置。

技术介绍

[0002]目前，在实际应用中，风险打分的评估方式需要与每个人员进行多次、长时间接触才能了解人员以及做出打分，耗时长、效率低且工作量大，而且容易受人员自身情绪以及外界环境影响，评估方式不准确。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提出一种基于风险指标的人员风险评估方法、终端、存储装置，获取人员的风险指标后，通过特征选择的方式筛选有效风险指标，并利用监督学习训练、AHP层分析的方式分别获取风险等级评估模型、有效风险指标的权重，通过风险等级评估模型获取人员的风险等级，并使用有效风险指标的权重进行风险评估以获取风险分，能够通过双重评估的方式获取人员的风险情况，提高了评估结果的准确性，而且耗时短、效率高、工作量小，降低了人力、物力成本，便于快速获取评估结果。
[0004]为解决上述问题，本专利技术采用的一种基于风险指标的人员风险评估方法，所述基于风险指标的人员风险评估方法包括：S101：获取第一人员的风险信息，并对所述风险信息进行预处理以获取风险指标，所述风险指标包括静态风险指标、动态风险指标；S102：对所述风险指标进行特征选择，根据特征选择结果获取所述风险指标中的有效风险指标；S103：基于所述有效风险指标形成已知数据集、未知数据集，通过所述已知数据集、未知数据集进行监督学习建模形成风险等级评估模型，并对所述有效风险指标的每一级指标进行AHP层次分析，根据分析结果获取每个有效风险指标的权重；S104：通过所述风险等级评估模型、有效风险指标的权重分别获取第二人员的风险等级、风险分。
[0005]进一步地，所述对所述风险指标进行特征选择的步骤具体包括：获取所述风险指标的pearson相关系数、信息增益，并根据所述pearson相关系数、信息增益获取所述风险指标的欧式距离。
[0006]进一步地，所述根据特征选择结果获取所述风险指标中的有效风险指标的步骤具体包括：判断所述欧式距离是否大于预设值；若是，则确定所述风险指标为有效风险指标；若否，则确定所述风险指标不是有效风险指标。
[0007]进一步地，所述基于所述有效风险指标形成已知数据集、未知数据集的步骤具体包括：判断所述有效风险指标对应的第一人员是否存在风险等级，所述数据至少包括所述第一人员的有效指标；若是，则将所述第一人员对应的数据放入已知数据集；若否，则将所述第一人员的数据放入未知数据集。
[0008]进一步地，所述通过所述已知数据集、未知数据集进行监督学习建模形成风险等级评估模型的步骤具体包括：通过所述已知数据集进行监督学习算法训练形成风险等级评
估模型，并利用所述未知数据集对所述风险等级评估模型进行优化。
[0009]进一步地，所述通过所述已知数据集进行监督学习算法训练形成风险等级评估模型的步骤具体包括：所述对所述有效风险指标的每一级指标进行AHP层次分析的步骤具体包括：获取每一级指标的随机一致性指标、当前矩阵一致性指标，通过所述随机一致性指标、当前矩阵一致性指标进行一致性校验，根据所述一致性校验的校验结果获取所述有效风险指标的评估变量及所述评估变量的权重。
[0010]进一步地，所述根据分析结果获取每个有效风险指标的权重的步骤具体包括：对所述有效风险指标中每一级指标的权重进行层次总排序，根据总排序的结果获取每个有效风险指标的权重。
[0011]进一步地，通过有效风险指标的权重获取所述第二人员的风险分的步骤具体包括：基于所述权重以及第二人员的有效风险指标对第二人员进行绝对风险指标评估、预测风险指数评估，并通过评估结果获取所述第二人员的风险分。
[0012]基于相同的专利技术构思，本专利技术还提出一种智能终端，所述智能终端包括处理器、存储器，所述处理器与所述存储器通信连接，所述存储器存储有计算机程序，所述处理器根据所述计算机程序执行如上所述的基于风险指标的人员风险评估方法。
[0013]基于相同的专利技术构思，本专利技术还提出一种存储装置，存储装置存储有程序数据，所述程序数据被用于执行如上所述的基于风险指标的人员风险评估方法。
[0014]相比现有技术，本专利技术的有益效果在于：获取人员的风险指标后，通过特征选择的方式筛选有效风险指标，并利用监督学习训练、AHP层分析的方式分别获取风险等级评估模型、有效风险指标的权重，通过风险等级评估模型获取人员的风险等级，并使用有效风险指标的权重进行风险评估以获取风险分，能够通过双重评估的方式获取人员的风险情况，提高了评估结果的准确性，而且耗时短、效率高、工作量小，降低了人力、物力成本，便于快速获取评估结果。
附图说明
[0015]图1为本专利技术基于风险指标的人员风险评估方法一实施例的流程图；
[0016]图2为本专利技术基于风险指标的人员风险评估方法另一实施例的流程图；
[0017]图3为本专利技术智能终端一实施例的结构图；
[0018]图4为本专利技术存储装置一实施例的结构图。
具体实施方式
[0019]下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
[0020]请参阅图1
‑
2，其中，图1为本专利技术基于风险指标的人员风险评估方法一实施例的流程图；图2为本专利技术基于风险指标的人员风险评估方法另一实施例的流程图。结合图1
‑
2对本专利技术的基于风险指标的人员风险评估方法进行说明。
[0021]在本实施例中，执行该基于风险指标的人员风险评估方法的设备可以为电脑、服务器、控制平台以及其他能够获取人员的风险指标，根据该风险指标执行基于风险指标的
人员风险评估方法的智能终端。其中，基于风险指标的人员风险评估方法包括：
[0022]S101：获取人员的风险信息，并对风险信息进行预处理以获取风险指标，风险指标包括静态风险指标、动态风险指标。
[0023]在本实施例中，人员的风险信息以及风险信息中的风险指标可以通过人为分类及输入的方式获取，也可以在采集人员的信息后，根据各个风险指标的特征从人员的风险信息中提取。
[0024]在本实施例中，对风险指标的数据进行预处理方式包括数据提取、无纲量化以及缺失值处理。其中，数据提取用于提取风险信息中的风险指标的数据，无纲量化用于将不同规则的数据转换为同一规格以避免对度量单位数据的依赖性，可以采用标准化或归一化的方式进行无纲量化。在进行缺失值处理时机器学习算法填充、数据丢弃的方式对风险指标的数据进行缺失值处理。
[0025]S102：对风险指标进行特征选择，根据特征选择结果获取风险指标中的有效风险指标。
[0026]在本实施例中，对风险指标进行特征选择前，还可以对风险指标的数据进行数据清洗以进一步出去数据中的不完整或错误数据。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于风险指标的人员风险评估方法，其特征在于，所述基于风险指标的人员风险评估方法包括：S101：获取第一人员的风险信息，并对所述风险信息进行预处理以获取风险指标，所述风险指标包括静态风险指标、动态风险指标；S102：对所述风险指标进行特征选择，根据特征选择结果获取所述风险指标中的有效风险指标；S103：基于所述有效风险指标形成已知数据集、未知数据集，通过所述已知数据集、未知数据集进行监督学习建模形成风险等级评估模型，并对所述有效风险指标的每一级指标进行AHP层次分析，根据分析结果获取每个有效风险指标的权重；S104：通过所述风险等级评估模型、有效风险指标的权重分别获取第二人员的风险等级、风险分。2.如权利要求1所述的基于风险指标的人员风险评估方法，其特征在于，所述对所述风险指标进行特征选择的步骤具体包括：获取所述风险指标的pearson相关系数、信息增益，并根据所述pearson相关系数、信息增益获取所述风险指标的欧式距离。3.如权利要求2所述的基于风险指标的人员风险评估方法，其特征在于，所述根据特征选择结果获取所述风险指标中的有效风险指标的步骤具体包括：判断所述欧式距离是否大于预设值；若是，则确定所述风险指标为有效风险指标；若否，则确定所述风险指标不是有效风险指标。4.如权利要求1所述的基于风险指标的人员风险评估方法，其特征在于，所述基于所述有效风险指标形成已知数据集、未知数据集的步骤具体包括：判断所述有效风险指标对应的第一人员是否存在风险等级，所述数据至少包括所述第一人员的有效指标；若是，则将所述第一人员对应的数据放入已知数据集；若否，则将所述第一人员的数据放入未知数据集。5.如权利要求4所述的基于风险指标的人员风险评估方法，其特征在于，所述通过所述已知数据集...

【专利技术属性】
技术研发人员：赵丽莎，彭世财，陈彦文，刘剑鸿，邬东坡，甄祯，周龙，
申请(专利权)人：广州市高科通信技术股份有限公司，
类型：发明
国别省市：