一种基于员工互评的定向群体识别及其可视化方法技术

本发明专利技术涉及群体识别技术领域，公开了一种基于员工互评的定向群体识别及其可视化方法，步骤1：采集员工互评分数，所述互评分数包括绩效评分和熟悉度评分；步骤2：根据互评分数计算单个员工的实际绩效分数；步骤3：计算单个员工对所有员工评价偏差并形成评价偏差向量；计算各评价偏差向量对应的概率密度函数值；步骤4：根据评价偏差向量和对应的概率密度函数值，计算员工之间的距离向量，所述距离向量用于表示评分偏差的相似度；步骤5：对距离向量进行聚类分析，得出聚类群体；步骤6：可视化聚类群体。本发明专利技术能够计算出评分之间较微弱的相似度，相似度计算的精确度和群体识别的精确度较高，并能够可视化地直观展示群体分布状况。够可视化地直观展示群体分布状况。够可视化地直观展示群体分布状况。

【技术实现步骤摘要】
一种基于员工互评的定向群体识别及其可视化方法


[0001]本专利技术涉及群体识别
，具体涉及一种基于员工互评的定向群体识别及其可视化方法。

技术介绍

[0002]随着我国新兴技术的飞速发展，企业的管理及发展需要随之转型，其中，对于人员管理的管理方式逐渐智能化、数字化，管理的维度也更为多样，除却关注人员本身的业绩能力、状态等，还需要关注人员之间的相互关系，为提高团队协同效能、有效规避人员冲突等提供帮助，使得企业管理成为基于智能信息化决策的人性化管理。
[0003]而实际上，目前许多企业均采用360度绩效评估的方式进行绩效薪资发放，其中，同事评价板块的评价过程中经常发生员工之间提前交流打分的情况，由于目前的企业人员大多只了解自己负责的工作内容，对于其他人的工作了解甚少，同时评分过程受到人员之间的主观因素影响，人员之中存在群体性偏袒行为，互评结果不真实，长此以往，企业无法通过互评了解员工之间真实的互评情况，不利于企业进行有效人员管理。
[0004]故，需要一种能够准确识别出员工内部群体的方法，以明确绩效评估的公正性，提升人员管理质量。

技术实现思路

[0005]本专利技术意在提供一种基于员工互评的定向群体识别及其可视化方法，能够计算出评分之间较微弱的相似度，相似度计算的精确度和群体识别的精确度较高，并能够可视化地直观展示群体分布状况。
[0006]本专利技术提供的基础方案为：一种基于员工互评的定向群体识别及其可视化方法，包括以下步骤：
[0007]步骤1：采集员工互评分数，所述互评分数包括绩效评分和熟悉度评分；
[0008]步骤2：根据互评分数计算单个员工的实际绩效分数；
[0009]步骤3：计算单个员工对所有员工评价偏差并形成评价偏差向量；所述评价偏差为绩效评分与实际绩效分数的差值；计算各评价偏差向量对应的概率密度函数值；
[0010]步骤4：根据评价偏差向量和对应的概率密度函数值，计算员工之间的距离向量，所述距离向量用于表示评分偏差的相似度；距离向量的计算式为：
[0011][0012]其中，d
jk
表示第j个员工与第k个员工之间的距离向量；S
ij
表示第j个员工对第i个员工的绩效评分；S
ik
表示第k个员工对第i个员工的绩效评分；
[0013]步骤5：对距离向量进行聚类分析，得出聚类群体；
[0014]步骤6：可视化聚类群体。
[0015]本专利技术的工作原理及优点在于：设定了距离向量公式依照评分偏差向量和对应的
概率密度函数值，以计算员工之间的评分相似度，能够准确计算出员工之间的评分相似度，并通过聚类分析，对距离向量做了进一步处理，进而得到准确的聚类群体分布，并以可视化形式进行展现，直观性强，便于查看确认群体分布。本方案能够准确区分并展示评分相似的不同员工群体，能够为绩效评估提供有效可靠的数据参考，以提升绩效评估的公正性，同时，便于企业以定向群体为依据进行针对性人员管理，有助于提升人员管理水平。
[0016]区别于现有技术中常规采用的通过余弦距离、欧式距离等计算相似度的方式，本方案的距离向量计算方式的计算细致度更高，对于数据的区分性更强。现有技术中惯常采用的余弦距离、欧式距离等在计算相似度时，即计算距离相似度时，均只考虑了向量的数值与数值之间的距离关系，而不考虑这组向量数值的每个元素和对应的概率密度函数值的关系。而实际上，不同评分数值对应的概率密度函数值，即表示了某一数值在整体数值中的定位，对于相似度的判断是有一定影响的。处于整体数值中的不同定位的评分数值产生的相同的评价偏差值，其评价相似度其实是不一样的。故而，本方案不仅对向量之间的距离做计算，对向量和对应的概率密度函数值同样纳入计算考量因素进行计算，对于相似度的评判维度更多更完善，能够计算出评分之间较微弱的相似度，相似度计算的精确度和群体识别的精确度较高，并能够可视化地直观展示群体分布状况。
[0017]进一步，在步骤3中，所述评价偏差向量为X
j
＝[X
1j
，X
2j
，
…
，X
nj
]；
[0018]其中，X
ij
＝S
ij
‑
S
i
；
[0019]X
ij
表示第j个员工对第i个员工评价的评分偏差；S
ij
表示第j个员工对第i个员工的绩效评分，S
i
表示第i个员工的实际绩效分数。
[0020]这样设置，评价偏差向量中包含了单个员工对所有员工的评分偏差值，确保数据囊括完善。
[0021]进一步，在步骤4中，计算距离向量时，计算式中的|S
ij
‑
S
ik
|包含以下算法：
[0022]算法1：X
ij
·
X
ik
<0时，引入区别系数α1进行计算；
[0023]算法2：X
ij
‑
X
ik
＝0时，引入区别系数α2、α3进行计算；
[0024]算法3：X
ij
·
X
ik
≥0且X
ij
‑
X
ik
≠0时，引入区别系数α3进行计算；
[0025]其中，区别系数α
i
(i＝1,2,3)用于扩大算法区别性，α3<α1。
[0026]这样设置，对于不同类型的评分偏差数据情况，采用不同的算法进行距离向量的计算，能够更进一步地细化相似度计算过程，对于评分偏差数据的处理更为细致，进而相似度值的精确性更高。并且，对于不同的算法，引入不同的区别系数，能够有效扩大不同算法的算法结果的区别性，使得相似度数值的区分度更为明显，更便于后续根据相似度快速识别出群体。
[0027]进一步，在步骤5中，对距离向量进行聚类分析时，采用聚类算法进行聚类分析；所述聚类算法为elkan K
‑
Means算法。
[0028]这样设置，应用elkan K
‑
Means算法所具备的较高的迭代速度，以达到较高的聚类群体确认速度。
[0029]进一步，在步骤5中，聚类群体个数为K个，K值采用手肘法通过elkan K
‑
Means算法选取得到。
[0030]这样设置，采用手肘法能够选出最佳的聚类群体个数值，能够合理地划分群体个数。
[0031]进一步，在步骤6中，所述可视化聚类群体时，将每个聚类群体对应的多个距离向量映射到二维平面，进行降维处理并得到聚类群体分布集合。
[0032]这样设置，聚类群体分布均显示在二维平面中，相比于可视化之前的向量化的数据，降维后的聚类群体数据更便于观察，更具直观性。
[0033]进一步，在步骤6中，所述可视化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于员工互评的定向群体识别及其可视化方法，其特征在于，包括以下步骤：步骤1：采集员工互评分数，所述互评分数包括绩效评分和熟悉度评分；步骤2：根据互评分数计算单个员工的实际绩效分数；步骤3：计算单个员工对所有员工评价偏差并形成评价偏差向量；所述评价偏差为绩效评分与实际绩效分数的差值；计算各评价偏差向量对应的概率密度函数值；步骤4：根据评价偏差向量和对应的概率密度函数值，计算员工之间的距离向量，所述距离向量用于表示评分偏差的相似度；距离向量的计算式为：其中，d
jk
表示第j个员工与第k个员工之间的距离向量；S
ij
表示第j个员工对第i个员工的绩效评分；S
ik
表示第k个员工对第i个员工的绩效评分；步骤5：对距离向量进行聚类分析，得出聚类群体；步骤6：可视化聚类群体。2.根据权利要求1所述的一种基于员工互评的定向群体识别及其可视化方法，其特征在于，在步骤3中，所述评价偏差向量为X
j
＝[X
1j
，X
2j
，...，X
nj
]；其中，X
ij
＝S
ij
‑
S
i
；X
ij
表示第j个员工对第i个员工评价的评分偏差；S
ij
表示第j个员工对第i个员工的绩效评分，S
i
表示第i个员工的实际绩效分数。3.根据权利要求2所述的一种基于员工互评的定向群体识别及其可视化方法，其特征在于，在步骤4中，计算距离向量时，计算式中的|S
ij
‑
S
ik
|包含以下算法：算法1：X
ij
·
X
ik
＜0时，引入区别系数α1进行计算；算法2：X

【专利技术属性】
技术研发人员：张少林，李太福，贺潇，林磊，姜吴瑾，熊瑞，赵洪超，
申请(专利权)人：重庆易可通科技有限公司，
类型：发明
国别省市：