【技术实现步骤摘要】
基于联邦学习的薪资计算方法、装置、设备及存储介质
[0001]本申请涉及薪资管理
,尤其涉及一种基于联邦学习的薪资计算方法、装置、设备及存储介质。
技术介绍
[0002]企业计算员工的薪资的方式通常会设定人员基本薪资,按照薪资加项属性和薪资减项属性,根据薪资加项属性和薪资减项属性以及人员基本信息生成薪资计算公式,按照薪资计算公式计算得到员工的薪资。
[0003]其中,人员基本薪资是根据员工的岗位、工作经验等属性人为设置,缺少统一的计算标准,并且不能反映员工的真实工作水平。
[0004]并且,不同层级的员工的不同情况,造成绩效比较的基础也不同,进而使得奖金等绩效的参数标准也不同,在员工的数量众多的情况下,薪资计算的数量也愈发巨大,造成薪资计算过程费时费力,效率较低。
技术实现思路
[0005]本申请提供一种基于联邦学习的薪资计算方法、装置、设备及存储介质,以提高员工薪资的计算效率。
[0006]一种基于联邦学习的薪资计算方法,包括:
[0007]所述应用端创建薪资计算任务,其中,所述薪资计算任务包括薪资基础信息,所述薪资基础信息包括行业信息和岗位信息;
[0008]所述本地参与方模型基于所述薪资基础信息,从薪资聚合服务器获取薪资聚合参数,其中,所述薪资聚合服务器和所述本地参与方模型基于联邦学习模型构建;
[0009]所述本地参与方模型基于所述薪资聚合参数,获取本地数据库的人力成本数据,并将所述人力成本数据输入到参数计算神经网络,得到员工业绩参数和薪资 ...
【技术保护点】
【技术特征摘要】
1.一种基于联邦学习的薪资计算方法,其特征在于,所述方法应用于薪资计算系统,所述薪资计算系统包括应用端、薪资聚合服务器和本地参与方模型所述方法包括:所述应用端创建薪资计算任务,其中,所述薪资计算任务包括薪资基础信息,所述薪资基础信息包括行业信息和岗位信息;所述本地参与方模型基于所述薪资基础信息,从薪资聚合服务器获取薪资聚合参数,其中,所述薪资聚合服务器和所述本地参与方模型基于联邦学习模型构建;所述本地参与方模型基于所述薪资聚合参数,获取本地数据库的人力成本数据,并将所述人力成本数据输入到参数计算神经网络,得到员工业绩参数和薪资阈值数据,其中,所述参数计算神经网络基于卷积神经网络构建;所述应用端基于所述薪资阈值数据,生成薪资阈值区间,并基于所述薪资阈值区间,生成薪资计算公式;所述应用端根据所述薪资聚合参数和所述员工业绩参数,通过所述薪资计算公式计算得到员工薪资。2.根据权利要求1所述的基于联邦学习的薪资计算方法,其特征在于,所述基于联邦学习模型构建的薪资聚合服务器和本地参与方模型的方法包括:所述薪资聚合服务器将初始模型参数发送给本地参与方模型,其中,所述本地参与方模型由属于同一领域的至少两个薪资计算对象构建;所述薪资聚合服务器接收所述本地参与方模型发送的加密梯度信息,并对所述加密梯度信息进行聚合,得到加密聚合参数;所述本地参与方模型基于所述加密聚合参数进行本地模型更新,得到本地薪资计算模型以及本地模型更新参数,将所述本地模型更新参数发送给所述薪资聚合服务器,并基于所述薪资计算模型构建薪资计算系统。3.根据权利要求1所述的基于联邦学习的薪资计算方法,其特征在于,所述薪资聚合参数的类型包括基础薪资参数、间接薪资参数、可变薪资参数和薪资计算因子。4.根据权利要求3所述的基于联邦学习的薪资计算方法,其特征在于,所述本地参与方模型基于所述薪资聚合参数,获取本地数据库的人力成本数据,并将所述人力成本数据输入到卷积神经网络,得到员工业绩参数和薪资阈值数据包括:获取本地数据库的人力成本数据,按照所述薪资聚合参数的类型,将所述人力成本数据划分为人力成本数据集、绩效数据集、企业福利数据集和企业目标数据集;将所述薪资计算因子分别与所述人力成本数据集、所述绩效数据集、所述企业福利数据集合所述企业目标数据集共同输入到卷积神经网络中,依次得到薪资阈值数据、工作能力参数、福利参数和间接薪资参数;将所述工作能力参数、所述福利参数和所述间接薪资参数作为员工业绩参数。5.根据权利要求1所述的基于联邦学习的薪资计算方法,其特征在于,所述应用端基于所述薪资阈值数据,生成薪资阈值区间,并基于所述薪资阈值区间,生成薪资计算公式包括:基于所述薪资阈值数据,生成薪资阈值区间;根据所述薪资阈值区间以及薪资计算规则,生成薪资计算方程,并将所述薪资计...
【专利技术属性】
技术研发人员:陈晓红,陈杰,徐雪松,胡东滨,李亮亮,
申请(专利权)人:湖南红普创新科技发展有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。