[发明专利]预测雇员绩效度量

权利要求书

1.一种用于由处理器预测计算环境中的雇员绩效度量的方法，包括：

由所述处理器从存储与雇员绩效相关的一个或多个绩效度量的当前和历史观察结果的数据库接收所述当前和历史观察结果；

由所述处理器根据历史数据和从所述数据库接收的所述一个或多个绩效度量的所述当前和历史观察结果来生成所预测的雇员绩效的动态贝叶斯网络的动态概率模型，所述动态概率模型具有代表时间窗口的多个时间步长；

由所述处理器使用所生成的所述动态概率模型来执行结构学习操作，以生成多个变量的一个或多个概率推理，所述结构学习操作受所述一个或多个绩效度量的所述多个变量约束；

其中所述结构学习操作将搜索操作的一个或多个介入查询转换成被用于生成所述一个或多个概率推理的一个或多个概率查询；

响应于执行受所述多个变量约束的所述结构学习操作，由所述处理器根据所述多个变量的所述一个或多个概率推理来确定影响所述一个或多个绩效度量的第一集合的所述一个或多个绩效度量的第二集合的边际后验分布；以及

由所述处理器根据所述动态概率模型的所述一个或多个绩效度量的所述边际后验分布，经由显示器输出所选择的时间段内的所述所预测的雇员绩效的结果分析；

其中输出还包括显示所述多个时间步长中的一个特定时间步长处的所述一个或多个绩效度量的所述多个变量中的、与所述一个或多个绩效度量的所述多个变量中的所有变量相对地比较对所述一个或多个绩效度量的所述多个变量中的其他变量具有最大量影响的一些变量。

2.根据权利要求1所述的方法，还包括使用所述动态概率模型生成在一个或多个未来时间步长处的一个或多个绩效度量的概率分布。

3.根据权利要求1所述的方法，还包括使用所述历史数据、所述时间窗口、所述一个或多个绩效度量的所述当前和历史观察结果或其组合来初始化机器学习机制，以学习包含所述所选择的时间段内的所述一个或多个绩效度量之间的依赖性的所述动态概率模型。

4.根据权利要求1所述的方法，还包括学习所述所选择的时间段内的所述一个或多个绩效度量之间的一个或多个依赖性。

5.根据权利要求1所述的方法，还包括：

调节一个或多个绩效度量的一个或多个参数；以及

基于调节所述一个或多个绩效度量的所述一个或多个参数，对一个或多个绩效度量执行敏感性分析，以标识所述一个或多个绩效度量中对变化具有敏感性的绩效度量。

6.根据权利要求1所述的方法，还包括根据敏感性分析来确定对替代的一组绩效度量具有影响的一组绩效度量。

7.一种计算机系统，包括：

处理器；

耦合到所述处理器的存储器，所述存储器包括指令，所述指令在由所述处理器执行时执行根据权利要求1-6中任一项所述的方法。

8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序产品，所述计算机程序产品包括计算机可读程序指令，所述计算机可读程序指令由处理器可执行以引起所述处理器执行根据权利要求1-6中任一项所述的方法。

9.一种计算机系统，包括分别用于执行根据权利要求1-6中任一项所述的方法的步骤的模块。