[发明专利]员工工作状态的预测方法、装置、电子设备以及存储介质

权利要求书

1.一种员工工作状态的预测方法，其特征在于，包括以下步骤：

获取员工的所属组织信息、职位级别信息和通信信息；

基于所述员工的所属组织信息、职位级别信息和通信信息，提取员工与组织匹配表征向量；

根据所述员工与组织匹配表征向量，生成所述员工的时序特征，其中，所述时序特征用以表示员工与组织匹配随时间变化的特征；

根据所述员工的时序特征，对所述员工的工作状态进行预测。

2.根据权利要求1所述的方法，其特征在于，所述基于所述员工的所属组织信息、职位级别信息和通信信息，提取员工与组织匹配表征向量，包括：

基于所述员工的所属组织信息、职位级别信息和通信信息，生成所述员工的个人特征；

根据所述员工在预先建立的组织结构树上所处的位置，提取所述员工的组织特征；

基于机器学习，将所述员工的个人特征和所述员工的组织特征进行结合，计算所述员工与组织匹配表征向量。

3.根据权利要求2所述的方法，其特征在于，所述基于所述员工的所属组织信息、职位级别信息和通信信息，生成所述员工的个人特征，包括：

分别提取所述员工的所属组织信息、职位级别信息和通信信息的特征；

将提取到的特征进行降维处理，得到所述员工的个人特征。

4.根据权利要求2或3所述的方法，其特征在于，通过以下方式预先建立所述组织结构树：

获取所有员工的汇报链信息；

根据所述所有员工的汇报链信息，建立所述组织结构树。

5.根据权利要求1所述的方法，其特征在于，所述根据所述员工与组织匹配表征向量，生成所述员工的时序特征，包括：

将连续的时间分成相同间隔的时间段，并从所述员工与组织匹配表征向量中，提取每个时间段的员工与组织匹配表征向量；

将所述每个时间段的员工与组织匹配表征向量，通过注意力机制计算所述每个时间段的权重；

根据所述每个时间段的员工与组织匹配表征向量、和所述每个时间段的权重，生成所述员工的时序特征。

6.根据权利要求1所述的方法，其特征在于，所述根据所述员工的时序特征，对所述员工的工作状态进行预测，包括：

将所述员工的时序特征输入至预先建立的工作状态分类模型；其中，所述工作状态分类模型已学习得到各特征与各概率密度函数的参数值之间的映射关系，包括用于进行特征提取的输入层，以及用于输出各概率密度函数的参数值输出层；

获取所述工作状态分类模型输出的各概率密度函数的目标参数值；

根据所述各概率密度函数的目标参数值，确定所述员工的工作状态预测分类结果。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述工作状态包括绩效或离职行为。

8.一种员工工作状态的预测装置，其特征在于，包括：

信息获取模块，用于获取员工的所属组织信息、职位级别信息和通信信息；

特征向量提取模块，用于基于所述员工的所属组织信息、职位级别信息和通信信息，提取员工与组织匹配表征向量；

时序特征生成模块，用于根据所述员工与组织匹配表征向量，生成所述员工的时序特征，其中，所述时序特征用以表示员工与组织匹配随时间变化的特征；

工作状态预测模块，用于根据所述员工的时序特征，对所述员工的工作状态进行预测。

9.根据权利要求8所述的装置，其特征在于，所述特征向量提取模块包括：

个人特征生成单元，用于基于所述员工的所属组织信息、职位级别信息和通信信息，生成所述员工的个人特征；

组织特征提取单元，用于根据所述员工在预先建立的组织结构树上所处的位置，提取所述员工的组织特征；

特征向量提取单元，用于基于机器学习，将所述员工的个人特征和所述员工的组织特征进行结合，计算所述员工与组织匹配表征向量。