[发明专利]一种基于金融社交网络估算合理薪酬的方法

权利要求书

1.一种基于金融社交网络估算合理薪酬的方法，其特征在于，包括以下步骤：

S1：数据收集：收集BoardEx数据、同一时期各公司的市场价值和当地的平均薪酬水平s_avg；

S2：数据预处理：从BoardEx数据中获取金融社交网络，以及人员薪酬s_p；

S3：网络中心性计算：计算各人员在金融社交网络中的多种网络中心性；

S4：薪酬指数计算：薪酬指数为当前薪酬与当地平均薪酬之比，薪酬指数作为回归模型的标签因变量；

S5：建立回归模型，以各人员的网络中心性和公司的市场价值作为特征，薪酬指数作为标签因变量，训练得出包括权重和编置的最终模型；

S6：用训练好的最终模型计算人员的合理薪酬指数，从而得出合理薪酬。

2.根据权利要求1所述的基于金融社交网络估算合理薪酬的方法，其特征在于，所述步骤S1中收集BoardEx数据包括人员商业联系、所在公司及所任职务和个人信息。

3.根据权利要求2所述的基于金融社交网络估算合理薪酬的方法，其特征在于，步骤S2中从人员商业联系获取金融社交网络，从个人信息获取人员薪酬s_p，把公司市值及当地平均薪酬水平对应至各人员所在公司。

4.根据权利要求3所述的基于金融社交网络估算合理薪酬的方法，其特征在于，步骤S3中的网络中心性包括度中心性、接近中心性、压力中心性、介数中心性、路径中心性、PageRank、三角计数、特征向量中心性、k值不同的k-压力中心性、k-路径中心性、k-介数中心性。

5.根据权利要求4所述的基于金融社交网络估算合理薪酬的方法，其特征在于，步骤S3中利用Spark平台的Pregel方法，并行计算各人员在金融社交网络中的各种网络中心性。

6.根据权利要求5所述的基于金融社交网络估算合理薪酬的方法，其特征在于，度中心性计算公式如下：

C_D(i)＝∑_jx(i，j)

其中，C_D(i)表示金融社交网络中顶点i的度中心性，x(i，j)表示顶点i和顶点j(i≠j)的连接关系，如有连接为1，否则为0。

7.根据权利要求5所述的基于金融社交网络估算合理薪酬的方法，其特征在于，金融社交网络为连通图时，接近中心性计算公式如下：

其中，C_C(i)表示金融社交网络顶点i的接近中心度，d(j，i)表示表示顶点j到顶点i(i≠j)的最短距离；

金融社交网络为非连通图时，加入调和系数，接近中心性成为调和接近中心性，计算公式如下：

其中C′_C(i)表示顶点i的调和接近中心性，n是顶点i所在的连通子图的顶点数，N表示金融社交网络的顶点数量。

8.根据权利要求5所述的基于金融社交网络估算合理薪酬的方法，其特征在于，介数中心性计算公式如下：

其中，C_B(i)表示金融社交网络中顶点i的介数中心性，σ_st表示顶点s到顶点t的最短路径数，σ_st(i)表示顶点s到顶点t经过顶点i的最短路径数，为了比较不同规模的网络中顶点的介数中心性，会对该度量进行缩放，在金融社交网络为有向图时：

金融社交网络为无向图时：

C′_B(i)缩放后介数中心性，N是顶点数。

9.根据权利要求5所述的基于金融社交网络估算合理薪酬的方法，其特征在于，PageRank计算公式如下：

其中，PR(i)表示金融社交网络中顶点i的PageRank值，d是阻尼系数，N是顶点总数，j是指向顶点i的顶点，在无向图中为顶点i的邻居顶点，C_D(j)表示顶点j的度中心性。

10.根据权利要求1至9任一项所述的基于金融社交网络估算合理薪酬的方法，其特征在于，步骤S5包括以下步骤：

S5.1：将包括各人员的网络中心性、公司的市场价值以及薪酬指数的各变量归一化；

S5.2：选择多变量线性回归模型，以人员各网络中心性和公司的市场价值v作为特征自变量，薪酬指数s作为因变量，公式为：

s_W＝w₀+w₁·c₁+w₂·c₂+…+w_n·c_n+w_n+1·v

其中w₀为偏置，w₁，w₂，...，w_n，w_n+1为各特征的权重，c₁，c₂，...，c_n为人员各网络中心性，v为公司市场价值；

S5.3：对模型进行训练与调优，使用随机梯度下降，代价函数使用：

式中，J(W)表示代价函数，反映预测因变量与实际因变量的差距，x⁽ⁱ⁾是第i个样本的特征，包括网络中心性c₁，c₂，...，c_n和市场价值v，s_W(x⁽ⁱ⁾)表示预测的薪酬指数，y⁽ⁱ⁾表示实际的薪酬指数，m表示样本数量，训练过程中调整超参数，包括学习率，迭代次数，代价函数；

S5.4：测试模型效果。