[发明专利]基于风险指标的人员风险评估方法、终端、存储装置

说明书

本发明提供一种基于风险指标的人员风险评估方法、终端、存储装置，该基于风险指标的人员风险评估方法包括：S101：根据第一人员的风险信息获取风险指标；S102：根据风险指标的特征选择结果获取有效风险指标；S103：基于有效风险指标形成已知数据集、未知数据集，通过已知数据集、未知数据集进行监督学习建模形成风险等级评估模型，并对有效风险指标的每一级指标进行AHP层次分析，根据分析结果获取每个有效风险指标的权重；S104：通过风险等级评估模型、有效风险指标的权重分别获取第二人员的风险等级、风险分。本发明通过双重评估的方式获取人员的风险情况，提高了评估结果的准确性，耗时短、效率高、工作量小。

技术领域

本发明涉及人员管理技术领域，尤其涉及一种基于风险指标的人员风险评估方法、终端、存储装置。

背景技术

目前，在实际应用中，风险打分的评估方式需要与每个人员进行多次、长时间接触才能了解人员以及做出打分，耗时长、效率低且工作量大，而且容易受人员自身情绪以及外界环境影响，评估方式不准确。

发明内容

为了克服现有技术的不足，本发明提出一种基于风险指标的人员风险评估方法、终端、存储装置，获取人员的风险指标后，通过特征选择的方式筛选有效风险指标，并利用监督学习训练、AHP层分析的方式分别获取风险等级评估模型、有效风险指标的权重，通过风险等级评估模型获取人员的风险等级，并使用有效风险指标的权重进行风险评估以获取风险分，能够通过双重评估的方式获取人员的风险情况，提高了评估结果的准确性，而且耗时短、效率高、工作量小，降低了人力、物力成本，便于快速获取评估结果。

为解决上述问题，本发明采用的一种基于风险指标的人员风险评估方法，所述基于风险指标的人员风险评估方法包括：S101：获取第一人员的风险信息，并对所述风险信息进行预处理以获取风险指标，所述风险指标包括静态风险指标、动态风险指标；S102：对所述风险指标进行特征选择，根据特征选择结果获取所述风险指标中的有效风险指标；S103：基于所述有效风险指标形成已知数据集、未知数据集，通过所述已知数据集、未知数据集进行监督学习建模形成风险等级评估模型，并对所述有效风险指标的每一级指标进行AHP层次分析，根据分析结果获取每个有效风险指标的权重；S104：通过所述风险等级评估模型、有效风险指标的权重分别获取第二人员的风险等级、风险分。

进一步地，所述对所述风险指标进行特征选择的步骤具体包括：获取所述风险指标的pearson相关系数、信息增益，并根据所述pearson相关系数、信息增益获取所述风险指标的欧式距离。

进一步地，所述根据特征选择结果获取所述风险指标中的有效风险指标的步骤具体包括：判断所述欧式距离是否大于预设值；若是，则确定所述风险指标为有效风险指标；若否，则确定所述风险指标不是有效风险指标。

进一步地，所述基于所述有效风险指标形成已知数据集、未知数据集的步骤具体包括：判断所述有效风险指标对应的第一人员是否存在风险等级，所述数据至少包括所述第一人员的有效指标；若是，则将所述第一人员对应的数据放入已知数据集；若否，则将所述第一人员的数据放入未知数据集。

进一步地，所述通过所述已知数据集、未知数据集进行监督学习建模形成风险等级评估模型的步骤具体包括：通过所述已知数据集进行监督学习算法训练形成风险等级评估模型，并利用所述未知数据集对所述风险等级评估模型进行优化。

进一步地，所述通过所述已知数据集进行监督学习算法训练形成风险等级评估模型的步骤具体包括：所述对所述有效风险指标的每一级指标进行AHP层次分析的步骤具体包括：获取每一级指标的随机一致性指标、当前矩阵一致性指标，通过所述随机一致性指标、当前矩阵一致性指标进行一致性校验，根据所述一致性校验的校验结果获取所述有效风险指标的评估变量及所述评估变量的权重。

进一步地，所述根据分析结果获取每个有效风险指标的权重的步骤具体包括：对所述有效风险指标中每一级指标的权重进行层次总排序，根据总排序的结果获取每个有效风险指标的权重。