[发明专利]人员风险等级获取方法、终端、存储装置

说明书

本发明提供一种人员风险等级获取方法、终端、存储装置，该人员风险等级获取方法包括：S101：获取第一人员的风险信息，并对风险信息进行预处理以获取风险指标；S102：对风险指标进行特征选择，根据特征选择结果获取风险指标中的有效风险指标；S103：基于有效风险指标形成已知数据集、未知数据集，并通过已知数据集进行监督学习训练形成风险等级评估模型；S104：通过未知数据集优化风险等级评估模型，并利用优化后的风险等级评估模型获取第二人员的风险等级。本发明利用风险等级评估模型为人员进行评估的方式耗时短、效率高、工作量小，降低了人力成本，评估结果准确性高。

技术领域

本发明涉及人员管理技术领域，尤其涉及一种人员风险等级获取方法、终端、存储装置。

背景技术

目前，在实际应用中，风险等级评估需要一一为每个人员进行评估，耗时长、工作量大、人力成本高，而且容易受评估的人员自身情绪以及外界环境影响，评估方式不准确，容易出现风险等级评估错误。

发明内容

为了克服现有技术的不足，本发明提出一种人员风险等级获取方法、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，并使用有效风险指标以及第一人员的风险等级进行监督学习训练形成风险等级评估模型，能够筛选出与风险评估相关的有效风险指标，提高了风险评估的准确性，并且通过使用大数据训练形成风险等级评估模型为每个人员进行评估的方式耗时短、效率高、工作量小，降低了人力成本。

为解决上述问题，本发明采用的一种人员风险等级获取方法，所述人员风险等级获取方法包括：所述人员风险等级获取方法包括：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，并通过所述已知数据集进行监督学习训练形成风险等级评估模型，所述已知数据集包括所述第一人员对应的风险等级，所述未知数据集不包括所述第一人员对应的风险等级；S104：获取所述风险等级评估模型对所述未知数据集中数据的预测结果，根据所述预测结果优化所述风险等级评估模型，利用优化后的所述风险等级评估模型获取第二人员的风险等级。

进一步地，所述对所述风险信息进行预处理的步骤具体包括：对所述风险信息依次进行数据提取、无纲量化、缺失值处理。

进一步地，所述对所述风险信息进行预处理以获取风险指标的步骤之后还包括：对所述风险指标的数据进行数据清洗。

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，所述根据所述pearson相关系数、信息增益获取所述风险指标的欧式距离的步骤具体包括：将所述pearson相关系数、信息增益作为所述风险指标的坐标，根据所述坐标计算所述风险指标之间的欧式距离。

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进行监督学习训练形成风险等级评估模型的步骤具体包括：将所述已知数据集分为训练集、测试集，通过所述训练集、测试集进行监督学习训练形成风险等级评估模型，并根据所述风险等级评估模型的准确率调整训练参数。