[发明专利]一种用于政府机构的智能履职评估方法及装置

权利要求书

1.一种用于政府机构的智能履职评估方法，其特征在于，包括：

步骤1、获取履职信息，所述履职信息包括履职类型次数矩阵、履职主题次数矩阵以及履职成果；

步骤2、根据步骤1获得的履职类型次数矩阵与履职成果进行量化计算，获得对应的量化评价数据集；

步骤3、对步骤2获得的量化评价数据集进行向量分配处理，获得对应的履职得分和履职积极度；

步骤4、对步骤2获得的量化评价数据进行分类，获得对应的履职评价分类结果；

步骤5、根据步骤1获得的履职类型次数矩阵与履职主题次数矩阵，匹配获得对应的履职偏好；

步骤6、基于步骤2至步骤5获得的数据，绘制获得用于评估履职价值的行为画像集。

2.根据权利要求1所述的用于政府机构的智能履职评估方法，其特征在于，所述步骤1中的履职类型次数矩阵中的履职类型包括参加会议、基层活动、调研工作以及撰写工作；

履职主题次数矩阵中的履职主题包括社会、文化、经济、政治以及生态；

履职成果包括基层工作的采纳次数和落实次数。

3.根据权利要求1所述的用于政府机构的智能履职评估方法，其特征在于，所述步骤2的量化计算包括RFM算法和加权计算法。

4.根据权利要求1所述的用于政府机构的智能履职评估方法，其特征在于，所述步骤2的量化评价数据集包括：

履职频率，通过对所有履职类型下履职次数的求和并除以时间间隔计算获得；

履职时间差，通过计算目标最后一次履职时间与获取履职信息的截止时间之差获得；

履职量，根据所有履职类型权重进行加权计算获得；

履职有效性，根据履职成果中各项数据权重进行加权计算获得。

5.根据权利要求1所述的用于政府机构的智能履职评估方法，其特征在于，所述步骤3中的向量分配处理的具体表达式如下：

式中，S_i代表第i个履职人员的履职得分，代表归一化后的第i个履职人员履职量，代表归一化后的第i个履职人员履职频率，代表归一化后的第i个履职人员履职时间差，[S_R,S_F,S_M]为预设权重参数；

式中，P_i表示履职积极度。

6.根据权利要求1所述的用于政府机构的智能履职评估方法，其特征在于，所述步骤4的分类的具体表达式如下：

式中，C_i表示第i个履职人员的分类依据得分，Average()代表平均分函数，R_i代表未归一化的第i个履职人员履职量，F_i代表未归一化的第i个履职人员履职频率，M_i代表未归一化的第i个履职人员履职时间差。

7.根据权利要求6所述的用于政府机构的智能履职评估方法，其特征在于，根据所述分类依据得分进行评估，获得对应的履职评价分类结果：

当分类依据得分为(1,1,1)时，则分类为重要价值履职人员：最近履职时间近、履职频次和履职量都很高；

当分类依据得分为(0,1,1)时，则分类为重要保持履职人员：最近履职时间较远，但履职频次和履职量都很高；

当分类依据得分为(1,0,1)时，则分类为重要发展履职人员：最近履职时间较近、履职量较大，但频次不高；

当分类依据得分为(0,0,1)时，则分类为重要挽留履职人员：最近履职时间较远、履职频次不高，但履职量大；

当分类依据得分为(1,1,0)时，则分类为一般价值履职人员：最近履职时间较近、履职频次高，但履职量较小；

当分类依据得分为(1,0,0)时，则分类为一般发展履职人员：最近履职时间较近、履职频次低，履职量较小；

当分类依据得分为(0,1,0)时，则分类为一般保持履职人员：最近履职时间较远、履职频次高，履职量小；

当分类依据得分为(0,0,0)时，则分类为一般挽留履职人员：最近履职时间较远、履职频次低，履职量小。