一种用于干部动议的人岗适配度预估方法与流程

1.本发明属于党政机关或企事业单位中的岗位管理技术领域，具体地涉及一种用于干部动 议的人岗适配度预估方法。


背景技术：

2.随着社会的发展，企事业单位(即企业单位及事业单位，其中，企业单位一般是指国有 企业单位；事业单位一般是指利用国有资产设立的，从事教育、科技、文化和卫生等活动的 社会服务组织，是表现形式为组织或机构的法人实体)的岗位工作效率决定了所属单位的工 作进度和工作效率。同时人岗匹配在干部管理工作中起到至关重要的作用，即为目标岗位挑 选任职要求最符合和工作经历最匹配的候选人，以发挥人才在目标岗位的最大价值。
3.现有干部动议过程中的人才选拔评估工作仍以主观打分判断为主，欠缺基于三龄两历数 据(即三龄指年龄、工龄和党龄；两历指学历和工作经历)对人才与待动议岗位进行综合匹 配评估的量化分析。而人为打分易造成评价标准不一致和由于打分群体不同而使分数缺乏可 比性等问题。因此，人为打分的方式一方面无法满足量化分析的要求，另一方面易造成缺乏 可比性和公正性的问题。


技术实现要素：

4.为了解决在现有干部动议过程中人为打分方式所存在无法满足量化分析要求、易造成缺 乏可比性和公正性的问题，本发明目的在于提供一种用于干部动议的人岗适配度预估方法、 装置、计算机设备及计算机可读存储介质，可在干部动议过程中,针对根据待动议岗位的预 设岗位条件筛选出的每个待动议人员，基于对应的三龄两历数据对其与所述待动议岗位进行 综合匹配评估的量化分析，最终得到对应待动议人员在待动议岗位上的人岗适配度预估值， 以便用于参与干部动议的综合考评排名，进而能够科学量化地为最终干部动议决策提供技术 支持，并避免出现因人为打分方式而造成的缺乏可比性和公正性的问题，便于实际应用和推 广。
5.第一方面，本发明提供了一种用于干部动议的人岗适配度预估方法，包括：
6.根据待动议岗位的预设岗位条件，筛选出至少一个待动议人员；
7.针对所述至少一个待动议人员中的各个待动议人员，根据对应的三龄数据，获取对应的 且在三龄指标上的第一指标得分，其中，所述三龄数据包含有年龄、工龄和党龄；
8.针对所述各个待动议人员，根据对应的学历数据，获取对应的且在学历指标上的第二指 标得分；
9.针对所述各个待动议人员，按照如下方式获取对应的且在工作经历指标上的第三指标得 分：在获取到所述待动议岗位的所有第一干部考核指标和历史就职岗位的所有第二干部考核 指标之后，针对所述所有第一干部考核指标中的各项第一干部考核指标，先计算得到对应的 且分别与所述所有第二干部考核指标中的各项第二干部考核指标的句子相
似度，然后根据历 史打分结果和对应的句子相似度计算结果，预测得到待动议人员在就职所述待动议岗位时所 得的且在对应第一干部考核指标上的打分预估值，最后根据在所述所有第一干部考核指标上 的打分预估值，通过累加计算方式预测得到所述待动议人员在就职所述待动议岗位时所得的 考核总分预估值，并将该考核总分预估值作为第三指标得分，其中，所述历史就职岗位是指 所述待动议人员当前曾经就职过的岗位，所述历史打分结果是指所述待动议人员在就职所述 历史就职岗位时所得的且在所述各项第二干部考核指标上的打分结果；
10.针对所述各个待动议人员，累加对应的所述第一指标得分、所述第二指标得分和所述第 三指标得分，得到对应的指标总分；
11.针对所述各个待动议人员，计算得到对应的所述指标总分与指标总分最大值的百分比， 以便作为对应待动议人员在所述待动议岗位上的人岗适配度预估值，参与干部动议的综合考 评排名。
12.基于上述发明内容，提供了一种能够科学量化地预估待动议人员与待动议岗位的人岗适 配度的新方案，即在干部动议过程中,可针对根据待动议岗位的预设岗位条件筛选出的每个 待动议人员，基于对应的年龄、工龄、党龄、学历和工作经历等数据，得到对应的量化指标 得分，并综合在三龄两历指标上的得分，实现基于待动议人员的三龄两历数据进行人岗匹配 程度的量化分析目的，最终得到待动议人员在待动议岗位上的人岗适配度预估值，以便用于 参与干部动议的综合考评排名，进而能够科学量化地为最终干部动议决策提供技术支持，并 避免出现因人为打分方式而造成的缺乏可比性和公正性的问题，便于实际应用和推广。
13.在一个可能的设计中，针对所述所有第一干部考核指标中的各项第一干部考核指标，根 据历史打分结果和对应的句子相似度计算结果，预测得到待动议人员在就职所述待动议岗位 时所得的且在对应第一干部考核指标上的打分预估值，包括：
14.根据第一干部考核指标的句子相似度计算结果，将与句子相似度最大值对应的第二干部 考核指标作为该第一干部考核指标的第一参考指标；
15.根据待动议人员在就职所述历史就职岗位时所得的且在所述各项第二干部考核指标上 的打分结果，将在第一参考指标上的打分记录值作为所述待动议人员在就职所述待动议岗位 时所得的且在对应的第一干部考核指标上的打分预估值。
16.在一个可能的设计中，针对所述所有第一干部考核指标中的各项第一干部考核指标，根 据历史打分结果和对应的句子相似度计算结果，预测得到待动议人员在就职所述待动议岗位 时所得的且在对应第一干部考核指标上的打分预估值，包括：
17.根据第一干部考核指标的句子相似度计算结果，将与句子相似度最大值对应的第二干部 考核指标作为该第一干部考核指标的第一参考指标；
18.根据待动议人员在就职所述历史就职岗位时所得的且在所述各项第二干部考核指标上 的打分结果，按照如下公式计算得到所述待动议人员在就职所述待动议岗位时所得的且在第 一干部考核指标上的打分预估值p
cr
：
19.p
cr
＝η
hp
*p
hp
20.式中，η
hp
表示第一干部考核指标与对应的第一参考指标的句子相似度，p
hp
表示所述待 动议人员在就职所述历史就职岗位时所得的且在该第一参考指标上的打分记录值。
21.在一个可能的设计中，针对所述所有第一干部考核指标中的各项第一干部考核指标，根 据历史打分结果和对应的句子相似度计算结果，预测得到待动议人员在就职所述待动议岗位 时所得的且在对应第一干部考核指标上的打分预估值，包括：
22.根据第一干部考核指标的句子相似度计算结果，判断句子相似度最大值是否大于或等于 预设阈值；
23.若是，则先将与所述句子相似度最大值对应的第二干部考核指标作为所述第一干部考核 指标的第一参考指标，然后根据待动议人员在就职所述历史就职岗位时所得的且在所述各项 第二干部考核指标上的打分结果，将在所述第一参考指标上的打分记录值作为所述待动议人 员在就职所述待动议岗位时所得的且在所述第一干部考核指标上的打分预估值，或者按照如 下公式计算得到所述待动议人员在就职所述待动议岗位时所得的且在所述第一干部考核指 标上的打分预估值p
cr
：
24.p
cr
＝η
hp
*p
hp
25.式中，η
hp
表示所述第一干部考核指标与对应的所述第一参考指标的句子相似度，p
hp
表 示所述待动议人员在就职所述历史就职岗位时所得的且在所述第一参考指标上的打分记录 值；
26.若否，则先从所述所有第二干部考核指标中确定出与按照从大到小顺序排列在前的多个 句子相似度一一对应的多项第二干部考核指标，然后将所述多项第二干部考核指标作为所述 第一干部考核指标的多项第二参考指标，并根据待动议人员在就职所述历史就职岗位时所得 的且在所述各项第二干部考核指标上的打分结果，按照如下步骤预测得到所述待动议人员在 就职所述待动议岗位时所得的且在所述第一干部考核指标上的打分预估值：
27.获取在先就职岗位的所有第三干部考核指标，其中，所述在先就职岗位是指就职人员在 就职所述待动议岗位前曾经就职过的岗位，所述就职人员的数目为多位且指当前曾经就职过 所述待动议岗位的人员；
28.针对多位就职人员中的各位就职人员，根据所述多项第二参考指标和对应的所有第三干 部考核指标，从对应的所有第三干部考核指标中分别确定出与所述多项第二参考指标中的各 项第二参考指标最相似的第三干部考核指标，得到对应的多项最相似指标；
29.针对所述各位就职人员，根据在就职对应的所述在先就职岗位时所得的且在对应的所述 多项最相似指标上的打分记录值，得到对应的训练样本，以及根据在就职所述待动议岗位时 所得的且在所述第一干部考核指标上的打分记录值，得到该训练样本的标记值；
30.将得到的所有训练样本及对应的标记值输入神经网络模型进行训练，得到与所述第一干 部考核指标对应的打分预估模型；
31.根据所述待动议人员在就职所述历史就职岗位时所得的且在所述多项第二参考指标上 的打分记录值，得到一个待测样本；
32.将所述待测样本输入所述打分预估模型进行预估，得到输出的标记预估值；
33.根据所述标记预估值，还原得到所述待动议人员在就职所述待动议岗位时所得的且在所 述第一干部考核指标上的打分预估值。
34.在一个可能的设计中，所述神经网络模型采用基于反向传播bp网络、hopfield网络、 自适应谐振理论art网络或kohonen网络的神经网络模型。
35.在一个可能的设计中，针对所述所有第一干部考核指标中的各项第一干部考核指标，计 算得到对应的且分别与所述所有第二干部考核指标中的各项第二干部考核指标的句子相似 度，包括：
36.采用基于编辑距离、bm25算法、词频逆文档频率tfidf、textrank算法、word2vec的 余弦相似度和/或深层结构语义模型dssm的句子相似度计算方法，计算得到各对第一干部考 核指标与第二干部考核指标的句子相似度。
37.在一个可能的设计中，根据在所述所有第一干部考核指标上的打分预估值，通过累加计 算方式预测得到所述待动议人员在就职所述待动议岗位时所得的考核总分预估值，包括：
38.按照如下公式计算得到所述考核总分预估值p
totle
：
[0039][0040]
式中，i表示正整数，n表示所述第一干部考核指标的总项数，λi表示在所述所有第一 干部考核指标中第i个第一干部考核指标的预设权重系数，pi表示所述第i个第一干部考核指 标的打分预估值。
[0041]
第二方面，本发明提供了一种用于干部动议的人岗适配度预估装置，包括有人员筛选模 块、第一指标得分获取模块、第二指标得分获取模块、第三指标得分获取模块、指标总分计 算模块和人岗适配度预估模块，其中，所述第三指标得分获取模块包括有依次通信连接的指 标获取子模块、指标相似度计算子模块、考核打分预估子模块和总分累加计算子模块；
[0042]
所述人员筛选模块，用于根据待动议岗位的预设岗位条件，筛选出至少一个待动议人员；
[0043]
所述第一指标得分获取模块，通信连接所述人员筛选模块，用于针对所述至少一个待动 议人员中的各个待动议人员，根据对应的三龄数据，获取对应的且在三龄指标上的第一指标 得分，其中，所述三龄数据包含有年龄、工龄和党龄；
[0044]
所述第二指标得分获取模块，通信连接所述人员筛选模块，用于针对所述各个待动议人 员，根据对应的学历数据，获取对应的且在学历指标上的第二指标得分；
[0045]
所述第三指标得分获取模块，通信连接所述人员筛选模块，用于针对所述各个待动议人 员，获取对应的且在工作经历指标上的第三指标得分；
[0046]
所述指标获取子模块，用于获取待动议岗位的所有第一干部考核指标和历史就职岗位的 所有第二干部考核指标，其中，所述历史就职岗位是指所述待动议人员当前曾经就职过的岗 位；
[0047]
所述指标相似度计算子模块，用于针对所述所有第一干部考核指标中的各项第一干部考 核指标，计算得到对应的且分别与所述所有第二干部考核指标中的各项第二干部考核指标的 句子相似度；
[0048]
所述考核打分预估子模块，用于针对所述各项第一干部考核指标，根据历史打分结果和 对应的句子相似度计算结果，预测得到待动议人员在就职所述待动议岗位时所得的且在对应 第一干部考核指标上的打分预估值，其中，所述历史打分结果是指所述待动议人员在就职所 述历史就职岗位时所得的且在所述各项第二干部考核指标上的打分结果；
时存在a和b等三种情况；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关 系，表示可以存在两种关系，例如，a/和b，可以表示：单独存在a或者同时存在a和b等 两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关 系。
[0062]
如图1所示，本实施例第一方面提供的所述用于干部动议的人岗适配度预估方法，可以 但不限于由具有一定计算资源的计算机设备执行，例如由个人计算机(personal computer， pc，指一种大小、价格和性能适用于个人使用的多用途计算机；台式机、笔记本电脑到小型 笔记本电脑和平板电脑以及超级本等都属于个人计算机)、智能手机、个人数字助理 (personal digital assistant，pad)或可穿戴设备等电子设备执行，以便在干部动议过 程中,可针对根据待动议岗位的预设岗位条件筛选出的每个待动议人员，基于对应的三龄两 历数据对其与所述待动议岗位进行综合匹配评估的量化分析，最终得到对应待动议人员在待 动议岗位上的人岗适配度预估值，以便用于参与干部动议的综合考评排名，进而能够科学量 化地为最终干部动议决策提供技术支持，并避免出现因人为打分方式而造成的缺乏可比性和 公正性的问题，便于实际应用和推广。如图1所示，所述人岗适配度预估方法，可以但不限 于包括有如下步骤s1～s6。
[0063]
s1.根据待动议岗位的预设岗位条件，筛选出至少一个待动议人员。
[0064]
在所述步骤s1中，所述预设岗位条件可以但不限于包含有在性别、民族、籍贯、三龄 和/或学历等上设置的条件，以便筛选出符合待动议岗位条件的待动议人员，其具体筛选方 式为现有常规方式。
[0065]
s2.针对所述至少一个待动议人员中的各个待动议人员，根据对应的三龄数据，获取对 应的且在三龄指标上的第一指标得分，其中，所述三龄数据包含有年龄、工龄和党龄。
[0066]
在所述步骤s2中，具体可以但不限于基于在不同年龄、工龄和党龄上的预设得分数， 根据待动议人员的三龄数据获取所述第一指标得分，其中，针对年龄指标，可先基于所述待 动议岗位的所有历史就职人员的任职年龄数据进行数据统计，得到一个年龄正态分布结果， 然后根据该年龄正态分布结果设置预设得分数：越靠近任职年龄平均值，得分越高；越远离 任职年龄平均值，得分越低。而针对工龄指标和党龄指标，同样可与年龄指标一样，根据对 应的正态分布统计结果来设置对应的预设得分数，于此不再赘述。
[0067]
s3.针对所述各个待动议人员，根据对应的学历数据，获取对应的且在学历指标上的第 二指标得分。
[0068]
在所述步骤s3中，具体可以但不限于基于在不同学历上的预设得分数，根据待动议人 员的学历数据获取所述第二指标得分，其中，针对学历指标，可先基于所述待动议岗位的所 有历史就职人员的学历数据进行数据统计，得到一个学历正态分布结果，然后根据该学历正 态分布结果设置预设得分数：越靠近平均学历，得分越高；越远离平均学历，得分越低。
[0069]
s4.针对所述各个待动议人员，获取对应的且在工作经历指标上的第三指标得分。
[0070]
在所述步骤s4中，具体可按照如下步骤s41～s44获取到待动议人员在工作经历指标上 的所述第三指标得分。
[0071]
s41.获取所述待动议岗位的所有第一干部考核指标和历史就职岗位的所有第二干部考 核指标，其中，所述历史就职岗位是指所述待动议人员当前曾经就职过的岗位。
[0072]
在所述步骤s41中，所述第一干部考核指标和所述第二干部考核指标分别类似于
绩效考 核指标(其是人力资源管理中的常见术语，具体是指通过明确绩效考核目标的单位或者方法， 对承担企业经营过程及结果的各级在岗人员完成指定任务时判断工作业绩价值的依据)，可 以但不限于从人员的品德、能力、考勤、绩效和廉洁等维度进行检查和评定。所述第一干部 考核指标和所述第二干部考核指标需要具有相同的打分制，例如都是100分制，并可以具有 对应的权重系数；它们的具体获取方式可举例为由干部动议决策者通过人工方式输入计算机 设备得到。此外，所述历史就职岗位的数目可以有多个并分别有一套对应的所述所有第二干 部考核指标，以及针对所述待动议岗位和每个所述历史就职岗位，对应干部考核指标的内容、 数目及权重系数可均不相同。
[0073]
s42.针对所述所有第一干部考核指标中的各项第一干部考核指标，计算得到对应的且分 别与所述所有第二干部考核指标中的各项第二干部考核指标的句子相似度。
[0074]
在所述步骤s42中，由于所述第一干部考核指标和所述第二干部考核指标的内容均是以 句子形式呈现，因此可以基于自然语言处理技术中的句子相似度计算方法，计算得到各对第 一干部考核指标与第二干部考核指标的句子相似度。具体的，可以但不限于采用基于编辑距 离、bm25算法、词频逆文档频率tfidf(term frequency
–
inverse document frequency)、 textrank算法、word2vec的余弦相似度和/或深层结构语义模型dssm(deep structuredsemantic models)等的句子相似度计算方法，计算得到各对第一干部考核指标与第二干部 考核指标的句子相似度。前述几种句子相似度计算方法均为现有常规算法，本领域技术人员 可通过常规改动应用到本实施例中。
[0075]
s43.针对所述各项第一干部考核指标，根据历史打分结果和对应的句子相似度计算结 果，预测得到待动议人员在就职所述待动议岗位时所得的且在对应第一干部考核指标上的打 分预估值，其中，所述历史打分结果是指所述待动议人员在就职所述历史就职岗位时所得的 且在所述各项第二干部考核指标上的打分结果。
[0076]
在所述步骤s43中，所述所有第二干部考核指标及所述历史打分结果即作为所述待动议 人员的一段工作履历数据；同时考虑不同干部考核指标一般具有不同的权重系数，因此所述 历史打分结果需为未考虑权重系数的打分值；此外，所述历史打分结果可以但不限于采用在 最后一个考核周期的打分记录值，或者采用在最后几个考核周期(若考核周期为1个月，可 举例为3个月)的打分记录平均值、打分记录中间值或打分记录最大值等。具体的，针对所 述所有第一干部考核指标中的各项第一干部考核指标，根据历史打分结果和对应的句子相似 度计算结果，预测得到待动议人员在就职所述待动议岗位时所得的且在对应第一干部考核指 标上的打分预估值，包括但不限于有如下步骤s201～s202。
[0077]
s201.根据第一干部考核指标的句子相似度计算结果，将与句子相似度最大值对应的第 二干部考核指标作为该第一干部考核指标的第一参考指标。
[0078]
在所述步骤s201中，举例的，针对第一干部考核指标a，所有的第二干部考核指标包括 有第二干部考核指标11、第二干部考核指标12、第二干部考核指标13、第二干部考核指标 14(前面四个指标对应历史就职岗位1)、第二干部考核指标21、第二干部考核指标22、第 二干部考核指标23、第二干部考核指标24、第二干部考核指标25(前面五个指标对应历史 就职岗位2)、第二干部考核指标31和第二干部考核指标32(前面两个指标对应历史就职 岗位3)，其中，所述第二干部考核指标22与所述第一干部考核指标a具有句子相似度最大 值，则所述第二干部考核指标22即为所述第一干部考核指标a的第一参考指标。
[0079]
s202.根据待动议人员在就职所述历史就职岗位时所得的且在所述各项第二干部考核指 标上的打分结果，将在第一参考指标上的打分记录值作为所述待动议人员在就职所述待动议 岗位时所得的且在对应的第一干部考核指标上的打分预估值。
[0080]
在所述步骤s202中，若所述待动议人员在就职所述历史就职岗位2时所得的且在所述 第二干部考核指标22上的打分记录值为90分，则所述待动议人员在就职所述待动议岗位时 所得的且在所述第一干部考核指标a上的打分预估值也为90分。
[0081]
s44.根据在所述所有第一干部考核指标上的打分预估值，通过累加计算方式预测得到所 述待动议人员在就职所述待动议岗位时所得的考核总分预估值，并将该考核总分预估值作为 第三指标得分。
[0082]
在所述步骤s44中，具体可按照如下公式计算得到所述考核总分预估值p
totle
：
[0083][0084]
式中，i表示正整数，n表示所述第一干部考核指标的总项数，λi表示在所述所有第一 干部考核指标中第i个第一干部考核指标的预设权重系数，pi表示所述第i个第一干部考核指 标的打分预估值。
[0085]
前述步骤s2、s3和s4的执行顺序，本实施例第一方面并无限定，可以同时执行，也可 以依次执行。
[0086]
s5.针对所述各个待动议人员，累加对应的所述第一指标得分、所述第二指标得分和所 述第三指标得分，得到对应的指标总分。
[0087]
在所述步骤s5中，若所述第一指标得分、所述第二指标得分和所述第三指标得分具有 不同的预设权重系数，同样在累加过程中需要考虑各个指标的预设权重系数进行计算，于此 不再赘述。
[0088]
s6.针对所述各个待动议人员，计算得到对应的所述指标总分与指标总分最大值的百分 比，以便作为对应待动议人员在所述待动议岗位上的人岗适配度预估值，参与干部动议的综 合考评排名。
[0089]
由此基于前述步骤s1～s6及s41～s44所描述的人岗适配度预估方法，提供了一种能够 科学量化地预估待动议人员与待动议岗位的人岗适配度的新方案，即在干部动议过程中,可 针对根据待动议岗位的预设岗位条件筛选出的每个待动议人员，基于对应的年龄、工龄、党 龄、学历和工作经历等数据，得到对应的量化指标得分，并综合在三龄两历指标上的得分， 实现基于待动议人员的三龄两历数据进行人岗匹配程度的量化分析目的，最终得到待动议人 员在待动议岗位上的人岗适配度预估值，以便用于参与干部动议的综合考评排名，进而能够 科学量化地为最终干部动议决策提供技术支持，并避免出现因人为打分方式而造成的缺乏可 比性和公正性的问题，便于实际应用和推广。
[0090]
本实施例在前述第一方面的技术方案基础上，还提供了另一种获取到所述待动议人员在 第一干部考核指标上的打分预估值的可能设计一，即针对所述所有第一干部考核指标中的各 项第一干部考核指标，根据历史打分结果和对应的句子相似度计算结果，预测得到待动议人 员在就职所述待动议岗位时所得的且在对应第一干部考核指标上的打分预估值，包括但不限 于有如下步骤s211～s212。
[0091]
s211.根据第一干部考核指标的句子相似度计算结果，将与句子相似度最大值对
应的第 二干部考核指标作为该第一干部考核指标的第一参考指标。
[0092]
s212.根据待动议人员在就职所述历史就职岗位时所得的且在所述各项第二干部考核指 标上的打分结果，按照如下公式计算得到所述待动议人员在就职所述待动议岗位时所得的且 在第一干部考核指标上的打分预估值p
cr
：
[0093]
p
cr
＝η
hp
*p
hp
[0094]
式中，η
hp
表示第一干部考核指标与对应的第一参考指标的句子相似度，p
hp
表示所述待 动议人员在就职所述历史就职岗位时所得的且在该第一参考指标上的打分记录值。
[0095]
在所述步骤s212中，延续所述步骤s201的例子，若所述第二干部考核指标22与所述 第一干部考核指标a具有句子相似度最大值且为90％，并且所述待动议人员在就职所述历史 就职岗位2时所得的且在所述第二干部考核指标22上的打分记录值为90分，则所述待动议 人员在就职所述待动议岗位时所得的且在所述第一干部考核指标a上的打分预估值为81分。
[0096]
由此基于前述步骤s211～s212描述的可能设计一，可在预测所述待动议人员在第一干 部考核指标上的打分预估值的过程中，充分考虑第一干部考核指标与第一参考指标的相似 度，使最终预估结果更准确，进一步提升科学量化效果。
[0097]
本实施例在前述第一方面或可能设计一的技术方案基础上，还提供了另一种获取到所述 待动议人员在第一干部考核指标上的打分预估值的可能设计二，即针对所述所有第一干部考 核指标中的各项第一干部考核指标，根据历史打分结果和对应的句子相似度计算结果，预测 得到待动议人员在就职所述待动议岗位时所得的且在对应第一干部考核指标上的打分预估 值，包括但不限于有如下步骤s221～s223。
[0098]
s221.根据第一干部考核指标的句子相似度计算结果，判断句子相似度最大值是否大于 或等于预设阈值。
[0099]
在所述步骤s231中，所述预设阈值用于作为判断所述第一干部考核指标是否为所述待 动议岗位相对于所述历史就职岗位的特定干部考核指标的依据，若所述第一干部考核指标的 句子相似度最大值大于或等于所述预设阈值，则所述第一干部考核指标为非特定干部考核指 标，例如考勤指标等基础指标；而若所述第一干部考核指标的句子相似度最大值小于所述预 设阈值，则所述第一干部考核指标为特定干部考核指标，需要采用特别的方法进行打分预估。 此外，举例的，所述预设阈值可为50％。
[0100]
s222.若是，则先将与所述句子相似度最大值对应的第二干部考核指标作为所述第一干 部考核指标的第一参考指标，然后根据待动议人员在就职所述历史就职岗位时所得的且在所 述各项第二干部考核指标上的打分结果，将在所述第一参考指标上的打分记录值作为所述待 动议人员在就职所述待动议岗位时所得的且在所述第一干部考核指标上的打分预估值，或者 按照如下公式计算得到所述待动议人员在就职所述待动议岗位时所得的且在所述第一干部 考核指标上的打分预估值p
cr
：
[0101]
p
cr
＝η
hp
*p
hp
[0102]
式中，η
hp
表示所述第一干部考核指标与对应的所述第一参考指标的句子相似度，p
hp
表 示所述待动议人员在就职所述历史就职岗位时所得的且在所述第一参考指标上的打分记录 值。
[0103]
在所述步骤s222中，具体技术细节可参见前述步骤s201～s202和步骤s211～
s212，于 此不再赘述。
[0104]
s223.若否，则先从所述所有第二干部考核指标中确定出与按照从大到小顺序排列在前 的多个句子相似度一一对应的多项第二干部考核指标，然后将所述多项第二干部考核指标作 为所述第一干部考核指标的多项第二参考指标。
[0105]
在所述步骤s223中，延续所述步骤s201的例子，针对第一干部考核指标b，若其与第 二干部考核指标11、第二干部考核指标12、第二干部考核指标13、第二干部考核指标14、 第二干部考核指标21、第二干部考核指标22、第二干部考核指标23、第二干部考核指标24、 第二干部考核指标25、第二干部考核指标31和第二干部考核指标32的句子相似度分别为 12％、21％、25％、5％、8％、15％、6％、11％、30％、18％和2％，并且所述预设阈值为50％，则可 将与21％对应的第二干部考核指标12、与25％对应的第二干部考核指标13、与15％对应的第 二干部考核指标22、与30％对应的第二干部考核指标25和与18％对应的第二干部考核指标 31等分别作为所述第一干部考核指标b的第二参考指标，得到包含有第二干部考核指标12、 第二干部考核指标13、第二干部考核指标22、第二干部考核指标25和第二干部考核指标31 的所述多项第二参考指标。然后可根据所述待动议人员在就职所述历史就职岗位时所得的且 在所述各项第二干部考核指标上的打分结果，按照如下步骤s231～s237预测得到所述待动 议人员在就职所述待动议岗位时所得的且在所述第一干部考核指标上的打分预估值。
[0106]
s231.获取在先就职岗位的所有第三干部考核指标，其中，所述在先就职岗位是指就职 人员在就职所述待动议岗位前曾经就职过的岗位，所述就职人员的数目为多位且指当前曾经 就职过所述待动议岗位的人员。
[0107]
在所述步骤s231中，所述第三干部考核指标的具体描述及获取方式与所述第一干部考 核指标和所述第二干部考核指标类似，于此不再赘述。所述在先就职岗位的数目也可以针对 单个就职人员有多个并分别有一套对应的所述所有第三干部考核指标，以及针对每个所述在 先就职岗位，对应干部考核指标的内容、数目及权重系数也可均不相同。
[0108]
s232.针对多位就职人员中的各位就职人员，根据所述多项第二参考指标和对应的所有 第三干部考核指标，从对应的所有第三干部考核指标中分别确定出与所述多项第二参考指标 中的各项第二参考指标最相似的第三干部考核指标，得到对应的多项最相似指标。
[0109]
在所述步骤s232中，所述第三干部考核指标与所述第二参考指标的相似度计算方法同 样可采用句子相似度计算方法，并将与所述第二参考指标具有句子相似度最大值的第三干部 考核指标作为一项所述最相似指标。此外，所述多项最相似指标与所述多项第二参考指标 为一一对应关系。
[0110]
s233.针对所述各位就职人员，根据在就职对应的所述在先就职岗位时所得的且在对应 的所述多项最相似指标上的打分记录值，得到对应的训练样本，以及根据在就职所述待动议 岗位时所得的且在所述第一干部考核指标上的打分记录值，得到该训练样本的标记值。
[0111]
在所述步骤s233中，一位就职人员对应一个训练样本及标记值，因此所述就职人员的 数目越多，训练样本将越多，后续训练所得打分预估模型的预估准确性也将越高。所述训练 样本及标记值的具体得到过程包括但不限于有对打分记录值进行归一化处理，以
便输入到后 续的神经网络模型中。此外，若训练样本数目不足，还可以通过常规的样本增强方法来丰富 训练样本。
[0112]
s234.将得到的所有训练样本及对应的标记值输入神经网络模型进行训练，得到与所述 第一干部考核指标对应的打分预估模型。
[0113]
在所述步骤s234中，所述神经网络模型是一种由大量的和简单的处理单元(称为神经 元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高 度复杂的非线性动力学习系统，因此通过基于所有训练样本及对应的标记值进行的常规训练 方式，可以得到与所述第一干部考核指标对应的打分预估模型，以便在输入测试样本后，可 以输出对应的标记预估值和置信度等结果。具体的，所述神经网络模型可以但不限于采用基 于反向传播bp(back propagation)网络、hopfield网络、自适应谐振理论art(adaptiveresonance theory)网络或kohonen网络等的神经网络模型。此外，针对不同的第一干部考 核指标，可以训练得到不同的打分预估模型。
[0114]
s235.根据所述待动议人员在就职所述历史就职岗位时所得的且在所述多项第二参考指 标上的打分记录值，得到一个待测样本。
[0115]
在所述步骤s235中，所述待测样本的具体得到过程同样包括但不限于有对打分记录值 进行归一化处理，以便输入到所述打分预估模型中。
[0116]
s236.将所述待测样本输入所述打分预估模型进行预估，得到输出的标记预估值。
[0117]
s237.根据所述标记预估值，还原得到所述待动议人员在就职所述待动议岗位时所得的 且在所述第一干部考核指标上的打分预估值。
[0118]
在所述步骤s237中，所述打分预估值的具体还原过程与所述待测样本的具体得到过程 相对应，例如针对归一化处理，需进行还原处理，以便得到百分制下的打分预估值。
[0119]
由此基于前述步骤s221～s223以及s231～s237描述的可能设计二，可在预测所述待动 议人员在第一干部考核指标上的打分预估值的过程中，针对所述待动议岗位相对于所述历史 就职岗位的非特定干部考核指标和特定干部考核指标，采用不同算法进行预估，并针对特定 干部考核指标，可临时基于曾经就职过所述待动议岗位的就职人员的工作履历数据训练神经 网络模型，得到对应的打分预估模型，然后再基于该打分预估模型和打分结果来准确预测所 述待动议人员在对应指标上的打分预估值，使最终预估结果更准确，进一步提升科学量化效 果。
[0120]
如图2所示，本实施例第二方面提供了一种实现第一方面或第一方面中任意可能设计所 述的人岗适配度预估方法的虚拟装置，包括有人员筛选模块、第一指标得分获取模块、第二 指标得分获取模块、第三指标得分获取模块、指标总分计算模块和人岗适配度预估模块，其 中，所述第三指标得分获取模块包括有依次通信连接的指标获取子模块、指标相似度计算子 模块、考核打分预估子模块和总分累加计算子模块；
[0121]
所述人员筛选模块，用于根据待动议岗位的预设岗位条件，筛选出至少一个待动议人员；
[0122]
所述第一指标得分获取模块，通信连接所述人员筛选模块，用于针对所述至少一个待动 议人员中的各个待动议人员，根据对应的三龄数据，获取对应的且在三龄指标上的第一指标 得分，其中，所述三龄数据包含有年龄、工龄和党龄；
[0123]
所述第二指标得分获取模块，通信连接所述人员筛选模块，用于针对所述各个待
动议人 员，根据对应的学历数据，获取对应的且在学历指标上的第二指标得分；
[0124]
所述第三指标得分获取模块，通信连接所述人员筛选模块，用于针对所述各个待动议人 员，获取对应的且在工作经历指标上的第三指标得分；
[0125]
所述指标获取子模块，用于获取待动议岗位的所有第一干部考核指标和历史就职岗位的 所有第二干部考核指标，其中，所述历史就职岗位是指所述待动议人员当前曾经就职过的岗 位；
[0126]
所述指标相似度计算子模块，用于针对所述所有第一干部考核指标中的各项第一干部考 核指标，计算得到对应的且分别与所述所有第二干部考核指标中的各项第二干部考核指标的 句子相似度；
[0127]
所述考核打分预估子模块，用于针对所述各项第一干部考核指标，根据历史打分结果和 对应的句子相似度计算结果，预测得到待动议人员在就职所述待动议岗位时所得的且在对应 第一干部考核指标上的打分预估值，其中，所述历史打分结果是指所述待动议人员在就职所 述历史就职岗位时所得的且在所述各项第二干部考核指标上的打分结果；
[0128]
所述总分累加计算子模块，用于根据在所述所有第一干部考核指标上的打分预估值，通 过累加计算方式预测得到所述待动议人员在就职所述待动议岗位时所得的考核总分预估值， 并将该考核总分预估值作为所述第三指标得分；
[0129]
所述指标总分计算模块，分别通信连接所述第一指标得分获取模块、所述第二指标得分 获取模块和所述第三指标得分获取模块，用于针对所述各个待动议人员，累加对应的所述第 一指标得分、所述第二指标得分和所述第三指标得分，得到对应的指标总分；
[0130]
所述人岗适配度预估模块，通信连接所述指标总分计算模块，用于针对所述各个待动议 人员，计算得到对应的所述指标总分与指标总分最大值的百分比，以便作为对应待动议人员 在所述待动议岗位上的人岗适配度预估值，参与干部动议的综合考评排名。
[0131]
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果，可以参见第一方 面或第一方面中任意可能设计所述的人岗适配度预估方法，于此不再赘述。
[0132]
如图3所示，本实施例第三方面提供了一种执行第一方面或第一方面中任意可能设计所 述人岗适配度预估方法的计算机设备，包括有通信相连的存储器和处理器，其中，所述存储 器用于存储计算机程序，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面 中任意可能设计所述的人岗适配度预估方法。具体举例的，所述存储器可以但不限于包括随 机存取存储器(random-access memory，ram)、只读存储器(read-only memory，rom)、闪 存(flash memory)、先进先出存储器(first input first output，fifo)和/或先进后出 存储器(first input last output，filo)等等；所述处理器可以但不限于采用型号为 stm32f105系列的微处理器。此外，所述计算机设备还可以但不限于包括有电源模块、显示 屏和其它必要的部件。
[0133]
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果，可以参见 第一方面或第一方面中任意可能设计所述的人岗适配度预估方法，于此不再赘述。
[0134]
本实施例第四方面提供了一种存储包含第一方面或第一方面中任意可能设计所述人岗 适配度预估方法的指令的计算机可读存储介质，即所述计算机可读存储介质上存储有指令， 当所述指令在计算机上运行时，执行如第一方面或第一方面中任意可能设计所述的人岗适配 度预估方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但
不限于包括软盘、 光盘、硬盘、闪存、优盘和/或记忆棒(memory stick)等，所述计算机可以是通用计算机、 专用计算机、计算机网络、或者其他可编程装置。
[0135]
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果， 可以参见第一方面或第一方面中任意可能设计所述的人岗适配度预估方法，于此不再赘述。
[0136]
本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行 时，使所述计算机执行如第一方面或第一方面中任意可能设计所述的人岗适配度预估方法。 其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
[0137]
最后应说明的是，本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可 得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发 明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。