(72)發(fā)明人辛現(xiàn)偉龐文莉宋繼華李濤陳輝(57)摘要系統(tǒng)，包括：步驟1:收集人才的相關(guān)數(shù)據(jù)，對(duì)收集陣；步驟3:根據(jù)原始評(píng)分矩陣，構(gòu)建理想解；步驟4:構(gòu)建效用值矩陣；步驟5:建立后悔-欣喜矩陣；了傳統(tǒng)評(píng)估方法中數(shù)據(jù)單一習(xí)新)時(shí)一2步驟2:構(gòu)建原始評(píng)分矩陣Q=(qri)nxm,r=1,2,…,m;i=1,2,…,n,其中mn步驟3:根據(jù)原始評(píng)分矩陣Q,構(gòu)建理想解I=[u?,u?,…,u],其中u是第i個(gè)評(píng)估指標(biāo)的步驟8:計(jì)算綜合評(píng)價(jià)風(fēng)險(xiǎn)值，通過(guò)綜合評(píng)價(jià)風(fēng)險(xiǎn)值對(duì)各對(duì)象排序，綜合評(píng)價(jià)風(fēng)險(xiǎn)值越 其中，分別為對(duì)象x在樂(lè)觀情形下關(guān)于模糊近似關(guān) 3于評(píng)價(jià)值Z的非隸屬度；"R(x,y)表示對(duì)象x和關(guān)于關(guān)系R的隸屬度；八和V分別表示合取與析?。籌FS(U)為論域U中所有直覺(jué)模糊集構(gòu)成的集合，其基于θ算子的樂(lè)觀決策規(guī)則包括：延遲決策規(guī)則：若滿足且且,則x∈BND?(Z);其中，POS?(Z)表示樂(lè)觀狀態(tài)下關(guān)于評(píng)價(jià)值Z的正域；BND?(Z)表示樂(lè)觀狀態(tài)下關(guān)于評(píng)價(jià)在各個(gè)評(píng)估維度下的樂(lè)觀下近似值大于閾值α,則判定語(yǔ)言或技能的勝任力是可接受的；若樂(lè)觀下近似值小于閾值α,則判定其勝任力是不可接受的；若樂(lè)觀下近似值介于α和β之間，則判定其勝任力是不確定的，即根據(jù)已有信息暫不可直接判定，需要額外信息的補(bǔ)充后再做判斷；R關(guān)于θ算子的悲觀多粒度直覺(jué)模糊下近似和上近似4其中，P表示悲觀或者悲觀狀態(tài)；分別為對(duì)象x在悲觀情形下關(guān)于模糊近似關(guān)系R的隸屬度和非隸屬度取值，如下：延遲決策規(guī)則：若滿足,不滿足3.根據(jù)權(quán)利要求2所述的人才勝任力評(píng)估方法，其特征在于，選擇冪函數(shù)作為排序的效其中，①是控制變化幅度大小的參數(shù)；后悔-欣喜矩陣C表達(dá)式為：感知效用值矩陣G表達(dá)式為：4.根據(jù)權(quán)利要求3所述的人才勝任力評(píng)估方法，其特征在于，所述步驟7包括：對(duì)于給定的n個(gè)屬性A?,A?,…,A,其中A={a?,a?,…,a},對(duì)各屬性數(shù)據(jù)標(biāo)準(zhǔn)化后的值為B?,B?,…,B?,則有：5模塊M2:構(gòu)建原始評(píng)分矩陣Q=(qri)n×m,r=1,2,…模塊M3:根據(jù)原始評(píng)分矩陣Q,構(gòu)建理想解I=[u?,U?,…,u],其中u是第i個(gè)6其中，分別為對(duì)象x在樂(lè)觀情形下關(guān)于模糊近似關(guān)和系R的隸屬度和非隸屬度取值；r為關(guān)系R中的一個(gè)子關(guān)系；m為關(guān)系R中子關(guān)系的數(shù)量；v表示非隸屬度；則有：于評(píng)價(jià)值Z的非隸屬度；“R.(x,y)表示對(duì)象x和y關(guān)于關(guān)系R的隸屬度；八和V分別表示合取與析??；對(duì)于,對(duì)象x在m個(gè)關(guān)系下，將x的隸屬度與θ算子進(jìn)行合成計(jì)算，對(duì)VZ∈IFS(U),IFS(U)為論域U中所有直覺(jué)模糊集構(gòu)成的集合，其基于0算子的樂(lè)觀決策規(guī)則包括：延遲決策規(guī)則：若滿足且,不滿足(2)(x)>α7且,則x∈BND?(Z);其中，POS?(Z)表示樂(lè)觀狀態(tài)下關(guān)于評(píng)價(jià)值Z的正域；BND?(Z)表示樂(lè)觀狀態(tài)下關(guān)于評(píng)價(jià)在各個(gè)評(píng)估維度下的樂(lè)觀下近似值大于閾值α,則判定語(yǔ)言或技能的勝任力是可接受的；若樂(lè)觀下近似值小于閾值α,則判定其勝任力是不可接受的；若樂(lè)觀下近似值介于α和β之間，則判定其勝任力是不確定的，即根據(jù)已有信息暫不可直接判定，需要額外信息的補(bǔ)充后再做判斷；R關(guān)于θ算子的悲觀多粒度直覺(jué)模糊下近似和上近似 觀情形下關(guān)于模糊近似關(guān)系R的隸屬度和非隸屬度取值，如下： 觀情形下關(guān)于模糊近似關(guān)系R的隸屬度和非隸屬度取值，如下：對(duì)于VZ∈IFS(U),y是Z中的接受決策規(guī)則：若滿足,不滿足88.根據(jù)權(quán)利要求7所述的人才勝任力評(píng)估系統(tǒng)，其特征在于，選擇冪函數(shù)作為排序的效其中，w是控制變化幅度大小的參數(shù)；后悔-欣喜矩陣C表達(dá)式為：感知效用值矩陣G表達(dá)式為：9.根據(jù)權(quán)利要求8所述的人才勝任力評(píng)估系統(tǒng)，其特征在于，所述模塊M7包括：對(duì)于給定的n個(gè)屬性A?,A?,…,A?,其中A?={a?,a?,…,a},對(duì)各屬性數(shù)據(jù)標(biāo)準(zhǔn)化后的值為B?,B?,…,B?,則有：計(jì)算各屬性的信息熵為E?:通過(guò)信息熵計(jì)算各屬性權(quán)重W為：10.根據(jù)權(quán)利要求9所述的人才勝任力評(píng)估系統(tǒng)，其特征在于，所述模塊M8包括：根據(jù)屬性權(quán)重，加權(quán)疊加各屬性下對(duì)象的感知效用函數(shù)，第j個(gè)對(duì)象的綜合評(píng)價(jià)風(fēng)險(xiǎn)值S;表達(dá)式為：9技術(shù)領(lǐng)域[0001]本發(fā)明涉及能力評(píng)估技術(shù)領(lǐng)域，具體地，涉及一種人才勝任力評(píng)估方法和系統(tǒng)。尤背景技術(shù)教育背景、工作經(jīng)歷等，缺乏對(duì)行業(yè)標(biāo)準(zhǔn)、職業(yè)技能要求等知識(shí)的應(yīng)用，導(dǎo)致評(píng)估結(jié)果不夠全面和精準(zhǔn)。[0003]專利申請(qǐng)文獻(xiàn)CN106021274A公開了一種基于大數(shù)據(jù)的人才能力評(píng)價(jià)模型系統(tǒng)及人才能力精準(zhǔn)推薦模塊和人才能力多維度可視化展示模塊。然而該專利無(wú)法完全解決目前存在的技術(shù)問(wèn)題，也無(wú)法滿足本發(fā)明的需求。發(fā)明內(nèi)容[0004]針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種人才勝任力評(píng)估方法和系統(tǒng)。[0005]根據(jù)本發(fā)明提供的人才勝任力評(píng)估方法，包括：[0006]步驟1:收集人才的相關(guān)數(shù)據(jù)，對(duì)收集到的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、去噪和歸一化操作，構(gòu)建人才勝任力評(píng)估的知識(shí)庫(kù)，包括行業(yè)標(biāo)準(zhǔn)、職業(yè)技能要求和語(yǔ)言能力標(biāo)準(zhǔn)，將知識(shí)庫(kù)中的知識(shí)進(jìn)行結(jié)構(gòu)化處理，形成用于評(píng)估的多粒度知識(shí)；[0007]步驟2:構(gòu)建原始評(píng)分矩陣Q=(qri)n×m,r=1,2,…,m;i=1,2,…,n,其中m為專家[0008]步驟3:根據(jù)原始評(píng)分矩陣Q,構(gòu)建理想解I=[u?,U?,…,u。,其中u是第i個(gè)評(píng)估指標(biāo)的理想值，風(fēng)險(xiǎn)等級(jí)越高評(píng)分值越大，取最大值作為每個(gè)評(píng)估指標(biāo)的理想值；[0009]步驟4:構(gòu)建效用值矩陣F;[0010]步驟5:建立后悔-欣喜矩陣C;[0011]步驟6:建立感知效用值矩陣G;[0012]步驟7:通過(guò)熵權(quán)法確定屬性權(quán)重；[0013]步驟8:計(jì)算綜合評(píng)價(jià)風(fēng)險(xiǎn)值，通過(guò)綜合評(píng)價(jià)風(fēng)險(xiǎn)值對(duì)各對(duì)象排序，綜合評(píng)價(jià)風(fēng)險(xiǎn)R關(guān)于θ算子的樂(lè)觀多粒度直覺(jué)模糊下近似和上近似表達(dá)式為：其中，分別為對(duì)象x在樂(lè)觀情形下關(guān)于模糊近其中，似關(guān)系R的隸屬度和非隸屬度取值；r為關(guān)系R中的一個(gè)子關(guān)系；m為關(guān)系R中子關(guān)系的數(shù)量； v表示非隸屬度；素y關(guān)于評(píng)價(jià)值Z的非隸屬度；HR?(x,y)表示對(duì)象x和y關(guān)于關(guān)系R的隸屬度；和V分別表示合取與析取；VZ∈IFS(U),IFS(U)為論域U中所有直覺(jué)模糊集構(gòu)成的集合，其基于θ算子的樂(lè)觀決策規(guī)則包[0026]拒絕決策規(guī)則：若滿足,則x∈NEG(Z);[0027]其中，POS?(Z)表示樂(lè)觀狀態(tài)下關(guān)于評(píng)價(jià)值Z的正域；BND?(Z)表示樂(lè)觀狀態(tài)下關(guān)于對(duì)象x在各個(gè)評(píng)估維度下的樂(lè)觀下近似值大于閾值α,則判定語(yǔ)言或技能的勝任力是可接受的；若樂(lè)觀下近似值小于閾值α,則判定其勝任力是不可接受的；若樂(lè)觀下近似值介于α和β之間，則判定其勝任力是不確定的，即根據(jù)已有信息暫不可直接判定，需要額外信息的補(bǔ)充后再做判斷；[0028]悲觀情形：在直覺(jué)模糊近似空間(U,V,R)中，R為U到V的模糊近似等價(jià)關(guān)系，對(duì)VZ∈V,R關(guān)于θ算子的悲觀多粒度直覺(jué)模糊下近似在悲觀情形下關(guān)于模糊近似關(guān)系R的隸屬度和非隸屬度取值，如下： [0033]接受決策規(guī)則：若滿,則x CN119941025A說(shuō)明書4/17頁(yè)[0034]延遲決策規(guī)則：若滿足[0035]拒絕決策規(guī)則：若滿足②且,則x∈NEGP(Z)。[0036]具體地，選擇冪函數(shù)作為排序的效用函數(shù)，效用矩陣表達(dá)式為：[0038]其中，①是控制變化幅度大小的參數(shù)；[0039]后悔-欣喜矩陣C表達(dá)式為：[0041]其中，ψ為后悔規(guī)避系數(shù)；[0042]感知效用值矩陣G表達(dá)式為：[0045]具體地，所述步驟7包括：[0046]對(duì)于給定的n個(gè)屬性A?,A?,…,A,其中A={a?,a?,…,a},對(duì)各屬性數(shù)據(jù)標(biāo)準(zhǔn)化后[0048]計(jì)算各屬性的信息熵為E:[0051]通過(guò)信息熵計(jì)算各屬性權(quán)重W為：[0053]具體地，所述步驟8包括：[0054]根據(jù)屬性權(quán)重，加權(quán)疊加各屬性下對(duì)象的感知效用函數(shù)，第j個(gè)對(duì)象的綜合評(píng)價(jià)風(fēng)險(xiǎn)值S;表達(dá)式為：[0060]模塊M3:根據(jù)原始評(píng)分矩陣Q,構(gòu)建理想解I=[u?,U?,…,u。],其中u是第i個(gè)則R關(guān)于θ算子的樂(lè)觀多粒度直覺(jué)模糊下近似和上近似)表達(dá)式 素y關(guān)于評(píng)價(jià)值Z的非隸屬度；HR?(x,y)表示對(duì)象x和y關(guān)于關(guān)系R的隸屬度；八和V分別表示合取與析?。籟0076]對(duì)于,對(duì)象x在m個(gè)關(guān)系下，將x的隸屬度與θ算子進(jìn)行合成計(jì)VZ∈IFS(U),IFS(U)為論域U中所有直覺(jué)模糊集構(gòu)成的集合，其基于θ算子的樂(lè)觀決策規(guī)則包括：[0078]延遲決策規(guī)則：若滿足,不滿足[0080]其中，POS?(Z)表示樂(lè)觀狀態(tài)下關(guān)于評(píng)價(jià)值Z的正域；BND?(Z)表示樂(lè)觀狀態(tài)下關(guān)于對(duì)象x在各個(gè)評(píng)估維度下的樂(lè)觀下近似值大于閾值a,則判定語(yǔ)言或技能的勝任力是可接受的；若樂(lè)觀下近似值小于閾值α,則判定其勝任力是不可接受的；若樂(lè)觀下近似值介于α和β之間，則判定其勝任力是不確定的，即根據(jù)已有信息暫不可直接判定，需要額外信息的補(bǔ)充后再做判斷；[0081]悲觀情形：在直覺(jué)模糊近似空間(U,V,R)中，R為U到V的模糊近似等價(jià)關(guān)系，對(duì)VZ∈V,R關(guān)于θ算子的悲觀多粒度直覺(jué)模糊下近似和上近似在悲觀情形下關(guān)于模糊近似關(guān)系R的隸屬度和非隸屬度取值，如下： [0086]接受決策規(guī)則：若滿足,則x [0087]延遲決策規(guī)則：若滿足,不滿 [0088]拒絕決策規(guī)則：若滿足(2)(x)<a且,則x∈[0091]其中，①是控制變化幅度大小的參數(shù)；[0092]后悔-欣喜矩陣C表達(dá)式為：[0095]感知效用值矩陣G表達(dá)式為：[0099]對(duì)于給定的n個(gè)屬性A?,A?,...,A,其中A={a?,a?,...,a,},對(duì)各屬性數(shù)據(jù)標(biāo)準(zhǔn)化后的值為B?,B?,…,B?,則有：[0101]計(jì)算各屬性的信息熵為E:[0104]通過(guò)信息熵計(jì)算各屬性權(quán)重W為：[0107]根據(jù)屬性權(quán)重，加權(quán)疊加各屬性下對(duì)象的感知效用函數(shù)，第j個(gè)對(duì)象的綜合評(píng)價(jià)風(fēng)險(xiǎn)值S;表達(dá)式為：[0110]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：[0111]本發(fā)明提供了一種人才勝任力評(píng)估方法，通過(guò)采用數(shù)據(jù)與知識(shí)協(xié)同驅(qū)動(dòng)的方式，解決了傳統(tǒng)評(píng)估方法中數(shù)據(jù)單一、知識(shí)應(yīng)用不足的問(wèn)題，實(shí)現(xiàn)了對(duì)人才勝任力的全面、精準(zhǔn)評(píng)估，提高了評(píng)估的科學(xué)性和實(shí)用性。附圖說(shuō)明[0112]通過(guò)閱讀參照以下附圖對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會(huì)變得更明顯：[0113]圖1為人才勝任力評(píng)估方法流程圖；[0114]圖2為多粒度知識(shí)評(píng)分原理圖；[0115]圖3為不同屬性下員工的感知效用值。具體實(shí)施方式[0116]下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變化和改進(jìn)。這些都屬于本發(fā)明的保護(hù)范圍。[0117]實(shí)施例1[0119]步驟1:預(yù)處理與多粒度知識(shí)挖掘；要求、語(yǔ)言能力標(biāo)準(zhǔn)等。將知識(shí)庫(kù)中的知識(shí)進(jìn)行結(jié)構(gòu)化處理，形成可用于評(píng)估的多粒度知[0121]如圖2,多粒度知識(shí)獲取包括：研究對(duì)象在語(yǔ)言或技能方面的評(píng)分，R(r=1,2,...,m)為U到V的模糊近似等價(jià)關(guān)系，對(duì)VZeV(Z是V中的任意元素),則R關(guān)于0算子的樂(lè)觀多粒度直覺(jué)模糊下近似∑”、R,(Z)和上近[0124]其中，分別為對(duì)象x在樂(lè)觀情形下關(guān)于模糊近似關(guān)系R的隸屬度和非隸屬度取值；r為關(guān)系R中的一個(gè)子關(guān)系；m為關(guān)系R中子關(guān)系的數(shù)量；V為研究對(duì)象在語(yǔ)言或技能方面的評(píng)分，Z是集合V中的一個(gè)元素，是一個(gè)整體，表 [0125]0算子的描述：0:[0,1]×[0,素y關(guān)于評(píng)價(jià)值Z的非隸屬度；R?(x,y)表示對(duì)象x和y對(duì)上述三個(gè)樂(lè)觀情形下的評(píng)估規(guī)則，若對(duì)象x在各個(gè)評(píng)估維度下的樂(lè)觀下近似值大于閾值若滿若滿且且n),其中m為專家人n),其中m為專家人根據(jù)原始評(píng)分矩陣Q,構(gòu)建理想解I=[u?,u根據(jù)原始評(píng)分矩陣Q,構(gòu)建理想解I=[u?,u?,…,u。],其中u:(i=1,2,…,n)取最大值作為每個(gè)評(píng)估指標(biāo)的理想值。[0151]風(fēng)險(xiǎn)等級(jí)I極低風(fēng)險(xiǎn)ⅡⅢ中度風(fēng)險(xiǎn)高度風(fēng)險(xiǎn)V極高風(fēng)險(xiǎn)[0154]步驟4:構(gòu)建效用值矩陣；[0155]選擇冪函數(shù)作為該排序方法的效用函數(shù)，且參數(shù)w取0.9,構(gòu)建效用矩陣如下：構(gòu)建效用值矩陣時(shí)，選擇冪函數(shù)作為排序方法的效用函數(shù)，其中w是控制變化幅度大小的參數(shù)。[0158]步驟5:建立后悔-欣喜矩陣C;[0161]步驟6:建立感知效用值矩陣G;[0164]步驟7:通過(guò)熵權(quán)法確定屬性權(quán)重；[0165]對(duì)于給定的n個(gè)屬性(A?,A?,…,A),其中A?={a?,a?,…,a,},對(duì)各屬性數(shù)據(jù)標(biāo)準(zhǔn)化后的值為B?,B?,…,B,那么:[0167]計(jì)算各屬性的信息熵為E(i=1,2,…,n):[0170]通過(guò)信息熵計(jì)算各屬性權(quán)重W(i=1,2,…,n)為：[0172]步驟8:計(jì)算綜合評(píng)價(jià)風(fēng)險(xiǎn)值；[0173]根據(jù)屬性權(quán)重，加權(quán)疊加各屬性下對(duì)象的感知效用函數(shù)，第j個(gè)對(duì)象的綜合評(píng)價(jià)風(fēng)險(xiǎn)值S如下：CN119941025A說(shuō)明書13/17頁(yè) 2,3)。由評(píng)審團(tuán)對(duì)9位員工U={x?,x?,…,xg}進(jìn)行考察，共考察以下五個(gè)方面：A={y?,y?,y?,y?,y?},分別代表：中文語(yǔ)言能力(y?)、職業(yè)技能水平(y?)、跨文化溝通能力(y?)、團(tuán)隊(duì)合作能[0179]Z={<x?,0.50,0.39>,<x?,0.54,0.36>,<x?,0.55,0.35>,[0180]<x4,0.51,0.37>,<x5,0.52,0.37>,<x?,0.52,0.38>,[0181]<x?,0.48,0.43>,<x?,0.44,0.49>,<xg,0.44,0.45>}表2專家R?對(duì)9位員工的評(píng)價(jià)值表3專家R?對(duì)9位員工的評(píng)價(jià)值進(jìn)一步可得關(guān)系矩陣MR,MR?,M,如下。[0192]Step1計(jì)算樂(lè)觀、悲觀粒度下的直覺(jué)模糊粗糙集如表4所示。[0193]表4多粒度直覺(jué)模糊粗糙集U[0195]Step2根據(jù)決策規(guī)則以及閾值劃分正域POS、邊界域BND和負(fù)域NEG如表5所示。[0196]樂(lè)觀悲觀[0199]因此，樂(lè)觀和悲觀狀態(tài)下最優(yōu)對(duì)象均為x?和x?,無(wú)法判斷POS域內(nèi)對(duì)象間的優(yōu)劣。下面通過(guò)本章提出的三支排序方法對(duì)域內(nèi)對(duì)象進(jìn)行排序。[0200]Step3構(gòu)建原始評(píng)分矩陣Q并根據(jù)原始評(píng)分矩陣構(gòu)建理想方案。其中，風(fēng)險(xiǎn)等級(jí)越高評(píng)分值越大，為了降低決策者的后悔程度，取最大值作為每個(gè)評(píng)估指標(biāo)的理想值，得出最終理想方案I。[0203]Step4建立效用值矩陣F和后悔-欣喜矩陣C。[0205]Step5通過(guò)效用值矩陣F和后悔-欣喜矩陣C構(gòu)建感知效用矩陣G。[0206]為了直觀的展示各個(gè)員工在不同屬性下感知效用值的大小關(guān)系，將矩陣G繪制如圖3所示。[0207]由效用值矩陣F和后悔-欣喜矩陣C可知，同一屬性下，效用值越小，則選擇當(dāng)前員工時(shí)后悔程度越大。由于風(fēng)險(xiǎn)規(guī)避系