画像构建方法、装置、计算机设备、存储介质和程序产品与流程

本技术涉及计算机，特别是涉及一种画像构建方法、装置、计算机设备、存储介质和程序产品，可应用于金融科技领域或其他相关领域。

背景技术：

1、随着人工智能技术的迅速发展，对人力资源管理也提出了巨大的挑战，尤其对员工进行管理时，要从多方面进行考量，例如，员工特征、能力、行为和业绩等。其中，画像是一个对员工进行整体描述和评价的重要工具。

2、目前，画像的构建方法主要通过人力资源系统收集员工信息，或者通过一些线下培训测评答题，由考官对员工进行考核评价最终通过数据视图展示出相应信息。但这些参考数据维度比较单一，分析的数据有限，很多情况下只是为了满足企业应用中的某一场景进行简单的数据收集匹配，如特定岗位的内聘，最终导致构建的画像与实际相差较大、准确度较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种画像构建方法、装置、计算机设备、存储介质和程序产品，能够实现画像的精准构建。

2、第一方面，本技术提供了一种画像构建方法，包括：

3、根据目标机构的用户群体中各员工的工作属性信息，对用户群体进行划分，得到至少一个用户组；

4、基于岭回归算法，根据各用户组中员工的历史工作成果数据，从用户群体关联的候选指标集中确定各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重；

5、根据各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重，构建各用户组对应的用户组画像。

6、在其中一个实施例中，基于岭回归算法，根据各用户组中员工的历史工作成果数据，从用户群体关联的候选指标集中确定各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重，包括：

7、针对每一用户组，根据用户组中员工的历史工作成果数据，对用户群体关联的候选指标集中各候选指标进行相关性分析，得到各候选指标之间的相关度；根据各候选指标之间的相关度，从各候选指标中确定用户组对应的目标指标集；基于岭回归算法，根据用户组对应的目标指标集和用户组中员工的历史工作成果数据，确定用户组对应的目标指标集中各目标指标的指标权重。

8、在其中一个实施例中，基于岭回归算法，根据用户组对应的目标指标集和用户组中员工的历史工作成果数据，确定用户组对应的目标指标集中各目标指标的指标权重，包括：

9、基于岭回归算法，根据用户组中员工的历史工作成果数据，对用户组对应的目标指标集中各目标指标进行分析，得到针对用户组的岭回归模型；采用岭回归模型，对用户组对应的目标指标集中各目标指标进行权重分配，得到用户组对应的目标指标集中各目标指标的指标权重。

10、在其中一个实施例中，根据各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重，构建各用户组对应的用户组画像，包括：

11、针对每一用户组，根据用户组对应的目标指标集，确定用户组对应的各标签；其中，每一标签包括至少一个目标指标；根据用户组对应的各标签和用户组对应的目标指标集中各目标指标的指标权重，确定用户组对应的各标签的标签权重；根据用户组对应的各标签和各标签的标签权重，构建用户组对应的用户组画像。

12、在其中一个实施例中，该方法还包括：

13、针对每一用户组中的每一员工，根据员工的最新工作成果数据，确定员工在用户组对应的用户组画像中各标签下的标签得分；根据用户组对应的用户组画像中各标签的标签权重，对员工在用户组对应的用户组画像中各标签下的标签得分进行加权，得到员工在各标签下的加权得分；根据各标签和各标签对应的加权得分，构建员工对应的员工画像。

14、在其中一个实施例中，该方法还包括：

15、将员工对应的员工画像中各标签的加权得分，与用户组中其他员工对应的员工画像中各标签的加权得分进行比较，得到员工的劣势标签；向员工推荐劣势标签对应的学习案例。

16、第二方面，本技术还提供了一种画像构建装置，包括：

17、划分模块，用于根据目标机构的用户群体中各员工的工作属性信息，对用户群体进行划分，得到至少一个用户组；

18、确定模块，用于基于岭回归算法，根据各用户组中员工的历史工作成果数据，从用户群体关联的候选指标集中确定各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重；

19、构建模块，用于根据各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重，构建各用户组对应的用户组画像。

20、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

21、根据目标机构的用户群体中各员工的工作属性信息，对用户群体进行划分，得到至少一个用户组；

22、基于岭回归算法，根据各用户组中员工的历史工作成果数据，从用户群体关联的候选指标集中确定各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重；

23、根据各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重，构建各用户组对应的用户组画像。

24、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

25、根据目标机构的用户群体中各员工的工作属性信息，对用户群体进行划分，得到至少一个用户组；

26、基于岭回归算法，根据各用户组中员工的历史工作成果数据，从用户群体关联的候选指标集中确定各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重；

27、根据各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重，构建各用户组对应的用户组画像。

28、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

29、根据目标机构的用户群体中各员工的工作属性信息，对用户群体进行划分，得到至少一个用户组；

30、基于岭回归算法，根据各用户组中员工的历史工作成果数据，从用户群体关联的候选指标集中确定各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重；

31、根据各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重，构建各用户组对应的用户组画像。

32、上述画像构建方法、装置、计算机设备、存储介质和程序产品，通过基于用户群体中各员工的工作属性信息，将用户群体划分为多个用户组；进一步的，根据岭回归算法和各用户组中员工的历史工作成果数据，确定各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重；进而根据各用户组对应的目标指标集和各用户组对应的目标指标集中目标指标的指标权重，即可构建各用户组对应的用户组画像。上述方案，通过将员工划分为不同的用户组，使得构建的用户组画像更具有普适性，不用局限与某一场景；同时，通过引入用户组中各员工的历史工作成果数据，使得确定的各用户组对应的目标指标更加全面和精准；再者，通过引入岭回归算法，可精准确定各目标指标的指标权重。因此，基于各用户组对应的精准的目标指标和指标权重，使得构建的用户组画像更加贴合实际和更加准确。