技术特征：
1.一种基于预测模型的人员稳定性预测方法，其特征在于，包括：根据待评估人员的人员信息，确定特征分类为静态连续类型的第一特征数据、特征分类为静态离散类型的第二特征数据，以及特征分类为动态类型的第三特征数据；针对所述第一特征数据、所述第二特征数据和所述第三特征数据中的至少之一，分别以与其特征分类匹配的数据处理方式对其进行数据处理；针对所述第一特征数据、所述第二特征数据、所述第三特征数据中的至少之一，分别以与其特征分类匹配的特征向量生成方式，生成其的数据处理结果对应的特征向量；根据所生成的特征向量，对所述待评估人员进行稳定性预测。2.根据权利要求1所述的方法，其特征在于，所述第一特征数据的数据处理结果对应的特征向量为第一特征向量，所述第二特征数据的数据处理结果对应的特征向量为第二特征向量，所述第三特征数据的数据处理结果对应的特征向量为第三特征向量；所述第一特征向量由人员评估模型中的第一子模型对所述第一特征数据的数据处理结果进行向量转化后得到，所述第二特征向量由所述人员评估模型中的第二子模型对所述第二特征数据的数据处理结果进行密集向量转化和特征向量提取后得到，所述第三特征向量由所述人员评估模型中的第三子模型对所述第三特征数据的数据处理结果进行序列整形、数据规范化和时间序列特征提取后得到。3.根据权利要求2所述的方法，其特征在于，所述人员评估模型还包括隐藏层和全连接层，所述隐藏层分别与所述第一子模型、所述第二子模型、所述第三子模型连接，所述全连接层与所述隐藏层连接，所述隐藏层用于对所述第一特征向量、所述第二特征向量和所述第三特征向量进行拼接以得到拼接向量，所述全连接层用于根据所述拼接向量，生成所述待评估人员的稳定性预测结果。4.根据权利要求1所述的方法，其特征在于，所述针对所述第一特征数据、所述第二特征数据和所述第三特征数据中的至少之一，分别以与其特征分类匹配的数据处理方式对其进行数据处理，包括：在所述第一特征数据中存在第一人员特征对应的数据，且所述第一人员特征对应的数据满足预设数值异常截断条件的情况下，确定所述第一人员特征对应的截断特征数值的归一化处理结果，并将所述第一人员特征对应的数据更新为所述归一化处理结果；在所述第二特征数据中存在第二人员特征对应的数据，且所述第二人员特征对应的数据满足预设稀疏类别值过滤条件的情况下，将所述第二人员特征对应的数据更新为第一预设类别值；在所述第三特征数据中存在第三人员特征对应的、由按照时序顺序排列的多个特征数值组成的数据的情况下，利用预设时间衰减因子，分别对所述多个特征数值进时间衰减处理，以得到所述多个特征数值对应的多个衰减数值，并将所述第三人员特征对应的数据更新为所述多个衰减数值。5.根据权利要求4所述的方法，其特征在于，在基于人员评估模型对所述待评估人员进行稳定性预测的情况下，所述方法还包括：获取用于训练得到所述人员评估模型的多个参考人员各自的人员信息；针对所述多个参考人员中的每个参考人员，根据其的人员信息，从所述第二人员特征对应的、由n个类别值组成的预设类别值集合中，选取与其匹配的类别值；
在所述n个类别值中的m个类别值的总选取次数与所述n个类别值的总选取次数的比值大于预设比值的情况下，将所述n个类别值中的剩余n
‑
m个类别值中的各个类别值均确定为所述第二人员特征对应的稀疏类别值；所述在所述第二特征数据中存在第二人员特征对应的数据，且所述第二人员特征对应的数据满足预设稀疏类别值过滤条件的情况下，将所述第二人员特征对应的数据更新为第一预设类别值，包括：在所述第二特征数据中存在所述第二人员特征对应的数据，且所述第二人员特征对应的数据为所述第二人员特征对应的任一稀疏类别值的情况下，将所述第二人员特征对应的数据更新为第一预设类别值。6.根据权利要求1所述的方法，其特征在于，所述根据所生成的特征向量，对所述待评估人员进行稳定性预测，包括：根据所述第一特征数据、所述第二特征数据、所述第三特征数据各自的数据处理结果对应的特征向量，确定所述待评估人员的稳定概率和不稳定概率；根据所述不稳定概率与所述稳定概率的比值，对所述不稳定概率进行对数转换处理，以得到与所述不稳定概率对应的不稳定分数；所述方法还包括：在所述不稳定分数位于预设分数范围内的情况下，根据所述不稳定分数，对所述待评估人员进行管理；在所述不稳定分数位于预设分数范围外的情况下，确定所述预设分数范围的分数极值中与所述不稳定分数最接近的分数极值，并根据所确定的分数极值，对所述待评估人员进行管理。7.根据权利要求6所述的方法，其特征在于，根据所述不稳定概率与所述稳定概率的比值，对所述不稳定概率进行对数转换处理，以得到与所述不稳定概率对应的不稳定分数利用的公式为：score’＝score+bln(p)
‑
bln(p’)其中，score’为所述不稳定分数，score为预设分数，b为预设系数，p为预设比值，p’为所述不稳定概率与所述稳定概率的比值。8.一种基于预测模型的人员稳定性预测装置，其特征在于，包括：第一确定模块，用于根据待评估人员的人员信息，确定特征分类为静态连续类型的第一特征数据、特征分类为静态离散类型的第二特征数据，以及特征分类为动态类型的第三特征数据；处理模块，用于针对所述第一特征数据、所述第二特征数据和所述第三特征数据中的至少之一，分别以与其特征分类匹配的数据处理方式对其进行数据处理；生成模块，用于针对所述第一特征数据、所述第二特征数据、所述第三特征数据中的至少之一，分别以与其特征分类匹配的特征向量生成方式，生成其的数据处理结果对应的特征向量；预测模块，用于根据所生成的特征向量，对所述待评估人员进行稳定性预测。9.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序用于执行上述权利要求1至7中任一项所述的基于预测模型的人员稳定性预测方法。
10.一种电子设备，其特征在于，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1至7中任一项所述的基于预测模型的人员稳定性预测方法。
技术总结
本公开的实施例公开了一种基于预测模型的人员稳定性预测方法及装置。该方法包括：根据待评估人员的人员信息，确定特征分类为静态连续类型的第一特征数据、特征分类为静态离散类型的第二特征数据，以及特征分类为动态类型的第三特征数据；针对所确定的特征数据中的至少之一，分别以与其特征分类匹配的数据处理方式对其进行数据处理；针对所确定的特征数据中的至少之一，分别以与其特征分类匹配的特征向量生成方式，生成其的数据处理结果对应的特征向量；根据所生成的特征向量，对待评估人员进行稳定性预测。本公开的实施例能够实现对人员的稳定性识别，整个过程无需人工过多参与，因而成本较低，准确性较高，能够较好地满足实际需求。需求。需求。
技术研发人员：杨航 贺欧文
受保护的技术使用者：北京房江湖科技有限公司
技术研发日：2021.06.09
技术公布日：2021/9/9