[发明专利]基于图嵌入的员工离职行为预测方法及装置在审
| 申请号： | 201910864727.7 | 申请日： | 2019-09-12 |
| 公开（公告）号： | CN110704692A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 尚家兴;蔡昕均;刘飞逸;江林丽;朱倩雯;李旭 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06F16/901 | 分类号： | G06F16/901;G06N20/00;G06Q10/04;G06Q10/10 |
| 代理公司： | 11228 北京汇泽知识产权代理有限公司 | 代理人： | 武君 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 员工 低维 嵌入 工作信息 构造序列 机器学习 时间信息 相邻顶点 向量表示 向量选择 行为预测 动态图 预测 学习 | ||
1.一种结合动态图嵌入方法的员工离职行为预测方法，其特征在于，该方法包括：
将员工的历史工作信息表示为员工节点与公司节点之间相连的二部图；
通过有偏随机游走的方式，随机或有序选择相邻顶点来构造序列；
对所述序列进行处理，以学习二部图的低维向量表示；
对员工的基本属性与所述低维向量选择机器学习方法进行训练；
利用训练的结果进行员工离职预测。
2.根据权利要求1所述的结合动态图嵌入方法的员工离职行为预测方法，其特征在于，所述序列遵循时间顺序。
3.根据权利要求2所述的结合动态图嵌入方法的员工离职行为预测方法，其特征在于，使用语言模型Skip-gram模型对序列进行处理，以学习二部图的低维向量表示。
4.根据权利要求3所述的结合动态图嵌入方法的员工离职行为预测方法，其特征在于，所述员工的基本属性包括人口统计特征、工作信息特征、工作经验特征和经济特征。
5.一种结合动态图嵌入方法的员工离职行为预测装置，其特征在于，该装置包括：
二部图建立模块，用于将员工的历史工作信息表示为员工节点与公司节点之间相连的二部图；
序列构造模块，用于通过有偏随机游走的方式，随机或有序选择相邻顶点来构造序列；
序列处理模块，用于对所述序列进行处理，以学习二部图的低维向量表示；
训练模块，用于对员工的基本属性与所述低维向量选择机器学习方法进行训练；
预测模块，用于利用训练的结果进行员工离职预测。
6.根据权利要求5所述的结合动态图嵌入方法的员工离职行为预测装置，其特征在于，所述序列遵循时间顺序。
7.根据权利要求6所述的结合动态图嵌入方法的员工离职行为预测装置，其特征在于，使用语言模型Skip-gram模型对序列进行处理，以学习二部图的低维向量表示。
8.根据权利要求7所述的结合动态图嵌入方法的员工离职行为预测装置，其特征在于，所述员工的基本属性包括人口统计特征、工作信息特征、工作经验特征和经济特征。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学，未经重庆大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910864727.7/1.html，转载请声明来源钻瓜专利网。
