[发明专利]一种估计流失的方法、设备及计算机可读存储介质

说明书

本发明提供了一种估计流失的方法、设备及计算机可读存储介质；该方法包括：接收流失人员样本分析指令，并响应于流失人员样本分析指令，从流失人员样本库中提取出流失人员样本信息；利用流失人员样本信息构造出流失人员样本序列，并对流失人员样本序列进行序列模式挖掘，得到频繁序列模式；根据频繁序列模式计算出流失人员样本序列对应的样本权重；基于样本权重，对流失人员样本序列进行聚类，得到至少一个聚类中心位置；当获取到待预测序列时，计算至少一个聚类中心位置与待预测序列的距离信息，进而得到待预测序列的流失概率，完成人员的流失估计。通过本发明，能够提高人员流失估计的准确率。

技术领域

本发明涉及人工智能技术，尤其涉及一种估计流失的方法、设备及计算机可读存储介质。

背景技术

人员流失估计是指利用人工智能等技术来对人员的流失倾向进行预测估计，以利用预测估计出的流失倾向，来为企业的人力资源工作做出指导，例如，判断企业人员在近期时间内是否会离职，以降低因为企业人员突然离职造成的风险。

相关技术中，人员流失估计的方法主要是从流失人员样本中人工挑选或者是机器自动挑选出特征，用所挑选出的特征来训练朴素贝叶斯分类器、逻辑回归分类器和深度神经网络等模型，建立人员流动与特征之间的概率关系，之后用训练好的模型对新人员样本进行预测，得到最终的流失概率。

然而，在实际的应用场景中，人员样本数据中的各个特征往往是具有关联性的，在利用挑选出的特征训练朴素贝叶斯分类器、逻辑回归分类器时，往往会忽略特征之间的关联性，使得人员流失估计的准确率较低，而利用深度神经网络等模型时会忽略人员样本之间的联系，从而导致人员流失估计的准确率较低。

发明内容

本发明实施例提供一种估计流失的方法、设备及计算机可读存储介质，能够提高人员流失估计的准确率。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种估计流失的方法，包括：

接收流失人员样本分析指令，并响应于所述流失人员样本分析指令，从流失人员样本库中提取出流失人员样本信息；

利用所述流失人员样本信息构造出流失人员样本序列，并对所述流失人员样本序列进行序列模式挖掘，得到频繁序列模式；所述频繁序列模式表征了所述流失人员样本信息所共同具备的特征；

根据所述频繁序列模式计算出所述流失人员样本序列对应的样本权重；

基于所述样本权重，对所述流失人员样本序列进行聚类，得到至少一个聚类中心；

获取待预测序列，并计算所述至少一个聚类中心与所述待预测序列的距离信息，进而得到所述待预测序列的流失概率，完成人员的流失估计。

本发明实施例提供一种估计流失设备，包括：

存储器，用于存储可执行估计流失指令；

处理器，用于执行所述存储器中存储的可执行估计流失指令时，实现本发明实施例提供的估计流失方法。

本发明实施例提供一种计算机可读存储介质，存储有可执行估计流失指令，用于引起处理器执行时，实现本发明实施例提供的估计流失方法。

本发明实施例具有以下有益效果：