本技术涉及软件管理，具体而言，涉及一种人员能力评估方法及装置、电子设备。
背景技术：
1、由于大型企业的业态复杂，对于人员的能力判断多来源于直觉判断或定性分析，企业对人员能力评价的主观性是造成人力资源管理偏差的主要成因。因此，在现有技术中，采用人工对人员能力进行评估的方式的准确度较低。
技术实现思路
1、本技术实施例的目的在于提供一种人员能力评估方法及装置、电子设备，用以解决现有技术中对人员能力进行评估的方式的准确度较低的技术问题。
2、第一方面，本技术实施例提供一种人员能力评估方法，包括：获取待评估人员对应的待评估信息；将所述待评估信息输入能力评估模型中，得到所述能力评估模型输出的所述待评估人员对应的第一标签；其中，所述第一标签包括多个能力属性对应的评估分数，每个能力属性表征所述待评估人员的一种综合能力。
3、在上述方案中，通过将待评估人员对应的待评估信息输入能力评估模型中，可以得到能力评估模型输出的第一标签。因此，与现有技术中采用人工对人员能力进行评估相比，本技术实施例通过能力评估模型对人员的能力进行量化，从而可以更准确的对人员的能力进行评估。
4、在可选的实施方式中，所述将所述待评估信息输入能力评估模型中，得到所述能力评估模型输出的所述待评估人员对应的第一标签，包括：所述能力评估模型根据所述待评估信息确定所述待评估人员对应的第二标签；其中，所述第二标签包括多个第三标签对应的能力分数，每个第三标签表征所述待评估人员的一种初级能力；针对每个能力属性，所述能力评估模型根据与该能力属性相关的第二标签以及分类权重，确定该能力属性对应的评估分数。在上述方案中，在对人员能力进行评估的过程中，可以基于多个能力属性来对人员进行评估，同时，还可以引入分类权重，从而可以提高对人员的能力进行评估的准确度。
5、在可选的实施方式中，所述能力评估模型包括：预测规则，和/或，预测模型。在上述方案中，基于预先确定的预测规则，可以根据待评估人员对应的待评估信息确定其对应的第一标签，从而实现对人员能力的量化；类似的，基于预先确定的预测模型，也可以根据待评估人员对应的待评估信息确定其对应的第一标签，从而实现对人员能力的量化。因此，本技术实施例提供的人员能力评估方法可以更准确的对人员的能力进行评估。
6、在可选的实施方式中，所述分类权重包括以下参数中的至少一种：行为类型权重、时间衰减因子、文本挖掘计算标签权重、行为次数。在上述方案中，在对人员能力进行评估的过程中，可以引入为类型权重、时间衰减因子、文本挖掘计算标签权重、行为次数中的至少一种参数作为分类权重，从而可以提高对人员的能力进行评估的准确度。
7、在可选的实施方式中，所述获取待评估人员对应的待评估信息，包括：根据多个第三标签对与所述待评估人员相关的信息进行拆分，得到拆分后的所述待评估信息；其中，拆分后的每个待评估信息属于一个第三标签。在上述方案中，在得到待评估人员对应的信息后，可以根据第三标签对上述信息进行拆分，从而可以得到待评估人员对应的待评估信息。因此，根据拆分后的待评估信息进行人员能力的评估，比直接根据信息进行评估，更加准确且效率高。
8、在可选的实施方式中，所述根据多个第三标签对与所述待评估人员相关的信息进行拆分，得到拆分后的所述待评估信息，包括：利用线性支持向量机和/或文本挖掘算法，根据所述多个第三标签对与所述待评估人员相关的信息进行拆分，得到所述待评估信息。
9、在可选的实施方式中，在所述将所述待评估信息输入能力评估模型中，得到所述能力评估模型输出的所述待评估人员对应的第一标签之前，所述方法还包括：根据样本数据确定所述第三标签以及所述能力属性；根据所述样本数据计算所述能力属性对应的评估分数，以得到所述第一标签；利用所述第一标签以及所述第三标签对神经网络模型进行训练，得到训练后的所述能力评估模型。在上述方案中，可以根据样本数据确定对应的第一标签以及第三标签，从而根据上述样本数据对应的第一标签以及第三标签对神经网络模型进行训练，得到能力评估模型；通过能力评估模型对人员的能力进行量化，从而可以更准确的对人员的能力进行评估。
10、第二方面，本技术实施例提供一种人员能力评估方法，包括：获取模块，用于获取待评估人员对应的待评估信息；输入模块，用于将所述待评估信息输入能力评估模型中，得到所述能力评估模型输出的所述待评估人员对应的第一标签；其中，所述第一标签包括多个能力属性对应的评估分数，每个能力属性表征所述待评估人员的一种综合能力。
11、在上述方案中，通过将待评估人员对应的待评估信息输入能力评估模型中，可以得到能力评估模型输出的第一标签。因此，与现有技术中采用人工对人员能力进行评估相比，本技术实施例通过能力评估模型对人员的能力进行量化，从而可以更准确的对人员的能力进行评估。
12、在可选的实施方式中，所述输入模块具体用于：所述能力评估模型根据所述待评估信息确定所述待评估人员对应的第二标签；其中，所述第二标签包括多个第三标签对应的能力分数，每个第三标签表征所述待评估人员的一种初级能力；针对每个能力属性，所述能力评估模型根据与该能力属性相关的第二标签以及分类权重，确定该能力属性对应的评估分数。在上述方案中，在对人员能力进行评估的过程中，可以基于多个能力属性来对人员进行评估，同时，还可以引入分类权重，从而可以提高对人员的能力进行评估的准确度。
13、在可选的实施方式中，所述能力评估模型包括：预测规则，和/或，预测模型。在上述方案中，基于预先确定的预测规则，可以根据待评估人员对应的待评估信息确定其对应的第一标签，从而实现对人员能力的量化；类似的，基于预先确定的预测模型，也可以根据待评估人员对应的待评估信息确定其对应的第一标签，从而实现对人员能力的量化。因此，本技术实施例提供的人员能力评估方法可以更准确的对人员的能力进行评估。
14、在可选的实施方式中，所述分类权重包括以下参数中的至少一种：行为类型权重、时间衰减因子、文本挖掘计算标签权重、行为次数。在上述方案中，在对人员能力进行评估的过程中，可以引入为类型权重、时间衰减因子、文本挖掘计算标签权重、行为次数中的至少一种参数作为分类权重，从而可以提高对人员的能力进行评估的准确度。
15、在可选的实施方式中，所述获取模块具体用于：根据多个第三标签对与所述待评估人员相关的信息进行拆分，得到拆分后的所述待评估信息；其中，拆分后的每个待评估信息属于一个第三标签。在上述方案中，在得到待评估人员对应的信息后，可以根据第三标签对上述信息进行拆分，从而可以得到待评估人员对应的待评估信息。因此，根据拆分后的待评估信息进行人员能力的评估，比直接根据信息进行评估，更加准确且效率高。
16、在可选的实施方式中，所述获取模块还用于：利用线性支持向量机和/或文本挖掘算法，根据所述多个第三标签对与所述待评估人员相关的信息进行拆分，得到所述待评估信息。
17、在可选的实施方式中，所述人员能力评估装置还包括：确定模块，用于根据样本数据确定所述第三标签以及所述能力属性；计算模块，用于根据所述样本数据计算所述能力属性对应的评估分数，以得到所述第一标签；训练模块，用于利用所述第一标签以及所述第三标签对神经网络模型进行训练，得到训练后的所述能力评估模型。在上述方案中，可以根据样本数据确定对应的第一标签以及第三标签，从而根据上述样本数据对应的第一标签以及第三标签对神经网络模型进行训练，得到能力评估模型；通过能力评估模型对人员的能力进行量化，从而可以更准确的对人员的能力进行评估。
18、第三方面，本技术实施例提供一种计算机程序产品，包括计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行如第一方面所述的人员能力评估方法。
19、第四方面，本技术实施例提供一种电子设备，包括：处理器、存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的计算机程序指令，所述处理器调用所述计算机程序指令能够执行如第一方面所述的人员能力评估方法。
20、第五方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序指令，所述计算机程序指令被计算机运行时，使所述计算机执行如第一方面所述的人员能力评估方法。
21、为使本技术的上述目的、特征和优点能更明显易懂，下文特举本技术实施例，并配合所附附图，作详细说明如下。
1.一种人员能力评估方法，其特征在于，包括：
2.根据权利要求1所述的人员能力评估方法，其特征在于，所述将所述待评估信息输入能力评估模型中，得到所述能力评估模型输出的所述待评估人员对应的第一标签，包括：
3.根据权利要求2所述的人员能力评估方法，其特征在于，所述分类权重包括以下参数中的至少一种：行为类型权重、时间衰减因子、文本挖掘计算标签权重、行为次数。
4.根据权利要求1-3任一项所述的人员能力评估方法，其特征在于，所述获取待评估人员对应的待评估信息，包括：
5.根据权利要求4所述的人员能力评估方法，其特征在于，所述根据多个第三标签对与所述待评估人员相关的信息进行拆分，得到拆分后的所述待评估信息，包括：
6.根据权利要求2或3所述的人员能力评估方法，其特征在于，在所述将所述待评估信息输入能力评估模型中，得到所述能力评估模型输出的所述待评估人员对应的第一标签之前，所述方法还包括：
7.一种人员能力评估装置，其特征在于，包括：
8.一种计算机程序产品，其特征在于，包括计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行如权利要求1-6任一项所述的人员能力评估方法。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序指令，所述计算机程序指令被计算机运行时，使所述计算机执行如权利要求1-6任一项所述的人员能力评估方法。
