评价数据处理方法、装置、介质和计算机设备
阅读：780发布：2020-05-11
专利汇可以提供评价数据处理方法、装置、介质和计算机设备专利检索，专利查询，专利分析的服务。并且本 发明 提供了一种评价 数据处理 方法、装置、计算机存储介质和计算机设备；该方法包括：响应于包含员工标识的评价数据处理指令，获取与所述员工标识对应的评价数据；确定与所述员工标识对应的岗位类型，从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型；使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列；获取与所述员工标识对应的绩效等级对照表，查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息。通过本发明技术方案，能够更准确地对员工相关的绩效总结文本即评价数据进行判别，有利于提高对员工绩效等级的评估准确性。，下面是评价数据处理方法、装置、介质和计算机设备专利的具体信息内容。
1.一种评价数据处理方法，其特征在于，包括：
响应于包含员工标识的评价数据处理指令，获取与所述员工标识对应的评价数据；
确定与所述员工标识对应的岗位类型，从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型；
使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列；
获取与所述员工标识对应的绩效等级对照表，查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息。
2.如权利要求1所述的评价数据处理方法，其特征在于，
所述评价数据包括员工自评数据和上级评价数据；
所述获取与所述员工标识对应的评价数据，包括：
查询员工关系表，确定所述员工标识对应的上级员工标识；
从评价数据库中获取所述员工标识对应的员工自评数据，以及所述上级员工标识对应的上级评价数据。
3.如权利要求2所述的评价数据处理方法，其特征在于，
所述使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列，包括：
使用所述确定出的情感判别模型对所述员工自评数据进行处理，得到员工情感判别类型；
使用所述确定出的情感判别模型对所述上级评价数据进行处理，得到上级情感判别类型；
按照预设排序格式对所述员工情感判别类型和上级情感判别类型进行排序，得到情感判别序列。
4.如权利要求1所述的评价数据处理方法，其特征在于，还包括：
获取多条历史评价数据，确定每条历史评价数据对应的岗位类型和标注类型；
使用预置语言模型对所述多条历史评价数据进行处理，获得每条历史评价数据对应的语义向量；
分别将属于同一岗位类型的所有历史评价数据所对应的标注类型和语义向量作为训练样本用于训练情感判别模型，得到多个训练好的对应于不同岗位类型的情感判别模型。
5.如权利要求1所述的评价数据处理方法，其特征在于，
所述查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息，之后包括：
获取与所述员工标识对应的，评价时间属于预设时间区间内的所有历史绩效等级信息；
将所述绩效等级信息和历史绩效等级信息录入预设对比报告模板，生成绩效对比报告；
将所述绩效对比报告推送给所述员工标识对应的员工账号。
6.一种评价数据处理装置，其特征在于，包括：
评价数据获取模块，用于响应于包含员工标识的评价数据处理指令，获取与所述员工标识对应的评价数据；
模型确定模块，用于确定与所述员工标识对应的岗位类型，从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型；
序列获得模块，用于使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列；
绩效等级确定模块，用于获取与所述员工标识对应的绩效等级对照表，查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息。
7.如权利要求6所述的评价数据处理装置，其特征在于，
所述评价数据包括员工自评数据和上级评价数据；
所述评价数据获取模块，包括：
上级标识确定子模块，用于查询员工关系表，确定所述员工标识对应的上级员工标识；
评价数据获取子模块，用于从评价数据库中获取所述员工标识对应的员工自评数据，以及所述上级员工标识对应的上级评价数据。
8.如权利要求7所述的评价数据处理装置，其特征在于，
所述序列获得模块，包括：
员工类型获得子模块，用于使用所述确定出的情感判别模型对所述员工自评数据进行处理，得到员工情感判别类型；
上级类型获得子模块，用于使用所述确定出的情感判别模型对所述上级评价数据进行处理，得到上级情感判别类型；
序列获得子模块，用于按照预设排序格式对所述员工情感判别类型和上级情感判别类型进行排序，得到情感判别序列。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一项所述的评价数据处理方法。
10.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5任一项所述的评价数据处理方法。
评价数据处理方法、装置、介质和计算机设备
技术领域
[0001] 本发明涉及计算机领域，具体而言，本发明涉及一种评价数据处理方法、装置、介质和计算机设备。
背景技术
[0002] 企业在年中或者年终的时候会要求员工做年中或年终总结，并根据员工做出的绩效总结来评估员工的绩效等级。为了提高评估员工绩效等级的效率，发明人想到可以利用文本分类工具来对员工提交的绩效总结文本进行识别，进而确定员工对应的绩效等级。
[0003] 然而，发明人发现员工做的绩效总结文本的内容多为工作总结而不是完整的文本段落，其中包括较多员工对其完成的指标以及完成情况等的描述，涉及多个领域的专业术语和指标，如果使用现有的文本分类工具来对这些绩效总结文本进行判断，会出现因文本分类工具无法区分绩效总结文本中的语句是描述优点的文本还是描述不足的文本导致最终的判别结果准确性较差，导致对员工的绩效等级评估不准确。
发明内容
[0004] 本发明针对现有技术的缺点，提供了一种评价数据处理方法、装置、介质和计算机设备，通过本发明技术方案，能够更准确地对员工相关的绩效总结文本即评价数据进行判别，有利于提高对员工绩效等级的评估准确性。
[0005] 本发明实施例根据第一方面提供了一种评价数据处理方法，包括：
[0006] 响应于包含员工标识的评价数据处理指令，获取与所述员工标识对应的评价数据；
[0007] 确定与所述员工标识对应的岗位类型，从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型；
[0008] 使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列；
[0009] 获取与所述员工标识对应的绩效等级对照表，查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息。
[0010] 进一步地，所述评价数据包括员工自评数据和上级评价数据；
[0011] 所述获取与所述员工标识对应的评价数据，包括：
[0012] 查询员工关系表，确定所述员工标识对应的上级员工标识；
[0013] 从评价数据库中获取所述员工标识对应的员工自评数据，以及所述上级员工标识对应的上级评价数据。
[0014] 进一步地，所述使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列，包括：
[0015] 使用所述确定出的情感判别模型对所述员工自评数据进行处理，得到员工情感判别类型；
[0016] 使用所述确定出的情感判别模型对所述上级评价数据进行处理，得到上级情感判别类型；
[0017] 按照预设排序格式对所述员工情感判别类型和上级情感判别类型进行排序，得到情感判别序列。
[0018] 进一步地，获取多条历史评价数据，确定每条历史评价数据对应的岗位类型和标注类型；
[0019] 使用预置语言模型对所述多条历史评价数据进行处理，获得每条历史评价数据对应的语义向量；
[0020] 分别将属于同一岗位类型的所有历史评价数据所对应的标注类型和语义向量作为训练样本用于训练情感判别模型，得到多个训练好的对应于不同岗位类型的情感判别模型。
[0021] 进一步地，所述查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息，之后包括：
[0022] 获取与所述员工标识对应的，评价时间属于预设时间区间内的所有历史绩效等级信息；
[0023] 将所述绩效等级信息和历史绩效等级信息录入预设对比报告模板，生成绩效对比报告；
[0024] 将所述绩效对比报告推送给所述员工标识对应的员工账号。
[0025] 本发明实施例根据第二方面提供了一种评价数据处理装置，包括：
[0026] 评价数据获取模块，用于响应于包含员工标识的评价数据处理指令，获取与所述员工标识对应的评价数据；
[0027] 模型确定模块，用于确定与所述员工标识对应的岗位类型，从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型；
[0028] 序列获得模块，用于使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列；
[0029] 绩效等级确定模块，用于获取与所述员工标识对应的绩效等级对照表，查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息。
[0030] 本发明实施例根据第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的评价数据处理方法。
[0031] 本发明实施例根据第四方面提供了一种计算机设备，所述计算机设备包括：
[0032] 一个或多个处理器；
[0033] 存储装置，用于存储一个或多个程序；
[0034] 当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的评价数据处理方法。
[0035] 在本发明实施例中，通过响应于包含员工标识的评价数据处理指令，获取与所述员工标识对应的评价数据，然后确定与所述员工标识对应的岗位类型，从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型作为本次使用的情感判别模型，并使用确定出来的情感判别模型对所述评价数据进行处理，得到情感判别序列，最后获取与所述员工标识对应的绩效等级对照表，查询所述绩效等级对照表，进而确定与所述情感判别序列对应的绩效等级信息，能够针对性地对员工相关的绩效总结文本即评价数据进行判别，能够更准确地对该评价数据进行判别，有利于提高对员工绩效等级的评估准确性。
[0037] 本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0038] 图1为本发明一个实施例的评价数据处理方法流程示意图；
[0039] 图2为本发明一个实施例的评价数据处理装置的结构示意图；
[0040] 图3为本发明一种实施例的计算机设备的结构示意图。
具体实施方式
[0041] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0042] 本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式，这里使用的“第一”、“第二”仅用于区别同一技术特征，并不对该技术特征的顺序和数量等加以限定。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
[0043] 本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
[0044] 本发明实施例提供了一种评价数据处理方法，以下结合附图对本发明的具体实施方式进行详细介绍。如图1所示，本发明实施例提供的评价数据处理方法包括以下步骤：
[0045] S110：响应于包含员工标识的评价数据处理指令，获取与所述员工标识对应的评价数据；
[0046] S120：确定与所述员工标识对应的岗位类型，从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型；
[0047] S130：使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列；
[0048] S140：获取与所述员工标识对应的绩效等级对照表，查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息。
[0049] 在本实施例中，当开始绩效总结时，员工可以在预设时间区间内在智能终端上登录员工账号，然后通过该智能终端将自己撰写的绩效总结文本，即评价数据上传到服务器，服务器会将接收到的评价数据存储到评价数据库，其中，该智能终端可以是智能手机、平板电脑或者传统的PC电脑等设备。评价数据处理指令可以由负责处理评估员工绩效等级的员工来发送给服务器，还可以是员工登录员工账号后，向服务器请求自己本次绩效总结的绩效等级。
[0050] 服务器接收到包含员工标识的评价数据处理指令后，从评价数据库中获取与该员工标识对应的评价数据。其中，员工标识是用于区分每个员工的唯一身份标识，可以是员工编号(如050809)、员工姓名和岗位信息的组合(如张三-财务部-财务总监)等标识。
[0051] 考虑到实际情况中，不同员工写的绩效总结文本中，可能包含来自不同领域，比如金融领域、通信领域、IT领域等特有的词汇，甚至有同一个词汇在不同领域中代表不同的意思的情况，如果只是使用一个领域的情感判别模型来对绩效总结文本进行情感判别，最终得到的情感判别类型的准确性就会受到影响。而考虑到员工写的绩效总结文本的内容主要是KPI(关键绩效指标Key Performance Indicator)指标描述、KPI完成情况描述，以及改进之处等，其中使用到的词汇与其工作内容的关联性很大，相同或类似工作内容的员工写绩效总结文本所使用的词汇有很大程度是重合的，因此本实施例预先训练了多个对应于不同领域的情感判别模型，然后根据员工的工作内容来选择处理其绩效总结文本的情感判别模型，能够提高对员工绩效总结文本的情感判别准确性。
[0052] 所以服务器先确定与该员工标识对应的岗位类型，然后从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型。其中，岗位类型用于表征员工的工作内容，由开发人员预先设置多个对应于不同工作内容的岗位类型，具体设置可以根据实际应用场景来确定，比如，企业中同一个部门或者同一个小组的员工的工作内容是相同或者相似的，因此可以将一个部门或者小组作为一个岗位类型，如设置人力资源型、产品测试型，产品开发型等。开发人员还需要预先配置好各个员工对应的岗位类型，比如，开发人员预先配置好岗位类型与员工标识的映射表，然后将其上传到服务器，服务器根据该映射表可以确定各个员工标识对应的岗位类型。
[0053] 当服务器从多个预先训练好的情感判别模型中确定出本次使用的情感判别模型后，使用确定出来的情感判别模型对该评价数据进行情感判别，从而得到情感判别序列，最后获取与该员工标识对应的绩效等级对照表，进而查询所述绩效等级对照表，确定与该情感判别序列对应的绩效等级信息，其中，绩效等级对照表由开发人员预先配置好，并上传到服务器，服务器根据该映射表可以确定情感判别序列对应的绩效等级信息。比如，如果情感判别序列是优点-优点，对应的绩效等级信息是优秀；如果是优点-不足，对应的绩效等级信息是良好；如果是不足-优点，对应的绩效等级信息是中等；如果是不足-不足，对应的绩效等级信息是不及格。
[0054] 本实施例能够针对性地对员工相关的绩效总结文本即评价数据进行判别，能够更准确地对该评价数据进行判别，有利于提高对员工绩效等级的评估准确性。
[0055] 具体地，在一个实施例中，所述评价数据包括员工自评数据和上级评价数据。步骤S110中，获取与所述员工标识对应的评价数据的步骤，包括：
[0056] S111：查询员工关系表，确定所述员工标识对应的上级员工标识；
[0057] S112：从评价数据库中获取所述员工标识对应的员工自评数据，以及所述上级员工标识对应的上级评价数据。
[0058] 在本实施例中，员工关系表中记录了每个员工以及需要对其评价的上级员工的关联关系。该员工关系表可以由管理员、或者负责处理员工绩效等级评估事务的员工，例如人力资源部门的员工上传到服务器。
[0059] 当进行绩效总结时，所有员工都需要对自己在本轮绩效总结的时间区间内的工作情况进行自评，并将做出的绩效总结文本上传到服务器，由服务器对绩效总结文本进行情感判别。其中，有下属员工的员工还需要对其下属员工的工作情况也进行评价，并将评价下属员工的绩效总结文本也上传到服务器。也就是说，对某一个员工来说，员工自评数据是指该员工对自己评价的绩效总结文本，而上级评价数据是指该员工对应的上级员工对其评价的绩效总结文本。
[0060] 比如，目前进行的是2018年年终绩效总结，张三是财务部的财务总监，其下属员工是财务部的财务李四，在本轮绩效总结中，张三需要对自己在2018年度的工作情况进行自评，还需要对自己的下属员工李四在2018年度的工作情况进行评价；而对员工李四来说，与其对应的员工自评数据是张三李四自己评价自己的绩效总结文本，而其对应的上级评价数据则是其上级张三对其评价的绩效总结文本。
[0061] 进一步地，在一个实施例中，步骤S130：使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列，包括：
[0062] S131：使用所述确定出的情感判别模型对所述员工自评数据进行处理，得到员工情感判别类型；
[0063] S132：使用所述确定出的情感判别模型对所述上级评价数据进行处理，得到上级情感判别类型；
[0064] S133：按照预设排序格式对所述员工情感判别类型和上级情感判别类型进行排序，得到情感判别序列。
[0065] 在本实施例中，使用确定出的情感判别模型对绩效总结文本进行处理能够得到情感判别类型。其中，情感判别类型包括优点、不足两个类型；如果情感判别类型是优点，说明员工对自己在本轮绩效总结的工作情况是满意的，反之，则说明员工对自己在本轮绩效总结的工作情况不满意，认为自己做得不够好。
[0066] 具体地，将绩效总结文本输入情感判别模型，由情感判别模型对输入的绩效总结文本进行一系列计算后得到一个值，将该值与预设对比值进行比较，根据比较结果能够确定输入的绩效总结文本的情感判别类型，比如，计算得到的值比预设对比值大，就确定该绩效总结文本的情感判别类型为优点，反之，则确定该绩效总结文本的情感判别类型为不足。
[0067] 为了方便区分，使用情感判别模型对员工自评数据进行处理得到的情感判别类型，称为员工情感判别类型，而使用情感判别模型对上级评价数据进行处理得到的情感判别类型，称为上级情感判别类型。
[0068] 通过情感判别模型得到员工自评数据对应的员工情感判别类型、以及上级评价数据对应的上级情感判别类型之后，按照预设排序格式对所述员工情感判别类型和上级情感判别类型进行排序以得到情感判别序列。该预设排序格式是上级情感判别类型-员工情感判别类型，也就是将上级情感判别类型排在前面，将员工情感判别类型排在后面，比如，上级情感判别类型是优点，员工情感判别类型是优点，那么得到的情感判别序列是优点-优点。
[0069] 在一个实施例中，S210：获取多条历史评价数据，确定每条历史评价数据对应的岗位类型和标注类型；
[0070] S220：使用预置语言模型对所述多条历史评价数据进行处理，获得每条历史评价数据对应的语义向量；
[0071] S230：分别将属于同一岗位类型的所有历史评价数据所对应的标注类型和语义向量作为训练样本用于训练情感判别模型，得到多个训练好的对应于不同岗位类型的情感判别模型。
[0072] 在本实施例中，开发人员需要预先采集大量的历史评价数据，也就是以往做绩效总结时员工提交的绩效总结文本，包括对自己评价的绩效总结文本和评价下属员工的绩效总结文本。而标注类型是指绩效总结文本对应的情感类型，对应于前述情感判别类型，包括优点和不足两个标注类型。
[0073] 在训练时，还需要注意将历史评价数据按照岗位类型划分为多个对应于不同岗位类型的数据集，每一个数据集用于专门训练一个情感判别模型。在训练情感判别模型之前，需要利用NLP(自然语言处理Natural Language Processing)技术和语言模型，如n元语法模型(n-gram model)对采集到的历史评价数据的文本描述进行表征，获得对应的语义向量，然后才利用获得的语义向量、以及标注类型(优点或不足)来训练模型。
[0074] 在一个实施例中，步骤S140：根据所述情感判别序列确定所述员工标识对应的绩效等级信息，之后包括：
[0075] S310：获取与所述员工标识对应的，评价时间属于预设时间区间内的所有历史绩效等级信息；
[0076] S320：将所述绩效等级信息和历史绩效等级信息录入预设对比报告模板，生成绩效对比报告；
[0077] S330：将所述绩效对比报告推送给所述员工标识对应的员工账号。
[0078] 在本实施例中，在确定出员工标识对应的绩效等级信息之后，记录确定出绩效等级信息的系统时间即评价时间，然后为该绩效等级信息和其评价时间建立映射关系。
[0079] 进一步地，可以将与该员工标识对应的，评价时间属于预设时间区间内的所有历史绩效等级信息调取出来。具体地，确定与该员工标识对应的所有历史绩效等级信息，接着确定该所有历史绩效等级信息对应的评价时间，判断评价时间是否属于预设时间区间内，将评价时间属于预设时间区间内的历史绩效等级信息确定出来。该预设时间区间可以由开发人员预先设置。
[0080] 之后将本次绩效总结的绩效等级信息和经过前述步骤确定出来的历史绩效等级信息录入预设对比报告模板，生成绩效对比报告，之后将所述绩效对比报告推送给所述员工标识对应的员工账号。
[0081] 比如，在2019年第一季度的总结中，已经确定员工张三在本次绩效总结得到的绩效等级是优秀，那么可以获取张三在2018年四个季度的绩效等级分别是优秀、良好、良好、优秀，然后将前述五个绩效等级信息录入预设对比报告模板，生成绩效对比报告并推送到张三的员工账号。
[0082] 为了更好地理解本发明技术方案，本发明还提供了一种评价数据处理装置，其特征在于，包括：
[0083] 评价数据获取模块110，用于响应于包含员工标识的评价数据处理指令，获取与所述员工标识对应的评价数据；
[0084] 模型确定模块120，用于确定与所述员工标识对应的岗位类型，从预先训练好的多个情感判别模型中确定与所述岗位类型对应的情感判别模型；
[0085] 序列获得模块130，用于使用所述确定出的情感判别模型对所述评价数据进行处理，得到情感判别序列；
[0086] 绩效等级确定模块140，用于获取与所述员工标识对应的绩效等级对照表，查询所述绩效等级对照表，确定与所述情感判别序列对应的绩效等级信息。
[0087] 在一个实施例中，所述评价数据包括员工自评数据和上级评价数据；
[0088] 所述评价数据获取模块110，包括：
[0089] 上级标识确定子模块111，用于查询员工关系表，确定所述员工标识对应的上级员工标识；
[0090] 评价数据获取子模块112，用于从评价数据库中获取所述员工标识对应的员工自评数据，以及所述上级员工标识对应的上级评价数据。
[0091] 在一个实施例中，所述序列获得模块130，包括：
[0092] 员工类型获得子模块131，用于使用所述确定出的情感判别模型对所述员工自评数据进行处理，得到员工情感判别类型；
[0093] 上级类型获得子模块132，用于使用所述确定出的情感判别模型对所述上级评价数据进行处理，得到上级情感判别类型；
[0094] 序列获得子模块133，用于按照预设排序格式对所述员工情感判别类型和上级情感判别类型进行排序，得到情感判别序列。
[0095] 在一个实施例中，类型确定模块210，用于获取多条历史评价数据，确定每条历史评价数据对应的岗位类型和标注类型；
[0096] 语义向量获得模块220，用于使用预置语言模型对所述多条历史评价数据进行处理，获得每条历史评价数据对应的语义向量；
[0097] 模型训练模块230，用于分别将属于同一岗位类型的所有历史评价数据所对应的标注类型和语义向量作为训练样本用于训练情感判别模型，得到多个训练好的对应于不同岗位类型的情感判别模型。
[0098] 在一个实施例中，本实施例的评价数据处理装置在执行绩效等级确定模块140对应的功能之后还执行以下模块对应的功能：
[0099] 历史绩效获取模块310，用于获取与所述员工标识对应的，评价时间属于预设时间区间内的所有历史绩效等级信息；
[0100] 对比报告生成模块320，用于将所述绩效等级信息和历史绩效等级信息录入预设对比报告模板，生成绩效对比报告；
[0101] 对比报告推送模块330，用于将所述绩效对比报告推送给所述员工标识对应的员工账号。
[0102] 需要说明的是，本发明实施例提供的评价数据处理装置能够实现上述评价数据处理方法实施例所实现的功能，功能的具体实现参照上述评价数据处理方法中的描述，在此不再赘述。
[0103] 本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述评价数据处理方法。其中，所述存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(Random AcceSS Memory，随即存储器)、EPROM(EraSable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，存储介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。可以是只读存储器，磁盘或光盘等。
[0104] 本发明实施例还提供一种计算机设备，所述计算机设备包括：
[0105] 一个或多个处理器410；
[0106] 存储装置420，用于存储一个或多个程序400，
[0107] 当所述一个或多个程序400被所述一个或多个处理器410执行，使得所述一个或多个处理器410实现上述评价数据处理方法。
[0108] 如图3所示为本发明计算机设备的结构示意图，包括处理器410、存储装置420、输入单元430以及显示单元440等器件。本领域技术人员可以理解，图3示出的结构器件并不构成对所有计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储装置420可用于存储应用程序400以及各功能模块，处理器410运行存储在存储装置420的应用程序400，从而执行设备的各种功能应用以及数据处理。存储装置420可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储装置包括但不限于这些类型的存储装置。本发明所公开的存储装置420只作为例子而非作为限定。
[0109] 输入单元430用于接收信号的输入，以及接收用户输入的选择语音文件等相关请求。输入单元430可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元440可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元440可采用液晶显示器、有机发光二极管等形式。处理器410是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储装置420内的软件程序和/或模块，以及调用存储在存储装置内的数据，执行各种功能和处理数据。
[0110] 在一实施方式中，计算机设备包括一个或多个处理器410，以及一个或多个存储装置420，一个或多个应用程序400，其中所述一个或多个应用程序400被存储在存储装置420中并被配置为由所述一个或多个处理器410执行，所述一个或多个应用程序400配置用于执行以上实施例所述的评价数据处理方法。
[0111] 应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0112] 应该理解的是，在本发明各实施例中的各功能单元可集成在一个处理模块中，也可以各个单元单独物理存在，也可以两个或两个以上单元集成于一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0113] 以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种听写报读音频的生成方法、电子设备及存储介质 | 2020-05-08 | 583 |
| 一种看护机器人的数据处理方法及装置 | 2020-05-12 | 449 |
| 一种基于领域对抗的语音情感识别方法及装置 | 2020-05-12 | 553 |
| 提取用户画像的方法、装置、计算机设备和存储介质 | 2020-05-08 | 265 |
| 数据分析方法、设备及存储介质 | 2020-05-08 | 55 |
| 语音合成方法、装置、计算机设备及计算机可读存储介质 | 2020-05-08 | 755 |
| 智能问答信息处理方法、电子设备及计算机可读存储介质 | 2020-05-11 | 691 |
| 一种弹幕屏蔽方法、装置及电子设备 | 2020-05-08 | 643 |
| 细粒度情感分析方法、系统、电子设备和存储介质 | 2020-05-11 | 469 |
| 一种虚拟物品的显示方法、装置、计算机设备和存储介质 | 2020-05-12 | 856 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈