(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221096282 9.4 (22)申请日 2022.08.11 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 申请人 浙江大学滨江研究院 (72)发明人 潘晓华　徐晓东　沈诗婧　尹建伟　 (74)专利代理 机构 杭州天勤知识产权代理有限 公司 33224 专利代理师 高燕 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06F 17/18(2006.01) (54)发明名称 一种用于政府机构的智能履职评估方法及 装置 (57)摘要 本发明公开了一种用于政府机构的智能履 职评估方法， 包括： 步骤1、 获取 履职信息； 步骤2、 根据履职类型次数矩 阵与履职成果进行量化计 算， 获得对应的量化评价数据集； 步骤3、 对量化 评价数据集进行向量分配处理， 获得对应的履职 得分和履职积极度； 步骤4、 对量化评价数据进行 分类， 获得对应的履职评价分类结果； 步骤5、 根 据履职类型次数矩阵与履职主题次数矩阵， 匹配 获得对应的履职偏好； 步骤6、 基于上述获得的数 据， 绘制获得用于评估履职价值的行为画像集。 本发明还公开了一种智能履职评估装置。 本发明 方法可以方便政府机关各单位的履职人员的评 估， 获得更加全面、 更加准确的评估结果， 从而进 一步优化各 单位的职能工作。 权利要求书2页 说明书10页 附图1页 CN 115392661 A 2022.11.25 CN 115392661 A 1.一种用于政 府机构的智能履职评估方法， 其特 征在于， 包括： 步骤1、 获取履职信息， 所述履职信息包括履职类型次数矩阵、 履职主题次数矩阵以及 履职成果； 步骤2、 根据步骤1获得的履职类型次数矩阵与履职成果进行量化计算， 获得对应的量 化评价数据集； 步骤3、 对步骤2获得的量化评价数据集进行向量分配处理， 获得对应的履职得分和履 职积极度； 步骤4、 对步骤2获得的量 化评价数据进行分类， 获得对应的履职评价分类结果； 步骤5、 根据步骤1获得的履职类型次数矩阵与履职主题次数矩阵， 匹配获得对应的履 职偏好； 步骤6、 基于步骤2至步骤5获得的数据， 绘制获得用于 评估履职价 值的行为画像集。 2.根据权利要求1所述的用于政府机构的智能履职评估方法， 其特征在于， 所述步骤1 中的履职类型次数矩阵中的履职类型包括 参加会议、 基层活动、 调研工作以及撰写工作； 履职主题次数矩阵中的履职主题包括社会、 文化、 经济、 政治以及生态； 履职成果包括基层工作的采纳次数和落实次数。 3.根据权利要求1所述的用于政府机构的智能履职评估方法， 其特征在于， 所述步骤2 的量化计算包括RFM算法和 加权计算法。 4.根据权利要求1所述的用于政府机构的智能履职评估方法， 其特征在于， 所述步骤2 的量化评价数据集包括： 履职频率， 通过对所有履职类型 下履职次数的求和并除以时间 间隔计算获得； 履职时间差， 通过计算目标最后一次履职时间与获取履职信息的截止时间之差获得； 履职量， 根据所有履职类型权 重进行加权计算获得； 履职有效性， 根据履职成果中各项数据权 重进行加权计算获得。 5.根据权利要求1所述的用于政府机构的智能履职评估方法， 其特征在于， 所述步骤3 中的向量分配处 理的具体表达式如下： 式中， Si代表第i个履职人员的履职得分， 代表归一化后的第i个履职人员履职 量， 代表归一化后的第i个履职人员履职频率， 代表归一化后的第i个履职 人员履职时间差， [ SR,SF,SM]为预设权 重参数； 式中， Pi表示履职积极度。 6.根据权利要求1所述的用于政府机构的智能履职评估方法， 其特征在于， 所述步骤4 的分类的具体表达式如下：权　利　要　求　书 1/2 页 2 CN 115392661 A 2式中， Ci表示第i个履职人员的分类依据 得分， Average()代表平均分函数， Ri代表未归 一化的第i个履职人员履职量， Fi代表未归一化的第i个履职人员履职频率， Mi代表未归一化 的第i个履职人员履职时间差 。 7.根据权利要求6所述的用于政府机构的智能履职评估方法， 其特征在于， 根据 所述分 类依据得分进行评估， 获得对应的履职评价分类结果： 当分类依据得分为(1,1,1)时， 则分类为重要价值履职人员： 最近履职时间近、 履职频 次和履职量都很高； 当分类依据得分为(0,1,1)时， 则分类为重要保持履职人员： 最近履职时间较远， 但履 职频次和履职量都很高； 当分类依据得分为(1,0,1)时， 则分类为重要发展履职人员： 最近履职时间较近、 履职 量较大， 但频次不高； 当分类依据得分为(0,0,1)时， 则分类为重要挽留履职人员： 最近履职时间较远、 履职 频次不高， 但履职量大； 当分类依据得分为(1,1,0)时， 则分类为一般价值履职人员： 最近履职时间较近、 履职 频次高， 但履职量较小； 当分类依据得分为(1,0,0)时， 则分类为一般发展履职人员： 最近履职时间较近、 履职 频次低， 履职量较小； 当分类依据得分为(0,1,0)时， 则分类为一般保持履职人员： 最近履职时间较远、 履职 频次高， 履职量小； 当分类依据得分为(0,0,0)时， 则分类为一般挽留履职人员： 最近履职时间较远、 履职 频次低， 履职量小。 8.根据权利要求1所述的用于政府机构的智能履职评估方法， 其特征在于， 所述步骤5 中的履职偏好， 采用T F‑IDF算法对履职类型次数矩阵与履职主题次数矩阵中关键词进 行匹 配获得。 9.一种智能履职评估装置， 包括计算机存储器、 计算机处理器以及存储在所述计算机 存储器中并可在所述计算机处理器上执行 的计算机程序， 其特征在于， 所述计算机存储器 执行如权利要求1 ‑8任一所述的用于政府机构的智能履职评估方法； 所述计算机处理器执 行所述计算机程序时实现以下步骤： 输入待评估人员的履职信息， 利用智能履职评估方法 进行计算， 输出用于 评估履职价 值的可视化行为画像集。权　利　要　求　书 2/2 页 3 CN 115392661 A 3