买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东智通人才连锁股份有限公司

摘要：本发明公开了一种基于深度学习判断的用工风险评估系统，属于用工风险评估领域，包括企业端、客户端、服务器端、信息采集模块、深度分析模块、维护平台以及评估显示模块；本发明能够高效准确的对各求职人员用工风险进行评估，同时维护评估实时对分析神经模型进行监测，保证维护人员能够及时发现并修复分析神经模型出现的异常，提高维护人员维护效率，能够自行对不符合企业要求的求职人员进行筛选，降低企业管理人员的工作量，提高工作积极性，同时加快工作人员文件处理效率。

主权项：1.一种基于深度学习判断的用工风险评估系统，其特征在于，包括企业端、客户端、服务器端、信息采集模块、深度分析模块、维护平台以及评估显示模块；所述企业端用于管理人员对求职人员的用工风险报告进行检索分析；所述客户端用于求职人员向相关企业上传个人简历，并接收企业端发送的录取信息；所述服务器端用于接收各用户用工风险报告，并对其进行存储；所述信息采集模块用于对各求职人员信息进行采集，同时对收集到的信息进行分类记录；所述深度分析模块用于构建分析神经模型，并接收各组求职人员信息以进行用工风险评估，同时生成用工风险报告；所述评估显示模块用于显示相关求职人员用工风险评估报告；所述维护平台用于实时监测深度分析模块运行性能，并进行维护反馈；所述信息采集模块分类记录具体步骤如下：步骤一：信息采集模块收集各区域求职人员信息以及各企业司法风险、劳动争议、舆情、工商以及经营状况，同时按照省级行政区、地级行政区、县级行政区以及乡级行政区对收集到的各组求职人员信息进行分类；步骤二：分类完成后，信息采集模块依据地级行政区数量构建相对应数量的信息记录表，同时将收集到的各求职人员信息录入对应信息记录表中，之后将各求职人员详细位置录入信息记录表指定位置，求职人员信息录入完成后，再次录入企业信息；步骤三：将各组信息记录表上传至服务器端进行存储，同时服务器端对各信息记录表中的信息进行关键词提取，并依据提取的关键词构建检索数据集；所述深度分析模块用工风险评估具体步骤如下：步骤1：深度分析模块构建分析神经模型后，对该分析神经模型进行训练优化，同时实时将该分析神经模型运行情况以及优化情况上传至维护平台；步骤2：从信息采集模块中提取相关区域的信息记录表，同时提取该信息记录表中各组求职人员的试用期信息、合同期限信息以及原职材料，并将各组数据通过进行符值转换、归一化处理和特征降维，将特征变为0到1区间内，之后将处理完成的数据通过输入、卷积、池化、全连接和输出处理以生成各求职人员各类型用工风险评估分数；步骤3：深度分析模块依据各求职人员各类型用工风险评估分数生成风险评估报告，之后接收相对应区域各企业端设定的各类用工风险阈值，并将其与各求职人员用工风险评估值进行对比，同时将不达标的求职人员在风险评估报告中进行标记；所述分析神经模型训练优化具体步骤如下：第一步：分析神经模型从外部测试共享平台中提取各组风险评估信息，并将各组信息作为模拟数据，同时将模拟数据分为测试集以及训练集；第二步：通过测试集来对该分析神经模型的精度进行验证，同时对测试集中每组数据都进行一次预测，收集满足期望值的预测值，并将预测值中最好的数据作为最优参数输出；第三步：依据最优参数将训练集通过学习训练以生成训练样本，最后将训练样本输送到分析神经模型中，并采用长期迭代法对该分析神经模型进行实时优化，并对满足期望值的分析神经模型进行准确率、检出率和误报率评估，同时生成相对应的曲线走势图，并将其反馈至维护平台；所述维护平台维护反馈具体步骤如下：P1：维护平台实时接收分析神经模型的准确率、检出率和误报率，同时将各组数据曲线走势图反馈给维护人员，同时通过焦点损失函数对分析神经模型性能进行计算，其焦点损失函数具体计算公式如下：FLpi＝-α1-piγlogpi1其中，pi代表预测值，α代表权重因子，γ代表聚焦参数；P2：若分析神经模型损失值未达到系统默认或维护人员设定得期望值，维护平台则发出告警，同时对分析神经模型异常处进行检索定位，并反馈给相关维护人员进行维护。

全文数据：

权利要求：

百度查询： 广东智通人才连锁股份有限公司 一种基于深度学习判断的用工风险评估系统