CN110648070A - 一种企业形象的评估方法、评估装置及可读存储介质 - Google Patents
一种企业形象的评估方法、评估装置及可读存储介质 Download PDFInfo
- Publication number
- CN110648070A CN110648070A CN201910918095.8A CN201910918095A CN110648070A CN 110648070 A CN110648070 A CN 110648070A CN 201910918095 A CN201910918095 A CN 201910918095A CN 110648070 A CN110648070 A CN 110648070A
- Authority
- CN
- China
- Prior art keywords
- dimension
- employer
- publishing
- published information
- enterprise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 claims description 30
- 230000003993 interaction Effects 0.000 claims description 27
- 230000002452 interceptive effect Effects 0.000 claims description 26
- 230000008451 emotion Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 12
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000002996 emotional effect Effects 0.000 description 5
- 238000011835 investigation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种企业形象的评估方法、评估装置及可读存储介质,所述评估方法包括:获取目标企业在各个信息发布渠道上的每个发布平台的数据集,并确定每个发布平台的第一雇主形象指数;基于同一个发布渠道上的每个发布信息的第一雇主形象指数以及对应的第一权重系数,确定第二雇主形象指数;基于每个发布信息统计维度的多个发布渠道的第二雇主形象指数以及对应的第二权重系数,确定第三雇主形象指数;线性加权每个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,确定目标企业的评估分数。这样,可以在每一个可以统计的维度都进行数据计算,不易出错,针对发布信息数据的统计样本数据量大具有普适性,有助于提高企业评估的准确性。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及一种企业形象的评估方法、评估装置及可读存储介质。
背景技术
在求职人员的求职过程中,会事先对有意向的企业进行一个评估,对所应聘的企业的形象有一定的预估,作为日后入职的参考,有鉴于此,企业需要定期了解自己在求职者心中的形象,并针对于此进行内部调整,以此保证自己在各大企业中拥有招聘竞争力。
现阶段,企业对于自身形象的预估,大多来源于自己设计的一些调查问卷等,根据对一些求职者的回答,总体评估并对比平行的其他企业。在问卷的调查中,求职者被动回答企业的问题,由于企业设计问卷的片面性,不能完全反映求职者对于企业的真实印象,并且对于调查后结果的评估只是针对问题本身的总体评估,没有针对每一个检测维度的指数的统计,企业也无法有针对性的投入精力进行改进。
发明内容
有鉴于此,本申请的目的在于提供一种企业形象的评估方法、评估装置及可读存储介质,针对每一个发布信息统计维度,根据发布信息对应的数据集,在每一个发布信息、每一个发布渠道上都进行数值计算,再综合每一个发布信息统计维度,得到企业的综合分数,这样,可以在每一个可以统计的维度都进行数据计算,不易出错,针对发布信息数据的统计样本数据量大具有普适性,有助于提高企业评估的准确性。
本申请实施例提供了一种企业形象的评估方法,所述评估方法包括:
获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度;
基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数;
基于同一个发布渠道上的每一个发布信息的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数;
基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数;
将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
进一步的,发布信息统计维度包括互动维度、情感维度以及声量维度中的至少一种。
进一步的,当所述发布信息统计维度包括互动维度时,通过以下步骤确定所述第一雇主形象指数:
获取同一发布平台对应的发布信息数据集中的多个互动操作以及每一个互动操作对应的操作数量,其中,互动操作包括转发、点赞、评论、点击曝光中任意一种或几种;
计算全部互动操作的操作数量总数,并将所述操作数量总数指数化,确定在互动维度下该发布平台对应的第一雇主形象指数。
进一步的,当所述发布信息统计维度包括情感维度时,通过以下步骤确定所述第一雇主形象指数:
获取同一发布平台对应的发布信息数据集中的多条发布信息数据以及每一条发布信息数据对应的关键词,并获取预设关键词集,其中,所述预设关键词集中包括正面关键词组以及负面关键词组;
基于每一条发布信息数据的关键词与所述预设关键词集中的关键词的匹配结果,确定每一条发布信息数据所属的关键词组;
确定所述正面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的正面比例以及所述负面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的负面比例;
将所述正面比例与所述负面比例的差值指数化,确定为在情感维度下该发布平台对应的第一雇主形象指数。
进一步的,当所述发布信息统计维度包括声量维度时,通过以下步骤确定所述第一雇主形象指数:
获取预设企业关键词组以及同一发布平台对应的发布信息数据集中的多条发布信息数据,其中,所述预设企业关键词组中包含多个企业关键词;
检测每一条发布信息数据中的评论内容是否提到所述预设企业关键词组中的任一企业关键词;
将提到所述预设企业关键词组中的任一企业关键词的发布信息数据的数量指数化,确定在声量维度下该发布平台对应的第一雇主形象指数。
进一步的,在将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数之后,所述评估方法还包括:
获取多个目标企业对应的多个评估分数和每一个目标企业在每个发布信息统计维度下的第三雇主形象指数;
基于每一个目标企业在同一发布信息统计维度下的第三雇主形象指数,将多个目标企业在同一发布信息统计维度下进行排名,生成发布信息统计维度排名数据集,并根据多个评估分数,将多个目标企业在综合发布信息统计维度下进行排名,生成综合发布信息统计维度排名数据集;
基于所述发布信息统计维度排名数据集以及综合发布信息统计维度排名数据集,生成企业排名数据报告。
本申请实施例还提供了一种企业形象的评估装置,所述评估装置包括:
第一获取模块,用于获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度;
第一确定模块,用于基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数;
第二确定模块,用于基于同一个发布渠道上的每一个发布平台的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数;
第三确定模块,用于基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数;
第四确定模块,用于将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
进一步的,发布信息统计维度包括互动维度、情感维度以及声量维度中的至少一种。
进一步的,当所述发布信息统计维度包括互动维度时,所述第一确定模块在用于确定每一个发布平台对应的第一雇主形象指数时,还用于:
获取同一发布平台对应的发布信息数据集中的多个互动操作以及每一个互动操作对应的操作数量,其中,互动操作包括转发、点赞、评论、点击曝光中任意一种或几种;
计算全部互动操作的操作数量总数,并将所述操作数量总数指数化,确定在互动维度下该发布平台对应的第一雇主形象指数。
进一步的,当所述发布信息统计维度包括情感维度时,所述第一确定模块在用于确定每一个发布平台对应的第一雇主形象指数时,还用于:
获取同一发布平台对应的发布信息数据集中的多条发布信息数据以及每一条发布信息数据对应的关键词,并获取预设关键词集,其中,所述预设关键词集中包括正面关键词组以及负面关键词组;
基于每一条发布信息数据的关键词与所述预设关键词集中的关键词的匹配结果,确定每一条发布信息数据所属的关键词组;
确定所述正面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的正面比例以及所述负面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的负面比例;
将所述正面比例与所述负面比例的差值指数化,确定为在情感维度下该发布平台对应的第一雇主形象指数。
进一步的,当所述发布信息统计维度包括声量维度时,所述第一确定模块在用于确定每一个发布平台对应的第一雇主形象指数时,还用于:
获取预设企业关键词组以及同一发布平台对应的发布信息数据集中的多条发布信息数据,其中,所述预设企业关键词组中包含多个企业关键词;
检测每一条发布信息数据中的评论内容是否提到所述预设企业关键词组中的任一企业关键词;
将提到所述预设企业关键词组中的任一企业关键词的发布信息数据的数量指数化,确定在声量维度下该发布平台对应的第一雇主形象指数。
进一步的,所述评估装置还包括:
第二获取模块,用于获取多个目标企业对应的多个评估分数和每一个目标企业在每个发布信息统计维度下的第三雇主形象指数;
第一生成模块,用于基于每一个目标企业在同一发布信息统计维度下的第三雇主形象指数,将多个目标企业在同一发布信息统计维度下进行排名,生成发布信息统计维度排名数据集,并根据多个评估分数,将多个目标企业在综合发布信息统计维度下进行排名,生成综合发布信息统计维度排名数据集;
第二生成模块,用于基于所述发布信息统计维度排名数据集以及综合发布信息统计维度排名数据集,生成企业排名数据报告。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的企业形象的评估方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的企业形象的评估方法的步骤。
本申请实施例提供的企业形象的评估方法、评估装置及可读存储介质,获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度;基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数;基于同一个发布渠道上的每一个发布信息的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数;基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数;将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
这样,根据发布信息数据集,针对同一发布信息统计维度,计算第一雇主形象指数并根据第一权重系数计算每一个发布渠道对应的第二雇主形象指数,再对每一个发布渠道的第二雇主形象指数以及对应的第二权重系数,进行线性加权,得到该发布信息统计维度的第三雇主形象指数,加权计算每一个发布信息统计维度上的第三雇主形象指数以及对应的第三权重系数,得到企业的评估分数,可以在每一个可以统计的维度都进行数据计算,不易出错,针对发布信息数据的统计样本数据量大具有普适性,有助于提高企业评估的准确性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为一种可能的应用场景下的***结构图;
图2为本申请实施例所提供的一种企业形象的评估方法的流程图;
图3为本申请另一实施例提供的企业形象的评估方法的流程图;
图4为本申请实施例所提供的一种企业形象的评估装置的结构示意图;
图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于数据处理技术领域,获取目标企业的多个发布信息数据集,在每一个检测维度上根据每一个发布信息数据集确定每一个发布平台对应的第一雇主形象指数,并结合每一个第一雇主形象指数对应的第一权重系数,确定同一发布渠道指数,进而确定每一个发布信息统计维度指数,线性加权每一个发布信息统计维度,得到目标企业的评估分数,可以从多个角度确定目标企业的每一个发布信息统计维度指数,有助于提高目标企业形象的立体度以及准确性。请参阅图1,图1为一种可能的应用场景下的***结构图,如图1中所示,所述***包括数据生成装置和评估装置,所述数据生成装置获取各个发布渠道后台目标企业发布的发布信息的数据,并生成多个发布信息数据集。所述评估装置在接收到多个发布信息数据集后,根据每一个发布信息数据集,进行多次加权计算,确定所述目标企业的评估分数。
经研究发现,现阶段,企业对于自身形象的预估,大多来源于自己设计的一些调查问卷等,根据对一些求职者的回答,总体评估并对比平行的其他企业。在问卷的调查中,求职者被动回答企业的问题,由于企业设计问卷的片面性,不能完全反映求职者对于企业的真实印象,并且对于调查后结果的评估只是针对问题本身的总体评估,没有针对每一个检测维度的指数的统计,企业也无法有针对性的投入精力进行改进。
基于此,本申请实施例提供了一种企业形象的评估方法,针对每一个发布信息统计维度,根据发布信息对应的数据集,在每一个发布信息、每一个发布渠道上都进行数值计算,再综合每一个发布信息统计维度,得到企业的综合分数,这样可以在每一个可以统计的维度都进行数据计算,不易出错,针对发布信息数据的统计样本数据量大具有普适性,有助于提高企业评估的准确性。
请参阅图2,图2为本申请实施例所提供的一种企业形象的评估方法的流程图。如图2中所示,本申请实施例提供的企业形象的评估方法,包括:
步骤201、获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度。
该步骤中,获取目标企业在各个发布渠道中每个发布平台上发布的信息对应的数据,组成多个发布信息数据集,并且确定多个发布信息统计维度。
其中,所述多个发布信息统计维度包括互动维度、情感维度以及声量维度,所述发布信息的发布渠道可以指微信、微博、网站、APP等社交媒体平台,发布信息数据集中包括对于发布信息用户作出的反应,可以称为社交舆情数据。
这里,社交舆情数据中的互动一般指在不同社交平台上,对发布信息内容进行互动操作,例如,微博上的转发、评论、点赞等;社交舆情数据中的情感一般指在不同社交媒体平台上,对发布内容的情感调性进行情感正负面判断;社交舆情数据中的声量一般指在不同社交媒体平台上,所有提及关键词(目标企业)内容的帖子、评论等的数量,声量可反应该关键词(目标企业)在社交媒体上的热度。
步骤202、基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数。
该步骤中,针对于一个发布信息统计维度,根据每一个发布平台上的每一个发布信息数据集中数据的数量,将发布信息数据集中数据的数量指数化,确定每一个发布平台对应的第一雇主形象指数;
其中,指数化是对于发布信息数据集中的数据的数量进行指数化处理,使数据的数量级统一的过程。一般情况下,可以将每一个实际的计算数据的绝对数值转换到0~200之间,以便后续对数据的计算处理。
对于指数化的计算方法可以通过以下公式进行计算:
100+(X-AVERAGE)/(STDEV×7.5)×100;
其中,X为目标企业在当前平台的绝对数值;AVERAGE为当前平台所有企业绝对数值的平均;STDEV为当前平台上所有企业绝对数值的标准差。
步骤203、基于同一个发布渠道上的每一个发布平台的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数。
该步骤中,在同一发布信息统计维度上,针对每一个发布渠道会存在多个发布平台,获取每一个发布平台对应的通过步骤202计算出的第一雇主形象指数以及每一个发布平台对应的第一权重系数,将多个发布平台的第一雇主形象指数以及第一权重系数的乘积相加,得到同一发布渠道对应的第二雇主形象指数。
这里,发布信息是指目标企业在发布渠道上发布的和本企业相关的一切信息;第一权重系数是由目标企业根据自身发展需求制定的可调换系数,本实施例中可以采用大小数据融合的方法,大数据主要指社交舆情数据,是指数数据来源的基础;小数据可以指调研数据,在本实施例中主要为每一个渠道权重的确定提供依据。
这里,在一个检测维度上可以包括网站、APP、微信和微博这四个渠道,在对于每一个渠道上发布信息数据集的数量选择可以通过渠道不同而定义不同的数量,比如,在网站渠道上选取比较有影响力的一个平台的发布信息数据集;在APP渠道上选取比较有影响力的一个平台的发布信息数据集;在微信渠道上选取比较有影响力的六个平台的发布信息数据集;在微博渠道上选取比较有影响力的七个平台的发布信息数据集。
其中,针对于微信渠道内每一个第一雇主形象指数对应的第一权重系数的确定可以是基于预设统计时间周期内覆盖范围内每一个平台上的发布信息数据集中的数据的平均阅读量;针对于微博渠道内每一个第一雇主形象指数对应的第一权重系数的确定,可以综合考量每一个平台上去除掉水军用户之后的粉丝总数、预设统计时间内每一个平台的粉丝数的增长量以及预设统计时间周期内每一个平台上的用户的活跃度的统计数量得到。
以所述发布信息统计维度为互动维度,所述发布渠道为微博,在微博上,预设统计时间内,提到目标企业的知名平台有3个,经统计可知,A平台上针对目标企业的互动量为200万,B平台上针对目标企业的互动量为150万,C平台上针对目标企业的互动量为130万;将每一个博主的互动量指数化处理后得到的数值为117、110、97,那么在互动量维度上,微博这个发布渠道对应的第二雇主形象指数为113。
步骤204、基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数。
该步骤中,在每一个检测维度上,获取每一个发布渠道对应的第二权重系数以及对应的计算出的第二雇主形象指数,将每一个发布渠道对应的第二权重系数以及第二雇主形象指数进行线性加权,得到该发布信息统计维度对应的第三雇主形象指数。
其中,第二权重系数是根据前期调研结果确定的,针对于目标群体进行定量调研,通过对目标人群进行问卷调查,根据问卷调查的结果分析目标人群更加倾向的渠道,从而确定每一个渠道的第二权重系数,问卷调查的题目可以设定为“在您需要获取XX信息时,您会选择或是曾经使用过的平台或是渠道是什么”,在问卷中标识出几个常用渠道或是本次统计更关注的渠道,根据目标群体的选择,确定目标群体对各渠道的倾向性,根据每个渠道的比例,确定每一个渠道的第二权重系数。
对应于上述示例,在互动维度上,已经计算得出微博上的第二雇主形象指数为113、微信上的第二雇主形象指数为97,网站上的第二雇主形象指数为95、APP上的第二雇主形象指数为120;再综合每一个发布渠道对应的第二权重系数,得到互动维度上对应的第三雇主形象指数为115。
步骤205、将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
该步骤中,分别计算互动维度、声量维度、情感维度上的第三雇主形象指数,并获取每一个发布信息统计维度对应的第三权重系数,将每一个发布信息统计维度对应的第三权重系数与第三雇主形象指数的乘积相加,得到目标企业的评估分数。
其中,第三权重系数也是由目标企业根据自身发展需求制定的可调换系数,三个发布信息统计维度互动维度、情感维度、声量维度的比例可以为:互动维度:情感维度:声量维度=4:3:3;在其他实施例中发布信息统计维度也可以根据前期调研结果确定。
例如,对应于上述示例,在互动维度上的第三雇主形象指数为115、在情感维度上的第三雇主形象指数为95、在声量维度上的第三雇主形象指数为105;互动维度:情感维度:声量维度=4:3:3,那么该目标企业的评估分数为106。
进一步的,当所述发布信息统计维度包括互动维度时,通过以下步骤确定所述第一雇主形象指数:获取同一发布平台对应的发布信息数据集中的多个互动操作以及每一个互动操作对应的操作数量,其中,互动操作包括转发、点赞、评论、点击曝光中任意一种或几种;计算全部互动操作的操作数量总数,并将所述操作数量总数指数化,确定在互动维度下该发布信息对应的第一雇主形象指数。
该步骤中,当发布信息统计维度包括互动维度时,对于一个发布信息数据集,统计该发布信息数据集中的全部操作以及每一个操作的操作数量,将每一个操作对应的操作数量加和,得到操作数量总数,并将操作数量总数指数化,以此确定在互动维度下该发布信息数据集在互动维度下的第一雇主形象指数。
例如,对应于上述示例,在微博上的发布博文下,包含的互动操作为点赞、转发、评论;经统计可知对于A平台,点赞量为150万、转发量为50万、评论量为50万,将它们相加后得到操作数量总数为200万,在同一渠道上对不同发布信息数据集的统计要处于同一数量级,因此要将实际统计的绝对数值经过指数化处理,将实际数值转换到0~200之间进行处理,将操作数量总数200万经过和同一发布平台上所有企业的绝对数值的平均值以及标准差,进行指数化处理,得到A平台的第一雇主形象指数102。
进一步的,当所述发布信息统计维度包括情感维度时,通过以下步骤确定所述第一雇主形象指数:获取同一发布平台对应的发布信息数据集中的多条发布信息数据以及每一条发布信息数据对应的关键词,并获取预设关键词集,其中,所述预设关键词集中包括正面关键词组以及负面关键词组;基于每一条发布信息数据的关键词与所述预设关键词集中的关键词的匹配结果,确定每一条发布信息数据所属的关键词组;确定所述正面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的正面比例以及所述负面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的负面比例;将所述正面比例与所述负面比例的差值指数化,确定为在情感维度下该发布平台对应的第一雇主形象指数。
该步骤中,获取同一发布信息数据集中的全部发布信息数据的数量,以及每一条发布信息数据对应的可以表达评论用户的情感倾向的关键词;获取统计规则下预先设置的关键词集,在关键词集中,分为正面关键词组以及负面关键词组,遍历发布信息数据集中的每一条发布信息数据,并将每一条发布信息数据中的关键词与关键词集中的关键词进行匹配,将每一条发布信息数据划分至正面关键词数据组或负面关键词组,统计正面关键词数据组中发布信息数据的数量以及负面关键词组中的发布信息数据的数量,分别确定正面关键词数据组中发布信息数据的数量占发布信息数据总数量的比例以及负面关键词组中发布信息数据的数量占发布信息数据总数量的比例,将二者的差值指数化,得到该发布平台在情感维度下的第一雇主形象指数。
其中,所述正面关键词组中的关键词是对目标企业的赞扬评价,比如“福利待遇好”、“工资高”等词汇;所述负面关键词组中的关键词是对目标企业的批评的评价,比如“加班多”、“工作环境差”等词汇。
例如,对应于上述示例,在微博上的评论量为50万,其中经过对比可知,正面评论数量为30万,负面评论数量为20万,那么该发布信息数据集的正面和负面的比例值的差值为0.2,再将0.2参考同一平台上所有企业绝对数值的平均值和标准差,进行指数化处理,得到在情感维度上该发布平台对应的第一雇主形象指数为80。
进一步的,当所述发布信息统计维度包括声量维度时,通过以下步骤确定所述第一雇主形象指数:获取预设企业关键词组以及同一发布平台对应的发布信息数据集中的多条发布信息数据,其中,所述预设企业关键词组中包含多个企业关键词;检测每一条发布信息数据中的评论内容是否提到所述预设企业关键词组中的任一企业关键词;将提到所述预设企业关键词组中的任一企业关键词的发布信息数据的数量指数化,确定在声量维度下该发布平台对应的第一雇主形象指数。
该步骤中,获取同一发布平台对应的发布信息数据集中多条发布信息评论,以及目标企业对应的关键词组,遍历每一条发布信息数据,将提到目标企业的关键词的发布信息数据划分在一起,统计全部提到目标企业的发布信息数量,并将发布信息数量指数化,得到该发布平台在声量指数下的第一雇主形象指数。
其中,目标企业的关键词组是可以指代目标企业的关键词,比如目标企业的企业全名、企业的简称、企业的标志性建筑、代表性人物等。
例如,舆情数据共1000万条,提到目标企业的舆情数据一共700万条,将这700万条结合同一平台下的其他企业,进行指数化,得到目标企业的在声量维度上的第一雇主形象指数为110。
本申请实施例提供的企业形象的评估方法,获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度;基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数;基于同一个发布渠道上的每一个发布信息的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数;基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数;将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
这样,根据发布信息数据集,针对同一发布信息统计维度,计算第一雇主形象指数并根据第一权重计算每一个发布渠道对应的第二雇主形象指数,再对每一个发布渠道的第二雇主形象指数以及对应的第二权重系数,进行线性加权,得到该发布信息统计维度的第三雇主形象指数,加权计算每一个发布信息统计维度,得到企业的评估分数,可以在每一个可以统计的维度都进行数据计算,不易出错,针对发布信息数据的统计样本数据量大具有普适性,有助于提高企业评估的准确性。
请参阅图3,图3为本申请另一实施例提供的企业形象的评估方法的流程图。如图3中所示,本申请实施例提供的业形象的评估方法,包括:
步骤301、获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度。
步骤302、基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数。
步骤303、基于同一个发布渠道上的每一个发布平台的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数。
步骤304、基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数。
步骤305、将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
步骤306、获取多个目标企业对应的多个评估分数和每一个目标企业在每个发布信息统计维度下的第三雇主形象指数。
该步骤中,获取统计周期内多个目标企业对于应的多个评估分数,以及每一个目标企业在每个发布信息统计维度下的第三雇主形象指数。
其中,所述多个目标企业可以是属于相同领域的企业也可以是不属于相同企业领域的。
例如,有目标企业A、目标企业B以及目标企业C三个企业,目标企业A的评估分数为100,目标企业B的评估分数为98,目标企业C的评估分数为104;在互动维度上,目标企业A的第三雇主形象指数为110、目标企业B的第三雇主形象指数为97、目标企业C的第三雇主形象指数为105;在情感维度上,目标企业A的第三雇主形象指数为88、目标企业B的第三雇主形象指数为90、目标企业C的第三雇主形象指数为95;在声量维度上,目标企业A职位A第一雇主形象指数为98、目标企业B的第三雇主形象指数为107、目标企业C的第三雇主形象指数为110。
步骤307、基于每一个目标企业在同一发布信息统计维度下的第三雇主形象指数,将多个目标企业在同一发布信息统计维度下进行排名,生成发布信息统计维度排名数据集,并根据多个评估分数,将多个目标企业在综合发布信息统计维度下进行排名,生成综合发布信息统计维度排名数据集。
该步骤中,在同一发布信息统计维度上,根据每一个目标企业对应的第三雇主形象指数,将每一个目标企业在该发布信息统计维度上进行排名,基于相同排名规则在每一个发布信息统计维度上将多个目标企业进行排名,得到发布信息统计维度排名数据集;并根据多个目标企业的多个评估分数,将多个目标企业在综合发布信息统计维度下进行排名,生成综合发布信息统计维度排名数据集。
例如,对应于上述实施例,在互动维度下,对于目标企业A、目标企业B以及目标企业C,排名为ACB;在情感维度下,对于目标企业A、目标企业B以及目标企业C,排名为CBA;在声量维度下,对于目标企业A、目标企业B以及目标企业C,排名为CBA;综合发布信息统计维度下,对于目标企业A、目标企业B以及目标企业C,排名为CAB。
步骤308、基于所述发布信息统计维度排名数据集以及综合发布信息统计维度排名数据集,生成企业排名数据报告。
该步骤中,根据发布信息统计维度排名数据集以及综合发布信息统计维度排名数据集,生成详细的企业排名数据报告。
这样,所有目标企业可以根据自己企业在每一个发布信息、发布渠道上适应性的调整自身,以便在企业竞争中更具备优势。
其中,步骤301至步骤305的描述可以参照步骤201至步骤205的描述,并且能达到相同的技术效果,对此不做赘述。
进一步的,由于已经知道于同一发布信息统计维度下每一个目标企业的第一雇主形象指数以及第二雇主形象指数,可以在同一发布渠道上根据不同企业的第一雇主形象指数以及第二雇主形象指数将不同目标企业进行对比,以便目标企业在不同渠道、不同平台上根据第一雇主形象指数以及第二雇主形象指数与其他企业的对比,采取相应策略进行企业自身宣传策略的调整。
本申请实施例提供的企业形象的评估方法,获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度;基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数;基于同一个发布渠道上的每一个发布平台的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数;基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数;将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数;获取多个目标企业对应的多个评估分数和每一个目标企业在每个发布信息统计维度下的第三雇主形象指数;基于每一个目标企业在同一发布信息统计维度下的第三雇主形象指数,将多个目标企业在同一发布信息统计维度下进行排名,生成发布信息统计维度排名数据集,并根据多个评估分数,将多个目标企业在综合发布信息统计维度下进行排名,生成综合发布信息统计维度排名数据集;基于所述发布信息统计维度排名数据集以及综合发布信息统计维度排名数据集,生成企业排名数据报告。
这样,根据发布信息数据集,针对同一发布信息统计维度,计算第一雇主形象指数并根据第一权重计算每一个发布渠道对应的第二雇主形象指数,再对每一个发布渠道的第二雇主形象指数以及对应的第二权重系数,进行线性加权,得到该发布信息统计维度的第三雇主形象指数,加权计算每一个发布信息统计维度,得到企业的评估分数,并在每一个发布信息统计维度上出具报告,企业可以根据详细报告调整自身,以此提高自身竞争力,有助于提高企业战略调整的针对性。
请参阅图4,图4为本申请实施例所提供的一种企业形象的评估装置的结构示意图。如图4中所示,所述评估装置400包括:
第一获取模块410,用于获取目标企业在各个信息发布渠道上的多个发布平台中每个发布信息的发布信息数据集,以及多个发布信息统计维度。
第一确定模块420,用于基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数。
第二确定模块430,用于基于同一个发布渠道上的每一个发布平台的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数。
第三确定模块440,用于基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数。
第四确定模块450,用于将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
进一步的,发布信息统计维度包括互动维度、情感维度以及声量维度中的至少一种。
进一步的,当所述发布信息统计维度包括互动维度时,所述第一确定模块420在用于确定每一个发布平台对应的第一雇主形象指数时,还用于:
获取同一发布平台对应的发布信息数据集中的多个互动操作以及每一个互动操作对应的操作数量,其中,互动操作包括转发、点赞、评论、点击曝光中任意一种或几种;
计算全部互动操作的操作数量总数,并将所述操作数量总数指数化,确定在互动维度下该发布平台对应的第一雇主形象指数。
进一步的,当所述发布信息统计维度包括情感维度时,所述第一确定模块420在用于确定每一个发布平台对应的第一雇主形象指数时,还用于:
获取同一发布平台对应的发布信息数据集中的多条发布信息数据以及每一条发布信息数据对应的关键词,并获取预设关键词集,其中,所述预设关键词集中包括正面关键词组以及负面关键词组;
基于每一条发布信息数据的关键词与所述预设关键词集中的关键词的匹配结果,确定每一条发布信息数据所属的关键词组;
确定所述正面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的正面比例以及所述负面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的负面比例;
将所述正面比例与所述负面比例的差值指数化,确定为在情感维度下该发布平台对应的第一雇主形象指数。
进一步的,当所述发布信息统计维度包括声量维度时,所述第一确定模块420在用于确定每一个发布平台对应的第一雇主形象指数时,还用于:
获取预设企业关键词组以及同一发布平台对应的发布信息数据集中的多条发布信息数据,其中,所述预设企业关键词组中包含多个企业关键词;
检测每一条发布信息数据中的评论内容是否提到所述预设企业关键词组中的任一企业关键词;
将提到所述预设企业关键词组中的任一企业关键词的发布信息数据的数量指数化,确定在声量维度下该发布平台对应的第一雇主形象指数。
进一步的,所述评估装置400还包括:
第二获取模块,用于获取多个目标企业对应的多个评估分数和每一个目标企业在每个发布信息统计维度下的第三雇主形象指数;
第一生成模块,用于基于每一个目标企业在同一发布信息统计维度下的第三雇主形象指数,将多个目标企业在同一发布信息统计维度下进行排名,生成发布信息统计维度排名数据集,并根据多个评估分数,将多个目标企业在综合发布信息统计维度下进行排名,生成综合发布信息统计维度排名数据集;
第二生成模块,用于基于所述发布信息统计维度排名数据集以及综合发布信息统计维度排名数据集,生成企业排名数据报告。
本申请实施例提供的企业形象的评估装置,获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度;基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数;基于同一个发布渠道上的每一个发布信息的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数;基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数;将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
这样,根据发布信息数据集,针对同一发布信息统计维度,计算第一雇主形象指数并根据第一权重计算每一个发布渠道对应的第二雇主形象指数,再对每一个发布渠道的第二雇主形象指数以及对应的第二权重系数,进行线性加权,得到该发布信息统计维度的第三雇主形象指数,加权计算每一个发布信息统计维度,得到企业的评估分数,可以在每一个可以统计的维度都进行数据计算,不易出错,针对发布信息数据的统计样本数据量大具有普适性,有助于提高企业评估的准确性。
请参阅图5,图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图2以及图3所示方法实施例中的企业形象的评估方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时可以执行如上述图2以及图3所示方法实施例中的企业形象的评估方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种企业形象的评估方法,其特征在于,所述评估方法包括:
获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度;
基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数;
基于同一个发布渠道上的每一个发布平台的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数;
基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数;
将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
2.根据权利要求1所述的评估方法,其特征在于,发布信息统计维度包括互动维度、情感维度以及声量维度中的至少一种。
3.根据权利要求2所述的评估方法,其特征在于,当所述发布信息统计维度包括互动维度时,通过以下步骤确定所述第一雇主形象指数:
获取同一发布平台对应的发布信息数据集中的多个互动操作以及每一个互动操作对应的操作数量,其中,互动操作包括转发、点赞、评论、点击曝光中任意一种或几种;
计算全部互动操作的操作数量总数,并将所述操作数量总数指数化,确定在互动维度下该发布平台对应的第一雇主形象指数。
4.根据权利要求2所述的评估方法,其特征在于,当所述发布信息统计维度包括情感维度时,通过以下步骤确定所述第一雇主形象指数:
获取同一发布平台对应的发布信息数据集中的多条发布信息数据以及每一条发布信息数据对应的关键词,并获取预设关键词集,其中,所述预设关键词集中包括正面关键词组以及负面关键词组;
基于每一条发布信息数据的关键词与所述预设关键词集中的关键词的匹配结果,确定每一条发布信息数据所属的关键词组;
确定所述正面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的正面比例以及所述负面关键词组中发布信息数据的数量占同一发布平台的全部发布信息数据的数量的负面比例;
将所述正面比例与所述负面比例的差值指数化,确定为在情感维度下该发布平台对应的第一雇主形象指数。
5.根据权利要求2所述的评估方法,其特征在于,当所述发布信息统计维度包括声量维度时,通过以下步骤确定所述第一雇主形象指数:
获取预设企业关键词组以及同一发布平台对应的发布信息数据集中的多条发布信息数据,其中,所述预设企业关键词组中包含多个企业关键词;
检测每一条发布信息数据中的评论内容是否提到所述预设企业关键词组中的任一企业关键词;
将提到所述预设企业关键词组中的任一企业关键词的发布信息数据的数量指数化,确定在声量维度下该发布平台对应的第一雇主形象指数。
6.根据权利要求1所述的评估方法,其特征在于,在将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数之后,所述评估方法还包括:
获取多个目标企业对应的多个评估分数和每一个目标企业在每个发布信息统计维度下的第三雇主形象指数;
基于每一个目标企业在同一发布信息统计维度下的第三雇主形象指数,将多个目标企业在同一发布信息统计维度下进行排名,生成发布信息统计维度排名数据集,并根据多个评估分数,将多个目标企业在综合发布信息统计维度下进行排名,生成综合发布信息统计维度排名数据集;
基于所述发布信息统计维度排名数据集以及综合发布信息统计维度排名数据集,生成企业排名数据报告。
7.一种企业形象的评估装置,其特征在于,所述评估装置包括:
第一获取模块,用于获取目标企业在各个信息发布渠道上的多个发布平台中每个发布平台的发布信息数据集,以及多个发布信息统计维度;
第一确定模块,用于基于多个所述发布信息数据集,确定每一个发布平台在每个发布信息统计维度上的第一雇主形象指数;
第二确定模块,用于基于同一个发布渠道上的每一个发布平台的第一雇主形象指数以及对应的第一权重系数,确定每个发布渠道在每个发布信息统计维度的第二雇主形象指数;
第三确定模块,用于基于每一个发布信息统计维度对应的每一个发布渠道的第二雇主形象指数以及每一个发布渠道对应的第二权重系数,确定每一个发布信息统计维度的第三雇主形象指数;
第四确定模块,用于将每一个发布信息统计维度的第三雇主形象指数以及对应的第三权重系数,进行线性加权,确定所述目标企业的评估分数。
8.根据权利要求7所述的评估装置,其特征在于,所述评估装置还包括:
第二获取模块,用于获取多个目标企业对应的多个评估分数和每一个目标企业在每个发布信息统计维度下的第三雇主形象指数;
第一生成模块,用于基于每一个目标企业在同一发布信息统计维度下的第三雇主形象指数,将多个目标企业在同一发布信息统计维度下进行排名,生成发布信息统计维度排名数据集,并根据多个评估分数,将多个目标企业在综合发布信息统计维度下进行排名,生成综合发布信息统计维度排名数据集;
第二生成模块,用于基于所述发布信息统计维度排名数据集以及综合发布信息统计维度排名数据集,生成企业排名数据报告。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至6中任一所述的企业形象的评估方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至6中任一所述的企业形象的评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910918095.8A CN110648070A (zh) | 2019-09-26 | 2019-09-26 | 一种企业形象的评估方法、评估装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910918095.8A CN110648070A (zh) | 2019-09-26 | 2019-09-26 | 一种企业形象的评估方法、评估装置及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110648070A true CN110648070A (zh) | 2020-01-03 |
Family
ID=68992920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910918095.8A Pending CN110648070A (zh) | 2019-09-26 | 2019-09-26 | 一种企业形象的评估方法、评估装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110648070A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139838A (zh) * | 2021-05-10 | 2021-07-20 | 上海华客信息科技有限公司 | 酒店服务评价方法、***、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294532A (zh) * | 2016-05-18 | 2017-01-04 | 广东电网有限责任公司信息中心 | 基于微博情感分析的形象评价算法 |
CN107169632A (zh) * | 2017-04-19 | 2017-09-15 | 广东数相智能科技有限公司 | 全球媒体形象分析方法、装置和*** |
CN108764617A (zh) * | 2018-04-13 | 2018-11-06 | 北京理工大学 | 一种网络环境下企业声誉评价方法 |
CN109508373A (zh) * | 2018-11-13 | 2019-03-22 | 深圳前海微众银行股份有限公司 | 企业舆情指数的计算方法、设备及计算机可读存储介质 |
CN109840687A (zh) * | 2018-12-26 | 2019-06-04 | 北京中科闻歌科技股份有限公司 | 一种品牌影响力指数构建方法、***及存储介质 |
CN110263234A (zh) * | 2019-05-06 | 2019-09-20 | 平安科技(深圳)有限公司 | 企业家影响力评估方法、装置、计算机设备及存储介质 |
-
2019
- 2019-09-26 CN CN201910918095.8A patent/CN110648070A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294532A (zh) * | 2016-05-18 | 2017-01-04 | 广东电网有限责任公司信息中心 | 基于微博情感分析的形象评价算法 |
CN107169632A (zh) * | 2017-04-19 | 2017-09-15 | 广东数相智能科技有限公司 | 全球媒体形象分析方法、装置和*** |
CN108764617A (zh) * | 2018-04-13 | 2018-11-06 | 北京理工大学 | 一种网络环境下企业声誉评价方法 |
CN109508373A (zh) * | 2018-11-13 | 2019-03-22 | 深圳前海微众银行股份有限公司 | 企业舆情指数的计算方法、设备及计算机可读存储介质 |
CN109840687A (zh) * | 2018-12-26 | 2019-06-04 | 北京中科闻歌科技股份有限公司 | 一种品牌影响力指数构建方法、***及存储介质 |
CN110263234A (zh) * | 2019-05-06 | 2019-09-20 | 平安科技(深圳)有限公司 | 企业家影响力评估方法、装置、计算机设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139838A (zh) * | 2021-05-10 | 2021-07-20 | 上海华客信息科技有限公司 | 酒店服务评价方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11868941B2 (en) | Task-level answer confidence estimation for worker assessment | |
Lang et al. | # MaskOn!# MaskOff! Digital polarization of mask-wearing in the United States during COVID-19 | |
Muller | Lurking as personal trait or situational disposition: lurking and contributing in enterprise social media | |
WO2019108133A1 (en) | Talent management platform | |
US20110166926A1 (en) | Evaluating Online Marketing Efficiency | |
Ragone et al. | On peer review in computer science: Analysis of its effectiveness and suggestions for improvement | |
US20160132909A1 (en) | Systems and Methods for Candidate Tracking | |
Lobo et al. | Prime ministers in the age of austerity: an increase in the personalisation of voting behaviour | |
US11238410B1 (en) | Methods and systems for merging outputs of candidate and job-matching artificial intelligence engines executing machine learning-based models | |
CN109285094B (zh) | 法律文书的处理方法及装置 | |
Paine et al. | The effectiveness of journals as arbiters of scientific impact | |
CN105405051B (zh) | 金融事件预测方法和装置 | |
CN111062486A (zh) | 一种评价数据的特征分布和置信度的方法及装置 | |
Yang et al. | The effect of institutional quality on national wealth: an examination using multiple imputation method | |
CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及*** | |
D’Orazio et al. | Crowdsourcing the measurement of interstate conflict | |
Ono et al. | Improving risk assessments in conservation ecology | |
CN110858343A (zh) | 一种数据资产价值评估***以及方法 | |
CN110648070A (zh) | 一种企业形象的评估方法、评估装置及可读存储介质 | |
Chakroborti et al. | Designing for recommending intermediate states in a scientific workflow management system | |
CN110930106A (zh) | 线上面试***的信息处理方法、装置和*** | |
JP2017188004A (ja) | ソーシャルメディアにおける特定テーマの投稿の時系列変化を追跡的に分析するコンピューティング | |
CN111506826A (zh) | 基于亲密度的用户推荐方法、装置、设备及存储介质 | |
Christoforou et al. | An experimental characterization of workers’ behavior and accuracy in crowdsourced tasks | |
Hong et al. | Aspects of Data Quality in Psychology: Missing Data and Aberrant Responses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201221 Address after: A108, 1 / F, curling hall, winter training center, 68 Shijingshan Road, Shijingshan District, Beijing 100041 Applicant after: Beijing second hand Artificial Intelligence Technology Co.,Ltd. Address before: Room 9014, 9 / F, building 3, yard 30, Shixing street, Shijingshan District, Beijing Applicant before: ADMASTER TECHNOLOGY (BEIJING) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200103 |
|
RJ01 | Rejection of invention patent application after publication |