(19)中华 人民共和国 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 202111656126.0 (22)申请日 2021.12.3 0 (71)申请人 江苏南复数据科技有限公司 地址 215000 江苏省苏州市工业园区通园 路236号博济苏印制造242 (72)发明人 顾儒杰　 (74)专利代理 机构 北京棘龙知识产权代理有限 公司 11740 代理人 张开 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 10/10(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于多源网格数据的人才流动分析方 法 (57)摘要 本发明公开了一种基于多源网格数据的人 才流动分析方法， 包 括： (1)获取数据； (2)网格划 分； (3)建立标注样本集； (4)获得预测模型； (5) 完成分析。 通过上述方式， 本发明一种基于多源 网格数据的人才流动分析方法， 可以对任意区 域、 任意时间进行人才流动风行预测和统计， 利 用网格化 技术进一步提高分析和预测的精确度。 权利要求书1页 说明书3页 附图1页 CN 114282735 A 2022.04.05 CN 114282735 A 1.一种基于多源网格数据的人才流动分析 方法， 其特 征在于， 步骤 包括： (1)获取数据， 选择研究区域和时间信息， 并获取对应区域和时间内的人才流动信息数 据； (2)网格划分， 对研究区域进行网格划分， 并利用数据分配模块将获取到的人才流动信 息数据分配至每 个网格， 确定不同时间段的每 个网格的单 元网格数据； (3)建立标注样本集， 根据每个时间段的每个网格的单元网格数据， 计算得到每个时间 段的每个网格的人才流动风险值， 将人才流动风险值作为标注数据并建立标注样本集； (4)获得预测模型， 获取神经网络模型并对标注样本集进行学习， 获得每个网格的人才 流动风险预测模型； (5)完成分析， 选择预测研究区域和预测时间信息， 获取对应预测区域和时间段内的人 才流动信息数据， 并对其进行 人才流动风险的预测 和统计， 生成分析报告。 2.根据权利要求1所述的基于多源 网格数据的人才流动分析方法， 其特征在于， 所述人 才流动信息包括人才引进信息和人才流失信息 。 3.根据权利要求2所述的基于多源 网格数据的人才流动分析方法， 其特征在于， 所述人 才引进信息包括引进地址、 引进数量、 引进学历、 引进年龄、 引进理由、 引进时间和引进政 策。 4.根据权利要求2所述的基于多源 网格数据的人才流动分析方法， 其特征在于， 所述人 才流失信息包括流失位置、 流失数量、 流失学历、 流失年龄、 流失岗位、 流失理由、 流失时间 和流失政策。 5.根据权利要求1所述的基于多源 网格数据的人才流动分析方法， 其特征在于， 所述单 元网格数据包括人才进入总人 数和人才流失总人 数。 6.根据权利要求5所述的基于多源 网格数据的人才流动分析方法， 其特征在于， 所述人 才流动风险值 为预测时间内人才总流出率和人才总流入率的目标值。 7.根据权利要求1所述的基于多源 网格数据的人才流动分析方法， 其特征在于， 每个所 述网格的空间范围为3 ‑10km。权　利　要　求　书 1/1 页 2 CN 114282735 A 2一种基于多源 网格数据的 人才流动分析方 法 技术领域 [0001]本发明涉及数据分析领域， 特别是涉及一种基于多源网格数据的人才流动分析方 法。 背景技术 [0002]人才是每个城市甚至是国家发展最核心的要素。 当今世界科技进步日新月异， 知 识经济方兴未艾， 掌握人才方可在激烈的国内外竞争中赢得主动。 有效地提升资源配置效 率， 提高生产效率， 保护环境和减少风险， 都 需要＂ 人才＂支撑， 所以每个省、 市都应该更加重 视和关注人才的流动。 [0003]但是在目前， 人才的流动统计只能靠人工手动计算来进行统计， 更加无法根据现 有的各种信息来预测未来的人才流动情况， 使得人才流动不能被合理的干预和调整， 非常 不利于社会的发展。 发明内容 [0004]本发明主要解决的技术问题是提供一种基于多源网格数据的人才流动分析方法， 具有可靠性能高、 定位精确等优点， 同时在数据分析的应用及普及上有着广泛的市场前 景。 [0005]为解决上述 技术问题， 本发明采用的一个技 术方案是： [0006]提供一种基于多源网格数据的人才流动分析 方法， 其步骤包括： [0007](1)获取数据， 选择研究区域和时间信息， 并获取对应区域和时间内的人才流动信 息数据； [0008](2)网格划分， 对研究区域进行网格划分， 并利用数据分配模块将获取到的人才流 动信息数据分配至每 个网格， 确定不同时间段的每 个网格的单 元网格数据； [0009](3)建立标注样本集， 根据每个时间段的每个网格的单元网格数据， 计算得到每个 时间段的每个网格的人才流动风险值， 将人才流动风险值作为标注数据并建立标注样本 集； [0010](4)获得预测模型， 获取神经 网络模型并对标注样本集进行学习， 获得每个网格的 人才流动风险预测模型； [0011](5)完成分析， 选择预测研究区域和预测时间信息， 获取对应预测区域和时间段内 的人才流动信息数据， 并对其进行 人才流动风险的预测 和统计， 生成分析报告。 [0012]在本发明一个较佳实施例中， 所述人才流动信息包括人才引进信息和人才流失信 息。 [0013]在本发明一个较佳实施例中， 所述人才引进信息包括引进地址、 引进数量、 引进学 历、 引进年龄、 引进理由、 引进时间和引进政策。 [0014]在本发明一个较佳实施例中， 所述人才流失信息包括流失位置、 流失数量、 流失学 历、 流失年龄、 流失岗位、 流失理由、 流失时间和流失政策。 [0015]在本发明一个较佳实施例中， 所述单元网格数据包括人才进入总人数和人才流失说　明　书 1/3 页 3 CN 114282735 A 3