本發(fā)明涉及任務(wù)分配，具體的說(shuō)是一種研發(fā)需求與研發(fā)人員的精準(zhǔn)匹配方法及系統(tǒng)。

背景技術(shù)：

1、隨著云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)的不斷發(fā)展，項(xiàng)目運(yùn)營(yíng)管理逐漸向數(shù)字化和智能化方向發(fā)展。數(shù)字化技術(shù)可以提高運(yùn)營(yíng)效率和質(zhì)量，同時(shí)減少人力成本，智能化技術(shù)則可以提高預(yù)測(cè)和決策的準(zhǔn)確性。

2、目前傳統(tǒng)的研發(fā)團(tuán)隊(duì)管理中任務(wù)派發(fā)監(jiān)管完全通過(guò)團(tuán)隊(duì)負(fù)責(zé)人主觀得去判斷，任務(wù)交由誰(shuí)來(lái)做以及完成需要多長(zhǎng)時(shí)間完全是由負(fù)責(zé)人得個(gè)人經(jīng)驗(yàn)來(lái)得出。這就存在以下問(wèn)題：

3、1、主觀判斷不準(zhǔn)確；

4、2、任務(wù)研發(fā)過(guò)程中數(shù)字化管控不足；

5、3、對(duì)任務(wù)全程管控的數(shù)據(jù)利用不充分。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)目前技術(shù)發(fā)展的需求和不足之處，提供一種研發(fā)需求與研發(fā)人員的精準(zhǔn)匹配方法及系統(tǒng)，通過(guò)對(duì)任務(wù)分類分級(jí)、對(duì)研發(fā)人員能力評(píng)級(jí)，達(dá)到需求自動(dòng)拆解成標(biāo)準(zhǔn)的研發(fā)任務(wù)、智能預(yù)測(cè)需求耗時(shí)、智能推薦最佳研發(fā)人員的效果，從而實(shí)現(xiàn)研發(fā)管理的科學(xué)高效。

2、第一方面，本發(fā)明提供一種研發(fā)需求與研發(fā)人員的精準(zhǔn)匹配方法，解決上述技術(shù)問(wèn)題采用的技術(shù)方案如下：

3、一種研發(fā)需求與研發(fā)人員的精準(zhǔn)匹配方法，其包括如下步驟：

4、s1、獲取符合描述規(guī)則的研發(fā)需求文檔；

5、s2、通過(guò)自然語(yǔ)言處理、文檔預(yù)訓(xùn)練學(xué)習(xí)和深度學(xué)習(xí)三個(gè)操作，將獲取的研發(fā)需求文檔自動(dòng)拆解為最小粒度的研發(fā)任務(wù)集合；

6、s3、提取集合中每個(gè)研發(fā)任務(wù)的關(guān)鍵特征，通過(guò)匹配算法與預(yù)設(shè)任務(wù)分類分級(jí)庫(kù)中的條目進(jìn)行比對(duì)，找出最匹配的任務(wù)類型和級(jí)別；

7、s4、提取集合中每個(gè)研發(fā)任務(wù)的關(guān)鍵特征、所屬的具體任務(wù)類型和級(jí)別，通過(guò)匹配算法與預(yù)設(shè)研發(fā)人員綜合評(píng)級(jí)庫(kù)中的研發(fā)人員進(jìn)行比對(duì)，找出最適合且預(yù)測(cè)耗時(shí)最短的研發(fā)人員，通過(guò)可視化界面供研發(fā)經(jīng)理查看；

8、s5、根據(jù)步驟s4中匹配算法的輸出結(jié)果，研發(fā)經(jīng)理將拆解出的研發(fā)任務(wù)派發(fā)給對(duì)應(yīng)的研發(fā)人員，研發(fā)任務(wù)集合對(duì)應(yīng)的研發(fā)人員組成一個(gè)研發(fā)團(tuán)隊(duì)。

9、可選的，所涉及步驟s2具體包括如下過(guò)程：

10、s2.1、自然語(yǔ)言處理：對(duì)研發(fā)需求文檔進(jìn)行分詞、去除停用詞和詞性標(biāo)注的文本預(yù)處理；利用命名實(shí)體識(shí)別技術(shù)提取文本中的實(shí)體，并通過(guò)關(guān)系抽取確定實(shí)體之間的關(guān)聯(lián)關(guān)系；對(duì)句子進(jìn)行依存句法分析，識(shí)別句子中各個(gè)詞語(yǔ)之間的依存關(guān)系；通過(guò)語(yǔ)義角色標(biāo)注識(shí)別每個(gè)謂詞-論元結(jié)構(gòu)中的語(yǔ)義角色，理解句子描述的具體事件或動(dòng)作；通過(guò)分析和總結(jié)文本內(nèi)容，提取關(guān)鍵詞并生成摘要；

11、s2.2、使用基于bert的預(yù)訓(xùn)練模型；根據(jù)研發(fā)需求文檔的特點(diǎn)，對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)，使其更好地適應(yīng)指定領(lǐng)域的語(yǔ)言規(guī)則和術(shù)語(yǔ)；利用預(yù)訓(xùn)練模型基于摘要文本生成上下文相關(guān)的詞嵌入，捕捉摘要文本中的深層語(yǔ)義信息；

12、s2.3、構(gòu)建面向任務(wù)的深度學(xué)習(xí)模型，深度學(xué)習(xí)模型根據(jù)摘要文本和預(yù)訓(xùn)練模型的輸出，首先將摘要文本分類到預(yù)設(shè)的類別中，隨后通過(guò)序列標(biāo)注模型對(duì)摘要文本中的單詞進(jìn)行標(biāo)注，識(shí)別任務(wù)的邊界和類型，再后計(jì)算摘要文本中不同部分之間的語(yǔ)義相似度，輔助判斷哪些內(nèi)容屬于同一任務(wù)或相關(guān)任務(wù)，最終實(shí)現(xiàn)將研發(fā)需求文檔拆解為最小粒度的研發(fā)任務(wù)集合的目標(biāo)。

13、可選的，所涉及步驟s3選擇的匹配算法為余弦相似度計(jì)算、基于規(guī)則的匹配、決策樹(shù)、支持向量機(jī)或神經(jīng)網(wǎng)絡(luò)算法中的一種；

14、步驟s4選擇的匹配算法為基于規(guī)則的匹配、多因素綜合評(píng)價(jià)、優(yōu)化算法或機(jī)器學(xué)習(xí)模型中的一種。

15、可選的，所涉及研發(fā)人員綜合評(píng)級(jí)庫(kù)包含研發(fā)人員的技能信息、工作經(jīng)驗(yàn)、歷史表現(xiàn)、偏好領(lǐng)域和能力等級(jí)，其中：研發(fā)人員的歷史表現(xiàn)包括完成任務(wù)的準(zhǔn)時(shí)率、代碼質(zhì)量、技術(shù)問(wèn)題的解決速度、團(tuán)隊(duì)合作與溝通能力、創(chuàng)新能力、學(xué)習(xí)能力、項(xiàng)目管理與領(lǐng)導(dǎo)能力、客戶反饋、任務(wù)復(fù)雜度、工作量和工作態(tài)度；

16、基于研發(fā)人員的歷史表現(xiàn)，使用預(yù)訓(xùn)練的量化模型為每位研發(fā)人員生成一個(gè)能力評(píng)分，通過(guò)預(yù)設(shè)的閾值范圍，根據(jù)能力評(píng)分將研發(fā)人員劃分為不同的能力等級(jí)；

17、提取集合中每個(gè)研發(fā)任務(wù)的關(guān)鍵特征、所屬的具體任務(wù)類型和級(jí)別后，通過(guò)匹配算法與預(yù)設(shè)研發(fā)人員綜合評(píng)級(jí)庫(kù)中的研發(fā)人員進(jìn)行比對(duì)，首先找出與研發(fā)任務(wù)相匹配的研發(fā)人員，隨后基于研發(fā)人員的歷史表現(xiàn)預(yù)測(cè)研發(fā)任務(wù)的耗時(shí)，最后選出耗時(shí)最短的研發(fā)人員。

18、進(jìn)一步可選的，所涉及量化模型的預(yù)訓(xùn)練過(guò)程如下：

19、收集研發(fā)人員的歷史表現(xiàn)數(shù)據(jù)，將收集到的數(shù)據(jù)轉(zhuǎn)換為量化的特征，作為歷史數(shù)據(jù)集；

20、使用研發(fā)人員的歷史數(shù)據(jù)集對(duì)選定的量化模型進(jìn)行訓(xùn)練，確保量化模型能夠準(zhǔn)確地映射研發(fā)人員的特征到其能力評(píng)分；

21、通過(guò)訓(xùn)練好的量化模型，為每位研發(fā)人員生成一個(gè)綜合的能力評(píng)分，該評(píng)分反映了研發(fā)人員在各個(gè)評(píng)價(jià)維度上的表現(xiàn)；

22、使用預(yù)訓(xùn)練的量化模型為每位研發(fā)人員生成一個(gè)能力評(píng)分，通過(guò)預(yù)設(shè)的閾值范圍，根據(jù)能力評(píng)分將研發(fā)人員劃分為不同的能力等級(jí)。

23、第二方面，本發(fā)明提供一種研發(fā)需求與研發(fā)人員的精準(zhǔn)匹配系統(tǒng)，解決上述技術(shù)問(wèn)題采用的技術(shù)方案如下：

24、一種研發(fā)需求與研發(fā)人員的精準(zhǔn)匹配系統(tǒng)，其包括：

25、需求獲取模塊，用于獲取符合描述規(guī)則的研發(fā)需求文檔；

26、文檔解析模塊，用于通過(guò)自然語(yǔ)言處理、文檔預(yù)訓(xùn)練學(xué)習(xí)和深度學(xué)習(xí)三個(gè)操作，將獲取的研發(fā)需求文檔自動(dòng)拆解為最小粒度的研發(fā)任務(wù)集合；

27、任務(wù)匹配模塊，用于提取集合中每個(gè)研發(fā)任務(wù)的關(guān)鍵特征，通過(guò)匹配算法與預(yù)設(shè)任務(wù)分類分級(jí)庫(kù)中的條目進(jìn)行比對(duì)，找出最匹配的任務(wù)類型和級(jí)別；

28、人員匹配模塊，用于提取集合中每個(gè)研發(fā)任務(wù)的關(guān)鍵特征、所屬的具體任務(wù)類型和級(jí)別，通過(guò)匹配算法與預(yù)設(shè)研發(fā)人員綜合評(píng)級(jí)庫(kù)中的研發(fā)人員進(jìn)行比對(duì)，找出最適合且預(yù)測(cè)耗時(shí)最短的研發(fā)人員；

29、任務(wù)管理模塊，用于根據(jù)人員匹配模塊的輸出結(jié)果，將文檔解析模塊拆解出的研發(fā)任務(wù)派發(fā)給對(duì)應(yīng)的研發(fā)人員，研發(fā)任務(wù)集合對(duì)應(yīng)的研發(fā)人員組成一個(gè)研發(fā)團(tuán)隊(duì)。

30、可選的，所涉及文檔解析模塊通過(guò)自然語(yǔ)言處理、文檔預(yù)訓(xùn)練學(xué)習(xí)和深度學(xué)習(xí)三個(gè)操作，將獲取的研發(fā)需求文檔自動(dòng)拆解為最小粒度的研發(fā)任務(wù)集合，具體過(guò)程包括：

31、(1)自然語(yǔ)言處理：對(duì)研發(fā)需求文檔進(jìn)行分詞、去除停用詞和詞性標(biāo)注的文本預(yù)處理；利用命名實(shí)體識(shí)別技術(shù)提取文本中的實(shí)體，并通過(guò)關(guān)系抽取確定實(shí)體之間的關(guān)聯(lián)關(guān)系；對(duì)句子進(jìn)行依存句法分析，識(shí)別句子中各個(gè)詞語(yǔ)之間的依存關(guān)系；通過(guò)語(yǔ)義角色標(biāo)注識(shí)別每個(gè)謂詞-論元結(jié)構(gòu)中的語(yǔ)義角色，理解句子描述的具體事件或動(dòng)作；通過(guò)分析和總結(jié)文本內(nèi)容，提取關(guān)鍵詞并生成摘要；

32、(2)文檔預(yù)訓(xùn)練學(xué)習(xí)：使用基于bert的預(yù)訓(xùn)練模型；根據(jù)研發(fā)需求文檔的特點(diǎn)，對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)，使其更好地適應(yīng)指定領(lǐng)域的語(yǔ)言規(guī)則和術(shù)語(yǔ)；利用預(yù)訓(xùn)練模型基于摘要文本生成上下文相關(guān)的詞嵌入，捕捉摘要文本中的深層語(yǔ)義信息；

33、(3)深度學(xué)習(xí)：構(gòu)建面向任務(wù)的深度學(xué)習(xí)模型，深度學(xué)習(xí)模型根據(jù)摘要文本和預(yù)訓(xùn)練模型的輸出，首先將摘要文本分類到預(yù)設(shè)的類別中，隨后通過(guò)序列標(biāo)注模型對(duì)摘要文本中的單詞進(jìn)行標(biāo)注，識(shí)別任務(wù)的邊界和類型，再后計(jì)算摘要文本中不同部分之間的語(yǔ)義相似度，輔助判斷哪些內(nèi)容屬于同一任務(wù)或相關(guān)任務(wù)，最終實(shí)現(xiàn)將研發(fā)需求文檔拆解為最小粒度的研發(fā)任務(wù)集合的目標(biāo)。

34、可選的，所涉及任務(wù)匹配模塊選擇的匹配算法為余弦相似度計(jì)算、基于規(guī)則的匹配、決策樹(shù)、支持向量機(jī)或神經(jīng)網(wǎng)絡(luò)算法中的一種；

35、所涉及人員匹配模塊選擇的匹配算法為基于規(guī)則的匹配、多因素綜合評(píng)價(jià)、優(yōu)化算法或機(jī)器學(xué)習(xí)模型中的一種。

36、可選的，所涉及研發(fā)人員綜合評(píng)級(jí)庫(kù)包含研發(fā)人員的技能信息、工作經(jīng)驗(yàn)、歷史表現(xiàn)、偏好領(lǐng)域和能力等級(jí)，其中：研發(fā)人員的歷史表現(xiàn)包括完成任務(wù)的準(zhǔn)時(shí)率、代碼質(zhì)量、技術(shù)問(wèn)題的解決速度、團(tuán)隊(duì)合作與溝通能力、創(chuàng)新能力、學(xué)習(xí)能力、項(xiàng)目管理與領(lǐng)導(dǎo)能力、客戶反饋、任務(wù)復(fù)雜度、工作量和工作態(tài)度；

37、基于研發(fā)人員的歷史表現(xiàn)，使用預(yù)訓(xùn)練的量化模型為每位研發(fā)人員生成一個(gè)能力評(píng)分，通過(guò)預(yù)設(shè)的閾值范圍，根據(jù)能力評(píng)分將研發(fā)人員劃分為不同的能力等級(jí)；

38、人員匹配模塊提取集合中每個(gè)研發(fā)任務(wù)的關(guān)鍵特征、所屬的具體任務(wù)類型和級(jí)別，通過(guò)匹配算法與預(yù)設(shè)研發(fā)人員綜合評(píng)級(jí)庫(kù)中的研發(fā)人員進(jìn)行比對(duì)，首先找出與研發(fā)任務(wù)相匹配的研發(fā)人員，隨后基于研發(fā)人員的歷史表現(xiàn)預(yù)測(cè)研發(fā)任務(wù)的耗時(shí)，最后選出耗時(shí)最短的研發(fā)人員。

39、進(jìn)一步可選的，所涉及量化模型的預(yù)訓(xùn)練過(guò)程如下：

40、收集研發(fā)人員的歷史表現(xiàn)數(shù)據(jù)，將收集到的數(shù)據(jù)轉(zhuǎn)換為量化的特征，作為歷史數(shù)據(jù)集；

41、使用研發(fā)人員的歷史數(shù)據(jù)集對(duì)選定的量化模型進(jìn)行訓(xùn)練，確保量化模型能夠準(zhǔn)確地映射研發(fā)人員的特征到其能力評(píng)分；

42、通過(guò)訓(xùn)練好的量化模型，為每位研發(fā)人員生成一個(gè)綜合的能力評(píng)分，該評(píng)分反映了研發(fā)人員在各個(gè)評(píng)價(jià)維度上的表現(xiàn)；

43、使用預(yù)訓(xùn)練的量化模型為每位研發(fā)人員生成一個(gè)能力評(píng)分，通過(guò)預(yù)設(shè)的閾值范圍，根據(jù)能力評(píng)分將研發(fā)人員劃分為不同的能力等級(jí)。

44、本發(fā)明的一種研發(fā)需求與研發(fā)人員的精準(zhǔn)匹配方法及系統(tǒng)，與現(xiàn)有技術(shù)相比具有的有益效果是：

45、1、本發(fā)明通過(guò)獲取研發(fā)需求文檔、拆解為最小粒度的研發(fā)任務(wù)集合、提取關(guān)鍵特征并與預(yù)設(shè)庫(kù)進(jìn)行比對(duì)、找出最適合的研發(fā)人員等步驟，實(shí)現(xiàn)了研發(fā)需求與研發(fā)人員的精準(zhǔn)匹配，可以提高研發(fā)效率和質(zhì)量，減少資源浪費(fèi)；

46、2、本發(fā)明在匹配研發(fā)需求與研發(fā)人員的過(guò)程中，首先對(duì)研發(fā)任務(wù)進(jìn)行分類分級(jí)，對(duì)研發(fā)人員做數(shù)字人員畫(huà)像，實(shí)現(xiàn)研發(fā)任務(wù)派發(fā)的科學(xué)高效且智能，實(shí)現(xiàn)研發(fā)人員能力的最合理利用，也最大發(fā)揮研發(fā)團(tuán)隊(duì)的效能。