论文部分内容阅读
绩效评估是人力资源管理中极其重要的一个方面。对于提高企业中员工的积极性和创造性,促进企业发展具有重要作用。20世纪80年代末,美国已经有大约90%以上的组织(包括企业及非营利机构)开展了绩效评估,绩效评估中采用了不同的绩效评估方法。我国从2002年开始加大了对绩效评估方法的研究,研究重点主要集中在企业。企业作为经济发展的主体单位,适当的绩效评估方法能够促进其进一步发展。绩效评估由于评估层次的不同可以分为以下三种:企业绩效评估、部门绩效评估、和个人绩效评估。本文主要对部门绩效评估进行研究。
企业中多个部门的有机结合和合作才形成了企业实体。因此企业中的各个部门之间存在着联系并不是独立存在的,并且有一些业绩是多个部门合作完成的。但是现有的绩效评估方法在评估时没有注重部门之间的协作关系,所以导致部门的绩效评估数据并不能全面的反应部门的业绩情况。本文提出了一种基于复杂网络的绩效评估方法,利用加权的有向的复杂网络将多个部门共同产生的数据按照一定的权重进行分配,从而达到业绩数据的合理分配。
但是绩效评估方法在实际运用中需要解决的关键问题是数据提取。尤其是隐藏在文本数据当中的绩效评估数据,所以当绩效评估需要这些数据时必须将这些数据中提取出来。本文使用聚类算法将文本数据按照关键词进行聚类,然后再进行数据的统计工作。本文使用聚类分析中的K—means算法来解决这一关键问题。但是由于K-means算法本身存在的初始聚类中心对聚类结果影响很大,而无法完全满足基于复杂网络的绩效评估方法的需要,所以本文对K-means算法进行了改进。本文主要使用了复杂网络中的聚集系数和加权复杂网络的概念,按照文本之间关联强度选择初始聚类中心,从而形成了新的K—means算法——CK—means算法。经过试验表明CK-means算法在具有基本K—means算法的优点的同时,取得了良好的聚类效果。并且在实际的应用中获得了良好的效果。