Key points are not available for this paper at this time.
Toda organização possui redes organizacionais para a troca de ideias e informações. Acredita-se que a análise de redes organizacionais (ONA) pode ajudar a empresa a ser mais eficaz. Embora consideráveis esforços de pesquisa tenham sido feitos para visualizar e analisar relacionamentos em redes organizacionais, falta uma maneira holística de modelar as estruturas sociais complexas e ricas informações semânticas dessas redes. De fato, os comportamentos dos funcionários podem ocorrer em diferentes plataformas de comunicação, como e-mail e sistemas de mensagens instantâneas, que naturalmente levam à estrutura multiplex das redes sociais organizacionais. Enquanto isso, também é um desafio modelar o impacto das informações semânticas, como atributos dos funcionários e organogramas, e os relacionamentos de colaboração dos funcionários. Para esse fim, neste artigo, propomos uma abordagem de Embedding de Rede Atenta Multiplex (MANE) para modelar as redes sociais organizacionais de maneira holística. Especificamente, primeiro desenvolvemos uma abordagem de passeio aleatório com múltiplos atributos para modelar conjuntamente várias redes, com a integração de informações de trabalho externas. Em seguida, preservamos a estrutura da rede maximizando a probabilidade de prever o nó central com base nos nós de contexto circundantes. Em particular, introduzimos um mecanismo de atenção para atribuir um peso a cada nó de contexto no processo de treinamento, de acordo com sua relação atribuída e relação estrutural com o nó central, utilizando o algoritmo k-core e o algoritmo de caminho mais curto. Desta forma, os resultados de embedding podem ser mantidos consistentes com seus relacionamentos estruturais. Além disso, para resolver algumas tarefas em nível departamental, introduzimos um método de transição relacional atenta para aprender a representação de departamentos nas redes organizacionais. Por fim, avaliamos o desempenho do MANE com experimentos extensivos em dados do mundo real para três importantes tarefas de gestão de talentos, a saber, previsão de desempenho de funcionários, previsão de rotatividade de funcionários e previsão de desempenho de departamentos. Também realizamos uma tarefa de previsão de links para validar a eficácia do embedding de funcionários. Os resultados experimentais mostram claramente a eficácia e interpretabilidade do MANE para a análise de redes organizacionais.
Ye et al. (qui,) estudaram essa questão.