feat: update clustering implementation and docs

README.md

@@ -2,9 +2,21 @@
 
 ## 项目简介
 
-本项目面向企业人力资源管理与运营分析场景，围绕员工缺勤事件构建了一个集数据分析、风险预测、群体画像与可视化展示于一体的毕业设计系统。系统支持缺勤趋势分析、影响因素挖掘、单次缺勤时长预测、多模型对比以及员工群体聚类展示。
+本项目面向企业人力资源管理与运营分析场景，围绕员工缺勤事件构建了一个集数据概览、影响因素分析、`JD-R` 理论解释、风险预测、群体画像与可解释分析于一体的毕业设计系统。系统既关注“缺勤发生了什么”，也关注“为什么会缺勤”以及“如何进行干预”。
 
-后端采用 `Flask + scikit-learn + PyTorch`，前端采用 `Vue 3 + Element Plus + ECharts`。当前版本同时支持传统机器学习模型和 `LSTM+MLP` 深度学习模型。
+后端采用 `Flask + scikit-learn + PyTorch`，前端采用 `Vue 3 + Element Plus + ECharts`。当前实现同时包含传统机器学习模型、基于时序注意力融合的深度学习模型，以及 `SHAP` 全局/局部解释能力。
+
+## 理论支撑
+
+系统以 `JD-R`（Job Demands-Resources，工作要求-资源）模型作为解释员工缺勤的重要理论基础，并在代码中完成了落地：
+
+- 工作要求维度：工作自主性、情绪劳动强度、时间压力感知、角色模糊度、工作家庭冲突
+- 工作资源维度：上级支持、同事支持、技能多样性、职业发展机会、参与决策、组织公平感
+- 个人资源维度：自我效能感、心理韧性、乐观程度
+- 中介变量：工作倦怠、工作投入
+- 复合指标：工作要求指数、工作资源指数、个人资源指数、`JD-R` 平衡度、倦怠风险指数、工作投入指数
+
+这意味着系统不仅做统计和预测，还能从“高要求导致倦怠”“资源促进投入”的心理学视角解释缺勤风险。
 
 ## 功能模块
 
@@ -22,16 +34,23 @@
 - 相关性热力图
 - 多维群体对比分析
 
-### 3. 缺勤预测
+### 3. `JD-R` 理论分析
+
+- 工作要求、工作资源、个人资源三维度分析
+- 工作倦怠与工作投入分布分析
+- 健康损伤路径与激励路径分析
+- 分组画像与风险分布分析
+
+### 4. 缺勤预测与解释
 
 - 单次缺勤时长预测
 - 风险等级评估
 - 多模型结果对比
-- 传统模型与深度学习模型切换
+- `SHAP` 局部解释与维度贡献展示
 
-### 4. 员工画像
+### 5. 员工画像
 
-- 聚类结果展示
+- `K-Means` 聚类结果展示
 - 群体画像分析
 - 群体散点图可视化
 
@@ -64,12 +83,13 @@
 forsetsystem/
 ├── backend/
 │   ├── api/                      # 接口层
-│   ├── core/                     # 数据生成、特征工程、训练、聚类、深度学习
+│   ├── core/                     # 数据生成、特征工程、训练、聚类、可解释分析
 │   ├── services/                 # 业务服务层
 │   ├── data/
 │   │   └── raw/
 │   │       └── china_enterprise_absence_events.csv
 │   ├── models/                   # 模型文件与训练工件
+│   ├── outputs/                  # 评估图与结果导出
 │   ├── app.py                    # 后端入口
 │   ├── config.py                 # 项目配置
 │   └── requirements.txt
@@ -167,7 +187,7 @@ http://127.0.0.1:5000
 
 ```powershell
 cd ..\frontend
-pnpm dev
+npm run dev
 ```
 
 前端默认地址：
@@ -178,29 +198,39 @@ http://127.0.0.1:5173
 
 ## 模型说明
 
-当前系统支持以下模型类型：
+当前训练产物中启用的模型包括：
 
 - `random_forest`
 - `gradient_boosting`
 - `extra_trees`
 - `xgboost`
-- `lightgbm`
 - `lstm_mlp`
 
 其中：
 
-- 传统模型适合结构化特征解释与特征重要性分析
-- `LSTM+MLP` 适合结合事件序列与静态特征进行预测
+- 传统树模型适合结构化特征建模、特征重要性排序和 `SHAP` 解释
+- `lstm_mlp` 是接口名称，当前内部实现为“时序注意力融合网络”，采用 `Transformer` 时序编码 + 静态特征门控融合
+- 深度学习模型使用 `8` 步时间窗口，结合 `15` 个序列特征和 `13` 个静态特征完成预测
 
-## 数据与训练文件
+## 数据与训练信息
 
-常用路径如下：
+- 原始数据集规模：`12000` 条缺勤事件
+- 员工覆盖数：`2575`
+- 企业覆盖数：`180`
+- 数据字段总数：`73`
+- 传统模型特征工程后总特征数：`89`
+- 当前筛选后进入传统模型的核心特征数：`22`
+- 当前训练元数据日期：`2026-04-03`
 
-- 数据集文件：[china_enterprise_absence_events.csv](D:/VScodeProject/forsetsystem/backend/data/raw/china_enterprise_absence_events.csv)
-- 配置文件：[config.py](D:/VScodeProject/forsetsystem/backend/config.py)
-- 数据生成脚本：[generate_dataset.py](D:/VScodeProject/forsetsystem/backend/core/generate_dataset.py)
-- 模型训练脚本：[train_model.py](D:/VScodeProject/forsetsystem/backend/core/train_model.py)
-- 深度学习脚本：[deep_learning_model.py](D:/VScodeProject/forsetsystem/backend/core/deep_learning_model.py)
+## 常用路径
+
+- 数据集文件：[china_enterprise_absence_events.csv](D:/forsetsystem/backend/data/raw/china_enterprise_absence_events.csv)
+- 配置文件：[config.py](D:/forsetsystem/backend/config.py)
+- 数据生成脚本：[generate_dataset.py](D:/forsetsystem/backend/core/generate_dataset.py)
+- 特征工程脚本：[model_features.py](D:/forsetsystem/backend/core/model_features.py)
+- 深度学习脚本：[deep_learning_model.py](D:/forsetsystem/backend/core/deep_learning_model.py)
+- `JD-R` 服务：[jdr_service.py](D:/forsetsystem/backend/services/jdr_service.py)
+- `SHAP` 分析器：[shap_analysis.py](D:/forsetsystem/backend/core/shap_analysis.py)
 
 ## 接口概览
 
@@ -224,6 +254,7 @@ http://127.0.0.1:5173
 - `GET /api/predict/model-info`
 - `POST /api/predict/single`
 - `POST /api/predict/compare`
+- `POST /api/predict/risk-classify`
 
 ### 员工画像
 
@@ -231,12 +262,27 @@ http://127.0.0.1:5173
 - `GET /api/cluster/profile`
 - `GET /api/cluster/scatter`
 
+### `JD-R` 理论分析
+
+- `GET /api/jdr/dimensions`
+- `GET /api/jdr/burnout-engagement`
+- `GET /api/jdr/path-analysis`
+- `GET /api/jdr/profile`
+- `GET /api/jdr/risk-distribution`
+
+### `SHAP` 可解释分析
+
+- `GET /api/shap/global`
+- `POST /api/shap/local`
+- `GET /api/shap/interaction`
+- `GET /api/shap/dependence`
+
 ## 文档目录
 
 详细设计文档见：
 
-- [docs/README.md](D:/VScodeProject/forsetsystem/docs/README.md)
-- [09_环境配置与安装说明.md](D:/VScodeProject/forsetsystem/docs/09_环境配置与安装说明.md)
+- [docs/README.md](D:/forsetsystem/docs/README.md)
+- [09_环境配置与安装说明.md](D:/forsetsystem/docs/09_环境配置与安装说明.md)
 
 ## 常见问题
 
@@ -276,4 +322,4 @@ where python
 - 作者：张硕
 - 学校：河南农业大学软件学院
 - 项目类型：本科毕业设计
-- 完成时间：2026 年 3 月
+- 完成时间：2026 年 4 月