一种基于数据挖掘和机器学习的人才评估方法技术

一种基于数据挖掘和机器学习的人才评估方法，涉及数据挖掘领域，该方法步骤包括：从大量简历中提取人员信息数据；对人才的工作经验和项目经历进行评估打分；根据大量简历构建按工作职位及公司为参照指标的知识库，建立机器学习模型；将字段作为输入，通过机器学习模型给用户推荐合适职位；人工评估推荐是否合适，通过用户反馈自动调整模型参数；引入人才其他信息数据，通过多数据源比较筛选加强自动调整模型参数。本发明专利技术可以以计算机程序模拟人工评估简历和人才，从而大大降低HR的工作量。

A method of talent evaluation based on data mining and machine learning

A talent evaluation method based on data mining and machine learning involves the field of data mining. The steps of this method include: extracting personnel information data from a large number of resumes; evaluating and scoring the work experience and project experience of talents; constructing a knowledge base based on job position and company as a reference index according to a large number of resumes. Machine learning model is established. Fields are used as input to recommend suitable positions to users through machine learning model. The model parameters are automatically adjusted by user feedback to evaluate the suitability of the recommendation manually. The invention can simulate the manual evaluation of resumes and talents with computer programs, thereby greatly reducing the workload of HR.

【技术实现步骤摘要】
一种基于数据挖掘和机器学习的人才评估方法
本专利技术涉及数据挖掘领域，更具体地，涉及一种基于数据挖掘和机器学习的人才评估方法。
技术介绍
人才评估一直是人力资源行业的一个重要领域，对于一个公司来说，对众多人选进行合适恰当的评判是一项重要任务，这关系到人才选拔。传统上这也是一项结合客观简历评估和主观面试考核评估的复杂工作，对于HR的职业要求并不简单。而且由于其涉及数据量大，HR常常会因为客观原因如疲劳，从而做出错误的人才评估。大数据挖掘和机器学习技术的成熟，可以大大降低数据处理工作，将计算机程序应用于人才评估方面，可以模拟人类进行人才评估，不仅大大降低了数据处理压力，同时也带来了不断自动提高计算机程序取代人类进行人才评估综合可信度的可能性。
技术实现思路
有鉴于此，本专利技术的内容在于提供一种基于数据挖掘和机器学习的人才评估方法，可以减轻HR的工作量。本专利技术提供了一种基于数据挖掘和机器学习的人才评估方法，该方法步骤包括：从大量简历中提取人员信息数据；对人才的工作经验和项目经历进行评估打分；根据大量简历构建按工作职位及公司为参照指标的知识库，建立机器学习模型；将字段作为输入，通过机器学习模型给用户推荐合适职位；人工评估推荐是否合适，通过用户反馈自动调整模型参数；引入人才其他信息数据，通过多数据源比较筛选加强自动调整模型参数。其中，所述信息数据包括基础信息数据、教育信息数据和工作及项目信息数据。进一步地，所述基础信息数据包括用户年龄、性别和地区；所述教育信息数据包括用户学历、学校和专业；所述工作及项目信息数据包括用户工作过的公司、所担任过的职位、工作内容及时长、业绩、所带项目、项目中担任的职责、项目内容及项目业绩。本专利技术可以以计算机程序模拟人类进行简历筛选和人才评估，从而大大降低数据处理量，减轻了HR的工作量，同时还可以更客观地对人才做出评估。附图说明图1为本专利技术提供的一种基于数据挖掘和机器学习的人才评估方法流程图。图2为本专利技术提供的一种基于贝叶斯模型的人才评估方法流程图。具体实施方式图1为本专利技术提供的一种基于数据挖掘和机器学习的人才评估方法流程图，该方法步骤包括：步骤S101：从大量简历中提取人员信息数据；步骤S102：对人才的工作经验和项目经历进行评估打分；步骤S103：根据大量简历构建按工作职位及公司为参照指标的知识库，建立机器学习模型；步骤S104：将字段作为输入，通过机器学习模型给用户推荐合适职位；步骤S105：人工评估推荐是否合适，通过用户反馈自动调整模型参数；步骤S106：引入人才其他信息数据，通过多数据源比较筛选加强自动调整模型参数。其中，在步骤S101中，所述信息数据包括基础信息数据、教育信息数据和工作及项目信息数据。进一步地，所述基础信息数据包括用户年龄、性别和地区；所述教育信息数据包括用户学历、学校和专业；所述工作及项目信息数据包括用户工作过的公司、所担任过的职位、工作内容及时长、业绩、所带项目、项目中担任的职责、项目内容及项目业绩。图2为本专利技术提供的一种基于贝叶斯模型的人才评估方法流程图，该方法步骤包括：步骤S201：使用自然语言处理的句法分析及命名实体识别方法提取用户工作内容及项目内容中的词关系，对内容提取词tf、idf及词性，通过pcfg进行句法分析并生成职位关键词及句式模板；步骤S202：根据用户的简历内容，通过职位名及工作内容的词向量识别所在行业及职位信息，将同一类简历进行数据归类，将所有词tf、idf和词性及句法模板聚合，根据匹配度进行评估打分；步骤S203：用户提交简历同时，自动根据简历内容匹配分数上下的简历返回给用户，让用户进行评判是否正确，并进行人工干预调整；步骤S204：收集大量用户的输入，根据用户所标记的简历进行贝叶斯分析，提取用户标记上升排序及下降排序共有的词tf、idf和词性及句法模板，提取出简历中的句子，放入贝叶斯分类器进行机器学习训练，标记句子对当前职位的正负相关性；步骤S205：对新输入的简历进行分句，放入分类器对句子进行判断，获取用户句子对职位的贡献比，然后整合分数对简历进行评估打分；步骤S206：引入人才其他信息数据，通过多数据源比较筛选加强调整模型参数，进而经过机器学习后提高或降低针对该人才的评估打分，提高人才综合评估可信度。其中，在步骤S206中，所述其他信息数据可以来自数字媒体、企业服务软件系统、流程管理软件系统、用户征信系统。进一步地，所述数字媒体包括微博、微信、知乎、在行、分答、果壳、领英，或其他个人APP、评论。显然，本领域技术人员根据本实施例做出的非创造性的劳动，也属于本专利技术保护范围，本实施例并不限制本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于数据挖掘和机器学习的人才评估方法，其特征在于，该方法步骤包括：从大量简历中提取人员信息数据；对人才的工作经验和项目经历进行评估打分；根据大量简历构建按工作职位及公司为参照指标的知识库，建立机器学习模型；将字段作为输入，通过机器学习模型给用户推荐合适职位；人工评估推荐是否合适，通过用户反馈自动调整模型参数；引入人才其他信息数据，通过多数据源比较筛选加强自动调整模型参数。

【技术特征摘要】
1.一种基于数据挖掘和机器学习的人才评估方法，其特征在于，该方法步骤包括：从大量简历中提取人员信息数据；对人才的工作经验和项目经历进行评估打分；根据大量简历构建按工作职位及公司为参照指标的知识库，建立机器学习模型；将字段作为输入，通过机器学习模型给用户推荐合适职位；人工评估推荐是否合适，通过用户反馈自动调整模型参数；引入人才其他信息数据，通过多数据源比较筛选加强自动调整模型参数。2.根据权利要求1所述的人才评估方法，其特征在于：所述信息数据包括基础信息数据、教育信息数据和工作及项目信息数据。3.根据权利要求2所述的人才评估方法，其特征在于：所述基础信息数据包括用户年龄、性别和地区。4.根据权利要求2所述的人才评估方法，其特征在于：所述教育信息数据包括用户学历、学校和专业。5.根据权利要求2所述的人才评估方法，其特征在于：所述工作及项目信息数据包括用户工作过的公司、所担任过的职位、工作内容及时长、业绩、所带项目、项目中担任的职责、项目内容及项目业绩。6.根据权利要求1所述的人才评估方法，其特征在于：机器学习模型包括贝叶斯模型。7.根据权利要求6所述的人才评估方法，其特征在于：基于所述贝叶斯模型进行人才评估的方法步骤包括：使用自然语言处理的句法分析及命名实体识别方法提取用户工作内容及...

【专利技术属性】
技术研发人员：王珣昱，
申请(专利权)人：王珣昱，
类型：发明
国别省市：上海,31