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、 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。