一种人力资源管理方法、系统、设备及介质技术方案

本发明专利技术提供一种人力资源管理方法、系统、设备及介质，涉及人力资源管理领域，该方法包括获取并格式化求职人员信息，其中，求职人员信息包括个人基本信息、教育背景、职业技能、职业经历、相关证书、求职意向；根据格式化后的求职人员信息建立量化模型和评估函数；根据量化模型对求职人员信息进行量化，得到每个求职人员的量化信息数据；根据评估函数对求职人员进行评估，得到求职人员的评估分数。通过量化模型和评估函数对求职人员的信息进行处理，可以更快速、准确地筛选出符合岗位需求的候选人，从而提高招聘效率；同时全面客观地评估求职人员的能力和素质，避免主观因素对招聘决策的影响，提高招聘质量，对求职人员进行全方位、多角度的评估。度的评估。度的评估。

【技术实现步骤摘要】
一种人力资源管理方法、系统、设备及介质


[0001]本专利技术涉及人力资源管理领域，具体为一种人力资源管理方法、系统、设备及介质。

技术介绍

[0002]人力资源管理是指以人为核心，通过对组织的人力资源进行有效的规划、招聘、培训、管理、激励和评价等一系列活动，以实现组织的战略目标和员工的个人发展的过程。其主要目的是在合理的成本范围内获得最高的人才质量和数量，提高员工的工作效率和满意度，促进组织的持续发展和竞争优势。
[0003]招聘管理在人力资源管理中起到了非常重要的作用。一个企业的成功很大程度上依赖于其招聘和雇用的人才。一个优秀的员工能够带来创新、效率和生产力，对于组织的发展和成功至关重要。现有的人力资源管理方法在筛选求职人员信息时往往通过条件筛除实现，无法全面的对求职人员的综合能力进行分析。因此，如何发现招聘过程中人才的综合能力对于企业的发展至关重要。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本专利技术提供一种人力资源管理方法、系统、设备及介质，以解决上述技术问题。
[0005]本专利技术提供的一种人力资源管理方法，包括以下步骤：
[0006]步骤S110：获取并格式化求职人员信息，其中，求职人员信息包括个人基本信息、教育背景、职业技能、职业经历、相关证书、求职意向；
[0007]步骤S120：根据格式化后的教育背景、职业技能、职业经历、相关证书、求职意向建立量化模型和评估函数；
[0008]步骤S130：根据量化模型对求职人员信息进行量化，得到每个求职人员的量化信息数据；
[0009]步骤S140：根据量化信息数据和评估函数对求职人员进行评估，得到求职人员的评估分数。
[0010]与本专利技术的一实施例中，步骤S120具体包括：
[0011]步骤S210：对格式化后的教育背景、职业技能、职业经历、相关证书、求职意向进行预处理；
[0012]步骤S220：将预处理后的教育背景、职业技能、职业经历、相关证书、求职意向转换为量化特征向量；
[0013]步骤S230：基于深度神经网络根据量化特征向量建立量化模型；
[0014]步骤S240：通过训练得到的量化模型，建立评估函数。
[0015]与本专利技术的一实施例中，所述预处理包括数据清洗、数据去重、特征词提取。
[0016]与本专利技术的一实施例中，步骤S220具体包括：
[0017]步骤S310：预先设置教育背景、职业技能、职业经历、相关证书、求职意向的特征词并进行赋值，得到特征值；
[0018]步骤S320：获取预处理后的教育背景、职业技能、职业经历、相关证书、求职意向的特征词；
[0019]步骤S330：将获取的特征词与预先设置的特征词进行特征词匹配，得到特征值并加权计算，得到教育背景、职业技能、职业经历、相关证书、求职意向的量化特征向量。
[0020]与本专利技术的一实施例中，评估函数的实现逻辑为：
[0021]G＝Sigmoid(αA+βB+γC+δD+εE)
[0022]其中，G表示评估分数，A表示教育背景量化特征向量，B表示职业技能量化特征向量，C表示职业经历量化特征向量，D表示相关证书量化特征向量，E表示求职意向量化特征向量，Sigmoid表示映射函数，α、β、γ、δ、ε分别表示不同数据项所对应的权重，其中α>β>＝γ>＝ε>δ且α+β+γ+δ+ε＝1。
[0023]与本专利技术的一实施例中，所述步骤S140还包括：
[0024]步骤S410：按照评估分数对每个求职人员进行排序；
[0025]步骤S420：将排序结果进行可视化输出。
[0026]与本专利技术的一实施例中，所述可视化输出包括：通过网页显示和/或通过Excel表格输出。
[0027]本专利技术还提供一种人力资源管理系统，所述系统包括：
[0028]获取信息模块：获取并格式化求职人员信息，其中，求职人员信息包括个人基本信息、教育背景、职业技能、职业经历、相关证书、求职意向；
[0029]建模与函数模块：根据格式化后的教育背景、职业技能、职业经历、相关证书、求职意向建立量化模型和评估函数；
[0030]量化模块：根据量化模型对求职人员信息进行量化，得到每个求职人员的量化信息数据；
[0031]评估模块：根据量化信息数据和评估函数对求职人员进行评估，得到求职人员的评估分数。
[0032]本专利技术还提供一种电子设备，所述电子设备包括：
[0033]一个或多个处理器；
[0034]存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述实施例中任一项所述的一种人力资源管理方法。
[0035]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行如上述实施例中任一项所述的一种人力资源管理方法。
[0036]本专利技术的有益效果：本专利技术中的人力资源管理方法通过获取并格式化求职人员信息，其中，求职人员信息包括个人基本信息、教育背景、职业技能、职业经历、相关证书、求职意向；根据格式化后的教育背景、职业技能、职业经历、相关证书、求职意向建立量化模型和评估函数；根据量化模型对求职人员信息进行量化，得到每个求职人员的量化信息数据；根据量化信息数据和评估函数对求职人员进行评估，得到求职人员的评估分数。通过格式化
求职人员信息和量化模型对信息进行处理，可以更快速、准确地筛选出符合岗位需求的候选人，从而提高招聘效率。建立量化模型和评估函数可以全面、客观地评估求职人员的能力和素质，从而避免主观因素对招聘决策的影响，提高招聘质量；可以使招聘过程更加科学化、标准化，避免招聘过程中的重复、浪费，降低人力资源管理成本；可以对求职人员进行全方位、多角度的评估，从而建立起更加优质、符合企业需求的人才储备库。
[0037]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0038]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0039]图1为本专利技术的一示例性实施例示出的一种人力资源管理方法的流程图；
[0040]图2为本专利技术的一示例性实施例示出的一种人力资源管理方法中步骤S120的流程图；
[0041]图3为本专利技术的一示例性实施例示出的一种人力资源管理系统结构示意图；
[0042]图4为本专利技术的一示例性实施例示出的电子设备的计算机系统的结构示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人力资源管理方法，其特征在于,包括以下步骤：S110：获取并格式化求职人员信息，其中，求职人员信息包括个人基本信息、教育背景、职业技能、职业经历、相关证书、求职意向；S120：根据格式化后的教育背景、职业技能、职业经历、相关证书、求职意向建立量化模型和评估函数；S130：根据量化模型对求职人员信息进行量化，得到每个求职人员的量化信息数据；S140：根据量化信息数据和评估函数对求职人员进行评估，得到求职人员的评估分数。2.根据权利要求1所述的一种人力资源管理方法，其特征在于，步骤S120具体包括：S210：对格式化后的教育背景、职业技能、职业经历、相关证书、求职意向进行预处理；S220：将预处理后的教育背景、职业技能、职业经历、相关证书、求职意向转换为量化特征向量；S230：基于深度神经网络根据量化特征向量建立量化模型；S240：通过训练得到的量化模型，建立评估函数。3.根据权利要求2所述的一种人力资源管理方法，其特征在于，所述预处理包括数据清洗、数据去重、特征词提取。4.根据权利要求2所述的一种人力资源管理方法，其特征在于，步骤S220具体包括：S310：预先设置教育背景、职业技能、职业经历、相关证书、求职意向的特征词并进行赋值，得到特征值；S320：获取预处理后的教育背景、职业技能、职业经历、相关证书、求职意向的特征词；S330：将获取的特征词与预先设置的特征词进行特征词匹配，得到特征值并加权计算，得到教育背景、职业技能、职业经历、相关证书、求职意向的量化特征向量。5.根据权利要求2所述的一种人力资源管理方法，其特征在于，评估函数的实现逻辑为：G＝Sigmoid(αA+βB+γC+δD+εE)其中，G表示评估分数，...

【专利技术属性】
技术研发人员：张奉献，
申请(专利权)人：蒙城县太平人力资源服务有限公司，
类型：发明
国别省市：