System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及大数据,例如涉及一种基于大数据的人才供应链管理方法和系统。
技术介绍
1、企业的发展需要靠人才,企业在招聘时从众多的求职者中筛选出符合企业需要的人才。人才数据包括能力、资历、对行业的关注度和行业信息搜集能力。能力和资历可以根据简历基本信息进行评估,对行业的关注度和行业信息搜集能力可以根据简历中使用频次较多的应用程序和简历中浏览频次较多的网站进行判断。
2、现有的人才管理方法例如cn115907705a公开了获取待选择对象集合的企业标签,根据企业标签生成全息数字化画像,采用ai大数据技术将待选择对象集合的全息数字化画像进行匹配,并进行匹配度排序。具体包括:按照预设权重对全息数字画像中的第一评价指标对应的评价结果进行分析对比,得到匹配度,按照由高到低的顺序对匹配度进行排序。该方法没有考虑到不同标签之间的关联性,得到的匹配度置信度不高。另一种人才管理方法例如cn114971366b公开了划分评价周期,对比不同评价周期的社保缴纳记录,将人才分类至第一人才清单或第二人才清单,统计两种人才清单中各个学历的人数,对不同学历的权重和人数进行加权求和,得到人才流入分值和人才流出分值,根据人才流入分值和人才流出分值评价人才流动情况。该方法通过对人才分类和对部分数据进行加权求和,不能基于人才数据全面地对人才进行自动评价。
3、综上所述,现有的人才评价方法存在没有考虑到不同标签之间的关联性,得到的人力资源数据与企业需求标签的匹配度的置信度不高,以及不能基于人才数据全面地对人才进行自动评价的问题。
1、本申请目的在于:提供一种基于大数据的人才供应链管理方法和系统,其能够解决现有的人才评价方法存在没有考虑到不同标签之间的关联性,得到的人力资源数据与企业需求标签的匹配度的置信度不高,以及不能基于人才数据全面地对人才进行自动评价的问题。
2、为达到上述目的,本申请提供了一种基于大数据的人才供应链管理方法,包括:
3、读取数据库中的人才数据,所述人才数据包括简历基本信息、简历中使用频次较多的应用程序和简历中浏览频次较多的网站;
4、对所述人才数据进行数据分类,得到结构化数据;
5、对所述结构化数据进行标准化处理,得到标准化数据;所述标准化数据包括第一标准化数据和第二标准化数据;
6、基于所述标准化数据之间的关联性进行数据分析,生成人才摘要;所述人才摘要包括人才类型、人才综合评分、高于平均统计水平的第一人才属性以及低于平均统计水平的第二人才属性;
7、基于所述人才摘要生成人才标签,将所述人才摘要和所述人才标签发送至对应的数据需求端,所述数据需求端包括企业人才管理平台或部门人才管理平台。
8、优选地,所述基于所述标准化数据之间的关联性进行数据分析,生成人才摘要,包括:
9、根据数据阈值集合提取所述标准化数据的所有关键词,得到关键词集合;
10、根据所述关键词集合生成节点图,所述节点图中的节点对应所述关键词,所述节点图中的连接边对应不同所述节点之间的权重;
11、计算所述节点图中的每个所述节点的置信度;
12、将所述置信度大于置信度阈值的所述节点作为有效节点;
13、根据所述连接边将所有所述有效节点串联,输出人才摘要。
14、优选地,所述计算所述节点图中的每个所述节点的置信度,包括:
15、根据以下公式计算每个所述节点的置信度:
16、
17、其中,ci为第i个所述节点的置信度,n为与第i个所述节点连接的节点数,wij为第i个所述节点与第j个所述节点之间的权重。
18、优选地,所述根据所述连接边将所有所述有效节点串联,输出人才摘要,包括:
19、从所有所述有效节点中选择起始节点;
20、按照与所述起始节点对应的连接边提取所述有效节点的所述关键词;
21、将所有所述关键词按提取顺序进行排列,得到人才摘要。
22、优选地,所述基于所述人才摘要生成人才标签,将所述人才摘要和所述人才标签发送至对应的数据需求端,包括:
23、从所述人才摘要中随机选择m个所述关键词,所述人才摘要包含n个所述关键词;其中,m<n;
24、根据选择的m个所述关键词生成m个人才标签;
25、根据以下公式计算所述人才摘要和数据需求端的匹配度:
26、
27、其中,pi为所述人才摘要与第i个所述数据需求端的所述匹配度,ki表示第i个所述数据需求端的需求标签的数量,∩表示取交集运算,m∩ki表示所述人才摘要与第i个所述数据需求端共有的所述人才标签的数量;
28、若所述匹配度大于或等于匹配度阈值,则将所述人才摘要和所述人才标签发送至第i个所述数据需求端;
29、若所述匹配度小于所述匹配度阈值,则重新从所述人才摘要中随机选择m个所述关键词,根据选择的m个所述关键词重新计算所述人才摘要和所述数据需求端的所述匹配度。
30、优选地,所述对所述人才数据进行数据分类,得到结构化数据,包括:
31、提取所述人才数据中数据类型为整型或浮点型的数据,得到第一分类数据;所述第一分类数据包括所述简历基本信息中的年龄、所述简历中使用频次较多的应用程序的使用频次和所述简历中浏览频次较多的网站的浏览频次;
32、提取所述人才数据中数据类型为布尔型的数据,得到第二分类数据;所述第二分类数据包括是否有行业经验、是否接受过行业培训以及性别;
33、将所述第一分类数据和所述第二分类数据组成结构化数据。
34、优选地,所述对所述结构化数据进行标准化处理,得到标准化数据,包括:
35、计算每种所述第一分类数据的均值和方差;
36、将每种所述第一分类数据减去对应的所述均值,得到第一数据差值;
37、计算所述数据差值与对应的所述方差的比值,得到所述第一标准化数据。
38、优选地,所述对所述结构化数据进行标准化处理,得到标准化数据,包括:
39、计算每种所述第二分类数据的所有数据之和,得到第二数据总和;
40、将所述第二分类数据与所述第二数据总和的比值作为所述第二标准化数据。
41、优选地,所述从所有所述有效节点中选择起始节点,包括:
42、统计每个所述有效节点相邻的所述有效节点的数量,得到对应的相邻节点数;
43、将所述相邻节点数最小的所述有效节点作为起始节点。
44、本申请提供了一种基于大数据的人才供应链管理系统,包括:
45、人才数据读取模块,用于读取数据库中的人才数据,所述人才数据包括简历基本信息、简历中使用频次较多的应用程序和简历中浏览频次较多的网站;
46、数据分类模块,用于对所述人才数据进行数据分类,得到结构化数据;
47、标准化本文档来自技高网...
【技术保护点】
1.一种基于大数据的人才供应链管理方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据的人才供应链管理方法,其特征在于,所述基于所述标准化数据之间的关联性进行数据分析,生成人才摘要,包括:
3.根据权利要求2所述的基于大数据的人才供应链管理方法,其特征在于,所述计算所述节点图中的每个所述节点的置信度,包括:
4.根据权利要求2所述的基于大数据的人才供应链管理方法,其特征在于,所述根据所述连接边将所有所述有效节点串联,输出人才摘要,包括:
5.根据权利要求2所述的基于大数据的人才供应链管理方法,其特征在于,所述基于所述人才摘要生成人才标签,将所述人才摘要和所述人才标签发送至对应的数据需求端,包括:
6.根据权利要求2所述的基于大数据的人才供应链管理方法,其特征在于,所述对所述人才数据进行数据分类,得到结构化数据,包括:
7.根据权利要求6所述的基于大数据的人才供应链管理方法,其特征在于,所述对所述结构化数据进行标准化处理,得到标准化数据,包括:
8.根据权利要求6所述的基于大数据的人才供应链
9.根据权利要求5所述的基于大数据的人才供应链管理方法,其特征在于,所述从所有所述有效节点中选择起始节点,包括:
10.一种基于大数据的人才供应链管理系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于大数据的人才供应链管理方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据的人才供应链管理方法,其特征在于,所述基于所述标准化数据之间的关联性进行数据分析,生成人才摘要,包括:
3.根据权利要求2所述的基于大数据的人才供应链管理方法,其特征在于,所述计算所述节点图中的每个所述节点的置信度,包括:
4.根据权利要求2所述的基于大数据的人才供应链管理方法,其特征在于,所述根据所述连接边将所有所述有效节点串联,输出人才摘要,包括:
5.根据权利要求2所述的基于大数据的人才供应链管理方法,其特征在于,所述基于所述人才摘要生成人才标签,将所述人才摘要和所述人才标签发送至对应...
【专利技术属性】
技术研发人员:许锋,沙添,
申请(专利权)人:广东倍智人才科技股份有限公司,
类型:发明
国别省市:
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。