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】
本申请涉及企业管理领域,且更为具体地,涉及一种基于数据挖掘的人力资源信息智能调配系统及方法。
技术介绍
1、企业竞争本质是人才竞争,降低人力资源管理成本的主要方法之一是提高人力资源调配效率。调配管理是指当出现岗位空缺时业务部门将信息上报给人事部门,并在企业办公系统中发布岗位的相关信息,系统将人力资源信息依据科学规范流程和管理方法进行调配,以满足企业的用人需求。在传统的人力资源调配中,往往依靠人工判断申请调换部门员工与空缺岗位的匹配度,容易出现信息掌握不全面、不准确的情况,并且这种人工判断流程主要包括人工审核和面试,这个过程耗时,并且人工评估可能会受到个人偏好、经验等因素的影响。
2、因此,需要一种优化的人力资源信息智能调配方案。
技术实现思路
1、本申请针对现有技术中的缺点,提供了一种基于数据挖掘的人力资源信息智能调配系统及方法。
2、根据本申请的一方面,提供了一种基于数据挖掘的人力资源信息智能调配系统,其包括:
3、员工调配相关数据采集模块,用于获取申请调换部门员工的专业技能信息、工作项目信息、绩效信息以及空缺岗位的岗位要求;
4、员工调配相关数据编码模块,用于对所述申请调换部门员工的专业技能信息、工作项目信息、绩效信息和所述空缺岗位的岗位要求分别进行数据编码以得到员工工作能力语义理解特征向量和岗位要求语义理解特征向量;
5、员工工作能力语义理解特征优化模块,用于基于所述岗位要求语义理解特征向量对所述员工工作能力语义理解
6、员工岗位匹配特征生成模块,用于将所述优化的员工工作能力语义理解特征向量和所述岗位要求语义理解特征向量进行按位置点乘以得到员工工作能力-岗位要求匹配特征向量;
7、员工岗位匹配结果生成模块,用于基于所述员工工作能力-岗位要求匹配特征向量,得到所述申请调换部门员工与所述空缺岗位的匹配结果。
8、根据本申请的另一方面,提供了一种基于数据挖掘的人力资源信息智能调配方法,其包括:
9、获取申请调换部门员工的专业技能信息、工作项目信息、绩效信息以及空缺岗位的岗位要求;
10、对所述申请调换部门员工的专业技能信息、工作项目信息、绩效信息和所述空缺岗位的岗位要求分别进行数据编码以得到员工工作能力语义理解特征向量和岗位要求语义理解特征向量;
11、基于所述岗位要求语义理解特征向量对所述员工工作能力语义理解特征向量进行基于细粒度差异处理的累积呈现优化以得到优化的员工工作能力语义理解特征向量;
12、将所述优化的员工工作能力语义理解特征向量和所述岗位要求语义理解特征向量进行按位置点乘以得到员工工作能力-岗位要求匹配特征向量;
13、基于所述员工工作能力-岗位要求匹配特征向量,得到所述申请调换部门员工与所述空缺岗位的匹配结果。
14、本申请由于采用了以上的技术方案,具有显著的技术效果:
15、本申请提供的基于数据挖掘的人力资源信息智能调配系统及方法,其通过对申请调换部门员工的专业技能信息、工作项目信息、绩效信息进行语义理解以了解申请调换部门员工的工作能力,同时对空缺岗位的岗位要求进行语义理解以了解空缺岗位所需技能能力素质,进而在同一个特征空间中建立申请调换部门员工的工作能力和空缺岗位所需技能能力素质之间的关系,从而来判断申请调换部门员工是否匹配空缺岗位。这样,可以更加科学地评估员工与岗位的匹配程度,从而实现人力资源的优化配置。
本文档来自技高网...【技术保护点】
1.一种基于数据挖掘的人力资源信息智能调配方法,其特征在于,包括:
2.根据权利要求1所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,对所述申请调换部门员工的专业技能信息、工作项目信息、绩效信息和所述空缺岗位的岗位要求分别进行数据编码以得到员工工作能力语义理解特征向量和岗位要求语义理解特征向量,包括:
3.根据权利要求2所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,对所述申请调换部门员工的专业技能信息、工作项目信息、绩效信息进行语义特征提取以得到所述员工工作能力语义理解特征向量,包括:
4.根据权利要求3所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,对所述空缺岗位的岗位要求进行语义特征提取以得到所述岗位要求语义理解特征向量,包括:将所述空缺岗位的岗位要求分词后通过岗位要求语义理解器以得到所述岗位要求语义理解特征向量。
5.根据权利要求4所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,所述中短距离工作能力语义理解器为包含词嵌入层的双向长短期记忆神经网络模型,所述长距离工作能力语义理解器和所述
6.根据权利要求5所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,基于所述岗位要求语义理解特征向量对所述员工工作能力语义理解特征向量进行基于细粒度差异处理的累积呈现优化以得到优化的员工工作能力语义理解特征向量,包括:
7.根据权利要求6所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,基于所述员工工作能力-岗位要求匹配特征向量,得到所述申请调换部门员工与所述空缺岗位的匹配结果,包括:将所述员工工作能力-岗位要求匹配特征向量通过基于分类器的岗位匹配结果生成器以得到分类结果,所述分类结果为判断所述申请调换部门员工是否匹配所述空缺岗位。
8.一种基于数据挖掘的人力资源信息智能调配系统,其特征在于,包括:
9.根据权利要求8所述的基于数据挖掘的人力资源信息智能调配系统,其特征在于,所述员工调配相关数据编码模块,包括:
10.根据权利要求9所述的基于数据挖掘的人力资源信息智能调配系统,其特征在于,所述员工岗位匹配结果生成模块,用于:基于所述员工工作能力-岗位要求匹配特征向量,得到所述申请调换部门员工与所述空缺岗位的匹配结果。
...【技术特征摘要】
1.一种基于数据挖掘的人力资源信息智能调配方法,其特征在于,包括:
2.根据权利要求1所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,对所述申请调换部门员工的专业技能信息、工作项目信息、绩效信息和所述空缺岗位的岗位要求分别进行数据编码以得到员工工作能力语义理解特征向量和岗位要求语义理解特征向量,包括:
3.根据权利要求2所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,对所述申请调换部门员工的专业技能信息、工作项目信息、绩效信息进行语义特征提取以得到所述员工工作能力语义理解特征向量,包括:
4.根据权利要求3所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,对所述空缺岗位的岗位要求进行语义特征提取以得到所述岗位要求语义理解特征向量,包括:将所述空缺岗位的岗位要求分词后通过岗位要求语义理解器以得到所述岗位要求语义理解特征向量。
5.根据权利要求4所述的基于数据挖掘的人力资源信息智能调配方法,其特征在于,所述中短距离工作能力语义理解器为包含词嵌入层的双向长短期记忆神经网络模型,所述长距离工作能力语义理解器和所述岗位要求语义理解器为包含词嵌入层的基...
【专利技术属性】
技术研发人员:冯晓红,孙雷,闫春秒,冯磊,
申请(专利权)人:邯郸市邯伟建筑劳务分包有限公司,
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。