趙宏業(yè)

（河北北方學院附屬第二醫(yī)院河北宣化075100）

隨著智能系統(tǒng)的普及應用，人力資源信息采集系統(tǒng)已經(jīng)完全取代了過去的人工采集的模式[1-2]。通過系統(tǒng)的智能運算和傳感器的配合使用，已經(jīng)可以實現(xiàn)智能化采集[3-4]。很多的人事單位都已經(jīng)應用了相對應的智能系統(tǒng)，通過智能的人力資源信息的采集系統(tǒng)可以實現(xiàn)人力的解放，同時可以進行高精度的信息采集。但是人力資源信息的采集系統(tǒng)雖然給人力資源部門帶來了便利，但是由于人力資源信息的采集系統(tǒng)的計算失誤會造成很大程度上損失[4-5]。特別是在對人力資源部分進行系統(tǒng)排查的過程中，如果由于系統(tǒng)出現(xiàn)計算失誤，將會給人力部門帶來很大的損失。針對上述情況，本文提出一種基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)設計[6]。通過運用協(xié)同過濾算法對人力資源信息智能采集系統(tǒng)進行系統(tǒng)優(yōu)化，優(yōu)化后的人力資源信息智能采集系統(tǒng)，改變了傳統(tǒng)的計算模型，從原來的低位算法轉變到協(xié)同過濾算法[7]。協(xié)同過濾算法可以使人力資源信息的采集系統(tǒng)帶有協(xié)同性，不會出現(xiàn)傳統(tǒng)人力資源信息的采集系統(tǒng)中的計算失誤的現(xiàn)象。本文針對人力資源信息智能采集系統(tǒng)中的預測算法進行了優(yōu)化，保證在預測過程的準確性[8]。人力資源信息智能采集系統(tǒng)的預測過程是整體計算過程的核心步驟。正常的預測計算過程是先進行數(shù)據(jù)的排序，然后使用非線性方程進行求解，根據(jù)序列的配位數(shù)進行預測，這樣的預測過程雖然計算簡單，但是由于醫(yī)院的人力部門人員流動比較大，因此，傳統(tǒng)的預測計算過程已經(jīng)無法滿足正常計算要求，使用優(yōu)化后預測算法可以進行快速的數(shù)據(jù)整合，把流動數(shù)據(jù)與原始數(shù)據(jù)進行分離，這樣避免了流動數(shù)據(jù)給原始數(shù)據(jù)帶來一定的數(shù)據(jù)干擾[9]。為了驗證本文設計的基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)的有效性，還設計了對比仿真實驗，通過實驗的分析表明，本文的設計的基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)能夠進行有效的計算，同時避免了傳統(tǒng)人力資源信息的采集系統(tǒng)的計算失誤的現(xiàn)象[10]。

1 醫(yī)院人力資源信息智能采集系統(tǒng)的數(shù)據(jù)庫設計

1.1 硬件系統(tǒng)設計

文中設計的醫(yī)院人力資源信息智能采集系統(tǒng)，硬件設備包括：數(shù)據(jù)采集器、控制電源、數(shù)據(jù)存儲裝置、數(shù)據(jù)分析器等多樣的集成電子控制系統(tǒng)，根據(jù)不同的要求進行數(shù)據(jù)分析可得，本文設計的醫(yī)院人力資源信息智能采集系統(tǒng)能夠對不同類型的數(shù)據(jù)信息進行處理，其硬件系統(tǒng)結構如圖1所示。

圖1 硬件系統(tǒng)結構圖

醫(yī)院人力資源信息智能采集系統(tǒng)需要對外來數(shù)據(jù)，進行綜合處理，通過集成的硬件處理器，能夠對采集的數(shù)據(jù)信息進行快速計算，這樣可以保證醫(yī)院人力資源信息智能采集系統(tǒng)的計算準確性。

文中設計的基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)為了能夠進行準確的計算，增加了GSYSNS數(shù)據(jù)過濾器和JHSDA-200偏差處理器。使用GSYSNS數(shù)據(jù)過濾器能夠有效的過濾干擾數(shù)據(jù)，保證數(shù)據(jù)進行高質量的計算，JHSDA-200偏差處理器能夠進行偏差計算，專設的JHSDA-200偏差處理器能夠在片差計算的過程中快速的引用數(shù)據(jù)，保證了數(shù)據(jù)的使用質量。這樣提高了設計基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)數(shù)據(jù)計算的準確性。

1.2 軟件設計引入?yún)f(xié)同過濾計算

協(xié)同過濾算法主要有兩種，一種是針對使用用戶的協(xié)同過濾算法，另外一種是針對數(shù)據(jù)的協(xié)同過濾算法，但是兩種算法的本質還是一樣的。文中使用協(xié)同過濾算法對人力資源信息智能采集系統(tǒng)的數(shù)據(jù)庫進行設計，這樣通過矩陣的形式，對數(shù)據(jù)進行排列，保證數(shù)據(jù)的有序性，使用協(xié)同過濾算法后會分別生成Item與User矩陣，根據(jù)item矩陣內數(shù)據(jù)的相似度，計算出item矩陣的相鄰對數(shù)，根據(jù)對應的相鄰對數(shù)對矩陣進行數(shù)據(jù)評分。產(chǎn)生的item矩陣為：

通過item矩陣的相似度可以計算出設計系統(tǒng)的相鄰對數(shù)，這樣可以保證數(shù)據(jù)之間的具有一定的關聯(lián)性，為后續(xù)計算提供有力的依據(jù)，相鄰對數(shù)公式為：

公式中：k表示使用數(shù)據(jù)分列程度；i代表流動數(shù)據(jù)的平均偏好，針對相鄰對數(shù)式需要擬定系統(tǒng)的Map Reduce計算框架式這樣可以對數(shù)據(jù)限定，Map Reduce計算框架式把本文設計的醫(yī)院人力資源信息智能采集系統(tǒng)進行分割把流動數(shù)據(jù)與原始數(shù)據(jù)分割開來，通過矩陣數(shù)便可以進行對應的數(shù)據(jù)陳列，以及數(shù)據(jù)的計算，這樣有效的避免了醫(yī)院人力資源信息智能采集系統(tǒng)中流動數(shù)據(jù)對原始數(shù)據(jù)的干擾。

1.3 系統(tǒng)軟件系統(tǒng)設計

文中設計的醫(yī)院人力資源信息智能采集系統(tǒng)軟件設計使用的預測算法是根據(jù)矩陣的相似度進行計算的，以相似矩陣代替Unpirro矩陣中的數(shù)據(jù)，根據(jù)矩陣數(shù)據(jù)的偏好值計算如下：

公式中：n表示數(shù)據(jù)的分散系數(shù)；m表示對應流動值。為了保證本文設計的醫(yī)院人力資源信息智能采集系統(tǒng)的準確性，需要對數(shù)據(jù)偏好矩陣與Map Reduce分布式進行對比，對比公式為：

經(jīng)過數(shù)據(jù)偏好矩陣與Map Reduce分布式的對比，很容易找出數(shù)據(jù)匯總的交換差值量，這時使用矩陣向量差，進行矩陣的陳列，通過交換差值量的分析和原始數(shù)據(jù)的交換，保證預測的準確度。矩陣的陳列過程為：

矩陣的陳列過程所得向量正好是Item矩陣的Col Ik向量。所以，可以得：

對比發(fā)現(xiàn)，本文設計的醫(yī)院人力資源信息智能采集系統(tǒng)生成的Item矩陣是一個對稱矩陣，其中所有的原始值等于交叉后的變形值，因此醫(yī)院人力資源信息智能采集系統(tǒng)的Item矩陣的每一個向量CoLLk都需要進行一次Row I的數(shù)據(jù)置換，即：

公式中：T為專函數(shù)，可以把向量CoLLk轉換為Row I，協(xié)同過濾算法最重要的步驟是系統(tǒng)的預測計算，文中采用相關性對系統(tǒng)的流動數(shù)據(jù)進行關聯(lián)。權值計算預測值為：

式中：r為預測感方；預測結果得到的還是一個公式，但是可以觀察到數(shù)據(jù)之間的離散關系。在預測計算的過程中還要考慮了數(shù)據(jù)矩陣中元素的平衡因子數(shù)，其公式為：

公式中：eiθ表示的是其他數(shù)據(jù)的跨界程度；λ表示的是平衡因子關聯(lián)系數(shù)。為了保證本文設計的醫(yī)院人力資源信息智能采集系統(tǒng)計算準確性，需要對λ和1－λ分進行平衡因子的驗證和限制，根據(jù)參數(shù)調節(jié)因子的關系，可得：

公式中，通過平衡因子的限定可以分析不同的情況，在流動數(shù)據(jù)較大的情況下也能保證系統(tǒng)的穩(wěn)定性。為保證設計的醫(yī)院人力資源信息智能采集系統(tǒng)能夠長時間的計算，還要考慮到時間元素，即：

公式中的通過把數(shù)據(jù)量加大的方式引入時間的限量，這樣可以得到醫(yī)院人力資源信息智能采集系統(tǒng)的時間極限，在時間極限內便可以進行有效準確的計算。

綜上所述，本文設計的醫(yī)院人力資源信息智能采集系統(tǒng)通過協(xié)同過濾計算對系統(tǒng)的數(shù)據(jù)進行劃分，通過優(yōu)化預測算法保證計算的準確性，這樣便可以有效的解決計算失誤的發(fā)生。

2 仿真實驗分析

為了檢驗本文設計的基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)的有效性，設計了對比仿真試驗。以某大型醫(yī)院作為試驗對象，使用傳統(tǒng)的醫(yī)院人力資源信息智能采集系統(tǒng)以及本文設計的基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)同時進行數(shù)據(jù)的采集計算。模擬環(huán)境時，對100個樣本進行采集計算，為了保證數(shù)據(jù)的有效性，需要進行參數(shù)的設置。

2.1 參數(shù)設定

為保證本文設計的基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)能夠進行準確的數(shù)據(jù)采集，設置流程數(shù)據(jù)系數(shù)p為65.32；設置原始數(shù)據(jù)差系數(shù)R為6.8：分別設置u為10；k位50，根據(jù)上述仿真環(huán)境和參量設定，進行實驗結果如下。

2.2 結果分析

分析圖2結果得知，本文設計的基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)，能夠在采集的過程中保持較低的數(shù)據(jù)誤差率，顯著的減少了系統(tǒng)采集的數(shù)據(jù)誤差

圖2 數(shù)據(jù)誤差率對比實驗結果

圖3 數(shù)據(jù)采集穩(wěn)定性對比實驗結果

分析圖3結果得知，基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)能保持較高的穩(wěn)定性，在數(shù)據(jù)的采集過程中，誤差的概率明顯的降低，解決了傳統(tǒng)醫(yī)院人力資源信息采集系統(tǒng)中的計算失誤的現(xiàn)象。

3 結束語

文中提出一種基于協(xié)同過濾算法的醫(yī)院人力資源信息智能采集系統(tǒng)的設計，采用協(xié)同過濾算法進行系統(tǒng)的數(shù)據(jù)換分，這樣保證數(shù)據(jù)的穩(wěn)定性，避免了數(shù)據(jù)之間的干擾，對預測算法進行了優(yōu)化，保證了系統(tǒng)計算過程的準確性，避免發(fā)生計算失誤的現(xiàn)象。

[1]張佳，林耀進，林夢雷，等.基于目標用戶近鄰修正的協(xié)同過濾算法[J].模式識別與人工智能，2015，28（9）：802-810.

[2]周海平，黃湊英，劉妮，等.基于評分預測的協(xié)同過濾推薦算法[J].數(shù)據(jù)采集與處理，2016，31（6）：1234-1241.

[3]朱昆磊，黃佳進.基于信念網(wǎng)絡的協(xié)同過濾圖模型的推薦算法[J].模式識別與人工智能，2016，29（2）：171-176.

[4]郭蘭杰，梁吉業(yè)，趙興旺.融合社交網(wǎng)絡信息的協(xié)同過濾推薦算法[J].模式識別與人工智能，2016，29（3）：281-288.

[5]孫彥超，韓鳳霞.基于協(xié)同過濾算法的個性化圖書推薦系統(tǒng)的研究[J].圖書館理論與實踐，2015（4）：99-102.

[6]牛常勇，劉國樞.基于局部全局相似度的SVD的協(xié)同過濾算法[J].計算機工程與設計，2016，37（9）：2497-2501.

[7]俞涵，張武雄，裴冬，等.LTE/WLAN網(wǎng)絡下基于比例公平的資源分配算法研究[J].電子設計工程，2016，24（22）：12-15.

[8]肖會敏，張錕，崔春生.基于協(xié)同過濾的移動電子商務推薦算法[J].系統(tǒng)科學與數(shù)學，2016，36（8）：1265-1274.

[9]孫楠軍，劉天時.基于項目分類和用戶群體興趣的協(xié)同過濾算法[J].計算機工程與應用，2015，51（10）：128-131.

[10]冷亞軍，陸青，梁昌勇.基于結構相似性的協(xié)同過濾推薦算法[J].小型微型計算機系統(tǒng)，2015，36（10）：2266-2269.

[11]周軍鋒，湯顯，郭景峰.一種優(yōu)化的協(xié)同過濾推薦算法[J].計算機研究與發(fā)展，2004，41（10）：1842-1847.

[12]榮輝桂，火生旭，胡春華，等.基于用戶相似度的協(xié)同過濾推薦算法[J].通信學報，2014（2）：16-24.

[13]劉芳先，宋順林.改進的協(xié)同過濾推薦算法[J].計算機工程與應用，2011，47（8）：72-75.

[14]丁少衡，姬東鴻，王路路.基于用戶屬性和評分的協(xié)同過濾推薦算法[J].計算機工程與設計，2015（2）：487-491.

[15]文俊浩，舒珊.一種改進相似性度量的協(xié)同過濾推薦算法[J].計算機科學，2014，41（5）：68-71.

[16]徐義峰，陳春明，徐云青.一種基于分類的協(xié)同過濾算法[J].計算機系統(tǒng)應用，2007，16（1）：47-50.