四川中電啟明星信息技術(shù)有限公司 張開(kāi)智 關(guān)利海 林 云

隨著信息技術(shù)的發(fā)展，企業(yè)已普遍使用網(wǎng)絡(luò)招聘平臺(tái)作為主要的招聘工具，且能夠更高效的招聘到所需人才。本文重點(diǎn)對(duì)應(yīng)聘人員的勝任力因素進(jìn)行分析，并基于BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建應(yīng)聘人員與招聘崗位匹配度類(lèi)模型，應(yīng)用于企業(yè)招聘過(guò)程中應(yīng)聘人員的簡(jiǎn)歷分類(lèi)、人員篩選，為企業(yè)招聘工作效率的提升及信息系統(tǒng)的改進(jìn)提供參考。

1 引言

人力資源作為企業(yè)中最核心的資源, 尤其需要對(duì)人崗匹配實(shí)現(xiàn)最優(yōu)化。人崗匹配有兩層含義：一是崗位所要求的能力需要有人完全具備；二是某人具備的能力完全能勝任此崗位素質(zhì)要求。在招聘畢業(yè)生工作中，需重點(diǎn)關(guān)注崗位所要求的條件與應(yīng)聘人員的符合程度。在企業(yè)信息化管理水平不斷提升的大背景下，人力資源部門(mén)招聘方式、招聘管理工具也呈現(xiàn)出系統(tǒng)化、標(biāo)準(zhǔn)化趨勢(shì)。企業(yè)通過(guò)構(gòu)建個(gè)性化的招聘管理系統(tǒng)，實(shí)現(xiàn)招聘過(guò)程管理的全覆蓋，可有效提高招聘工作效率、降低招聘成本，同時(shí)也提高了公司的品牌影響力。但是，在實(shí)現(xiàn)招聘信息化管理后，仍然發(fā)現(xiàn)在應(yīng)聘人員的簡(jiǎn)歷篩選、崗位符合程度的判斷，仍需要投入大量人力來(lái)通過(guò)線(xiàn)下完成、且篩選效果不理想，入職后人員流失率較高。因此，針對(duì)應(yīng)聘人員的崗位匹配度、關(guān)鍵勝任因素，通過(guò)應(yīng)用分析框架、數(shù)據(jù)挖掘、模型創(chuàng)建、訓(xùn)練驗(yàn)證等大數(shù)據(jù)分析步驟進(jìn)行深入研究，為進(jìn)一步提高企業(yè)人員招聘入職率與招聘工作效率做理論指導(dǎo)與參考。

2 構(gòu)建應(yīng)聘人員與崗位匹配度評(píng)價(jià)指標(biāo)體系

應(yīng)聘人員與崗位匹配度評(píng)價(jià)指標(biāo)體系設(shè)計(jì)的原則：評(píng)價(jià)指標(biāo)應(yīng)盡量可以量化，如學(xué)歷、外語(yǔ)水平等，保證評(píng)價(jià)的客觀性；評(píng)價(jià)指標(biāo)與崗位職責(zé)要求統(tǒng)一原則；依據(jù)以上原則，本文以應(yīng)聘人員的學(xué)歷、院校類(lèi)型、所學(xué)專(zhuān)業(yè)、籍貫、外語(yǔ)水平五個(gè)評(píng)價(jià)指標(biāo)做為匹配的主要因素，如表1所示。

表1 應(yīng)聘人員與崗位匹配度評(píng)價(jià)指標(biāo)體系

3 基于BP神經(jīng)網(wǎng)絡(luò)的應(yīng)聘人員與崗位匹配度模型

當(dāng)確定應(yīng)聘人員評(píng)價(jià)指標(biāo)后，把應(yīng)聘人員的某一評(píng)價(jià)指標(biāo)視為一個(gè)輸入項(xiàng)，結(jié)合崗位要求以員工評(píng)價(jià)指標(biāo)的具體得分做為該輸入項(xiàng)的值，經(jīng)過(guò)網(wǎng)絡(luò)計(jì)算產(chǎn)生的輸出為該人員與所應(yīng)聘的崗位匹配度系數(shù)。

人工神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘技術(shù)之一，其中誤差反向傳播( error back propagation，BP) 網(wǎng)絡(luò)由于結(jié)構(gòu)簡(jiǎn)單和從樣本中提取規(guī)則的強(qiáng)大能力而使它應(yīng)用最為廣泛。在實(shí)際應(yīng)用中，選擇相似崗位已錄用優(yōu)秀人員做為樣本數(shù)據(jù)，并對(duì)其進(jìn)行反復(fù)訓(xùn)練，訓(xùn)練后所獲取網(wǎng)絡(luò)的各神經(jīng)元間相互聯(lián)接的權(quán)值就能反映該匹配模型的特征，這時(shí)把新的應(yīng)聘人員特征值輸入，網(wǎng)絡(luò)模型就能計(jì)算出人員與崗位的匹配結(jié)果。BP網(wǎng)絡(luò)使用BP算法來(lái)對(duì)網(wǎng)絡(luò)中各層間的權(quán)系數(shù)進(jìn)行修正，逼近任意非線(xiàn)性函數(shù)，屬于一種有指導(dǎo)的學(xué)習(xí)算法( 即需要?dú)v史樣本數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)) ，常用于預(yù)測(cè)、分類(lèi)、評(píng)價(jià)處理。對(duì)于 BP 網(wǎng)絡(luò)有一個(gè)非常重要的定理，即對(duì)于任何在閉區(qū)間內(nèi)的連續(xù)函數(shù)都可以用單隱含層的 BP 網(wǎng)絡(luò)逼近，因而一個(gè)三層的 BP 網(wǎng)絡(luò)就可以完成任意的 n 維到 m 維的映射?。本文采用的是的隱含層為一層的三層BP神經(jīng)網(wǎng)絡(luò)模型，如圖1所示。

圖1

Wij為輸入層與隱含層之間連接單元的權(quán)重值，Hi為隱含層與輸出層之間連接單元的權(quán)重值。在BP神經(jīng)網(wǎng)絡(luò)中，誤差函數(shù)如下：

我們對(duì)每一層的輸出進(jìn)行非線(xiàn)性的轉(zhuǎn)換，f為非線(xiàn)性轉(zhuǎn)化函數(shù)，又稱(chēng)為激活函數(shù)，定義如下：

4 應(yīng)聘人員與崗位匹配度模型訓(xùn)練

通過(guò)選擇上一年度應(yīng)聘人員做為訓(xùn)練數(shù)據(jù)，計(jì)算各項(xiàng)指標(biāo)權(quán)重系數(shù)，并有針對(duì)性的篩選典型已錄用人員與未錄用人員，經(jīng)過(guò)專(zhuān)家評(píng)判建立訓(xùn)練數(shù)據(jù)矩陣（表2）。

設(shè)置網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)為7，訓(xùn)練次數(shù)為8萬(wàn)次，其計(jì)算輸結(jié)果分別為：[[0.99971218]、[0.99698468]、[0.00175201]、[0.00181902]、[0.00153838]]，與預(yù)期結(jié)果已經(jīng)非常相近，說(shuō)明BP神經(jīng)網(wǎng)絡(luò)能夠準(zhǔn)確的模擬應(yīng)聘人員與崗位的匹配度計(jì)算，且具有較高的精度。

表2

經(jīng)過(guò)訓(xùn)練獲得的W1-i神經(jīng)元權(quán)重系數(shù)矩陣：

經(jīng)過(guò)訓(xùn)練獲得的H1-i神經(jīng)元權(quán)重系數(shù)矩陣：

5 應(yīng)聘人員與崗位匹配度模型應(yīng)用

以新應(yīng)聘人員的各項(xiàng)評(píng)價(jià)指標(biāo)得分做為輸入，代入應(yīng)聘人員與崗位匹配度模型，由此計(jì)算出的結(jié)果做為崗位匹配度評(píng)判系數(shù)。基于BP神經(jīng)網(wǎng)絡(luò)的應(yīng)聘人員與崗位匹配度模型擁有不斷學(xué)習(xí)的能力，可以有效地克服傳統(tǒng)評(píng)價(jià)方法中指標(biāo)權(quán)重的人為影響因素，具有更開(kāi)放、更靈活的特點(diǎn)。

表3

6 結(jié)語(yǔ)

本文對(duì)應(yīng)聘人員與崗位匹配度模型及評(píng)價(jià)指標(biāo)體系的構(gòu)建進(jìn)行了探討，將人工智能理論BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用 于解決招聘過(guò)程中應(yīng)聘人員與崗位匹配度的學(xué)習(xí)與計(jì)算，構(gòu)建了人崗匹配評(píng)價(jià)模型，可用于人員與崗位匹配度預(yù)測(cè)，也可提高應(yīng)聘人員簡(jiǎn)歷分類(lèi)與篩選效率。其突出優(yōu)點(diǎn)就是具有很強(qiáng)的非線(xiàn)性映射能力和柔性的網(wǎng)絡(luò)結(jié)構(gòu)。網(wǎng)絡(luò)的中間層數(shù)、各層的神經(jīng)元個(gè)數(shù)可根據(jù)具體情況任意設(shè)定，并且隨著結(jié)構(gòu)的差異其性能也有所不同。