基于多源异构人力数据的个体画像生成方法、系统及设备与流程
- 国知局
- 2024-08-05 11:56:41
本发明涉及人力数据处理手段,属于信息处理,尤其涉及基于多源异构人力数据的个体画像生成方法、系统及设备。
背景技术:
1、人才配置是指将组织内的人力资源按照其能力、素质和潜力的不同分配到不同的岗位和职位上,以实现组织战略目标的过程,对于目前企业来说,人才配置十分重要,合理的人才配置可以将人才与岗位相匹配,从而可以有效提高工作效率和绩效。
2、在当前竞争激烈的人才市场中,如何进行合理的人员分配直接影响着企业的效益,然而对于目前的人才配置方案来说,在筛选合适的员工时,往往只凭借相关人员对个体能力的主观判断来筛选员工,可能会导致许多潜在问题,主观判断容易受到个人偏好、主观意识和主观评价的影响,且容易忽视了岗位的具体要求和特点,这就导致人才配置过程缺乏客观性和科学性,使人才与岗位不匹配,无法发挥个体的最大潜力,影响个体和集体的工作效率和绩效,人才管理效率较低。因此,如何科学客观的客观评估个体能力就成了亟需解决的问题。
技术实现思路
1、本发明的目的是克服现有技术中存在缺乏客观性,且管理效率较低的缺陷与问题,提供一种客观且管理效率较高的基于多源异构人力数据的个体画像生成方法、系统及设备。
2、为实现以上目的,本发明的技术解决方案是:一种基于多源异构人力数据的个体画像生成方法,包括:
3、s1、获取包括结构化数据与非结构化数据的人力资源数据;
4、所述结构化数据包括员工的年龄、性别、学历、工作经验、薪资;
5、所述非结构化数据包括员工的简历、绩效评价、面试记录;
6、s2、基于结构化数据与预设事实标签生成规则,生成每个个体的基础事实标签;
7、s3、对非结构化数据进行特征提取,获得每个个体的抽象特征;所述抽象特征包括行为特征、人际特征、关键文本信息;
8、s4、对抽象特征进行量化,生成每个个体的量化型能力素质标签;所述量化型能力素质标签包括行为能力素质标签与社交工作能力素质标签;
9、s5、对抽象特征进行关键文本提取,生成文本型能力素质标签;
10、s6、基于基础事实标签、量化型能力素质标签与文本型能力素质标签,生成每个个体的可视化个体画像。
11、所述步骤s4中,行为能力素质标签的获取步骤包括:
12、s41、将每个个体的行为特征按照预设的类别进行分类,生成多个群体;
13、s42、随机初始化隶属度矩阵,对每个个体属于每个群体的隶属度进行迭代计算,直至隶属度的变化量小于预设变化值时,生成目标隶属度矩阵;
14、s43、基于目标隶属度矩阵,确定每个个体属于的群体,并计算每个群体的特征向量;
15、s44、基于每个群体的特征向量,生成每个群体的行为能力素质标签,将其作为对应群体中的每个个体的行为能力素质标签。
16、所述步骤s4中,社交工作能力素质标签的获取步骤包括:
17、s45、基于人际特征构建无向无权图;所述无向无权图中,每个个体与节点一一对应;
18、s46、确定所述无向无权图中,每个节点的重要性;
19、s47、在所述无向无权图中,随机选择目标节点,并获取每个节点与所述目标节点的性格匹配关系,然后基于性格匹配关系,计算目标节点的性格匹配值;
20、s48、获取目标节点的重要性并基于目标节点的重要性与性格匹配值,生成目标节点对应个体的社交工作能力素质标签。
21、所述步骤s46,具体包括:
22、s461、计算每个节点的度中心性,并对每个节点的度中心性进行标准化处理,使每个节点的度中心性的取值范围为预设取值范围;
23、s462、将每个节点的度中心性作为其在无向无权图中的重要性。
24、所述步骤s47,具体包括:
25、s471、获取每个节点的人格分类类型;其中任意节点与目标节点之间的匹配关系包括以下任意一种:
26、第一种:若任意节点与目标节点之间存在一个或多个人格分类类型的维度相同或互补,则二者的性格匹配关系为中立匹配关系;
27、第二种:若任意节点与目标节点之间所有人格分类类型的维度相同,则二者的性格匹配关系为正向匹配关系;
28、第三种:若任意节点与目标节点之间所有人格分类类型的维度互补,则二者的性格匹配关系为负向匹配关系;
29、s472、基于性格匹配关系,采用预设性格匹配计算公式,确定目标节点的性格匹配值;所述预设性格匹配计算公式如下:
30、
31、其中:若a个数量的节点与所述目标节点的性格匹配关系为正向匹配关系,则目标节点的性格匹配值为a×9;若b个数量的节点与所述目标节点的性格匹配关系为负向匹配关系,则目标节点的性格匹配值为b×(-3);若c个数量的节点与所述目标节点的性格匹配关系为中立匹配关系,则目标节点的性格匹配值为c×3。
32、所述步骤s5,具体包括:
33、s51、基于实体抽取基础模型与强化语句分析模型,在抽象特征中提取每个个体的关键文本信息;
34、s52、基于关键文本信息识别获得目标实体;所述目标实体代表每个个体的文本型能力素质;
35、s53、基于目标实体,生成每个个体的文本型能力素质标签。
36、一种基于多源异构人力数据的个体画像生成系统,该系统应用于上述的方法,所述系统包括:
37、人力资源数据获取模块,用于获取包括结构化数据与非结构化数据的人力资源数据;
38、所述结构化数据包括员工的年龄、性别、学历、工作经验、薪资;
39、所述非结构化数据包括简历、绩效评价、面试记录;
40、基础事实标签生成模块,用于基于结构化数据与预设事实标签生成规则,生成个体的基础事实标签;
41、抽象特征获取模块,用于对非结构化数据进行特征提取,获得每个个体的抽象特征;所述抽象特征包括行为特征、人际特征、关键文本信息;
42、量化型标签生成模块,用于对抽象特征进行量化,生成每个个体的量化型能力素质标签;所述量化型能力素质标签包括行为能力素质标签与社交工作能力素质标签;
43、文本型标签生成模块,用于对抽象特征进行关键文本提取,生成文本型能力素质标签;
44、可视化个体画像生成模块,用于基于基础事实标签、量化型能力素质标签与文本型能力素质标签,生成每个个体的可视化个体画像。
45、所述量化型标签生成模块根据以下步骤生成量化型能力素质标签;
46、s41、将多个个体的行为特征按照预设的类别进行分类,生成多个群体;
47、s42、随机初始化隶属度矩阵,对每个个体属于每个群体的隶属度进行迭代计算,直至隶属度的变化量小于预设变化值时,生成目标隶属度矩阵;
48、s43、基于目标隶属度矩阵,确定每个个体属于的群体,并计算每个群体的特征向量;
49、s44、基于每个群体的特征向量,生成每个群体的行为能力素质标签,将其作为对应群体中的每个个体的行为能力素质标签;
50、s45、基于人际特征构建无向无权图;所述无向无权图中,每个个体与节点一一对应;
51、s46、确定所述无向无权图中,每个节点的重要性;
52、s47、在所述无向无权图中,随机选择目标节点,并获取每个节点与所述目标节点的性格匹配关系,然后基于性格匹配关系,计算目标节点的性格匹配值;
53、s48、获取目标节点的重要性并基于目标节点的重要性与性格匹配值,生成目标节点对应个体的社交工作能力素质标签。
54、所述文本型标签生成模块根据以下步骤生成文本型能力素质标签;
55、s51、基于实体抽取基础模型与强化语句分析模型,在抽象特征中提取每个个体的关键文本信息;
56、s52、基于关键文本信息识别获得目标实体;所述目标实体代表每个个体的文本型能力素质;
57、s53、基于目标实体,生成每个个体的文本型能力素质标签。
58、一种基于多源异构人力数据的个体画像生成设备,所述设备包括处理器以及存储器;
59、所述存储器用于存储计算机程序代码,并将所述计算机程序代码传输给所述处理器;
60、所述处理器用于根据所述计算机程序代码中的指令执行上述的基于多源异构人力数据的个体画像生成方法。
61、与现有技术相比,本发明的有益效果为:
62、本发明一种基于多源异构人力数据的个体画像生成方法、系统及设备,方法首先获取结构化与非结构化的人力资源数据,并基于结构化数据与预设事实标签生成规则,生成每个个体的基础事实标签,然后对非结构化数据进行特征提取,获得每个个体的抽象特征,并从抽象特征中量化与关键文本提取,生成每个个体的量化型能力素质标签与文本型能力素质标签,最后基于这些标签获得每个个体的可视化个体画像;本设计在应用中,通过结合结构化和非结构化数据分析,精准的提取个体特征与关键文本,以准确捕捉每个个体的能力素质,为人员分配提供数据支持,同时生成的可视化个体画像可以直观展现个体能力和特点,从而更科学地进行人才配置,有效解决了人才与岗位不匹配的问题,提高了人才管理效率。
本文地址:https://www.jishuxx.com/zhuanli/20240802/260209.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表