• <b id="tsfar"></b>

      <small id="tsfar"><kbd id="tsfar"></kbd></small><mark id="tsfar"><div id="tsfar"></div></mark>
        <wbr id="tsfar"><mark id="tsfar"></mark></wbr>
      1. <video id="tsfar"><mark id="tsfar"></mark></video>

          <source id="tsfar"><mark id="tsfar"></mark></source>
          1. <small id="tsfar"></small>
            <mark id="tsfar"><noframes id="tsfar"></noframes></mark>
            <u id="tsfar"><tr id="tsfar"></tr></u>
            <mark id="tsfar"></mark>

            基于機器學習的企業互聯網招聘中簡歷篩選研究—— 以誠勤公司為例

            日期:2021-03-12 作者: 碩博論文網 編輯:vicky 點擊次數:91
            論文價格: 150元 論文編號: sb2021022613155034715 論文字數:33205 所屬欄目:在職碩士論文
            論文地區:中國 論文語種:中文 論文用途:在職碩士畢業論文 On-the-job master's thesis

            本文提出了在互聯網招聘平臺的簡歷篩選環節利用了當前熱門的人工智能技術來嘗試解決此問題,具體使用了網絡爬蟲技術+百度深度學習的 PaddleNLP 工具來解決簡歷數據的自動采集工作,又在簡歷篩選過程中使用了機器學習算法來完成簡歷與人才模型智能匹配的工作來提升簡歷的準確性,為人工智能在人力資源管理方面的應用提供了一定的研究思路。

            第一章 緒論

            1.1 研究背景
            在當前社會轉型升級的大背景下,中央國務院提出了“萬眾創新,大眾創業”口號,成為新常態下經濟發展的“雙引擎”之一。從國家市場監督管理總局公布的 2018 年數據來看,全年新增企業 670W 戶,平均每天新增 1.8 萬家企業,其中絕大多數為擁有自主知識產權的科技型初創企業。當前科技型企業是國家提出的新基建(5G、工業互聯網、大數據中心、人工智能以及云計算等七大領域)重要力量,所以加大力度扶持科技型初創企業關乎國家的經濟繁榮與發展。然而,由于初創企業通常不屬于大公司投資開辦的子公司和合資公司,大都是剛剛創立的中小型企業,因此在起步階段存活率較低。據統計數據顯示,已經關閉的初創企業平均存活周期為 32 個月,人才匱乏問題則是“導火索”之一,科技型初創企業由于企業對科技的重點投入與初創企業自身的特點,在現階段人才招聘上存在問題,采取有效對策解決問題已成為科技型初創企業走向成功的必由之路。
            互聯網的普及對招聘與求職領域產生深刻影響,當前互聯網的招聘與求職已經是企業與求職者的必備方式,對根據中國行業研究報告網的整理發布的數據來看,從 2009 年 81 萬家企業發布網絡招聘需求,到了 2018 年已經發展到 658.9 萬家,增長了 8 倍之多。同樣在這10 年之間,利用互聯網進行求職應聘的人員規模也從 6500 萬人增長到了 1.8 億的規模。可以看到互聯網招聘的發展,也大大加快了企業招聘與求職者間信息互通效率。然而隨著信息爆炸式的增長,也帶來了一些選擇上難題,當前互聯網招聘方式與渠道紛繁復雜:
            1) 新型互聯網招聘方式:Boss 直聘、青團社、LinkedIn、脈脈、獵聘等新型互聯網人才招聘 APP 方式;
            2) 傳統門戶類招聘方式:51job 以及智聯招聘等平臺;
            3) 基于社交式的熟人推薦:QQ、微信、微博、抖音等;
            .................

            1.2 研究的意義
            1.2.1 理論意義
            科技型初創企業作為創業企業,資金匱乏是其面臨的最大難題,人力資源人手有限,也是制約人才招聘有效性最重要的內部因素。在資金使用方面,創業者絕大多數都會選擇將資金優先用于核心技術的開發,對于管理性支出,能夠實際投入到人才招聘的成本有限,并且優化人才招聘投入的效果并不能很快直觀看到,因此創業者大都不會在這部分投入較多的資金或精力,針對當前互聯網上展開多渠道招聘,往往因為第一步各個平臺的投遞的簡歷沒有一套篩選機制,導致后續招聘效果不佳。
            通過開展針對企業的人力資源管理、網絡招聘、崗位匹配度、人才能力評價模型、簡歷篩選方案以及機器學習的國內外文獻研究,發現雖然互聯網招聘平臺提供了加快的信息傳遞的效率,但是招聘環節的簡歷篩選工作依然還是要人工對投遞簡歷進行一一篩選核查,效率低下。而使用機器學習算法技術構建一個動態的人才簡歷篩選方法,在國內的研究領域還比較少。為了改善上述不足,構建一個面向企業可自行調整的人才招聘模型,同時能夠在對接當前互聯網平臺的簡歷方面能夠更加高效,減低企業的招聘成本,提升招聘質量,故開展了此研究。
            1.2.2 實踐意義
            本文首先分析了當前傳統的招聘環節存在的不足和待改進之處,利用人才模型構建方法把相關人才能力指標庫建立起來,然后基于每次發布的崗位招聘要求,設置對應模型指標庫權重指標。采用網絡爬蟲的技術,實現對主流幾個互聯網招聘平臺上求職人員簡歷的自動爬取能力,基于機器學習算法融入上一步對應人才模型要求的關鍵指標,自動篩選出當前匹配度比較高的候選簡歷庫。方便公司的人力資源同事,能夠精準的獲取匹配度較高的簡歷,大大提升了招聘工作的效率。
            圖 1.論文研究的技術路線
            ........................

            第二章 研究的理論綜述

            2.1 人力資源招聘研究綜述
            2.1.1 傳統的招聘方式
            孟寶、陶澤華(2011)針對傳統的企業招聘工作做了深入研究,并發現以下幾點不足。一是傳統的企業招聘只是解決單一招聘問題,沒有統籌考慮到與企業發展戰略以及企業人力資源規劃;再者企業招聘工作沒有形成規范流程,導致招聘工作效率低下,招聘成本增加;三是傳統的招聘模式多為人為判定,缺少一個合理的判斷機制,公司也缺少人才模型指標構建與匹配度的方法,所以招聘質量無法控制。李源(2013)研究表明很多企業招聘質量不高的原因是,往往是缺少一個招聘前的整理規劃,大都是有人才需求就發布招聘了,最后發現招聘的環節中出現了各類問題。江燕(2007)指出人才招聘的問題在大型國有企業也普遍存在,國有企業的人才招聘一般都是憑借人的主觀感覺來判斷,缺失崗位模型指標的評估辦法。
            2.1.2 互聯網招聘方式
            相比傳統招聘,互聯網招聘方式有許多優點,李明(2013)研究認為,從成本方面,互聯網招聘成本低于傳統招聘;從篩選方面,互聯網招聘的簡歷篩選方便快捷,可以借助互聯網平臺快速篩查,而傳統招聘人為紙質篩選內容無法檢索。從溝通方面,借助互聯網的信息傳遞優勢,求職者更容易與用人單位及時溝通。
            互聯網招聘的流行,雖然加快了企業人才招聘的效率,與此同時也出現了很多問題。張月,樸光赫(2014)研究網絡招聘中,求職者的簡歷信息存在失真問題,對于企業來說無法判斷與解決;并且發現互聯網的簡歷篩選也依然面臨不知道如何篩選的問題。安哲峰在 2010年的網絡招聘研究中,也發現在網絡中存在的幾類典型問題,比如:簡歷過多處理不過來,簡歷的篩選還是人為處理,必然會遇到篩選瓶頸;簡歷質量不一,簡歷內容存在缺失,更多是求職者自身問題,造成簡歷評估的難度加大;同時也發現了簡歷信息真實度低的問題,后續面試、入職后發現求職者不具備簡歷上面介紹的內容,無形中增加了企業招聘成本。
            .........................

            2.2 簡歷篩選研究概述
            通過以上的論述可知,簡歷篩選環節作為企業互聯網招聘的一個重要環節,簡歷篩選的工作能否高效、準確地開展,對企業的招聘工作與企業發展有著非常重要的意義。
            2.2.1 簡歷篩選的意義
            簡歷篩選作為企業與人才接觸的第一步,簡歷即代表著每個應聘人員的基本信息,簡歷篩選的質量決定著后續招聘環節的開展。國外對于人才篩選的研究較早。George A. Neuman在 1990 年就在《Personnel selection tests for computer professionals and support technicians》中就計算機專業人員選擇上需要的能力模型篩選測試研究,提升了企業在計算機人才招聘的效率與質量。
            M.G. Barchilon(1996)提出電子技術影響簡歷設計,需要更加重塑簡歷內容,并且提供了一個靈活的簡歷模型,以幫助專業人士關注在當今競爭激烈的商業環境中有必要在簡歷中包括成績證明和可衡量的數據,以大大提高就業機會的觀點。簡歷的作為一種招聘工具也隨著信息技術的發展愈發重要。
            Dodo zu Knyphausen-Aufse,Claus Vormann(2009)針對企業在人才篩選中,著眼于選擇過程中使用的標準,尤其是申請人的適合度、能力和社會資本進行了研究。特別是在企業成立時間與選擇人的關系匹配度方面提供了非常有價值的研究資料。
            Michael S. Cole, Hubert S. Feild, William F. Giles(2009)在研究招聘人員如何從求職者的簡歷中推斷出性格特征,并將這些推斷用于評估求職者的就業能力。文中利用從 244 名招聘人員那里收集的數據,發現當他們審閱初級求職者的簡歷并推斷出求職者的性格特征時,評估者之間的可信度較低。此外,當招聘人員對申請人性格的推斷與申請人實際的五大人格分數相關時,結果表明招聘人員的推斷缺乏有效性,可能存在外向性和經驗開放性的例外。最后,盡管在很大程度上是不可靠和無效的,招聘人員對申請人的外向性、經驗開放性和盡責性的推斷預測了招聘人員隨后對申請人的就業能力評估。
            .........................

            第三章 誠勤公司招聘中的簡歷篩選現狀及問題分析................................ 12
            3.1 誠勤公司簡述 ............................... 12
            3.1.1 公司簡介 .............................. 12
            3.1.2 誠勤公司的人力資源招聘現狀............................. 12
            第四章 誠勤公司基于機器學習的簡歷篩選模式.......................... 21
            4.1 簡歷篩選前的準備工作 ............................... 21
            4.2 人才模型構建方法 ........................... 22
            第五章 誠勤公司簡歷篩選的保障與優化措施.............................. 45
            5.1 科學制定招聘計劃 ................................. 45
            5.1.1 梳理公司崗位需求 ............................ 45
            5.1.2 選擇招聘渠道 ........................ 46

            第五章 誠勤公司簡歷篩選的保障與優化措施

            5.1 科學制定招聘計劃
            誠勤公司雖然面臨人力資源隊伍不健全問題,但是科學合理的招聘計劃非常關鍵,也是開展本次互聯網簡歷篩選方案得以執行的基礎。
            5.1.1 梳理公司崗位需求
            誠勤公司雖然面臨人力資源隊伍不健全問題,但是科學合理的招聘計劃非常關鍵,也是開展本次互聯網簡歷篩選方案得以執行的基礎。
            5.1.1 梳理公司崗位需求
            2019 年 6 月 20 日由人事部門同事牽頭,完成對用人部門研發部以及實施部對各自部門的崗位需求調研,收集并整理出了各崗位人才的具體崗位技能要求與職責,工作經驗要求,人員數據量,期望入職時間等近 10 項左右需求。見表 7。
            表 7 誠勤招聘需求表
            .........................

            第六章 結論與展望

            6.1 研究結論
            本文通過分析南京誠勤教育科技有限公司的人力資源特征和互聯網人才招聘問題,發現當前公司使用了互聯網招聘平臺并沒有減輕人才招聘的工作量。本文提出了在互聯網招聘平臺的簡歷篩選環節利用了當前熱門的人工智能技術來嘗試解決此問題,具體使用了網絡爬蟲技術+百度深度學習的 PaddleNLP 工具來解決簡歷數據的自動采集工作,又在簡歷篩選過程中使用了機器學習算法來完成簡歷與人才模型智能匹配的工作來提升簡歷的準確性,為人工智能在人力資源管理方面的應用提供了一定的研究思路。本文主要得出了以下幾個結論:
            (1)人才模型指標的構建是簡歷篩選匹配的基礎
            做簡歷篩選的核心就是與人才指標模型智能匹配,本文使用了分類標記法和 Delphi 法組合使用,通過分類標記法來完成指標分類標記的工作,通過 Delphi 法來采集專家對人才模型的評價指標篩序。這個過程非常有價值,如果只用其中一種方法都會帶來人才模型指標的片面性,通過組合則提升了人才模型與公司實際情況的融合。
            (2)網絡爬蟲融合深度學習的自然語言解析能力增強了采集能力
            網絡爬蟲作為一種成熟的網頁數據采集技術應用于互聯網招聘平臺的簡歷數據采集工作是非常有價值的,融合了百度 PaddleNLP(基于深度學習的中文 NLP 開源工具集),為網絡爬蟲賦能了自然語言的分析能力,就會大大加強簡歷采集過程中針對簡歷信息內容解析能力。有了此能力,基于簡歷信息的關鍵詞,與制定的人才模型指標體系,會在后續機器學習算法在簡歷篩選過程中針對指標匹配以及簡歷最終有效性的判斷提供可能。
            (3)機器學習算法提升了簡歷篩選的有效性
            傳統的簡歷篩選工作,如果 100 份簡歷篩選需要 1 個小時左右,而使用機器學習的計算機程序來進行簡歷篩選工作只需要運行 3 分鐘就可以得出結果;當然還只是 100 份 1 個崗位的簡歷篩選工作,如果招聘崗位多,人手有限的情況下時間會更長,更能看出使用機器學習模式進行簡歷篩選方案的優勢,那就是大大提升簡歷篩選的效率。
            參考文獻(略)


            上一篇:低頻授時設備優化及管理研究——基于商丘低頻臺
            下一篇:地方政府在環境治理中的責任困境分析——以天津市為例
            日本videos护士有奶水,六月婷婷久香在线视频,三级特黄60分钟在线播放,欧美肥胖老太bbw 大连诩嗡水电安装有限公司