| 标题 | 基于人工智能的人力资源招聘系统的研究 |
| 范文 | 韩保刚 杜素艳 于乃文 周博 关键词 人力资源 招聘 信息系统 智慧平台 基金项目：1. 2019年河北省人力资源社會保障研究课题（JRS-2019-6005）; 2. 2018年河北科技大学理工学院教学改革研究课题（2018Z01）; 3. 2018年河北省高等教育教学改革研究与实践项目课题（2018GJJG608）。 作者简介：韩保刚，石家庄市东苑小学;杜素艳，河北第二机械工业有限公司;于乃文、周博，河北科技大学理工学院。 中图分类号：D035.3 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文献标识码：A ? ? ? ? ? ?? ? ? ? ? ?DOI：10.19387/j.cnki.1009-0592.2019.08.206 众所周知，人力资源是企业发展和社会进步中的重要推动力，人岗匹配成为人力资源招聘管理中的重中之重，而传统的人工筛选求职简历，进行集中面试的方式存在着招聘人员主观性强、应聘人员数据量低、评判不科学等限制。随着大数据、云计算、智能机器人、VR、神经网络技术的发展，“人工智能”已经进入了现实世界，并且发挥着越来越重要的作用。基于海量数据的科学分析服务实现了管理模式的创新，可以满足为管理者提供个性化的数据信息服务需求，同时也可以为人力资源管理部门更加有效地、科学地、客观地分析和评价应聘者和员工，最大限度地提升“人-企”双方的相互满意程度和吻合程度。 由于人岗匹配是人员综合素质情况和岗位胜任情况的综合评定，这个过程是一个动态的、半结构化的和双向的过程，供求双方如何在这一动态过程中寻求共同点是这项工作的难点，因此，文章以人工智能为依托，提出了智慧型的人力资源招聘系统的框架，以实现“简历填写→简历智能筛选→人岗吻合度初次评价→智能辅助面试→人岗吻合度综合评价”的全过程智能化、系统化管理。 一、人力资源招聘系统的整体设计 人力资源招聘系统工作的整体设计流程和业务流程如图1所示。应聘者按照简历模板从系统中输入自己相关的信息，这些海量的简历数据进入简历数据池进行保存，由于简历数量巨大，且个性化内容比较多，因此需要进行高效的筛选，这里系统采用了基于神经网络的学习机技术，即：前期以人工为主筛选简历，而学习机通过这个过程不断地学习，不断地接受训练，经过一段时间后，学习机会掌握管理者的一些想法和做法，建立自己的工作思路和体系，然后逐步取代人的一些工作，直到接近完全取代，在从海量简历池中完成数据筛选后便成为了合格简历池，下一步就是面试。由于传统的面试存在着时间长，面试官主观性强的问题，因此，系统依然采用学习机的方式，从训练开始，到采用“场景+语音识别”的方式去接近完全代替人来完成面试。这两项工作完成后，系统会结合管理者的设定对应聘人员结合岗位要求进行个性化的综合评定，然后实行量化制打分，最终确定招聘结论。 二、系统的实现方法 （一）简历的筛选过程设计 简历的自动筛选需要制定标准，这个标准就是建立的岗位模型，学习机指挥着智能筛选系统来完成简历与岗位的匹配，并按照设定的阈值来将合格的简历导入到“合格简历池”，系统采用了人工神经网络技术（即：Back Propagation， BP）来实现的。其步骤如下： 1.制定岗位的人才选拔体系、指标和指标权重 根据岗位的不同特点，人力资源管理部门根据岗位和用人标准，采用“人员-岗位”匹配原则，建立需求模型，这个模型可以采用多个维度的指标库，如：基本状况指标、人格特征指标、工作动机指标、基本技能指标、个人能力指标等等，并将这个指标划分为若干个子指标，如表1。 2.根据指标体系上传简历模板 根据指标系统要求，上传简历模板，包含：姓名，年龄，学历等等，也包括个性化的一些问题，如：从事程序设计时间，上传系统的样本等等。 3.利用学习机控制“智能筛选系统”完成简历筛选 智能筛选系统在学习机的帮助下通过对应聘者基本状况、基本技能、个人人格等特征的深度分析，从简历数据池中获取合格的简历。为了提高数据筛选的准确性，系统采用了BP神经网络以及深度学习的算法，该算法首先从简历信息资源池中获取海量数据，然后建立以岗位匹配模型为依据的约束方程，判断各指标是否在设定的阈值范围内，特别是主观指标部分。同时通过提取个例的数据特征，经过必要的分析和计算，结合人工的干预，再利用卷积神经网络技术（CNN）完成深度学习，学习完成后向后反馈卷积值，通过这种反馈调整加权参数、阈值权数和控制参数，完成最终的学习过程和训练过程，如图2所示。 随着海量简历数据筛选的“经验”积累，加以人工的干预，学习机的控制能力会越来越强，直到接近取代人工。 （二）“机器+VR虚拟”面试过程设计 机器可以采用学习机的方式首先进行“训练”，然后在实践过程中深度学习，从而完成对应聘者的面试。这里要解决以下几个问题：（1）如何解决机器语义判断的问题;（2）如何解决应答匹配的问题。 首先，机器本身对于语义的判断和匹配的精读是有限的，为了解决这一问题可以采用训练知识库的方式解决，知识库的训练过程是以卷积神经网络为基础，应用“深度学习”相关算法和“模式识别”相关技术，自主提高机器自身能力，以便于处理更加口语化的问题，通过机器训练和人工训练，不断完善自身的知识库，理解应聘者对问题的回答含义，通过“交流”不断判断和收集其技能程度、敬业程度、专业吻合度等等，并将这些主观回答转换为可量化的数据，以便最终形成评判分值。“人-机”对话还需要考虑应聘者上下文的连续问题、个性化问题等等，这样，前者可以在Encoder阶段把上下文信息context及当前输入Message同时编码，从而促进Decoder阶段可以参考上下文信息，最终生成应答Response;随后，系统还可以定义不同身份、不同个性和不同语言风格的个性化助理，信息通过word Embedding的表达方式来体现，在不同的聊天风格的背景下，选择不同的聊天助理来解决这一问题。 其次，应聘者可能会主动提出一些问题，这时就需要机器进行答复，如：应聘者询问待遇问题，企业发展问题等等，这时机器在分析应聘者问题的基础上，自动从各种数据源中匹配与之近似程度高的答案，当然，随着学习机“知识”的不断积累，回答问题的准确程度也会越来越高。机器在关键词匹配的基础上，用了NLP技术，即自然语言处理技术，这样机器与人之间的交流和沟通，更贴近于人与人之间的交流，应聘者的问题，不必再必须采用关键字识别的方式，而是首先理解一个完整的句子。 三、结论 文章以人工智能为依托，提出了智慧型的人力资源招聘系统的框架和实现方法，很好地解决了传统招聘模式中存在的劳动强度大、主观性强、评判不科学的问题，最大限度地提升了“人-企”双方的相互满意程度。 参考文献： [1]刘君.基于物联网技术的高校智慧教室的设计研究[J].陕西理工大学学报（自然科学版），2017，33（5）：52-57. [2]康丽华，侯君华，韩保刚，等.基于cloud &bim 的智慧建筑项目管理信息平台设计[J].河北工业科技，2017，34（6）：459-464. [3]秦乐乐，黄涛，刘畅.基于物联网技术的高校智慧实验室架构[J].河北工业科技，2018，35（6）：400-405. [4]QIN Lele，YU Naiwen，ZHAO Donghui.Applying the convolutional neural network deep learning technology to behavioural recognition in intelligent video[J].Technical Gazette，2018，25（2）：528-535. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。