基于数据挖掘的人力资源最优结构建模设计
卢轶遐
摘 要： 为了优化人力资源管理，提高人力资源管理过程中的信息匹配能力，从而促进人力资源建设及人力资源管理信息库的完善，提出基于数据挖掘的人力资源最优结构建模设计方法。采用信息提取方法进行人力资源管理的信息资源调度和特征提取，结合规范化正则迁移模型进行人力资源管理中人员和岗位的信息配准，进行人力资源优化调度设计，采用自相关组成成分挖掘方法进行人力资源信息挖掘，实现人力资源信息管理的优化建模。实验结果表明，采用该方法进行人力资源最优结构建模，提高了人力资源调度分配的配准性和时效性，具有较好的人力资源信息管理能力。
关键词： 数据挖掘； 人力资源； 建模； 信息管理； 特征提取
中图分类号： TN911?34； TP311 文献标识码： A 文章编号： 1004?373X（2017）24?0043?03
Abstract： To optimize human resource management， improve information matching capability in the process of human resource management， and facilitate human resource construction and perfection of human resource management information base， a design method of the human resource optimal structure modeling based on data mining is proposed. The information extraction method is adopted for human resource management information scheduling and feature extraction. Combined with standardized regular migration model， information registration is performed for employees and positions in human resource management， and human resource optimized scheduling is designed. The autocorrelation component mining method is adopted for human resource information mining to realize optimized modeling of human resource information management. The experimental results show that the method for human resource optimal structure modeling can improve the registration and timeliness of human resource scheduling， and has good human resource information management capability.
Keywords： data mining； human resource； modeling； information management； feature extraction
人力资源管理是一项系统化工程，人力资源管理信息化系统建设是实现人力资源的信息化管理的关键。通过构建人力资源的信息化管理系统，进行人力资源信息的分类存储和调度，提高人力资源的信息分配和科学统筹能力，从而更好地发挥人力资源的主动性，促进岗位建设发展，进一步提高生产力。因此，研究人力资源的信息化管理模型，进行人力资源的最优结构建模设计，在促进人力资源建设方面具有重要的意义，相关的人力资源信息管理方法研究受到人们的极大重视[1]。人力资源的最优结构建模建立在人力资源信息数据分析和数据挖掘的基础上，通过数据挖掘实现人力资源管理信息数据的关联数据聚类处理，构建反映人力资源管理信息数据特征的高维信息空间，在信息空间中采用信息融合方法进行大数据信息处理，提高对人力资源的调度能力，从而实现人力资源最优结构设计。
1 人力资源最优结构构架
人力资源管理的最优结构设计是采用三层体系结构模型设计，分别是基础层、服务层和应用层[2]，采用专有多维结构存储模型进行人力资源的原始数据源采样，人力资源的管理信息数据主要来自于人力资源信息服务库的资源管理中心，采用批量调度和实时查询等方法构建人力资源管理的分析模型。通过分布式数据库的Hbase存储模型进行数据分区，构建人力资源管理信息系统，信息系统中的分布式文件支持高性能的辅助决策（DSS）计算，资源数据来自于采集主站、营销系统。通过对人力资源信息的分类存储采集，使用ETL工具对数据源数据进行抽取（Extract）、清洗（Cleaning），获取所需数据，如用户档案、采集成功率和异常工单等，在应用服务层中完成数据挖掘和信息分类，在数据存储层中完成人力资源管理信息的装载。
采用模块化软件设计方法构建人力资源的最优结构模型，采用规范的接口进行人力资源管理系统的模块化调度和总线传输，根据数据处理层之间的耦合性进行人力资源管理系统的信息化批量计算[3]，提高应用服务响应效率。根据上述设计原理，得到本文设计的大数据运维人力资源最优结构建模构架如图1所示。根据图1所示的人力资源信息化管理系统的總体设计构架，采用数据挖掘方法进行信息调度和数据加工，提高人力资源管理的效率，降低人力资源信息管理的开销，促进人力资源信息化建设的优化。
2 人力资源管理信息数据挖掘
在上述构建了人力资源管理信息系统建设的总体结构模型基础上，采用信息提取方法进行人力资源管理的信息资源调度和特征提取，计算人力资源管理信息数据信息流模型的二阶不变矩[4]，对于人力资源管理信息数据的非线性序列，其阶几何矩为：
式中，是人力资源管理信息数据非线性时间序列分布的极坐标。根据尺度分割的不变性原理，得到人力资源管理信息数据非线性时间序列特征的特征分布函数为：
通过主特征向量分布式挖掘，得到人力资源管理信息数据的关联规则特征函数满足，决策矩阵的秩满足。
构建规范化正则迁移模型，进行人力资源管理信息数据调度[5]，得到人力资源调度的正则训练迁移法则描述为：
人力资源管理信息数据中员工与岗位的配准信息函数记为：
式（5）表示一组资源信息分布的相似度特征参量，通过主成分分析方法进行人力资源信息调度，得到人力资源调度的关联度伴随量定义为：
定义为人力资源最优结构分布的非合作博弈函数，计算式为：
定义为人力资源调度的端到端信道分配度量值，计算式为：
式中：为单组人力资源信息调度节点在时刻传输信息吞吐量；为提取的人力资源的信息幅值均值。通过规范化正则迁移模型设计，进行人力资源管理中人员和岗位的信息配准[6]。
3 人力资源信息管理结构设计优化
在进行人力资源管理信息数据挖掘优化设计的基础上，进行人力资源信息管理结构最优化设计，结合规范化正则迁移模型进行人力资源管理中人员和岗位的信息配准，得到在第组分类岗位上人力资源结构的中心节点在时刻的信息配准集为：
利用概念、实例和属性等实体集进行人力资源的结构优化，得到人力资源管理中心的数据挖掘信息量估计值为：
结合规范化正则迁移模型修正每个权向量，人力资源管理数据中最优关联匹配[7]，得到相应的人力资源管理信息数据的岗位配对关联权重为则在人力资源管理信息数据分布的云网格中，采用本体结构模型进行人力资源结构优化，输出调度向量集，得到人力资源结构体系中的资源均衡模型为：
4 仿真实验
为了测试本文方法在实现人力资源最优结构设计和人力资源数据挖掘中的优越性能，进行仿真实验。实验采用Matlab 7编程设计，人力资源的信息管理平台建立在OpenGL 2.0云信息管理平台基础上，采用OpenGL的opengl32.dll作为人力资源信息管理的本体数据库，人力资源信息管理的中心服务器使用Tomcat 4.1，数据采样长度为1 024，模糊决策的阈值为1.25，迭代次数为300，资源数据的比特序列调制参量为。根据上述仿真环境和参量设定，进行人力资源最优结构设计的数据挖掘仿真，得到人力资源数据挖掘的输出结果如图2所示。
分析图2结果得知，采用本文方法进行人力资源信息系统的数据挖掘，能实现信息的准确配对和特征提取。图3给出了采用不同方法进行人力资源结构建模的信息配准性对比。
由仿真结果分析得知，本文设计的人力资源结构模型提高了人力资源调度分配的配准性和时效性。
5 结 语
本文提出一种基于数据挖掘的人力资源最优结构建模设计方法。采用信息提取方法进行人力资源管理的信息资源调度和特征提取，结合规范化正则迁移模型进行人力资源管理中人员和岗位的信息配准，进行人力资源优化调度设计。采用自相关组成成分挖掘方法进行人力资源信息挖掘，实现人力资源信息管理的优化建模。实验结果表明，采用该方法进行人力资源最优结构建模，提高了人力资源调度分配的配准性和时效性，具有较好的人力资源信息管理能力，在人力资源信息管理中具有一定的应用价值。
参考文献
[1] 何力，丁兆云，贾焰，等.大规模层次分类中的候选类别搜索[J].计算机学报，2014，37（1）：41?49.
[2] 周桥，伊鹏，门浩崧.基于资源效用最大化的虚拟网络功能备份方法[J].计算机应用，2017，37（4）：948?953.
[3] 李永刚，张治中，李龙江.一种WLAN与eHRPD系统间负载均衡算法[J].微电子学与计算机，2017，34（1）：44?47.
[4] BARI M F， CHOWDHURY S R， AHMED R， et al. On orchestrating virtual network functions in NFV [C]// Proceedings of the 11th International Conference on Network and Service Management. Washington： IEEE Computer Society， 2015： 50?56.
[5] 付艳艳，张敏，冯登国，等.基于节点分割的社交网络属性隐私保护[J].软件学报，2014，25（4）：768?780.
[6] HAZAY C， NISSIM K. Efficient set operations in the presence of malicious adversaries [J]. Journal of cryptology， 2012， 25（3）： 383?433.
[7] 周彦伟，杨波，张文政.可证安全的移动互联网可信匿名漫游协议[J].计算机学报，2015，38（4）：733?748.
[8] RAHMAN A， MUHAMMAH H， SUNGYOUNG L， et al. Rough set?based approaches for discretization： a compact reviews [J]. Artificial intelligence review， 2015， 44（2）： 235?263.
摘 要： 为了优化人力资源管理，提高人力资源管理过程中的信息匹配能力，从而促进人力资源建设及人力资源管理信息库的完善，提出基于数据挖掘的人力资源最优结构建模设计方法。采用信息提取方法进行人力资源管理的信息资源调度和特征提取，结合规范化正则迁移模型进行人力资源管理中人员和岗位的信息配准，进行人力资源优化调度设计，采用自相关组成成分挖掘方法进行人力资源信息挖掘，实现人力资源信息管理的优化建模。实验结果表明，采用该方法进行人力资源最优结构建模，提高了人力资源调度分配的配准性和时效性，具有较好的人力资源信息管理能力。
关键词： 数据挖掘； 人力资源； 建模； 信息管理； 特征提取
中图分类号： TN911?34； TP311 文献标识码： A 文章编号： 1004?373X（2017）24?0043?03
Abstract： To optimize human resource management， improve information matching capability in the process of human resource management， and facilitate human resource construction and perfection of human resource management information base， a design method of the human resource optimal structure modeling based on data mining is proposed. The information extraction method is adopted for human resource management information scheduling and feature extraction. Combined with standardized regular migration model， information registration is performed for employees and positions in human resource management， and human resource optimized scheduling is designed. The autocorrelation component mining method is adopted for human resource information mining to realize optimized modeling of human resource information management. The experimental results show that the method for human resource optimal structure modeling can improve the registration and timeliness of human resource scheduling， and has good human resource information management capability.
Keywords： data mining； human resource； modeling； information management； feature extraction
人力资源管理是一项系统化工程，人力资源管理信息化系统建设是实现人力资源的信息化管理的关键。通过构建人力资源的信息化管理系统，进行人力资源信息的分类存储和调度，提高人力资源的信息分配和科学统筹能力，从而更好地发挥人力资源的主动性，促进岗位建设发展，进一步提高生产力。因此，研究人力资源的信息化管理模型，进行人力资源的最优结构建模设计，在促进人力资源建设方面具有重要的意义，相关的人力资源信息管理方法研究受到人们的极大重视[1]。人力资源的最优结构建模建立在人力资源信息数据分析和数据挖掘的基础上，通过数据挖掘实现人力资源管理信息数据的关联数据聚类处理，构建反映人力资源管理信息数据特征的高维信息空间，在信息空间中采用信息融合方法进行大数据信息处理，提高对人力资源的调度能力，从而实现人力资源最优结构设计。
1 人力资源最优结构构架
人力资源管理的最优结构设计是采用三层体系结构模型设计，分别是基础层、服务层和应用层[2]，采用专有多维结构存储模型进行人力资源的原始数据源采样，人力资源的管理信息数据主要来自于人力资源信息服务库的资源管理中心，采用批量调度和实时查询等方法构建人力资源管理的分析模型。通过分布式数据库的Hbase存储模型进行数据分区，构建人力资源管理信息系统，信息系统中的分布式文件支持高性能的辅助决策（DSS）计算，资源数据来自于采集主站、营销系统。通过对人力资源信息的分类存储采集，使用ETL工具对数据源数据进行抽取（Extract）、清洗（Cleaning），获取所需数据，如用户档案、采集成功率和异常工单等，在应用服务层中完成数据挖掘和信息分类，在数据存储层中完成人力资源管理信息的装载。
采用模块化软件设计方法构建人力资源的最优结构模型，采用规范的接口进行人力资源管理系统的模块化调度和总线传输，根据数据处理层之间的耦合性进行人力资源管理系统的信息化批量计算[3]，提高应用服务响应效率。根据上述设计原理，得到本文设计的大数据运维人力资源最优结构建模构架如图1所示。根据图1所示的人力资源信息化管理系统的總体设计构架，采用数据挖掘方法进行信息调度和数据加工，提高人力资源管理的效率，降低人力资源信息管理的开销，促进人力资源信息化建设的优化。
2 人力资源管理信息数据挖掘
在上述构建了人力资源管理信息系统建设的总体结构模型基础上，采用信息提取方法进行人力资源管理的信息资源调度和特征提取，计算人力资源管理信息数据信息流模型的二阶不变矩[4]，对于人力资源管理信息数据的非线性序列，其阶几何矩为：
式中，是人力资源管理信息数据非线性时间序列分布的极坐标。根据尺度分割的不变性原理，得到人力资源管理信息数据非线性时间序列特征的特征分布函数为：
通过主特征向量分布式挖掘，得到人力资源管理信息数据的关联规则特征函数满足，决策矩阵的秩满足。
构建规范化正则迁移模型，进行人力资源管理信息数据调度[5]，得到人力资源调度的正则训练迁移法则描述为：
人力资源管理信息数据中员工与岗位的配准信息函数记为：
式（5）表示一组资源信息分布的相似度特征参量，通过主成分分析方法进行人力资源信息调度，得到人力资源调度的关联度伴随量定义为：
定义为人力资源最优结构分布的非合作博弈函数，计算式为：
定义为人力资源调度的端到端信道分配度量值，计算式为：
式中：为单组人力资源信息调度节点在时刻传输信息吞吐量；为提取的人力资源的信息幅值均值。通过规范化正则迁移模型设计，进行人力资源管理中人员和岗位的信息配准[6]。
3 人力资源信息管理结构设计优化
在进行人力资源管理信息数据挖掘优化设计的基础上，进行人力资源信息管理结构最优化设计，结合规范化正则迁移模型进行人力资源管理中人员和岗位的信息配准，得到在第组分类岗位上人力资源结构的中心节点在时刻的信息配准集为：
利用概念、实例和属性等实体集进行人力资源的结构优化，得到人力资源管理中心的数据挖掘信息量估计值为：
结合规范化正则迁移模型修正每个权向量，人力资源管理数据中最优关联匹配[7]，得到相应的人力资源管理信息数据的岗位配对关联权重为则在人力资源管理信息数据分布的云网格中，采用本体结构模型进行人力资源结构优化，输出调度向量集，得到人力资源结构体系中的资源均衡模型为：
4 仿真实验
为了测试本文方法在实现人力资源最优结构设计和人力资源数据挖掘中的优越性能，进行仿真实验。实验采用Matlab 7编程设计，人力资源的信息管理平台建立在OpenGL 2.0云信息管理平台基础上，采用OpenGL的opengl32.dll作为人力资源信息管理的本体数据库，人力资源信息管理的中心服务器使用Tomcat 4.1，数据采样长度为1 024，模糊决策的阈值为1.25，迭代次数为300，资源数据的比特序列调制参量为。根据上述仿真环境和参量设定，进行人力资源最优结构设计的数据挖掘仿真，得到人力资源数据挖掘的输出结果如图2所示。
分析图2结果得知，采用本文方法进行人力资源信息系统的数据挖掘，能实现信息的准确配对和特征提取。图3给出了采用不同方法进行人力资源结构建模的信息配准性对比。
由仿真结果分析得知，本文设计的人力资源结构模型提高了人力资源调度分配的配准性和时效性。
5 结 语
本文提出一种基于数据挖掘的人力资源最优结构建模设计方法。采用信息提取方法进行人力资源管理的信息资源调度和特征提取，结合规范化正则迁移模型进行人力资源管理中人员和岗位的信息配准，进行人力资源优化调度设计。采用自相关组成成分挖掘方法进行人力资源信息挖掘，实现人力资源信息管理的优化建模。实验结果表明，采用该方法进行人力资源最优结构建模，提高了人力资源调度分配的配准性和时效性，具有较好的人力资源信息管理能力，在人力资源信息管理中具有一定的应用价值。
参考文献
[1] 何力，丁兆云，贾焰，等.大规模层次分类中的候选类别搜索[J].计算机学报，2014，37（1）：41?49.
[2] 周桥，伊鹏，门浩崧.基于资源效用最大化的虚拟网络功能备份方法[J].计算机应用，2017，37（4）：948?953.
[3] 李永刚，张治中，李龙江.一种WLAN与eHRPD系统间负载均衡算法[J].微电子学与计算机，2017，34（1）：44?47.
[4] BARI M F， CHOWDHURY S R， AHMED R， et al. On orchestrating virtual network functions in NFV [C]// Proceedings of the 11th International Conference on Network and Service Management. Washington： IEEE Computer Society， 2015： 50?56.
[5] 付艳艳，张敏，冯登国，等.基于节点分割的社交网络属性隐私保护[J].软件学报，2014，25（4）：768?780.
[6] HAZAY C， NISSIM K. Efficient set operations in the presence of malicious adversaries [J]. Journal of cryptology， 2012， 25（3）： 383?433.
[7] 周彦伟，杨波，张文政.可证安全的移动互联网可信匿名漫游协议[J].计算机学报，2015，38（4）：733?748.
[8] RAHMAN A， MUHAMMAH H， SUNGYOUNG L， et al. Rough set?based approaches for discretization： a compact reviews [J]. Artificial intelligence review， 2015， 44（2）： 235?263.
