CN103714413A - 基于职位信息构建素质模型的系统与方法 - Google Patents
基于职位信息构建素质模型的系统与方法 Download PDFInfo
- Publication number
- CN103714413A CN103714413A CN201310596334.5A CN201310596334A CN103714413A CN 103714413 A CN103714413 A CN 103714413A CN 201310596334 A CN201310596334 A CN 201310596334A CN 103714413 A CN103714413 A CN 103714413A
- Authority
- CN
- China
- Prior art keywords
- index
- job
- knowledge
- attainment
- ability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于职位信息构建素质模型的系统及方法,通过网络和其他多种形式及时获取职位信息以得到典型职位,在对典型职位进行规范化职位分析时,依据ISCC素质词典、关键词库和相关推荐原则,自动分析计算该典型职位工作所需的知识、能力和素养方面的各项指标,然后结合对产业用人需求进行统计分析,得出胜任该典型职位所需的关键的知识、能力和素养的各项指标,还能确立某个领域的职位群和虚拟职位的ISCC素质模型,帮助用户了解行业职位的分布情况,帮助用户了解单个职位、职位群和虚拟职位对知识、能力和素养的要求,了解职位对知识、能力和素养共性、特性和个性的要求。
Description
技术领域
本发明涉及对职位的用人需求进行全方位而有效地自动化分析的技术,尤其涉及一种基于职位信息构建素质模型的系统与方法。
背景技术
为有效地对人才进行培养和测评,需要了解职位对人才的素质要求,建立职位的胜任素质模型。目前构建职位胜任素质模型的方法和技术主要采用问卷调查分析、职位工作分析和关键事件访谈分析,这些方法和技术存在的主要问题如下:(1)这些方法和技术的实施主要采用人工的方式,并且相互独立,需要大量人工整合其结果;(2)数据需要大量人工分析,过程非常繁琐,非常耗时;(3)数据分析过程会掺杂太多主观意见,缺乏客观性;(4)尤其是对行业用人素质的分析,难以保证样本的数量和质量的代表性,分析结果的准确性较差;(5)分析的结果滞后于人才素质需求的不断更新,不能及时反馈行业用人需求标准,不能为人才的培养和测评提供有效的参考。
发明内容
鉴于以上内容,有必要提供基于职位信息构建素质模型的系统及方法,其能通过网络和其他多种形式及时获取职位信息,能及时反馈用人需求,为培养和测评提供及时、有效的数据,为教育用户制定培养目标和内容提供指导;为企业明确招聘需求、考核指标和培训内容提供指导;为个人了解职位要求及自身职业生涯发展路径提供指导。
一种基于职位信息构建素质模型的系统,该系统包括:产业用人需求获取部件,用于利用网络服务器及因特网搜索并获取用户在客户端上所提供的产业用人职位描述;分类聚集确定典型职位部件,用于对所获取的职位描述通过聚类算法进行分类聚集处理以得到典型职位中的职位类别,每个职位类别所在的职位等级、每个职位类别的职位描述集合;职位信息整理分析部件,用于根据典型职位中的职位类别,对每个职位类别的职位描述集合进行分析处理以得到每个职位类别的标准职位描述集合,并将所述每个职位类别的标准职位描述集合发送至客户端,使专家对所述标准职位描述集合进行选择和修改;职位描述部件,用于根据每个职位类别的标准职位描述集合生成每个职位类别的标准职位描述文档;规范化职位与产业用人需求分析和统计部件,用于根据每个职位类别的标准职位描述文档及ISCC素质词典计算胜任每个职位类别所需的与知识、能力及素养有关的指标的指标值,所述与知识、能力及素养有关的指标共有K个;职位ISCC素质模型构建部件,用于根据所计算的每个职位类别所需的知识、能力及素养的指标的指标值,构建每个职位类别的ISCC素质模型;职位群和虚拟职位ISCC模型构建部件,用于根据所构建出的每个职位类别的ISCC素质模型,划分出不同的职位群,计算每个职位群的ISCC素质模型;职位群和虚拟职位ISCC模型构建部件,还用于根据所构建出的每个职位群及每个职位群的ISCC素质模型,构建多个虚拟职位及每个虚拟职位的ISCC素质模型。
一种基于职位信息构建素质模型的方法,该方法包括:产业用人需求获取步骤,利用网络服务器及因特网搜索并获取用户在客户端上所提供的产业用人职位描述;分类聚集确定典型职位步骤,对所获取的职位描述通过聚类算法进行分类聚集处理以得到典型职位中的职位类别,每个职位类别所在的职位等级、每个职位类别的职位描述集合;职位信息整理分析步骤,根据典型职位中的职位类别,对每个职位类别的职位描述集合进行分析处理以得到每个职位类别的标准职位描述集合,并将所述每个职位类别的标准职位描述集合发送至客户端,使专家对所述标准职位描述集合进行选择和修改;职位描述步骤,根据每个职位类别的标准职位描述集合生成每个职位类别的标准职位描述文档;规范化职位与产业用人需求分析和统计步骤,根据每个职位类别的标准职位描述文档及ISCC素质词典计算胜任每个职位类别所需的与知识、能力及素养有关的指标的指标值,所述与知识、能力及素养有关的指标共有K个;职位ISCC素质模型构建部件步骤,根据所计算的每个职位类别所需的知识、能力及素养的指标的指标值,构建每个职位类别的ISCC素质模型;职位群和虚拟职位ISCC模型构建步骤一,根据所构建出的每个职位类别的ISCC素质模型,划分出不同的职位群,计算每个职位群的ISCC素质模型;职位群和虚拟职位ISCC模型构建步骤二,根据所构建出的每个职位群及每个职位群的ISCC素质模型,构建多个虚拟职位及每个虚拟职位的ISCC素质模型。
相较于现有技术,本发明能在对典型职位进行规范化职位分析时,依据ISCC素质词典、关键词库和相关推荐原则,自动分析计算该典型职位工作所需的知识、能力和素养方面的各项指标,然后结合对产业用人需求进行统计分析,得出胜任该典型职位所需的关键的知识、能力和素养的各项指标,还能确立某个领域的职位群和虚拟职位的ISCC素质模型,帮助用户了解行业类似职位以及大体职位的分布情况,帮助用户了解单个职位、职位群和虚拟职位对知识、能力和素养的要求,了解职位对知识、能力和素养共性、特性和个性的要求。
附图说明
图1是本发明基于职位信息构建素质模型的系统的功能结构图。
图2是本发明基于职位信息构建素质模型的方法的较佳实施例的流程图。
图3是典型职位示意图。
图4是对一个职位类别的职位描述集合处理的流程图。
图5是ISCC素质词典指标体系示意图。
图6是计算一个职位类别的标准职位描述文档中某一条标准职位描述中所包含知识、能力及素养的指标的指标值的流程图。
图7是职位类别为Java软件开发工程师所需的与工作职责这个主题有关的知识、能力及素养的指标的指标值的示意图。
图8是计算一个职位类别的ISCC素质模型的流程图。
图9是为职位类别为Java软件工程师的ISCC素质模型的示意图。
图10为根据所构建出的每个职位类别的ISCC素质模型,划分出不同的职位群的流程图。
图11为所划出的第二职位组的示意图。
图12为所划出的第四职位组的示意图。
图13为构建每个职位群的ISCC素质模型的流程图。
图14为软件工程师职位群的ISCC素质模型图。
图15为构建一个虚拟职位的ISCC素质模型的流程图。
图16为软件工程师初级虚拟职位的ISCC素质模型图。
主要元件符号说明
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
如图1所示,是本发明基于职位信息构建素质模型的系统40(以下简称“系统”40)的功能结构图,该系统40应用于计算装置16中,该计算装置16还包括通过数据总线相连的存储器20、处理器30、输入设备50及显示设备60。计算装置16可以是服务器(如数据存储服务器)、电脑、手机、PDA(Personal Digital Assistant,个人数字助理)等。存储器20中包括国际服务外包从业人员标准(International Service Outsourcing CareerCertification,ISCC)素质词典32。
该系统40主要由职位描述模块21和素质模型构建模块31组成。该职位描述模块21由产业用人需求获取部件22、分类聚集确定典型职位部件24、职位信息整理分析部件26、职位描述部件28等多个子功能模块构成。素质模型构建模块31包括规范化职位与产业用人需求分析和统计部件34、职位ISCC素质模型构建部件36、职位群和虚拟职位ISCC模型构建部件38等多个子功能模块构成。
计算装置16利用产业用人需求获取部件22、职位描述部件28、素质模型构建模块31的输出部分通过因特网12与网络服务器14,以及用户进行操作的客户端10相通信连接。
上述职位描述模块21中的产业用人需求获取部件22、分类聚集确定典型职位部件24、职位信息整理分析部件26和职位描述部件28,以及素质模型构建模块31中的规范化职位与产业用人需求分析和统计部件34、职位ISCC素质模型构建部件36和职位群和虚拟职位ISCC模型构建部件38,是包括计算机指令、能够完成特定功能的程序段,比程序更适合于描述软件在计算装置16中的执行过程,通过计算装置16的处理器30(如CPU)根据OS以及应用程序进行必要处理而得以实现的。
如图2所示,是本发明基于职位信息构建素质模型的方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S10,产业用人需求获取部件22利用网络服务器14及因特网12搜索并获取用户在客户端10上所提供的产业用人职位描述,再将所获取的职位描述以文档方式存储于计算装置16的存储器20中。
在本实施例中,所述用户可以为多个公司,其通过在多个招聘网站上在线填写一些问题,如职位需求(即招聘信息)描述、调查问卷、职位工作分析、访谈或者不在线填写这些问题,线下填完后再人工上传。所述所获取的职位描述包括用户所提供的职位及用户对该职位要求的描述。所述职位描述包括多个主题的要求,所述主题包括工作职责、岗位要求、技术要求、行业知识和其他素质等。
步骤S11,分类聚集确定典型职位部件24对所获取的职位描述通过聚类算法进行分类聚集处理以得到典型职位中的职位类别,每个职位类别所在的职位等级、每个职位类别的职位描述集合,并将所得到的每个职位类别所对应的职位等级及职位描述分类存储于计算装置16的存储器20中。
所述职位等级可分为多个等级,在本实施例中,以分为初级、中级及高级为例。如学历本科及以下,不要求工作经验划分初级;学历本科及以上,要求工作经验5年以上划分为中级;学历本科以上,要求工作经验8年以上划分为高级。例如,如图3所示,职位类别“咨询顾问”的职位等级为中级。每个所述职位类别的职位描述集合中包括该职位类别的多条职位描述。
在实际生活中,典型职位的确定可以帮助教育界、企业界、政府相关机构和个人了解行业比较典型的职位有哪些,以及这些职位所属的职位等级(初级、中级、高级)。
步骤S12,职位信息整理分析部件26根据典型职位中的职位类别,对每个职位类别的职位描述集合进行分析处理以得到每个职位类别的标准职位描述集合,并将所述每个职位类别的标准职位描述集合发送至客户端10使专家对所述标准职位描述集合进行选择和修改。
如图4所示,对一个职位类别的职位描述集合处理的具体过程为:
步骤S120,职位信息整理分析部件26将该职位类别的职位描述集合中每条职位描述分解为多个语句(句子、词语)。
步骤S121,职位信息整理分析部件26根据所述职位描述中所包含的多个主题从所分解的语句中抽取与每个主题相关的语句集合。如步骤S10中所述,所述主题包括工作职责、岗位要求、技术要求、行业知识和其他素质等。这样每个主题就会有一个语句集合。
步骤S122,职位信息整理分析部件26利用某种世界知识(ontology)或分类体系(Taxonomy)等来计算每个主题所对应的语句集合中每个语句与其所在的主题的语义相似度。
步骤S123,职位信息整理分析部件26在每个主题中,根据每个语句与其所在的主题的语义相似度及推荐原则推荐出每个主题的标准职位描述集合。
以一个主题为例,当所计算的语句与该主题的语义相似度小于第一预设值时,则将该语句单独列为一条标准职位描述;
当所计算的语句与该主题的语义相似度大于第一预设值时,系统将与该主题的语义相似度在一个预设范围内的多条语句合并为一组职位描述,然后根据推荐原则及该组职位描述中每条语句与其所在的主题的语义相似度计算该组职位描述中所有语句与该主题的相关度,然后在该组职位描述中选择与该主题相关度最高的一条语句作为该组的标准职位描述。所述推荐原则包括企业权重及语法描述的完整性。所述企业权重是根据企业的规模、员工数量、行业排名、公司的产值、市值指标和专家评价而得到的。
重复步骤S120到S123就可得到每个职位类别的每个主题下的标准职位描述,即可得到每个职位类别的标准职位描述集合。
步骤S13,职位描述部件28判断客户端10上的每个职位类别的标准职位描述集合是否被修改。
在本实施例中,一般由专家来修改及维护客户端10上的每个职位类别的标准职位描述集合。当专家在客户端10上修改了每个职位类别的标准职位描述集合时,执行步骤S14,职位描述部件28接收在客户端10上对所述标准职位描述集合的修改;当专家对客户端10上的每个职位类别的标准职位描述集合没有修改时,执行步骤S15。
步骤S15,职位描述部件28根据每个职位类别的标准职位描述集合生成每个职位类别的标准职位描述文档,并存储于计算装置16的存储器20中。
步骤S16,规范化职位与产业用人需求分析和统计部件34(以下简称“统计部件34”)根据每个职位类别的标准职位描述文档及ISCC素质词典32计算胜任每个职位类别所需的与知识、能力及素养有关的指标的指标值。
在本实施例中,如图5所示,在ISCC素质词典指标体系中,所述与知识、能力及素养有关的方面包括多个指标,如知识被细分为基础知识、行业知识、技术知识、管理知识、沟通知识及商务知识等多个指标;能力被分为专业技能、管理能力、人际能力及思维能力等多个方面(其中管理能力、人际能力及思维能力可统称为软技能);素养被分为态度、动机、应对风格及行事风格等多个方面。所述管理能力、人际能力、思维能力、态度、动机、应对风格及行事风格,这些方面被细分为多个指标。如态度被细分为主动性、责任心及组织认同等多个指标。从图5中可以看出,知识被细分为6个指标,能力被细分为14个指标,素养被细分为16个指标。
存储器20中有一个关键词库,该关键词库中包含多个关键词及每个关键词所对应的知识、能力及素养的多个指标。然后关键词库与该职位类别的每条标准职位描述相匹配以找到每条标准职位描述所包含的关键词,根据所找到的多个关键词就可知道该职位类别的每条标准职位描述包含知识、能力及素养的哪些指标。
例如,关键词库中存储有“建设”这个关键词,“建设”所对应的知识、能力及素养的指标分别为:技术知识、沟通知识、管理知识、专业能力、组织能力、人际理解与沟通能力、分析能力、责任心等多个指标。关键词“团队”所对应的知识、能力及素养的指标分别为:管理知识、关系建立等多个指标。若某一条标准职位描述为“需要会建设团队”,从关键词库中匹配出来的关键词为“建设”及“团队”,则该条标准职位描述所对应的知识、能力及素养的多个指标即为技术知识、沟通知识、管理知识、专业能力、组织能力、人际理解与沟通能力、分析能力、责任心、管理知识、关系建立多个指标。
如图6所示,计算一个职位类别的标准职位描述文档中每条标准职位描述中所包含知识、能力及素养的指标的指标值的具体过程如下:
步骤S160,统计部件34将关键词库与所述标准职位描述相匹配,并根据匹配结果判断该标准职位描述中是否包含关键词库中的关键词。
当关键词库与所述标准职位描述没有匹配到相同的关键词时,则该条标准职位描述中不包含关键词库的关键词时,执行步骤S167,统计部件34将该标准职位描述中所包含的多个词语存入待定关键词库中,便于人工对该待定关键词库进行维护使待定关键词库中的词语存于关键词库中;当关键词库与所述标准职位描述匹配到相同的关键词时,则该条标准职位描述中包含关键词库的关键词时,执行步骤S161;
步骤S161,统计部件34根据所匹配出的关键词在关键词库中查找该标准职位描述中所包含的知识、能力及素养的多个指标。
步骤S162,统计部件34根据该条标准职位描述所在的职位类别的职位等级,给所述所找到的知识、能力及素养的多个指标设定指标值。
在本实施例中,若所述职位类别所对应的职位等级为初级职位时,则将所述所找到的知识的各指标的指标值设定为初级知识指标值(以1为例),所述所找到的能力的各指标的指标值设定为初级能力指标值(以2为例),所找到的素养的各指标的指标值为初级素养指标值(以2为例);依次类推,若所述职位类别所对应的职位等级为中级职位或者高级职位时,则将所述所找到的知识的各指标的指标值分别对应的设定为中级知识指标值(以2为例)或者高级知识指标值(以3为例),所述所找到的能力的各指标的指标值分别对应的设定为中级能力指标值(以2为例)或者高级能力指标值(以3为例),所找到的素养的各指标的指标值为中级素养指标值(以2为例)或者高级素养指标值(以3为例)。
步骤S163,统计部件34判断所匹配出的关键词前是否有第一程度修饰词,如“很强”或者“精通”等修饰词。
在本实施例中,关键词前的修饰词可分为第一程度修饰词、第二程度修饰词(如“卓越”)等,这些修饰词用于表示其所修饰的关键词的重要性。当所匹配出的关键词前没有第一程度修饰词时,执行步骤S164;当所匹配出的关键词前有第一程度修饰词时,执行步骤S166,在所述所找到的知识、能力及素养的多个指标中,将该关键词所对应的知识、能力及素养的多个指标的指标值上分别对应的加一个第一程度知识指标值(以1为例)、第一程度能力指标值(以1为例)、第一程度素养指标值(以1为例),该流程结束。
步骤S164,统计部件34判断所匹配出的关键词前是否有第二程度修饰词。当所匹配的关键词前有第二程度修饰词时,执行步骤S165,统计部件34在所述所找到的知识、能力及素养的多个指标中,将该关键词所对应的各知识、能力及素养的多个指标分别设定为第二程度知识指标值(以4为例)、第二程度能力指标值(以4为例)、第二程度素养指标值(以4为例),该流程结束。当所匹配的关键词前没有第二程度修饰词时,该流程结束。在本实施例中,第二程度知识/能力/素养指标值分别对应的大于第一程度知识/能力/素养指标值。
例如,若职位类别为Java开发工程师,其职位等级为初级,Java开发工程师的标准职位描述集合中有一条标准职位描述为“需要有很强的建设团队能力”,若从关键词库中匹配出来的关键词为“建设”,在ISCC素质词典的关键词库中,“建设”所对应的知识的指标为技术知识、沟通知识,其所对应的能力的指标为领导能力、关系建立;其所对应的素养的指标为组织认同,由于Java开发工程师的职位等级为初级,则技术知识、沟通知识所的指标值设定为1,领导能力、关系建立的指标值设定为2,组织认同的指标值设定为2;关键词为“建设”前有第一程度修饰词“很强”,即技术知识、沟通知识所的指标值会设定为(1+1),领导能力、关系建立的指标值会被设定为(2+1),组织认同的指标值设定为(2+1)。若关键词“建设”前的修饰词为“卓越”,则技术知识、沟通知识所的指标值会设定为4,领导能力、关系建立的指标值会被设定为4,组织认同的指标值设定为4。
循环执行步骤S160到S167就可得到每个职位类别的每条标准职位描述所包含知识、能力及素养的指标的指标值。
如图7所示为职位类别为Java软件开发工程师所需的与工作职责这个主题有关的能力的指标的示意图。该主题下共有十二条标准职位描述,第十二条标准职位描述“解决项目中的关键问题和技术难题”所包含的能力的指标为:分析能力指标,其指标值为2;学习能力指标,其指标值为2。
步骤S17,职位ISCC素质模型构建部件36(以下简称“构建部件一36”)根据所计算的每个职位类别所需的知识、能力及素养的指标的指标值,构建每个职位类别的ISCC素质模型,并生成规范化描述文档存储于计算装置16的存储器20中。
如图8所示,计算一个职位类别的ISCC素质模型的具体过程如下:
步骤S170,构建部件一36根据该职位类别中每条标准职位描述所包含的知识、能力及素养的指标的指标值,计算该职位类别的每个指标的指标等级,并将该职位类别的每个指标的指标等级存储于向量pa,知识、能力及素养的指标共有K个,则第k(k=1,2,...K)个指标的指标等级pak公式如下:
其中:n为该职位类别中标准职位描述的条数,pi为该职位类别中第i条标准职位描述对应的所述第k个指标的指标值。
步骤S171,构建部件一36根据该职位类别中每条标准职位描述所对应的知识、能力及素养的指标的指标值,计算该职位类别的每个指标的加权总分,并将每个所述指标的加权总分存储于向量pb中,该职位类别的知识、能力及素养下的指标共有K个,则第k(k=1,2,...K)个指标的指标加权总分pbk的计算公式为:
其中n为该职位类别中标准职位描述的条数,pi为该职位类别中第i条标准职位描述对应的所述第k个指标的指标值,ci为要求有第i条标准职位描述的企业数量,m为参与该职位类别分析的企业总数,w为要求有该标准职位描述的所有公司的权重的平均值,其计算公式为:
wj第j家公司的企业权重,所述企业权重wj是根据第j家公司的规模、员工数量、行业排名、公司的产值、市值指标和专家评价而得到的。
步骤S172,构建部件一36从职位类别的知识、能力、素养下的指标中选出N个指标(N小于或者等于K),并根据所选出的N个指标的指标加权总分,计算所选出的每个指标的指标百分比,则第h(h=1,2,...N)个指标的指标百分比perh计算公式如下:
在本实施例中,这里N的取值会根据后续构建职位群的需要来选择取值。如后续构建职位群时,需要该职位类别的能力的软技能(如步骤S16中所讲,能力中管理能力、人际能力及思维能力可统称为软技能)及素养的所有指标的加权总分从高到低进行排序以选出排名不低于第一预设位数T0(取前十位)的指标,并计算所选出的T0个指标的指标百分比,即N=T0。还需要对该职位类别的知识的6个指标计算指标百分比,即N取6。如图9所示为职位类别为Java软件工程师的ISCC素质模型示意图,将Java软件工程师的软技能及素养的所有指标的加权总分从高到低进行排序后,选出排名前十的十个指标,并对这十个指标计算了指标百分比。并对知识的6个指标计算指标百分比。
步骤S18,职位群和虚拟职位ISCC模型构建部件38(以下简称“构建部件二38”)根据所构建出的每个职位类别的ISCC素质模型,划分出不同的职位群,计算每个职位群的ISCC素质模型,并生成规范化描述文档存储于计算装置16的存储器20中。
如图10所示,根据所构建出的所有职位类别的ISCC素质模型,划分出不同的职位群的过程如下:
步骤S180,构建部件二38根据每个职位类别的标准职位描述集合中所包含能力的专业技能指标的描述,利用某种世界知识(ontology)或分类体系(Taxonomy)计算所有职位类别的专业技能指标的描述的语义相似度,并将语义相似度高于第一阈值的职位类别归为第一职位组。
步骤S181,构建部件二38对步骤S172中所选出的T0项的每个职位类别的软技能和素养的各个指标进行对比分析,将在软技能和素养的指标中,将至少有预设项数(如至少6项)指标相同的职位类别归为第二职位组。
如图11所示,职位类别为C++工程师、Java工程师、.Net工程师、移动工程师、嵌入式工程师及界面工程师为第二职位组,该第二职位组中的职位类别都包含有6个相同的指标。
步骤S182,构建部件二38根据每个职位类别的专业技能指标的加权总分(在步骤S171中已经全部计算出来,该专业技能指标属于能力指标下的),将加权总分低于第二阈值(如低于50)的职位类别归为第三职位组。
步骤S183,构建部件二38根据所有职位类别所包含的软技能及素养的指标的指标百分比,将所包含的软技能及素养的指标的指标百分比都高于第三阈值的职位类别选出,然后在所选出的职位类别中选出多个职位类别归为第四职位组,该第四职位组中每两个职位类别的软技能及素养的每个指标的指标百分比相减后的绝对值都低于第四阈值。如图12所示为第四职位组的示意图。
步骤S184,构建部件二38根据所有职位类别所包含的知识的每个指标的指标百分比,选出多个职位类别归为第五职位组,该职位组中每两个职位类别的知识的每个指标的指标百分比相减后的绝对值都低于第五阈值。
步骤S185,构建部件二38选取第一职位组、第二职位组、第三职位组、第四职位组、第五职位组中所包含的共同的职位类别以构成一个职位群。
如图13所示,构建部件二38构建每个职位群的ISCC素质模型的具体过程如下:
步骤S1800,构建部件二38根据该职位群中所有职位类别的所有知识、能力及素养的指标的指标等级计算该职位群的所有知识、能力及素养的指标的指标等级,用变量pgak表示职位群的第k(k=1,2,...K)个指标的指标等级。
计算公式:
其中n为该职位群中职位类别的总数,paki表示第i个职位类别的第k个指标的指标等级。
步骤S1801,构建部件二38根据该职位群中所有职位类别的所有知识、能力及素养的指标的指标加权总分计算该职位群的所有知识、能力及素养的指标的指标加权总分,用变量pgbk表示职位群的第k(k=1,2,...K)个指标的指标加权总分。
计算公式:
其中n为该职位群中的职位类别的总数,pbki表示第i个职位的类别的第k个指标的指标加权总分。
步骤S1802,构建部件二38将从职位群的知识、能力、素养下的指标中选出N1个指标(N1小于或者等于K),并根据所选出的N1个指标的指标加权总分,计算该职位群的所选出的每个指标的指标百分比,并用pergh表示该职位群的所选出的第h个指标的指标百分比,h(h=1,2,...N1)。
计算公式:
在本实施例中,需要将该职位群的所有软技能及素养的指标的指标加权总分,从高到低进行排序以选出排名不低于预设位数T1(如取前十位)的指标,并计算该职位群中所选出的T1个指标的指标百分比,即N1=T1。另外还需要对该职位类别的知识的6个指标计算指标百分比,即N1取6。
步骤S1803,构建部件二38将选取职位群内所有职位类别的标准职位描述的交集作为该职位群的标准职位描述。
当得到职位群的标准职位描述后,根据标准职位描述中所包含的职位等级得到职位群的职位等级,根据步骤S11中所讲,职位群的职位等级同样会分为初级,中级及高级。
按照上述步骤S180至S185可构建多个职位群,按照步骤S1800至S1803可构建每个职位群的ISCC素质模型,其中如图14所示,为软件工程师职位群的ISCC素质模型图,将该软件工程师职位群的所有软技能及素养的指标的指标加权总分,从高到低进行排序以选出排名不低于十位的指标,并计算该职位群中所选出的十个指标的指标百分比。另外再对该职位类别的知识的6个指标计算指标百分比。
步骤S19,构建部件二38根据所构建出的每个职位群及每个职位群的ISCC素质模型,构建多个虚拟职位和每个虚拟职位的ISCC素质模型,并生成规范化描述文档存储于计算装置16的存储器20中。
虚拟职位分为三个层次,即初级虚拟职位,中级虚拟职位及高级虚拟职位。对属于同一领域的职位群来说,所有职位等级相同的职位群汇总成一个该职位等级相同的虚拟职位。例如软件服务工程领域有5个初级职位群,汇总成软件服务工程领域的一个初级虚拟职位,然后根据这5个初级职位群的ISCC素质模型进行分析,生成软件服务工程领域的初级虚拟职位的ISCC素质模型。
如图15所示,为构建一个虚拟职位的ISCC素质模型的具体过程如下:
步骤S190,构建部件二38根据构成该虚拟职位中所有职位群的每个指标的指标等级计算该虚拟职位的每个指标的指标等级,用变量pvak表示虚拟职位的第k(k=1,2,...K)个指标的指标等级。
计算公式:
其中n为构成该虚拟职位的职位群的总数,pgaki表示第i个职位群的第k(k=1,2,...K)个指标的指标等级。
步骤S191,构建部件二38根据构成该虚拟职位中所有职位群的每个指标的指标加权总分计算该虚拟职位的每个指标的指标加权总分,用变量pvbk表示虚拟职位的第k(k=1,2,...K)个指标的指标加权总分。
计算公式:
其中n为构成该虚拟职位的职位群的总数,pgbki表示第i个职位群的第k个指标的指标加权总分。
步骤S192,构建部件二38从该虚拟职位的知识、能力、素养下的指标中选出N2个指标(N2小于或者等于K),并根据所选出的N2个指标的指标加权总分,计算该虚拟职位的所选出的每个指标的指标百分比。
用pervh表示该虚拟职位的所选出的第h个指标的指标百分比,h(h=1,2,...N2)。
计算公式:
在本实施例中,将该虚拟职位的所有软技能及素养的指标的指标加权总分,从高到低进行排序以选出排名不低于预设位数T2(如取前十位)的指标,并计算该职位群中所选出的T2个指标的指标百分比,即N2=T2。另外还对该职位类别的知识的6个指标计算指标百分比,即N2取6。如图16所示为软件工程师初级虚拟职位的ISCC素质模型图。
步骤S193,构建部件二38选取该虚拟职位内所有职位群的标准职位描述的交集作为该虚拟职位的标准职位描述。
本发明基于职位信息构建素质模型的系统及方法,能在对典型职位进行规范化职位分析时,依据ISCC素质词典、关键词库和相关推荐原则,自动分析计算该典型职位工作所需的知识、能力和素养方面的各项指标,然后结合对产业用人需求进行统计分析,得出胜任该典型职位所需的关键的知识、能力和素养的各项指标,通过这样的方式可以得到客观而信赖度较高的知识、能力和素养方面的指标统计信息,用户可以了解职位所需关键指标的权重,在培养或测评时有所侧重。
本发明还能确立某个领域的职位群和虚拟职位的ISCC素质模型,帮助用户了解行业类似职位以及大体职位的分布情况,帮助用户了解单个职位、职位群和虚拟职位对知识、能力和素养的要求,了解职位对知识、能力和素养共性、特性和个性的要求,为教育用户制定培养目标和内容(对知识、能力和素养的培养)提供指导;为企业明确招聘需求、考核指标和培训内容提供指导;为个人了解职位要求及自身职业生涯发展路径提供指导。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (20)
1.一种基于职位信息构建素质模型的系统,其特征在于,该系统包括:
产业用人需求获取部件,用于利用网络服务器及因特网搜索并获取用户在客户端上所提供的产业用人职位描述;
分类聚集确定典型职位部件,用于对所获取的职位描述通过聚类算法进行分类聚集处理以得到典型职位中的职位类别,每个职位类别所在的职位等级、每个职位类别的职位描述集合;
职位信息整理分析部件,用于根据典型职位中的职位类别,对每个职位类别的职位描述集合进行分析处理以得到每个职位类别的标准职位描述集合,并将所述每个职位类别的标准职位描述集合发送至客户端,使专家对所述标准职位描述集合进行选择和修改;
职位描述部件,用于根据每个职位类别的标准职位描述集合生成每个职位类别的标准职位描述文档;
规范化职位与产业用人需求分析和统计部件,用于根据每个职位类别的标准职位描述文档及ISCC素质词典计算胜任每个职位类别所需的与知识、能力及素养有关的指标的指标值,所述与知识、能力及素养有关的指标共有K个;
职位ISCC素质模型构建部件,用于根据所计算的每个职位类别所需的知识、能力及素养的指标的指标值,构建每个职位类别的ISCC素质模型;
职位群和虚拟职位ISCC模型构建部件,用于根据所构建出的每个职位类别的ISCC素质模型,划分出不同的职位群,计算每个职位群的ISCC素质模型;
职位群和虚拟职位ISCC模型构建部件,还用于根据所构建出的每个职位群及每个职位群的ISCC素质模型,构建多个虚拟职位及每个虚拟职位的ISCC素质模型。
2.如权利要求1所述的基于职位信息构建素质模型的系统,其特征在于,所述职位信息整理分析部件处理一个职位类别的职位描述集合的过程包括:
将该职位类别的职位描述集合中每条职位描述分解为多个语句;
根据所述职位描述中所包含的多个主题从所分解的语句中抽取与每个主题相关的语句集合,所述主题包括工作职责、岗位要求、技术要求、行业知识;
计算每个主题所对应的语句集合中每个语句与其所在的主题的语义相似度;
在每个主题中,根据每个语句与其所在的主题的语义相似度及推荐原则推荐出每个主题的标准职位描述集合以得到该职位类别的标准职位描述集合。
3.如权利要求2所述的基于职位信息构建素质模型的系统,其特征在于,所述职位信息整理分析部件推荐出每个主题的标准职位描述集合的过程包括:
当所计算的语句与该主题的语义相似度小于第一预设值时,则将该语句单独列为一条标准职位描述;
当所计算的语句与该主题的语义相似度大于第一预设值时,系统将与该主题的语义相似度在一个预设范围内的多条语句合并为一组职位描述,然后根据推荐原则及该组职位描述中每条语句与其所在的主题的语义相似度计算该组职位描述中所有语句与该主题的相关度,然后在该组职位描述中选择与该主题相关度最高的一条语句作为该组的标准职位描述,所述推荐原则包括企业权重及语法描述的完整性。
4.如权利要求1所述的基于职位信息构建素质模型的系统,其特征在于,所述规范化职位与产业用人需求分析和统计部件计算一个职位类别的标准职位描述文档中一条标准职位描述中所包含知识、能力及素养的指标的指标值的具体过程包括:
将关键词库与所述标准职位描述相匹配,并根据匹配结果判断该标准职位描述中是否包含关键词库中的关键词;
当关键词库与所述标准职位描述没有匹配到相同的关键词时,将该标准职位描述中所包含的多个词语存入待定关键词库中,便于人工对该待定关键词库进行维护使待定关键词库中的词语存于关键词库中;
当关键词库与所述标准职位描述匹配到相同的关键词时,根据所匹配出的关键词在关键词库中查找该标准职位描述中所包含的知识、能力及素养的多个指标;
根据该条标准职位描述所在的职位类别的职位等级,给所述所找到的知识、能力及素养的多个指标设定指标值;
当所匹配出的关键词前有第一程度修饰词时,在所述所找到的知识、能力及素养的多个指标中,将该关键词所对应的知识、能力及素养的多个指标的指标值上分别对应的加一个第一程度知识指标值、第一程度能力指标值、第一程度素养指标值;
当所匹配出的关键词前有第二程度修饰词时,在所述所找到的知识、能力及素养的多个指标中,将该关键词所对应的各知识、能力及素养的多个指标分别设定为第二程度知识指标值、第二程度能力指标值、第二程度素养指标值。
5.如权利要求1所述的基于职位信息构建素质模型的系统,其特征在于,所述职位ISCC素质模型构建部件计算一个职位类别的ISCC素质模型的具体过程包括:
根据该职位类别中每条标准职位描述所包含的知识、能力及素养的指标的指标值,计算该职位类别的每个指标的指标等级;
根据该职位类别中每条标准职位描述所对应的知识、能力及素养的指标的指标值,计算该职位类别的每个指标的加权总分;
从职位类别的知识、能力、素养下的指标中选出N个指标,N小于或者等于K,并根据所选出的N个指标的指标加权总分,计算所选出的每个指标的指标百分比。
6.如权利要求5所述的基于职位信息构建素质模型的系统,其特征在于,将职位类别的能力中软技能及素养的所有指标的加权总分从高到低进行排序以选出排名不低于预设位数T0的指标,并计算所选出的T0个指标的指标百分比,即N=T0;
对该职位类别的知识的所有指标计算指标百分比,即N取知识所包含的指标的总数。
7.如权利要求6所述的基于职位信息构建素质模型的系统,其特征在于,所述职位群和虚拟职位ISCC模型构建部件根据所构建出的所有职位类别的ISCC素质模型,划分出不同的职位群的过程包括:
根据每个职位类别的标准职位描述集合中所包含能力的专业技能指标的描述,计算所有职位类别的专业技能指标的描述的语义相似度,并将语义相似度高于第一阈值的职位类别归为第一职位组;
所选出的T0项的每个职位类别的软技能和素养的各个指标进行对比分析,将在软技能和素养的指标中,将至少有预设项数指标相同的职位类别归为第二职位组;
根据每个职位类别的能力中的专业技能指标的加权总分,将加权总分低于第二阈值的职位类别归为第三职位组;
根据所有职位类别所包含的软技能及素养的的指标的指标百分比,将所包含的软技能及素养的指标的指标百分比都高于第三阈值的职位类别选出,然后在所选出的职位类别中选出多个职位类别归为第四职位组,该第四职位组中每两个职位类别的软技能及素养的每个指标的指标百分比相减后的绝对值都低于第四阈值;
根据所有职位类别所包含的知识的每个指标的指标百分比,选出多个职位类别归为第五职位组,该职位组中每两个职位类别的知识的每个指标的指标百分比相减后的绝对值都低于第五阈值;
选取第一职位组、第二职位组、第三职位组、第四职位组、第五职位组中所包含的共同的职位类别以构成一个职位群。
8.如权利要求1所述的基于职位信息构建素质模型的系统,其特征在于,所述职位ISCC素质模型构建部件构建每个职位群的ISCC素质模型的具体过程包括:
根据该职位群中所有职位类别的所有知识、能力及素养的指标的指标等级计算该职位群的所有知识、能力及素养的指标的指标等级;
根据该职位群中所有职位类别的所有知识、能力及素养的指标的指标加权总分计算该职位群的所有知识、能力及素养的指标的指标加权总分;
将从职位群的知识、能力、素养下的指标中选出N1个指标,N1小于或者等于K,并根据所选出的N1个指标的指标加权总分,计算该职位群的所选出的每个指标的指标百分比;
将选取职位群内所有职位类别的标准职位描述的交集作为该职位群的标准职位描述。
9.如权利要求1所述的基于职位信息构建素质模型的系统,其特征在于,所述职位ISCC素质模型构建部件将虚拟职位分为三个层次,即初级虚拟职位,中级虚拟职位及高级虚拟职位,对属于同一领域的职位群,所有职位等级相同的职位群汇总成一个该职位等级相同的虚拟职位。
10.如权利要求1所述的基于职位信息构建素质模型的系统,其特征在于,所述职位ISCC素质模型构建部件构建一个虚拟职位的ISCC素质模型的具体过程包括:
根据构成该虚拟职位中所有职位群的每个指标的指标等级计算该虚拟职位的每个指标的指标等级;
根据构成该虚拟职位中所有职位群的每个指标的指标加权总分计算该虚拟职位的每个指标的指标加权总分;
从该虚拟职位的知识、能力、素养下的指标中选出N2个指标N2小于或者等于K,并根据所选出的N2个指标的指标加权总分,计算该虚拟职位的所选出的每个指标的指标百分比;
选取该虚拟职位内所有职位群的标准职位描述的交集作为该虚拟职位的标准职位描述。
11.一种基于职位信息构建素质模型的方法,其特征在于,该方法包括:
产业用人需求获取步骤,利用网络服务器及因特网搜索并获取用户在客户端上所提供的产业用人职位描述;
分类聚集确定典型职位步骤,对所获取的职位描述通过聚类算法进行分类聚集处理以得到典型职位中的职位类别,每个职位类别所在的职位等级、每个职位类别的职位描述集合;
职位信息整理分析步骤,根据典型职位中的职位类别,对每个职位类别的职位描述集合进行分析处理以得到每个职位类别的标准职位描述集合,并将所述每个职位类别的标准职位描述集合发送至客户端,使专家对所述标准职位描述集合进行选择和修改;
职位描述步骤,根据每个职位类别的标准职位描述集合生成每个职位类别的标准职位描述文档;
规范化职位与产业用人需求分析和统计步骤,根据每个职位类别的标准职位描述文档及ISCC素质词典计算胜任每个职位类别所需的与知识、能力及素养有关的指标的指标值,所述与知识、能力及素养有关的指标共有K个;
职位ISCC素质模型构建部件步骤,根据所计算的每个职位类别所需的知识、能力及素养的指标的指标值,构建每个职位类别的ISCC素质模型;
职位群和虚拟职位ISCC模型构建步骤一,根据所构建出的每个职位类别的ISCC素质模型,划分出不同的职位群,计算每个职位群的ISCC素质模型;
职位群和虚拟职位ISCC模型构建步骤二,根据所构建出的每个职位群及每个职位群的ISCC素质模型,构建多个虚拟职位及每个虚拟职位的ISCC素质模型。
12.如权利要求11所述的基于职位信息构建素质模型的方法,其特征在于,所述职位信息整理分析步骤中处理一个职位类别的职位描述集合的过程包括:
将该职位类别的职位描述集合中每条职位描述分解为多个语句;
根据所述职位描述中所包含的多个主题从所分解的语句中抽取与每个主题相关的语句集合,所述主题包括工作职责、岗位要求、技术要求、行业知识;
计算每个主题所对应的语句集合中每个语句与其所在的主题的语义相似度;
在每个主题中,根据每个语句与其所在的主题的语义相似度及推荐原则推荐出每个主题的标准职位描述集合以得到该职位类别的标准职位描述集合。
13.如权利要求12所述的基于职位信息构建素质模型的方法,其特征在于,所述职位信息整理分析步骤中推荐出每个主题的标准职位描述集合的过程包括:
当所计算的语句与该主题的语义相似度小于第一预设值时,则将该语句单独列为一条标准职位描述;
当所计算的语句与该主题的语义相似度大于第一预设值时,系统将与该主题的语义相似度在一个预设范围内的多条语句合并为一组职位描述,然后根据推荐原则及该组职位描述中每条语句与其所在的主题的语义相似度计算该组职位描述中所有语句与该主题的相关度,然后在该组职位描述中选择与该主题相关度最高的一条语句作为该组的标准职位描述,所述推荐原则包括企业权重及语法描述的完整性。
14.如权利要求11所述的基于职位信息构建素质模型的方法,其特征在于,所述规范化职位与产业用人需求分析和统计步骤中计算一个职位类别的标准职位描述文档中一条标准职位描述中所包含知识、能力及素养的指标的指标值的具体过程包括:
将关键词库与所述标准职位描述相匹配,并根据匹配结果判断该标准职位描述中是否包含关键词库中的关键词;
当关键词库与所述标准职位描述没有匹配到相同的关键词时,将该标准职位描述中所包含的多个词语存入待定关键词库中,便于人工对该待定关键词库进行维护使待定关键词库中的词语存于关键词库中;
当关键词库与所述标准职位描述匹配到相同的关键词时,根据所匹配出的关键词在关键词库中查找该标准职位描述中所包含的知识、能力及素养的多个指标;
根据该条标准职位描述所在的职位类别的职位等级,给所述所找到的知识、能力及素养的多个指标设定指标值;
当所匹配出的关键词前有第一程度修饰词时,在所述所找到的知识、能力及素养的多个指标中,将该关键词所对应的知识、能力及素养的多个指标的指标值上分别对应的加一个第一程度知识指标值、第一程度能力指标值、第一程度素养指标值;
当所匹配出的关键词前有第二程度修饰词时,在所述所找到的知识、能力及素养的多个指标中,将该关键词所对应的各知识、能力及素养的多个指标分别设定为第二程度知识指标值、第二程度能力指标值、第二程度素养指标值。
15.如权利要求11所述的基于职位信息构建素质模型的方法,其特征在于,所述职位ISCC素质模型构建步骤计算一个职位类别的ISCC素质模型的具体过程包括:
根据该职位类别中每条标准职位描述所包含的知识、能力及素养的指标的指标值,计算该职位类别的每个指标的指标等级;
根据该职位类别中每条标准职位描述所对应的知识、能力及素养的指标的指标值,计算该职位类别的每个指标的加权总分;
从职位类别的知识、能力、素养下的指标中选出N个指标,N小于或者等于K,并根据所选出的N个指标的指标加权总分,计算所选出的每个指标的指标百分比。
16.如权利要求15所述的基于职位信息构建素质模型的方法,其特征在于,将职位类别的能力中软技能及素养的所有指标的加权总分从高到低进行排序以选出排名不低于预设位数T0的指标,并计算所选出的T0个指标的指标百分比,即N=T0;
对该职位类别的知识的所有指标计算指标百分比,即N取知识所包含的指标的总数。
17.如权利要求16所述的基于职位信息构建素质模型的方法,其特征在于,所述职位群和虚拟职位ISCC模型构建步骤一中根据所构建出的所有职位类别的ISCC素质模型,划分出不同的职位群的过程包括:
根据每个职位类别的标准职位描述集合中所包含能力的专业技能指标的描述,计算所有职位类别的专业技能指标的描述的语义相似度,并将语义相似度高于第一阈值的职位类别归为第一职位组;
所选出的T0项的每个职位类别的软技能和素养的各个指标进行对比分析,将在软技能和素养的指标中,将至少有预设项数指标相同的职位类别归为第二职位组;
根据每个职位类别的能力中的专业技能指标的加权总分,将加权总分低于第二阈值的职位类别归为第三职位组;
根据所有职位类别所包含的软技能及素养的的指标的指标百分比,将所包含的软技能及素养的指标的指标百分比都高于第三阈值的职位类别选出,然后在所选出的职位类别中选出多个职位类别归为第四职位组,该第四职位组中每两个职位类别的软技能及素养的每个指标的指标百分比相减后的绝对值都低于第四阈值;
根据所有职位类别所包含的知识的每个指标的指标百分比,选出多个职位类别归为第五职位组,该职位组中每两个职位类别的知识的每个指标的指标百分比相减后的绝对值都低于第五阈值;
选取第一职位组、第二职位组、第三职位组、第四职位组、第五职位组中所包含的共同的职位类别以构成一个职位群。
18.如权利要求11所述的基于职位信息构建素质模型的方法,其特征在于,所述职位ISCC素质模型构建步骤一中构建每个职位群的ISCC素质模型的具体过程包括:
根据该职位群中所有职位类别的所有知识、能力及素养的指标的指标等级计算该职位群的所有知识、能力及素养的指标的指标等级;
根据该职位群中所有职位类别的所有知识、能力及素养的指标的指标加权总分计算该职位群的所有知识、能力及素养的指标的指标加权总分;
将从职位群的知识、能力、素养下的指标中选出N1个指标,N1小于或者等于K,并根据所选出的N1个指标的指标加权总分,计算该职位群的所选出的每个指标的指标百分比;
将选取职位群内所有职位类别的标准职位描述的交集作为该职位群的标准职位描述。
19.如权利要求11所述的基于职位信息构建素质模型的方法,其特征在于,所述职位ISCC素质模型构建步骤二中将虚拟职位分为三个层次,即初级虚拟职位,中级虚拟职位及高级虚拟职位,对属于同一领域的职位群,所有职位等级相同的职位群汇总成一个该职位等级相同的虚拟职位。
20.如权利要求11所述的基于职位信息构建素质模型的方法,其特征在于,所述职位ISCC素质模型构建步骤二中构建一个虚拟职位的ISCC素质模型的具体过程包括:
根据构成该虚拟职位中所有职位群的每个指标的指标等级计算该虚拟职位的每个指标的指标等级;
根据构成该虚拟职位中所有职位群的每个指标的指标加权总分计算该虚拟职位的每个指标的指标加权总分;
从该虚拟职位的知识、能力、素养下的指标中选出N2个指标N2小于或者等于K,并根据所选出的N2个指标的指标加权总分,计算该虚拟职位的所选出的每个指标的指标百分比;
选取该虚拟职位内所有职位群的标准职位描述的交集作为该虚拟职位的标准职位描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310596334.5A CN103714413A (zh) | 2013-11-21 | 2013-11-21 | 基于职位信息构建素质模型的系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310596334.5A CN103714413A (zh) | 2013-11-21 | 2013-11-21 | 基于职位信息构建素质模型的系统与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103714413A true CN103714413A (zh) | 2014-04-09 |
Family
ID=50407366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310596334.5A Pending CN103714413A (zh) | 2013-11-21 | 2013-11-21 | 基于职位信息构建素质模型的系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103714413A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008143A (zh) * | 2014-05-09 | 2014-08-27 | 启秀科技(北京)有限公司 | 基于数据挖掘的职业能力指标体系构建方法 |
CN104572989A (zh) * | 2015-01-06 | 2015-04-29 | 苏州智甄测评技术软件科技有限公司 | 一种辅助高中生选择大学专业的信息推荐方法及系统 |
CN104834668A (zh) * | 2015-03-13 | 2015-08-12 | 浙江奇道网络科技有限公司 | 基于知识库的职位推荐系统 |
CN105303333A (zh) * | 2015-12-01 | 2016-02-03 | 百度在线网络技术(北京)有限公司 | 招聘信息的处理方法及装置 |
CN105512864A (zh) * | 2016-01-28 | 2016-04-20 | 丁沂 | 一种基于互联网的岗位职业能力需求的自动获取方法 |
CN105677902A (zh) * | 2016-02-05 | 2016-06-15 | 北京普猎创新网络科技有限公司 | 一种简历的展示方法 |
CN106168952A (zh) * | 2015-05-18 | 2016-11-30 | 睿智顾问公司 | 学系选择系统及其方法 |
CN106251035A (zh) * | 2016-07-15 | 2016-12-21 | 国网北京市电力公司 | 用于项目指标计算的数据处理方法和装置 |
CN106294398A (zh) * | 2015-05-21 | 2017-01-04 | 富士通株式会社 | 信息处理装置和信息处理方法 |
CN106384230A (zh) * | 2016-10-21 | 2017-02-08 | 北京搜前途科技有限公司 | 简历中工作经历与招聘职位及简历与招聘信息的匹配方法 |
CN106569807A (zh) * | 2016-06-30 | 2017-04-19 | 伯禄(上海)商务咨询有限公司 | 自动撮合匹配方法在网络求职招聘平台的运用 |
CN107408231A (zh) * | 2015-04-02 | 2017-11-28 | 高崎将纮 | 搜索处理装置、方法以及计算机程序 |
CN107967592A (zh) * | 2017-10-12 | 2018-04-27 | 如是科技(大连)有限公司 | 招聘启事的辅助处理方法及装置 |
CN107992509A (zh) * | 2017-10-12 | 2018-05-04 | 如是科技(大连)有限公司 | 职位词典信息的生成方法及装置 |
CN108628832A (zh) * | 2018-05-08 | 2018-10-09 | 中国联合网络通信集团有限公司 | 一种信息情报关键字获取方法及装置 |
CN109934468A (zh) * | 2019-02-26 | 2019-06-25 | 北京多点在线科技有限公司 | 一种兼职工作匹配方法及系统、存储介质 |
CN110168591A (zh) * | 2016-12-15 | 2019-08-23 | 微软技术许可有限责任公司 | 确定行业相似性以增强职位搜索 |
CN110162754A (zh) * | 2019-04-11 | 2019-08-23 | 平安科技(深圳)有限公司 | 一种岗位描述文档的生成方法及设备 |
CN110321194A (zh) * | 2019-05-22 | 2019-10-11 | 平安科技(深圳)有限公司 | 员工职位信息可视化方法、装置、设备及存储介质 |
CN110414769A (zh) * | 2019-05-29 | 2019-11-05 | 广东精标科技股份有限公司 | 学生生涯测评系统 |
CN111708929A (zh) * | 2020-06-17 | 2020-09-25 | 北京字节跳动网络技术有限公司 | 信息搜索方法、装置、电子设备及存储介质 |
TWI709050B (zh) * | 2018-09-20 | 2020-11-01 | 一零四資訊科技股份有限公司 | 推薦方法及推薦系統 |
CN112364133A (zh) * | 2020-11-17 | 2021-02-12 | 深圳平安智汇企业信息管理有限公司 | 岗位画像生成方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005338988A (ja) * | 2004-05-25 | 2005-12-08 | Hitachi Software Eng Co Ltd | Icカードによる名刺情報管理システム及び方法 |
CN101436277A (zh) * | 2008-12-04 | 2009-05-20 | 北京安博在线软件有限公司 | 提供测评、培训、求职及招聘的系统 |
CN101520867A (zh) * | 2009-04-03 | 2009-09-02 | 汤溪蔚 | 一种便捷式网络求职招聘方法及系统 |
CN101980266A (zh) * | 2010-10-22 | 2011-02-23 | 云南电力试验研究院(集团)有限公司 | 员工岗位能力素质测评系统及其测评方法 |
CN102682354A (zh) * | 2011-03-16 | 2012-09-19 | 中国移动通信集团广东有限公司东莞分公司 | 一种基于三维模型的人才评价系统及其实现方法 |
CN102842071A (zh) * | 2012-07-25 | 2012-12-26 | 中国电力科学研究院 | 电力作业人员安全素质测评方法及系统 |
CN102968698A (zh) * | 2012-12-07 | 2013-03-13 | 深圳市智维通达科技有限公司 | 一种企业员工学习数据模型的建立方法及系统 |
-
2013
- 2013-11-21 CN CN201310596334.5A patent/CN103714413A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005338988A (ja) * | 2004-05-25 | 2005-12-08 | Hitachi Software Eng Co Ltd | Icカードによる名刺情報管理システム及び方法 |
CN101436277A (zh) * | 2008-12-04 | 2009-05-20 | 北京安博在线软件有限公司 | 提供测评、培训、求职及招聘的系统 |
CN101520867A (zh) * | 2009-04-03 | 2009-09-02 | 汤溪蔚 | 一种便捷式网络求职招聘方法及系统 |
CN101980266A (zh) * | 2010-10-22 | 2011-02-23 | 云南电力试验研究院(集团)有限公司 | 员工岗位能力素质测评系统及其测评方法 |
CN102682354A (zh) * | 2011-03-16 | 2012-09-19 | 中国移动通信集团广东有限公司东莞分公司 | 一种基于三维模型的人才评价系统及其实现方法 |
CN102842071A (zh) * | 2012-07-25 | 2012-12-26 | 中国电力科学研究院 | 电力作业人员安全素质测评方法及系统 |
CN102968698A (zh) * | 2012-12-07 | 2013-03-13 | 深圳市智维通达科技有限公司 | 一种企业员工学习数据模型的建立方法及系统 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008143A (zh) * | 2014-05-09 | 2014-08-27 | 启秀科技(北京)有限公司 | 基于数据挖掘的职业能力指标体系构建方法 |
CN104572989B (zh) * | 2015-01-06 | 2018-09-28 | 苏州智甄测评技术软件科技有限公司 | 一种辅助高中生选择大学专业的信息推荐方法及系统 |
CN104572989A (zh) * | 2015-01-06 | 2015-04-29 | 苏州智甄测评技术软件科技有限公司 | 一种辅助高中生选择大学专业的信息推荐方法及系统 |
CN104834668A (zh) * | 2015-03-13 | 2015-08-12 | 浙江奇道网络科技有限公司 | 基于知识库的职位推荐系统 |
CN104834668B (zh) * | 2015-03-13 | 2018-10-02 | 陈文� | 基于知识库的职位推荐系统 |
CN107408231A (zh) * | 2015-04-02 | 2017-11-28 | 高崎将纮 | 搜索处理装置、方法以及计算机程序 |
CN106168952A (zh) * | 2015-05-18 | 2016-11-30 | 睿智顾问公司 | 学系选择系统及其方法 |
CN106294398A (zh) * | 2015-05-21 | 2017-01-04 | 富士通株式会社 | 信息处理装置和信息处理方法 |
CN105303333A (zh) * | 2015-12-01 | 2016-02-03 | 百度在线网络技术(北京)有限公司 | 招聘信息的处理方法及装置 |
CN105512864A (zh) * | 2016-01-28 | 2016-04-20 | 丁沂 | 一种基于互联网的岗位职业能力需求的自动获取方法 |
CN105677902A (zh) * | 2016-02-05 | 2016-06-15 | 北京普猎创新网络科技有限公司 | 一种简历的展示方法 |
CN106569807A (zh) * | 2016-06-30 | 2017-04-19 | 伯禄(上海)商务咨询有限公司 | 自动撮合匹配方法在网络求职招聘平台的运用 |
CN106251035A (zh) * | 2016-07-15 | 2016-12-21 | 国网北京市电力公司 | 用于项目指标计算的数据处理方法和装置 |
CN106384230A (zh) * | 2016-10-21 | 2017-02-08 | 北京搜前途科技有限公司 | 简历中工作经历与招聘职位及简历与招聘信息的匹配方法 |
CN110168591A (zh) * | 2016-12-15 | 2019-08-23 | 微软技术许可有限责任公司 | 确定行业相似性以增强职位搜索 |
CN110168591B (zh) * | 2016-12-15 | 2023-08-08 | 微软技术许可有限责任公司 | 确定行业相似性以增强职位搜索 |
CN107967592A (zh) * | 2017-10-12 | 2018-04-27 | 如是科技(大连)有限公司 | 招聘启事的辅助处理方法及装置 |
CN107992509A (zh) * | 2017-10-12 | 2018-05-04 | 如是科技(大连)有限公司 | 职位词典信息的生成方法及装置 |
CN107992509B (zh) * | 2017-10-12 | 2022-05-13 | 如是人力科技集团股份有限公司 | 职位词典信息的生成方法及装置 |
CN108628832A (zh) * | 2018-05-08 | 2018-10-09 | 中国联合网络通信集团有限公司 | 一种信息情报关键字获取方法及装置 |
TWI709050B (zh) * | 2018-09-20 | 2020-11-01 | 一零四資訊科技股份有限公司 | 推薦方法及推薦系統 |
CN109934468A (zh) * | 2019-02-26 | 2019-06-25 | 北京多点在线科技有限公司 | 一种兼职工作匹配方法及系统、存储介质 |
CN110162754A (zh) * | 2019-04-11 | 2019-08-23 | 平安科技(深圳)有限公司 | 一种岗位描述文档的生成方法及设备 |
CN110162754B (zh) * | 2019-04-11 | 2024-05-10 | 平安科技(深圳)有限公司 | 一种岗位描述文档的生成方法及设备 |
CN110321194A (zh) * | 2019-05-22 | 2019-10-11 | 平安科技(深圳)有限公司 | 员工职位信息可视化方法、装置、设备及存储介质 |
CN110414769A (zh) * | 2019-05-29 | 2019-11-05 | 广东精标科技股份有限公司 | 学生生涯测评系统 |
CN111708929A (zh) * | 2020-06-17 | 2020-09-25 | 北京字节跳动网络技术有限公司 | 信息搜索方法、装置、电子设备及存储介质 |
CN112364133A (zh) * | 2020-11-17 | 2021-02-12 | 深圳平安智汇企业信息管理有限公司 | 岗位画像生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103714413A (zh) | 基于职位信息构建素质模型的系统与方法 | |
De Rezende et al. | Research focuses, trends, and major findings on project complexity: A bibliometric network analysis of 50 years of project complexity research | |
Yeh | A problem‐based selection of multi‐attribute decision‐making methods | |
Roy et al. | The European school of MCDA: Emergence, basic features and current works | |
Zhang et al. | A brief analysis of the key technologies and applications of educational data mining on online learning platform | |
US20190385469A1 (en) | Matching a job profile to a candidate | |
Alroomi et al. | Analysis of cost-estimating competencies using criticality matrix and factor analysis | |
Dieber et al. | A novel model usability evaluation framework (MUsE) for explainable artificial intelligence | |
US20220327398A1 (en) | Technology maturity judgment method and system based on science and technology data | |
Peterson et al. | Job analysis: Overview and description of deductive methods | |
CN114913729B (zh) | 一种选题方法、装置、计算机设备和存储介质 | |
Sharp et al. | Agile Teaching and learning in information systems education: an analysis and categorization of literature | |
Peng | Research on online learning behavior analysis model in big data environment | |
CN107885846A (zh) | 一种基于隐式属性和隐式关系挖掘的知识点推荐方法 | |
Yahya et al. | Using data mining techniques to guide academic programs design and assessment | |
Burke et al. | Using and abusing QFD scores | |
Ahmadi et al. | Learning Software Project Management From Analyzing Q&A’s in the Stack Exchange | |
CN103279549A (zh) | 一种目标对象的目标数据的获取方法及装置 | |
Vogel et al. | 14 Collaborating with the Crowd for Software Requirements Engineering: A Literature Review | |
Ferdino et al. | Using Naïve Bayes Classifier for Application Feedback Classification and Management in Bahasa Indonesia | |
Canan et al. | The Importance of the Use of QFD-AHP Methods in Architectural Design Quality Evaluation | |
Sutrisno et al. | The Implementation of C4. 5 Algorithm for Determining the Department of Vocational High School | |
Capuano et al. | Multi-criteria fuzzy ordinal peer assessment for MOOCs | |
Woolf et al. | AI-Enabled Training in Manufacturing Workforce Development | |
Chang et al. | Developing a Knowledge Management Behavior Scale of e-Portfolio Based on Approaches of Web Fuzzy Delphi and Fuzzy AHP. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140409 |