CN105574788A - 一种基于胜任力标签的培训提供方法 - Google Patents

Abstract

本发明涉及一种基于胜任力标签的培训提供方法，包括：从数据库中获取简历与JD基础数据；将获取的简历和JD以胜任力标签数值矩阵的形式表达；获取职位与胜任力标签的关联规则；判断简历提供者是否胜任某职位/胜任某职位所欠缺的技能；根据判断结果进行有针对性的培训提供。所述方法，将培训双方的需求进行深度比对及匹配，从海量的培训资源中自动提取推荐最合适的资料，帮助企业和个人完成准确的靶向培训工作，简单快捷，准确有效，不再需要之前方法中费时费力的调研等前期工作，也不需要再为寻找相关教育培训资源而大费周章。

Description

一种基于胜任力标签的培训提供方法

技术领域

本发明涉及计算机处理技术领域，尤其涉及一种基于胜任力标签的个性化靶向培训提供方法。

背景技术

培训是一种有组织的知识传递、技能传递、标准传递、信息传递、信念传递、管理训诫行为。目前国内培训以技能传递为主，时间则侧重上岗前。为了达到统一的科学技术规范、标准化作业，通过目标规划设定、知识和信息传递、技能熟练演练、作业达成评测、结果交流公告等现代信息化的流程，让员工通过一定的教育训练技术手段，达到预期的水平提高目标，提升战斗力，个人能力，工作能力的训练都称之为培训。

有限的培训经费到底应该投入到哪里，如何提高培训的针对性，一直是困扰企业培训发展的问题之一，影响培训的几个重要因素有：

1、行业发展趋势：不同的行业在不同的时间段所需要的职业技能也是不断更新，变化发展的；

2、专业技能演变：即使在同一个职位，由于行业的发展，技术的进步，也会要求相应的技能更新；

3、客户需求变化：身处同一行业的不同客户之间，由于基础设施、工艺技术、企业文化存在差异，相同职位上所需要的职业技能也是不尽相同的。

目前主要的培训调查方法有观察法、资料信息分析法、访谈法、问卷调查法、绩效分析法以及标杆分析法等。但是每一种方法都需要花费大量的时间和精力进行调研和分析。而且，由于这些方法主观性偏差较大，通常需要通过多种培训需求调查方法的组合运用，才能初步掌握个人或企业实际培训需求的资料，而一旦这些问卷或者资料信息没有及时更新，没能跟上行业发展趋势或者是客户需求变化，往往会使得结果出现偏差，从而导致个人和企业投入的财力、物力和人力都付之东流。

对于普通的企业和个人来讲，培训内容和方法都是依据之前的经验和自己的主观判断，在没有大数据的支撑下，很难准确的把握之前提到的几个主要影响因素。

“胜任力”是指能将某一工作中有卓越成就者与普通者区分开来的个人的深层次特征，它可以是动机、特质、自我形象、态度或价值观、某领域知识、认知或行为技能等任何可以被可靠测量或计数的并且能显著区分优秀与一般绩效的个体特征。可见，“胜任力”标签能对简历的准确展示起到很重要的作用，可以针对行业对“胜任力”标签的需求以及员工“胜任力”标签的不足进行有针对性的培训。

但是，对于胜任力的研究与测评，以及如何具体的量化，目前并没有成熟的理论基础和实践结果。在之前的胜任力研究工作中，大多是以心理学、管理学为基础，通过心理测量、情景模拟等方法对人员的胜任力进行的测量评价。这种评价规则基本上是基于心理测试、智力测试以及一些能力倾向测验，主观性严重，准确率差，比如人们主观上认为能够决定工作成绩的一些人格、智力、价值观等方面因素，在现实中并没有表现出预期的效果；同时，这一类的测评，并不能反映不同的行业和职位对胜任力的详尽的不同需求。在没有数据支撑的情况下，这些评测方法必须依赖各种辅助信息和决策者的经验判断，主观性严重，且胜任力间的主次关系难以具体确认，不具备广泛的适用意义。

因此需要一种基于胜任力标签的个性化靶向培训提供方法，最大程度的将影响培训的以上三个因素考虑在内，为企业和个人提供最实时、最准确、最契合的培训指导。

发明内容

鉴于上述的分析，本发明旨在提供基于胜任力标签的个性化靶向培训提供方法和系统，用以克服上述问题或者至少部分地解决上述问题。

本发明的目的主要是通过以下技术方案实现的：

一种基于胜任力标签的培训提供方法，其特征在于，包括以下步骤：

步骤S1、从数据库中获取简历与JD基础数据；

步骤S2、将获取的简历和JD以胜任力标签数值矩阵的形式表达；

步骤S3、获取职位与胜任力标签的关联规则；

步骤S4、判断简历提供者是否胜任某职位/胜任某职位所欠缺的技能；

步骤S5、根据判断结果进行有针对性的培训提供。

其中，所述步骤S1进一步包括：

子步骤S11，对从数据库中获取的简历和JD的常见职位根据行业类别进行分类整理，获得得到行业类别及其所包含职位；

子步骤S12，根据职业技能对数据库中的简历和JD进行文本分析处理，进一步进行胜任力细分。

其中，所述步骤S2进一步包括：

将表格式的简历和JD，经过文本分析技术处理，获取其中的胜任力标签，并将其用数值矩阵的形式表达。

其中，所述步骤S3进一步包括：

子步骤S31，采用分类算法将以数值矩阵的形式表达的JD分为若干小类，每一个小类中都包含了同一行业、相同或相似的职位，相同或相似的技能需求；

子步骤S32，对同一小类中的JD所对应的胜任力标签进行加和平均，获得不同职位所需要的胜任力标签组合。

其中，所述步骤S4进一步包括：

通过对简历中的胜任力标签和由JD得来的行业及职位的胜任力标签组合进行对比匹配，判断简历提供者是否胜任某职位/胜任某职位所欠缺的技能，得到培训需求。

其中，所述步骤S5进一步包括：

搭建包含文本、图片和音视频培训资源的数据库；

对上述资源进行标签化处理，再将培训需求与所述资源相匹配，得到适合培训需求的培训资料。

其中，所述标签化处理进一步包括：

(1)预处理：将原始资源格式化为同一格式，便于后续的统一处理；

(2)索引：用胜任力标签将资源分解为基本处理单元，以便于后续统计；

(3)统计：对胜任力标签进行统计，以便计算标签权重；

(4)分类：利用上述的统计结果对资源进行分类，以确定资源所对应的胜任力标签组合及适合的行业和职位。

本发明有益效果如下：

本发明实施例所述方法，通过对简历和JD中的胜任力标签的提取，将培训双方的需求进行深度比对及匹配，再从海量的培训资源中自动提取推荐最合适的资料，帮助企业和个人完成准确的靶向培训工作，方法简单快捷，准确有效，不再需要之前方法中费时费力的调研等前期工作，也不需要再为寻找相关教育培训资源而大费周章。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明具体实施方式所述基于胜任力标签的培训提供方法的步骤流程图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。

缩略语和关键术语定义

胜任力标签：基于大量的简历信息以及行为数据，利用大数据理论挖掘分析出的针对每一个职位的胜任力标签。

JD:职位描述又叫职位界定，其成果为工作说明书(jobdescription),主要包括工作名称、工作职责、任职条件、工作所要求的技能，是招聘的核心内容。

根据本发明具体实施，公开了一种基于胜任力标签的培训提供方法，包括以下步骤：

步骤S1、从数据库中获取简历与JD基础数据；

需要说明的是，本发明实施例可以应用于网络平台，其本质为独立的服务器或服务器集群，如分布式系统，存储了海量的业务对象。在招聘领域中，所述业务对象为简历；在求职领域中，所述业务对象为职位。为使本领域技术人员更好地理解本发明实施例，在本发明实施例中，将简历作为业务对象的一种实例进行说明。

在实际应用中，招聘者通过客户端(如浏览器)向网络平台提交JD，应聘者通过客户端(如浏览器)向网络平台提交简历，网络平台依据所述JD的内容进行搜索，如搜索与该JD相关的一个或多个简历，根据相关度对所述一个或多个简历进行排序权重，并向招聘者展示排序权重最高的前N(N为正整数)个简历。

在本发明的一种可选实施例中，步骤S1可以包括如下子步骤：

子步骤S11，

首先，数据库中简历的常见职位根据行业类别进行分类整理，获得职位名称。在本实施例中，所获得的职位名称涵盖几十个行业的数千个职位。

具体地，利用网络爬虫技术收集行业和职位名称，进行筛选和整理，合并相近相似的职位/去重，得到行业类别及其所包含职位，如表1所示：

表1

子步骤S12，根据职业技能和行为管理技能对数据库中的简历和JD进行文本分析处理，进一步进行胜任力细分。其中，

职业技能为职业所需要的必备技能，如软件工程师所需要的C语言、Java等，数据工程师所需要的SQL、SPSS等；

行为管理技能反映了一个人的心里素质、人格魅力、价值观、管理能力等，如抗压能力、交际能力、学习能力等。

基于以上这些能力的分类，整理出涵盖数据库中的简历和JD的胜任力标签。

在可选实施例中，由于行为管理技能的不易量化性，采取将职业技能作为核心技能，行为管理技能作为重要的辅助技能的方案。

在可选实施例中，由于行为管理技能的不易量化性，采取只针对职业技能进行处理的方案。

我们整理后的标签如下表所示：

表2

步骤S2、将数据库中的简历和JD用胜任力标签数值矩阵的形式表达。

通过将表格式的简历和JD，经过文本分析技术处理，从繁杂的文字叙述中，提炼出真正有价值的简历要素，并将其用数值矩阵的形式表达，每一份简历和JD所涵盖的的能力特征都一目了然。

JD编号	标签1	标签2	……	标签N
					JD1	1	0	……	1
JD2	1	1	……	0
					JD3	0	1	……	1
……			……	……

表3

步骤S3、得到每一个胜任力标签的权重大小

经过上述工作，每个JD(即企业需求)即可表示为一个多维的行向量，通过对这些行向量的分析和处理，我们可以将其分为若干小类，每一个小类中都包含了同一行业、相同或相似的职位，相同或相似的技能需求，即：我们可以给出某一地区某一行业的某个职位对胜任力的需求状况，也就是根据JD，用某些特定的胜任力标签定义某一特定的职位。这里我们使用的分类算法是支持向量机(SVM)算法。

表4

SVM方法通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中(Hilbert空间)，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。因此，可以通过深度发掘样本空间的内部特征和联系，发现目标函数的全局最小值，从而对样本进行更为准确的分类。

这里也可以采用其他算法，比如随机森林、决策树等算法对此进行分类。

在分类完成后，对同一分类中的JD所对应的向量进行加和平均，即可获得不同地区不同职位所需要的技能标签。

步骤S4、通过对简历中的胜任力标签和由JD得来的行业及职位的胜任力标签组合进行对比匹配，可以发现简历提供者是否胜任某职位/胜任某职位所欠缺的技能。

比如有两名员工从事北京的“Web前端工程师”一职，在他们的简历中提取标签如下：

而通过对北京地区JD的分析，我们得到的北京“Web前端工程师”的标签如下表：

将简历和JD所对应的行向量直接作差，可以迅速知道，X需要重点学习JQuery，而Y需要学习JQuery和HTML。

同样，借助对某一行业和某些职位需要的胜任力标签的分类统计，可以为企业培训提供方向性的指导，提醒企业进行培训技能和培训内容更新。

进一步的，在一个优选实施例中，还可以包括步骤S5：

搭建一个包含海量培训资源的数据库，包括大量的文本、图片和音视频资源，通过文本、图片和音视频的识别，对上述资源进行标签化处理。

以文本处理流程为例：

(1)预处理：将原始语料格式化为同一格式，便于后续的统一处理；

(2)索引：用胜任力标签将文档分解为基本处理单元，以便于后续统计；

(3)统计：胜任力标签的词频统计，以便计算标签权重；

(4)分类：利用上述的统计结果对文本进行分类，以确定文本所对应的胜任力标签及适合的行业和职位。

对其他资源的处理也是类似上述流程。

本实施例使用TF-IDF文本分析方法法，处理文件与用户查询之间相关程度的度量或评级，可以有效反映标签在文本中的权重大小。如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF*IDF，TF词频(TermFrequency)，IDF反文档频率(InverseDocumentFrequency)。

比如，标签“Java”只有在Java工程师，Web工程师等职位的JD和培训文档中出现频率比较高，在其他的JD和文档中出现频率很低甚至不出现，那么标签“Java”的TF值会比较高，而IDF值也比较高，那么该标签就可以作为这一类职位的区分性标签。

而标签“合作”，在所有的JD中和文档中出现频率都比较高，那么该标签的TF值会比较高，而IDF值会很小，二者相乘之后会得到一个相对较小的TF-IDF值，那么该标签就不足以成为一个区分度较高的标签，不能用来区分文档、简历和JD。

对数据库中的资源进行上述处理后，再将步骤S4中得到的培训需求与所述处理结果相匹配，便可得到最适合培训需求的培训资料，快速的帮助企业和个人完成靶向培训工作。

本发明实施例所述方法，通过对简历和JD中的胜任力标签的提取，将培训双方的需求进行深度比对及匹配，再从海量的培训资源中自动提取推荐最合适的资料，帮助企业和个人完成准确的靶向培训工作，方法简单快捷，准确有效，不再需要之前方法中费时费力的调研等前期工作，也不需要再为寻找相关教育培训资源而大费周章。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于胜任力标签的培训提供方法，其特征在于，包括以下步骤：

步骤S1、从数据库中获取简历与JD基础数据；

步骤S2、将获取的简历和JD以胜任力标签数值矩阵的形式表达；

步骤S3、获取职位与胜任力标签的关联规则；

步骤S4、判断简历提供者是否胜任某职位/胜任某职位所欠缺的技能；

步骤S5、根据判断结果进行有针对性的培训提供。

2.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S1进一步包括：

子步骤S11，对从数据库中获取的简历和JD的常见职位根据行业类别进行分类整理，获得得到行业类别及其所包含职位；

子步骤S12，根据职业技能对数据库中的简历和JD进行文本分析处理，进一步进行胜任力细分。

3.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S2进一步包括：

将表格式的简历和JD，经过文本分析技术处理，获取其中的胜任力标签，并将其用数值矩阵的形式表达。

4.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S3进一步包括：

子步骤S31，采用分类算法将以数值矩阵的形式表达的JD分为若干小类，每一个小类中都包含了同一行业、相同或相似的职位，相同或相似的技能需求；

子步骤S32，对同一小类中的JD所对应的胜任力标签进行加和平均，获得不同职位所需要的胜任力标签组合。

5.根据权利要求4所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S4进一步包括：

通过对简历中的胜任力标签和由JD得来的行业及职位的胜任力标签组合进行对比匹配，判断简历提供者是否胜任某职位/胜任某职位所欠缺的技能，得到培训需求。

6.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S5进一步包括：

搭建包含文本、图片和音视频培训资源的数据库；

对上述资源进行标签化处理，再将培训需求与所述资源相匹配，得到适合培训需求的培训资料。

7.根据权利要求6所述的基于胜任力标签的培训提供方法，其特征在于，所述标签化处理进一步包括：

(1)预处理：将原始资源格式化为同一格式，便于后续的统一处理；

(2)索引：用胜任力标签将资源分解为基本处理单元，以便于后续统计；

(3)统计：对胜任力标签进行统计，以便计算标签权重；

(4)分类：利用上述的统计结果对资源进行分类，以确定资源所对应的胜任力标签组合及适合的行业和职位。