CN108550027A - 基于猎头资源和行为的人职匹配方法 - Google Patents
基于猎头资源和行为的人职匹配方法 Download PDFInfo
- Publication number
- CN108550027A CN108550027A CN201810411755.9A CN201810411755A CN108550027A CN 108550027 A CN108550027 A CN 108550027A CN 201810411755 A CN201810411755 A CN 201810411755A CN 108550027 A CN108550027 A CN 108550027A
- Authority
- CN
- China
- Prior art keywords
- hunter
- good
- degree
- variable
- resume
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人力资源技术领域,具体为基于猎头资源和行为的人职匹配方法,该方法包括以下步骤:S1:建立猎头行业擅长度模型变量,设定自变量(A1‑A8),因变量Y1,S2建立猎头职能擅长度模型变量,设定自变量(B1‑B8),因变量Y2,S3:建立猎头地区擅长度模型变量,设定自变量(C1‑C8),因变量Y3,本发明的有益效果是:本发明的人职匹配方法能够充分利用猎头资源,能够使得猎头与企业实现快速的匹配,更好的为企业服务;能够快速的将优质的候选人快速的呈现在企业面前;能够很大程度上使得企业招聘效率得到提高,猎头职位资源增加,候选人的求职周期变短。
Description
技术领域
本发明涉及人力资源技术领域,具体为基于猎头资源和行为的人职匹配方法。
背景技术
随着社会科学的不断进步和发展,求职方式的重心已从人才市场的招聘会逐渐转换为网上招聘,目前的网上招聘平台有很多,都是招聘公司进行付费,平台进行运行,进而实现人才与招聘公司之间的对接,而作为一个集合了企业,求职者,猎头三方的求职招聘平台,只有快速满足企业招聘,求职者找工作,猎头匹配人选和职位等不同角色的需求,平台才能够长期持续良性运转。在这个平台上,企业发布招聘职位后,除了求职者主动投递,猎头也会积极向企业推荐简历。那如何将职位信息及时准确地推送给合适的猎头,保证推荐的数量和质量,就是该平台必须要考虑的事情,如何实现快速招聘,准确定位应聘者需求方向和适合方向是当前招聘平台所亟待解决的事情。
猎头的主要作用是向企业推荐简历,而现有技术下,猎头不能够根据自己所擅长的职位对企业所需要的工作进行快速的匹配,存在招聘进程慢且效率低下的问题。
发明内容
本发明的目的在于提供基于猎头资源和行为的人职匹配方法,以解决现有技术下招聘平台中猎头与企业匹配效率低,招聘进程慢的问题。
为实现上述目的,本发明提供如下技术方案:基于猎头资源和行为的人职匹配方法,该方法包括以下步骤:
S1:建立猎头行业擅长度模型变量,设定自变量(A1-A8),因变量Y1,其中:
A1为猎头性别
A2为猎头所在地区
A3为猎头拥有该行业的简历量
A4为猎头发布该行业的职位数
A5为近一个季度猎头对该行业的搜索次数
A6为近一个季度猎头对该行业的简历查看量
A7为近一个季度猎头对该行业的简历下载量
A8为猎头对该行业经理人的关注数
Y1为猎头对某行业职位是否推荐过简历
其中,A3、A4、A5、A6、A7、A8均为非负整数;
S2:建立猎头职能擅长度模型变量,设定自变量(B1-B8),因变量Y2,其中:
B1为猎头的性别
B2为猎头所在地区
B3为猎头拥有该职能的简历量
B4为猎头发布该职能职位的数量
B5为近一个季度猎头对该职能的搜索次数
B6为近一个季度猎头对该职能的简历查看量
B7为近一个季度猎头对该职能的简历下载量
B8为猎头对该职能经理人的关注数
Y2为猎头对某职能的职位是否推荐过简历
其中,B3、B4、B5、B6、B7、B8均为非负整数;
S3:建立猎头地区擅长度模型变量,设定自变量(C1-C8),因变量Y3,其中:
C1为猎头的性别
C2为猎头所在地区
C3为猎头拥有该地区的简历量
C4为猎头发布该地区的职位数
C5为近一个季度猎头对该地区简历的搜索次数
C6为近一个季度猎头对该地区的简历查看量
C7为近一个季度猎头对该地区的简历下载量
C8为猎头对该地区经理人的关注数
Y3为猎头对该地区职位是否推荐过简历
其中,C3、C4、C5、C6、C7、C8均为非负整数;
S4:对自变量进行预处理,分类变量(A1,A2,B1,B2,C1,C2)生成哑变量,连续变量(A3-A8,B3-B8,C3-C8)进行0-1标准化处理;
S5:对因变量(Y1,Y2,Y3)采用二元logistic回归分析,Logistic函数形式如下:
其中,k为自变量的个数,y是因变量,x是自变量(分别对应猎头行业擅长度模型、猎头职能擅长度模型和猎头地区擅长度模型中的自变量);并通过Boosting思想的GradientBoosting Decision Trees算法对历史数据进行拟合;
S6:利用极大似然估计来估计模型参数,分别得到影响猎头对某行业,职能,地区擅长度的显著因素及其权重,综合这些因素估计猎头在行业,职能,地区的擅长度;
S7:针对变量,采用步骤S5中的分析方法,对猎头行业擅长度模型、猎头职能擅长度模型和猎头地区擅长度模型进行估计,得出对三个模型变量的显著因素;
S8:根据步骤S7得到的结果,采用以下公式分别算出每个猎头行业擅长度、职能擅长度、地区擅长度:
、和分别等于
其中,为步骤S7得到的显著因素;
S9:根据步骤S8中得到的行业擅长度、职能擅长度和地区擅长度进行综合,采用以下模型计算得出:
其中,参数,,根据业务重点,利用专家打分法来确定;
S10:基于每个猎头的职位擅长度,当招聘企业推出某个职位需求后,系统会计算与该类职位相匹配的一部分猎头,这样的一个多对多的猎头和职位的匹配结果会作为输入进入下一个分单环节,至此该匹配完成。
优选的,步骤S10中,同一个猎头同一时间匹配的职位数不高于某一特定的限额M。
与现有技术相比,本发明的有益效果是:本发明的人职匹配方法能够充分利用猎头资源,能够使得猎头与企业实现快速的匹配,更好的为企业服务;能够快速的将优质的候选人快速的呈现在企业面前;能够很大程度上使得企业招聘效率得到提高,猎头职位资源增加,候选人的求职周期变短。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种技术方案:基于猎头资源和行为的人职匹配方法,该方法包括以下步骤:
S1:建立猎头行业擅长度模型变量,设定自变量(A1-A8),因变量Y1,其中:
A1为猎头性别
A2为猎头所在地区
A3为猎头拥有该行业的简历量
A4为猎头发布该行业的职位数
A5为近一个季度猎头对该行业的搜索次数
A6为近一个季度猎头对该行业的简历查看量
A7为近一个季度猎头对该行业的简历下载量
A8为猎头对该行业经理人的关注数
Y1为猎头对某行业职位是否推荐过简历
其中,A3、A4、A5、A6、A7、A8均为非负整数;
S2:建立猎头职能擅长度模型变量,设定自变量(B1-B8),因变量Y2,其中:
B1为猎头的性别
B2为猎头所在地区
B3为猎头拥有该职能的简历量
B4为猎头发布该职能职位的数量
B5为近一个季度猎头对该职能的搜索次数
B6为近一个季度猎头对该职能的简历查看量
B7为近一个季度猎头对该职能的简历下载量
B8为猎头对该职能经理人的关注数
Y2为猎头对某职能的职位是否推荐过简历
其中,B3、B4、B5、B6、B7、B8均为非负整数;
S3:建立猎头地区擅长度模型变量,设定自变量(C1-C8),因变量Y3,其中:
C1为猎头的性别
C2为猎头所在地区
C3为猎头拥有该地区的简历量
C4为猎头发布该地区的职位数
C5为近一个季度猎头对该地区简历的搜索次数
C6为近一个季度猎头对该地区的简历查看量
C7为近一个季度猎头对该地区的简历下载量
C8为猎头对该地区经理人的关注数
Y3为猎头对该地区职位是否推荐过简历
其中,C3、C4、C5、C6、C7、C8均为非负整数;
S4:对自变量进行预处理,分类变量(A1,A2,B1,B2,C1,C2)生成哑变量,连续变量(A3-A8,B3-B8,C3-C8)进行0-1标准化处理;
S5:对因变量(Y1,Y2,Y3)采用二元logistic回归分析,Logistic函数形式如下:
其中,k为自变量的个数,y是因变量,x是自变量(分别对应猎头行业擅长度模型、猎头职能擅长度模型和猎头地区擅长度模型中的自变量);
由于逻辑斯蒂回归(logistic回归)是一种简单的线性模型,其基本假设是因变量和自变量之间存在对数线性关系。而在实际业务中,因变量和自变量存在非线性关系。为此,我们又引入了基于Boosting思想的Gradient Boosting Decision Trees算法对猎头擅长度进行建模。这个算法自动进行多特征的非线性组合,可以更好地拟合历史数据,并具有强大的泛化能力。为了控制复杂度,对模型进行正则化,减少了过拟合的风险。
S6:利用极大似然估计来估计模型参数,分别得到影响猎头对某行业,职能,地区擅长度的显著因素及其权重,综合这些因素估计猎头在行业,职能,地区的擅长度;
S7:针对每组变量(2.1,2.2,2.3),采用步骤S5中的分析方法,对猎头行业擅长度模型、猎头职能擅长度模型和猎头地区擅长度模型进行估计,得出对三个模型变量的显著因素;
结果一:行业擅长度的显著影响因素是,A3猎头拥有该行业的简历量,A4猎头发布该行业的职位数,A5近一个季度猎头对该行业的搜索次数,A8猎头对该行业经理人的关注数,其中A8猎头对该行业经理人的关注数对猎头的行业擅长度影响最大。
结果二:职能擅长度的显著影响因素是,B3猎头拥有该职能的简历量,B4猎头发布该职能职位的数量,B7近一个季度猎头对该职能的简历下载量,B8猎头对该职能经理人的关注数,其中B7近一个季度猎头对该职能的简历下载量对猎头的职能擅长度影响最大。
结果三:地区擅长度的显著影响因素是,C2猎头所在地区,C3猎头拥有该地区的简历量,C5近一个季度猎头对该地区简历的搜索次数,C8猎头对该地区经理人的关注数,其中C3猎头拥有该地区的简历量对猎头的地区擅长度影响最大。
S8:根据步骤S7得到的结果,采用以下公式分别算出每个猎头行业擅长度、职能擅长度、地区擅长度:
S9:根据步骤S8中得到的行业擅长度、职能擅长度和地区擅长度进行综合,采用以下模型计算得出:
其中,参数,,根据业务重点,利用专家打分法来确定;
S10:基于每个猎头的职位擅长度,当招聘企业推出某个职位需求后,系统会计算与该类职位相匹配的一部分猎头,同一个猎头同一时间匹配的职位数不高于某一特定的限额M。这样的一个多对多的猎头和职位的匹配结果会作为输入进入下一个分单环节,至此该匹配完成。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (2)
1.基于猎头资源和行为的人职匹配方法,其特征在于,该方法包括以下步骤:
S1:建立猎头行业擅长度模型变量,设定自变量(A1-A8),因变量Y1,其中:
A1为猎头性别
A2为猎头所在地区
A3为猎头拥有该行业的简历量
A4为猎头发布该行业的职位数
A5为近一个季度猎头对该行业的搜索次数
A6为近一个季度猎头对该行业的简历查看量
A7为近一个季度猎头对该行业的简历下载量
A8为猎头对该行业经理人的关注数
Y1为猎头对某行业职位是否推荐过简历
其中,A3、A4、A5、A6、A7、A8均为非负整数;
S2:建立猎头职能擅长度模型变量,设定自变量(B1-B8),因变量Y2,其中:
B1为猎头的性别
B2为猎头所在地区
B3为猎头拥有该职能的简历量
B4为猎头发布该职能职位的数量
B5为近一个季度猎头对该职能的搜索次数
B6为近一个季度猎头对该职能的简历查看量
B7为近一个季度猎头对该职能的简历下载量
B8为猎头对该职能经理人的关注数
Y2为猎头对某职能的职位是否推荐过简历
其中,B3、B4、B5、B6、B7、B8均为非负整数;
S3:建立猎头地区擅长度模型变量,设定自变量(C1-C8),因变量Y3,其中:
C1为猎头的性别
C2为猎头所在地区
C3为猎头拥有该地区的简历量
C4为猎头发布该地区的职位数
C5为近一个季度猎头对该地区简历的搜索次数
C6为近一个季度猎头对该地区的简历查看量
C7为近一个季度猎头对该地区的简历下载量
C8为猎头对该地区经理人的关注数
Y3为猎头对该地区职位是否推荐过简历
其中,C3、C4、C5、C6、C7、C8均为非负整数;
S4:对自变量进行预处理,分类变量(A1,A2,B1,B2,C1,C2)生成哑变量,连续变量(A3-A8,B3-B8,C3-C8)进行0-1标准化处理;
S5:对因变量(Y1,Y2,Y3)采用二元logistic回归分析,Logistic函数形式如下:
其中,k为自变量的个数,y是因变量,x是自变量(分别对应猎头行业擅长度模型、猎头职能擅长度模型和猎头地区擅长度模型中的自变量);并通过Boosting思想的GradientBoosting Decision Trees算法对历史数据进行拟合;
S6:利用极大似然估计来估计模型参数,分别得到影响猎头对某行业,职能,地区擅长度的显著因素及其权重,综合这些因素估计猎头在行业,职能,地区的擅长度;
S7:针对变量,采用步骤S5中的分析方法,对猎头行业擅长度模型、猎头职能擅长度模型和猎头地区擅长度模型进行估计,得出对三个模型变量的显著因素;
S8:根据步骤S7得到的结果,采用以下公式分别算出每个猎头行业擅长度、职能擅长度、地区擅长度:
和分别等于
其中,为步骤S7得到的显著因素;
S9:根据步骤S8中得到的行业擅长度、职能擅长度和地区擅长度进行综合,采用以下模型计算得出:
其中,参数,,根据业务重点,利用专家打分法来确定;
S10:基于每个猎头的职位擅长度,当招聘企业推出某个职位需求后,系统会计算与该类职位相匹配的一部分猎头,这样的一个多对多的猎头和职位的匹配结果会作为输入进入下一个分单环节,至此该匹配完成。
2.根据权利要求1所述的基于猎头资源和行为的人职匹配方法,其特征在于:步骤S10中,同一个猎头同一时间匹配的职位数不高于某一特定的限额M。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810411755.9A CN108550027A (zh) | 2018-05-02 | 2018-05-02 | 基于猎头资源和行为的人职匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810411755.9A CN108550027A (zh) | 2018-05-02 | 2018-05-02 | 基于猎头资源和行为的人职匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108550027A true CN108550027A (zh) | 2018-09-18 |
Family
ID=63513294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810411755.9A Pending CN108550027A (zh) | 2018-05-02 | 2018-05-02 | 基于猎头资源和行为的人职匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108550027A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019689A (zh) * | 2019-04-17 | 2019-07-16 | 北京网聘咨询有限公司 | 职位匹配方法和职位匹配系统 |
CN110348807A (zh) * | 2019-06-28 | 2019-10-18 | 深圳市元征科技股份有限公司 | 一种信息处理方法和相关装置 |
CN111080076A (zh) * | 2019-11-25 | 2020-04-28 | 埃摩森网络科技(上海)有限公司 | 智能推荐方法及系统、设备、服务器 |
CN111639858A (zh) * | 2020-06-01 | 2020-09-08 | 埃摩森网络科技(上海)有限公司 | 一种猎头顾问职位分配方法 |
CN112508331A (zh) * | 2020-10-30 | 2021-03-16 | 五八到家有限公司 | 劳动者资源分配方法、设备及存储介质 |
CN112541653A (zh) * | 2020-10-30 | 2021-03-23 | 五八到家有限公司 | 劳动者资源分配方法、装置及存储介质 |
CN112541652A (zh) * | 2020-10-30 | 2021-03-23 | 五八到家有限公司 | 劳动者资源分配方法、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020066501A (ko) * | 2001-02-12 | 2002-08-19 | 황선길 | 통신 네트워크를 이용한 구인/구직 중개 서비스 사업 방법및 이를 구현할 수 있는 프로그램이 수록된 컴퓨터로 읽을수 있는 기록매체 |
US20070136310A1 (en) * | 2005-11-28 | 2007-06-14 | Derrico David G | Procedure to collect, maintain, and distribute workers' preferences for professional recruiter contact |
JP2009075690A (ja) * | 2007-09-19 | 2009-04-09 | Human Create Japan:Kk | 求人求職情報マッチングシステム |
KR101169037B1 (ko) * | 2011-09-29 | 2012-08-07 | 김태욱 | 온라인 헤드헌팅 마켓시스템 및 온라인 헤드헌팅 마켓시스템에서 구인방법 |
CN105787619A (zh) * | 2014-12-25 | 2016-07-20 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及系统 |
KR101778442B1 (ko) * | 2016-05-18 | 2017-09-14 | 심향희 | 헤드헌팅 시스템 및 이를 이용한 헤드헌팅 방법 |
KR20180017639A (ko) * | 2016-08-10 | 2018-02-21 | 김태수 | 헤드헌팅사의 순위정보를 제공하는 비즈니스 모델 시스템 |
-
2018
- 2018-05-02 CN CN201810411755.9A patent/CN108550027A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020066501A (ko) * | 2001-02-12 | 2002-08-19 | 황선길 | 통신 네트워크를 이용한 구인/구직 중개 서비스 사업 방법및 이를 구현할 수 있는 프로그램이 수록된 컴퓨터로 읽을수 있는 기록매체 |
US20070136310A1 (en) * | 2005-11-28 | 2007-06-14 | Derrico David G | Procedure to collect, maintain, and distribute workers' preferences for professional recruiter contact |
JP2009075690A (ja) * | 2007-09-19 | 2009-04-09 | Human Create Japan:Kk | 求人求職情報マッチングシステム |
KR101169037B1 (ko) * | 2011-09-29 | 2012-08-07 | 김태욱 | 온라인 헤드헌팅 마켓시스템 및 온라인 헤드헌팅 마켓시스템에서 구인방법 |
WO2013048075A1 (ko) * | 2011-09-29 | 2013-04-04 | Kim Tae Wook | 온라인 헤드헌팅 마켓시스템 및 온라인 헤드헌팅 마켓시스템에서 구인방법 |
CN105787619A (zh) * | 2014-12-25 | 2016-07-20 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及系统 |
KR101778442B1 (ko) * | 2016-05-18 | 2017-09-14 | 심향희 | 헤드헌팅 시스템 및 이를 이용한 헤드헌팅 방법 |
KR20180017639A (ko) * | 2016-08-10 | 2018-02-21 | 김태수 | 헤드헌팅사의 순위정보를 제공하는 비즈니스 모델 시스템 |
Non-Patent Citations (2)
Title |
---|
李政: "中小型猎头企业品牌本土化营销策略浅析", 《价值工程》 * |
申明明: "网络猎头行为的分析", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑(月刊)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019689A (zh) * | 2019-04-17 | 2019-07-16 | 北京网聘咨询有限公司 | 职位匹配方法和职位匹配系统 |
CN110348807A (zh) * | 2019-06-28 | 2019-10-18 | 深圳市元征科技股份有限公司 | 一种信息处理方法和相关装置 |
CN111080076A (zh) * | 2019-11-25 | 2020-04-28 | 埃摩森网络科技(上海)有限公司 | 智能推荐方法及系统、设备、服务器 |
CN111639858A (zh) * | 2020-06-01 | 2020-09-08 | 埃摩森网络科技(上海)有限公司 | 一种猎头顾问职位分配方法 |
CN112508331A (zh) * | 2020-10-30 | 2021-03-16 | 五八到家有限公司 | 劳动者资源分配方法、设备及存储介质 |
CN112541653A (zh) * | 2020-10-30 | 2021-03-23 | 五八到家有限公司 | 劳动者资源分配方法、装置及存储介质 |
CN112541652A (zh) * | 2020-10-30 | 2021-03-23 | 五八到家有限公司 | 劳动者资源分配方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550027A (zh) | 基于猎头资源和行为的人职匹配方法 | |
WO2016091173A1 (zh) | 一种用户维护系统及方法 | |
CN110175850B (zh) | 一种交易信息的处理方法及装置 | |
TW201636937A (zh) | 以可操作的反饋方法之多樣性分析 | |
CN108280538A (zh) | 基于云计算环境下分布式物流库存优化方法 | |
CN109784474A (zh) | 一种深度学习模型压缩方法、装置、存储介质及终端设备 | |
JP2003526139A (ja) | 抱き合わせ販売マーケティング・キャンペーンの正味現在価値を最適化するための方法 | |
CN106204162A (zh) | 一种互联网环境下新入网电力用户用电模式预测方法 | |
CN111932106B (zh) | 一种有效实用的云制造任务与服务资源匹配方法 | |
CN107145506A (zh) | 一种改进基于内容的农资商品推荐方法 | |
CN112292696A (zh) | 确定执行设备的动作选择方针 | |
CN111461507A (zh) | 基于客户感知价值和风险意识的多服务器配置利润最大化方法 | |
Long | A flow-based three-dimensional collaborative decision-making model for supply-chain networks | |
Gudmundsson et al. | Decentralized mechanisms for river sharing | |
CN106919712A (zh) | 报表的数据统计方法和系统 | |
CN108921621A (zh) | 一种经济大数据的数据采集方法 | |
CN106202503A (zh) | 数据处理方法及装置 | |
CN112287041A (zh) | 一种基于基本关联模型的数据分析方法及系统 | |
CN110737984B (zh) | 云制造环境下的机械产品服务优选方法 | |
CN107645411A (zh) | 一种基于线性规划的通道流量调拨方法及装置 | |
Liang | Forecasting International Tourism Demand Using the Recurrent Neural Network Model with Genetic Algorithms and ARIMAX Model in Tourism Supply Chains | |
Liu et al. | Hybrid one-class collaborative filtering for job recommendation | |
CN109377380A (zh) | 一种基于大数据处理的续保提醒的方法、装置及通信设备 | |
CN110544129A (zh) | 一种面向社交电商用户的个性化推荐方法 | |
CN116911573B (zh) | 一种面向智能制造的供应链物流商多任务协同方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |