CN110659801A - 一种基于大数据算法的人才测评系统 - Google Patents

一种基于大数据算法的人才测评系统 Download PDF

Info

Publication number
CN110659801A
CN110659801A CN201910763689.6A CN201910763689A CN110659801A CN 110659801 A CN110659801 A CN 110659801A CN 201910763689 A CN201910763689 A CN 201910763689A CN 110659801 A CN110659801 A CN 110659801A
Authority
CN
China
Prior art keywords
evaluation
unit
data
platform
talent
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
Application number
CN201910763689.6A
Other languages
English (en)
Inventor
陈煜明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wanma Pentium (shanghai) Data Co Ltd
Original Assignee
Wanma Pentium (shanghai) Data Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wanma Pentium (shanghai) Data Co Ltd filed Critical Wanma Pentium (shanghai) Data Co Ltd
Priority to CN201910763689.6A priority Critical patent/CN110659801A/zh
Publication of CN110659801A publication Critical patent/CN110659801A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明披露一种基于大数据算法的人才测评系统，包括数据库、测评算法模块和测评输出模块；所述数据库与至少一个大数据平台连接，所述测评算法模块包括至少一个筛选单元、至少一个参数单元和至少一个测评单元；所述筛选单元从所述数据库中筛选出测评数据，所述参数单元将所述测评数据归类；所述测评单元对所述测评数据进行测评后，由所述测评输出模块输出至少一个可视化图表；通过将数据库与至少一个大数据平台连接，提高了测评数据的全面性，由测评算法模块完成测评，保证了测评的准确性。

Description

一种基于大数据算法的人才测评系统
技术领域
本发明涉及招聘求职领域，具体涉及一种基于大数据算法的人才测评系统。
背景技术
通常的人才测评以纸质测评试卷或网络测评试题为主，测评人通常是同事或上级。
发明人发现由于是人为测评，难免会掺杂主观偏见，会导致结果失真，很难做到公正。同时，同事或上级所能利用的测评数据一般是经验或者一些处于无规律的记录和存放状态的人员档案，测评数据的可搜索性低，同时也没有对人才数据进行系统的分类，测评人很难做到全面的了解被测评人。同时，纸质测评试卷或网络测评试题效率太低，会耗损双方太多时间。因此，开发一种基于大数据算法的人才测评系统是很有必要的。
发明内容
本发明的目的在于解决上述问题，提供一种基于大数据算法的人才测评系统，它采用数据库、测评算法模块和测评输出模块；通过将数据库与至少一个大数据平台连接，提高了测评数据的全面性，由测评算法模块完成测评，保证了测评的准确性。
为实现上述目的，本发明采取了以下技术方案。
一种基于大数据算法的人才测评系统，包括数据库、测评算法模块和测评输出模块；所述数据库与至少一个大数据平台连接，所述测评算法模块包括至少一个筛选单元、至少一个参数单元和至少一个测评单元；所述筛选单元从所述数据库中筛选出测评数据，所述参数单元将所述测评数据归类；所述测评单元对所述测评数据进行测评后，由所述测评输出模块输出至少一个可视化图表。
进一步，所述大数据平台包括百度平台、淘宝平台、京东平台、腾讯平台、移动通讯平台、联通通讯平台或电信通讯平台。
进一步，所述筛选单元包括基本信息单元、购物记录单元、搜索记录单元、消费记录单元或社交记录单元。
进一步，所述参数单元包括姓名、手机号码、即时通讯软件号码、身份证号码、学历或收入范围。
进一步，所述测评单元包括测评参照数据和测评参照分值，通过将所述测评数据与所述测评参照数据和所述测评参照分值进行对比得到测评分值。
进一步，所述测评单元包括第一测评单元、第二测评单元和第三测评单元，所述第一测评单元对应第一权重值，所述第二测评单元对应第二权重值，所述第三测评单元对应第三权重值。
进一步，所述第一测评单元、所述第二测评单元和所述第三测评单元对所述测评数据进行测评后，得出第一测评分值、第二测评分值和第三测评分值。
进一步，所述第一测评分值、所述第二测评分值和所述第三测评分值根据所对应的所述第一权重值、所述第二权重值和所述第三权重值进行调整后传输给所述测评输出模块。
进一步，所述可视化图表包括行为画像、职业画像、性格画像、职业发展图谱、忠诚度图谱或职场图谱。
进一步，所述测评算法模块还包括神经网络模型单元，所述神经网络模型单元将所述测评分值转化为所述测评参照分值。
本发明一种基于大数据算法的人才测评系统的积极效果是：
(1)本发明采用数据库、测评算法模块和测评输出模块；通过将数据库与各大数据平台连接，并对数据进行筛选、归类和测评后，通过测评输出模块输出可视化图表。全程由机器执行测评，测评结果更公正更真实。
(2)本发明不需要进行纸质测评答题或网络测评答题，就可以实现精准测评，省去填写测评的时间。
(3)本发明通过与各大数据平台连接确保了信息的准确性和防篡改性。
(4)本发明采用神经网络模型，在线算法会在离线模型的基础上，在线不断地训练出新模型，并通过该模型，将测评数据输出为可视化图表。并且在线算法的样本在在线算法模型训练之后，会变成历史的离线样本，并用于离线算法的模型进行迭代升级。这样确保离线算法的模型的匹配也越来越准确。
附图说明
图1是本发明一种基于大数据算法的人才测评系统的示意图。
具体实施方式
以下结合附图给出对本发明一种基于大数据算法的人才测评系统的实施方式，但是需要指出：所述具体实施方式并不用于限定本发明的具体实施。凡是采用本发明的相似结构及其相似变化均应列入本发明的保护范围。
参见图1。一种基于大数据算法的人才测评系统，包括数据库、测评算法模块和测评输出模块；所述数据库与至少一个大数据平台连接，所述测评算法模块包括至少一个筛选单元、至少一个参数单元和至少一个测评单元；所述筛选单元从所述数据库中筛选出测评数据，所述参数单元将所述测评数据归类；所述测评单元对所述测评数据进行测评后，由所述测评输出模块输出至少一个可视化图表。
所述大数据平台包括百度平台、淘宝平台、京东平台、腾讯平台、移动通讯平台、联通通讯平台或电信通讯平台。所述大数据平台包括但不限于学信网平台、公安部公民网络身份系统平台、全国征信系统平台、阿里云平台和全国职业资格证书查询平台。还包括51JOB、前程无忧、58同城、抖音和携程等关于衣食住行的各大数据平台。在具体实施时，连接的数据库越多，多个数据库的融合有助于提高数据库的全面度。并且数据库内的所以数据均无法篡改，测评结果更公正。
所述筛选单元包括基本信息单元、购物记录单元、搜索记录单元、消费记录单元、工作记录单元、运动数据单元、简历数据单元或社交记录单元。所述筛选单元主要是对大数据平台的数据起到初步数据清洗的作用，将测评用不到的数据实现剔除掉，比方说：淘宝平台里的广告或推广类新闻等需要用筛选单元剔除。基本信息单元包括姓名、昵称、手机号码、身份证号码、住址、学历或收入范围等。
所述参数单元包括姓名、昵称、手机号码、即时通讯软件号码、身份证号码、学历或收入范围。经过筛选单元筛选后的测评数据，按照参数单元进行归类。归类后，可以通过收索相关的参数单元，从而找到同一参数单元下的所有测评数据。
所述测评单元包括测评参照数据和测评参照分值，通过将所述测评数据与所述测评参照数据和所述测评参照分值进行对比得到测评分值。在一种实施例中，测评参照数据为学历，具体的分为博士、硕士、学士、高中、初中和初中以下，分别对应着的测评参照分值为100分、90分、80分、70分、60分和50分。测评数据中学历为硕士，在测评数据与所述测评参照数据和所述测评参照分值进行对比得到测评分值为90分。
本实施例中，所述测评单元包括第一测评单元、第二测评单元和第三测评单元，所述第一测评单元对应第一权重值，所述第二测评单元对应第二权重值，所述第三测评单元对应第三权重值。在具体实施时，可以根据实际情况来设置测评单元的个数以及各个测评单元所对应的权重值。
在一种实施例中，第一测评单元的测评参照数据为学历，具体的分为博士、硕士、学士、高中、初中和初中以下，分别对应着测评参照分值为100分、90分、80分、70分、60分和50分。测评数据中学历为硕士，在测评数据与所述测评参照数据和所述测评参照分值进行对比得到测评分值为90分。第一权重值为40/100。第二测评单元的测评参照数据为收入范围，具体的分为，20K/月、10K/月、8K/月、7K/月、6K/月、5K/月，分别对应着的测评参照分值为100分、90分、80分、70分、60分和50分。测评数据中收入范围为10K/月，在测评数据与所述测评参照数据和所述测评参照分值进行对比得到测评分值为90分。第二权重值为30/100。第三测评单元的测评参照数据为年龄，具体的分为，18岁-20岁、20岁-25岁、25岁-30岁、30岁-35岁、35岁-40岁、40岁-45岁，分别对应着的测评参照分值为100分、90分、80分、70分、60分和50分。测评数据中年龄为24岁，在测评数据与所述测评参照数据和所述测评参照分值进行对比得到测评分值为90分。第三权重值为30/100。所述第一测评单元、所述第二测评单元和所述第三测评单元对所述测评数据进行测评后，得出第一测评分值、第二测评分值和第三测评分值。所述第一测评分值、所述第二测评分值和所述第三测评分值根据所对应的所述第一权重值、所述第二权重值和所述第三权重值进行调整后传输给所述测评输出模块。
所述可视化图表包括行为画像、职业画像、性格画像、职业发展图谱、忠诚度图谱或职场图谱。所述可视化图表可以是年龄画像、决策力画像、求职意向度画像或其他模拟画像。所述可视化图表可以是消费图谱、运动图谱、求职意向度图谱或其他模拟图谱。所述可视化图表也可以是一种标签体系，所述标签体系以华人特质作为基础进行参考，所述华人特质是因习惯、饮食或气候等产生的人群共性。可视化图表中的图像和图谱为雷达图、饼状图、折线图或条状图。
基于神经网络的聚类算法，所述神经网络模型单元将所述测评分值转化为所述测评参照分值。其中离线算法训练出来的模型，会准确地区分出测评参照等；而在线算法，会在离线模型的基础上，利用各各大数据库平台新增加的求职者信息，在线不断地训练出新模型，并通过该模型，将测评参照数据等渲染出来。并且在线算法的样本在在线算法模型训练之后，会变成历史的离线样本，并用于离线算法的模型进行迭代升级。这样确保离线算法的模型的匹配也越来越准确。

Claims (10)

1.一种基于大数据算法的人才测评系统，其特征在于，包括数据库、测评算法模块和测评输出模块；所述数据库与至少一个大数据平台连接，所述测评算法模块包括至少一个筛选单元、至少一个参数单元和至少一个测评单元；所述筛选单元从所述数据库中筛选出测评数据，所述参数单元将所述测评数据归类；所述测评单元对所述测评数据进行测评后，由所述测评输出模块输出至少一个可视化图表。
2.根据权利要求1所述的基于大数据算法的人才测评系统，其特征在于，所述大数据平台包括百度平台、淘宝平台、京东平台、腾讯平台、移动通讯平台、联通通讯平台或电信通讯平台。
3.根据权利要求1所述的基于大数据算法的人才测评系统，其特征在于，所述筛选单元包括基本信息单元、购物记录单元、搜索记录单元、消费记录单元或社交记录单元。
4.根据权利要求1所述的基于大数据算法的人才测评系统，其特征在于，所述参数单元包括姓名、手机号码、即时通讯软件号码、身份证号码、学历或收入范围。
5.根据权利要求1所述的基于大数据算法的人才测评系统，其特征在于，所述测评单元包括测评参照数据和测评参照分值，通过将所述测评数据与所述测评参照数据和所述测评参照分值进行对比得到测评分值。
6.根据权利要求1所述的基于大数据算法的人才测评系统，其特征在于，所述测评单元包括第一测评单元、第二测评单元和第三测评单元，所述第一测评单元对应第一权重值，所述第二测评单元对应第二权重值，所述第三测评单元对应第三权重值。
7.根据权利要求5或6所述的基于大数据算法的人才测评系统，其特征在于，所述第一测评单元、所述第二测评单元和所述第三测评单元对所述测评数据进行测评后，得出第一测评分值、第二测评分值和第三测评分值。
8.根据权利要求7所述的基于大数据算法的人才测评系统，其特征在于，所述第一测评分值、所述第二测评分值和所述第三测评分值根据所对应的所述第一权重值、所述第二权重值和所述第三权重值进行调整后传输给所述测评输出模块。
9.根据权利要求1所述的基于大数据算法的人才测评系统，其特征在于，所述可视化图表包括行为画像、职业画像、性格画像、职业发展图谱、忠诚度图谱或职场图谱。
10.根据权利要求5所述的基于大数据算法的人才测评系统，其特征在于，所述测评算法模块还包括神经网络模型单元，所述神经网络模型单元将所述测评分值转化为所述测评参照分值。
CN201910763689.6A 2019-08-19 2019-08-19 一种基于大数据算法的人才测评系统 Pending CN110659801A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910763689.6A CN110659801A (zh) 2019-08-19 2019-08-19 一种基于大数据算法的人才测评系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910763689.6A CN110659801A (zh) 2019-08-19 2019-08-19 一种基于大数据算法的人才测评系统

Publications (1)

Publication Number Publication Date
CN110659801A true CN110659801A (zh) 2020-01-07

Family

ID=69036580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910763689.6A Pending CN110659801A (zh) 2019-08-19 2019-08-19 一种基于大数据算法的人才测评系统

Country Status (1)

Country Link
CN (1) CN110659801A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256246A (zh) * 2021-05-11 2021-08-13 苏州市企淘网络科技有限公司 一种基于参数工业品交易平台的技术人员精准匹配系统
CN116644184A (zh) * 2023-07-27 2023-08-25 浙江厚雪网络科技有限公司 基于数据聚类的人力资源信息管理系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256246A (zh) * 2021-05-11 2021-08-13 苏州市企淘网络科技有限公司 一种基于参数工业品交易平台的技术人员精准匹配系统
CN116644184A (zh) * 2023-07-27 2023-08-25 浙江厚雪网络科技有限公司 基于数据聚类的人力资源信息管理系统
CN116644184B (zh) * 2023-07-27 2023-10-20 浙江厚雪网络科技有限公司 基于数据聚类的人力资源信息管理系统

Similar Documents

Publication Publication Date Title
CN112613501A (zh) 信息审核分类模型的构建方法和信息审核方法
Ammirato et al. A new typology to characterize Italian digital entrepreneurs
US20200327505A1 (en) Multi-dimensional candidate classifier
Meedech et al. Prediction of student dropout using personal profile and data mining approach
CN110210301B (zh) 基于微表情评价面试者的方法、装置、设备和存储介质
CN107169063A (zh) 一种基于社交信息的用户属性预测方法与系统
Hamim et al. Survey of machine learning techniques for student profile modeling
CN110414910A (zh) 基于大数据人工智能分析、招聘及求职系统
CN110659801A (zh) 一种基于大数据算法的人才测评系统
CN113656687A (zh) 基于教研数据的教师画像构建方法
Shankararaman et al. Mapping information systems student skills to industry skills framework
CN113505154B (zh) 一种基于大数据的数字阅读统计分析方法及系统
Sithole et al. Data mining: will first-year results predict the likelihood of completing subsequent units in accounting programs?
KR20210012500A (ko) 면접영상 자동평가모델을 학습시키는 방법, 시스템 및 컴퓨터-판독가능 매체
Dhanalakshmi et al. Smart Analytics and AI for Managing Modern Performance Management Systems
CN114611622A (zh) 一种利用手机数据识别跨城通勤人群的方法
Sangodiah et al. Holistic prediction of student attrition in higher learning institutions in Malaysia using support vector machine model
Khatwani et al. Employing group decision support system for the selection of internet information search channels for consumers
CN112182057A (zh) 一种基于区块链的项目匹配方法、装置、设备及存储介质
Petwal et al. Recommender system for analyzing students’ performance using data mining technique
Mangruwa et al. Machine Learning Model to Selection of Job Applicant Documents to Increase The Human Resources Department Performance
Kanchana et al. Analysis of social media images to predict user personality assessment
Ajgaonkar et al. EduKrishnaa: A Career Guidance Web Application Based on Multi-intelligence Using Multiclass Classification Algorithm
KR102671618B1 (ko) 딥러닝에 기반한 교육 목적의 사용자 맞춤형 면접 피드백 제공 방법 및 시스템
KR20230127455A (ko) 데이터 수신자의 권한에 따라 편집된 면접 데이터를 제공하는 면접 플랫폼 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200107