CN111680923A - 一种职业风险评估方法 - Google Patents

Abstract

本发明公开了一种职业风险评估方法，包括如下步骤：A.提取求职者的风险参数信息；B.将风险参数信息输入到训练好的子风险评估模型中进行评估，得到单项评估值；C.将单项评估值输入到训练好的综合风险评估模型中进行评估，得到职业风险评估值；其中，所述综合风险评估模型结合各子风险评估模型对应的风险信息参数所占权重对单项评估值进行处理计算得到职业风险评估值，所述风险信息参数所占权重通过熵值法进行计算，在计算时，选取数据库中的同行业历史求职者风险信息作为样本数据进行计算。对求职者进行客观判断，企业可以根据职业风险评估值来判断该求职者和企业求职风险偏好的匹配，从而辅助企业对员工进行精准匹配。

Description

一种职业风险评估方法

技术领域

本发明涉及职业风险分析技术领域，尤其是涉及一种职业风险评估方法。

背景技术

目前，企业对于员工的招聘，一般通过查看招聘网站或者邮箱中员工自行填写准备的简历来进行初步挑选的，而部分求职者为了提升通过筛选的概率，通常会对自己的简历进行加工美化，这就导致简历中含有大量虚假信息，增加了HR的分辨挑选难度，也容易为企业招到不合适的人，甚至是其它企业的间谍，对企业的发展造成不利影响。

发明内容

为了解决上述问题，本发明提供了一种职业风险评估方法，以对求职者进行综合评估，判断其对企业是否存在潜在风险，既能降低企业的招聘困难，也能提升企业招聘的安全性。

本发明为了实现上述目的具体采用以下技术方案：

一种职业风险评估方法，包括如下步骤：

A.提取求职者的风险参数信息；

B.将风险参数信息输入到训练好的子风险评估模型中进行评估，得到单项评估值；

C.将单项评估值输入到训练好的综合风险评估模型中进行评估，得到职业风险评估值；

其中，所述综合风险评估模型结合各子风险评估模型对应的风险信息参数所占权重对单项评估值进行处理计算得到职业风险评估值，所述风险信息参数所占权重通过熵值法进行计算，在计算时，选取数据库中的同行业历史求职者风险信息作为样本数据进行计算。

更进一步地，所述求职者风险参数信息包括学历信息、证书信息、历史工作信息、法院失信信息、商业身份信息、金融风险信息。

更进一步地，所述风险参数信息的获取方式如下：从求职简历中提取求职者的身份证号码、姓名，并将身份证号码、姓名传输到数据中心，由数据中心检索风险参数信息并传输到对应的子风险评估模型中。

更进一步地，所述学历信息对应的子风险评估模型在接收数据中心的数据同时，还提取求职者的简历中的学历信息进行对比，若两者不相符和，则输出的单项评估值为X＝1，两者相同，则单项评估值X＝0；

所述证书信息对应的子风险评估模型在接收数据中心的数据同时，还提取求职者的简历中的证书信息进行对比，计算该单项评估值Z，Z的计算公式如下：

Z＝Z₁+Z₂+……+Z_b

Z_b为第b项证书的得分值，若从简历中提取的第b项证书信息与数据中心得到的证书信息相同，则Z_b＝0，若不同，则Z_b＝1；

所述历史工作信息为求职者的社保缴纳信息，历史工作信息对应的子风险评估模型主要采用下式进行评估：

其中，i为求职者就职过的公司数量，S_i为求职者在第i家公司缴纳的社保月数，S为上年度本行业内求职者在一家公司工作的平均社保缴纳月数；

其中，S_-i为上年度某一求职者在第i家公司求职时社保缴纳月数，f为训练子风险评估模型时选取的上一年度的同行业求职者样本数。

所述法院失信信息对应的子风险评估模型按如下规则进行：

F＝F₁+F₂+……+F_c

其中，F₁＝F₂＝……＝F_c＝1，F_c表示第C项法院失信条目；

所述商业身份信息由所述数据传输中心传输到商业身份信息对应的子风险评估模型中的信息为求职者是否为某公司的企业法人代表、公司股东或企业主要管理人员，若不是D_n＝0，若是则D_n＝1，该单项评估值

D＝D₁+D₂+……+D_n

其中，Dn为第n家公司的对比结果；

所述金融风险信息对应的子风险评估模型按如下规则进行：

J＝J₁+J₂+……+J_n

其中，J_n为求职者借贷的第n笔款项，J₁＝J₂＝……＝J_n＝1。

更进一步地，所述商业信息对应的子风险评估模型接收到数据中心传递的数据进行分析，若求职者为某公司的企业法人代表、公司股东或企业主要管理人员，则提取求职者应聘企业信息传输到数据处理中心，由数据处理中心检索应聘企业的竞争公司，将其结果传输到子风险评估模型进行评估。

更进一步地，所述综合风险评估模型的计算公式如下：

χ＝X×V₁+Z×V₂+L×V₃+F×V₄+D×V₅+J×V₆

其中，V₁-V₆为各个风险参数信息对应的权重值,所述权重值由熵值法确定。

本发明的有益效果如下：

(1)本发明提供的职业风险评估方法，能对求职者的信息进行多方位分析，并给出对应风险评估值，使得企业能充分了解求职者的情况，提升企业的招聘效率，同时也能防止不怀好意者混入公司内对公司的利益造成伤害；

(2)整个简历的鉴定将多方面的风险因素综合起来进行评判，评判更为准确，更能贴合各行业的实际招聘需求；

(3)求职者的简历真实性无需再由HR逐个比对，降低了HR的工作量，同时HR人工检索核对简历的真实性容易出错，而本发明的方法能完全杜绝漏网之鱼的存在，提升了企业招聘的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是子风险评估模型与综合风险评估模型对应关系图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。

在本发明的描述中，需要说明的是，术语“上”、“下”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连通”应做广义理解，例如，可以是固定连通，也可以是可拆卸连通，或一体地连通；可以是机械连通，也可以是电连通；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例

请参照图1所示，一种职业风险评估方法，包括如下步骤：

A.提取求职者的风险参数信息，风险参数信息可以有多个，根据实际行业及招聘需求可进行增减，本实施例只例举其中最基础的几项，其包括：学历信息、证书信息、历史工作信息、法院失信信息、商业身份信息、金融风险信息；

其中，这些风险参数信息，通过提取求职者简历中的身份证号码、姓名等身份信息，传输到数据处理中心进行分类检索得到。

B.将风险参数信息输入到训练好的子风险评估模型中进行评估，得到学历信息单项评估值X、证书信息单项评估值Z、历史工作信息单项评估值L、法院失信信息单项评估值F、商业身份信息单项评估值D、金融风险信息单项评估值J；

各子风险评估模型的处理方法如下：

所述学历信息对应的子风险评估模型在接收数据中心的数据同时，还提取求职者的简历中的学历信息进行对比，若两者不相符和，则输出的单项评估值为X＝1，两者相同，则单项评估值X＝0；

所述证书信息对应的子风险评估模型在接收数据中心的数据同时，还提取求职者的简历中的证书信息进行对比，计算该单项评估值Z，Z的计算公式如下：

Z＝Z₁+Z₂+……+Z_b

Z_b为第b项证书的得分值，若从简历中提取的第b项证书信息与数据中心得到的证书信息相同，则Z_b＝0，若不同，则Z_b＝1；

所述历史工作信息为求职者的社保缴纳信息，历史工作信息对应的子风险评估模型主要采用下式进行评估：

其中，i为求职者就职过的公司数量，S_i为求职者在第i家公司缴纳的社保月数，S为上年度本行业内求职者在一家公司工作的平均社保缴纳月数；

其中，S_-i为上年度某一求职者在第i家公司求职时社保缴纳月数，f为训练子风险评估模型时选取的上一年度的同行业求职者样本数，其中同行业求职者的样本数据可从合作的招聘平台以合规方式获取；

所述法院失信信息对应的子风险评估模型按如下规则进行：

F＝F₁+F₂+……+F_c

其中，F₁＝F₂＝……＝F_c＝1，F_c表示第C项法院失信条目；

所述商业身份信息由所述数据传输中心传输到商业身份信息对应的子风险评估模型中的信息为求职者是否为某公司的企业法人代表、公司股东或企业主要管理人员，若不是D_n＝0，若是则D_n＝1，该单项评估值

D＝D₁+D₂+……+D_n

其中，Dn为第n家公司的对比结果；

其中，在进行商业身份信息时，可根据求职者担任法人代理、公司股东或主要管理人的企业是否为其求职企业的同行业竞争对手来进行评判，即在检索到求职者为一公司或多个公司的股东等时，将其求职公司的竞争对手公司名单发送到对应的子风险评估模型中，并与求职者所在的公司进行对比，若求职者所在公司并不在此行列，则D＝0，若有n家在名单中，则D＝n；

所述金融风险信息对应的子风险评估模型按如下规则进行：

J＝J₁+J₂+……+J_n

其中，J_n为求职者借贷的第n笔款项，J₁＝J₂＝……＝J_n＝1。

C.将子风险评估模型得到的评估值输入到训练好的综合风险评估模型中进行评估,得到职业风险评估值，其中，综合风险评估模型的具体处理如下：

χ＝X×V₁+Z×V₂+L×V₃+F×V₄+D×V₅+J×V₆

其中，χ为职业风险评估值，V₁-V₆为各个风险参数信息对应的权重值,所述权重值由熵值法确定。

权重值的具体确定方法如下：

提取简历库中的样本简历信息，并提取相应数据，例如学历信息，若样本求职者提供的简历上的学历信息与国家权威数据库提供的学历信息一致，则记为0，不一致则记为1；证书信息，若样本求职者提供的简历上的证书信息与国家权威数据库提供的证书信息一致，则记为0，n项不一致则记为n；历史工作信息，根据国家权威数据库提供该样本求职者的平均工作时间；法院失信信息，根据国家权威数据库提供该样本求职者的法院失信数量；商业身份信息，根国家权威数据库提供该样本求职者在求职行业内的企业中担任法人或重要管理者的企业数量；金融风险信息，根据国家权威数据库提供该样本求职者的借贷数量。

利用上述数据建立矩阵，并进行数据的归一化处理计算每个风险参数信息的熵值，并确定相应风险参数信息的差异系数，最后根据熵值及差异系数计算该风险参数信息的权重。

以下，例举3种行业采用熵值法计算得到的权重值(每个行业随机选取的求职样本数为200)：

技术行业：V₁＝0.1；V₂＝0.05；V₃＝0.05；V₄＝0.1；V₅＝0.6；V₆＝0.1；

金融行业：V₁＝0.4；V₂＝0.05；V₃＝0.05；V₄＝0.1；V₅＝0.1；V₆＝0.3；

财务行业：V₁＝0.1；V₂＝0.05；V₃＝0.05；V₄＝0.3；V₅＝0.2；V₆＝0.3；

对于一个求职者可以根据其求职的行业而给出更为客观真实的风险评估值，例如一个求职者经子风险评估模型评估后的得分如下：X＝0,Z＝1,L＝0.8,F＝1,D＝0,J＝3,则，其对应3个行业的评估值分别为：

技术行业：χ＝0.535

金融行业：χ＝1.135

财务行业：χ＝1.335

并将各行业的样本求职者划分为安全与不安全组，将安全组代入本实施例提供的子风险评估模型及综合风险评估模型中进行计算，确定一个平均安全阈值，将不安全组代入本实施例提供的子风险评估模型及综合风险评估模型中进行计算，选取其中最小评估值作为不安全阈值，若某求职者的评估值小于安全阈值，则表示其安全，建议聘用，若大于不安全阈值，则表示其为高风险，建议企业不予聘用，如果位于安全阈值与不安全阈值之间，则表示其具有低风险，可根据实际情况考量是否录用，其中本实施例中技术行业的安全阈值为0.55，不安全阈值为0.65；金融行业的安全阈值为1.1，不安全阈值为1.93；财务行业的安全阈值为0.71，不安全阈值为1.09。

因此，此次评估的简历为若为技术行业求职者，则没有风险，技术达到要求就可以聘用，而其若为金融行业的求职者，则具有低风险，需综合各方面因素谨慎聘用，若为财务行业的求职者，则其具有高风险，建议企业不予录用。

以上所述，仅为本发明的较佳实施例，并不用以限制本发明，本发明的专利保护范围以权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。

Claims (6)

1.一种职业风险评估方法，其特征在于，包括如下步骤：

A.提取求职者的风险参数信息；

B.将风险参数信息输入到训练好的子风险评估模型中进行评估，得到单项评估值；

C.将单项评估值输入到训练好的综合风险评估模型中进行评估，得到职业风险评估值；

其中，所述综合风险评估模型结合各子风险评估模型对应的风险信息参数所占权重对单项评估值进行处理计算得到职业风险评估值，所述风险信息参数所占权重通过熵值法进行计算，在计算时，选取数据库中的同行业历史求职者风险信息作为样本数据进行计算。

2.根据权利要求1所述的职业风险评估方法，其特征在于，所述求职者风险参数信息包括学历信息、证书信息、历史工作信息、法院失信信息、商业身份信息、金融风险信息。

3.根据权利要求2所述的职业风险评估方法，其特征在于，所述风险参数信息的获取方式如下：从求职者提供的简历中提取求职者的身份证号码、姓名，并将身份证号码、姓名传输到数据中心，由数据中心检索风险参数信息并传输到对应的子风险评估模型中。

4.根据权利要求3所述的职业风险评估方法，其特征在于，所述学历信息对应的子风险评估模型在接收数据中心的数据同时，还提取求职者提供的简历中的学历信息进行对比，若两者不相符和，则输出的单项评估值为X＝1，两者相同，则单项评估值X＝0；

所述证书信息对应的子风险评估模型在接收数据中心数据的同时，还提取求职者提供的简历中的证书信息进行对比，计算该单项评估值Z，Z的计算公式如下：

Z＝Z₁+Z₂+……+Z_b

Z_b为第b项证书的得分值，若从简历中提取的第b项证书信息与数据中心得到的证书信息相同，则Z_b＝0，若不同，则Z_b＝1；

所述历史工作信息为求职者的社保缴纳信息，历史工作信息对应的子风险评估模型主要采用下式进行评估：

其中，i为求职者就职过的公司数量，S_i为求职者在第i家公司缴纳的社保月数，S为上年度本行业内求职者在一家公司工作的平均社保缴纳月数；

其中，S_-i为上年度某一求职者在第i家公司求职时社保缴纳月数，f为训练子风险评估模型时选取的上一年度的同行业求职者样本数；

所述法院失信信息对应的子风险评估模型按如下规则进行：

F＝F₁+F₂+……+F_c

其中，F₁＝F₂＝……＝F_c＝1，F_c表示第C项法院失信条目；

所述商业身份信息由所述数据传输中心传输到商业身份信息对应的子风险评估模型中的信息为求职者是否为某公司的企业法人代表、公司股东或企业主要管理人员，若不是D_n＝0，若是则D_n＝1，该单项评估值

D＝D₁+D₂+……+D_n

其中，Dn为第n家公司的对比结果；

所述金融风险信息对应的子风险评估模型按如下规则进行：

J＝J₁+J₂+……+J_n

其中，J_n为求职者借贷的第n笔款项，J₁＝J₂＝……＝J_n＝1。

5.根据权利要求4所述的职业风险评估方法，其特征在于，所述商业信息对应的子风险评估模型接收到数据中心传递的数据进行分析，若求职者为某公司的企业法人代表、公司股东或企业主要管理人员，则提取求职者应聘企业信息传输到数据处理中心，由数据处理中心检索应聘企业的竞争公司，将其结果传输到子风险评估模型进行评估。

6.根据权利要求4所述的职业风险评估方法，其特征在于，所述综合风险评估模型的计算公式如下：

χ＝X×V₁+Z×V₂+L×V₃+F×V₄+D×V₅+J×V₆

其中，V₁-V₆为各个风险参数信息对应的权重值,所述权重值由熵值法确定。

Images