CN111738586B - 人才评估方法及装置 - Google Patents
人才评估方法及装置 Download PDFInfo
- Publication number
- CN111738586B CN111738586B CN202010555501.1A CN202010555501A CN111738586B CN 111738586 B CN111738586 B CN 111738586B CN 202010555501 A CN202010555501 A CN 202010555501A CN 111738586 B CN111738586 B CN 111738586B
- Authority
- CN
- China
- Prior art keywords
- talents
- information
- talent
- evaluated
- quantized
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 238000013210 evaluation model Methods 0.000 claims abstract description 13
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 230000009286 beneficial effect Effects 0.000 claims abstract description 6
- 230000015654 memory Effects 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 230000007547 defect Effects 0.000 claims description 11
- 238000012946 outsourcing Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101100327481 Nicotiana tabacum CET4 gene Proteins 0.000 description 1
- 241000244269 Peucedanum Species 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种人才评估方法及装置，涉及机器学习技术领域，有助于招聘人员对待评估人选进行评估。该方法包括：获取待评估人才的信息；待评估人才的信息包括基本信息、学习经历、工作经历、技能信息或自我评述中的至少一种；基于待评估人才的信息和预先训练好的人才评估模型，得到评估结果；评估结果包括量化工作绩效；量化工作绩效用于指示待评估人才的信息所对应的人才的量化工作绩效的预测值。
Description
技术领域
本申请涉及机器学习技术领域，尤其涉及人才评估方法及装置。
背景技术
人才评估一直是人力资源行业的一个重要领域。对于一个公司来说，对众多人选进行合适恰当的评判是一项重要任务，这关系到人才选拔。传统上这也是一项结合客观简历评估和主观面试考核评估的复杂工作，对于招聘人员的职业要求并不简单。
当前，由于某些岗位的能力要求不能简单的通过面试和笔试进行直观量化度量。此类岗位的招聘成了困扰招聘人员的一个难题。
发明内容
本申请提供人才评估方法及装置，有助于招聘人员对待评估人选进行评估。
第一方面，提供一种人才评估方法，该方法包括：获取待评估人才的信息；待评估人才的信息包括基本信息、学习经历、工作经历、技能信息或自我评述中的至少一种；基于待评估人才的信息和预先训练好的人才评估模型，得到评估结果；评估结果包括量化工作绩效；量化工作绩效用于指示待评估人才的信息所对应的人才的量化工作绩效的预测值。其中，基本信息包括姓名、身份证号、籍贯、年龄、学历、学校或星座等；学习经历包括学校名称、学历或专业名称等；工作经历包括：工作时间、工作单位或职务名称等；技能信息包括获取的证书、掌握的语种以及等级或掌握的工具等。这样，招聘人员可以利用预先训练好的人才评估模型对待评估人才的信息进行评估，依据评估结果对简历进行筛选或者依据评估结果指导招聘人员对待评估人才(即待评估人选)的面试工作，有助于招聘人员对待评估人选进行评估。
在一种可能的实现方式中，量化工作绩效包括缺陷发现率。这样，预先训练好的人才评估模型建立了人才的信息与缺陷发现率的联系，通过人才的信息预测得到对应人才的信息的人才的缺陷发现率，从而指导招聘人员在招聘黑盒测试的外包人员时对待评估人才的面试工作，有助于招聘人员对待评估人选进行评估。
在另一种可能的实现方式中，该方法还包括：获取多个人才的信息以及每个人才的量化工作绩效；根据多个人才的信息以及每个人才的量化工作绩效进行模型训练，得到人才评估模型。这样，预先训练好的人才评估模型建立了人才的信息与实际工作情况的联系，通过人才的信息预测得到对应人才的信息的人才的实际工作情况，从而指导招聘人员对待评估人才的面试工作，有助于招聘人员对待评估人选进行评估。
在另一种可能的实现方式中，上述“获取待评估人才的信息”包括：获取待评估人才的简历，对待评估人才的简历进行预处理，得到待评估人才的信息。该方法可以通过待评估人才的简历进行特征提取(例如：通过身份证号得到待评估人才的籍贯、年龄、性别或星座等)，从而提高了人才评估模型在预测人才的实际工作情况时的准确率。
第二方面，本申请提供了一种人才评估装置。该人才评估装置可以用于执行第一方面或第一方面中任一种可能的设计方式所述的方法。
根据第二方面，在第二方面的第一种可能的实现方式中，可以根据上述第一方面至第一方面提供的任一种方法，对该人才评估装置进行功能模块的划分。例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。
根据第二方面至第二方面的任一种可能的实现方式中，在第二方面的第二种可能的实现方式中，该人才评估装置可以包括处理器，处理器用于执行上述第一方面至第一方面提供的任一种方法。
第三方面，本申请提供一种计算机设备，该计算机设备包括存储器和处理器。上述存储器和处理器耦合。该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令。当处理器执行该计算机指令时，计算机设备执行如第一方面至第一方面中任一种可能的实现方式所述的方法。
第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质包括计算机指令，当所述计算机指令在计算机设备上运行时，使得所述计算机设备执行如第一方面至第一方面中任一种可能的实现方式所述的方法。
第五方面，本申请提供一种计算机程序产品，该计算机程序产品包括计算机指令，当所述计算机指令在计算机设备上运行时，使得所述计算机设备执行如第一方面至第一方面中任一种可能的实现方式所述的方法。
可以理解的是，上述提供的任一种人才评估装置、计算机设备、计算机可读存储介质、计算机程序产品或芯片等均可以应用于上文所提供的对应的方法，因此，其所能达到的有益效果可参考对应的方法中的有益效果，此处不再赘述。
附图说明
图1为本申请实施例提供的技术方案所适用的一种计算机设备的结构示意图；
图2为本申请实施例提供的一种人才评估模型训练方法的流程示意图；
图3为本申请实施例提供的一种人才评估方法的流程示意图；
图4为本申请实施例提供的一种人才评估装置的结构示意图。
具体实施方式
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请实施例中，“至少一个”是指一个或多个。“多个”是指两个或两个以上。
在本申请实施例中，“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
在本申请实施例中，组合包括一个或多个对象。
如图1所示，为本申请提供的技术方案所适用的一种计算机设备的结构示意图。图1所示的计算机设备10可以包括至少一个处理器101，通信线路102，存储器103以及至少一个通信接口104。
处理器101可以是一个通用中央处理器(central processing unit，CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路102可包括至少一条通路，比如数据总线，和/或控制总线，用于在上述组件(如至少一个处理器101，通信线路102，存储器103以及至少一个通信接口104)之间传送信息。
通信接口104，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如广域网(wide area network，WAN)，局域网(local area networks，LAN)等。
存储器103，可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(randomaccess memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器103可以是独立存在，通过通信线路102与处理器101相连接。存储器103也可以和处理器101集成在一起。本申请实施例提供的存储器103通常包括非易失性存储器。其中，存储器103用于存储执行本申请方案的计算机指令，并由处理器101来控制执行。处理器101用于执行存储器103中存储的计算机指令，从而实现本申请下述实施例提供的方法。
存储器103包括内存和硬盘。
可选的，本申请实施例中的计算机指令也可以称之为应用程序代码或系统，本申请实施例对此不作具体限定。
可选地，存储器103中还可以存储训练好的人才评估模型，用于存放待评估人才的信息的数据库等。
在具体实现中，作为一种实施例，计算机设备10可以包括多个处理器，这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中，作为一种实施例，计算机设备10还可以包括输出设备105和/或输入设备106。输出设备105和处理器101通信，可以以多种方式来显示信息。例如，输出设备105可以是液晶显示器(liquid crystal display，LCD)，发光二级管(light emittingdiode，LED)显示设备，阴极射线管(cathode ray tube，CRT)显示设备，或投影仪(projector)等。输入设备106和处理器101通信，可以以多种方式接收用户的输入。例如，输入设备106可以是鼠标、键盘、触摸屏设备或传感设备等。
需要说明的是，图1所示的计算机设备仅为示例，其不对本申请实施例可适用的计算机设备构成限定。实际实现时，计算机设备可以包括比图1中所示的更多或更少的设备或器件。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。
本申请实施例包括两部分：人才评估模型的训练和利用人才评估模型进行人才评估。
图2示出了本申请实施例提供的一种人才评估模型训练方法的流程示意图。示例性的，本实施例可以应用于图1所示的计算机设备。图2所示的方法可以包括以下步骤：
S100：计算机设备获取多个人才的信息以及每个人才的量化工作绩效。
在一种可能的实现方式中，计算机设备获取历史的多个人才的简历以及人才简历对应的人才的量化工作绩效，并对每个人才的简历进行预处理，得到多个人才的信息以及每个人才的量化工作绩效。其中，对每个人才的简历进行预处理包括对人才的简历进行分词操作，得到人才的特征，并将人才的特征处理为更利于训练数据模型的格式，得到人才的信息。其中，人才的信息包括基本信息、学习经历、工作经历、技能信息或自我评述中的至少一种。基本信息包括姓名、身份证号、籍贯、年龄、学历、学校或星座等；学习经历包括学校名称、学历或专业名称等；工作经历包括：工作时间、工作单位或职务名称等；技能信息包括获取的证书、掌握的语种以及等级或掌握的工具等。
示例性的，计算机设备训练黑盒测试外包人员的人才评估模型时，从外援简历系统中批量导出历史的多个外包人员的简历，并对每个外包人员的简历进行分词操作，得到人才的特征，并将人才的特征处理为更利于训练数据模型的格式(如：对简历中的年龄信息进行数学运算，得到每个人才的信息的年龄为一个年龄范围)，得到人才的信息。计算机设备获取每个简历对应的外包人员的量化工作绩效(如：缺陷发现率)。
示例性的，计算机设备获取的多个人才的信息以及每个人才的量化工作绩效如下表1所示：
表1
表1中，计算机设备对姓名为张一的人才的简历进行预处理得到张一的信息为：姓名张一，年龄为24，学历为本科，本科就读学校为E校，外语水平为CET4,工作单位为A，证书为程序员，缺陷发现率为80％。其他行的信息与此类似，不再赘述。
S101:计算机设备根据多个人才的信息以及每个人才的量化工作绩效进行模型训练，得到人才评估模型。
在一种可能的实现方式中，计算机设备采用机器学习算法，根据多个人才的信息以及每个人才的量化工作绩效进行模型训练，建立多个人才的信息与每个人才的量化工作绩效之间的对应关系，得到人才评估模型。
其中，计算机设备采用的机器学习算法可以是lightgbm算法、XGB(extremegradient boosting)算法或随机森林算法中的任意一种。
本实施例中，计算机设备获取多个人才的信息，以及每个人才的量化工作绩效。计算机设备基于多个人才的信息，以及每个人才的量化工作绩效生成人才评估模型。其中，人才评估模型可以用于对待评估人才的信息进行评估。这样，招聘人员可以利用预先训练好的人才评估模型对待评估人才的信息进行评估，依据评估结果对简历进行筛选或者依据评估结果指导招聘人员对待评估人才(又称待评估人选)的面试工作，有助于招聘人员对待评估人选进行评估。
图3示出了本申请实施例提供的一种人才评估方法的流程示意图。示例性的，本实施例可以应用于图1所示的计算机设备。图3所示的方法可以包括以下步骤：
S200：计算机设备获取待评估人才的信息。其中，待评估人才的信息包括基本信息、学习经历、工作经历、技能信息或自我评述中的至少一种。
在一种可能的实现方式中，计算机设备获取待评估人才的简历，并对待评估人才的简历进行预处理，得到待评估人才的信息。对待评估人才的预处理方法参考上述S100中对每个人才的简历进行预处理的方法，不再赘述。待评估人才的信息所包含的内容参考S100中的描述，不再赘述。
示例性的，计算机设备对待评估人才的简历进行预处理，得到的待评估人才的信息如下表2所示：
表2
| 姓名 | 年龄 | 学历 | 学校 | 外语水平 | 工作单位 | 证书 |
| 胡五 | 25 | 研究生 | G校 | CET6 | C | 系统分析师 |
表2中，计算机设备对姓名为胡五的人才的简历进行预处理得到胡五的信息为：姓名胡五，年龄为25，学历为研究生，研究生就读学校为G校，外语水平为CET6,工作单位为C，证书为系统分析师。
S201：计算机设备基于待评估人才的信息和预先训练好的人才评估模型，得到评估结果。其中，评估结果包括量化工作绩效。量化工作绩效用于指示待评估人才的信息所对应的人才的量化工作绩效的预测值。
具体的，计算机设备将待评估人才的信息输入预先训练好的人才评估模型，得到评估结果。
基于表2的示例，计算机设备将该待评估人才的信息输入人才评估模型，得到的评估结果为胡五的缺陷发现率为80％。
可选的，评估结果还包括量化工作绩效对应的概率。量化工作绩效对应的概率为量化工作绩效的值为预测值的概率。其中，评估结果中的量化工作绩效对应的概率之和为100％。
基于S100中的示例，将该待评估人才的信息输入人才评估模型，得到的评估结果如下表3所示：
表3
| 缺陷发现率 | 缺陷发现率对应的概率 |
| 80％ | 90％ |
| 85％ | 10％ |
表3中的评估结果包括：预测胡五在进行黑盒测试工作时的缺陷发现率为80％时的概率为90％，在进行黑盒测试工作时的缺陷发现率为85％时的概率为10％。
可以理解的是，在使用预先训练好的人才评估模型进行人才评估时，计算机设备可以获取多个待评估人才的信息，将该多个待评估人才的信息输入人才评估模型，人才评估模型将会输出每个待评估人才的量化工作绩效。本申请对此不进行限定。
本申请实施例中，使用人才评估模型对待评估人才的信息进行评估，这样，招聘人员可以利用预先训练好的人才评估模型对待评估人才的信息进行评估，依据评估结果对简历进行筛选或者依据评估结果指导招聘人员对待评估人才(即待评估人选)的面试工作，有助于招聘人员对待评估人选进行评估。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的方法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对人才评估装置进行功能模块的划分，例如可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
如图4所示，为本申请实施例提供的一种人才评估装置的结构示意图。该人才评估装置40可以用于执行上文中任意一个实施例(如图2或图3所示的实施例)中计算机设备所执行的功能。人才评估装置40包括：获取模块401和评估模块402。其中，获取模块401：用于获取待评估人才的信息；待评估人才的信息包括基本信息、学习经历、工作经历、技能信息或自我评述中的至少一种。评估模块402用于基于待评估人才的信息和预先训练好的人才评估模型，得到评估结果；评估结果包括量化工作绩效；量化工作绩效用于指示待评估人才的信息所对应的人才的量化工作绩效的预测值。例如，结合图3，获取模块401可以用于执行：S200；评估模块402可以用于执行S201。结合图2，获取模块401可以用于执行S100。
可选的，量化工作绩效包括缺陷发现率。
可选的，获取模块401还用于：获取多个人才的信息以及每个人才的量化工作绩效。人才评估装置40还包括：训练模块403，用于根据多个人才的信息以及每个人才的量化工作绩效进行模型训练，得到人才评估模型。
可选的，获取模块401具体用于：获取待评估人才的简历，对待评估人才的简历进行预处理，得到待评估人才的信息。
在一个示例中，参见图1，上述获取模块401的处理功能、评估模块402和训练模块403均可以由图1中的处理器101调用存储器103中存储的计算机程序实现。
关于上述可选方式的具体描述参见前述的方法实施例，此处不再赘述。此外，上述提供的任一种人才评估装置40的解释以及有益效果的描述均可参考上述对应的方法实施例，不再赘述。
需要说明的是，上述各个模块对应执行的动作仅是具体举例，各个单元实际执行的动作参照上述基于图2、图3所述的实施例的描述中提及的动作或步骤。
本申请实施例还提供了一种计算机设备，包括：存储器和处理器；该存储器用于存储计算机程序，该处理器用于调用该计算机程序，以执行上文提供的任一实施例中提及的动作或步骤。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当该计算机程序在计算机上运行时，使得该计算机执行上文提供的任一实施例中提及的动作或步骤。
本申请实施例还提供了一种芯片。该芯片中集成了用于实现上述人才评估装置的功能的电路和一个或者多个接口。可选的，该芯片支持的功能可以包括基于图2或图3所述的实施例中的处理动作，此处不再赘述。本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可通过程序来指令相关的硬件完成。所述的程序可以存储于一种计算机可读存储介质中。上述提到的存储介质可以是只读存储器，随机接入存储器等。上述处理单元或处理器可以是中央处理器，通用处理器、特定集成电路(application specificintegrated circuit，ASIC)、微处理器(digital signal processor，DSP)，现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。
本申请实施例还提供了一种包含指令的计算机程序产品，当该指令在计算机上运行时，使得计算机执行上述实施例中的任意一种方法。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriberline，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solidstatedisk，SSD))等。
应注意，本申请实施例提供的上述用于存储计算机指令或者计算机程序的器件，例如但不限于，上述存储器、计算机可读存储介质和通信芯片等，均具有非易失性(non-transitory)。
在实施所要求保护的本申请过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。
Claims (6)
1.一种人才评估方法，其特征在于，所述方法包括：
获取待评估人才的信息；所述待评估人才的信息包括基本信息、学习经历、工作经历、技能信息或自我评述中的至少一种；
训练人才评估模型，包括：
获取多个人才的信息以及每个人才的量化工作绩效；所述量化工作绩效包括缺陷发现率；所述人才的信息由以下步骤得到：
从外援简历系统中批量导出历史的多个外包人员的简历，并对每个外包人员的简历进行分词操作，得到人才的特征，并将人才的特征处理为更利于训练数据模型的格式，得到人才的信息；
采用机器学习算法，根据多个人才的信息以及每个人才的量化工作绩效进行模型训练，建立多个人才的信息与每个人才的量化工作绩效之间的对应关系，得到人才评估模型；其中，所述机器学习算法为li ghtgbm算法、XGB算法、随机森林算法中的任意一种；
基于所述待评估人才的信息和预先训练好的人才评估模型，得到评估结果；所述评估结果包括量化工作绩效；所述量化工作绩效用于指示所述待评估人才的信息所对应的人才的量化工作绩效的预测值。
2.根据权利要求1所述的方法，其特征在于，获取待评估人才的信息包括：
获取待评估人才的简历，
对所述待评估人才的简历进行预处理，得到所述待评估人才的信息。
3.一种人才评估装置，其特征在于，所述装置包括：
获取模块，用于获取待评估人才的信息；所述待评估人才的信息包括基本信息、学习经历、工作经历、技能信息或自我评述中的至少一种；
所述获取模块还用于：
获取多个人才的信息以及每个人才的量化工作绩效；
训练模块，用于从外援简历系统中批量导出历史的多个外包人员的简历，并对每个外包人员的简历进行分词操作，得到人才的特征，并将人才的特征处理为更利于训练数据模型的格式，得到人才的信息；采用机器学习算法，根据多个人才的信息以及每个人才的量化工作绩效进行模型训练，建立多个人才的信息与每个人才的量化工作绩效之间的对应关系，得到人才评估模型；其中，所述机器学习算法为lightgbm算法、XGB算法、随机森林算法中的任意一种；
评估模块，用于基于所述待评估人才的信息和预先训练好的人才评估模型，得到评估结果；所述评估结果包括量化工作绩效；所述量化工作绩效用于指示所述待评估人才的信息所对应的人才的量化工作绩效的预测值。
4.根据权利要求3所述的人才评估装置，其特征在于，所述获取模块具体用于：
获取待评估人才的简历，
对所述待评估人才的简历进行预处理，得到所述待评估人才的信息。
5.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以执行权利要求1或2所述的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行权利要求1或2所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010555501.1A CN111738586B (zh) | 2020-06-17 | 2020-06-17 | 人才评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010555501.1A CN111738586B (zh) | 2020-06-17 | 2020-06-17 | 人才评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111738586A CN111738586A (zh) | 2020-10-02 |
| CN111738586B true CN111738586B (zh) | 2024-04-23 |
Family
ID=72649555
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010555501.1A Active CN111738586B (zh) | 2020-06-17 | 2020-06-17 | 人才评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111738586B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780669A (zh) * | 2021-09-15 | 2021-12-10 | 湖北天天数链技术有限公司 | 一种薪资的预测方法及装置、可读存储介质 |
| CN116307921A (zh) * | 2023-03-30 | 2023-06-23 | 国网甘肃省电力公司信息通信公司 | 一种评估人才成长的方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105787639A (zh) * | 2016-02-03 | 2016-07-20 | 北京云太科技有限公司 | 基于人工智能的人才大数据量化精确匹配方法和装置 |
| CN108446886A (zh) * | 2018-01-31 | 2018-08-24 | 合肥和钧正策信息技术有限公司 | 基于大数据的人才招聘系统及方法 |
| CN108647250A (zh) * | 2018-04-19 | 2018-10-12 | 郑州科技学院 | 一种基于人工智能的人才大数据量化精确匹配方法 |
| CN109934433A (zh) * | 2017-12-15 | 2019-06-25 | 航天信息股份有限公司 | 一种人员能力评估方法、装置及云服务平台 |
| CN110399476A (zh) * | 2019-06-18 | 2019-11-01 | 平安科技（深圳）有限公司 | 人才画像的生成方法、装置、设备及存储介质 |
| CN110929797A (zh) * | 2019-11-28 | 2020-03-27 | 四川大汇大数据服务有限公司 | 一种人员能力量化评估方法 |
| CN112150094A (zh) * | 2019-06-28 | 2020-12-29 | 华为技术有限公司 | 模型训练方法、基于模型的评估方法及装置 |
-
2020
- 2020-06-17 CN CN202010555501.1A patent/CN111738586B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105787639A (zh) * | 2016-02-03 | 2016-07-20 | 北京云太科技有限公司 | 基于人工智能的人才大数据量化精确匹配方法和装置 |
| CN109934433A (zh) * | 2017-12-15 | 2019-06-25 | 航天信息股份有限公司 | 一种人员能力评估方法、装置及云服务平台 |
| CN108446886A (zh) * | 2018-01-31 | 2018-08-24 | 合肥和钧正策信息技术有限公司 | 基于大数据的人才招聘系统及方法 |
| CN108647250A (zh) * | 2018-04-19 | 2018-10-12 | 郑州科技学院 | 一种基于人工智能的人才大数据量化精确匹配方法 |
| CN110399476A (zh) * | 2019-06-18 | 2019-11-01 | 平安科技（深圳）有限公司 | 人才画像的生成方法、装置、设备及存储介质 |
| CN112150094A (zh) * | 2019-06-28 | 2020-12-29 | 华为技术有限公司 | 模型训练方法、基于模型的评估方法及装置 |
| CN110929797A (zh) * | 2019-11-28 | 2020-03-27 | 四川大汇大数据服务有限公司 | 一种人员能力量化评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111738586A (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8229999B2 (en) | Analyzing anticipated value and effort in using cloud computing to process a specified workload | |
| US20140310050A1 (en) | Methods And Apparatus For Project Portfolio Management | |
| US20140108103A1 (en) | Systems and methods to control work progress for content transformation based on natural language processing and/or machine learning | |
| CN111738586B (zh) | 人才评估方法及装置 | |
| Goldin et al. | Reuse of requirements reduced time to market at one industrial shop: a case study | |
| US20210357699A1 (en) | Data quality assessment for data analytics | |
| US20230342685A1 (en) | Systems and methods for intelligent ticket management and resolution | |
| EP3690772A1 (en) | Method and system for skill matching for determining skill similarity | |
| CN108550019B (zh) | 一种简历筛选方法及装置 | |
| CN111078564A (zh) | 一种ui测试用例管理方法、装置、计算机设备以及计算机可读存储介质 | |
| US10248110B2 (en) | Graph theory and network analytics and diagnostics for process optimization in manufacturing | |
| Lopes et al. | Business processes fragments to promote information quality | |
| US20230206114A1 (en) | Fair selective classification via a variational mutual information upper bound for imposing sufficiency | |
| US20220019918A1 (en) | Machine learning feature recommendation | |
| CN114706856A (zh) | 故障处理方法及装置、电子设备和计算机可读存储介质 | |
| US11803815B1 (en) | System for the computer matching of targets using machine learning | |
| US11093784B2 (en) | System for locating, interpreting and extracting data from documents | |
| US9619463B2 (en) | Document decomposition into parts based upon translation complexity for translation assignment and execution | |
| CN112785282A (zh) | 简历推荐方法、装置、计算机系统和计算机可读存储介质 | |
| Guerrero et al. | Software Project Management Integrating CMMI-DEV and SCRUM | |
| US11741194B2 (en) | System and method for creating healing and automation tickets | |
| US20220391631A1 (en) | Post-hoc local explanations of black box similarity models | |
| Chmielowski et al. | A NOVEL METHOD FOR SOFTWARE BUG REPORT ASSIGNMENT | |
| CN115689263A (zh) | 信息生成方法、装置、设备及存储介质 | |
| CN118333753A (zh) | 资源额度确定方法、装置、设备、介质和程序产品 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |