CN112862641A - 退役军人培训推荐方法、设备及存储介质 - Google Patents
退役军人培训推荐方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112862641A CN112862641A CN202110189064.0A CN202110189064A CN112862641A CN 112862641 A CN112862641 A CN 112862641A CN 202110189064 A CN202110189064 A CN 202110189064A CN 112862641 A CN112862641 A CN 112862641A
- Authority
- CN
- China
- Prior art keywords
- target
- post
- training
- data
- quality data
- 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
- 238000012549 training Methods 0.000 title claims abstract description 216
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000008901 benefit Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 31
- 230000006872 improvement Effects 0.000 claims description 24
- 230000007115 recruitment Effects 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 239000007983 Tris buffer Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种退役军人培训推荐方法、设备及存储介质,该方法包括:通过从数据库中获取目标人员的退役前岗位的核心竞争力数据;获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据,其中,目标岗位为职业兴趣对应的岗位;在退役前岗位的核心竞争力数据与职业兴趣不匹配时,基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比;在职业成长费效比满足预设条件时,向目标人员的终端推送目标岗位的培训课程。通过找出匹配的目标岗位,确定其成长效费比,能够提高对退役军人培训课程推荐的精准度。
Description
技术领域
本发明涉及数据挖掘技术领域,尤其涉及一种退役军人培训推荐方法、设备及存储介质。
背景技术
退役军人就业培训历来是世界各国均关注的一个重点问题,大量学者均对退役军人就业安置及相关培训进行了研究与探索。作为多年在部队服役、与社会接触相对较少的刚刚从部队离开的退役军人,突然从较为单一的环境,进入充满着几百种行业、上万种岗位的社会时,除了政府给予的培训外,需要选择能快速提升个人就创业能力所需要的培训,从而在培训后顺利找到工作。
目前,通常采用基于聚类或分类等数据挖掘技术的培训推荐系统、或者基于关联规则的培训推荐系统等,来对退役军人进行就业培训推荐。
这些系统在一定程度上,能够根据用户的兴趣或需求,为用户推荐其所期望的培训资源。但对于刚刚从部队退出现役的退役军人来说,这一类特殊群体对自己的兴趣、需求还并不清楚,使用分类、聚类或者关联规则等挖掘算法向退役军人进行培训推荐,培训推荐精准度差。
发明内容
有鉴于此,本发明提供了一种退役军人培训推荐方法、设备及存储介质,旨在解决退役军人培训推荐精准度差的问题。
本发明实施例的第一方面提供了一种退役军人培训推荐方法,所述方法,包括:
从数据库中获取目标人员的退役前岗位的核心竞争力数据;
获取所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据,其中,所述目标岗位为所述职业兴趣对应的岗位;
在所述退役前岗位的核心竞争力数据与所述职业兴趣不匹配时,基于所述个人素质数据、预设的所述目标岗位的培训成本数据、预期素质数据和所述目标岗位的需求数据,确定所述目标岗位的职业成长效费比;
在所述职业成长费效比满足预设条件时,向所述目标人员的终端推送所述目标岗位的培训课程。
可选的,所述基于所述个人素质数据、预设的所述目标岗位的培训成本数据、预期素质数据和所述目标岗位的需求数据,确定所述目标岗位的职业成长效费比,包括:
基于所述个人素质数据和预设的所述目标岗位的培训成本数据,计算所述目标岗位的培训费用值;
基于所述预期素质数据和所述目标岗位的需求数据,计算所述目标岗位的培训效益值;
将所述培训效益值除以所述培训费用值,以得到所述目标岗位的职业成长效费比。
可选的,所述个人素质数据包括多项第一指标,所述数据库中预设有每个岗位对应的各第一指标的权重值。
可选的,所述培训成本数据包括培训所需时间和培训花销。
可选的,基于所述个人素质数据和预设的所述目标岗位的培训成本数据,计算所述目标岗位的培训费用值,包括:
基于所述目标岗位对应的各第一指标的权重值,计算所述个人素质数据中各项第一指标的第一加权和;
将所述目标岗位的培训所需时间和培训花销的乘积值,除以所述第一加权和的平方值,以得到所述目标岗位的培训费用值。
可选的,所述第一指标包括岗位知识分值、技能分值、能力分值和素养分值。
可选的,获取所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据,包括:
向所述目标人员展示职业兴趣测评题目,并接收所述目标人员输入的职业兴趣测评结果;
基于所述职业兴趣测评结果,确定所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据。
可选的,所述预期素质数据包括多项第二指标,所述数据库中预设有每个岗位对应的各第二指标的权重值,其中,所述第一指标和第二指标一一对应,同一岗位中相对应的第一指标的权重值与第二指标的权重值相同。
可选的,所述需求数据包括社会需求量。
可选的,基于所述预期素质数据和所述目标岗位的需求数据,计算所述目标岗位的培训效益值,包括:
基于所述目标岗位对应的各第二指标的权重值,计算所述预期素质数据中各项第二指标的第二加权和;
将所述目标岗位的社会需求量、所述第二加权和的平方值以及预设比例系数相乘,以得到所述目标岗位的培训效益值。
可选的,所述第二指标包括岗位知识改善分值、技能改善分值、能力改善分值和素养改善分值。
可选的,在基于所述预期素质数据和所述目标岗位的需求数据,计算所述目标岗位的培训效益值之前,所述方法还包括:
从招聘平台获取所述目标岗位的社会需求量;
根据招聘平台中各岗位的招聘条件,确定各岗位的预期素质数据存储到数据库中;
从所述数据库中获取所述目标岗位的预期素质数据。
可选的,所述获取所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据之后,还包括:
在所述退役前岗位的核心竞争力数据与所述职业兴趣匹配时,获取所述目标岗位的核心竞争力数据,将退役前岗位的核心竞争力数据与所述目标岗位的核心竞争力数据进行匹配;
若匹配判断结果为是,则向所述目标人员的终端推送所述目标岗位的招聘信息;
若匹配判断结果为否,则基于所述个人素质数据、预设的所述目标岗位的培训成本数据、预期素质数据和所述目标岗位的需求数据,确定所述目标岗位的职业成长效费比。
可选的,所述数据库中存储有多个退役前岗位对应的核心竞争力数据。
可选的,所述从数据库中获取目标人员的退役前岗位的核心竞争力数据之前,所述方法还包括:
根据所述目标人员的退役前岗位基础信息,在所述数据库中确定与其对应的退役前岗位的核心竞争力数据,其中,所述退役前岗位基础信息和退役前岗位的核心竞争力数据是数据库保存的不涉密内容。
可选的,所述向所述目标人员的终端推送所述目标岗位的培训课程,包括:
从互联网平台上选取与所述目标岗位相关的线上培训课程和/或线下培训课程,并推送给所述目标人员。
本发明实施例的第二方面提供了一种退役军人培训推荐系统,包括:
获取模块,用于从数据库中获取目标人员的退役前岗位的核心竞争力数据;
所述获取模块,还用于获取所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据,其中,所述目标岗位为所述职业兴趣对应的岗位;
分析模块,用于在所述退役前岗位的核心竞争力数据与所述职业兴趣不匹配时,基于所述个人素质数据、预设的所述目标岗位的培训成本数据、预期素质数据和所述目标岗位的需求数据,确定所述目标岗位的职业成长效费比;
推荐模块,用于在所述职业成长费效比满足预设条件时,向所述目标人员的终端推送所述目标岗位的培训课程。
本发明实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面所述退役军人培训推荐方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面所述退役军人培训推荐方法的步骤。
本发明与现有技术相比存在的有益效果是:
本发明通过从数据库中获取目标人员的退役前岗位的核心竞争力数据;获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据,其中,目标岗位为职业兴趣对应的岗位;在退役前岗位的核心竞争力数据与职业兴趣不匹配时,基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比;在职业成长费效比满足预设条件时,向目标人员的终端推送目标岗位的培训课程。通过在退役前岗位的核心竞争力数据与目标人员的职业兴趣不匹配时,确定职业兴趣对应的岗位的成长效费比,基于成长效费比进行培训课程的推荐,能够提高对退役军人培训课程推荐的精准度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的退役军人培训推荐方法的应用环境图;
图2是本发明一个实施例提供的退役军人培训推荐方法的实现流程图;
图3是本发明另一个实施例提供的退役军人培训推荐方法的实现流程图;
图4是本发明一个实施例提供的退役军人培训推荐系统的结构示意图;
图5是本发明一个实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1是本发明一个实施例提供的退役军人培训推荐方法的应用环境图。本发明实施例提供的退役军人培训推荐方法可以但不限于应用于该应用环境图中的系统。该系统中包括数据库平台11、电子设备12、招聘平台13、互联网平台14及终端15。
数据库平台11用于存储退役军人的退役前岗位基础信息、退役前岗位的核心竞争力数据、各岗位的预期素质数据和培训成本数据。电子设备12用于从数据库平台11获取目标人员的退役前岗位的核心竞争力数据;基于职业兴趣测评结果获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据;目标岗位为职业兴趣对应的岗位;从招聘平台13获取目标岗位的需求数据;将目标人员的退役前岗位的核心竞争力数据与目标人员的职业兴趣进行匹配,在匹配结果为不匹配时,基于目标人员的个人素质数据、目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比;在职业成长费效比满足预设条件时,从互联网平台14上选取与目标岗位相关的线上培训课程和/或线下培训课程,并推送给目标人员的终端15。目标人员的终端15显示目标岗位相关的线上培训课程和/或线下培训课程,以便目标人员选择和参与培训。
数据库平台11可以是退役军人综合业务一体化平台,也可以是其他存储退役军人数据的平台,在此不作限定。电子设备12可以为台式计算机、笔记本电脑、平板电脑等终端,也可以为服务器,如独立服务器或者是多个服务器组成的服务器集群,在此不作限定。招聘平台13为企业发布招聘信息以及求职人员查询招聘信息的网站平台。终端15可以包括但不限于台式计算机、笔记本电脑、平板电脑、手机、车载电脑、智能可穿戴设备等。
图2是本发明一个实施例提供的退役军人培训推荐方法的实现流程图。该实施例中,以该方法应用于图1中的电子设备为例进行说明。如图2所示,该方法包括:
S201,从数据库中获取目标人员的退役前岗位的核心竞争力数据;获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据,其中,目标岗位为职业兴趣对应的岗位。
本实施例中,退役前岗位核心竞争力数据可以是数据库保存的不涉密内容。职业兴趣可以通过目标人员的终端以电子形式的职业测评收集,也可以通过纸质形式的职业测评表收集,在此不作限定。通过职业兴趣可以确定目标人员的目标岗位,根据目标人员的实际情况,确定目标人员已具备的目标岗位的个人素质数据。
S202,在退役前岗位的核心竞争力数据与职业兴趣不匹配时,基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比。
本实施例中,数据库可以是退役军人综合业务一体化平台中的一个模块。退役前岗位的核心竞争力数据与职业兴趣不匹配可以是目标人员退役前岗位与职业兴趣所对应的岗位处于不同领域。目标岗位的培训成本数据可以根据互联网中的培训课程确定,在一定的时间范围内,存储在数据库中的目标岗位的培训成本数据可以是固定值,即常数。预期素质数据可以根据目标岗位的招聘条件确定。目标岗位的需求数据可以由互联网中的目标岗位招聘信息确定。
S203,在职业成长费效比满足预设条件时,向目标人员的终端推送目标岗位的培训课程。
本实施例中,预设条件可以是超过预设阈值,当职业成长费效比超过预设阈值时,即为满足预设条件,在此不作限定。
本实施例中,通过从数据库中获取目标人员的退役前岗位的核心竞争力数据;获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据,其中,目标岗位为职业兴趣对应的岗位;在退役前岗位的核心竞争力数据与职业兴趣不匹配时,基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比;在职业成长费效比满足预设条件时,向目标人员的终端推送目标岗位的培训课程。通过找出匹配的目标岗位,确定其成长效费比,能够提高对退役军人培训课程推荐的精准度。
在一些实施例中,在图2所示实施例的基础上,基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比,可以包括:
基于个人素质数据和预设的目标岗位的培训成本数据,计算目标岗位的培训费用值;
基于预期素质数据和目标岗位的需求数据,计算目标岗位的培训效益值;
将培训效益值除以培训费用值,以得到目标岗位的职业成长效费比。
本实施例中,通过基于个人素质数据和预设的目标岗位的培训成本数据,计算目标岗位的培训费用值;基于预期素质数据和目标岗位的需求数据,计算目标岗位的培训效益值;将培训效益值除以培训费用值,以得到目标岗位的职业成长效费比,能够直观的反映各培训课程的培训效果,目标岗位的职业成长效费比越高,表示培训的效果越好,所以计算目标岗位的职业成长效费比,能够提高对退役军人培训课程推荐的精准度。
在一些实施例中,在上述任一实施例的基础上,个人素质数据包括多项第一指标,数据库中预设有每个岗位对应的各第一指标的权重值。
本实施例中,个人素质数据可以包括但不限于知识分值、技能分值、能力分值、素养分值和学历分值中的一项或多项。一个岗位的各第一指标的权重值之和为1。
可选的,培训成本数据包括培训所需时间和培训花销。
本实施例中,不同岗位的培训课程的培训所需时间和培训花销不同。在一个时间范围内,同一岗位的培训课程的培训所需时间和培训花销可以作为一个常数,存储在数据库中。
可选的,基于个人素质数据和预设的目标岗位的培训成本数据,计算目标岗位的培训费用值,包括:
基于目标岗位对应的各第一指标的权重值,计算个人素质数据中各项第一指标的第一加权和;
将目标岗位的培训所需时间和培训花销的乘积值,除以第一加权和的平方值,以得到目标岗位的培训费用值。
在一些实施例中,第一指标包括岗位知识分值、技能分值、能力分值和素养分值。
本实施例中,第一指标为定量指标。由与第一指标一一对应的定性指标,如知识、技能、分值、素养等,确定各第一指标。例如,针对每个定性指标,采用模糊评价法将该定性指标划分为几个等级,再通过归一化,将该定性指标转化为定量指标。
可选的,获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据,包括:
向目标人员展示职业兴趣测评题目,并接收目标人员输入的职业兴趣测评结果;
基于职业兴趣测评结果,确定目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据。
在一些实施例中,在上述任一实施例的基础上,预期素质数据包括多项第二指标,数据库中预设有每个岗位对应的各第二指标的权重值,其中,第一指标和第二指标一一对应,同一岗位中相对应的第一指标的权重值与第二指标的权重值相同。
本实施例中,第二指标包括但不限于知识改善分值、技能改善分值、能力改善分值、素养改善分值和学历提升分值。
可选的,需求数据包括社会需求量。
可选的,基于预期素质数据和目标岗位的需求数据,计算目标岗位的培训效益值,包括:
基于目标岗位对应的各第二指标的权重值,计算预期素质数据中各项第二指标的第二加权和;
将目标岗位的社会需求量、第二加权和的平方值以及预设比例系数相乘,以得到目标岗位的培训效益值。
在一些实施例中,第二指标包括岗位知识改善分值、技能改善分值、能力改善分值和素养改善分值。
本实施例中,由定性指标确定第二指标的确定方法与第一指标相同,在此不再叙述。
可选的,在基于预期素质数据和目标岗位的需求数据,计算目标岗位的培训效益值之前,方法还包括:
从招聘平台获取目标岗位的社会需求量;
根据招聘平台中各岗位的招聘条件,确定各岗位的预期素质数据存储到数据库中;
从数据库中获取目标岗位的预期素质数据。
图3是本发明另一个实施例提供的退役军人培训推荐方法的实现流程图。如图3所示,在上述任一实施例的基础上,获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据之后,该方法还包括:
在退役前岗位的核心竞争力数据与职业兴趣匹配时,获取所述目标岗位的核心竞争力数据,将退役前岗位的核心竞争力数据与目标岗位的核心竞争力数据进行匹配;
若匹配判断结果为是,则向目标人员的终端推荐目标岗位的招聘信息;
若匹配判断结果为否,则基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比。
本实施例中,可以预先依据网络、文献等,将各岗位的核心竞争力数据录入数据库中。在进行匹配判断时,可以直接从数据库调取目标岗位的核心竞争力数据。
可选的,在上述任一实施例的基础上,数据库中存储有多个退役前岗位对应的核心竞争力数据。
可选的,从数据库中获取目标人员的退役前岗位的核心竞争力数据之前,方法还包括:
根据目标人员的退役前岗位基础信息,在数据库中确定与其对应的退役前岗位的核心竞争力数据,其中,退役前岗位基础信息和退役前岗位的核心竞争力数据是数据库保存的不涉密内容。
本实施例中,退役前岗位基础信息和退役前岗位的核心竞争力数据是由下拉菜单构成,而非个人填写。
本实施例中通过在数据库保存的,均是可以公开的不涉密内容,能够避免泄密。
可选的,向目标人员的终端推送目标岗位的培训课程,包括:
从互联网平台上选取与目标岗位相关的线上培训课程和/或线下培训课程,并推送给目标人员的终端。
下面通过一个实施示例对上述退役军人培训推荐方法进行说明,但并不作为限定。在该实施示例中,该方法包括:
步骤1,从数据库中获取目标人员退役前岗位信息(已脱密)。
步骤2,找出数据库中与目标人员退役前岗位信息(已脱密)对应的退役前岗位核心竞争力数据(已脱密)。
步骤3,职业兴趣测评。通过该步骤,可以得到目标人员的职业兴趣和目标岗位的个人素质数据,并保存到数据库。
步骤4,匹配判断。将目标人员的职业兴趣与其退役前岗位核心竞争力数据(已脱密)进行匹配。例如,可以采用霍兰德测评方法进行匹配。若匹配判断为“是”,即该人员退役前岗位核心竞争力数据,与其职业兴趣相吻合,则跳转到步骤6;若匹配判断为“否”,则跳转至步骤8计算职业成长效费比。
步骤5,确定目标岗位的核心竞争力数据。通过该步骤,可以得到目标岗位的核心竞争力数据和预期素质数据,并保存到数据库。
步骤6,匹配判断。将目标人员退役前岗位核心竞争力数据(已脱密)与目标岗位的核心竞争力数据进行匹配判断,若匹配判断为“是”,则跳转步骤7;若匹配判断为“否”,则跳转至步骤8计算职业成长效费比。
步骤7,将互联网中的岗位招聘信息推荐给目标人员,该人员不需要经过大量专门的培训,即可上岗就业。
步骤8,计算职业成长效费比。该步骤,通过职业成长效费比,可以列出该人员关注的岗位,以及该岗位需要的核心知识、技能和素质等,以及为了达到岗位要求,需要进行的培训。然后转到步骤9。
职业成长效费比,是本发明实施例提出的一个名词。专门针对退役军人提出的。其目的是通过培训效益值除以培训费用值,得到一个比值,从而为退役军人提供精准的培训课程推荐。步骤8可以包括:
步骤8.1,令培训所需的费用为CTR,培训后的效益为BTR。BTR/CTR的值越大培训课程推荐的精准度越高。
步骤8.2,CTR计算。
步骤8.2.1,CTR主要与培训所需时间TTR、花销MTR、个人素质数据ITR等因素有关。其中,培训所需时间TTR和花销MTR属于目标岗位的培训成本数据。
CTR=fC(TTR,MTR,ITR) (1)
①相关性。岗位能力需求越高,需要进行的培训越复杂(或时间越长),而个体素质越高(学历、技能、能力等),所需要的培训越少,时间也相对较短。因此,可以得出,TTR、MTR与CTR正相关;而ITR与CTR负相关。为了更好的描述上述因素与CTR的关系,可令:
②数值的确定。对于TTR、MTR两个因素而言,可能随培训机构不同、培训模式不同或社会发展等因素有所区别,但与受训个体无关,所以,在一个时间范围内,可以看做常数,直接从数据库获取。
可见,只要得到了ITR就可算出CTR。
步骤8.2.2,个人素质数据ITR的计算。
ITR主要是指个体的待成长性。包括,岗位知识kp、技能sp、能力cp、素养ap等。需要根据个人情况进行计算获得。
ITR=fC′(kp,sp,cp,ap) (3)
②从就业面试的角度,不同岗位对上述因素的权重不相同。其比例可通过权重确定的方法进行计算。因与岗位密切相关,所以,该计算可在系统设置岗位时进行,并将结果保存到数据库中。据此,通过岗位与上述因素的权重进行关联,当岗位确定后,上述因素的权重即可自动选择确定。无需人工二次设置。
③各指标定量化确定。岗位知识kp、技能sp、能力cp、素养ap等指标对ITR的计算,需要代入的是数值,可以采用模糊评价法将其转变为定量指标。例如,kp的等级可划分为五个等级,{完全不了解,基本了解,理解,熟悉,精通}。其余参数采用相同方法进行,之后,通过归一化就可完成相关四个指标定性与定量的转化。
步骤8.3,BTR的计算。
步骤8.3.1,BTR主要与个人能力的提升情况RTR、社会需求量DTR,以及未来就业机率的增加情况PTR等因素有关。其中,个人能力的提升情况RTR和未来就业机率的增加情况PTR属于预期素质数据。
BTR=fB(RTR,DTR,PTR) (4)
其中,RTR与PTR显然为正相关。令:
PTR=αRTR(α为比例系数,α>0) (5)
则:
BTR=fB(RTR,DTR,αRTR) (6)
同理,RTR、DTR、PTR均与BTR呈正相关。
令:
步骤8.3.2,个人能力提升情况RTR,主要是指个体通过培训后,各项指标的提升程度。包括,岗位知识改善kR、技能改善sR、能力改善cR、素养改善aR等。需要根据个人情况进行计算获得。
RTR=fC″(kR,sR,cR,aR) (1)
②各指标数值的确定。kR、技能改善sR、能力改善cR、素养改善aR等指标是指培训后个人素质的改善情况。因之前各指标均已采用模糊评价进行了等级划分,所以通过培训后可能得到提高的等级也可直接根据等级确定。之后同样采用归一化的公式,即可完成定性与定量的转化。
步骤9,培训推荐。根据步骤8的结果,从互联网平台上自动选取相关的线上或线下培训课程,进行培训推荐。从而完成全部工作。
传统的培训推荐方法在一定程度上,能够根据用户的特性化需求或多种喜好,为用户推荐其所期望的培训资源。但对于刚刚从部队退出现役的退役军人来说,这一类特殊群体可能对自己的喜好、兴趣、社会的需求还并不清楚,这就造成直接或单独使用分类、聚类或者关联规则等挖掘算法进行培训推荐的方法很难直接使用。
另外,在实际上,仅从兴趣或喜好的角度进行培训,在解决就业问题上依然存在一定的不足,即培训后就业除了兴趣、爱好之外,还要考虑个体的实际情况(如智力水平、动手能力等),以及社会需求情况等。只有将所有相关的因素都考虑进去后,才能对每个个体做出正确、精准的培训推荐,避免个人培训选择的盲目性。
因此,对退役军人的培训推荐,与传统的岗位推荐、音乐电影或就餐购物推荐不同,不能仅从个体的兴趣、爱好进行挖掘,在推荐系统中,绝对不能忽视个体的能力素质,以及社会岗位的相关需求等内容。
本实施例中,通过从数据库中获取目标人员的退役前岗位的核心竞争力数据;获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据,其中,目标岗位为职业兴趣对应的岗位;在退役前岗位的核心竞争力数据与职业兴趣不匹配时,基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比;在职业成长费效比满足预设条件时,向目标人员的终端推送目标岗位的培训课程。与现有技术相比,本发明的培训推荐不仅仅是考虑个人兴趣或社会需求,而是,将个人兴趣、社会需求,以及个人为了达到社会需求而做的付出及未来可能的收益相关联。通过找出匹配的目标岗位,确定其成长效费比,使待测评人员能更精准的根据个人情况,进行培训的选择,能够提高对退役军人培训课程推荐的精准度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图4是本发明一个实施例提供的退役军人培训推荐系统的结构示意图。如图4所示,退役军人培训推荐系统4包括:获取模块410、分析模块420和推荐模块430。
获取模块410,用于从数据库中获取目标人员的退役前岗位的核心竞争力数据。
获取模块410,还用于获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据,其中,目标岗位为职业兴趣对应的岗位。
分析模块420,用于在退役前岗位的核心竞争力数据与职业兴趣不匹配时,基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比。
推荐模块430,用于在职业成长费效比满足预设条件时,向目标人员的终端推送目标岗位的培训课程。
本实施例中,通过从数据库中获取目标人员的退役前岗位的核心竞争力数据;获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据,其中,目标岗位为职业兴趣对应的岗位;在退役前岗位的核心竞争力数据与职业兴趣不匹配时,基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比;在职业成长费效比满足预设条件时,向目标人员的终端推送目标岗位的培训课程。通过找出匹配的目标岗位,确定其成长效费比,能够提高对退役军人培训课程推荐的精准度。
可选的,分析模块420,用于基于个人素质数据和预设的目标岗位的培训成本数据,计算目标岗位的培训费用值;基于预期素质数据和目标岗位的需求数据,计算目标岗位的培训效益值;将培训效益值除以培训费用值,以得到目标岗位的职业成长效费比。
可选的,个人素质数据包括多项第一指标,数据库中预设有每个岗位对应的各第一指标的权重值。
可选的,培训成本数据包括培训所需时间和培训花销。
可选的,分析模块420,用于基于目标岗位对应的各第一指标的权重值,计算个人素质数据中各项第一指标的第一加权和;将目标岗位的培训所需时间和培训花销的乘积值,除以第一加权和的平方值,以得到目标岗位的培训费用值。
可选的,第一指标包括岗位知识分值、技能分值、能力分值和素养分值。
可选的,获取模块410,用于向目标人员展示职业兴趣测评题目,并接收目标人员输入的职业兴趣测评结果;基于职业兴趣测评结果,确定目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据。
可选的,预期素质数据包括多项第二指标,数据库中预设有每个岗位对应的各第二指标的权重值,其中,第一指标和第二指标一一对应,同一岗位中相对应的第一指标的权重值与第二指标的权重值相同。
可选的,需求数据包括社会需求量。
可选的,分析模块420,用于基于目标岗位对应的各第二指标的权重值,计算预期素质数据中各项第二指标的第二加权和;将目标岗位的社会需求量、第二加权和的平方值以及预设比例系数相乘,以得到目标岗位的培训效益值。
可选的,第二指标包括岗位知识改善分值、技能改善分值、能力改善分值和素养改善分值。
可选的,分析模块420,还用于在基于预期素质数据和目标岗位的需求数据,计算目标岗位的培训效益值之前,从招聘平台获取目标岗位的社会需求量;根据招聘平台中各岗位的招聘条件,确定各岗位的预期素质数据存储到数据库中;从数据库中获取目标岗位的预期素质数据。
可选的,分析模块420,还用于获取目标人员的职业兴趣、目标人员已具备的目标岗位的个人素质数据之后,在退役前岗位的核心竞争力数据与职业兴趣匹配时,获取所述目标岗位的核心竞争力数据,将退役前岗位的核心竞争力数据与目标岗位的核心竞争力数据进行匹配;若匹配判断结果为是,则向目标人员的终端推荐目标岗位的招聘信息;若匹配判断结果为否,则基于个人素质数据、预设的目标岗位的培训成本数据、预期素质数据和目标岗位的需求数据,确定目标岗位的职业成长效费比。
可选的,数据库中存储有多个退役前岗位对应的核心竞争力数据。
可选的,获取模块410,还用于从数据库中获取目标人员的退役前岗位的核心竞争力数据之前,根据目标人员的退役前岗位基础信息,在数据库中确定与其对应的退役前岗位的核心竞争力数据,其中,退役前岗位基础信息和退役前岗位的核心竞争力数据是数据库保存的不涉密内容。
可选的,推荐模块430,用于从互联网平台上选取与目标岗位相关的线上培训课程和/或线下培训课程,并推送给目标人员。
图5是本发明一个实施例提供的电子设备的示意图。如图5所示,本发明的一个实施例提供的电子设备5,该实施例的电子设备5包括:处理器50、存储器51以及存储在存储器51中并可在处理器50上运行的计算机程序72。处理器50执行计算机程序72时实现上述各个退役军人培训推荐方法实施例中的步骤,例如图2所示的步骤201至步骤203。或者,处理器50执行计算机程序72时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块410至430的功能。
示例性的,计算机程序72可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器51中,并由处理器50执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序72在电子设备5中的执行过程。
电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是电子设备5的示例,并不构成对电子设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器51可以是电子设备5的内部存储单元,例如电子设备5的硬盘或内存。存储器51也可以是电子设备5的外部存储设备,例如电子设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器51还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器51用于存储计算机程序以及终端所需的其他程序和数据。存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述退役军人培训推荐方法实施例中的步骤。
计算机可读存储介质存储有计算机程序72,计算机程序72包括程序指令,程序指令被处理器50执行时实现上述实施例方法中的全部或部分流程,也可以通过计算机程序72来指令相关的硬件来完成,计算机程序72可存储于一计算机可读存储介质中,该计算机程序72在被处理器50执行时,可实现上述各个方法实施例的步骤。其中,计算机程序72包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元,例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,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发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种退役军人培训推荐方法,其特征在于,包括:
从数据库中获取目标人员的退役前岗位的核心竞争力数据;
获取所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据,其中,所述目标岗位为所述职业兴趣对应的岗位;
在所述退役前岗位的核心竞争力数据与所述职业兴趣不匹配时,基于所述个人素质数据、预设的所述目标岗位的培训成本数据、预期素质数据和所述目标岗位的需求数据,确定所述目标岗位的职业成长效费比;
在所述职业成长费效比满足预设条件时,向所述目标人员的终端推送所述目标岗位的培训课程。
2.根据权利要求1所述的退役军人培训推荐方法,其特征在于,所述基于所述个人素质数据、预设的所述目标岗位的培训成本数据、预期素质数据和所述目标岗位的需求数据,确定所述目标岗位的职业成长效费比,包括:
基于所述个人素质数据和预设的所述目标岗位的培训成本数据,计算所述目标岗位的培训费用值;
基于所述预期素质数据和所述目标岗位的需求数据,计算所述目标岗位的培训效益值;
将所述培训效益值除以所述培训费用值,以得到所述目标岗位的职业成长效费比。
3.根据权利要求2所述的退役军人培训推荐方法,其特征在于,所述个人素质数据包括多项第一指标,所述数据库中预设有每个岗位对应的各第一指标的权重值;
所述培训成本数据包括培训所需时间和培训花销;
基于所述个人素质数据和预设的所述目标岗位的培训成本数据,计算所述目标岗位的培训费用值,包括:
基于所述目标岗位对应的各第一指标的权重值,计算所述个人素质数据中各项第一指标的第一加权和;
将所述目标岗位的培训所需时间和培训花销的乘积值,除以所述第一加权和的平方值,以得到所述目标岗位的培训费用值。
4.根据权利要求3所述的退役军人培训推荐方法,其特征在于,所述第一指标包括岗位知识分值、技能分值、能力分值和素养分值;
获取所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据,包括:
向所述目标人员展示职业兴趣测评题目,并接收所述目标人员输入的职业兴趣测评结果;
基于所述职业兴趣测评结果,确定所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据。
5.根据权利要求3所述的退役军人培训推荐方法,其特征在于,所述预期素质数据包括多项第二指标,所述数据库中预设有每个岗位对应的各第二指标的权重值,其中,所述第一指标和第二指标一一对应,同一岗位中相对应的第一指标的权重值与第二指标的权重值相同;
所述需求数据包括社会需求量;
基于所述预期素质数据和所述目标岗位的需求数据,计算所述目标岗位的培训效益值,包括:
基于所述目标岗位对应的各第二指标的权重值,计算所述预期素质数据中各项第二指标的第二加权和;
将所述目标岗位的社会需求量、所述第二加权和的平方值以及预设比例系数相乘,以得到所述目标岗位的培训效益值。
6.根据权利要求5所述的退役军人培训推荐方法,其特征在于,所述第二指标包括岗位知识改善分值、技能改善分值、能力改善分值和素养改善分值;
在基于所述预期素质数据和所述目标岗位的需求数据,计算所述目标岗位的培训效益值之前,所述方法还包括:
从招聘平台获取所述目标岗位的社会需求量;
根据招聘平台中各岗位的招聘条件,确定各岗位的预期素质数据存储到数据库中;
从所述数据库中获取所述目标岗位的预期素质数据。
7.根据权利要求1-6任一项所述的退役军人培训推荐方法,其特征在于,所述获取所述目标人员的职业兴趣、所述目标人员已具备的目标岗位的个人素质数据之后,还包括:
在所述退役前岗位的核心竞争力数据与所述职业兴趣匹配时,获取所述目标岗位的核心竞争力数据,将退役前岗位的核心竞争力数据与所述目标岗位的核心竞争力数据进行匹配;
若匹配判断结果为是,则向所述目标人员的终端推送所述目标岗位的招聘信息;
若匹配判断结果为否,则基于所述个人素质数据、预设的所述目标岗位的培训成本数据、预期素质数据和所述目标岗位的需求数据,确定所述目标岗位的职业成长效费比。
8.根据权利要求1-6任一项所述的退役军人培训推荐方法,其特征在于,所述数据库中存储有多个退役前岗位对应的核心竞争力数据;
从数据库中获取目标人员的退役前岗位的核心竞争力数据,包括:
根据所述目标人员的退役前岗位基础信息,在所述数据库中确定与其对应的退役前岗位的核心竞争力数据,其中,所述退役前岗位基础信息和退役前岗位的核心竞争力数据均为数据库保存的不涉密内容;
所述向所述目标人员的终端推送所述目标岗位的培训课程,包括:
从互联网平台上选取与所述目标岗位相关的线上培训课程和/或线下培训课程,并推送给所述目标人员的终端。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至8中任一项所述退役军人培训推荐方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至8中任一项所述退役军人培训推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189064.0A CN112862641A (zh) | 2021-02-19 | 2021-02-19 | 退役军人培训推荐方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189064.0A CN112862641A (zh) | 2021-02-19 | 2021-02-19 | 退役军人培训推荐方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112862641A true CN112862641A (zh) | 2021-05-28 |
Family
ID=75988166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110189064.0A Pending CN112862641A (zh) | 2021-02-19 | 2021-02-19 | 退役军人培训推荐方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862641A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662920A (zh) * | 2022-03-24 | 2022-06-24 | 中国工商银行股份有限公司 | 课程推送方法、装置、计算机设备、存储介质和程序产品 |
CN114723337A (zh) * | 2022-05-12 | 2022-07-08 | 青软创新科技集团股份有限公司 | 一种线上职业能力培训效果评价系统和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767192A (zh) * | 2019-01-07 | 2019-05-17 | 九湾(北京)科技有限公司 | 一种商业运营系统 |
CN110377804A (zh) * | 2019-06-20 | 2019-10-25 | 平安科技(深圳)有限公司 | 培训课程数据的推送方法、装置、系统及存储介质 |
US20200293974A1 (en) * | 2019-03-12 | 2020-09-17 | Microsoft Technology Licensing, Llc | Skills-based matching of education and occupation |
CN111966902A (zh) * | 2020-08-18 | 2020-11-20 | 联想(北京)有限公司 | 一种学习课时的推荐控制方法及电子设备 |
-
2021
- 2021-02-19 CN CN202110189064.0A patent/CN112862641A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767192A (zh) * | 2019-01-07 | 2019-05-17 | 九湾(北京)科技有限公司 | 一种商业运营系统 |
US20200293974A1 (en) * | 2019-03-12 | 2020-09-17 | Microsoft Technology Licensing, Llc | Skills-based matching of education and occupation |
CN110377804A (zh) * | 2019-06-20 | 2019-10-25 | 平安科技(深圳)有限公司 | 培训课程数据的推送方法、装置、系统及存储介质 |
CN111966902A (zh) * | 2020-08-18 | 2020-11-20 | 联想(北京)有限公司 | 一种学习课时的推荐控制方法及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662920A (zh) * | 2022-03-24 | 2022-06-24 | 中国工商银行股份有限公司 | 课程推送方法、装置、计算机设备、存储介质和程序产品 |
CN114723337A (zh) * | 2022-05-12 | 2022-07-08 | 青软创新科技集团股份有限公司 | 一种线上职业能力培训效果评价系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299372B (zh) | 一种基于协同过滤的智慧选课推荐方法 | |
Su | Designing and developing a novel hybrid adaptive learning path recommendation system (ALPRS) for gamification mathematics geometry course | |
EP3394808A2 (en) | Systems and methods for data-driven identification of talent | |
US20150149380A1 (en) | Method and System for College Matching | |
US20150248648A1 (en) | Scoring model methods and apparatus | |
CN106127634A (zh) | 一种基于朴素贝叶斯模型的学生学业成绩预测方法及系统 | |
CN112862641A (zh) | 退役军人培训推荐方法、设备及存储介质 | |
Das et al. | A decision making model using soft set and rough set on fuzzy approximation spaces | |
RU2581009C2 (ru) | Система и способ накопления аккредитации | |
Lee et al. | Incremental analysis for generalized TODIM | |
WO2021168254A1 (en) | Systems and methods for data-driven identification of talent and pipeline matching to role | |
Liu et al. | Distance education quality evaluation based on multigranularity probabilistic linguistic term sets and disappointment theory | |
Burke et al. | Using and abusing QFD scores | |
CN112417280A (zh) | 一种基于虚拟现实主持人体系的推荐方法和系统 | |
Widiantoro | The implementation of Analytical Hierarchy Process method for outstanding achievement scholarship reception selection at Universal University of Batam | |
CN109992592B (zh) | 基于校园消费卡流水数据的高校贫困生识别方法 | |
CN114881827B (zh) | 一种基于互联网的远程在线教育培训方法、系统及存储介质 | |
Huang et al. | The Fuzzy DNP based TAM3 for analyzing the factors influencing the acceptance of PadFones | |
CN116452165A (zh) | 一种人才信息推荐方法、服务系统及存储介质 | |
KR20180082329A (ko) | 직무능력 예측을 포함하는 직무 자동매칭 서비스 및 그를 이용하는 컴퓨팅 장치 | |
CN109993499A (zh) | 面试综合评价方法、装置、计算机设备及存储介质 | |
Solozhentsev et al. | Data structures, logical-probabilistic models and digital management of the safety and quality of systems in the economics | |
CN110020203B (zh) | 一种基于个体训练特征的智能选题系统 | |
CN118052440B (zh) | 一种信息科技风险管理平台 | |
KR102420484B1 (ko) | 인적성검사를 통한 ai 매칭 기반의 구인 구직 서비스 제공 시스템 |
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 |