CN115330363B - 一种人才识别方法、装置、电子设备及存储介质 - Google Patents

一种人才识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115330363B
CN115330363B CN202211263992.8A CN202211263992A CN115330363B CN 115330363 B CN115330363 B CN 115330363B CN 202211263992 A CN202211263992 A CN 202211263992A CN 115330363 B CN115330363 B CN 115330363B
Authority
CN
China
Prior art keywords
behavior
talent
information
talents
identified
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
Application number
CN202211263992.8A
Other languages
English (en)
Other versions
CN115330363A (zh
Inventor
张登印
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.)
Beijing Zhiding Management Consulting Co ltd
Original Assignee
Beijing Zhiding Management Consulting 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 Beijing Zhiding Management Consulting Co ltd filed Critical Beijing Zhiding Management Consulting Co ltd
Priority to CN202211263992.8A priority Critical patent/CN115330363B/zh
Publication of CN115330363A publication Critical patent/CN115330363A/zh
Application granted granted Critical
Publication of CN115330363B publication Critical patent/CN115330363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • G06Q10/105Human resources
    • G06Q10/1053Employment or hiring

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (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)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供了一种人才识别方法、装置、电子设备及存储介质,对于获取到的待识别人才的历史行为信息,经过一定的在先分析处理,提取关键信息特征后,直接保存到人才库中,不做定性的判断,等到有具体的人才需求后,根据保存到人才库中相关信息,进行系统性的分析,识别并反馈与需求匹配度高的人才。基于历史行为信息的内容,充分考虑了各个维度因素对于人才能力发挥的影响,结合实际需求,能够更客观更准确的围绕需求识别人才,把合适的人力资源配置到合适的位置上,提升了人才的利用效率。

Description

一种人才识别方法、装置、电子设备及存储介质
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种人才识别方法、装置、电子设备及存储介质。
背景技术
人才识别以及如何让人才在合适的位置上发挥能力,对于企业或者组织来说,是其能够持续健康发展的重要因素。现有的人才识别的方式,一种是主要由上级管理者或者人力咨询相关的人员,基于企业或者组织成员的历史工作表现进行评估和选择,这种方式主观性相对较强,准确性受主观因素影响较多。另一种方式,是借助一些评价模型或者评价系统,通过设置一些评估项,然后基于历史工作表现进行评分和加权,作为评估结果输出,这种方式虽然相对客观,但是相对比较死板,对于能力表现方式不同或者有特别方向的人才,缺少有效的识别。
因此,如何提供一种更准确有效的人才识别方式,是目前亟待解决的问题。
发明内容
为了改善上述问题,本发明提供了一种人才识别方法、装置、电子设备及存储介质。
本发明实施例的第一方面,提供了一种人才识别方法,所述方法包括:
获取待识别人才的基本信息和历史行为信息,所述基本信息包括岗位信息、工作经历;
从所述历史行为信息中提取人才行为数据,每条所述人才行为数据包括行为时间、行为场景、行为策略、行为表现和行为结果;
基于所述工作经历和所述行为时间,将所述基本信息和所述人才行为数据进行合并;
基于合并的数据得到待识别人才的多个人才行为特征;
将待识别人才的基本信息、多个所述人才行为特征以及与人才行为特征对应的人才行为数据相互关联,保存至人才库中;
接收获取人才的需求信息,从所述需求信息中提取出需求人才特征;
基于所述需求人才特征,从所述人才库中检索与所述需求信息匹配的待识别人才进行反馈。
可选地,所述历史行为信息包括文字信息、图片信息和视频信息,所述从所述历史行为信息中提取人才行为数据的步骤,具体包括:
以事件为单位从所述历史行为信息中提取所述人才行为数据;
根据事件发生的时间确定行为时间,根据事件发生的背景信息确定行为场景,根据待识别人才在事件采取的行动策略确定行为策略,根据待识别人才在事件中具体的行为动作确定行为表现,根据事件的结果评价确定待识别人才的行为结果。
可选地,所述基于所述工作经历和所述行为时间,将所述基本信息和所述人才行为数据进行合并的步骤,具体包括:
根据所述行为时间从所述工作经历中确定与之相同时间段的其他基本信息;
将对应的基本信息提取出来与所述人才行为数据进行合并。
可选地,所述基于合并的数据得到待识别人才的多个人才行为特征的步骤,具体包括:
以所述岗位信息和行为场景为前置条件,基于所述行为策略、行为表现和行为结果,进行待识别人才的人才行为特征的提取。
可选地,所述从所述需求信息中提取出需求人才特征的步骤,具体包括:
从所述需求信息中提取出对应所述基本信息的需求人才资质特征;
从所述需求信息中提取出对应所述行为场景的需求人才场景特征;
从所述需求信息中提取出对应所述人才行为特征的需求人才行为特征。
可选地,所述基于所述需求人才特征,从所述人才库中检索与所述需求信息匹配的待识别人才进行反馈的步骤,具体包括:
通过需求人才资质特征在所述人才库中检索出满足资质要求的待识别人才;
筛选出所述人才行为数据中的行为场景包含有所述需求人才场景特征的待识别人才;
将人才行为特征与所述需求人才行为特征匹配的待识别人才作为检索结果进行反馈。
可选地,所述人才行为特征与所述需求人才行为特征匹配,具体是指:
所述人才行为特征包含所有所述需求人才行为特征;或者
所述人才行为特征包含到达预设比例阈值的部分所述需求人才行为特征。
本发明实施例的第二方面,提供了一种人才识别装置,所述装置包括:
信息获取单元,用于获取待识别人才的基本信息和历史行为信息,所述基本信息包括岗位信息、工作经历;
数据提取单元,用于从所述历史行为信息中提取人才行为数据,每条所述人才行为数据包括行为时间、行为场景、行为策略、行为表现和行为结果;
数据合并单元,用于基于所述工作经历和所述行为时间,将所述基本信息和所述人才行为数据进行合并;
特征提取单元,用于基于合并的数据得到待识别人才的多个人才行为特征;
信息保存单元,用于将待识别人才的基本信息、多个所述人才行为特征以及与人才行为特征对应的人才行为数据相互关联,保存至人才库中;
需求分析单元,用于接收获取人才的需求信息,从所述需求信息中提取出需求人才特征;
识别反馈单元,用于基于所述需求人才特征,从所述人才库中检索与所述需求信息匹配的待识别人才进行反馈。
可选地,所述数据提取单元,具体用于:
以事件为单位从所述历史行为信息中提取所述人才行为数据;
其中,根据事件发生的时间确定行为时间,根据事件发生的背景信息确定行为场景,根据待识别人才在事件采取的行动策略确定行为策略,根据待识别人才在事件中具体的行为动作确定行为表现,根据事件的结果评价确定待识别人才的行为结果。
可选地,所述数据合并单元,具体用于:
根据所述行为时间从所述工作经历中确定与之相同时间段的其他基本信息;
将对应的基本信息提取出来与所述人才行为数据进行合并。
可选地,所述特征提取单元,具体用于:
以所述岗位信息和行为场景为前置条件,基于所述行为策略、行为表现和行为结果,进行待识别人才的人才行为特征的提取。
可选地,所述需求分析单元,具体用于:
从所述需求信息中提取出对应所述基本信息的需求人才资质特征;
从所述需求信息中提取出对应所述行为场景的需求人才场景特征;
从所述需求信息中提取出对应所述人才行为特征的需求人才行为特征。
可选地,所述识别反馈单元,具体用于:
通过需求人才资质特征在所述人才库中检索出满足资质要求的待识别人才;
筛选出所述人才行为数据中的行为场景包含有所述需求人才场景特征的待识别人才;
将人才行为特征与所述需求人才行为特征匹配的待识别人才作为检索结果进行反馈。
可选地,所述人才行为特征与所述需求人才行为特征匹配,具体是指:
所述人才行为特征包含所有所述需求人才行为特征;或者
所述人才行为特征包含到达预设比例阈值的部分所述需求人才行为特征。
本发明实施例的第三方面,提供了一种电子设备,其特征在于,包括:
一个或多个处理器 ;存储器 ;一个或多个应用程序, 其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如第一方面所述的方法。
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,其特征在于,所述计算机可读存储介质中存储有程序代码,所述程序代码可被处理器调用执行如第一方面所述的方法。
综上所述,本发明提供了一种人才识别方法、装置、电子设备及存储介质,对于获取到的待识别人才的历史行为信息,经过一定的在先分析处理,提取关键信息特征后,直接保存到人才库中,不做定性的判断,等到有具体的人才需求后,根据保存到人才库中相关信息,进行系统性的分析,识别并反馈与需求匹配度高的人才。基于历史行为信息的内容,充分考虑了各个维度因素对于人才能力发挥的影响,结合实际需求,能够更客观更准确的围绕需求识别人才,把合适的人力资源配置到合适的位置上,提升了人才的利用效率。
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为本发明实施例的人才识别方法及装置的应用场景示意图;
图2为本发明实施例的人才识别方法的方法流程图;
图3为本发明另一实施例的人才识别方法的方法流程图;
图4为本发明实施例的人才识别装置的功能模块框图;
图5为本发明实施例的用于执行根据本申请实施例的人才识别方法的电子设备的结构框图。
图6是本发明实施例的用于保存或者携带实现根据本申请实施例的人才识别方法的程序代码的计算机可读存储介质的结构框图。
图标:
云端服务器100;用户客户端200;信息获取单元110;数据提取单元120;数据合并单元130;特征提取单元140;信息保存单元150;需求分析单元160;识别反馈单元170;电子设备300;处理器310;存储器320;计算机可读存储介质400;程序代码410。
具体实施方式
人才识别以及如何让人才在合适的位置上发挥能力,对于企业或者组织来说,是其能够持续健康发展的重要因素。现有的人才识别的方式,一种是主要由上级管理者或者人力咨询相关的人员,基于企业或者组织成员的历史工作表现进行评估和选择,这种方式主观性相对较强,准确性受主观因素影响较多。另一种方式,是借助一些评价模型或者评价系统,通过设置一些评估项,然后基于历史工作表现进行评分和加权,作为评估结果输出,这种方式虽然相对客观,但是相对比较死板,对于能力表现方式不同或者有特别方向的人才,缺少有效的识别
因此,如何提供一种更准确有效的人才识别方式,是目前亟待解决的问题。
鉴于此,本发明设计者设计了一种人才识别方法、装置、电子设备及存储介质,对于获取到的待识别人才的历史行为信息,经过一定的在先分析处理,提取关键信息特征后,直接保存到人才库中,不做定性的判断,等到有具体的人才需求后,根据保存到人才库中相关信息,进行系统性的分析,识别并反馈与需求匹配度高的人才。基于历史行为信息的内容,充分考虑了各个维度因素对于人才能力发挥的影响,结合实际需求,能够更客观更准确的围绕需求识别人才,把合适的人力资源配置到合适的位置上,提升了人才的利用效率。
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作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语 “顶”、“底”、“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”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例
请参阅图1,本实施例提供的一种人才识别方法、装置的应用场景示意图。
如图1所示,本发明提供的一种人才识别方法、装置,应用于云端服务器100,所述云端服务器100分别与用户客户端200通过互联网或者其他方式连接。进行人才识别时,基本信息和历史行为信息可以通过用户客户端200上传至云端服务器100,也可以是由其他与云端服务器100有数据交互的端进行上传。用于保存信息的人才库,可以直接设置于云端服务器100,也可以设置于与云端服务器100连接的其他服务器或者设备上。获取人才的需求信息可以通过用户客户端200发送至云端服务器100,云端服务器100将反馈结果,即识别出的人才信息发送回用户客户端200。
需要注意的是,本发明提供的一种人才识别方法、装置,还可以应用在除云端服务器100以外的本地终端上,如PC电脑、智能手机、平板电脑,或者其他具有数据处理及数据交互功能的设备。当在本地终端上使用时,用户可以通过本地终端直接输入信息,也可以通过其他与本地终端建立了数据通信的设备进行信息的交互。本地终端在基于需求信息完成人才的识别后,可以直接将结果保存在本地的信息储存装置内,也可以通过其他通信方式,将相关发送至用户客户端200或者其他终端处。
在上述基础上,如图2所示,为本发明一实施例提供的人才识别方法,该方法包括:
步骤S101,获取待识别人才的基本信息和历史行为信息,所述基本信息包括岗位信息、工作经历。
基本信息对应的是与待识别人才的身份相关的信息,除了岗位信息、工作经历以外,还包括姓名、年龄、性别、教育背景、荣誉资质等,其中岗位信息、工作经历主要用于后续的识别过程。
对于同一个人来说,可能存在多段工作经历,也可能只有一段,在其的工作经历中,可能会在不同的岗位上工作,也可能会在相同的岗位上工作。当处于不同的工作经历中,或者在不同的岗位上工作时,由于人和岗位、环境的适配性,可能会有不同的行为表现,这些都可能对人才的识别产生影响。
步骤S102,从所述历史行为信息中提取人才行为数据,每条所述人才行为数据包括行为时间、行为场景、行为策略、行为表现和行为结果。
历史行为信息包括文字信息、图片信息和视频信息。从历史行为信息中提取人才行为数据时,可以通过人工识别的方式进行,由相关人员调取对应的历史行为信息,进行人工识别后,将识别的人才行为数据进行反馈上传。也可以采用与历史行为信息的载体相适配的算法或者提取模型。如针对文字信息的提取,可以采用文本关键词提取算法以及自然语言处理算法(NLP)等,针对图片信息的提取,可以采用图像特征提取算法,针对视频信息的提取,可以采用视频行为识别算法。
作为本发明实施例的优选方式,也可以将上述两种方法进行结合,在所选择的算法或者提取模型的基础上,采用深度学习的方式对法或者提取模型优化,并基于人工识别的结果对优化的方向进行调整。当积累的数量达到一定量,使得算法或者提取模型提取的准确度满足要求之后,则可以完全使用算法或者提取模型进行人才行为数据的提取了。
步骤S103,基于所述工作经历和所述行为时间,将所述基本信息和所述人才行为数据进行合并。
在基本信息中,工作经历通常是阶段性的,而且通过时间来进行区分,而历史行为信息中提取出的人才行为数据,根据其行为时间也可以准确的将该行为对应到相应的工作经历上。
例如,某公司员工A,其在2018-2020年的岗位是某研发部门核心研发人员,而在2021年-2022年的岗位是某研发部门的部门经理。历史行为信息是,在2020年4月-8月,一个公司的攻坚研发项目中,担任核心开发人员,采用了一种创新但未经过充分验证的开发思路,通过充分协调资源,帮助团队在项目周期内按时且高质量的完成了开发任务,得到客户的充分认可。提取出的人才行为数据是:2020年4月-8月、攻坚研发项目、采用较为激进的方式、有组织协调能力、得到客户认可。基于行为时间判断,该历史行为发生的时间是A在担任研发部门核心研发人员时。因此提取出的岗位信息、工作经历是核心研发人员、某研发部门,将该信息与上述人才行为数据进行合并。如果另一条人才行为数据是根据2021年-2022年中产生的某个历史行为信息提取的,则取出的岗位信息、工作经历是部门经理、某研发部门。
通过这样的方式,才能够更准确的反映出待识别人才的某些方面上的特征。
步骤S104,基于合并的数据得到待识别人才的多个人才行为特征。
对于一个待识别人才,可能会从他的工作经历出发得到一系列合并出来的数据,基于这些数据的共性或者差异,就可以得到待识别人才的多个人才行为特征。
这些人才行为特征用于描述待识别人才在上述经历过程中表现出来的特质,如行事风格是激进还是保守,喜欢自己行动还是团队合作,是否具有管理意识,擅长具体业务还是擅长管理工作,是结果导向还是行为导向,等等。
对于人才行为特征提取所采用的方式,既可以是采用特征提取算法实现,也可以是采用基于深度学习的模型优化的方式实现,甚至是基于人工干涉的特征提取算法也可以,在此不做具体的限定。
步骤S105,将待识别人才的基本信息、多个所述人才行为特征以及与人才行为特征对应的人才行为数据相互关联,保存至人才库中。
人才库用于保存经过上述先分析处理过程处理后的基本信息和历史行为信息。将进行关联后进行保存,一方面是基于关联性方便查找,另一方面也是在后续输出人才识别结果时,在有需要的情况下,可以将支持识别结果的数据一起进行输出。
需要注意的是,在人才库中保存的信息,是基于基本信息和历史行为信息进行提炼获取的,是从多个维度对待识别人才的特质或者能力进行描述的信息,并没有直接对该待识别人才给出定性的结论。
步骤S106,接收获取人才的需求信息,从所述需求信息中提取出需求人才特征。
当有获取人才的需求时,将需求信息发送至云端服务器100处,实现对匹配人才的识别。在不同的场景中,对于某个人是否属于人才,其定义是比较模糊的。在本明发明所采用的方法中,人才的定义是相对于具体的需求或者环境的,在没有给出某个具体的需求或者环境时,是无法明确确定一个具有一些特征的人是否是人才的。只有在有一定的需求或者环境要求时,基于具体的需求,从需求中提取相应的需求人才特征后,才能通过特征匹配的方式选择出针对该需求或者环境的人才。例如,某人在想象力和创新方面比较有天赋,而且善于采用更激进的方式取得较好的效果,那么对于一个需要创新商业模式的场景下,他可能就是一个人才。但是如果对于一个做产品测试的场景,他可能的表现能力就是普通或者较差,就不属于人才。
对于提取出需求人才特征所采用的方式,可以采用与上述提取人才行为数据或者提取人才行为特征相同或者相结合的方式,在此不再赘述。
步骤S107,基于所述需求人才特征,从所述人才库中检索与所述需求信息匹配的待识别人才进行反馈。
在确定了具体的需求之后,在人才库中检索找到那些具有的人才行为特征与从需求信息中,提取的需求人才特征相匹配的待识别人才。那么这些被检索出来的待识别人才,针对当前的需求,就是识别出的人才。并以此结果进行反馈。
在此基础上,作为本发明的优选实施方式,还可以基于两者的匹配度,以及其他资质方面的硬性指标筛选,对多个识别结果进行排序。
作为本发明的实施例的另一实施方式,对于人才库中的信息,除了采用上述通过需求人才特征进行检索的方式以外,还可以直接通过输入关键词进行检索,例如通过输入对应人才行为特征的关键词,就可以检索到人才行为特征包含该关键词的待识别人才,以及对应的基本信息和人才行为数据。
本实施例提供的人才识别方法,对于获取到的待识别人才的历史行为信息,经过一定的在先分析处理,提取关键信息特征后,直接保存到人才库中,不做定性的判断,等到有具体的人才需求后,根据保存到人才库中相关信息,进行系统性的分析,识别并反馈与需求匹配度高的人才。基于历史行为信息的内容,充分考虑了各个维度因素对于人才能力发挥的影响,结合实际需求,能够更客观更准确的围绕需求识别人才,把合适的人力资源配置到合适的位置上,提升了人才的利用效率。
如图3所示,本发明另一实施例的人才识别方法,该方法包括:
步骤S201,获取待识别人才的基本信息和历史行为信息,所述基本信息包括岗位信息、工作经历。
步骤S202,以事件为单位从所述历史行为信息中提取所述人才行为数据。其中,历史行为信息包括文字信息、图片信息和视频信息,每条所述人才行为数据包括行为时间、行为场景、行为策略、行为表现和行为结果。
具体的方式为,根据事件发生的时间确定行为时间,根据事件发生的背景信息确定行为场景,根据待识别人才在事件采取的行动策略确定行为策略,根据待识别人才在事件中具体的行为动作确定行为表现,根据事件的结果评价确定待识别人才的行为结果。
采用事件为单位,主要的原因是通过一个完整的事件,才能较为准确的对某个人在行为上的特征进行提取。在本发明的实施例中,事件指代的对象较为广泛,可以是一个具体的项目,一项具体的活动,一件具体的工作,或者是一段具体的任职经历,其跨度的时间可能是几分钟,几小时,几天或者几个月、几年。对于同一个人来说,在不同时间跨度上,其具体的行为策略、行为表现以及产生的行为结果可能会存在区别,因此可以通过过不同时间跨度事件,来更准备的提取待识别人才的行为特征。
步骤S203,根据所述行为时间从所述工作经历中确定与之相同时间段的其他基本信息。
步骤S204,将对应的基本信息提取出来与所述人才行为数据进行合并。
步骤S205,以所述岗位信息和行为场景为前置条件,基于所述行为策略、行为表现和行为结果,进行待识别人才的人才行为特征的提取。
行为时间、岗位信息、行为场景会对特征提取产生相应的影响。比如行为时间,在不同的时间点上,由于环境因素的不同,进而导致行为策略、行为表现以及产生的行为结果的改变。最直接的例子就是国家政策的影响,当某个与工作关系即为密切的政策发生变化时,基于该时间点前后,即使是同一个人,其对于相同或者相似事件,具体的行为策略、行为表现以及产生的行为结果就会变化。岗位信息、行为场景也类似,以开会为例,在自己所管理的团队内以管理者的身份开会,和与在公司管理会议上以基层管理者的身份和上级领导开会,其表现也可能存在区别。
步骤S206,将待识别人才的基本信息、多个所述人才行为特征以及与人才行为特征对应的人才行为数据相互关联,保存至人才库中。
步骤S207,接收获取人才的需求信息,从所述需求信息中提取出需求人才特征。
从所述需求信息中提取出对应所述基本信息的需求人才资质特征;从所述需求信息中提取出对应所述行为场景的需求人才场景特征;从所述需求信息中提取出对应所述人才行为特征的需求人才行为特征。
需求信息可以针对某个具体岗位的岗位要求,也可以是针对某个具体工作的胜任要求。其中,需求人才资质特征对应的是需求信息中与资质相关的客观信息,这些信息是准确且清晰的,例如年龄要求、学历要求、获奖要求等。需求人才场景特征对应的是需求信息中与工作经历相关的部分,比如是否参与过某项工作,是否担任过管理岗位等。需求人才行为特征对应的是需求信息中与人的行为特质相关的部分,比如是需要有团队合作精神、或者是有一定的管理思维、或者是有较强的学习能力等。
步骤S208,通过需求人才资质特征在所述人才库中检索出满足资质要求的待识别人才。
步骤S209,筛选出所述人才行为数据中的行为场景包含有所述需求人才场景特征的待识别人才。
步骤S210,将人才行为特征与所述需求人才行为特征匹配的待识别人才作为检索结果进行反馈。
在明确的需求的基础上,就需要开始进行检索了,通常来说为了提高检索效率,先针对客观明确的信息进行筛选,如需求人才资质特征。在其筛选结果的基础上再针对行为需求人才场景特征进行筛选,最后再进行人才行为特征与所述需求人才行为特征的匹配。
在本实施中,人才行为特征与所述需求人才行为特征的匹配,具体可以分为两种情况:人才行为特征包含所有需求人才行为特征,或者人才行为特征包含到达预设比例阈值的部分需求人才行为特征。
在进行匹配的时候,可能存在的情况就是,人才库中没有人才行为特征包含所有所述需求人才行为特征的待识别人才。在此基础上,还是希望能确定相对更加匹配的待识别人才,因此可以预先设定一个比例阈值,将人才行为特征包含到达预设比例阈值的部分需求人才行为特征的待识别人才也作为匹配结果输出。
作为本发明实施例的优选,在提取出需求人才特征时,基于需求方的特定需求,对提取出的出需求人才特征进行不同权重的标识,在进行后续的检索时,如果人才库中没有能完全匹配的数据,则按照权重的高低顺序,依次进行匹配,将匹配度到达预设比例阈值的待识别人才按顺序排序后输出。同时,为了提供识别人才的数据依据,在反馈输出待识别人才时,可以将人才库中,有关联关系的其他数据一起输出。
上述的步骤S208-S210,对应的是从人才库中进行信息检索的过程,需要注意的是,作为本发明的其他实施方式,在实际执行时,上述3个步骤,可以基于需求按照不同的顺序进行执行。
综上,本实施例提供的人才识别方法,对于获取到的待识别人才的历史行为信息,经过一定的在先分析处理,提取关键信息特征后,直接保存到人才库中,不做定性的判断,等到有具体的人才需求后,根据保存到人才库中相关信息,进行系统性的分析,识别并反馈与需求匹配度高的人才。基于历史行为信息的内容,充分考虑了各个维度因素对于人才能力发挥的影响,结合实际需求,能够更客观更准确的围绕需求识别人才,把合适的人力资源配置到合适的位置上,提升了人才的利用效率。
如图4所示,本发明实施提供的人才识别装置,所述装置包括:
信息获取单元110,用于获取待识别人才的基本信息和历史行为信息,所述基本信息包括岗位信息、工作经历;
数据提取单元120,用于从所述历史行为信息中提取人才行为数据,每条所述人才行为数据包括行为时间、行为场景、行为策略、行为表现和行为结果;
数据合并单元130,用于基于所述工作经历和所述行为时间,将所述基本信息和所述人才行为数据进行合并;
特征提取单元140,用于基于合并的数据得到待识别人才的多个人才行为特征;
信息保存单元150,用于将待识别人才的基本信息、多个所述人才行为特征以及与人才行为特征对应的人才行为数据相互关联,保存至人才库中;
需求分析单元160,用于接收获取人才的需求信息,从所述需求信息中提取出需求人才特征;
识别反馈单元170,用于基于所述需求人才特征,从所述人才库中检索与所述需求信息匹配的待识别人才进行反馈。
作为本实施例的优选实施方式,所述数据提取单元120,具体用于:
以事件为单位从所述历史行为信息中提取所述人才行为数据;
其中,根据事件发生的时间确定行为时间,根据事件发生的背景信息确定行为场景,根据待识别人才在事件采取的行动策略确定行为策略,根据待识别人才在事件中具体的行为动作确定行为表现,根据事件的结果评价确定待识别人才的行为结果。
作为本实施例的优选实施方式,所述数据合并单元130,具体用于:
根据所述行为时间从所述工作经历中确定与之相同时间段的其他基本信息;
将对应的基本信息提取出来与所述人才行为数据进行合并。
作为本实施例的优选实施方式,所述特征提取单元140,具体用于:
以所述岗位信息和行为场景为前置条件,基于所述行为策略、行为表现和行为结果,进行待识别人才的人才行为特征的提取。
作为本实施例的优选实施方式,所述需求分析单元160,具体用于:
从所述需求信息中提取出对应所述基本信息的需求人才资质特征;
从所述需求信息中提取出对应所述行为场景的需求人才场景特征;
从所述需求信息中提取出对应所述人才行为特征的需求人才行为特征。
作为本实施例的优选实施方式,所述识别反馈单元170,具体用于:
通过需求人才资质特征在所述人才库中检索出满足资质要求的待识别人才;
筛选出所述人才行为数据中的行为场景包含有所述需求人才场景特征的待识别人才;
将人才行为特征与所述需求人才行为特征匹配的待识别人才作为检索结果进行反馈。
作为本实施例的优选实施方式,所述人才行为特征与所述需求人才行为特征匹配,具体是指:
所述人才行为特征包含所有所述需求人才行为特征;或者
所述人才行为特征包含到达预设比例阈值的部分所述需求人才行为特征。
本发明实施例提供的人才识别装置,用于实现上述人才识别方法,因此具体实施方式与上述方法相同,在此不再赘述。
如图5所示,本发明实施例提供的一种电子设备300的结构框图。该电子设备300可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备300。本申请中的电子设备300可以包括一个或多个如下部件:处理器310、存储器320、以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器320中并被配置为由一个或多个处理器310执行, 一个或多个程序配置用于执行如前述方法实施例所描述的方法。
处理器310可以包括一个或者多个处理核。处理器310利用各种接口和线路连接整个电子设备300内的各个部分,通过运行或执行存储在存储器320内的指令、程序、代码集或指令集,以及调用存储在存储器320内的数据,执行电子设备300的各种功能和处理数据。可选地,处理器310可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器310可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器310中,单独通过一块通信芯片进行实现。
存储器320可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器320可用于存储指令、程序、代码、代码集或指令集。存储器320可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
如图6所示,本发明实施例提供的一种计算机可读存储介质400的结构框图。该计算机可读介质中存储有程序代码410,所述程序代码410可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质400可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质400包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质400具有执行上述方法中的任何方法步骤的程序代码410的存储空间。这些程序代码410可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码410可以例如以适当形式进行压缩。
综上所述,本发明提供了一种人才识别方法、装置、电子设备及存储介质,对于获取到的待识别人才的历史行为信息,经过一定的在先分析处理,提取关键信息特征后,直接保存到人才库中,不做定性的判断,等到有具体的人才需求后,根据保存到人才库中相关信息,进行系统性的分析,识别并反馈与需求匹配度高的人才。基于历史行为信息的内容,充分考虑了各个维度因素对于人才能力发挥的影响,结合实际需求,能够更客观更准确的围绕需求识别人才,把合适的人力资源配置到合适的位置上,提升了人才的利用效率。
在本申请所公开的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (8)

1.一种人才识别方法,其特征在于,所述方法包括:
获取待识别人才的基本信息和历史行为信息,所述基本信息包括岗位信息、工作经历,所述历史行为信息包括文字信息、图片信息和视频信息;
从所述历史行为信息中提取人才行为数据,每条所述人才行为数据包括行为时间、行为场景、行为策略、行为表现和行为结果;
基于所述工作经历和所述行为时间,将所述基本信息和所述人才行为数据进行合并;
基于合并的数据得到待识别人才的多个人才行为特征;
将待识别人才的基本信息、多个所述人才行为特征以及与人才行为特征对应的人才行为数据相互关联,保存至人才库中;
接收获取人才的需求信息,从所述需求信息中提取出需求人才特征;
基于所述需求人才特征,从所述人才库中检索与所述需求信息匹配的待识别人才进行反馈;
所述从所述历史行为信息中提取人才行为数据的步骤,具体包括:
以事件为单位从所述历史行为信息中提取所述人才行为数据;
根据事件发生的时间确定行为时间,根据事件发生的背景信息确定行为场景,根据待识别人才在事件采取的行动策略确定行为策略,根据待识别人才在事件中具体的行为动作确定行为表现,根据事件的结果评价确定待识别人才的行为结果;
所述基于合并的数据得到待识别人才的多个人才行为特征的步骤,具体包括:
以所述岗位信息和行为场景为前置条件,基于所述行为策略、行为表现和行为结果,进行待识别人才的人才行为特征的提取。
2.根据权利要求1所述的人才识别方法,其特征在于,所述基于所述工作经历和所述行为时间,将所述基本信息和所述人才行为数据进行合并的步骤,具体包括:
根据所述行为时间从所述工作经历中确定与之相同时间段的其他基本信息;
将对应的基本信息提取出来与所述人才行为数据进行合并。
3.根据权利要求2所述的人才识别方法,其特征在于,所述从所述需求信息中提取出需求人才特征的步骤,具体包括:
从所述需求信息中提取出对应所述基本信息的需求人才资质特征;
从所述需求信息中提取出对应所述行为场景的需求人才场景特征;
从所述需求信息中提取出对应所述人才行为特征的需求人才行为特征。
4.根据权利要求3所述的人才识别方法,其特征在于,所述基于所述需求人才特征,从所述人才库中检索与所述需求信息匹配的待识别人才进行反馈的步骤,具体包括:
通过需求人才资质特征在所述人才库中检索出满足资质要求的待识别人才;
筛选出所述人才行为数据中的行为场景包含有所述需求人才场景特征的待识别人才;
将人才行为特征与所述需求人才行为特征匹配的待识别人才作为检索结果进行反馈。
5.根据权利要求4中所述的人才识别方法,其特征在于,所述人才行为特征与所述需求人才行为特征匹配,具体是指:
所述人才行为特征包含所有所述需求人才行为特征;或者
所述人才行为特征包含到达预设比例阈值的部分所述需求人才行为特征。
6.一种人才识别装置,其特征在于,所述装置包括:
信息获取单元,用于获取待识别人才的基本信息和历史行为信息,所述基本信息包括岗位信息、工作经历,所述历史行为信息包括文字信息、图片信息和视频信息;
数据提取单元,用于从所述历史行为信息中提取人才行为数据,每条所述人才行为数据包括行为时间、行为场景、行为策略、行为表现和行为结果;
数据合并单元,用于基于所述工作经历和所述行为时间,将所述基本信息和所述人才行为数据进行合并;
特征提取单元,用于基于合并的数据得到待识别人才的多个人才行为特征;
信息保存单元,用于将待识别人才的基本信息、多个所述人才行为特征以及与人才行为特征对应的人才行为数据相互关联,保存至人才库中;
需求分析单元,用于接收获取人才的需求信息,从所述需求信息中提取出需求人才特征;
识别反馈单元,用于基于所述需求人才特征,从所述人才库中检索与所述需求信息匹配的待识别人才进行反馈;
所述数据提取单元,具体用于:
以事件为单位从所述历史行为信息中提取所述人才行为数据;
根据事件发生的时间确定行为时间,根据事件发生的背景信息确定行为场景,根据待识别人才在事件采取的行动策略确定行为策略,根据待识别人才在事件中具体的行为动作确定行为表现,根据事件的结果评价确定待识别人才的行为结果;
所述特征提取单元,具体用于:
以所述岗位信息和行为场景为前置条件,基于所述行为策略、行为表现和行为结果,进行待识别人才的人才行为特征的提取。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,一个或多个程序配置用于执行如权利要求1-5任一项所述的方法。
8.一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中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-5任一项所述的方法。
CN202211263992.8A 2022-10-17 2022-10-17 一种人才识别方法、装置、电子设备及存储介质 Active CN115330363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211263992.8A CN115330363B (zh) 2022-10-17 2022-10-17 一种人才识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211263992.8A CN115330363B (zh) 2022-10-17 2022-10-17 一种人才识别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115330363A CN115330363A (zh) 2022-11-11
CN115330363B true CN115330363B (zh) 2023-02-14

Family

ID=83915407

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211263992.8A Active CN115330363B (zh) 2022-10-17 2022-10-17 一种人才识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115330363B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392143A (zh) * 2017-07-20 2017-11-24 中国科学院软件研究所 一种基于svm文本分类的简历精确解析方法
CN109726253A (zh) * 2018-12-21 2019-05-07 义橙网络科技(上海)有限公司 人才图谱及人才画像的构建方法、装置、设备及介质
CN111737495A (zh) * 2020-06-28 2020-10-02 福州数据技术研究院有限公司 基于领域自分类的中高端人才智能推荐系统及其方法
CN112765235A (zh) * 2021-01-21 2021-05-07 盐城志娟网络科技有限公司 基于特征识别和大数据分析的人力资源智能管理系统及云管理服务器
CN113469577A (zh) * 2021-07-27 2021-10-01 中国银行股份有限公司 审计项目人员预分配方法及装置
CN113537922A (zh) * 2021-05-31 2021-10-22 东莞理工学院 一种基于大数据的科技项目人才推荐系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384230A (zh) * 2016-10-21 2017-02-08 北京搜前途科技有限公司 简历中工作经历与招聘职位及简历与招聘信息的匹配方法
CN113627867A (zh) * 2020-05-08 2021-11-09 百度在线网络技术(北京)有限公司 一种人才需求预测方法、装置、设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392143A (zh) * 2017-07-20 2017-11-24 中国科学院软件研究所 一种基于svm文本分类的简历精确解析方法
CN109726253A (zh) * 2018-12-21 2019-05-07 义橙网络科技(上海)有限公司 人才图谱及人才画像的构建方法、装置、设备及介质
CN111737495A (zh) * 2020-06-28 2020-10-02 福州数据技术研究院有限公司 基于领域自分类的中高端人才智能推荐系统及其方法
CN112765235A (zh) * 2021-01-21 2021-05-07 盐城志娟网络科技有限公司 基于特征识别和大数据分析的人力资源智能管理系统及云管理服务器
CN113537922A (zh) * 2021-05-31 2021-10-22 东莞理工学院 一种基于大数据的科技项目人才推荐系统及方法
CN113469577A (zh) * 2021-07-27 2021-10-01 中国银行股份有限公司 审计项目人员预分配方法及装置

Also Published As

Publication number Publication date
CN115330363A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN113934868A (zh) 政务大数据治理方法及系统
CN111553137B (zh) 报告生成方法、装置、存储介质及计算机设备
CN110544158B (zh) 信息推送的方法、装置、设备及可读存储介质
CN113971527A (zh) 基于机器学习的数据风险评估方法及装置
CN112732893B (zh) 文本信息的提取方法和装置、存储介质和电子设备
CN111738701A (zh) 绩效分析方法、装置、计算机设备和存储介质
CN111435369A (zh) 音乐推荐方法、装置、终端及存储介质
CN110414806B (zh) 员工风险预警方法及相关装置
CN117150138B (zh) 一种基于高维空间映射的科技资源组织方法及系统
US11295325B2 (en) Benefit surrender prediction
CN113379398A (zh) 一种项目需求的生成方法、装置、电子设备及存储介质
CN113326678A (zh) 会议纪要的生成方法、装置、终端设备及计算机存储介质
CN115330363B (zh) 一种人才识别方法、装置、电子设备及存储介质
US20140172874A1 (en) Intelligent analysis queue construction
CN112612921B (zh) 视频的标签确定方法及装置
CN110062112A (zh) 数据处理方法、装置、设备及计算机可读存储介质
CN113033938B (zh) 确定资源分配策略的方法、装置、终端设备及存储介质
CN114863463A (zh) 一种对合同文本的智能审核校验方法及装置
US11457192B2 (en) Digital evidence management method and digital evidence management system
US20200342302A1 (en) Cognitive forecasting
CN113672497A (zh) 无埋点事件的生成方法、装置、设备及存储介质
CN112488658A (zh) 一种数字化人力资源管理的任务画像建设算法、装置、终端及存储介质
JP2002279119A (ja) ワークフロー管理システムのための業務分析システムおよび業務分析方法
CN116451787B (zh) 内容风险识别方法、装置、系统及设备
CN117649215A (zh) 人才信息匹配方法、系统、电子设备及存储介质

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