CN115713195A - 一种基于循环神经网络的岗位与能力匹配模型及管理方法 - Google Patents

一种基于循环神经网络的岗位与能力匹配模型及管理方法 Download PDF

Info

Publication number
CN115713195A
CN115713195A CN202211190260.0A CN202211190260A CN115713195A CN 115713195 A CN115713195 A CN 115713195A CN 202211190260 A CN202211190260 A CN 202211190260A CN 115713195 A CN115713195 A CN 115713195A
Authority
CN
China
Prior art keywords
post
module
information
model
central processing
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
CN202211190260.0A
Other languages
English (en)
Inventor
贺昌茂
聂欣红
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.)
Wuhan Haichang Information Technology Co ltd
Original Assignee
Wuhan Haichang Information Technology 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 Wuhan Haichang Information Technology Co ltd filed Critical Wuhan Haichang Information Technology Co ltd
Priority to CN202211190260.0A priority Critical patent/CN115713195A/zh
Publication of CN115713195A publication Critical patent/CN115713195A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于循环神经网络的岗位与能力匹配模型,包括中央处理系统,中央处理系统通过无线与岗位管理系统实现双向连接,所述中央处理系统的输入端通过导线与岗位申请单元的输出端电性连接,所述中央处理系统的输出端通过导线与岗位整理模块的输入端电性连接,本发明涉及循环神经网络技术领域。该基于循环神经网络的岗位与能力匹配模型及管理方法,通过建立能力模型可根据岗位制度以及应聘要求对应聘人员的岗位匹配度进行计算,从而可以确定候选员工与晋升岗位之间的匹配度,并按照位次顺序选取排位靠前的应聘人员,实现了自动选取目标员工的目的,大大提高岗位与人才之间的适配度,也为企业的发展创造了良好条件。

Description

一种基于循环神经网络的岗位与能力匹配模型及管理方法
技术领域
本发明涉及循环神经网络技术领域,具体为一种基于循环神经网络的岗位与能力匹配模型及管理方法。
背景技术
循环神经网络是一类以序列数据为输入,在序列的演进方向进行递归且所有节点(循环单元)按链式连接的递归神经网络,对循环神经网络的研究始于二十世纪80-90年代,并在二十一世纪初发展为深度学习算法之一,其中双向循环神经网络和长短期记忆网络是常见的循环神经网络,循环神经网络具有记忆性、参数共享并且图灵完备,因此在对序列的非线性特征进行学习时具有一定优势,循环神经网络在自然语言处理,例如语音识别、语言建模、机器翻译等领域有应用,也被用于各类时间序列预报,引入了卷积神经网络构筑的循环神经网络可以处理包含序列输入的计算机视觉问题。
目前公司在招聘相应岗位的员工时,多以主观性打分判断为主,缺少对员工属性以及能力与岗位要求之间是否匹配的客观分析,人为打分的方式也无法满足量化分析的要求,从而造成评价标准不一致导致缺乏公正性的问题,同时也降低了目标员工选取的准确性,影响公司的正常运作。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于循环神经网络的岗位与能力匹配模型及管理方法,解决了招聘相应岗位的员工时,多以主观性打分判断为主,缺少对员工属性以及能力与岗位要求之间是否匹配的客观分析,无法满足量化分析的要求,从而造成评价标准不一致导致缺乏公正性的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于循环神经网络的岗位与能力匹配模型,包括中央处理系统,所述中央处理系统通过无线与岗位管理系统实现双向连接,所述中央处理系统的输入端通过导线与岗位申请单元的输出端电性连接,所述中央处理系统的输出端通过导线与岗位整理模块的输入端电性连接,且岗位整理模块的输出端通过导线与申请数据库的输入端电性连接,所述申请数据库的输入端通过导线与中央处理系统的输出端电性连接,所述申请数据库通过无线与信息查询模块实现双向连接,且信息查询模块通过无线与中央处理系统实现双向连接,所述中央处理系统通过无线与任职要求制定模块实现双向连接。
优选的,所述中央处理系统的输出端通过导线与无线传输模块的输入端电性连接,且无线传输模块通过无线与智能终端实现双向连接。
优选的,所述岗位管理系统包括后台管理端,所述后台管理端的输入端通过导线与初步筛选模块的输出端电性连接。
优选的,所述后台管理端的输出端通过导线与能力模型建立单元的输入端电性连接,且能力模型建立单元通过无线与能力匹配计算单元实现双向连接。
优选的,所述后台管理端的输出端通过导线与能力匹配计算单元的输入端电性连接。
优选的,所述能力匹配计算单元的输出端通过导线与目标员工选取单元的输入端电性连接。
优选的,所述岗位申请单元包括个人信息填写模块、岗位选择模块和体检信息填写模块,所述能力模型建立单元包括基本能力模型和特定能力模型。
本发明提供了一种基于循环神经网络的岗位与能力匹配的管理方法,具体包括以下步骤:
S1、人员通过岗位申请单元向公司发出岗位申请,通过个人信息填写模块填写个人的身份信息以及联系方式,在岗位选择模块内部,人员选择相应的应聘岗位,并通过体检信息填写模块填写个人的健康数据信息,且以上填写的信息需保证真实可靠;
S2、根据步骤S1中,相应信息填写完毕后通过中央处理系统发送至申请数据库内部进行暂存,通过岗位整理模块对申请数据库内部应聘岗位数据进行整理,通过信息查询模块查询申请数据库内部相应的岗位应聘信息,并将这些应聘信息发送至岗位管理系统内部;
S3、岗位管理系统内部管理人员接收到岗位应聘信息后,首先通过初步筛选模块对该岗位应聘人员的个人信息进行核实,核实信息正确性后方可根据岗位的制度门槛要求以及岗位优秀任职要求对应聘人员进行初步筛选,筛选符合条件的候选人;
S4、通过能力模型建立单元建立能力模型,能力模型包括两种,即为基本能力模型和特定能力模型,基本能力模型包含基本的技能要求和企业文化,特定能力模型包含特定岗位的技能要求,通过企业HR采集现有招聘岗位上优秀表现的员工的数据,该数据的采集通过模拟和评测完成,同时采集岗位表现评判矩阵,将这些数据中的共性归入公司的基本能力模型,将其余数据(特定岗位的技能要求)归入特定能力模型,通过后台管理端将初筛符合岗位条件的应聘人员信息发送至能力匹配计算单元内部,在能力匹配计算单元内部根据建立的能力模型对岗位应聘人员与岗位之间的匹配度进行计算,最终通过目标员工选取单元根据匹配结果按照位次顺序选择岗位人员;
S5、通过无线传输模块将应聘通过信息发送至相应人员的智能终端上进行显示,用于人员查看。
(三)有益效果
本发明提供了一种基于循环神经网络的岗位与能力匹配模型及管理方法。具备以下有益效果:
(1)、该基于循环神经网络的岗位与能力匹配模型及管理方法,中央处理系统通过无线与岗位管理系统实现双向连接,中央处理系统的输入端通过导线与岗位申请单元的输出端电性连接,中央处理系统的输出端通过导线与岗位整理模块的输入端电性连接,且岗位整理模块的输出端通过导线与申请数据库的输入端电性连接,申请数据库的输入端通过导线与中央处理系统的输出端电性连接,申请数据库通过无线与信息查询模块实现双向连接,且信息查询模块通过无线与中央处理系统实现双向连接,中央处理系统通过无线与任职要求制定模块实现双向连接,通过建立能力模型可根据岗位制度以及应聘要求对应聘人员的岗位匹配度进行计算,从而可以确定候选员工与晋升岗位之间的匹配度,并按照位次顺序选取排位靠前的应聘人员,实现了自动选取目标员工的目的,大大提高岗位与人才之间的适配度,也为企业的发展创造了良好条件。
(2)、该基于循环神经网络的岗位与能力匹配模型及管理方法,通过岗位申请单元包括个人信息填写模块、岗位选择模块和体检信息填写模块,能力模型建立单元包括基本能力模型和特定能力模型,可实现方便人员对个人信息以及身体健康数据进行填写,加快后续管理人员的信息核实效率,为后续岗位应聘的通过率奠定了基础。
(3)、该基于循环神经网络的岗位与能力匹配模型及管理方法,中央处理系统的输出端通过导线与无线传输模块的输入端电性连接,且无线传输模块通过无线与智能终端实现双向连接,可实现及时将应聘通过信息发送至相应岗位人员的智能终端上,便于人员的及时查看。
附图说明
图1为本发明系统的结构原理框图;
图2为本发明岗位申请单元的结构原理框图;
图3为本发明能力模型建立单元的结构原理框图;
图4为本发明岗位管理系统的结构原理框图。
图中:1、中央处理系统;2、岗位管理系统;21、后台管理端;22、初步筛选模块;23、能力模型建立单元;231、基本能力模型;232、特定能力模型;24、能力匹配计算单元;25、目标员工选取单元;3、岗位申请单元;31个人信息填写模块;32岗位选择模块;33体检信息填写模块;4、岗位整理模块;5、申请数据库;6、信息查询模块;7、任职要求制定模块;8、无线传输模块;9、智能终端。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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。
请参阅图1-4,本发明实施例提供一种技术方案:一种基于循环神经网络的岗位与能力匹配模型,包括中央处理系统1,中央处理系统1通过无线与岗位管理系统2实现双向连接,中央处理系统1的输入端通过导线与岗位申请单元3的输出端电性连接,中央处理系统1的输出端通过导线与岗位整理模块4的输入端电性连接,且岗位整理模块4的输出端通过导线与申请数据库5的输入端电性连接,申请数据库5的输入端通过导线与中央处理系统1的输出端电性连接,申请数据库5通过无线与信息查询模块6实现双向连接,且信息查询模块6通过无线与中央处理系统1实现双向连接,中央处理系统1通过无线与任职要求制定模块7实现双向连接。
本发明实施例中,中央处理系统1的输出端通过导线与无线传输模块8的输入端电性连接,且无线传输模块8通过无线与智能终端9实现双向连接,中央处理系统1的型号为ARM9,中央处理系统1简称CPU,是一个计算机的运算核心和控制核心,是信息处理、程序运行的最终执行单元,无线传输模块8是利用无线技术进行无线传输的一种模块,它被广泛地应用于电脑无线网络,无线通讯,无线控制等领域,无线传输模块8主要由发射器,接收器和控制器组成。
本发明实施例中,岗位管理系统2包括后台管理端21,后台管理端21的输入端通过导线与初步筛选模块22的输出端电性连接。
本发明实施例中,后台管理端21的输出端通过导线与能力模型建立单元23的输入端电性连接,且能力模型建立单元23通过无线与能力匹配计算单元24实现双向连接。
本发明实施例中,后台管理端21的输出端通过导线与能力匹配计算单元24的输入端电性连接。
本发明实施例中,能力匹配计算单元24的输出端通过导线与目标员工选取单元25的输入端电性连接。
本发明实施例中,岗位申请单元3包括个人信息填写模块31、岗位选择模块32和体检信息填写模块33,能力模型建立单元23包括基本能力模型231和特定能力模型232。
本发明还公开了一种基于循环神经网络的岗位与能力匹配的管理方法,具体包括以下步骤:
S1、人员通过岗位申请单元3向公司发出岗位申请,通过个人信息填写模块31填写个人的身份信息以及联系方式,在岗位选择模块32内部,人员选择相应的应聘岗位,并通过体检信息填写模块33填写个人的健康数据信息,且以上填写的信息需保证真实可靠;
S2、根据步骤S1中,相应信息填写完毕后通过中央处理系统1发送至申请数据库5内部进行暂存,通过岗位整理模块4对申请数据库5内部应聘岗位数据进行整理,通过信息查询模块6查询申请数据库5内部相应的岗位应聘信息,并将这些应聘信息发送至岗位管理系统2内部;
S3、岗位管理系统2内部管理人员接收到岗位应聘信息后,首先通过初步筛选模块22对该岗位应聘人员的个人信息进行核实,核实信息正确性后方可根据岗位的制度门槛要求以及岗位优秀任职要求对应聘人员进行初步筛选,筛选符合条件的候选人;
S4、通过能力模型建立单元23建立能力模型,能力模型包括两种,即为基本能力模型和特定能力模型,基本能力模型包含基本的技能要求和企业文化,特定能力模型包含特定岗位的技能要求,通过企业HR采集现有招聘岗位上优秀表现的员工的数据,该数据的采集通过模拟和评测完成,同时采集岗位表现评判矩阵,将这些数据中的共性归入公司的基本能力模型,将其余数据(特定岗位的技能要求)归入特定能力模型,通过后台管理端21将初筛符合岗位条件的应聘人员信息发送至能力匹配计算单元24内部,在能力匹配计算单元24内部根据建立的能力模型对岗位应聘人员与岗位之间的匹配度进行计算,最终通过目标员工选取单元25根据匹配结果按照位次顺序选择岗位人员;
S5、通过无线传输模块8将应聘通过信息发送至相应人员的智能终端9上进行显示,用于人员查看。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于循环神经网络的岗位与能力匹配模型,包括中央处理系统(1),其特征在于:所述中央处理系统(1)通过无线与岗位管理系统(2)实现双向连接,所述中央处理系统(1)的输入端通过导线与岗位申请单元(3)的输出端电性连接,所述中央处理系统(1)的输出端通过导线与岗位整理模块(4)的输入端电性连接,且岗位整理模块(4)的输出端通过导线与申请数据库(5)的输入端电性连接,所述申请数据库(5)的输入端通过导线与中央处理系统(1)的输出端电性连接,所述申请数据库(5)通过无线与信息查询模块(6)实现双向连接,且信息查询模块(6)通过无线与中央处理系统(1)实现双向连接,所述中央处理系统(1)通过无线与任职要求制定模块(7)实现双向连接。
2.根据权利要求1所述的一种基于循环神经网络的岗位与能力匹配模型,其特征在于:所述中央处理系统(1)的输出端通过导线与无线传输模块(8)的输入端电性连接,且无线传输模块(8)通过无线与智能终端(9)实现双向连接。
3.根据权利要求1所述的一种基于循环神经网络的岗位与能力匹配模型,其特征在于:所述岗位管理系统(2)包括后台管理端(21),所述后台管理端(21)的输入端通过导线与初步筛选模块(22)的输出端电性连接。
4.根据权利要求3所述的一种基于循环神经网络的岗位与能力匹配模型,其特征在于:所述后台管理端(21)的输出端通过导线与能力模型建立单元(23)的输入端电性连接,且能力模型建立单元(23)通过无线与能力匹配计算单元(24)实现双向连接。
5.根据权利要求3所述的一种基于循环神经网络的岗位与能力匹配模型,其特征在于:所述后台管理端(21)的输出端通过导线与能力匹配计算单元(24)的输入端电性连接。
6.根据权利要求4所述的一种基于循环神经网络的岗位与能力匹配模型,其特征在于:所述能力匹配计算单元(24)的输出端通过导线与目标员工选取单元(25)的输入端电性连接。
7.根据权利要求1所述的一种基于循环神经网络的岗位与能力匹配模型,其特征在于:所述岗位申请单元(3)包括个人信息填写模块(31)、岗位选择模块(32)和体检信息填写模块(33),所述能力模型建立单元(23)包括基本能力模型(231)和特定能力模型(232)。
8.一种基于循环神经网络的岗位与能力匹配的管理方法,其特征在于:具体包括以下步骤:
S1、人员通过岗位申请单元(3)向公司发出岗位申请,通过个人信息填写模块(31)填写个人的身份信息以及联系方式,在岗位选择模块(32)内部,人员选择相应的应聘岗位,并通过体检信息填写模块(33)填写个人的健康数据信息,且以上填写的信息需保证真实可靠;
S2、根据步骤S1中,相应信息填写完毕后通过中央处理系统(1)发送至申请数据库(5)内部进行暂存,通过岗位整理模块(4)对申请数据库(5)内部应聘岗位数据进行整理,通过信息查询模块(6)查询申请数据库(5)内部相应的岗位应聘信息,并将这些应聘信息发送至岗位管理系统(2)内部;
S3、岗位管理系统(2)内部管理人员接收到岗位应聘信息后,首先通过初步筛选模块(22)对该岗位应聘人员的个人信息进行核实,核实信息正确性后方可根据岗位的制度门槛要求以及岗位优秀任职要求对应聘人员进行初步筛选,筛选符合条件的候选人;
S4、通过能力模型建立单元(23)建立能力模型,能力模型包括两种,即为基本能力模型和特定能力模型,基本能力模型包含基本的技能要求和企业文化,特定能力模型包含特定岗位的技能要求,通过企业HR采集现有招聘岗位上优秀表现的员工的数据,该数据的采集通过模拟和评测完成,同时采集岗位表现评判矩阵,将这些数据中的共性归入公司的基本能力模型,将其余数据(特定岗位的技能要求)归入特定能力模型,通过后台管理端(21)将初筛符合岗位条件的应聘人员信息发送至能力匹配计算单元(24)内部,在能力匹配计算单元(24)内部根据建立的能力模型对岗位应聘人员与岗位之间的匹配度进行计算,最终通过目标员工选取单元(25)根据匹配结果按照位次顺序选择岗位人员;
S5、通过无线传输模块(8)将应聘通过信息发送至相应人员的智能终端(9)上进行显示,用于人员查看。
CN202211190260.0A 2022-09-28 2022-09-28 一种基于循环神经网络的岗位与能力匹配模型及管理方法 Pending CN115713195A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211190260.0A CN115713195A (zh) 2022-09-28 2022-09-28 一种基于循环神经网络的岗位与能力匹配模型及管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211190260.0A CN115713195A (zh) 2022-09-28 2022-09-28 一种基于循环神经网络的岗位与能力匹配模型及管理方法

Publications (1)

Publication Number Publication Date
CN115713195A true CN115713195A (zh) 2023-02-24

Family

ID=85230844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211190260.0A Pending CN115713195A (zh) 2022-09-28 2022-09-28 一种基于循环神经网络的岗位与能力匹配模型及管理方法

Country Status (1)

Country Link
CN (1) CN115713195A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116843155A (zh) * 2023-07-27 2023-10-03 深圳市贝福数据服务有限公司 一种基于saas的人岗双向匹配方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116843155A (zh) * 2023-07-27 2023-10-03 深圳市贝福数据服务有限公司 一种基于saas的人岗双向匹配方法和系统
CN116843155B (zh) * 2023-07-27 2024-04-30 深圳市贝福数据服务有限公司 一种基于saas的人岗双向匹配方法和系统

Similar Documents

Publication Publication Date Title
CN104636501B (zh) 一种多媒体网络人工即时翻译系统及方法
CN111292020B (zh) 一种基于随机森林的电网实时运行风险评估方法及系统
CN105931116A (zh) 基于深度学习机制的自动化信用评分系统及方法
CN104809933B (zh) 一种电网无脚本应急演练系统、演练方法及设备
CN109409711B (zh) 一种智能变电站配置文件智能校验及辅助决策系统及方法
CN103796183B (zh) 一种垃圾短信识别方法及装置
CN115879664A (zh) 一种基于工业互联网的智能运维系统及方法
CN108769116A (zh) 区块链的社会服务交换平台
CN111695747A (zh) 智能派工方法、装置及计算机可读储存介质
CN106570567A (zh) 一种主网检修多约束多目标评估专家系统及优化方法
CN110910026B (zh) 一种跨省输电线路线损智能管理与决策方法及系统
CN115713195A (zh) 一种基于循环神经网络的岗位与能力匹配模型及管理方法
CN109977188A (zh) 一种渐进式电网多专业数据关联融合方法及装置
CN111737486A (zh) 基于知识图谱、深度学习的人岗匹配方法、存储装置
CN107730158A (zh) 电网项目智能化评审方法及系统
CN110782959A (zh) 一种智能康复类设备后台管理系统
CN110049006A (zh) 实时与非实时结合的多人远程咨询系统与方法
CN109615185A (zh) 一种基于模糊层次分析法的单位质量保证能力评价方法
CN110458719A (zh) 一种用于电网企业的电网调度方法及系统
CN107222542A (zh) 一种云服务管理系统的构建方法
CN104618133B (zh) 一种电网电压质量监测数据采集方法及系统
CN209216169U (zh) 一种智能学生宿舍查寝系统
CN103841595A (zh) 一种基站信息监管系统
CN116431828A (zh) 一种基于神经网络技术构建的电网中台数据资产知识图谱数据库的构建方法
CN113822552A (zh) 一种电力人力资源信息统计系统及辅助决策方法

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