CN115775140A - 一种城市人才规划与人力资源智能调配系统及方法 - Google Patents

Abstract

本发明公开了一种城市人才规划与人力资源智能调配系统及方法，系统包括：人才规划信息采集模块，用于获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；筛选模块，用于用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；第二标签设定模块，用于对匹配人员按照用人单位设定的标签规则设定若干个第二标签；标签赋值模块，用于为第二标签赋值，按照若干个第二标签的权重分值计算标签值；匹配推荐模块，用于将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。设定标签值以提升岗位推荐精准性。

Description

一种城市人才规划与人力资源智能调配系统及方法

技术领域

本发明涉及人力资源管理技术领域，具体涉及一种城市人才规划与人力资源智能调配系统及方法。

背景技术

城市人才规划指根据企业的战略规划，诊断企业现有人力资源状况，结合企业经营发展战略，并考虑未来的人才资源需求和供给状况来分析和估计，对企业的岗位编制、人员合理配置、员工教育培训、人才资源管理政策、招聘和选拨等内容进行的人才资源的职能性规划。

因此，针对城市人才规划与人力资源配置是否合理，无论是对企业的短期绩效还是长远发展都有重大影响，因此，应予以足够的重视。

但是，现阶段，由于缺少科学的工作分析和人才测评手段，使得工作职责、任务及岗位对人员的要求不清楚，同时，对应聘者不能从其知识、技能、能力、个性等方面进行全面整体的把握，使得在招聘阶段就很难达到个人与岗位的匹配。且现阶段在招聘时基本采用网站推荐的方式进行岗位匹配，但招聘网站的推荐并不能实现岗位与应聘人员需求的完全，其推荐算法采用的特征匹配参数较少，甚至一个或两个特征相匹配就进行人员或用人单位推荐，导致推荐并不准确的问题。

发明内容

本发明提供一种城市人才规划与人力资源智能调配系统及方法，以解决现有技术中存在的上述问题。

本发明提供一种城市人才规划与人力资源智能调配系统，该城市人才规划与人力资源智能调配系统包括：

人才规划信息采集模块，用于获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；

筛选模块，用于用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；

第二标签设定模块，用于对匹配人员按照用人单位设定的标签规则设定若干个第二标签；

标签赋值模块，用于为第二标签赋值，按照若干个第二标签的权重分值计算标签值；

匹配推荐模块，用于将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。

优选的，所述第一标签包括：毕业院校、专业、年龄、性别、特长、职业规划、职业意向、工资；所述职业意向包括：地点、企业类型、企业规模、岗位要求、岗位任务；

所述岗位匹配原则是基于用人单位的岗位需求，设定若干个具有顺序的标签，按照设定的标签从人才规划人员信息表中匹配筛选出相应的匹配人员。

优选的，所述筛选模块包括：

岗位标签生成单元，用于基于用人单位的岗位需求描述，通过深度神经网络模型学习形成于岗位需求对应的岗位标签；

匹配方式设定单元，用于将岗位标签与人才规划人员信息表中的第一标签按照设定的匹配方式进行匹配，所述匹配方式包括：将第一标签中所有标签与岗位需求的关联性进行排序，确定强关联的第一标签，将所述强关联的第一标签与岗位标签进行匹配，根据匹配度判断是否匹配，将匹配的对应人员确定为匹配人员。

优选的，所述第二标签设定模块包括：

特征提取单元，用于提取用人单位的岗位需求的若干个需求特征；

相关度计算单元，用于遍历匹配人员的所有第一标签，获取所有第一标签与每个需求特征的相关度；

排序单元，用于对相关度进行排序，将位序处于设定范围的第一标签形成第一标签集；

生成单元，用于将所述第一标签集中所有的第一标签与需求特征进行特征融合，形成若干个第二标签。

优选的，所述标签赋值模块包括：

需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

第二标签分类单元，用于将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；

赋值单元，用于计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

优选的，所述标签赋值模块还包括：

需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和，

计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；

计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；

将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

优选的，还包括：录聘人员选定模块，用于根据标签值的排序选定录聘人员，且选定的录聘人员对应相应的岗位；

反馈模块，用于设定观察周期，在观察周期内所有录聘人员进行在职调研，根据在职调研反馈信息获得人员调岗率和人员辞职率，若人员调岗率若大于设定调岗率阈值，或者人员辞职率大于设定辞职率阈值，则调整岗位匹配原则，增加人才规划人员信息表中筛选出符合相应岗位的匹配人员的数量以及调整筛选模块中的匹配方式以增加岗位匹配程度。

本发明还提供一种城市人才规划与人力资源智能调配方法，该城市人才规划与人力资源智能调配方法包括：

S100，获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；

S200，用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；

S300，对匹配人员按照用人单位设定的标签规则设定若干个第二标签；

S400，为第二标签赋值，按照若干个第二标签的权重分值计算标签值；

S500，将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。

优选的，所述S200包括：

S201，对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

S202，将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；

S203，计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

优选的，所述S200还包括：

S201，对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

S204，计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和，

S205，计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；

S206，计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；

S207，将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

与现有技术相比，本发明具有以下优点：

本发明提供一种城市人才规划与人力资源智能调配系统及方法，其中系统包括：人才规划信息采集模块，用于获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；筛选模块，用于用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；第二标签设定模块，用于对匹配人员按照用人单位设定的标签规则设定若干个第二标签；标签赋值模块，用于为第二标签赋值，按照若干个第二标签的权重分值计算标签值；匹配推荐模块，用于将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。通过对匹配人员进行第二标签设定，以用人单位的角度确定求职人员的标签，保证用人单位的岗位需求通过第二标签进行准确性提升，另外，通过对第二标签进行赋值，形成标签值，以数字化排序的方式提升推荐匹配的精准性。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种城市人才规划与人力资源智能调配系统的结构示意图；

图2为本发明实施例中标签赋值模块的结构示意图；

图3为本发明实施例中一种城市人才规划与人力资源智能调配方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了一种城市人才规划与人力资源智能调配系统，请参照图1，该城市人才规划与人力资源智能调配系统包括：

人才规划信息采集模块，用于获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；

筛选模块，用于用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；

第二标签设定模块，用于对匹配人员按照用人单位设定的标签规则设定若干个第二标签；

标签赋值模块，用于为第二标签赋值，按照若干个第二标签的权重分值计算标签值；

匹配推荐模块，用于将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。

上述技术方案的工作原理为：本实施例采用的方案是人才规划信息采集模块，用于获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；筛选模块，用于用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；第二标签设定模块，用于对匹配人员按照用人单位设定的标签规则设定若干个第二标签；标签赋值模块，用于为第二标签赋值，按照若干个第二标签的权重分值计算标签值；匹配推荐模块，用于将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。

所述城市人才规划人员包括：在社会上或学校内需要进行应聘的人员，或者是通过城市人才规划与人力资源智能调配系统进行岗位调配的人员。将所有具有求职需求的人员通过信息采集模块形成人才规划人员信息表，从该信息表中每个人员的需求与用人单位的岗位需求进行需求匹配，进一步通过后续的筛选匹配方式进行双方推荐，即将符合要求的人员推荐给相应的用人单位，或者将符合求职者的用人单位推荐给求职者，实现人力资源的智能调配。

通过岗位匹配原则将符合岗位需求的人员筛选出来，形成对应该岗位的匹配人员，每个岗位对应有相应的多个匹配人员，且每个匹配人员可对应一个或多个相匹配的岗位。

用人单位将筛选出的匹配人员按照设定的标签规则给相应的人员设置第二标签，该第二标签是以用人单位的方向设定的，不同的用人单位根据需求或企业文化不同，设定的标签规则不同，因此，按照事先设定的标签规则可以给相匹配的所有人员设定第二标签，以方便后续通过第二标签筛选出最符合相应岗位的人员，提升岗位匹配的精准度。

通过对第二标签继续宁标签赋值，使标签不再是一个人员的特征，而可以进行数值化，以方便根据不同特征的具体数值化，对相应特征的人员进行筛选，以实现通过标签值的方式进行排序筛选，提升匹配推荐的精准性。

上述技术方案的有益效果为：采用本实施例提供的方案通过对匹配人员进行第二标签设定，以用人单位的角度确定求职人员的标签，保证用人单位的岗位需求通过第二标签进行准确性提升，另外，通过对第二标签进行赋值，形成标签值，以数字化排序的方式提升推荐匹配的精准性。

在另一实施例中，所述第一标签包括：毕业院校、专业、年龄、性别、特长、职业规划、职业意向、工资；所述职业意向包括：地点、企业类型、企业规模、岗位要求、岗位任务；

所述岗位匹配原则是基于用人单位的岗位需求，设定若干个具有顺序的标签，按照设定的标签从人才规划人员信息表中匹配筛选出相应的匹配人员。

上述技术方案的工作原理为：本实施例采用的方案是所述第一标签包括：毕业院校、专业、年龄、性别、特长、职业规划、职业意向、工资；所述职业意向包括：地点、企业类型、企业规模、岗位要求、岗位任务；所述岗位匹配原则是基于用人单位的岗位需求，设定若干个具有顺序的标签，按照设定的标签从人才规划人员信息表中匹配筛选出相应的匹配人员。

上述技术方案的有益效果为：采用本实施例提供的方案所述第一标签包括：毕业院校、专业、年龄、性别、特长、职业规划、职业意向、工资；所述职业意向包括：地点、企业类型、企业规模、岗位要求、岗位任务；所述岗位匹配原则是基于用人单位的岗位需求，设定若干个具有顺序的标签，按照设定的标签从人才规划人员信息表中匹配筛选出相应的匹配人员。

不同的标签有相应的文字描述，对标签进行匹配时，对文字描述进行特征提取，以通过特征匹配的方式进行匹配度计算，该匹配度也可以是相似度计算，确定两个相互匹配的特征的相似度，进而确定两个特征之间是否匹配。

在另一实施例中，所述筛选模块包括：

岗位标签生成单元，用于基于用人单位的岗位需求描述，通过深度神经网络模型学习形成于岗位需求对应的岗位标签；

匹配方式设定单元，用于将岗位标签与人才规划人员信息表中的第一标签按照设定的匹配方式进行匹配，所述匹配方式包括：将第一标签中所有标签与岗位需求的关联性进行排序，确定强关联的第一标签，将所述强关联的第一标签与岗位标签进行匹配，根据匹配度判断是否匹配，将匹配的对应人员确定为匹配人员。

上述技术方案的工作原理为：本实施例采用的方案是所述筛选模块包括：岗位标签生成单元，用于基于用人单位的岗位需求描述，通过深度神经网络模型学习形成于岗位需求对应的岗位标签；匹配方式设定单元，用于将岗位标签与人才规划人员信息表中的第一标签按照设定的匹配方式进行匹配，所述匹配方式包括：将第一标签中所有标签与岗位需求的关联性进行排序，确定强关联的第一标签，将所述强关联的第一标签与岗位标签进行匹配，根据匹配度判断是否匹配，将匹配的对应人员确定为匹配人员。

上述技术方案的有益效果为：采用本实施例提供的方案所述筛选模块包括：岗位标签生成单元，用于基于用人单位的岗位需求描述，通过深度神经网络模型学习形成于岗位需求对应的岗位标签；匹配方式设定单元，用于将岗位标签与人才规划人员信息表中的第一标签按照设定的匹配方式进行匹配，所述匹配方式包括：将第一标签中所有标签与岗位需求的关联性进行排序，确定强关联的第一标签，将所述强关联的第一标签与岗位标签进行匹配，根据匹配度判断是否匹配，将匹配的对应人员确定为匹配人员。通过特征匹配的方式进行匹配度计算，该匹配度也可以是相似度计算，确定两个相互匹配的特征的相似度，进而确定两个特征之间是否匹配。

在另一实施例中，所述第二标签设定模块包括：

特征提取单元，用于提取用人单位的岗位需求的若干个需求特征；

相关度计算单元，用于遍历匹配人员的所有第一标签，获取所有第一标签与每个需求特征的相关度；

排序单元，用于对相关度进行排序，将位序处于设定范围的第一标签形成第一标签集；

生成单元，用于将所述第一标签集中所有的第一标签与需求特征进行特征融合，形成若干个第二标签。

上述技术方案的工作原理为：本实施例采用的方案是所述第二标签设定模块包括：特征提取单元，用于提取用人单位的岗位需求的若干个需求特征；相关度计算单元，用于遍历匹配人员的所有第一标签，获取所有第一标签与每个需求特征的相关度；排序单元，用于对相关度进行排序，将位序处于设定范围的第一标签形成第一标签集；生成单元，用于将所述第一标签集中所有的第一标签与需求特征进行特征融合，形成若干个第二标签。

上述技术方案的有益效果为：采用本实施例提供的方案所述第二标签设定模块包括：特征提取单元，用于提取用人单位的岗位需求的若干个需求特征；相关度计算单元，用于遍历匹配人员的所有第一标签，获取所有第一标签与每个需求特征的相关度；排序单元，用于对相关度进行排序，将位序处于设定范围的第一标签形成第一标签集；生成单元，用于将所述第一标签集中所有的第一标签与需求特征进行特征融合，形成若干个第二标签。

该实施例是形成第二标签的过程，通过相关度的排序可以确定每个需求特征最相关的第一标签对应的人员，将每个需求特征与第一标签的相关度计算后，可以通过排序筛选的方式，筛选出匹配度高的第一标签，形成第一标签集，将第一标签集与需求特征融合形成第二标签。

例如，某一求职人员根据与需求特征的相关度计算后确定的第一标签集中的第一标签包括：专业为计算机，求职意向是云计算和软件开发；而考虑到用人单位的岗位需求，根据需求特征，可以将该求职人员的第二标签设定为：大数据、云端开发、云计算类、软件开发工程师。该第二标签明显是与用人单位的岗位需求更贴合。因此，基于第二标签对求职者进行筛选可以实现提升匹配推荐的精准性。

在另一实施例中，所述标签赋值模块包括：

需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

第二标签分类单元，用于将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；

赋值单元，用于计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

需要说明的是，每个人员的第一特征相似度总计算公式如下：

；

其中，

表示第i个人员的标签值，i=1,2…n，n表示匹配人员的数量，f表示相似度函数，该相似度函数可以是余弦相似度函数，或欧几里德距离相似度函数，

表示第i个人员的第j个第二标签特征，j=1,2…m，m表示每个人员对应的第二标签的数量，

表示需求特征集中第t个需求特征，t=1,2…q，q表示需求特征集中需求特征的数量。

上述技术方案的工作原理为：本实施例采用的方案是所述标签赋值模块包括：需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；第二标签分类单元，用于将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；赋值单元，用于计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

上述技术方案的有益效果为：采用本实施例提供的方案需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；第二标签分类单元，用于将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；赋值单元，用于计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。通过每个人员对应的第二标签与需求特征的相似度总和，以确定求职人员与用人单位规定的需求特征最相关的数值，将该数值设定为标签值，该标签值可以体现求职人员与用人单位的精准匹配度。

在另一实施例中，所述标签赋值模块还包括：

需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

第一计算单元，用于计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和；

第二计算单元，用于计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；

第三计算单元，用于计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；

第四计算单元，用于将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

需要说明的是，该方式形成的标签值相比于上一实施例获得的标签值是更新后的标签值，更新后的标签值的计算公式如下：

；

；

其中，

表示第i个人员的更新后的标签值，i=1,2…n，n表示匹配人员的数量，f表示相似度函数，该相似度函数可以是余弦相似度函数，或欧几里德距离相似度函数，

表示第i个人员的第j个第二标签特征，j=1,2…m，m表示每个人员对应的第二标签的数量，

表示需求特征集中第t个需求特征，t=1,2…q，q表示需求特征集中需求特征的数量。A表示设定的权重系数，该权重系数通过用人单位设定，

表示需求特征集中排序为第一位的需求特征，即为用人单位谁当的最重要的需求特征。

上述技术方案的工作原理为：本实施例采用的方案是所述标签赋值模块还包括：需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；第一计算单元，用于计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和；第二计算单元，用于计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；第三计算单元，用于计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；第四计算单元，用于将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

上述技术方案的有益效果为：采用本实施例提供的方案通过每个人员对应的第二标签与需求特征的相似度总和，以确定求职人员与用人单位规定的需求特征最相关的数值，将该数值设定为标签值，该标签值可以体现求职人员与用人单位的精准匹配度。

在另一实施例中，还包括：录聘人员选定模块，用于根据标签值的排序选定录聘人员，且选定的录聘人员对应相应的岗位；

反馈模块，用于设定观察周期，在观察周期内所有录聘人员进行在职调研，根据在职调研反馈信息获得人员调岗率和人员辞职率，若人员调岗率若大于设定调岗率阈值，或者人员辞职率大于设定辞职率阈值，则调整岗位匹配原则，增加人才规划人员信息表中筛选出符合相应岗位的匹配人员的数量以及调整筛选模块中的匹配方式以增加岗位匹配程度。

上述技术方案的工作原理为：本实施例采用的方案是还包括：录聘人员选定模块，用于根据标签值的排序选定录聘人员，且选定的录聘人员对应相应的岗位；反馈模块，用于设定观察周期，在观察周期内所有录聘人员进行在职调研，根据在职调研反馈信息获得人员调岗率和人员辞职率，若人员调岗率若大于设定调岗率阈值，或者人员辞职率大于设定辞职率阈值，则调整岗位匹配原则，增加人才规划人员信息表中筛选出符合相应岗位的匹配人员的数量以及调整筛选模块中的匹配方式以增加岗位匹配程度。

上述技术方案的有益效果为：采用本实施例提供的方案还包括：录聘人员选定模块，用于根据标签值的排序选定录聘人员，且选定的录聘人员对应相应的岗位；反馈模块，用于设定观察周期，在观察周期内所有录聘人员进行在职调研，根据在职调研反馈信息获得人员调岗率和人员辞职率，若人员调岗率若大于设定调岗率阈值，或者人员辞职率大于设定辞职率阈值，则调整岗位匹配原则，增加人才规划人员信息表中筛选出符合相应岗位的匹配人员的数量以及调整筛选模块中的匹配方式以增加岗位匹配程度。通过对录聘人员进行调研反馈，以改进该城市人才规划与人力资源智能调配系统中的岗位匹配原则，进一步优化该城市人才规划与人力资源智能调配系统对人力资源的智能调配，提升智能调配的精准性。

在另一实施例中，本实施例还提供一种城市人才规划与人力资源智能调配方法，请参照图3，该城市人才规划与人力资源智能调配方法包括：

S100，获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；

S200，用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；

S300，对匹配人员按照用人单位设定的标签规则设定若干个第二标签；

S400，为第二标签赋值，按照若干个第二标签的权重分值计算标签值；

S500，将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。

上述技术方案的工作原理为：本实施例采用的方案是获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；对匹配人员按照用人单位设定的标签规则设定若干个第二标签；为第二标签赋值，按照若干个第二标签的权重分值计算标签值；将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。

上述技术方案的有益效果为：采用本实施例提供的方案通过对匹配人员进行第二标签设定，以用人单位的角度确定求职人员的标签，保证用人单位的岗位需求通过第二标签进行准确性提升，另外，通过对第二标签进行赋值，形成标签值，以数字化排序的方式提升推荐匹配的精准性。

在另一实施例中，所述S200包括：

S201，对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

S202，将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；

S203，计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

上述技术方案的工作原理为：本实施例采用的方案是对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

上述技术方案的有益效果为：采用本实施例提供的方案对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

在另一实施例中，所述S200还包括：

S201，对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

S204，计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和，

S205，计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；

S206，计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；

S207，将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

上述技术方案的工作原理为：本实施例采用的方案是对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和，计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

上述技术方案的有益效果为：采用本实施例提供的方案对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和，计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

通过每个人员对应的第二标签与需求特征的相似度总和，以确定求职人员与用人单位规定的需求特征最相关的数值，将该数值设定为标签值，该标签值可以体现求职人员与用人单位的精准匹配度。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种城市人才规划与人力资源智能调配系统，其特征在于，包括：

人才规划信息采集模块，用于获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；

筛选模块，用于用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；

第二标签设定模块，用于对匹配人员按照用人单位设定的标签规则设定若干个第二标签；

标签赋值模块，用于为第二标签赋值，按照若干个第二标签的权重分值计算标签值；

匹配推荐模块，用于将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。

2.根据权利要求1所述的一种城市人才规划与人力资源智能调配系统，其特征在于，所述第一标签包括：毕业院校、专业、年龄、性别、特长、职业规划、职业意向、工资；所述职业意向包括：地点、企业类型、企业规模、岗位要求、岗位任务；

所述岗位匹配原则是基于用人单位的岗位需求，设定若干个具有顺序的标签，按照设定的标签从人才规划人员信息表中匹配筛选出相应的匹配人员。

3.根据权利要求1所述的一种城市人才规划与人力资源智能调配系统，其特征在于，所述筛选模块包括：

岗位标签生成单元，用于基于用人单位的岗位需求描述，通过深度神经网络模型学习形成于岗位需求对应的岗位标签；

匹配方式设定单元，用于将岗位标签与人才规划人员信息表中的第一标签按照设定的匹配方式进行匹配，所述匹配方式包括：将第一标签中所有标签与岗位需求的关联性进行排序，确定强关联的第一标签，将所述强关联的第一标签与岗位标签进行匹配，根据匹配度判断是否匹配，将匹配的对应人员确定为匹配人员。

4.根据权利要求1所述的一种城市人才规划与人力资源智能调配系统，其特征在于，所述第二标签设定模块包括：

特征提取单元，用于提取用人单位的岗位需求的若干个需求特征；

相关度计算单元，用于遍历匹配人员的所有第一标签，获取所有第一标签与每个需求特征的相关度；

排序单元，用于对相关度进行排序，将位序处于设定范围的第一标签形成第一标签集；

生成单元，用于将所述第一标签集中所有的第一标签与需求特征进行特征融合，形成若干个第二标签。

5.根据权利要求1所述的一种城市人才规划与人力资源智能调配系统，其特征在于，所述标签赋值模块包括：

需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

第二标签分类单元，用于将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；

赋值单元，用于计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

6.根据权利要求1所述的一种城市人才规划与人力资源智能调配系统，其特征在于，所述标签赋值模块还包括：

需求特征集生成单元，用于对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

第一计算单元，用于计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和；

第二计算单元，用于计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；

第三计算单元，用于计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；

第四计算单元，用于将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

7.根据权利要求1所述的一种城市人才规划与人力资源智能调配系统，其特征在于，还包括：录聘人员选定模块，用于根据标签值的排序选定录聘人员，且选定的录聘人员对应相应的岗位；

反馈模块，用于设定观察周期，在观察周期内所有录聘人员进行在职调研，根据在职调研反馈信息获得人员调岗率和人员辞职率，若人员调岗率若大于设定调岗率阈值，或者人员辞职率大于设定辞职率阈值，则调整岗位匹配原则，增加人才规划人员信息表中筛选出符合相应岗位的匹配人员的数量以及调整筛选模块中的匹配方式以增加岗位匹配程度。

8.一种城市人才规划与人力资源智能调配方法，其特征在于，包括：

S100，获取人才规划人员的信息，形成人才规划人员信息表，并按照每个人员的简历信息生成若干个第一标签；

S200，用人单位通过岗位匹配原则从人才规划人员信息表中筛选出符合相应岗位的匹配人员；

S300，对匹配人员按照用人单位设定的标签规则设定若干个第二标签；

S400，为第二标签赋值，按照若干个第二标签的权重分值计算标签值；

S500，将标签值排序位于设定位序的人员设定为推荐人员，向相应的用人单元推荐所述推荐人员，以及向所述推荐人员推荐相应的用人单位。

9.根据权利要求8所述的一种城市人才规划与人力资源智能调配方法，其特征在于，所述S200包括：

S201，对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

S202，将符合每个符合要求的匹配人员对应的第二标签设定对应标记，每个匹配人员匹配有相应的若干个第二标签；

S203，计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将每个人员的第一特征相似度总和设定为该人员的标签值。

10.根据权利要求8所述的一种城市人才规划与人力资源智能调配方法，其特征在于，所述S200还包括：

S201，对需求特征按照重要程度排序，排序顺序为由重要程度由高到低的顺序，取位序为设定范围的需求特征形成需求特征集；

S204，计算所有符合要求的匹配人员的第二标签与需求特征集中的第二特征相似度总和，

S205，计算每个人员的所有第二标签与需求特征集中的第一特征相似度总和，将第一特征相似度总和与第二特征相似度总和的比值设定的比例值；

S206，计算每个人员的所有第二标签与需求特征集中第一个需求特征集的附加特征相似度值；

S207，将每个人员比例值乘以设定的权重系数，再加上附加特征相似度值形成标签值。

Images