CN116664318A - 一种企业归纳系统及方法 - Google Patents
一种企业归纳系统及方法 Download PDFInfo
- Publication number
- CN116664318A CN116664318A CN202310790560.0A CN202310790560A CN116664318A CN 116664318 A CN116664318 A CN 116664318A CN 202310790560 A CN202310790560 A CN 202310790560A CN 116664318 A CN116664318 A CN 116664318A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- label
- participating
- representing
- scale
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000006698 induction Effects 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000001939 inductive effect Effects 0.000 claims abstract description 8
- 238000011161 development Methods 0.000 claims description 36
- 238000012417 linear regression Methods 0.000 claims description 7
- 230000007115 recruitment Effects 0.000 claims description 5
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种企业归纳系统及方法,属于企业管理技术领域,该系统包括:第一处理子系统,用于自动化构建企业标签;第二处理子系统,用于对构建的企业标签进行数值化处理,并基于相似度计算对参保企业进行归纳。本发明通过对构建的企业标签进行数值化处理,并基于对相似度的计算,对参保企业进行归纳,能够快速高效地寻找目标企业的相似企业并进行归纳,为实现企业推荐、企业风险预警以及政策仿真模拟等智能场景提供支撑。
Description
技术领域
本发明属于企业管理技术领域,尤其涉及一种企业归纳系统及方法。
背景技术
企业作为参保的主要对象,一直是人社行业关注的重点。现有的企业参保行为数据存在数据量大,数据特征不明显的特点,无法高效的应用在人社的各个场景中。
因此,如何快速高效的对企业参保行为信息进行归纳,如何借助数据挖掘、机器分析能力和数值化标签数为人社行业和企业提供服务,成为对企业精准归纳需要解决的关键问题。
发明内容
针对现有技术中的上述不足,本发明提供的一种企业归纳系统及方法,更加清楚地了解企业之间的关系并对相似企业进行查找归纳,为实现企业推荐、企业风险预警、政策仿真模拟等智能场景提供支撑。
为了达到以上目的,本发明采用的技术方案为:本方案提供一种企业归纳系统,包括:
第一处理子系统,用于自动化构建企业标签;
第二处理子系统,用于对构建的企业标签进行数值化处理,并基于相似度计算对参保企业进行归纳。
进一步地,所述第一处理子系统包括:
第一处理模块,用于根据企业参保规模分布,利用四分位法确定企业参保规模处于分割点位置的数值,构建企业参保规模标签;
第二处理模块,用于根据企业平均年龄分布,利用四分位法确定企业平均年龄处于分割点位置的数值,构建企业参保年龄标签;
第三处理模块,用于根据企业参保规模的时间序列构建线性回归函数,并根据线性回归函数的拟合情况,构建企业发展标签;
第四处理模块,用于根据企业平均参保时长分布,利用四分位法确定企业平均参保时长处于分割点位置的数值,构建企业用工稳定标签;
第五处理模块,用于通过企业参保人员的信息加权,构建企业人才层次标签。
再进一步地,所述第二处理子系统包括:
第六处理模块,用于对企业参保规模标签、企业参保年龄标签、企业发展标签、企业用工稳定标签以及企业人才层次标签分别进行数值化处理;
第七处理模块,用于根据数值化处理结果,计算目标企业与同行企业间的欧氏距离,得到欧氏距离中值最小的前n个企业;
第八处理模块,用于计算目标企业与前n个企业的皮尔逊相似度,完成对参保企业的归纳。
再进一步地,所述对企业参保规模标签进行数值化处理为:
其中,Sscale表示参保规模标签数值化后的值,n表示标签数,x1表示企业参保规模标签。
再进一步地,所述对企业发展标签进行数值化处理为:
其中,Sdev表示企业发展标签数值化后的值,n表示标签数,x2表示企业发展标签。
再进一步地,所述对企业用工稳定标签进行数值化处理为:
其中,Sstb表示企业用工稳定标签数值化后的值,n表示标签数,x3表示企业用工稳定标签。
再进一步地,所述对企业人才层次标签数值化处理为:
其中,Sp表示企业人才层次标签数值化后的值,i'表示企业参保人员的学历,n'表示企业参保人数,ni'表示学历对应的人数,Sxl表示企业参保人员学历评分,Syx表示企业参保人员毕业院校评分。
再进一步地,所述目标企业与同行企业间的欧氏距离为:
其中,d(A,B)表示目标企业与同行企业间的欧氏距离,(x1,x2,...,x5)表示A企业标签,(y1,y2,...,y5)表示B企业标签,xi表示(x1,x2,...,x5),分别表示A企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签数值化后的值,yi表示(y1,y2,...,y5),分别表示B企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签数值化后的值,i=1,2,3,4,5,分别表示企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签。
再进一步地,所述皮尔逊相似度为:
其中,ρA,B表示皮尔逊相似度,cov(·)表示协方差运算,X,Y分别表示A企业标签和B企业标签,σ表示标准差,E[·]表示数学期望,μx和μy表示企业A和企业B的数学期望,和分别表示A企业标签和B企业标签的平均值。
本发明还提供了一种企业归纳方法,包括以下步骤:
S1、自动化构建企业标签;
S2、对构建的企业标签进行数值化处理,并基于相似度计算对参保企业进行归纳。
本发明的有益效果:
本发明通过对构建的企业标签进行数值化处理,并基于对相似度的计算,对参保企业进行归纳。本发明通过上述设计能够快速高效地寻找目标企业的相似企业并进行归纳,为实现企业推荐、企业风险预警、政策仿真模拟等智能场景提供支撑。
附图说明
图1为本发明的系统结构示意图。
图2为本发明的方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例
如图1所示,本发明提供了一种企业归纳系统,包括:
第一处理子系统,用于自动化构建企业标签,其包括:
第一处理模块,用于根据企业参保规模分布,利用四分位法确定企业参保规模处于分割点位置的数值,构建企业参保规模标签;
本实施例中,根据企业参保规模分布,利用四分位法自动确定企业参保规模处于三个分割点位置的数值,即从小到大依次为下四分位数中位数/>上四分位数其中,F(x1)表示企业规模的分布函数。当企业参保规模x1小于下四分位数/>时,对应的标签为3,即小型企业;当企业参保规模x1大于等于下四分位数/>且小于中位数时,对应的标签为2,即中型企业;当企业参保规模x1大于等于中位数/>且小于上四分位数/>时,对应的标签为1,即大型企业;剩下的情况所对应的标签为0,即特大型企业。
第二处理模块,用于根据企业平均年龄分布,利用四分位法确定企业平均年龄处于分割点位置的数值,构建企业参保年龄标签;
本实施例中,企业参保年龄标签,根据企业平均年龄分布,利用四分位法自动确定企业平均年龄处于三个分割点位置的数值,即从小到大依次为下四分位数中位数上四分位数/>其中,F(x2)表示企业平均年龄的分布函数。当企业平均年龄x2小于/>时,对应的标签为3,即成长型企业;当企业平均年龄x2大于等于/>且小于时,对应的标签为2,即青年型企业;当企业平均年龄x2大于等于/>且小于/>时,对应的标签为1,即成熟型企业;剩下的情况所对应的标签为0,即老年型企业。
第三处理模块,用于根据企业参保规模的时间序列构建线性回归函数,并根据线性回归函数的拟合情况,构建企业发展标签;
本实施例中,企业发展标签,通过对企业近一年参保规模的时间序列构建线性回归函数f(x)=k×x'+b,x'表示参保规模的时间序列,b表示截距,回归函数中k值即斜率表示了企业近一年参保规模变化的方向和程度,R2作为拟合情况的评价指标,当R2小于0.7时,企业发展特征为kx;反之企业发展特征为根据企业特征分布,利用四分位法自动确定企业特征处于三个分割点位置的数值,即从小到大依次为下四分位数/>中位数上四分位数/>其中,F(x3)表示企业发展特征的分布函数。当企业特征值x3小于/>时,对应的标签为3,即企业发展前景一般;当企业特征值x3大于等于/>且小于时,对应的标签为2,即企业发展前景稳定;当企业特征值x3大于等于/>且小于时,对应的标签为1,即企业发展前景较好;剩下的情况所对应的标签为0,即企业发展前景好。
第四处理模块,用于根据企业平均参保时长分布,利用四分位法确定企业平均参保时长处于分割点位置的数值,构建企业用工稳定标签;
本实施例中,企业用工稳定标签,根据企业平均参保时长分布,利用四分位法自动确定企业平均参保时长处于三个分割点位置的数值,即从小到大依次为下四分位数中位数/>上四分位数/>其中,F(x4)表示企业平均年龄的分布函数。当企业平均年龄x4小于/>时,对应的标签为3,即成长型企业;当企业平均年龄x4大于等于且小于/>时,对应的标签为2,即青年型企业;当企业平均年龄x4大于等于/>且小于/>时,对应的标签为1,即工中稳定性;剩下的情况所对应的标签为0,即用工高稳定性。
第五处理模块,用于通过企业参保人员的信息加权,构建企业人才层次标签。
本实施例中,企业人才层次标签,通过对企业参保人员的学历得分、毕业院校得分的加权平均来评估来企业的人才水平,即人才层次值n表示企业参保人数,ni'表示学历对应的人数,S学历表示企业参保人员学历评分,S学校表示企业参保人员毕业院校评分,i'表示企业参保人员的学历:根据实际数据情况显示,标签可以分为低层次、中低层次、中层次和高层次。
第二处理子系统,用于对构建的企业标签进行数值化处理,并基于相似度计算对参保企业进行归纳。
本实施例中,采用不同于文本相似度的计算方式计算企业标签相似度,需要先对上面得到的5种标签进行数值化和归一化。其包括:
第六处理模块,用于对企业参保规模标签、企业参保年龄标签、企业发展标签、企业用工稳定标签以及企业人才层次标签分别进行数值化处理;
本实施例中,企业参保规模标签数值化,具体操作为:企业参保规模标签分为特大型、大型、中型、小型,具有一定的量化意义,因此可以通过其中,Sscale表示企业参保规模数值化后的值,n表示标签数,x1表示企业参保规模标签,x1为[0,1,2,3])对企业参保规模的标签进行数值化,用于后续计算。
本实施例中,企业参保年龄标签数值化,具体操作为:企业参保年龄标签分为老年型、成熟型、青年型、成长型,具有一定的量化意义,因此可以通过企业平均年龄在参保人年龄的分布函数f(x)中确定对应的数值,由此对企业参保年龄标签数值化,用于后续计算。
本实施例中,企业发展标签数值化,具体操作为:企业发展标签分为发展前景好、发展前景较好、发展前景稳定、发展前景一般,具有一定的量化意义,因此可以通过其中,Sdev表示企业发展标签数值化后的值,n表示标签数,x2表示企业发展标签,x2为[0,1,2,3])对企业发展的标签进行数值化,用于后续计算。
本实施例中,企业用工稳定标签数值化;具体操作为:企业用工稳定标签分用工高稳定性、用工中稳定性、用工中低稳定性、用工低稳定性,具有一定的量化意义,因此可以通过其中,Sstb表示企业用工稳定标签数值化后的值,n表示标签数,x3表示企业用工稳定标签,x3为[0,1,2,3])对企业用工稳定的标签进行数值化,用于后续计算。
本实施例中,企业人才层次标签数值化;具体操作为:企业人才层次标签分高层次,中层次,中低层次,低层次,具有一定的量化意义,可以通过其中,Sp表示企业人才层次标签数值化后的值,n'表示企业参保人数、Sxl表示企业参保人员学历评分(0-100)、Syx表示企业参保人员毕业院校评分(0-100)、ni表示学历对应的人数,i'表示企业参保人员的学历,如研究生。对应的企业人才标签进行数值化,用于后续计算。
第七处理模块,用于根据数值化处理结果,计算目标企业与同行企业间的欧氏距离,得到欧氏距离中值最小的前n个企业;
本实施例中,对上面得到的5种标签,通过计算数值化后目标企业与同行业企业间的欧氏距离d(A,B):
其中,d(A,B)表示目标企业与同行企业间的欧氏距离,(x1,x2,...,x5)表示A企业标签,(y1,y2,...,y5)表示B企业标签,xi表示(x1,x2,...,x5),分别表示A企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签数值化后的值,yi表示(y1,y2,...,y5),分别表示B企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签数值化后的值,i=1,2,3,4,5,分别表示企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签。
第八处理模块,用于计算目标企业与前n个企业的皮尔逊相似度,完成对参保企业的归纳:
其中,ρA,B表示皮尔逊相似度,cov(·)表示协方差运算,X,Y分别表示A企业标签和B企业标签,σ表示标准差,E[·]表示数学期望,μx和μy表示企业A和企业B的数学期望,和分别表示A企业标签和B企业标签的平均值。
实施例2
如图2所示,本发明提供了一种企业归纳方法,其实现方法如下:
S1、自动化构建企业标签;
S2、对构建的企业标签进行数值化处理,并基于相似度计算对参保企业进行归纳。
如图2所示本实施例提供的企业归纳方法可以执行上述方法实施例点企业归纳系统所示的技术方案,其实现原理与有益效果类似,此处不再赘述。
本发明通过对构建的企业标签进行数值化处理,并基于对相似度的计算,对参保企业进行归纳。本发明通过上述设计能够快速高效地寻找目标企业的相似企业并进行归纳,为实现企业推荐、企业风险预警、政策仿真模拟等智能场景提供支撑。
Claims (10)
1.一种企业归纳系统,其特征在于,包括:
第一处理子系统,用于自动化构建企业标签;
第二处理子系统,用于对构建的企业标签进行数值化处理,并基于相似度计算对参保企业进行归纳。
2.根据权利要求1所述的企业归纳系统,其特征在于,所述第一处理子系统包括:
第一处理模块,用于根据企业参保规模分布,利用四分位法确定企业参保规模处于分割点位置的数值,构建企业参保规模标签;
第二处理模块,用于根据企业平均年龄分布,利用四分位法确定企业平均年龄处于分割点位置的数值,构建企业参保年龄标签;
第三处理模块,用于根据企业参保规模的时间序列构建线性回归函数,并根据线性回归函数的拟合情况,构建企业发展标签;
第四处理模块,用于根据企业平均参保时长分布,利用四分位法确定企业平均参保时长处于分割点位置的数值,构建企业用工稳定标签;
第五处理模块,用于通过企业参保人员的信息加权,构建企业人才层次标签。
3.根据权利要求2所述的企业归纳系统,其特征在于,所述第二处理子系统包括:
第六处理模块,用于对企业参保规模标签、企业参保年龄标签、企业发展标签、企业用工稳定标签以及企业人才层次标签分别进行数值化处理;
第七处理模块,用于根据数值化处理结果,计算目标企业与同行企业间的欧氏距离,得到欧氏距离中值最小的前n个企业;
第八处理模块,用于计算目标企业与前n个企业的皮尔逊相似度,完成对参保企业的归纳。
4.根据权利要求3所述的企业归纳系统,其特征在于,所述对企业参保规模标签进行数值化处理为:
其中,Sscale表示参保规模标签数值化后的值,n表示标签数,x1表示企业参保规模标签。
5.根据权利要求3所述的企业归纳系统,其特征在于,所述对企业发展标签进行数值化处理为:
其中,Sdev表示企业发展标签数值化后的值,n表示标签数,x2表示企业发展标签。
6.根据权利要求3所述的企业归纳系统,其特征在于,所述对企业用工稳定标签进行数值化处理为:
其中,Sstb表示企业用工稳定标签数值化后的值,n表示标签数,x3表示企业用工稳定标签。
7.根据权利要求3所述的企业归纳系统,其特征在于,所述对企业人才层次标签数值化处理为:
其中,Sp表示企业人才层次标签数值化后的值,i'表示企业参保人员的学历,n'表示企业参保人数,ni'表示学历对应的人数,Sxl表示企业参保人员学历评分,Syx表示企业参保人员毕业院校评分。
8.根据权利要求3所述的企业归纳系统,其特征在于,所述目标企业与同行企业间的欧氏距离为:
其中,d(A,B)表示目标企业与同行企业间的欧氏距离,(x1,x2,...,x5)表示A企业标签,(y1,y2,...,y5)表示B企业标签,xi表示(x1,x2,...,x5),分别表示A企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签数值化后的值,yi表示(y1,y2,...,y5),分别表示B企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签数值化后的值,i=1,2,3,4,5,分别表示企业的参保规模标签、参保年龄标签、发展标签、用工稳定标签和人才层次标签。
9.根据权利要求8所述的企业归纳系统,其特征在于,所述皮尔逊相似度为:
其中,ρA,B表示皮尔逊相似度,cov(·)表示协方差运算,X,Y分别表示A企业标签和B企业标签,σ表示标准差,E[·]表示数学期望,μx和μy表示企业A和企业B的数学期望,和/>分别表示A企业标签和B企业标签的平均值。
10.一种如权利要求1-9任一所述的企业归纳系统的企业归纳方法,其特征在于,包括以下步骤:
S1、自动化构建企业标签;
S2、对构建的企业标签进行数值化处理,并基于相似度计算对参保企业进行归纳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790560.0A CN116664318A (zh) | 2023-06-29 | 2023-06-29 | 一种企业归纳系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790560.0A CN116664318A (zh) | 2023-06-29 | 2023-06-29 | 一种企业归纳系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116664318A true CN116664318A (zh) | 2023-08-29 |
Family
ID=87709807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310790560.0A Pending CN116664318A (zh) | 2023-06-29 | 2023-06-29 | 一种企业归纳系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116664318A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558541A (zh) * | 2018-11-30 | 2019-04-02 | 北京百悟科技有限公司 | 一种信息处理的方法、装置及计算机存储介质 |
CN112380318A (zh) * | 2020-11-12 | 2021-02-19 | 中国科学技术大学智慧城市研究院(芜湖) | 基于标签相似度的企业政策匹配方法 |
CN115794997A (zh) * | 2022-11-30 | 2023-03-14 | 中国银行股份有限公司 | 基于企业标签的企业匹配度处理方法及装置 |
CN116010704A (zh) * | 2023-01-13 | 2023-04-25 | 企知道网络技术有限公司 | 企业同行推荐方法、电子设备及存储介质 |
-
2023
- 2023-06-29 CN CN202310790560.0A patent/CN116664318A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558541A (zh) * | 2018-11-30 | 2019-04-02 | 北京百悟科技有限公司 | 一种信息处理的方法、装置及计算机存储介质 |
CN112380318A (zh) * | 2020-11-12 | 2021-02-19 | 中国科学技术大学智慧城市研究院(芜湖) | 基于标签相似度的企业政策匹配方法 |
CN115794997A (zh) * | 2022-11-30 | 2023-03-14 | 中国银行股份有限公司 | 基于企业标签的企业匹配度处理方法及装置 |
CN116010704A (zh) * | 2023-01-13 | 2023-04-25 | 企知道网络技术有限公司 | 企业同行推荐方法、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘志祥: "《中国上市公司财务预警模型的构建与应用研究》", 中国商务出版社, pages: 24 - 30 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kyvik et al. | Explaining the increase in publication productivity among academic staff: A generational perspective | |
CN109558541B (zh) | 一种信息处理的方法、装置及计算机存储介质 | |
Vu et al. | Exports and profitability: a note from quantile regression approach | |
Absar et al. | Human capital reporting: Evidences from the banking sector of Bangladesh | |
Chang et al. | How are journal impact, prestige and article influence related? An application to neuroscience | |
CN112053061A (zh) | 围串标行为识别方法、装置、电子设备和存储介质 | |
Turrell et al. | Using job vacancies to understand the effects of labour market mismatch on UK output and productivity | |
Rodriguez et al. | Feature selection for job matching application using profile matching model | |
US20110313940A1 (en) | Process To Optimize A Person's Profile Into A Standardized Competency Profile | |
US12008047B2 (en) | Providing an object-based response to a natural language query | |
US20190236718A1 (en) | Skills-based characterization and comparison of entities | |
Rowe et al. | Mobility patterns of overseas human capital in Australia: the role of a ‘new’graduate visa scheme and rural development policy | |
CN114819924A (zh) | 一种基于画像分析的企业信息推送处理方法及设备 | |
Appadoo et al. | Job recommendation system, machine learning, regression, classification, natural language processing | |
Elwick | Valuing diversity in universities: institutional value statements and the reality of student intakes | |
Cao et al. | Technological peer pressure and skill specificity of job postings | |
Asamoah et al. | Identifying intangible resources to enhance profitability strategies of Small-Medium Scale Construction Firms (SMSCFs) in developing countries | |
Aghion et al. | Social skills and the individual wage growth of less educated workers | |
Sostero et al. | The professional lens: What online job advertisements can say about occupational task profiles | |
CN116664318A (zh) | 一种企业归纳系统及方法 | |
WO2019218517A1 (zh) | 服务器、文本数据的处理方法及存储介质 | |
CN115034762A (zh) | 一种岗位推荐方法、装置、存储介质、电子设备及产品 | |
Langan et al. | Benchmarking factor selection and sensitivity: a case study with nursing courses | |
Clarke et al. | A comparative analysis of the relative occupational status of lawyers and accountants in nineteenth-century England and Wales | |
CN114493224A (zh) | 企业可持续发展程度评价方法和装置 |
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 |