韓保剛　杜素艷　于乃文　周博

關(guān)鍵詞 人力資源 招聘 信息系統(tǒng) 智慧平臺(tái)

基金項(xiàng)目：1. 2019年河北省人力資源社會(huì)保障研究課題（JRS-2019-6005）; 2. 2018年河北科技大學(xué)理工學(xué)院教學(xué)改革研究課題（2018Z01）; 3. 2018年河北省高等教育教學(xué)改革研究與實(shí)踐項(xiàng)目課題（2018GJJG608）。

作者簡(jiǎn)介：韓保剛，石家莊市東苑小學(xué);杜素艷，河北第二機(jī)械工業(yè)有限公司;于乃文、周博，河北科技大學(xué)理工學(xué)院。

中圖分類(lèi)號(hào)：D035.3 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?? ? ? ? ? ?DOI：10.19387/j.cnki.1009-0592.2019.08.206

眾所周知，人力資源是企業(yè)發(fā)展和社會(huì)進(jìn)步中的重要推動(dòng)力，人崗匹配成為人力資源招聘管理中的重中之重，而傳統(tǒng)的人工篩選求職簡(jiǎn)歷，進(jìn)行集中面試的方式存在著招聘人員主觀性強(qiáng)、應(yīng)聘人員數(shù)據(jù)量低、評(píng)判不科學(xué)等限制。隨著大數(shù)據(jù)、云計(jì)算、智能機(jī)器人、VR、神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，“人工智能”已經(jīng)進(jìn)入了現(xiàn)實(shí)世界，并且發(fā)揮著越來(lái)越重要的作用?；诤Ａ繑?shù)據(jù)的科學(xué)分析服務(wù)實(shí)現(xiàn)了管理模式的創(chuàng)新，可以滿(mǎn)足為管理者提供個(gè)性化的數(shù)據(jù)信息服務(wù)需求，同時(shí)也可以為人力資源管理部門(mén)更加有效地、科學(xué)地、客觀地分析和評(píng)價(jià)應(yīng)聘者和員工，最大限度地提升“人-企”雙方的相互滿(mǎn)意程度和吻合程度。

由于人崗匹配是人員綜合素質(zhì)情況和崗位勝任情況的綜合評(píng)定，這個(gè)過(guò)程是一個(gè)動(dòng)態(tài)的、半結(jié)構(gòu)化的和雙向的過(guò)程，供求雙方如何在這一動(dòng)態(tài)過(guò)程中尋求共同點(diǎn)是這項(xiàng)工作的難點(diǎn)，因此，文章以人工智能為依托，提出了智慧型的人力資源招聘系統(tǒng)的框架，以實(shí)現(xiàn)“簡(jiǎn)歷填寫(xiě)→簡(jiǎn)歷智能篩選→人崗吻合度初次評(píng)價(jià)→智能輔助面試→人崗吻合度綜合評(píng)價(jià)”的全過(guò)程智能化、系統(tǒng)化管理。

一、人力資源招聘系統(tǒng)的整體設(shè)計(jì)

人力資源招聘系統(tǒng)工作的整體設(shè)計(jì)流程和業(yè)務(wù)流程如圖1所示。應(yīng)聘者按照簡(jiǎn)歷模板從系統(tǒng)中輸入自己相關(guān)的信息，這些海量的簡(jiǎn)歷數(shù)據(jù)進(jìn)入簡(jiǎn)歷數(shù)據(jù)池進(jìn)行保存，由于簡(jiǎn)歷數(shù)量巨大，且個(gè)性化內(nèi)容比較多，因此需要進(jìn)行高效的篩選，這里系統(tǒng)采用了基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)技術(shù)，即：前期以人工為主篩選簡(jiǎn)歷，而學(xué)習(xí)機(jī)通過(guò)這個(gè)過(guò)程不斷地學(xué)習(xí)，不斷地接受訓(xùn)練，經(jīng)過(guò)一段時(shí)間后，學(xué)習(xí)機(jī)會(huì)掌握管理者的一些想法和做法，建立自己的工作思路和體系，然后逐步取代人的一些工作，直到接近完全取代，在從海量簡(jiǎn)歷池中完成數(shù)據(jù)篩選后便成為了合格簡(jiǎn)歷池，下一步就是面試。由于傳統(tǒng)的面試存在著時(shí)間長(zhǎng)，面試官主觀性強(qiáng)的問(wèn)題，因此，系統(tǒng)依然采用學(xué)習(xí)機(jī)的方式，從訓(xùn)練開(kāi)始，到采用“場(chǎng)景+語(yǔ)音識(shí)別”的方式去接近完全代替人來(lái)完成面試。這兩項(xiàng)工作完成后，系統(tǒng)會(huì)結(jié)合管理者的設(shè)定對(duì)應(yīng)聘人員結(jié)合崗位要求進(jìn)行個(gè)性化的綜合評(píng)定，然后實(shí)行量化制打分，最終確定招聘結(jié)論。

二、系統(tǒng)的實(shí)現(xiàn)方法

（一）簡(jiǎn)歷的篩選過(guò)程設(shè)計(jì)

簡(jiǎn)歷的自動(dòng)篩選需要制定標(biāo)準(zhǔn)，這個(gè)標(biāo)準(zhǔn)就是建立的崗位模型，學(xué)習(xí)機(jī)指揮著智能篩選系統(tǒng)來(lái)完成簡(jiǎn)歷與崗位的匹配，并按照設(shè)定的閾值來(lái)將合格的簡(jiǎn)歷導(dǎo)入到“合格簡(jiǎn)歷池”，系統(tǒng)采用了人工神經(jīng)網(wǎng)絡(luò)技術(shù)（即：Back Propagation， BP）來(lái)實(shí)現(xiàn)的。其步驟如下：

1.制定崗位的人才選拔體系、指標(biāo)和指標(biāo)權(quán)重

根據(jù)崗位的不同特點(diǎn)，人力資源管理部門(mén)根據(jù)崗位和用人標(biāo)準(zhǔn)，采用“人員-崗位”匹配原則，建立需求模型，這個(gè)模型可以采用多個(gè)維度的指標(biāo)庫(kù)，如：基本狀況指標(biāo)、人格特征指標(biāo)、工作動(dòng)機(jī)指標(biāo)、基本技能指標(biāo)、個(gè)人能力指標(biāo)等等，并將這個(gè)指標(biāo)劃分為若干個(gè)子指標(biāo)，如表1。

2.根據(jù)指標(biāo)體系上傳簡(jiǎn)歷模板

根據(jù)指標(biāo)系統(tǒng)要求，上傳簡(jiǎn)歷模板，包含：姓名，年齡，學(xué)歷等等，也包括個(gè)性化的一些問(wèn)題，如：從事程序設(shè)計(jì)時(shí)間，上傳系統(tǒng)的樣本等等。

3.利用學(xué)習(xí)機(jī)控制“智能篩選系統(tǒng)”完成簡(jiǎn)歷篩選

智能篩選系統(tǒng)在學(xué)習(xí)機(jī)的幫助下通過(guò)對(duì)應(yīng)聘者基本狀況、基本技能、個(gè)人人格等特征的深度分析，從簡(jiǎn)歷數(shù)據(jù)池中獲取合格的簡(jiǎn)歷。為了提高數(shù)據(jù)篩選的準(zhǔn)確性，系統(tǒng)采用了BP神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)的算法，該算法首先從簡(jiǎn)歷信息資源池中獲取海量數(shù)據(jù)，然后建立以崗位匹配模型為依據(jù)的約束方程，判斷各指標(biāo)是否在設(shè)定的閾值范圍內(nèi)，特別是主觀指標(biāo)部分。同時(shí)通過(guò)提取個(gè)例的數(shù)據(jù)特征，經(jīng)過(guò)必要的分析和計(jì)算，結(jié)合人工的干預(yù)，再利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)（CNN）完成深度學(xué)習(xí)，學(xué)習(xí)完成后向后反饋卷積值，通過(guò)這種反饋調(diào)整加權(quán)參數(shù)、閾值權(quán)數(shù)和控制參數(shù)，完成最終的學(xué)習(xí)過(guò)程和訓(xùn)練過(guò)程，如圖2所示。

隨著海量簡(jiǎn)歷數(shù)據(jù)篩選的“經(jīng)驗(yàn)”積累，加以人工的干預(yù)，學(xué)習(xí)機(jī)的控制能力會(huì)越來(lái)越強(qiáng)，直到接近取代人工。

（二）“機(jī)器+VR虛擬”面試過(guò)程設(shè)計(jì)

機(jī)器可以采用學(xué)習(xí)機(jī)的方式首先進(jìn)行“訓(xùn)練”，然后在實(shí)踐過(guò)程中深度學(xué)習(xí)，從而完成對(duì)應(yīng)聘者的面試。這里要解決以下幾個(gè)問(wèn)題：（1）如何解決機(jī)器語(yǔ)義判斷的問(wèn)題;（2）如何解決應(yīng)答匹配的問(wèn)題。

首先，機(jī)器本身對(duì)于語(yǔ)義的判斷和匹配的精讀是有限的，為了解決這一問(wèn)題可以采用訓(xùn)練知識(shí)庫(kù)的方式解決，知識(shí)庫(kù)的訓(xùn)練過(guò)程是以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，應(yīng)用“深度學(xué)習(xí)”相關(guān)算法和“模式識(shí)別”相關(guān)技術(shù)，自主提高機(jī)器自身能力，以便于處理更加口語(yǔ)化的問(wèn)題，通過(guò)機(jī)器訓(xùn)練和人工訓(xùn)練，不斷完善自身的知識(shí)庫(kù)，理解應(yīng)聘者對(duì)問(wèn)題的回答含義，通過(guò)“交流”不斷判斷和收集其技能程度、敬業(yè)程度、專(zhuān)業(yè)吻合度等等，并將這些主觀回答轉(zhuǎn)換為可量化的數(shù)據(jù)，以便最終形成評(píng)判分值?！叭?機(jī)”對(duì)話還需要考慮應(yīng)聘者上下文的連續(xù)問(wèn)題、個(gè)性化問(wèn)題等等，這樣，前者可以在Encoder階段把上下文信息context及當(dāng)前輸入Message同時(shí)編碼，從而促進(jìn)Decoder階段可以參考上下文信息，最終生成應(yīng)答Response;隨后，系統(tǒng)還可以定義不同身份、不同個(gè)性和不同語(yǔ)言風(fēng)格的個(gè)性化助理，信息通過(guò)word Embedding的表達(dá)方式來(lái)體現(xiàn)，在不同的聊天風(fēng)格的背景下，選擇不同的聊天助理來(lái)解決這一問(wèn)題。

其次，應(yīng)聘者可能會(huì)主動(dòng)提出一些問(wèn)題，這時(shí)就需要機(jī)器進(jìn)行答復(fù)，如：應(yīng)聘者詢(xún)問(wèn)待遇問(wèn)題，企業(yè)發(fā)展問(wèn)題等等，這時(shí)機(jī)器在分析應(yīng)聘者問(wèn)題的基礎(chǔ)上，自動(dòng)從各種數(shù)據(jù)源中匹配與之近似程度高的答案，當(dāng)然，隨著學(xué)習(xí)機(jī)“知識(shí)”的不斷積累，回答問(wèn)題的準(zhǔn)確程度也會(huì)越來(lái)越高。機(jī)器在關(guān)鍵詞匹配的基礎(chǔ)上，用了NLP技術(shù)，即自然語(yǔ)言處理技術(shù)，這樣機(jī)器與人之間的交流和溝通，更貼近于人與人之間的交流，應(yīng)聘者的問(wèn)題，不必再必須采用關(guān)鍵字識(shí)別的方式，而是首先理解一個(gè)完整的句子。

三、結(jié)論

文章以人工智能為依托，提出了智慧型的人力資源招聘系統(tǒng)的框架和實(shí)現(xiàn)方法，很好地解決了傳統(tǒng)招聘模式中存在的勞動(dòng)強(qiáng)度大、主觀性強(qiáng)、評(píng)判不科學(xué)的問(wèn)題，最大限度地提升了“人-企”雙方的相互滿(mǎn)意程度。

參考文獻(xiàn)：

[1]劉君.基于物聯(lián)網(wǎng)技術(shù)的高校智慧教室的設(shè)計(jì)研究[J].陜西理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，33（5）：52-57.

[2]康麗華，侯君華，韓保剛，等.基于cloud &bim 的智慧建筑項(xiàng)目管理信息平臺(tái)設(shè)計(jì)[J].河北工業(yè)科技，2017，34（6）：459-464.

[3]秦樂(lè)樂(lè)，黃濤，劉暢.基于物聯(lián)網(wǎng)技術(shù)的高校智慧實(shí)驗(yàn)室架構(gòu)[J].河北工業(yè)科技，2018，35（6）：400-405.

[4]QIN Lele，YU Naiwen，ZHAO Donghui.Applying the convolutional neural network deep learning technology to behavioural recognition in intelligent video[J].Technical Gazette，2018，25（2）：528-535.