基于人工智能的人力資源招聘系統的研究

韓保剛　杜素艷　于乃文　周博

關鍵詞 人力資源 招聘 信息系統 智慧平臺

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

作者簡介：韓保剛，石家莊市東苑小學;杜素艷，河北第二機械工業有限公司;于乃文、周博，河北科技大學理工學院。

中圖分類號：D035.3 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ?? ? ? ? ? ?DOI：10.19387/j.cnki.1009-0592.2019.08.206

眾所周知，人力資源是企業發展和社會進步中的重要推動力，人崗匹配成為人力資源招聘管理中的重中之重，而傳統的人工篩選求職簡歷，進行集中面試的方式存在著招聘人員主觀性強、應聘人員數據量低、評判不科學等限制。隨著大數據、云計算、智能機器人、VR、神經網絡技術的發展，“人工智能”已經進入了現實世界，并且發揮著越來越重要的作用。基于海量數據的科學分析服務實現了管理模式的創新，可以滿足為管理者提供個性化的數據信息服務需求，同時也可以為人力資源管理部門更加有效地、科學地、客觀地分析和評價應聘者和員工，最大限度地提升“人-企”雙方的相互滿意程度和吻合程度。

由于人崗匹配是人員綜合素質情況和崗位勝任情況的綜合評定，這個過程是一個動態的、半結構化的和雙向的過程，供求雙方如何在這一動態過程中尋求共同點是這項工作的難點，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的框架，以實現“簡歷填寫→簡歷智能篩選→人崗吻合度初次評價→智能輔助面試→人崗吻合度綜合評價”的全過程智能化、系統化管理。

一、人力資源招聘系統的整體設計

人力資源招聘系統工作的整體設計流程和業務流程如圖1所示。應聘者按照簡歷模板從系統中輸入自己相關的信息，這些海量的簡歷數據進入簡歷數據池進行保存，由于簡歷數量巨大，且個性化內容比較多，因此需要進行高效的篩選，這里系統采用了基于神經網絡的學習機技術，即：前期以人工為主篩選簡歷，而學習機通過這個過程不斷地學習，不斷地接受訓練，經過一段時間后，學習機會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，在從海量簡歷池中完成數據篩選后便成為了合格簡歷池，下一步就是面試。由于傳統的面試存在著時間長，面試官主觀性強的問題，因此，系統依然采用學習機的方式，從訓練開始，到采用“場景+語音識別”的方式去接近完全代替人來完成面試。這兩項工作完成后，系統會結合管理者的設定對應聘人員結合崗位要求進行個性化的綜合評定，然后實行量化制打分，最終確定招聘結論。

二、系統的實現方法

（一）簡歷的篩選過程設計

簡歷的自動篩選需要制定標準，這個標準就是建立的崗位模型，學習機指揮著智能篩選系統來完成簡歷與崗位的匹配，并按照設定的閾值來將合格的簡歷導入到“合格簡歷池”，系統采用了人工神經網絡技術（即：Back Propagation， BP）來實現的。其步驟如下：

1.制定崗位的人才選拔體系、指標和指標權重

根據崗位的不同特點，人力資源管理部門根據崗位和用人標準，采用“人員-崗位”匹配原則，建立需求模型，這個模型可以采用多個維度的指標庫，如：基本狀況指標、人格特征指標、工作動機指標、基本技能指標、個人能力指標等等，并將這個指標劃分為若干個子指標，如表1。

2.根據指標體系上傳簡歷模板

根據指標系統要求，上傳簡歷模板，包含：姓名，年齡，學歷等等，也包括個性化的一些問題，如：從事程序設計時間，上傳系統的樣本等等。

3.利用學習機控制“智能篩選系統”完成簡歷篩選

智能篩選系統在學習機的幫助下通過對應聘者基本狀況、基本技能、個人人格等特征的深度分析，從簡歷數據池中獲取合格的簡歷。為了提高數據篩選的準確性，系統采用了BP神經網絡以及深度學習的算法，該算法首先從簡歷信息資源池中獲取海量數據，然后建立以崗位匹配模型為依據的約束方程，判斷各指標是否在設定的閾值范圍內，特別是主觀指標部分。同時通過提取個例的數據特征，經過必要的分析和計算，結合人工的干預，再利用卷積神經網絡技術（CNN）完成深度學習，學習完成后向后反饋卷積值，通過這種反饋調整加權參數、閾值權數和控制參數，完成最終的學習過程和訓練過程，如圖2所示。

隨著海量簡歷數據篩選的“經驗”積累，加以人工的干預，學習機的控制能力會越來越強，直到接近取代人工。

（二）“機器+VR虛擬”面試過程設計

機器可以采用學習機的方式首先進行“訓練”，然后在實踐過程中深度學習，從而完成對應聘者的面試。這里要解決以下幾個問題：（1）如何解決機器語義判斷的問題;（2）如何解決應答匹配的問題。

首先，機器本身對于語義的判斷和匹配的精讀是有限的，為了解決這一問題可以采用訓練知識庫的方式解決，知識庫的訓練過程是以卷積神經網絡為基礎，應用“深度學習”相關算法和“模式識別”相關技術，自主提高機器自身能力，以便于處理更加口語化的問題，通過機器訓練和人工訓練，不斷完善自身的知識庫，理解應聘者對問題的回答含義，通過“交流”不斷判斷和收集其技能程度、敬業程度、專業吻合度等等，并將這些主觀回答轉換為可量化的數據，以便最終形成評判分值。“人-機”對話還需要考慮應聘者上下文的連續問題、個性化問題等等，這樣，前者可以在Encoder階段把上下文信息context及當前輸入Message同時編碼，從而促進Decoder階段可以參考上下文信息，最終生成應答Response;隨后，系統還可以定義不同身份、不同個性和不同語言風格的個性化助理，信息通過word Embedding的表達方式來體現，在不同的聊天風格的背景下，選擇不同的聊天助理來解決這一問題。

其次，應聘者可能會主動提出一些問題，這時就需要機器進行答復，如：應聘者詢問待遇問題，企業發展問題等等，這時機器在分析應聘者問題的基礎上，自動從各種數據源中匹配與之近似程度高的答案，當然，隨著學習機“知識”的不斷積累，回答問題的準確程度也會越來越高。機器在關鍵詞匹配的基礎上，用了NLP技術，即自然語言處理技術，這樣機器與人之間的交流和溝通，更貼近于人與人之間的交流，應聘者的問題，不必再必須采用關鍵字識別的方式，而是首先理解一個完整的句子。

三、結論

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的框架和實現方法，很好地解決了傳統招聘模式中存在的勞動強度大、主觀性強、評判不科學的問題，最大限度地提升了“人-企”雙方的相互滿意程度。

參考文獻：

[1]劉君.基于物聯網技術的高校智慧教室的設計研究[J].陜西理工大學學報（自然科學版），2017，33（5）：52-57.

[2]康麗華，侯君華，韓保剛，等.基于cloud &bim 的智慧建筑項目管理信息平臺設計[J].河北工業科技，2017，34（6）：459-464.

[3]秦樂樂，黃濤，劉暢.基于物聯網技術的高校智慧實驗室架構[J].河北工業科技，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.