基于大數(shù)據(jù)技術(shù)的人才隊(duì)伍全景視圖構(gòu)建

基于大數(shù)據(jù)技術(shù)的人才隊(duì)伍全景視圖構(gòu)建摘要：目前浙江電力集團(tuán)在實(shí)施“互聯(lián)網(wǎng)+營(yíng)銷”的戰(zhàn)略時(shí)，需要考慮互聯(lián)網(wǎng)人才“數(shù)據(jù)導(dǎo)向”、“邏輯與創(chuàng)造力”、“迅速的改變”、“持續(xù)學(xué)習(xí)能力”等方面的特征，應(yīng)用聚類、關(guān)聯(lián)規(guī)則等大數(shù)據(jù)分析建模方法，多角度、多維度的分析挖掘，構(gòu)建“互聯(lián)網(wǎng)+營(yíng)銷服務(wù)”創(chuàng)新基地人才隊(duì)伍全景視圖，通過(guò)深層次的解讀“互聯(lián)網(wǎng)+營(yíng)銷服務(wù)”創(chuàng)新人才特征，發(fā)現(xiàn)各類人才的獨(dú)特性和影響力，并針對(duì)不同的職能需求，為決策者在人才能力評(píng)估、人才培訓(xùn)、崗位配置等決策時(shí)提供可靠的數(shù)據(jù)支持。

關(guān)鍵詞：大數(shù)據(jù)；分析建模；標(biāo)簽；人才隊(duì)伍；全景視圖

ConstructionofEmployeePortraitBasedonBigData

Abstract：StateGridZhejiangElectricPowerCompanyneedstoconsiderthecharacteristicsof“data-oriented”，“l(fā)ogicandcreativity”，“rapidchange”，“sustainablelearningability”ofinternettalentswhenimplementingthe“Internet+Marketing”strategy.Therefore，applyclustering，associationrulesandotherbig-dataanalysismodelingmethods，tomulti-angleandmulti-dimensionalanalysisandminingandbuildanemployeeportraitofthe“Internet+Marketing”innovationbase.Inthisway，youcaninterpretthecharacteristicsof“Internet+Marketing”employeesdeeper，discovertheuniquenessandinfluenceofvariousemployees，andprovidereliabledatasupportfordecision-makersinemployee’scapacityassessment，training，andjobplacementfordifferentfunctionalneeds.

Keywords：Big-Data，AnalyticalModeling，Tag，Employee，Portrait

引言

根據(jù)國(guó)家電網(wǎng)總部戰(zhàn)略部署的要求：構(gòu)建“互聯(lián)網(wǎng)+”重要戰(zhàn)略部署，浙江省電力有限公司于2015年8月成立“互聯(lián)網(wǎng)+營(yíng)銷服務(wù)”創(chuàng)新基地，旨在打造中國(guó)電力營(yíng)銷領(lǐng)域創(chuàng)新成果轉(zhuǎn)化孵化器和創(chuàng)新人才培育基地。但在瞬息萬(wàn)變的互聯(lián)網(wǎng)環(huán)境、越來(lái)越精細(xì)化的人才需求情況下，傳統(tǒng)人力資源管理方式，無(wú)法全面、快速、精準(zhǔn)的對(duì)人才各項(xiàng)能力進(jìn)行判斷，必定會(huì)面臨員工與崗位無(wú)法精準(zhǔn)匹配、個(gè)人能力考核難以評(píng)估、人力資源規(guī)劃與社會(huì)發(fā)展趨勢(shì)無(wú)法緊密結(jié)合、創(chuàng)新型人才培養(yǎng)難以滿足個(gè)性化需求等等問(wèn)題。

為進(jìn)一步促進(jìn)創(chuàng)新人才培養(yǎng)基地的人才隊(duì)伍能力評(píng)估、人才能力培養(yǎng)、人才選拔和人才引進(jìn)等相關(guān)工作開展，基于大數(shù)據(jù)技術(shù)和算法模型的發(fā)展，通過(guò)建立有效的數(shù)據(jù)指標(biāo)，有效刻畫出現(xiàn)有員工的能力、崗位需求匹配的能力，構(gòu)建人才隊(duì)伍全景視圖，有效進(jìn)行人與崗位的匹配，為創(chuàng)新基地的人員能力評(píng)估、人才隊(duì)伍能力培訓(xùn)、人才選拔或引進(jìn)提供數(shù)據(jù)支撐服務(wù)。

1人才隊(duì)伍全景視圖概述

1.1定義

傳統(tǒng)的人才畫像中，浙江省電力有限公司各基層單位以各自的實(shí)際需求為出發(fā)點(diǎn)，形成具有自身特點(diǎn)的標(biāo)簽體系。然而值得注意的是，對(duì)于創(chuàng)新基地來(lái)說(shuō)，各基層單位的人才信息分散且不全面。分散是指各基層單位系統(tǒng)彼此之間相互獨(dú)立又各有關(guān)聯(lián)，整合難度大；不全面是指數(shù)據(jù)往往是由浙電各基層單位建立、圍繞電力領(lǐng)域展開的，因此創(chuàng)新基地僅僅基于浙電內(nèi)部擁有的數(shù)據(jù)往往難以對(duì)人才進(jìn)行全方位的畫像。

人才隊(duì)伍全景視圖是基于大數(shù)據(jù)技術(shù)，將浙電內(nèi)部以前難以處理的半結(jié)構(gòu)化和非結(jié)構(gòu)化等內(nèi)部數(shù)據(jù)進(jìn)行結(jié)構(gòu)化解析，且結(jié)合創(chuàng)新基地人才隊(duì)伍的需求特征，引入與其高度相關(guān)的外部數(shù)據(jù)源，通過(guò)整合和分析電力領(lǐng)域內(nèi)、外的結(jié)構(gòu)化、非結(jié)構(gòu)化信息，將社交數(shù)據(jù)和浙江電網(wǎng)數(shù)據(jù)有機(jī)融合，可以更清晰真實(shí)的還原創(chuàng)新基地人才隊(duì)伍的全景視圖，使創(chuàng)新基地更加了解人才隊(duì)伍。

1.2作用

人才隊(duì)伍全景視圖的構(gòu)建，在一定程度可以反應(yīng)出人才的各種硬性指標(biāo)能力，可以為浙江電力人才創(chuàng)新基地的人才培養(yǎng)、人才選拔和引進(jìn)工作提供參考數(shù)據(jù)支撐，為崗位的能力匹配提供指導(dǎo)，但是因?yàn)槿瞬艠?biāo)簽是由模型算法根據(jù)具體數(shù)據(jù)指標(biāo)演算出來(lái)的，而部分?jǐn)?shù)據(jù)指標(biāo)的設(shè)定或者數(shù)據(jù)信息的設(shè)定均存在主觀性，所以人才全景視圖只能作為崗位人才培養(yǎng)和選拔的輔助工具，而不是絕對(duì)標(biāo)準(zhǔn)。

如：人才的溝通能力、工作效率質(zhì)量、學(xué)習(xí)能力等數(shù)據(jù)是通過(guò)調(diào)研文檔或管理者對(duì)人員的評(píng)估進(jìn)行收集的，存在一定的主觀性，這些主觀性數(shù)據(jù)指標(biāo)將影響算法結(jié)果。

2大數(shù)據(jù)技術(shù)介紹

創(chuàng)新基地人才隊(duì)伍全景視圖的構(gòu)建研究，主要應(yīng)用到的大數(shù)據(jù)技術(shù)和算法模型如下：

2.1中文分詞

中文分詞是指將一個(gè)中文文本分割成一個(gè)個(gè)詞語(yǔ)，并按照一定的規(guī)則重新組成單詞序列的過(guò)程。英文文本的單詞之間是直接利用空格進(jìn)行分隔的，而中文文本能利用標(biāo)點(diǎn)符號(hào)來(lái)劃分字、句和段等文本單位，但不能利用符號(hào)來(lái)對(duì)詞進(jìn)行直接劃分。因此中文的分詞處理要比英文復(fù)雜和困難很多。中文分詞是中文文本信息分析的前提，目前國(guó)內(nèi)的一些科研院校和研究所都有研究該技術(shù)的團(tuán)隊(duì)，也開發(fā)了一些中文分詞的開源項(xiàng)目，如JIEBA、HTTPCWS、IK、Paoding（庖丁解牛分詞）、NLPIR（前身ICTCLAS）和盤古分詞等。JIEBA分詞是文本分析處理中普遍使用的一種中文分詞方法。

JIEBA主要涉及到的算法有：

●基于Trie樹結(jié)構(gòu)實(shí)現(xiàn)高效的詞圖掃描，生成句子中漢字所有可能成詞情況所構(gòu)成的有向無(wú)環(huán)圖（DAG）；

●采用了動(dòng)態(tài)規(guī)劃查找最大概率路徑，找出基于詞頻的最大切分組合；

●對(duì)于未登錄詞，采用了基于漢字成詞能力的HMM模型，使用了Viterbi算法。

JIEBA提供了3種分詞模式，分別為：

●精確模式（默認(rèn)）：試圖將句子最精確地切開，適合文本分析；

●全模式：把句子中所有的可以成詞的詞語(yǔ)都掃描出來(lái)，速度非?？?，但是不能理解歧義問(wèn)題；

●搜索引擎模式：在精確模式的基礎(chǔ)上，對(duì)長(zhǎng)詞再次切分，提高召回率，適合用于搜索引擎分詞。

另外，JIEBA分詞支持繁體分詞和自定義字典方法。

2.2文本特征向量化

中文分詞將文本分割為詞序列后，還需要進(jìn)一步轉(zhuǎn)化為特征向量，常用的文本特征向量化的方式有兩種：基于詞頻-逆文檔頻率（TFIDF，TermFrequency-InverseDocumentFrequency）和基于計(jì)數(shù)的向量化。

TF-IDF是文本分析處理中普遍使用的一種特征向量化方法，它可以評(píng)估一個(gè)文檔中單詞在語(yǔ)料庫(kù)中的重要程度。TF-IDF的指導(dǎo)思想基于假設(shè)：在一個(gè)文本中，出現(xiàn)很多次的單詞在另一個(gè)同類文本中出現(xiàn)的次數(shù)也會(huì)很多，反之亦然。其主要原則是：如果一個(gè)單詞在個(gè)別文檔中高頻出現(xiàn)，但是在其他文檔中出現(xiàn)頻率很低，則這個(gè)單詞通過(guò)TF-IDF計(jì)算后將得到較高權(quán)重。

TF稱為詞頻，指的是某一給定的詞語(yǔ)在該文檔中出現(xiàn)的次數(shù)，該值通常會(huì)被歸一化，以防它偏向長(zhǎng)的文檔（同一個(gè)詞語(yǔ)在長(zhǎng)文檔里可能會(huì)比短文檔里有更高的詞頻，而不管該詞語(yǔ)重要與否）；

IDF稱為反文檔頻率，是一個(gè)詞語(yǔ)普遍重要性的度量。某一個(gè)特定詞語(yǔ)的IDF，可以由總文檔數(shù)目除以包含該詞語(yǔ)的文檔的數(shù)目，再將得到的商取對(duì)數(shù)得到。

將這兩個(gè)值（TF和IDF）相乘，得到了一個(gè)詞的TF-IDF值。

假設(shè)文檔集合為，表示中的任意文檔，表示文檔中單詞的出現(xiàn)頻率，表示文檔集合中包含單詞的文檔數(shù)目，則單詞的逆文檔頻率和其在文檔中的權(quán)重如下式所示：

2.3K均值聚類算法

2.3.1K均值聚類算法簡(jiǎn)述

在K均值聚類算法中，第一步是從原始數(shù)據(jù)集中挑選K個(gè)數(shù)據(jù)對(duì)象，并把它們當(dāng)作初始聚類中心，接下來(lái)根據(jù)樣本和聚類中心間的歐式距離，將自身歸到相應(yīng)的類別中，再計(jì)算形成的新類的聚類中心，重復(fù)以上過(guò)程，直到得到的評(píng)價(jià)函數(shù)收斂為止。

通常，評(píng)價(jià)函數(shù)可以用簇內(nèi)誤差平方和表示：

式中，k表示聚類的個(gè)數(shù)，P表示簇i中的數(shù)據(jù)對(duì)象，表示聚類中心，且聚類中按照以下公式更新：

式中，表示數(shù)據(jù)對(duì)象的個(gè)數(shù)。

2.3.2改進(jìn)的K均值聚類算法

本文提出一種改進(jìn)的K均值聚類算法，改進(jìn)算法提供了一種確定最佳聚類數(shù)的方法，并找到最佳聚類中心。首先，算法在高密度的數(shù)據(jù)點(diǎn)中選出一個(gè)和聚類中心的距離最遠(yuǎn)的點(diǎn)，并把它看作一個(gè)新的聚類中心，放置到聚類中心的集合中對(duì)某個(gè)數(shù)據(jù)集來(lái)說(shuō)，當(dāng)最佳聚類數(shù)確定時(shí)，根據(jù)改進(jìn)算法求出的聚類中心也是確定的，這樣，算法的穩(wěn)定性就會(huì)大大提高。

下面給出相關(guān)的概念定義。

●點(diǎn)密度：處在點(diǎn)的鄰域內(nèi)的點(diǎn)的數(shù)量；

式中，表示聚類中心，表示鄰域半徑。

●類內(nèi)距離：所有處于類中的點(diǎn)和聚類中心間歐氏距離的平均值；

●類間距離：各個(gè)類的聚類中心間的歐氏距離值；

●類間最大相似度均值（AMS）：各個(gè)類間的最大相似度的平均值；

當(dāng)AMS的取值最小時(shí)，表明算法的聚類效果最好，這時(shí)最佳聚類數(shù)就是K。

改進(jìn)的K均值聚類算法的具體過(guò)程如下：

（1）計(jì)算點(diǎn)密度，然后在備選點(diǎn)集合D中添加點(diǎn)密度較大的M個(gè)數(shù)據(jù)點(diǎn)；

（2）在D中根據(jù)密度值大小排序，挑選出前兩個(gè)密度最大的點(diǎn)當(dāng)作算法的初始聚類中心，并且把它們從D中刪除；

（3）從D中選出和步驟（2）初始聚類中心距離最遠(yuǎn)的點(diǎn)當(dāng)作新的聚類中心，并且把該點(diǎn)從D中刪除；

（4）利用迭代算法對(duì)N個(gè)數(shù)據(jù)點(diǎn)進(jìn)行以上操作，計(jì)算AMS值；

（5）當(dāng)計(jì)算出的當(dāng)下AMS值比前一次的AMS值小時(shí)，繼續(xù)執(zhí)行算法，并轉(zhuǎn)到步驟（6）；當(dāng)計(jì)算出的當(dāng)下AMS值比前一次的AMS值大時(shí)，把該最小AMS值相對(duì)應(yīng)的聚類中心看作K均值聚類算法的初始聚類中心，并轉(zhuǎn)到步驟（7）；

（6）按照聚類中心更新公式更新聚類中心，然后在集合D中挑選出一個(gè)數(shù)據(jù)點(diǎn)，使它和新的聚類中心間的最小距離有最大值，并把它看作下一個(gè)聚類中心，且從D中將其刪除，轉(zhuǎn)到步驟（4）；

（7）執(zhí)行K均值聚類算法。

2.4協(xié)同過(guò)濾算法

協(xié)同過(guò)濾一般是在海量的用戶中發(fā)掘出小部分和你品味比較類似的。在協(xié)同過(guò)濾中，這些用戶成為鄰居，然后根據(jù)他們喜歡的其他東西組織成一個(gè)排序的目錄作為推薦。協(xié)同過(guò)濾的主要功能是預(yù)測(cè)和推薦，算法通過(guò)對(duì)用戶歷史行為數(shù)據(jù)的挖掘發(fā)現(xiàn)用戶的偏好，基于不同的偏好對(duì)用戶進(jìn)行群組劃分并推薦品味相似的商品。協(xié)同過(guò)濾推薦算法分為兩類，分別使基于用戶的協(xié)同過(guò)濾算法（user-basedcollaborativefiltering），和基于物品的協(xié)同過(guò)濾算法（item-basedcollaborativefiltering）。

2.4.1基于用戶的協(xié)同過(guò)濾算法

基于用戶的協(xié)同過(guò)濾算法使通過(guò)用戶的歷史行為數(shù)據(jù)發(fā)現(xiàn)用戶對(duì)商品或內(nèi)容的喜歡（如商品購(gòu)買、收藏、內(nèi)容評(píng)論或分享），并對(duì)這些喜好進(jìn)行度量和打分。根據(jù)不同用戶對(duì)相同商品或內(nèi)容的態(tài)度和偏好程度計(jì)算用戶之間的關(guān)系。在由相同喜好的用戶間進(jìn)行商品推薦。

2.4.2基于物品的協(xié)同過(guò)濾算法

基于物品的協(xié)同過(guò)濾算法與基于用戶的協(xié)同過(guò)濾算法很像，將商品和用戶互換。通過(guò)計(jì)算不同用戶對(duì)不同物品的評(píng)分獲得物品間的關(guān)系，基于物品間的關(guān)系對(duì)用戶進(jìn)行相似物品的推薦。這里的評(píng)分代表用戶對(duì)商品的態(tài)度和偏好。

當(dāng)已經(jīng)對(duì)用戶行為進(jìn)行分析得到用戶喜好后，可根據(jù)用戶喜好計(jì)算相似用戶和物品。以下介紹幾種相似度計(jì)算的方法：

●歐幾里得距離

歐幾里得距離最初用于歐幾里得空間中的兩個(gè)點(diǎn)的距離，假設(shè)x，y是n維空間的兩個(gè)點(diǎn)，它們之間的歐幾里得距離為：

當(dāng)用歐幾里得距離表示相似度時(shí)，一般采用以下公式進(jìn)行轉(zhuǎn)換：距離越小，相速度越大；

●皮爾遜相關(guān)系數(shù)

皮爾遜相關(guān)系數(shù)一般用于計(jì)算兩個(gè)定距變量間聯(lián)系的緊密程度，其取值在[-1，+1]之間；

●余弦相似度

3基于大數(shù)據(jù)技術(shù)構(gòu)建人才隊(duì)伍全景視圖的步驟

人才隊(duì)伍全景視圖構(gòu)建的主要思路是：基于浙江省電力有限公司“互聯(lián)網(wǎng)+營(yíng)銷服務(wù)”基地培養(yǎng)“互聯(lián)網(wǎng)+營(yíng)銷服務(wù)”創(chuàng)新人才的需求，收集人才基本信息維度、能力維度、行為維度、性格維度、需求維度方面的數(shù)據(jù)，通過(guò)模型算法挖掘人才模型標(biāo)簽，構(gòu)建人才隊(duì)伍全景視圖，為決策者在人才培養(yǎng)、崗位匹配、人才能力評(píng)估等提供有效的數(shù)據(jù)支持。具體構(gòu)建步驟示意圖如下：

3.1數(shù)據(jù)源分析

3.1.1數(shù)據(jù)收集

本文所使用的數(shù)據(jù)來(lái)源主要有兩部分：

1.一部分是浙江電力的數(shù)據(jù)庫(kù)中存儲(chǔ)的數(shù)據(jù)。包括人才和工作崗位的基本信息、績(jī)效考評(píng)等。

●人才數(shù)據(jù)包括姓名、性別、年齡、工作經(jīng)歷、教育背景、自我介紹、技能特長(zhǎng)、工作經(jīng)歷、感興趣的崗位類型、待遇要求，以及人才使用推薦系統(tǒng)過(guò)程中反饋的信息等人才的基本信息，其中教育背景、工作經(jīng)驗(yàn)、自我介紹等字段屬于長(zhǎng)文本字段。

●崗位數(shù)據(jù)包括崗位名稱、類型、等級(jí)、薪資、福利待遇、職能、能力要求等，其中能力要求屬于長(zhǎng)文本字段。

●績(jī)效考核數(shù)據(jù)包括考勤記錄、培訓(xùn)記錄、工作完成情況等。

2.另一部分來(lái)自于外部訪談與問(wèn)卷調(diào)查補(bǔ)錄入。包括人才的社交行為、運(yùn)動(dòng)行為等方面的訪談或問(wèn)卷，屬于長(zhǎng)文本字段。

可模擬2000條員工信息，每個(gè)信息包含的字段有：性格自我評(píng)測(cè)（長(zhǎng)文本）、通用技能得分、互聯(lián)網(wǎng)創(chuàng)新能力得分、數(shù)據(jù)分析能力得分、綜合能力得分、營(yíng)銷業(yè)務(wù)能力得分；例如員工A的數(shù)據(jù)情況如下：

3.1.2數(shù)據(jù)處理

由于采集的數(shù)據(jù)有數(shù)值型也有字符型，還存在重復(fù)冗余、缺失值、不一致等問(wèn)題，所以，數(shù)據(jù)預(yù)處理階段還需要對(duì)這些數(shù)據(jù)進(jìn)行仔細(xì)分析，并根據(jù)數(shù)據(jù)中存在的具體問(wèn)題設(shè)計(jì)對(duì)應(yīng)的預(yù)處理規(guī)則，對(duì)數(shù)值型變量進(jìn)行補(bǔ)缺、標(biāo)準(zhǔn)化等處理，對(duì)字符型字段進(jìn)行中文分詞后特征向量化，才能對(duì)數(shù)據(jù)進(jìn)行清洗和轉(zhuǎn)換，從而提高數(shù)據(jù)質(zhì)量。具體處理步驟如下：

（1）數(shù)據(jù)分布探索：對(duì)數(shù)值型變量進(jìn)行匯總統(tǒng)計(jì)、計(jì)算百分位數(shù)、均值、方差等考察其分布情況；對(duì)字符型變量考察其取值情況；

（2）數(shù)據(jù)清洗：結(jié)合業(yè)務(wù)邏輯，主要是刪除采集的員工原始數(shù)據(jù)集中的無(wú)關(guān)數(shù)據(jù)、重復(fù)數(shù)據(jù)，平滑噪聲數(shù)據(jù)，篩選掉與挖掘主題無(wú)關(guān)的數(shù)據(jù)，處理缺失值、異常值。具體常用的方法有刪除法、替換法、插補(bǔ)法等；

（3）數(shù)據(jù)變換：將數(shù)據(jù)從一種表示形式變?yōu)榱硪环N表現(xiàn)形式的過(guò)程。對(duì)數(shù)值型變量進(jìn)行轉(zhuǎn)換，常用的變換方法有對(duì)數(shù)轉(zhuǎn)換、平方根轉(zhuǎn)換和倒數(shù)轉(zhuǎn)換等；對(duì)長(zhǎng)文本字段進(jìn)行中文分詞、特征提取及特征向量化；對(duì)字符型變量轉(zhuǎn)換成啞變量、標(biāo)稱標(biāo)量或序數(shù)變量；

通過(guò)以上步驟的數(shù)據(jù)處理工作，使數(shù)據(jù)更加標(biāo)準(zhǔn)化，便于下一步的分成分析模型數(shù)據(jù)應(yīng)用。

例如，對(duì)上述員工A的數(shù)據(jù)進(jìn)行處理?？煽闯鰡T工A的數(shù)據(jù)中，沒有空值和異常值，只需對(duì)數(shù)據(jù)進(jìn)行變換即可，變換步驟如下：

●數(shù)值字段“通用技能”、“互聯(lián)網(wǎng)創(chuàng)新”、“數(shù)據(jù)分析”、“綜合能力”和“營(yíng)銷業(yè)務(wù)”需對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理；利用“最大值-最小值”標(biāo)準(zhǔn)化方法，將得分統(tǒng)一為0.57、0.49、0.8、0.66和0.58；

●對(duì)于“性格自我評(píng)測(cè)”等文本對(duì)其進(jìn)行中文分詞，利用python的jieba分詞（jieba.cut（text）），分別得到“本人/有/較/強(qiáng)/的/上進(jìn)心/，/能/較/快/適應(yīng)環(huán)境/，/責(zé)任心/強(qiáng)/，/具有/良好/的/團(tuán)隊(duì)/合作/精神/和/溝通/能力”；

●對(duì)文本分詞的結(jié)果進(jìn)行文本去燥，刪除停用詞（停用詞詞典可用網(wǎng)上的通用停用詞點(diǎn)）后特征選擇，利用python的CountVectorizer包，并保留詞頻數(shù)大于等于2的詞語(yǔ)（CountVectorizer（min_df=2））得到結(jié)果“上進(jìn)心/責(zé)任心/合作/溝通”；

●對(duì)清洗后的文本詞語(yǔ)使用TF-IDF值進(jìn)行特征表示，利用python的TfidfTransformer包，將每個(gè)詞語(yǔ)都當(dāng)作是一個(gè)特征，并用TF-IDF值作為每個(gè)員工數(shù)據(jù)對(duì)應(yīng)的特征值；

●再結(jié)合處理后的員工數(shù)值型字段和長(zhǎng)文本字段（每個(gè)員工特征的TF-IDF值）得到一個(gè)員工的特征矩陣；

例如：?jiǎn)T工A的特征矩陣為

3.2標(biāo)簽構(gòu)建

基于上述數(shù)據(jù)，構(gòu)建人才標(biāo)簽體系。其標(biāo)簽體系框架圖如下：

3.2.1標(biāo)簽體系構(gòu)建

標(biāo)簽體系構(gòu)建分4個(gè)步驟：

1.標(biāo)簽主題確定

本文從人才的基礎(chǔ)信息、能力、行為、性格、需求5個(gè)維度去構(gòu)建。標(biāo)簽主題細(xì)分三級(jí)，第一級(jí)為主標(biāo)題，主標(biāo)題細(xì)分分支標(biāo)簽，分支標(biāo)簽再細(xì)分為子主題。具體分級(jí)如下圖：

2.標(biāo)簽粒度細(xì)分

標(biāo)簽粒度是指子主題的細(xì)分，是具體衡量子主題能力的各項(xiàng)具體指標(biāo)。如數(shù)據(jù)分析能力、事業(yè)信息、團(tuán)隊(duì)表現(xiàn)的標(biāo)簽粒度細(xì)分：

3.標(biāo)簽度量

有了標(biāo)簽粒度，則需要對(duì)標(biāo)簽的進(jìn)行度量。標(biāo)簽度量是指對(duì)標(biāo)簽值定義的規(guī)則。譬如工具應(yīng)用熟練程度的定義或者是敏感度高敏感模型概率值定義。

4.標(biāo)簽體系搭建

本文標(biāo)簽體系搭建如下：

3.2.2標(biāo)簽挖掘

標(biāo)簽的生成可分為：自成標(biāo)簽和模型標(biāo)簽。自成標(biāo)簽是指標(biāo)簽主題自帶屬性，無(wú)需要過(guò)多建模預(yù)測(cè)的，如人才的性別，年齡等。模型標(biāo)簽需要通過(guò)機(jī)器學(xué)習(xí)算法對(duì)標(biāo)簽樣本數(shù)據(jù)的多維度學(xué)習(xí)，建立機(jī)器自學(xué)習(xí)的標(biāo)簽?zāi)Ｐ?，可通過(guò)對(duì)樣本數(shù)據(jù)的調(diào)整以及模型結(jié)構(gòu)及參數(shù)的調(diào)整來(lái)逐步優(yōu)化模型，如人才的抗壓能力，人才的領(lǐng)導(dǎo)風(fēng)格等。本文主要使用K均值聚類算法來(lái)生成模型標(biāo)簽。

對(duì)數(shù)據(jù)處理完的數(shù)據(jù)，進(jìn)行行為建模，以抽象出用戶的標(biāo)簽。主要利用改進(jìn)版K均值聚類算法，針對(duì)能力維度與性格維度等隱性特征進(jìn)行標(biāo)簽挖掘。以下舉例領(lǐng)導(dǎo)風(fēng)格標(biāo)簽?zāi)Ｐ屯诰蛄鞒蹋?/p>

具體過(guò)程如下：

（1）將每個(gè)員工的數(shù)據(jù)當(dāng)作是n維坐標(biāo)空間上的點(diǎn)；

（2）隨機(jī)的取?個(gè)點(diǎn)（即?個(gè)員工）作為?個(gè)初始質(zhì)心；

（3）計(jì)算其他點(diǎn)（其他員工的數(shù)據(jù)）到這個(gè)?個(gè)質(zhì)心的距離；如果某個(gè)點(diǎn)?離第?個(gè)質(zhì)心的距離更近，則該點(diǎn)屬于clustern，并對(duì)其打標(biāo)簽；

（4）計(jì)算同一cluster中，也就是相同標(biāo)簽的點(diǎn)向量的平均值，作為新的質(zhì)心；

（5）迭代至所有質(zhì)心都不變化為止，即算法結(jié)束。

（6）算法結(jié)束后得到?個(gè)類別，對(duì)每個(gè)類別的特征進(jìn)行統(tǒng)計(jì)分析，得到每個(gè)類別的主要特征，并為該類別添加一個(gè)標(biāo)簽。

例如：有以下37個(gè)員工各方面的能力得分?jǐn)?shù)據(jù)，滿分均為50分；

將以上員工數(shù)據(jù)進(jìn)行聚類聚成3類，得到的3個(gè)類別的中心為

[28.66666667，25.83333333，31.33333333，23.33333333，6.66666667]，

[30.83333333，29.54166667，36.33333333，29.58333333，30.58333333]，

[25.77272727，22.43181818，28.95454545，29.22727273，24.09090909]

通過(guò)這3個(gè)類別中心可看出，第一個(gè)類別的員工，營(yíng)銷業(yè)務(wù)的能力特別弱，而其他能力一般；第二個(gè)類別的員工，所有方面的能力都相對(duì)較高；第三個(gè)類別的員工，綜合能力相對(duì)較高，而其他能力都一般。因此，可給第一類的員工打上“營(yíng)銷能力薄弱”的標(biāo)簽，給第二類員工打上“全面型人才”的標(biāo)簽，給第三類員工打上“綜合能力強(qiáng)”的標(biāo)簽。

3.3全景視圖輸出

將人才各維度的信息輸入到標(biāo)簽體系中，便能夠得到人才的全景視圖。人才的全景視圖將從基礎(chǔ)信息維度、性格維度、需求維度、行為維度和能力維度對(duì)人才進(jìn)行刻畫。同時(shí)，通過(guò)各個(gè)維度的指標(biāo)評(píng)分或指標(biāo)間的關(guān)聯(lián)分析，結(jié)合具體崗位的工作能力需求，將實(shí)現(xiàn)對(duì)人才進(jìn)行綜合的崗位能力匹配評(píng)估分析，為人才培養(yǎng)和選拔提供數(shù)據(jù)支持。某員工的人才全景視圖示意圖如下：

通過(guò)上述的標(biāo)簽的構(gòu)建，輸出整個(gè)員工隊(duì)伍的全景視圖分析維度如下：

4人才全景視圖的應(yīng)用

根據(jù)浙江省電力有限公司“互聯(lián)網(wǎng)+營(yíng)銷服務(wù)”創(chuàng)新基地旨在個(gè)性化培養(yǎng)創(chuàng)新人才與人才推薦的需求，本文的應(yīng)用場(chǎng)景分別為：人才個(gè)人能力評(píng)估、人才崗位推薦、個(gè)性化創(chuàng)新人才培養(yǎng)，但是全景視圖的應(yīng)用遠(yuǎn)不局限于以上三種應(yīng)用場(chǎng)景。

4.1人才個(gè)人能力評(píng)估

根據(jù)人才隊(duì)伍全景視圖刻畫出的人才各類標(biāo)簽，通過(guò)因子分析法（因子分析法是通過(guò)實(shí)證分析，研究待測(cè)變量間的相關(guān)關(guān)系，找出能將多個(gè)變量綜合為少數(shù)幾個(gè)因子，并且能盡可能多地反映原變量與因子的相關(guān)關(guān)系），抽取出員工能力背后的不同方向的能力，例如：技術(shù)能力、業(yè)務(wù)能力、溝通能力等，再根據(jù)崗位職責(zé)所需要人才的重點(diǎn)，得到人才能力總分，實(shí)現(xiàn)對(duì)于不同崗位的人才能力評(píng)估。

4.2人才崗位推薦

在人力資源推薦系統(tǒng)中，將人才隊(duì)伍全景視圖刻畫的待推薦人才各項(xiàng)能力標(biāo)簽、性格標(biāo)簽等標(biāo)簽作為用戶數(shù)據(jù)，崗位數(shù)據(jù)作為項(xiàng)目數(shù)據(jù)；使用協(xié)同過(guò)濾算法為人才推薦合適的崗位。協(xié)同過(guò)濾算法主要使用的是從人才標(biāo)簽提取的用戶-項(xiàng)目評(píng)分矩陣，利用用戶-項(xiàng)目評(píng)分矩陣在評(píng)分矩陣集中尋找最相近的N個(gè)近鄰，利用這N個(gè)近鄰的用戶，再次對(duì)所有項(xiàng)目進(jìn)行評(píng)分，選取評(píng)分最高的N個(gè)項(xiàng)目推薦給用戶。推薦過(guò)程如下圖：

4.3個(gè)性化創(chuàng)新人才培養(yǎng)