一种基于人工智能的人才资源分配决策辅助方法及系统与流程
本发明属于人工智能,特别是涉及一种基于人工智能的人才资源分配决策辅助方法及系统。
背景技术:
1、在现代企业运营与组织管理中,人才资源分配决策辅助方法作为实现人岗精准匹配与组织效能优化的关键手段,通过对海量候选人档案信息与多类型岗位需求进行结构化分析与关联计算,为人力资源规划、岗位竞聘及人才选拔提供客观的决策参考依据。随着企业组织架构的日益庞大与业务形态的多样化,如何利用人工智能技术从海量人才档案与岗位要求中快速、精准且全面地筛选出高契合度候选人,已成为组织数字化转型与智能化管理的核心环节。
2、现有的基于人工智能的人才资源分配决策辅助方法在实际应用中仍存在诸多显著缺陷。一方面,现有匹配方案的评估维度较为单一,多仅依赖关键词标签重合度或单一语义特征相似度进行浅层比对,无法全面考量候选人的历史绩效稳定性、未来发展潜力等多维度素质,且对不同业务序列的岗位采用同质化评分规则,难以满足不同岗位类型的差异化用人偏好;另一方面,现有模型在处理大规模人才库匹配时,普遍存在计算资源消耗过大、响应延迟高以及决策过程不透明等问题,且直接由算法输出决策结果易产生“黑盒”效应,缺乏可溯源的合规审核机制与证据链支撑,无法满足自动化决策的人工干预与监管要求。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够兼顾多维综合评估、序列自适应匹配、高效两阶段筛选与合规可解释审核的基于人工智能的人才资源分配决策辅助方法。
2、第一方面,本申请提供了一种基于人工智能的人才资源分配决策辅助方法,包括:
3、s1、对获取的人才多源档案数据和目标岗位说明书进行文本解析和特征提取,生成候选人特征文本和岗位结构化需求;
4、s2、将候选人特征文本和岗位结构化需求输入语义嵌入模型进行特征编码,得到候选人语义特征向量和岗位语义特征向量;
5、s3、根据目标岗位说明书所属的岗位业务序列,在预设的序列-权重映射表中查询和岗位业务序列匹配的目标权重向量;其中,目标权重向量包括向量相似权重、标签重合权重、绩效表现权重、潜力评估权重和深度语义权重;
6、s4、基于候选人语义特征向量和岗位语义特征向量,对各候选人进行四维度量化评估,得到各候选人对应的四维量化得分集;其中,四维量化得分集包括向量相似得分、标签重合得分、绩效表现得分和潜力评估得分;
7、s5、根据各候选人的四维量化得分集和目标权重向量,对全部候选人进行加权综合排序,并选取排名前n位的候选人组成粗排候选人池;
8、s6、调用预置的大语言模型对粗排候选人池中的每个候选人进行深度语义推理和证据链提取,生成各候选人的深度语义评分、结构化匹配事实数据和推荐理由;根据深度语义评分生成目标候选人排序集;
9、s7、将目标候选人排序集输入合规审核状态机,响应于hr端对目标候选人排序集中各候选人的人才资源分配审核指令,将人才资源分配审核指令对应的候选人的流转状态从待审核状态流转至通过状态或驳回状态;当流转状态为通过状态时,生成合规决策结果;其中,合规决策结果包括各候选人的身份信息、四维量化得分集、深度语义评分、推荐理由和审核依据,审核依据包括候选人的项目经历、技能证书和绩效数据。
10、第二方面,本申请还提供了一种基于人工智能的人才资源分配决策辅助系统,用于实现第一方面中所述的方法,包括:
11、人岗特征解析模块,用于对获取的人才多源档案数据和目标岗位说明书进行文本解析和特征提取,生成候选人特征文本和岗位结构化需求;
12、语义特征编码模块,用于将候选人特征文本和岗位结构化需求输入语义嵌入模型进行特征编码,得到候选人语义特征向量和岗位语义特征向量;
13、序列权重映射模块,用于根据目标岗位说明书所属的岗位业务序列,在预设的序列-权重映射表中查询和岗位业务序列匹配的目标权重向量;
14、四维量化评估模块,用于基于候选人语义特征向量和岗位语义特征向量,对各候选人进行四维度量化评估,得到各候选人对应的四维量化得分集;
15、加权综合粗排模块,用于根据各候选人的四维量化得分集和目标权重向量,对全部候选人进行加权综合排序,并选取排名前n位的候选人组成粗排候选人池;
16、深度语义精排模块,用于调用预置的大语言模型对粗排候选人池中的每个候选人进行深度语义推理和证据链提取,生成各候选人的深度语义评分、结构化匹配事实数据和推荐理由;根据深度语义评分生成目标候选人排序集;
17、合规审核决策模块,用于将目标候选人排序集输入合规审核状态机,响应于hr端对目标候选人排序集中各候选人的人才资源分配审核指令,将人才资源分配审核指令对应的候选人的流转状态从待审核状态流转至通过状态或驳回状态;当流转状态为通过状态时,生成合规决策结果。
18、第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如第一方面中的基于人工智能的人才资源分配决策辅助方法。
19、第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中的基于人工智能的人才资源分配决策辅助方法。
20、上述基于人工智能的人才资源分配决策辅助方法及系统,通过语义嵌入模型输出的候选人语义特征向量和岗位语义特征向量,结合四维量化得分集,可以实现对候选人的多维度量化评估。依据岗位业务序列查询对应的目标权重向量,并进行加权综合排序和粗排筛选,可以实现不同岗位类型的差异化评估,提高粗排筛选的针对性。通过先进行加权综合排序和粗排筛选再交由大语言模型进行深度语义推理的两阶段架构,可以降低大语言模型接口调用次数,提高人才资源分配决策辅助方法在应答时的速度。通过大语言模型进行深度语义推理和证据链提取,生成结构化匹配事实数据,并结合推荐理由生成机制,可以提高匹配结果的可解释性。通过将目标候选人排序集输入合规审核状态机并依据hr端的审核指令流转状态,生成合规决策结果,可以实现自动化推荐与人工审核相结合的决策闭环,提高对自动化决策合规要求的满足程度。
1.一种基于人工智能的人才资源分配决策辅助方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
3.根据权利要求1所述的方法,其特征在于,所述s4,包括:
4.根据权利要求1所述的方法,其特征在于,所述s5,包括:
5.根据权利要求4所述的方法,其特征在于,所述s6,包括:
6.一种基于人工智能的人才资源分配决策辅助系统,用于实现权利要求1至5中任一项所述的方法,其特征在于,所述系统包括:
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com