基于BP神經(jīng)網(wǎng)絡(luò)的科技人員人崗匹配測(cè)評(píng)模型*

戴衛(wèi)東， 蔣 蓉， 李鐵欣

(沈陽(yáng)工業(yè)大學(xué) 管理學(xué)院， 沈陽(yáng) 110870)

隨著知識(shí)經(jīng)濟(jì)時(shí)代的到來(lái)，全球經(jīng)濟(jì)一體化步伐加快，企業(yè)間的競(jìng)爭(zhēng)逐步轉(zhuǎn)化成人力資本的較量，人才是企業(yè)得以健康有序發(fā)展的重要保障[1]，起著舉足輕重的作用。人崗匹配是人力資源領(lǐng)域的重要組成部分，是人力資源進(jìn)行有效配置和合理使用的基礎(chǔ)[2]。

近年來(lái)，現(xiàn)代科技發(fā)展迅速，科技型中小企業(yè)順勢(shì)而生，成為培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的重要載體，其中，科技型員工憑借知識(shí)創(chuàng)造高科技產(chǎn)品，具有重大的作用，此類員工的比例也在逐年增加[3]。崗位和人是科技企業(yè)人力資源不可或缺的兩個(gè)核心因素，尋求有效的人崗匹配測(cè)量方式能夠提高人力資源效率，為企業(yè)制定人力資源規(guī)劃提供重要參考[4]。

目前建立人崗匹配測(cè)算模型最普遍的方法是模糊綜合評(píng)價(jià)法、層次分析法。層次分析法操作簡(jiǎn)單、解釋力強(qiáng)，但是其主觀成分較大，評(píng)價(jià)過(guò)程繁瑣，還不夠完善[5]。因此，設(shè)計(jì)一個(gè)能夠全面、準(zhǔn)確地評(píng)價(jià)科技人員工作能力的模型，有著重要的實(shí)際應(yīng)用意義。數(shù)據(jù)挖掘技術(shù)是一種新的智能方法，能夠科學(xué)有效地挖掘有價(jià)值的各種信息，保證評(píng)價(jià)模型的客觀性與有效性，同時(shí)規(guī)避了層次分析法主觀性太強(qiáng)的問(wèn)題[6]。BP神經(jīng)網(wǎng)絡(luò)是一種常用的數(shù)據(jù)挖掘技術(shù)，其憑借著智能性、自適應(yīng)性、自學(xué)習(xí)功能，被廣泛應(yīng)用在管理評(píng)價(jià)領(lǐng)域[7]，也被許多大企業(yè)引入到管理中，以提高企業(yè)的核心競(jìng)爭(zhēng)力，進(jìn)而實(shí)現(xiàn)智能化管理。本文正是通過(guò)應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對(duì)科技人員人崗匹配進(jìn)行研究的。

一、BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為[8]，結(jié)構(gòu)上由多個(gè)具有信息處理能力的神經(jīng)元連接而成，具有類似于動(dòng)物大腦的學(xué)習(xí)能力、推廣能力、自適應(yīng)能力、容錯(cuò)能力，被廣泛地應(yīng)用于模式識(shí)別、信號(hào)處理、知識(shí)工程、專家系統(tǒng)、優(yōu)化組合、機(jī)器人控制等領(lǐng)域，并取得了良好的效果[9]。BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò)，是多層感知器神經(jīng)網(wǎng)絡(luò)的典型代表，也是一種應(yīng)用非常廣泛的人工神經(jīng)網(wǎng)絡(luò)[10]。本文選用BP神經(jīng)網(wǎng)絡(luò)建立科技人員人崗匹配評(píng)價(jià)模型。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)模型

設(shè)輸入層神經(jīng)元的輸入為xi，則隱含層神經(jīng)元的輸出為

(1)

輸出層神經(jīng)元的輸出為

(2)

式中：w1ij為輸入層與隱含層之間的連接權(quán)重；w1ki為隱含層與輸出層之間的連接權(quán)重；b為閾值，連接權(quán)重和閾值在網(wǎng)絡(luò)訓(xùn)練時(shí)被確定；f1和f2為傳遞函數(shù)，可以分別取式(3)、(4)的形式，即

(3)

f2(n)=n

(4)

BP神經(jīng)網(wǎng)絡(luò)宜采用Levenberg-Marquardt算法進(jìn)行訓(xùn)練。

二、科技人員人崗匹配測(cè)評(píng)模型

1. 模型的建立過(guò)程

(1) 確定評(píng)價(jià)指標(biāo)體系。

(2) 確定輸出層目標(biāo)向量。

(3) 歸一化處理輸入輸出向量。

(4) 確定評(píng)價(jià)樣本數(shù)據(jù)。

(5) 得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)。

(6) 得出擬合測(cè)試評(píng)價(jià)結(jié)果。

評(píng)價(jià)模型建模過(guò)程，見(jiàn)圖2。

圖2 評(píng)價(jià)模型建模過(guò)程

2. 構(gòu)建測(cè)評(píng)指標(biāo)體系

人崗匹配度評(píng)價(jià)的重要環(huán)節(jié)就是合理選擇并確定人崗匹配的評(píng)價(jià)指標(biāo)體系，這是測(cè)評(píng)得以科學(xué)準(zhǔn)確進(jìn)行的依據(jù)[11]。人與人之間的知識(shí)、性格、技能、能力、心理素質(zhì)等存在個(gè)體的差異性，各個(gè)崗位也根據(jù)環(huán)境、工作性質(zhì)、行為規(guī)范有不一樣的標(biāo)準(zhǔn)。本文在參考前人研究的基礎(chǔ)上，考慮到科技型員工成就性、創(chuàng)新性、流動(dòng)性和獨(dú)立性等特點(diǎn)，根據(jù)系統(tǒng)科學(xué)、公平公正、人崗均衡、定量與定性相結(jié)合等原則，利用Delphi法向業(yè)內(nèi)專家進(jìn)行函詢，集中專家們的意見(jiàn)篩選出科技人員人崗匹配評(píng)價(jià)指標(biāo)。在運(yùn)用Delphi法向業(yè)內(nèi)專家征詢意見(jiàn)時(shí)，專家組成員應(yīng)該選取級(jí)別以及能力水平較高的管理者或?qū)W術(shù)造詣?shì)^高的學(xué)者來(lái)?yè)?dān)任[12]。

本文面向100位專家分發(fā)調(diào)查問(wèn)卷，進(jìn)行3輪反饋，有效問(wèn)卷回收率達(dá)100%。通過(guò)數(shù)據(jù)分析，歸納并構(gòu)建了合理有序的科技人員人崗匹配測(cè)評(píng)指標(biāo)體系，分為3類16個(gè)指標(biāo)，見(jiàn)表1。

表1 人崗匹配測(cè)評(píng)指標(biāo)體系

3. 測(cè)評(píng)模型結(jié)構(gòu)

在科技人員人崗匹配測(cè)評(píng)模型的構(gòu)建過(guò)程中，遵循科學(xué)性、通用性、有限性和全面性等原則，將教育背景、身體健康、責(zé)任心等16個(gè)指標(biāo)確定為市場(chǎng)影響因素?？萍既藛T人崗匹配測(cè)評(píng)模型采用二層前饋網(wǎng)絡(luò)，輸入層包括16個(gè)神經(jīng)元、1個(gè)中間隱層，隱含層包括4個(gè)神經(jīng)元，輸出層包括1個(gè)神經(jīng)元，神經(jīng)網(wǎng)絡(luò)模型見(jiàn)圖3。

圖3 科技人員人崗匹配測(cè)評(píng)神經(jīng)網(wǎng)絡(luò)模型

輸入層：包括16個(gè)神經(jīng)元，某項(xiàng)神經(jīng)網(wǎng)絡(luò)輸入值為教育背景、身體健康等16個(gè)指標(biāo)的打分，分值為1～10。

隱含層：較多的隱含層會(huì)使誤差向后傳播的過(guò)程計(jì)算越發(fā)復(fù)雜，進(jìn)而擴(kuò)大局部最小誤差，最終大大延長(zhǎng)訓(xùn)練時(shí)間[13]，本文選擇1層隱含層，即構(gòu)建3層BP神經(jīng)網(wǎng)絡(luò)。

輸入單元個(gè)數(shù)和輸出單元個(gè)數(shù)決定隱含層的神經(jīng)元個(gè)數(shù)，計(jì)算公式為

(5)

式中：R為輸入層神經(jīng)元個(gè)數(shù)；S為輸出層神經(jīng)元個(gè)數(shù)[14]。本文中R=16，S=1，根據(jù)公式計(jì)算，隱含層神經(jīng)元的個(gè)數(shù)為4個(gè)。

輸出層：輸出層包括1個(gè)神經(jīng)元，輸出為科技人員人崗匹配評(píng)價(jià)結(jié)果。

三、應(yīng)用實(shí)例

沈陽(yáng)市某外資企業(yè)的科技型員工約1 000人，他們掌握著企業(yè)的核心技術(shù)和知識(shí)，負(fù)責(zé)企業(yè)中最核心的技術(shù)。以該外企科技人員為研究對(duì)象，建立基于BP神經(jīng)網(wǎng)絡(luò)的人崗匹配測(cè)評(píng)模型。

利用圖3建立的評(píng)價(jià)模型，輸入數(shù)據(jù)即為以上16個(gè)人崗匹配測(cè)評(píng)指標(biāo)，其中定量化指標(biāo)根據(jù)實(shí)際情況獲取，將定性化指標(biāo)值進(jìn)行量化處理，處理方式選取專家打分制(其中，前10個(gè)作為訓(xùn)練樣本，后兩個(gè)作為檢測(cè)樣本)。專家對(duì)每個(gè)指標(biāo)值進(jìn)行打分，分值范圍為1～10分。輸出數(shù)據(jù)則是通過(guò)專家對(duì)人崗匹配度進(jìn)行人工評(píng)定得到，其中評(píng)分的標(biāo)準(zhǔn)和檔次的設(shè)定：教育背景為6(?？?、7(本科)、8(碩士)、9(博士)；工作經(jīng)歷為6(1年以下)、7(1～3年)、8(3～5年)、9(5年及以上)；其他指標(biāo)評(píng)分標(biāo)準(zhǔn)見(jiàn)表2。

表2 評(píng)分標(biāo)準(zhǔn)

通過(guò)專家對(duì)12組樣本打分，各指標(biāo)得分情況見(jiàn)表3。

表3 樣本得分情況

表4 歸一化后的無(wú)量綱化數(shù)據(jù)結(jié)果

將前10組數(shù)據(jù)指標(biāo)值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的輸入，后兩組數(shù)據(jù)指標(biāo)值作為神經(jīng)網(wǎng)絡(luò)檢測(cè)樣本的輸入，運(yùn)用Matlab對(duì)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練函數(shù)進(jìn)行計(jì)算，收斂精度0.000 1，動(dòng)態(tài)參數(shù)為0.05，最大訓(xùn)練次數(shù)為1 000次，實(shí)際訓(xùn)練迭代次數(shù)6次就能達(dá)到要求精度，對(duì)比結(jié)果見(jiàn)表5。

表5 期望輸出值與訓(xùn)練輸出值對(duì)比結(jié)果

由表5可知，訓(xùn)練和檢測(cè)樣本網(wǎng)絡(luò)輸出結(jié)果大體上符合專家評(píng)價(jià)結(jié)果，總體誤差在標(biāo)準(zhǔn)范圍之內(nèi)。由此認(rèn)為，用于人崗匹配評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)模型已訓(xùn)練成功，可用該模型對(duì)人崗匹配情況進(jìn)行綜合評(píng)價(jià)，作為領(lǐng)導(dǎo)者的決策依據(jù)。

四、結(jié)論及建議

本文針對(duì)科技人員的特征，構(gòu)建了科技人員人崗匹配測(cè)評(píng)模型，得到了較好的訓(xùn)練效果，驗(yàn)證了基于BP神經(jīng)網(wǎng)絡(luò)的科技人員人崗匹配測(cè)評(píng)模型的適用性，為優(yōu)化科技人員人力資源配置和完善科技人員人力資源管理決策提供了依據(jù)。

本文存在以下幾點(diǎn)不足：第一，由于抽樣群體的限制，整體樣本數(shù)量較少，接下來(lái)的研究應(yīng)當(dāng)盡可能選擇較多樣本，最大限度地降低主觀因素的影響，以逐步增加研究結(jié)果的穩(wěn)定性。第二，本文僅選擇了16項(xiàng)指標(biāo)評(píng)價(jià)值，沒(méi)有涉及其他指標(biāo)，今后的研究中要進(jìn)一步完善評(píng)價(jià)指標(biāo)體系，增加對(duì)于崗位較為重要的其他因素，淘汰當(dāng)前不合適的評(píng)價(jià)指標(biāo)，不斷提高評(píng)價(jià)結(jié)果的準(zhǔn)確性。

參考文獻(xiàn)：

[1] 楊倩，張小艷.軍工類研究所知識(shí)型員工人崗匹配評(píng)價(jià)研究 [J].現(xiàn)代商業(yè)，2014(2)：161-162.

[2] 李慧，馬士新.試論人力資源配置及其作用與模式 [J].現(xiàn)代經(jīng)濟(jì)信息，2016(13)：32.

[3] 王暢.科技型中小企業(yè)核心競(jìng)爭(zhēng)力探析 [J].市場(chǎng)觀察，2015(S1)：228-229.

[4] Jaleh F，Dehghanpour F，Mehdi K.The impact of person-job fit and person-organization fit on OCB [J].Personnel Review，2014，43(5)：672-691.

[5] 楊力，劉程程，宋利，等.基于熵權(quán)法的煤礦應(yīng)急救援能力評(píng)價(jià) [J].中國(guó)軟科學(xué)，2013(11)：185-192.

[6] 王雅軒，頊聰.數(shù)據(jù)挖掘技術(shù)的綜述 [J].電子技術(shù)與軟件工程，2015(8)：204-205.

[7] 朱俚治.一種基于BP神經(jīng)網(wǎng)絡(luò)的智能檢測(cè)病毒方法 [J].計(jì)算機(jī)技術(shù)與發(fā)展，2014(10)：163-166.

[8] 楊景花，王雙喜，周思方.基于神經(jīng)網(wǎng)絡(luò)的智能語(yǔ)音識(shí)別研究 [J].微型機(jī)與應(yīng)用，2016(17)：52-54.

[9] 張鵬，王興元.基于BP神經(jīng)網(wǎng)絡(luò)的品牌延伸決策模型 [J].軟科學(xué)，2012，26(3)：124-128.

[10]黃志華.基于BP算法的多層感知器網(wǎng)絡(luò)原理及程序?qū)崿F(xiàn) [J].嘉應(yīng)學(xué)院學(xué)報(bào)，2015(8)：18-21.

[11]Wang Q，Chen G.Evaluation of person-job fit on knowledge workers integrating AHP and BP neural network [M].New York：Springer，2013(1)：1063-1072.

[12]楊莘，典慧娟.病房護(hù)理崗位人崗匹配評(píng)價(jià)指標(biāo)體系的研究 [J].中華護(hù)理雜志，2016，51(1)：6-10.

[13]張瑞玉，劉健，左敏.BP神經(jīng)網(wǎng)絡(luò)的C2C電子商務(wù)信用評(píng)價(jià)模型的建立 [J].中國(guó)經(jīng)貿(mào)導(dǎo)刊，2015(5)：55-58.

[14]向燕，張小聯(lián)，鄭鑫.基于BP神經(jīng)網(wǎng)絡(luò)的熔鹽電導(dǎo)率預(yù)測(cè)研究 [J].中國(guó)鎢業(yè)，2014(3)：34-37.

[15]石善志，于會(huì)永，孫正麗，等.基于灰色關(guān)聯(lián)分析與BP神經(jīng)網(wǎng)絡(luò)的壓裂效果預(yù)測(cè) [J].長(zhǎng)江大學(xué)學(xué)報(bào)，2014(1)：154-156.