【文章內容簡介】 完全符合國際最先進的人力資源引進機制 。 （ 四 ） 人才儲備對企業(yè)的影響 招聘實踐中，常會發(fā)現一些條件不錯且適合企業(yè)需要的人才，因為崗位編制，企業(yè)階段發(fā)展計劃等因素限制無法現時錄用，但企業(yè)很可能在將來 某個時候需要這方面的人才。這個時候，企業(yè)人力資源不要輕易就與這些人才擦肩而過， 。 需要將這類人才的信息納入企業(yè)的人才信息庫（包括個人資料、面試小組意見、評價等），不定期地與之保持聯(lián)系，一旦將來出現崗位空缺或企業(yè)發(fā)展需要，即可招入麾下，既提高了招聘速度也降低了招聘成本 。 13 （五）雙向選擇原則 要 樹立“雙向選擇”的現代人才流動觀念，與應聘者特別是重點應聘者平等地、客觀地交流，看彼此是否真正合適。 在對企業(yè)現有人員進行員工分類時，會發(fā)現對于意向不是非常強烈的員工，其會有惰性并缺乏主動性，如果企業(yè)不能針對這類員工進行 相應的激勵的話，那么這類員工將增大企業(yè)人力資源自然減 員的幅度，這也將大大的浪費企業(yè)的財力和精力。 。 在進行高效的招聘時，企業(yè) 不能為了喜迎應聘者，故意美化、夸大企業(yè)，對企業(yè)存在的問題避而不談，以至于應聘者過分相信招聘企業(yè)的宣傳而對企業(yè)滿懷期望。一旦人才進入企業(yè)，發(fā)現企業(yè)實際上并沒有原先設想的那樣好，就會產生失落，上當受 騙的感覺，挫傷工作積極性。因此，企業(yè)在招聘中一定要強調雙向選擇 。 三 就業(yè)知識需求關系構建的具體實現 （一） 數據源選取 數據源選取的標準是以較小的資源耗費，幫助用戶獲得更高的查詢質量。選取質量較 高的數據源能夠盡可能降低網絡數據集成中后續(xù)集成工作的難度，所以我們選取與目標相關的文檔集作為信息源，以降低信息處理量。在本文中，選取的網絡文本數據源主要包含三類，一類為專業(yè)招聘網站上招聘信息；一類是企業(yè)官方網站上的招聘信息，；還有一類為專業(yè)博客社區(qū)中的博客。 14 首先是專業(yè)招聘網站。在我國招聘網站主要有兩種模式：中介平臺地位的傳統(tǒng)招聘模式以及近年來新興的依托商務社交的社交招聘模式，對招聘網站的細分如表１所示。 一級分類 二級分類 舉例 中介平臺地位的傳統(tǒng)招聘網站 綜合性的招聘網站 智聯(lián)招聘、前程無憂、中華英 才網 垂直細分的招聘網站 上海招聘網、南方人才網、世貿人才網 致力于招聘服務某些特定環(huán)節(jié)的招聘網站 Meijob、職友集 商務社交式的社交招聘網站 綜合社交類招聘網站 微博招聘 專業(yè)社交招聘網站 大街網、天際網 表一 我國 聘網站的分類 艾瑞咨詢《 2020年第三季度中國網絡招聘行業(yè)發(fā)展報告》顯示，2020年 9 月至 2020年 9 月中國招聘網站日均覆蓋人數 Top5 分別是：智聯(lián)招聘、前程無憂、應屆畢業(yè)生求職網、應屆生求職網和中華英才網，智聯(lián)招聘的日均覆蓋人數約為 200萬人。 2020年 9月至 2020年9 月中國核心社交招聘網站日均覆蓋人數 Top5中，大街網遙遙領先于其他網站，日均覆蓋人數約為 60 萬人 [8]。 。 本文采集的招聘信類的網絡文本主要以中介平臺地位的傳統(tǒng)招聘網站為主，輔助以商務社交式的社交招聘網站。前者是國內網絡招聘的主要形式，且更專注于職業(yè)招聘，可滿足不同行業(yè)、不同專業(yè)人群的需求，挖掘價值很高； 15 后者現階段在國內使用率不高，對崗位的描述和人才的定位并不明晰，挖掘難度也較大。 再就是企業(yè)官方網站。目前，越來越多的企業(yè)都擁有自己的官方網站。企業(yè)官方網站上的招聘信息更具 有針對性，所羅列的崗位、崗位職責和崗位要求也更詳細準確，是求職者獲取就業(yè)信息的一個重要渠道，如百度的招聘網站，不過，并不是所有的企業(yè)都已經開發(fā)自己的官方網站，或者并沒用把招聘信息放到網站上。因此，我們把企業(yè)官方網站上的招聘信息作為輔助數據源。 最后為專業(yè)博客社區(qū)。在博客社區(qū)中，博客作者會記錄許多作者的生活、學習、工作的點點滴滴，內容比較廣泛。但是有一種專業(yè)型博客，如 ITEYE、 CSDN等，原創(chuàng)博客作者撰寫的博客大多與自身任職的崗位相關，在其博客中會不由自主地涉及到許多與其崗位相關的知識點。而且往往在 博客中，都會有社會化標簽，用于標注博客所涉及的知識點。因此，可以通過抓取專業(yè)博客中的網絡文本，提取出崗位與知識點的關系。此外，專業(yè)博客中標注的社會化標簽還可以用于構建分詞詞典。 （二） 網絡文本分析 當網絡文本的數據源確定以后，即可根據數據源的特點，編寫抓取網絡文本的爬蟲，接著抓取網絡文本，保存到網絡文檔集中。 由于目前網絡文本是非結構化的，而且除了包含有用信息，還含有大量噪音信息，如廣告、圖片動畫、與主題無關的超級鏈接、腳本 16 語言代碼和其他各種標簽。此外，與傳統(tǒng)的文本文檔相比，網絡文本在語義的內聚性上難 以得到保證，一個網絡頁面中往往包含多個語義無關的部分 [9]。如果提取的網頁文本中包含大量的噪音信息，對于后期中文分詞的效率以及關系提取的效果會有很大的影響。 因此需要針對網絡文本的結構，借助網頁文本分析工具包來解析網絡文本，并提取出網絡文本中適于進行本文文本挖掘的結構化文本。目前的網頁文本解析器有很多，包括 jsoup、 Gumbo，PHP Simple HTML DOM Parser 等，選擇其中一種即可 。 （三） 關系提取 以離散的形式存在的詞集并不能反映出專業(yè)、崗位和知識點三者之間的關系，因此，需要對該分詞詞 集進行關系提取。 語詞標注 的方式： 根據預先構建的詞典，即專業(yè)詞典、崗位詞典和知識點詞典對詞集中的詞進行標注，根據每一個詞所在的詞典，即可判定出該詞的詞類為專業(yè)、崗位和知識點三項的哪一項。例如，假設某一文本的分詞結果集中，出現了“移動云計算”這個詞，這個時候根據專業(yè)詞典庫，可以標注其為“專業(yè)”。 關系構建 的方式： 對每一個網絡文本中出現的專業(yè)類詞、崗位類詞和知識點類詞，基于共現原理分別建立關系。例如，假設某一網絡文本中，出現了專業(yè)“云計算”，還出現 了崗位“云計算測試工程師”和“云計算研發(fā)工程師”，那么就將專業(yè)“云計算”與崗位“云計算測試工程師”和“云計算研發(fā)工程師”分別建立關系，同時，又 17 出現了知識點“ Linux操作系統(tǒng)”，這時，也分別將崗位“云計算測試工程師”和“云計算研發(fā)工程師”與知識點“ MySQL ”建立關系。 關系合并的方式： 當關系建立完畢后，即可對所有關系（專業(yè)與崗位的關系，崗位與知識點的關系）進行合并，并可以借助關聯(lián)規(guī)則，獲取每個關系的強度 。 四 網絡簡歷樣本的獲取與預處理 （一） 簡歷樣本的獲取 本文從某人才招聘網站數據庫獲得簡歷數據 ,選取十個熱門的崗位 (會計、銷售工程師、衛(wèi)生醫(yī)療、紡織服裝設計、司機、建筑 /結構工程師管理人員、美術 /圖形設計、市場經理、行政 /人事人員 ),每個崗位中抽取 50個招聘職位 ,每個職位抽取 20份簡歷信息 ,每一份簡歷及其相應的招聘職位要求構成一個樣本。其中 10 份為企業(yè)通過招聘網站發(fā)出面試通知的簡歷 (簡稱 A類樣本 ),另外 10份為沒有被企業(yè)通知面試的簡歷 (簡稱 B 類樣本 )。 （二） 簡歷樣本的預處理 考慮到本研究的挖掘目的 ,本文選取了以下幾個應聘者的屬性與招聘公司的需求進行匹配 ,在對數據進行處理后 ,再應用到數據挖掘工作中。 所選擇的屬性都需要將招聘企業(yè)的要求和應聘者的信息相匹配 ,再進行數據的處理。選擇的輸入屬性是 :性別、年齡、籍貫、學歷、 18 婚姻狀況、工作年限、政治面貌、畢業(yè)院校、計算機水平、專業(yè)、工作經驗 ,輸出屬性是 :是否被接受面試。 由于原始數據庫中的數據存在著各種各樣現實中不可避免的缺陷 ,下面將根據所選擇的屬性分別詳述對簡歷數據所進行的預處理。 (1)性別 (R_Sex):不需要復雜的處理。 (2)年齡 (R_Age):本文將應聘者劃分為三個年齡段 :三十歲