[发明专利]基于猎头资源和行为的人职匹配方法

摘要

本发明涉及人力资源技术领域，具体为基于猎头资源和行为的人职匹配方法，该方法包括以下步骤：S1：建立猎头行业擅长度模型变量,设定自变量（A1‑A8），因变量Y1，S2建立猎头职能擅长度模型变量，设定自变量（B1‑B8），因变量Y2，S3：建立猎头地区擅长度模型变量，设定自变量（C1‑C8），因变量Y3，本发明的有益效果是：本发明的人职匹配方法能够充分利用猎头资源，能够使得猎头与企业实现快速的匹配，更好的为企业服务；能够快速的将优质的候选人快速的呈现在企业面前；能够很大程度上使得企业招聘效率得到提高，猎头职位资源增加，候选人的求职周期变短。

主权项

1.基于猎头资源和行为的人职匹配方法，其特征在于，该方法包括以下步骤：S1：建立猎头行业擅长度模型变量,设定自变量（A1‑A8），因变量Y1,其中：A1为猎头性别A2为猎头所在地区A3为猎头拥有该行业的简历量A4为猎头发布该行业的职位数A5为近一个季度猎头对该行业的搜索次数A6为近一个季度猎头对该行业的简历查看量A7为近一个季度猎头对该行业的简历下载量A8为猎头对该行业经理人的关注数Y1为猎头对某行业职位是否推荐过简历其中，A3、A4、A5、A6、A7、A8均为非负整数；S2：建立猎头职能擅长度模型变量，设定自变量（B1‑B8），因变量Y2，其中：B1为猎头的性别B2为猎头所在地区B3为猎头拥有该职能的简历量B4为猎头发布该职能职位的数量B5为近一个季度猎头对该职能的搜索次数B6为近一个季度猎头对该职能的简历查看量B7为近一个季度猎头对该职能的简历下载量B8为猎头对该职能经理人的关注数Y2为猎头对某职能的职位是否推荐过简历其中，B3、B4、B5、B6、B7、B8均为非负整数；S3：建立猎头地区擅长度模型变量，设定自变量（C1‑C8），因变量Y3，其中：C1为猎头的性别C2为猎头所在地区C3为猎头拥有该地区的简历量C4为猎头发布该地区的职位数C5为近一个季度猎头对该地区简历的搜索次数C6为近一个季度猎头对该地区的简历查看量C7为近一个季度猎头对该地区的简历下载量C8为猎头对该地区经理人的关注数Y3为猎头对该地区职位是否推荐过简历其中，C3、C4、C5、C6、C7、C8均为非负整数；S4：对自变量进行预处理，分类变量（A1,A2,B1,B2,C1,C2）生成哑变量，连续变量（A3‑A8,B3‑B8,C3‑C8）进行0‑1标准化处理；S5：对因变量（Y1,Y2,Y3）采用二元logistic回归分析，Logistic函数形式如下：其中，k为自变量的个数，y是因变量，x是自变量（分别对应猎头行业擅长度模型、猎头职能擅长度模型和猎头地区擅长度模型中的自变量）；并通过Boosting思想的Gradient Boosting Decision Trees算法对历史数据进行拟合；S6：利用极大似然估计来估计模型参数，分别得到影响猎头对某行业，职能，地区擅长度的显著因素及其权重，综合这些因素估计猎头在行业，职能，地区的擅长度；S7：针对变量，采用步骤S5中的分析方法，对猎头行业擅长度模型、猎头职能擅长度模型和猎头地区擅长度模型进行估计，得出对三个模型变量的显著因素；S8：根据步骤S7得到的结果，采用以下公式分别算出每个猎头行业擅长度、职能擅长度、地区擅长度：和分别等于其中，为步骤S7得到的显著因素；S9：根据步骤S8中得到的行业擅长度、职能擅长度和地区擅长度进行综合，采用以下模型计算得出：其中，参数,,根据业务重点，利用专家打分法来确定；S10：基于每个猎头的职位擅长度，当招聘企业推出某个职位需求后，系统会计算与该类职位相匹配的一部分猎头，这样的一个多对多的猎头和职位的匹配结果会作为输入进入下一个分单环节，至此该匹配完成。