基于協同過濾算法的醫院人力資源信息智能采集系統設計

趙宏業

（河北北方學院附屬第二醫院河北宣化075100）

隨著智能系統的普及應用，人力資源信息采集系統已經完全取代了過去的人工采集的模式[1-2]。通過系統的智能運算和傳感器的配合使用，已經可以實現智能化采集[3-4]。很多的人事單位都已經應用了相對應的智能系統，通過智能的人力資源信息的采集系統可以實現人力的解放，同時可以進行高精度的信息采集。但是人力資源信息的采集系統雖然給人力資源部門帶來了便利，但是由于人力資源信息的采集系統的計算失誤會造成很大程度上損失[4-5]。特別是在對人力資源部分進行系統排查的過程中，如果由于系統出現計算失誤，將會給人力部門帶來很大的損失。針對上述情況，本文提出一種基于協同過濾算法的醫院人力資源信息智能采集系統設計[6]。通過運用協同過濾算法對人力資源信息智能采集系統進行系統優化，優化后的人力資源信息智能采集系統，改變了傳統的計算模型，從原來的低位算法轉變到協同過濾算法[7]。協同過濾算法可以使人力資源信息的采集系統帶有協同性，不會出現傳統人力資源信息的采集系統中的計算失誤的現象。本文針對人力資源信息智能采集系統中的預測算法進行了優化，保證在預測過程的準確性[8]。人力資源信息智能采集系統的預測過程是整體計算過程的核心步驟。正常的預測計算過程是先進行數據的排序，然后使用非線性方程進行求解，根據序列的配位數進行預測，這樣的預測過程雖然計算簡單，但是由于醫院的人力部門人員流動比較大，因此，傳統的預測計算過程已經無法滿足正常計算要求，使用優化后預測算法可以進行快速的數據整合，把流動數據與原始數據進行分離，這樣避免了流動數據給原始數據帶來一定的數據干擾[9]。為了驗證本文設計的基于協同過濾算法的醫院人力資源信息智能采集系統的有效性，還設計了對比仿真實驗，通過實驗的分析表明，本文的設計的基于協同過濾算法的醫院人力資源信息智能采集系統能夠進行有效的計算，同時避免了傳統人力資源信息的采集系統的計算失誤的現象[10]。

1 醫院人力資源信息智能采集系統的數據庫設計

1.1 硬件系統設計

文中設計的醫院人力資源信息智能采集系統，硬件設備包括：數據采集器、控制電源、數據存儲裝置、數據分析器等多樣的集成電子控制系統，根據不同的要求進行數據分析可得，本文設計的醫院人力資源信息智能采集系統能夠對不同類型的數據信息進行處理，其硬件系統結構如圖1所示。

圖1 硬件系統結構圖

醫院人力資源信息智能采集系統需要對外來數據，進行綜合處理，通過集成的硬件處理器，能夠對采集的數據信息進行快速計算，這樣可以保證醫院人力資源信息智能采集系統的計算準確性。

文中設計的基于協同過濾算法的醫院人力資源信息智能采集系統為了能夠進行準確的計算，增加了GSYSNS數據過濾器和JHSDA-200偏差處理器。使用GSYSNS數據過濾器能夠有效的過濾干擾數據，保證數據進行高質量的計算，JHSDA-200偏差處理器能夠進行偏差計算，專設的JHSDA-200偏差處理器能夠在片差計算的過程中快速的引用數據，保證了數據的使用質量。這樣提高了設計基于協同過濾算法的醫院人力資源信息智能采集系統數據計算的準確性。

1.2 軟件設計引入協同過濾計算

協同過濾算法主要有兩種，一種是針對使用用戶的協同過濾算法，另外一種是針對數據的協同過濾算法，但是兩種算法的本質還是一樣的。文中使用協同過濾算法對人力資源信息智能采集系統的數據庫進行設計，這樣通過矩陣的形式，對數據進行排列，保證數據的有序性，使用協同過濾算法后會分別生成Item與User矩陣，根據item矩陣內數據的相似度，計算出item矩陣的相鄰對數，根據對應的相鄰對數對矩陣進行數據評分。產生的item矩陣為：

通過item矩陣的相似度可以計算出設計系統的相鄰對數，這樣可以保證數據之間的具有一定的關聯性，為后續計算提供有力的依據，相鄰對數公式為：

公式中：k表示使用數據分列程度；i代表流動數據的平均偏好，針對相鄰對數式需要擬定系統的Map Reduce計算框架式這樣可以對數據限定，Map Reduce計算框架式把本文設計的醫院人力資源信息智能采集系統進行分割把流動數據與原始數據分割開來，通過矩陣數便可以進行對應的數據陳列，以及數據的計算，這樣有效的避免了醫院人力資源信息智能采集系統中流動數據對原始數據的干擾。

1.3 系統軟件系統設計

文中設計的醫院人力資源信息智能采集系統軟件設計使用的預測算法是根據矩陣的相似度進行計算的，以相似矩陣代替Unpirro矩陣中的數據，根據矩陣數據的偏好值計算如下：

公式中：n表示數據的分散系數；m表示對應流動值。為了保證本文設計的醫院人力資源信息智能采集系統的準確性，需要對數據偏好矩陣與Map Reduce分布式進行對比，對比公式為：

經過數據偏好矩陣與Map Reduce分布式的對比，很容易找出數據匯總的交換差值量，這時使用矩陣向量差，進行矩陣的陳列，通過交換差值量的分析和原始數據的交換，保證預測的準確度。矩陣的陳列過程為：

矩陣的陳列過程所得向量正好是Item矩陣的Col Ik向量。所以，可以得：

對比發現，本文設計的醫院人力資源信息智能采集系統生成的Item矩陣是一個對稱矩陣，其中所有的原始值等于交叉后的變形值，因此醫院人力資源信息智能采集系統的Item矩陣的每一個向量CoLLk都需要進行一次Row I的數據置換，即：

公式中：T為專函數，可以把向量CoLLk轉換為Row I，協同過濾算法最重要的步驟是系統的預測計算，文中采用相關性對系統的流動數據進行關聯。權值計算預測值為：

式中：r為預測感方；預測結果得到的還是一個公式，但是可以觀察到數據之間的離散關系。在預測計算的過程中還要考慮了數據矩陣中元素的平衡因子數，其公式為：

公式中：eiθ表示的是其他數據的跨界程度；λ表示的是平衡因子關聯系數。為了保證本文設計的醫院人力資源信息智能采集系統計算準確性，需要對λ和1－λ分進行平衡因子的驗證和限制，根據參數調節因子的關系，可得：

公式中，通過平衡因子的限定可以分析不同的情況，在流動數據較大的情況下也能保證系統的穩定性。為保證設計的醫院人力資源信息智能采集系統能夠長時間的計算，還要考慮到時間元素，即：

公式中的通過把數據量加大的方式引入時間的限量，這樣可以得到醫院人力資源信息智能采集系統的時間極限，在時間極限內便可以進行有效準確的計算。

綜上所述，本文設計的醫院人力資源信息智能采集系統通過協同過濾計算對系統的數據進行劃分，通過優化預測算法保證計算的準確性，這樣便可以有效的解決計算失誤的發生。

2 仿真實驗分析

為了檢驗本文設計的基于協同過濾算法的醫院人力資源信息智能采集系統的有效性，設計了對比仿真試驗。以某大型醫院作為試驗對象，使用傳統的醫院人力資源信息智能采集系統以及本文設計的基于協同過濾算法的醫院人力資源信息智能采集系統同時進行數據的采集計算。模擬環境時，對100個樣本進行采集計算，為了保證數據的有效性，需要進行參數的設置。

2.1 參數設定

為保證本文設計的基于協同過濾算法的醫院人力資源信息智能采集系統能夠進行準確的數據采集，設置流程數據系數p為65.32；設置原始數據差系數R為6.8：分別設置u為10；k位50，根據上述仿真環境和參量設定，進行實驗結果如下。

2.2 結果分析

分析圖2結果得知，本文設計的基于協同過濾算法的醫院人力資源信息智能采集系統，能夠在采集的過程中保持較低的數據誤差率，顯著的減少了系統采集的數據誤差

圖2 數據誤差率對比實驗結果

圖3 數據采集穩定性對比實驗結果

分析圖3結果得知，基于協同過濾算法的醫院人力資源信息智能采集系統能保持較高的穩定性，在數據的采集過程中，誤差的概率明顯的降低，解決了傳統醫院人力資源信息采集系統中的計算失誤的現象。

3 結束語

文中提出一種基于協同過濾算法的醫院人力資源信息智能采集系統的設計，采用協同過濾算法進行系統的數據換分，這樣保證數據的穩定性，避免了數據之間的干擾，對預測算法進行了優化，保證了系統計算過程的準確性，避免發生計算失誤的現象。

[1]張佳，林耀進，林夢雷，等.基于目標用戶近鄰修正的協同過濾算法[J].模式識別與人工智能，2015，28（9）：802-810.

[2]周海平，黃湊英，劉妮，等.基于評分預測的協同過濾推薦算法[J].數據采集與處理，2016，31（6）：1234-1241.

[3]朱昆磊，黃佳進.基于信念網絡的協同過濾圖模型的推薦算法[J].模式識別與人工智能，2016，29（2）：171-176.

[4]郭蘭杰，梁吉業，趙興旺.融合社交網絡信息的協同過濾推薦算法[J].模式識別與人工智能，2016，29（3）：281-288.

[5]孫彥超，韓鳳霞.基于協同過濾算法的個性化圖書推薦系統的研究[J].圖書館理論與實踐，2015（4）：99-102.

[6]牛常勇，劉國樞.基于局部全局相似度的SVD的協同過濾算法[J].計算機工程與設計，2016，37（9）：2497-2501.

[7]俞涵，張武雄，裴冬，等.LTE/WLAN網絡下基于比例公平的資源分配算法研究[J].電子設計工程，2016，24（22）：12-15.

[8]肖會敏，張錕，崔春生.基于協同過濾的移動電子商務推薦算法[J].系統科學與數學，2016，36（8）：1265-1274.

[9]孫楠軍，劉天時.基于項目分類和用戶群體興趣的協同過濾算法[J].計算機工程與應用，2015，51（10）：128-131.

[10]冷亞軍，陸青，梁昌勇.基于結構相似性的協同過濾推薦算法[J].小型微型計算機系統，2015，36（10）：2266-2269.

[11]周軍鋒，湯顯，郭景峰.一種優化的協同過濾推薦算法[J].計算機研究與發展，2004，41（10）：1842-1847.

[12]榮輝桂，火生旭，胡春華，等.基于用戶相似度的協同過濾推薦算法[J].通信學報，2014（2）：16-24.

[13]劉芳先，宋順林.改進的協同過濾推薦算法[J].計算機工程與應用，2011，47（8）：72-75.

[14]丁少衡，姬東鴻，王路路.基于用戶屬性和評分的協同過濾推薦算法[J].計算機工程與設計，2015（2）：487-491.

[15]文俊浩，舒珊.一種改進相似性度量的協同過濾推薦算法[J].計算機科學，2014，41（5）：68-71.

[16]徐義峰，陳春明，徐云青.一種基于分類的協同過濾算法[J].計算機系統應用，2007，16（1）：47-50.