基于決策樹C5.0算法的員工職稱晉級評估研究

涂波，張煒，胡文，張健偉，馮媛媛

[摘 要]本文在某企業(yè)人力資源管理系統(tǒng)數(shù)據(jù)庫的基礎(chǔ)上，利用數(shù)據(jù)挖掘技術(shù)對企業(yè)職工的人事檔案信息進(jìn)行深度挖掘。基于決策樹的C5.0算法，構(gòu)建企業(yè)員工職業(yè)晉升的評判模型，生成職業(yè)晉升評判規(guī)則集，從而實(shí)現(xiàn)對企業(yè)員工職業(yè)晉升的自動(dòng)評判，并針對不同員工進(jìn)行定向信息推送，幫助人事部門有效提高管理效率，為企業(yè)實(shí)現(xiàn)人力資源的優(yōu)化配置提供助力。

[關(guān)鍵詞]人事檔案；數(shù)字化；人力資源管理；決策樹

doi：10.3969/j.issn.1673 - 0194.2018.08.029

[中圖分類號(hào)]TP311.13 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1673-0194（2018）08-00-02

0 引 言

企業(yè)的人事檔案管理信息系統(tǒng)已保存了大量的員工檔案信息。如何在海量的信息中快速、準(zhǔn)確地獲取、分析信息，進(jìn)而提供更加個(gè)性、精準(zhǔn)的服務(wù)是擺在企業(yè)人力資源管理部門面前的一個(gè)重要問題。其中，如何通過對系統(tǒng)中龐大的人事檔案數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘分析，嘗試找出數(shù)據(jù)之間隱含的關(guān)聯(lián)關(guān)系，構(gòu)建員工的多維能力模型，進(jìn)而據(jù)此實(shí)現(xiàn)職稱升級推薦功能，為企業(yè)優(yōu)化人力資源管理提供科學(xué)依據(jù)，豐富完善人事檔案管理信息系統(tǒng)的智能應(yīng)用是企業(yè)探尋人力資源數(shù)據(jù)挖掘的核心應(yīng)用點(diǎn)。

1 算法的選擇

在進(jìn)行數(shù)據(jù)挖掘時(shí)，可以通過構(gòu)建分類模型實(shí)現(xiàn)對數(shù)據(jù)的全面刻畫以及對新數(shù)據(jù)的分類預(yù)測。數(shù)據(jù)分類一般包括兩個(gè)階段，學(xué)習(xí)階段通過對歷史數(shù)據(jù)的深度學(xué)習(xí)構(gòu)建分類模型，分類階段則利用模型對給定數(shù)據(jù)進(jìn)行分類預(yù)測。決策樹是用于分類和預(yù)測的主要技術(shù)之一，通過將大量數(shù)據(jù)有目的地分類，從中找到一些有價(jià)值的信息供決策者作出正確判斷。

1.1 決策樹算法及特點(diǎn)

決策樹學(xué)習(xí)是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，著眼于從一組無次序、無規(guī)則的事例中推理出決策樹表示形式的分類規(guī)則。它采用自上而下的遞推方式，在決策樹的內(nèi)部節(jié)點(diǎn)進(jìn)行屬性值的比較，并根據(jù)不同屬性判斷從該節(jié)點(diǎn)向下的分支，然后進(jìn)行剪枝，最后在決策樹的葉節(jié)點(diǎn)得到結(jié)論。決策樹的每個(gè)節(jié)點(diǎn)都有一定量的樣本，從根節(jié)點(diǎn)開始往下各節(jié)點(diǎn)樣本量逐級減少，決策樹算法挖掘其實(shí)是對數(shù)據(jù)進(jìn)行不斷分組的一個(gè)過程。決策樹的類型有兩種，使用哪種類型的樹取決于輸出變量的類型，輸出變量為分類型變量，則選用分類樹；輸出變量為連續(xù)型變量，則使用回歸樹。

1.2 常用的決策樹算法

基于決策樹的分類有很多實(shí)現(xiàn)算法，比較常用的主要有ID3算法、C4.5算法、C5.0算法、CART算法等。

1.2.1 ID3算法

ID3算法是較早提出并被普遍使用的決策樹算法。在信息論中，期望信息越小，那么信息增益就越大，從而純度就越高。ID3算法的核心思想就是以信息增益來度量屬性的選擇，選擇分裂后信息增益最大的屬性進(jìn)行分裂。

1.2.2 C4.5和C5.0算法

C4.5算法是對ID3算法的一種改進(jìn)和擴(kuò)充，克服了ID3算法應(yīng)用信息增益選擇屬性時(shí)偏向選擇取值多的屬性的不足，并且在樹的構(gòu)造過程中就可以進(jìn)行剪枝，且能夠完成對連續(xù)屬性的離散化處理。C5.0是C4.5應(yīng)用于大數(shù)據(jù)集上的分類算法，核心算法與C4.5保持一致，主要在執(zhí)行效率和內(nèi)存使用方面進(jìn)行了改進(jìn)。相比C4.5，C5.0在處理數(shù)據(jù)遺漏和輸入字段較多的問題時(shí)更加穩(wěn)健，可以提供更強(qiáng)大的技術(shù)來提升分類的精度。

1.2.3 CART算法

CART算法是一種二分遞歸分割技術(shù)，把當(dāng)前樣本劃分為兩個(gè)子樣本，使生成的每個(gè)非葉子結(jié)點(diǎn)都有兩個(gè)分支，因此CART算法生成的決策樹是結(jié)構(gòu)簡潔的二叉樹。CART算法的特點(diǎn)是只能生成二叉樹，即每個(gè)父節(jié)點(diǎn)只能生成兩個(gè)子節(jié)點(diǎn)，在確定分組變量時(shí)主要根據(jù)Gini系數(shù)來進(jìn)行選擇。

ID3、C4.5、C5.0、CART算法都有各自的特點(diǎn)和適用范圍。ID3算法選擇最佳分組變量使用的標(biāo)準(zhǔn)是信息增益值，存在選擇屬性時(shí)會(huì)偏向于選擇值多的缺陷。C4.5算法雖然修正了ID3算法的不足，但其算法本身只能處理留駐在內(nèi)存中的數(shù)據(jù)集，并不適用于大數(shù)據(jù)集的處理，數(shù)據(jù)量的大小會(huì)直接影響運(yùn)算的效率。CART算法只能生成二叉樹，屬性所受局限較大。C5.0算法是用信息增益率來確定最佳分組變量和最佳分割點(diǎn)，相較C4.5算法擁有更強(qiáng)大的數(shù)據(jù)處理技術(shù)，耗用內(nèi)存更小，分類精度更高，適用于處理數(shù)據(jù)量較大且不在內(nèi)存中存儲(chǔ)的數(shù)據(jù)集。

經(jīng)過對以上幾種方法的綜合比較，本文選擇用C5.0算法生成決策樹來對企業(yè)員工的職業(yè)晉升進(jìn)行評判分析。

2 基于C5.0算法的職業(yè)晉升評判分析

在已有系統(tǒng)用戶信息數(shù)據(jù)庫的基礎(chǔ)上，可以借助數(shù)據(jù)挖掘技術(shù)對企業(yè)職工的人事檔案信息進(jìn)行深度挖掘。基于決策樹的基本思想及C5.0算法，構(gòu)建企業(yè)員工職業(yè)晉升評判模型，生成職業(yè)晉升評判規(guī)則集，根據(jù)企業(yè)員工的實(shí)際工作情況判斷其是否能夠晉升，并針對不同員工進(jìn)行定向信息推送，如圖1所示。

在構(gòu)造決策樹模型時(shí)，需要從多方面對企業(yè)員工的人事檔案信息進(jìn)行綜合考量。本文以員工年齡、學(xué)歷、工齡、工資和是否晉升等基礎(chǔ)信息為例，基于C5.0算法構(gòu)造決策樹模型，如表1所示。根據(jù)員工的基礎(chǔ)信息，選擇年齡、學(xué)歷、工齡、工資作為決策屬性集，以“是否晉升”作為類別標(biāo)識(shí)屬性。C5.0算法的核心是通過信息增益率來判定決策屬性，選擇信息增益率最大的屬性作為決策屬性。

將員工基礎(chǔ)信息數(shù)據(jù)表示為訓(xùn)練樣本數(shù)據(jù)集D，其中決策屬性年齡、學(xué)歷、工齡、工資分別用A1、A2、A3、A4來表示。訓(xùn)練樣本數(shù)據(jù)集D中總共有15個(gè)元組，分類屬性將這15個(gè)元組分成兩個(gè)子集，每個(gè)子集中對應(yīng)的元組個(gè)數(shù)分別為8和7。由此可以計(jì)算得到集合D關(guān)于分類的期望信息量。

（1）

假設(shè)將訓(xùn)練元組D按決策屬性A進(jìn)行劃分，則A對D劃分的期望信息如下。

（2）

決策屬性的信息增益分別如下。

（3）

屬性A的信息增益率如下。

gainratio（年齡）=0.213 80，gainratio（學(xué)歷）=0.060 25

gainratio（工齡）=0.329 66，gainratio（工資）=0.192 24

計(jì)算結(jié)果表明，gainratio（工齡）>gainratio（年齡）>gainratio（工資）>

gainratio（學(xué)歷），工齡屬性的信息增益率最大，因此選擇工齡這一屬性作為分裂屬性。由于工齡屬性共有5個(gè)變量值，因此可以把以上樣本分為5棵子樹，在決策樹中對應(yīng)5個(gè)分枝。按照同樣的方式在每一個(gè)子樹中分別計(jì)算剩余屬性的信息增益率，仍選擇信息增益率最大的屬性作為分裂屬性，將其分解成更小的子樹，逐層向下，直到不能進(jìn)一步分解為止，此時(shí)決策樹的生長結(jié)束，如圖2所示。

從生成的是否能夠晉升的模型中可以看出，參與決策樹構(gòu)建的主要屬性是工齡和學(xué)歷，也就是說，影響企業(yè)員工職業(yè)晉升的主要因素是工齡，其次是學(xué)歷。從模型預(yù)測準(zhǔn)確率來看，該模型對員工是否晉升的預(yù)測準(zhǔn)確率為93.33%，錯(cuò)誤率為6.67%。基于生成的決策樹及其相應(yīng)規(guī)則集，可以對企業(yè)員工人事信息做出能否晉升的評判，并將評判結(jié)果針對個(gè)人定向推送。

3 結(jié) 語

數(shù)據(jù)挖掘作為一門交叉學(xué)科，雖然興起時(shí)間并不長，但在大數(shù)據(jù)時(shí)代已經(jīng)在各個(gè)領(lǐng)域都得到了極其廣泛的應(yīng)用。決策樹算法以歷史數(shù)據(jù)為基礎(chǔ)進(jìn)行歸納和學(xué)習(xí)，利用生成的規(guī)則集對新數(shù)據(jù)集做出分類和預(yù)測。本文將決策樹算法應(yīng)用在人力資源管理中，以員工人事檔案信息作為基礎(chǔ)數(shù)據(jù)來構(gòu)建決策樹，得出企業(yè)員工職業(yè)晉升的規(guī)則集，從而實(shí)現(xiàn)對企業(yè)員工職業(yè)晉升的自動(dòng)評判，并將評判結(jié)果向員工個(gè)人定向推送，能夠有效提升人事部門的管理效率，為企業(yè)實(shí)現(xiàn)人力資源的優(yōu)化配置提供助力。

本文所提出的算法已經(jīng)在貴州省煙草公司貴陽市公司“人事檔案管理信息化項(xiàng)目”中得到應(yīng)用，極大地提升了人力資源管理效率，是貴陽煙草商業(yè)企業(yè)精益人力資源管理體系的具體體現(xiàn)。

主要參考文獻(xiàn)

[1]毛國軍.數(shù)據(jù)挖掘原理與算法[M].北京：清華大學(xué)出版社，2007.

[2]楊靜，張楠男，李建，等.決策樹算法的研究與應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010（2）.

[3]龍麗琴，張擁軍，胡文，等，煙草商業(yè)企業(yè)精益人力資源管理體系探究[M].貴州：貴州人民出版社，2017.