基于深度學習的大學生求職能力與崗位匹配的設計

李司航，季波，王永盛，楊艷婷，肖登高

摘要： 本文為解決大學生求職能力難以匹配崗位要求問題，首先評估學生現有綜合競爭力，然后與崗位要求對比，利用深度學習RNN算法分析能力偏差，最后依據偏差大小在智能學習平臺上產生學習策略，引導學生進行能力校正，達到崗位要求。系統采用微信小程序框架、Servlet技術、MYSQL數據庫、深度學習TensorFlow等主流的開發工具與技術界面簡潔友好，性能良好。

關鍵詞：人崗匹配;競爭力;深度學習;學習策略

中圖分類號：TP393? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）20-0186-02

0 概述

近年來，學者們嘗試將前沿技術應用到人崗匹配問題中。國外早期研究，Malinowski等人利用候選人和專業信息建立人與崗位的雙向推薦，實現人崗匹配[1]。Lee等人遵循推薦系統的理念提出了一套基于求職者偏好和興趣的人崗推薦系統[2]。Zhang等人比較了基于用戶的協同過濾和基于項目的協同過濾算法為求職者推薦合適的工作[3]。Wang等人利用員工的職業路徑數據預測工作調換[4]。Xu等人提出基于工作轉換網絡的人才圈檢測模型幫助組織找到合適的人才，并為求職者提供尋找合適工作的職業建議[5]。樊宏、戴良鐵等人對人與組織匹配招聘模式的招聘策略進行了研究，提出了人與組織匹配的模型。為了與傳統招聘策略相區別，實現人與組織的匹配，他們共提出六種新的招聘策略，并對這六種招聘策略進行了利弊分析。他們的研究從招聘模式選擇的角度，為人與組織匹配的實現提供了一種新的方法[6]。這些研究深刻表明人崗匹配是未來招聘工作的主導模式，針對大學生求職，對大學生求職能力與崗位進行匹配，是招聘工作的一個重大的突破點。

市面上存在的人崗匹配普遍存在以下不足：第一，對大學生的綜合競爭力的表示較模糊，未能從知識、技能、素質多維度地評估學生現有綜合競爭力;第二，因學生找工作時，學生的綜合競爭力相對比較穩定，未能在大學階段的早期對大學生的綜合競爭力進行量化，根據學生已有綜合競爭力與崗位要求的偏差，產生學習策略，引導學生進行針對性的能力校正，從而使大學生的綜合競爭力在找工作期間達到最佳。本文設計的基于深度學習的大學生求職能力與崗位匹配，綜合了目前市場上已存在的相似人崗匹配平臺的功能，采用當前盛行的微信小程序框架進行開發，并解決了上訴的不足之處，為大學生找到合適的崗位提供高效的解決方案。

1 系統分析

通過基于微信小程序的人崗匹配平臺，意在打造一個可以幫助大學生找到合適的崗位，本文在需求分析的相關基礎之上著重研究以下幾個方面：

如何從知識、技能、素質多維度地評估學生現有綜合競爭力，幫助學生定位自己求職崗位中的綜合競爭力;

如何對學生已有的綜合競爭力與企業崗位要求對比分析，找出能力偏差;

如何根據能力偏差，產生學習策略，對學生進行針對性的能力校正，最終匹配崗位要求。

為實現上述研究目標，系統需具備如下功能。

（1）評測學生綜合競爭力：通過學生成績等信息的抽取，從知識、技能、素質多維度地評估學生現有綜合競爭力，幫助學生定位自己求職崗位中的綜合競爭力;

（2）計算能力偏差：對學生已有綜合競爭力與企業崗位要求對比分析，找出能力偏差;

（3）產生學習策略：依據偏差大小，產生學習策略，引導學生進行能力校正，最終達到匹配崗位要求。

2 系統主要功能實現

2.1 技術架構

系統采用前端框架微信小程序，后端Servlet技術，數據庫采用MYSQL數據庫，深度學習TensorFlow等。如表1所示。

2.2 主要功能實現

根據系統分析，本系統主要包含如下功能模塊，如圖1所示。 微信小程序界面如下圖2所示。

（1）評測學生綜合競爭力模塊

本模塊通過學生成績等信息的抽取，從知識、技能、素質多維度地評估學生現有綜合競爭力，幫助學生定位自己求職崗位中的綜合競爭力。

綜合競爭力模型公式：[C=Κ+S×Q]

C：綜合競爭力（Competence）

K：知識（Knowledge），對應學生相關課程考試的成績

S：技能（Skill），對應學生通過平臺的項目案例所培養的溝通與團隊協作能力

Q：素質（Quality），對應學生思想與品格、行為與習慣、職業化能力、職業化素養等課程分數。

（2）計算能力偏差模塊

本模塊利用深度學習RNN算法，對學生已有的綜合競爭力與企業崗位要求對比分析，找出能力偏差。綜合競爭力如下圖3所示，企業崗位要求如下圖4所示。本模塊基于RNN提出對崗位要求以及求職簡歷中的工作經驗的詞級別的語義表征，分別將招聘要求與簡歷中的工作經驗的每個詞映射到潛在的語義空間中，然后設計基于能力感知的注意力機制的語義表征，對招聘要求與簡歷中的工作經驗分別提取更高層次的語義表征，從而可以衡量崗位要求之間的重要程度，以及測量每個項目經驗對具體能力的不同貢獻程度。人崗匹配預測：預測人才能力與工作要求之間的匹配程度，即能力偏差。

（3）產生學習策略模塊

根據能力偏差，產生學習策略，根據學生對知識點的掌握程度，推薦相關題目，高效地提高學生學習能力。基于深度知識跟蹤模型的個性化試題推薦方法，該推薦方法分為三步：

1）結合深度知識跟蹤模型，先將輸入序列向量進行one-hot編碼。

2）根據學生不同時刻的答題情況[xT]學生的試題掌握水平進行建模，輸入序列結果[yT]會自主地去學習應該關注哪些時刻的狀態，得到輸出該學生對每個知識點答對的概率。