基于灰色模型的网络招聘信息人才趋势预测

1、基于灰色模型的网络招聘信息人才趋势预测摘 要：随着网络信息技术的发展，网络招聘早已成为招聘者和应聘者交流的一大平台，运用数据挖掘 技术对网络招聘信息进行研究，可以得到社会对人才的需求情况以及人才需求趋势，本文采用灰色预测 模型预测未来人才需求的走向，通过分析预测未来的人才市场的热点专业，可以从准确的从招聘信息中 找到相应的信息，发掘隐含的知识模式.对于高校，可以有针对性的调整人才培养方案和设置安排相关 课程,促进高校培养出更多适用的优秀人才以满足社会的需求。关键词：网络招聘;数据分析；灰色模型引言伴随着信息社会的到来,人才的招聘方式也逐 渐从传统招聘向网络招聘转变，网上招聘有多种形 式，在当今

2、社会非常流行。当人们使用互联网查找 各种各样的信息时,他们会发现很多在线招聘信息。 这些招聘信息不仅反映了招聘企业的人才需求，而 且在一定程度上反映了当前人才市场需求的短期趋 势。根据两年前的数据,每天平均有4000万个工作 职位在网上发布，平均每天有8000份简历提交。根 据财富杂志的数据，在财富500强公司中，有 88%的公司通过在线招聘来满足自己的人才需 求。因此，越来越多的求职者，尤其是来自许多学 院和大学的应届毕业生，也通过在线招聘平台寻找 自己的就业机会。网络招聘信息不仅可以直接反映 的基本条件的用人单位人才能力和质量要求，为申 请人提供工作参考，而且在某种程度上反映了社会 的现状

3、和行业对人才的需求，甚至在一段时间内的 人才在未来需求趋势。着越来越多的求职人士在网络平台中为自己争 取就业机会，网络招聘平台囱的发展正变得越来越 快，互联网招聘信息平台越来越多，招聘信息也变得 越来越多，它反映了用人单位的基本需求，即人才基 本能力和基本素质要求。这些海量的网络招聘信息 看似没有什么价值，但是好好利用它就可以为求职 者提供全面详细的工作分析，如职位需求、职位的受 欢迎程度、职位的区域分布等。1灰色预测模型GMGM（ 1，1）灰色模型是一个累加生成算子后 的离散随机数，减少其随机性,得到更多的正则生成 数，然后建立增白微分方程，求解方程，然后建立模 型。灰色预测是一种基于灰色系

4、统理论的预测方 法。该理论主要是从一些已知的信息中开发、分析 和提取有价值的信息，从而实现对系统的运行行为 和演化的正确描述和有效控制。人才制度与社会经 济发展的关系十分复杂。该系统包括已知的和未知 的信息，可以被认为是一个灰色系统。灰色系统理论用于预测分析，特别是当数据 序列短且有明显上升趋势时。因此,灰色预测在人 力资源领域得到了广泛的应用。灰色预测方法不需 要太多的样本数据，这就弥补了人才统计历史数据 的不足。此外，该方法还可以避免人为的主观臆断, 而这些往往是由人的经验、知识和偏好所引起。灰色预测可以识别系统因子的发展趋势，相关 性分析与原始数据的生成和处理之间的差异，找出 系统的规律

5、改变，产生强大的数据序列规则，然后建 立数据序列。积累生成微分方程模型，预测未来事 物的发展趋势。2预测模型的构建2.1模型构建为了使预测结果更有说服力，给出以下两条假设:(1)预测模型所获得的原始数据都是准确可靠 的;(2)在原始期间或预测期间,行业需求、地域需 求、职位需求的数值变化不受其他外界随机因素影 响！为了测试灰色模型GM( 1,1)是否可以应用于 这篇论文的预测，需要对已知数据做必要的检验处 理。设原始数据列为=x( = ( X( 1) ,x( 2),), X( n)，计算数列的级比:/ 8) x(0) ( k - 1) 8 2 *(4( k) = ,8=2,*，n( 1)x k

6、如果所有的级比计算结果都落在可容覆盖区间 (M，土)，则数列x(0)可以建立GM( 1,1)模型且J J 可以进行灰色预测。如果没落到这个区间，则需要 对数据进行适当的变换处理，例如用如下方法进行 平移转换：寸 0) ( k) =x( 0) ( k) +c,k=1,2，),n ( 2) 取常数c使数据列的级比都落在可容覆盖内。 保证可以用此模型预测后,建立如下模型，不妨 设 TOC o 1-5 h z x( 0) = ( x( 0)( 1) ,x( 0)( 2) ,),x( 0)( n) )( *)x(0)满足上面的要求，以它为数据列建立GM (1,1)模型：x( 0) ( k) +az( 1

7、1 ( k) =b( 4)利用回归分析求得a,b的估计值，于是相应的 白化模型为*； (H) +ax()( t) =b( 5)dt得到:x(H)( t) = ( x(0)( 1)-鸟 e-a(t-I) +baa于是得到预测值:x( 1) ( k + 1) = ( x(0) ( 1) -e-ak + ,k =1 ,2, aa)，n - 1)从而相应地得到预测值：X( 0) ( k+1) = ( x( 1) ( k+1) -x ( 1) ( k) ,k = 1,2 , )，n - 1)2.2精度检验在建立模型后，还必须对模型进行精度检验。第一步、残差检验:计算相对o( k)x 0)( k) -x(

8、 )( k)x( 0)o( k),k = 1 ,2 ,%,n如果对所有的I I 0.1,则认为预测结果非常精 确;否则，,k = 1 ,2 ,%,n(7)第二步、级比偏差值检验(7)1 -0.5a/( k) =1-55a如果对所有的11 0.1,则认为达到较高的要求; 否则若对于所有的II 0.2,则认为到达一般要求。*预测过程及预测结果由于本论文的研究需要从多个行业的角度进行 行业就业人数的预测，所以预测过程仅以其中的移 动互联网行业为例来展示预测过程，其他行业只显 示预测结果。为了得到的数据更加准确，本预测所 用到的数据来自国家统计局年度数据，为了避免预 测的次数过于频繁，本节所用到的原始

9、数据是将几 个相近行业就业人数归为一类合并之后的数据。表1移动互联网2014 -2017就业人数原始数据年度2014201520162017就业人数671. 8699727. 6770. *第一步:级比检验建立互联网通信行业就业人数数据时间序列如,x,x,x,xx( 0) = ( x( 0)( 1) ,x( 0)( 2) ,x( 0)( *) ,x( 0)( 4)=(671.8,699,727.6,770.3)x( 0) ( k 1 ) 求级比 4( k) =x (k , 1) ,K=2,3 ,4xk则 4 = ( 4 ( 2 ),4 ( * ),4 ( 4) ) = ( 0. 9610,0.

10、 9607,0.9445)级比判断由于所有的 4 * 0 6703,1.4918 ,k +2,3 ,4, 故可以用x(0)作GM( 1,1)建模。第二步:套用GM( 1,1)模型(*)对原始数据x(0)作一次累加，即x( =(678.1,1*77.1,2104.7 ,2875)(4)构建数据矩阵B及数据向量Y。(% +3(2)1疽)(% (2)+ 3 (3)1Y =必。)(3)(*(3) + *(4)1(% +3(2)1疽)(% (2)+ 3 (3)1Y =必。)(3)(*(3) + *(4)1*%4)-1027.6 1699-1740.9 1Y = 727.6-2404.8 1770.3B

11、=B =(5)计算;=(a,b) T = ( B,B)a,U =812.5(6)建立模型：dI(H) +0.0910 x( 1) (t) =812.5dt求解得:x( #)( k + 1) = ( x( )( 1) e-ak + aa=-8256e0-0910k +8928(7)生成预测值数列x(0) = ( 810.2,843.7,865.9) ,K =5,6,7第三步:模型检验经过计算残差与级比偏差得知:该模型精度较 高，预测结果较准确，经过以上的预测模型分析得知 往后三年内行业需求人数排名前三的行业分别为： 互联网#通信行业，金融业,房地产与建筑行业。其 具体的人才需求结果如下表2，表3

12、 ,表4所示，排名 前三的热门行业未来三年人才需求走势图如图1所 示:表2移动互联网行业未来三年人才需求预测结果年份201820192020需求人数预测值 (万人)810. 2843.7865.9表3电子商务业未来三年年人才需求预测结果年份201820192020需求人数预测值 (万人)711. 3745.2766.7表4金融业未来三年人才需求预测结果年份201820192020需求人数预测值 (万人)445. 6468.6480.1下图为移动互联网业、电子商务业、金融业的人 才需求量的趋势走向图，其中2014年到2017年为 原始数据,2018年到2020年为通过上述灰色模型 预测后的预测值。行业人才需求走势图一移动互联网业人才需求量电子商务业人才需求量 f-金融业人才需求量图1热门行业人才需求走势图由上图可以看出，各行各业的需求大致上都呈 上升趋势，移动互联网行业从2014年开始就位居行 业需求量之首，