CN117217719B - 一种基于大数据的人才信息招聘数据智能管理方法及*** - Google Patents

Abstract

本发明公开了一种基于大数据的人才信息招聘数据智能管理方法及***，所述方法包括：基于客户终端上传的人才信息确认多个关联的组织节点；多个关联的组织节点对所述人才信息进行多方认证，多方认证通过后将所述人才信息上链；基于客户终端的分析请求确认训练模型；基于训练模型和上链后的人才信息确认多个训练节点；每一训练节点均使用本地数据对所述训练模型进行训练来获取训练内容；基于多个训练节点的训练内容确认训练结果。解决了现有技术中在人才信息管理方面存在的信息资源分散、共享程度低，服务内容单一、个性化服务不足，网络信息资源有待开发的技术问题。

Description

一种基于大数据的人才信息招聘数据智能管理方法及***

技术领域

本发明涉及人才信息招聘数据管理技术领域，具体是一种基于大数据的人才信息招聘数据智能管理方法及***。

背景技术

技能人才的信息资源是技能人才管理工作的基础和有效抓手，对海量的技能人才信息资源进行保存、管理和利用，以全面、准确、动态地掌握技能人才存量和技能人才结构信息，摸清技能人才家底；能够更好地实现技能人才的宏观管理和发挥技能人才的作用。

现有技术中，人才信息招聘数据在开发以及管理等方面存在下列问题：

1、信息不共享容易造成数据重复，目前在全球范围内的人力资源企业本身就是中介化、平台化运作，人力资源机构之间存在一定的竞争关系，无法实现信息共享。招聘方需要与不同招聘平台进行招聘合作，支付相应费用；同时，求职者也需在不同平台进行投递简历，容易造成数据重复沉淀。

2、求职者信息无法查证，简历造假情况严重，人力资源企业普遍没有健全的造价预警***，无法查证用户数据真实性，存在大量用户不真实、不完善等情况。而这期间产生的时间成本、劳动力成本等都会给相关招聘方带来严重的损失。

3、个人信息不安全易泄露，人力资源公司是一个完全中心化的中介机构，个人信息记录无法做到完全透明化，且目前全球范围内各招聘平台存在泄漏买卖用户简历，容易对用户造成了严重的损失。

4、招聘成本高，由于各招聘平台、人力资源公司无法实现信息完全共享，招聘方需要在不同的平台发布招聘信息，大大增加了招聘方的招聘成本。

发明内容

本发明的目的在于提供一种基于大数据的人才信息招聘数据智能管理方法及***，解决了现有技术中在人才信息管理方面存在的信息资源分散、共享程度低，服务内容单一、个性化服务不足，网络信息资源有待开发的技术问题。

本发明提供一种基于大数据的人才信息招聘数据智能管理方法，所述方法包括：

基于客户终端上传的人才信息确认多个关联的组织节点；

多个关联的组织节点对所述人才信息进行多方认证，多方认证通过后将所述人才信息上链；

基于客户终端的分析请求确认训练模型；基于训练模型和上链后的人才信息确认多个训练节点；

每一训练节点均使用本地数据对所述训练模型进行训练来获取训练内容；

基于多个训练节点的训练内容确认训练结果。

进一步地，对所述人才信息进行多方认证，包括：

获取人才信息中的学习数据、工作数据以及培训数据；

根据所述学习数据、工作数据以及培训数据，分别获取多个学历认证请求、多个工作认证请求以及多个培训认证请求；

将每个学历认证请求、每个工作认证请求以及每个培训认证请求分别发送至对应的关联的组织节点来获取认证签章。

进一步地，获取认证签章，包括：

每一关联的组织节点接收到学历认证请求，或工作认证请求，或培训认证请求后；基于学历认证请求，或工作认证请求，或培训认证请求中的身份数据确认与所述身份数据对应的本地数据；

基于所述本地数据确认对应学历认证请求中的学习数据，或工作认证请求中的工作数据，或培训认证请求中培训数据是否正确；

若是，生成认证签章；若否，生成告警签章。

进一步地，基于训练模型和上链后的人才信息确认多个训练节点，包括：

获取与所述训练模型相对应的组织节点名单；

根据所述组织节点名单，在人才信息关联的多个关联的组织节点中获取多个训练节点。

进一步地，在每一训练节点均使用本地数据对所述训练模型进行训练来获取训练内容之前，还包括：

确认每一训练节点是否有所述训练模型；

若是，获取排队数据；

若否，将所述训练模型配置到训练节点中，并获取排队数据。

进一步地，还包括：

基于每个训练节点的排队数据和本地数据确认训练结束时间；

基于每个训练节点的训练结束时间确认融合时间；

基于多个训练节点的训练内容和融合时间确认训练结果的公布时间，并将所述公布时间发送至客户终端。

进一步地，基于每个训练节点的训练结束时间确认融合时间，包括：

获取多个训练节点的训练结束时间中最晚的训练结束时间作为预计融合时间；

获取融合计划表，判断融合计划表中预计融合时间是否存在融合计划；

若否，根据预计融合时间新建融合计划至融合计划表中，将所述预计融合时间作为融合时间；

若是，在所述融合计划表中新建融合计划，并根据融合计划表获取融合时间。

本发明还提供一种基于大数据的人才信息招聘数据智能管理***，执行一种基于大数据的人才信息招聘数据智能管理方法，所述***包括：

接收模块、认证模块、发送模块以及融合模块；

接收模块，所述接收模块用于接收客户终端上传的人才信息，并将所述人才信息发送至认证模块；接收模块还用于接收关联的组织节点的认证签章并发送至认证模块；接收模块还用于接收训练节点上传的训练内容并发送至融合模块；

认证模块，所述认证模块用于根据人才信息获取多个关联的组织节点，认证模块根据所述人才信息生成多个学历认证请求、多个工作认证请求以及多个培训认证请求并通过发送至模块分别发送至对应的关联的组织节点；认证模块还确认认证签章是否合法；

融合模块，所述融合模块用于融合多个训练节点的训练内容获取训练结果；

组织节点，所述组织节点用于响应学历认证请求，或工作认证请求，或培训认证请求，并生成认证签章，所述组织节点还作为训练节点获取训练内容。

进一步地，还包括存储模块，所述存储模块存储有若干训练模型。

进一步地，所述若干训练模型包括：

创新分析模型，所述创新分析模型用于分析人才的创新能力；

专业度分析模型，所述专业度分析模型用于分析人才的对于行业的专业度；

风险分析模型，所述风险分析模型用于评估人才的招聘风险。

与现有技术相比，本发明的有益效果：

本实施例中通过对人才信息进行多方认证，多方认证通过后能够保证客户终端上传的人才信息的真实性，方便用人单位根据真实的人才信息进行筛选；通过获取客户终端的分析请求确认对应的训练模型，同时确认对应的多个组织节点作为训练节点，通过获取每个训练节点中的本地数据对训练模型进行训练来获取训练内容，能够在保证每个训练节点本地数据安全的前提下获取训练内容，避免数据泄露；通过将多个训练内容融合后获取训练结果来进行辅助决策。能够为科研院所、高校、企业、个人科研人员等需求方提供有价值的技能人才信息服务，提升技能人才管理整体水平，也为技能人才背调分析、职场教育分析、职业发展分析、风控分析等方向的研究提供数据支撑。解决了现有技术中在人才信息管理方面存在的信息资源分散、共享程度低，服务内容单一、个性化服务不足，网络信息资源有待开发的技术问题。

附图说明

图1为本发明一实施例中的方法步骤流程图。

图2为本发明另一实施例的结构示意图。

具体实施方式

如图1所示，一种基于大数据的人才信息招聘数据智能管理方法，所述方法包括：

基于客户终端上传的人才信息确认多个关联的组织节点；

多个关联的组织节点对所述人才信息进行多方认证，多方认证通过后将所述人才信息上链；

基于客户终端的分析请求确认训练模型；基于训练模型和上链后的人才信息确认多个训练节点；

每一训练节点均使用本地数据对所述训练模型进行训练来获取训练内容；

基于多个训练节点的训练内容确认训练结果。

本实施例的具体实施过程包括：

需要说明的是，组织节点均为各单位或个人在区块链中的节点；本实施例中数据的传递均通过区块链技术进行。

本实施例中对所述人才信息进行多方认证，包括：

获取人才信息中的学习数据、工作数据以及培训数据；根据所述学习数据、工作数据以及培训数据，分别获取多个学历认证请求、多个工作认证请求以及多个培训认证请求；学习数据包括学习经历、学习成绩、学习过程中的证书；工作数据包括工作经历、工作期间取得的证书；培训数据包括培训经历，培训获得的培训证书。所述组织节点包括认证的单位或组织；与人才信息关联的组织节点包括所述人才的工作单位、就读的学校、组织培训的单位、颁发证书的单位等；

将每个学历认证请求、每个工作认证请求以及每个培训认证请求分别发送至对应的关联的组织节点来获取认证签章，包括：

每一关联的组织节点接收到学历认证请求，或工作认证请求，或培训认证请求后；基于学历认证请求，或工作认证请求，或培训认证请求中的身份数据确认与所述身份数据对应的本地数据；

基于所述本地数据确认对应学历认证请求中的学习数据，或工作认证请求中的工作数据，或培训认证请求中培训数据是否正确；

若是，生成认证签章；若否，生成告警签章。当生成告警签章时说明此时人才信息中告警签章对应的数据未通过，存在造假嫌疑。

本实施例中，基于训练模型和上链后的人才信息确认多个训练节点，包括：

获取与所述训练模型相对应的组织节点名单；

根据所述组织节点名单，在人才信息关联的多个关联的组织节点中获取多个训练节点。

训练节点即组织节点，训练节点中存贮有多个训练模型，通过本地数据对训练模型进行训练来获取训练内容。

本实施例中，所述训练内容包括人才在每个训练节点的本地数据分别经过多个训练模型所获得的结果；例如，在一些实施例中，训练模型包括创新分析模型、专业度分析模以及风险分析模型，所述创新分析模型用于分析人才的创新能力，所述专业度分析模型用于分析人才的对于行业的专业度，所述风险分析模型用于评估人才的招聘风险；

训练内容可提供人才在每个训练节点时对应的各项能力以供招聘时进行分析；

训练结果包括根据多个训练节点的训练内容综合分析得到的结果；其能够提供人才当前的整体综合能力，以便人才信息招聘管理用。

需要说明的是，本实施例中单位和个人均可通过客户终端上传人才信息并发送分析请求。

本实施例中通过对人才信息进行多方认证，多方认证通过后能够保证客户终端上传的人才信息的真实性，方便用人单位根据真实的人才信息进行筛选；通过获取客户终端的分析请求确认对应的训练模型，同时确认对应的多个组织节点作为训练节点，通过获取每个训练节点中的本地数据对训练模型进行训练来获取训练内容，能够在保证每个训练节点本地数据安全的前提下获取训练内容，避免数据泄露；通过将多个训练内容融合后获取训练结果来进行辅助决策。解决了现有技术中在人才信息管理方面存在的信息资源分散、共享程度低，服务内容单一、个性化服务不足，网络信息资源有待开发的技术问题。

本发明的另一实施例，在每一训练节点均使用本地数据对所述训练模型进行训练来获取训练内容之前，还包括：

确认每一训练节点是否有所述训练模型；

若是，获取排队数据；

若否，将所述训练模型配置到训练节点中，并获取排队数据。

本实施例的具体实施过程，包括：

本实施例中，

基于每个训练节点的排队数据和本地数据确认训练结束时间；

基于每个训练节点的训练结束时间确认融合时间；包括：

获取多个训练节点的训练结束时间中最晚的训练结束时间作为预计融合时间；

获取融合计划表，判断融合计划表中预计融合时间是否存在融合计划；

若否，根据预计融合时间新建融合计划至融合计划表中，将所述预计融合时间作为融合时间；

若是，在所述融合计划表中新建融合计划，并根据融合计划表获取融合时间。

基于多个训练节点的训练内容和融合时间确认训练结果的公布时间，并将所述公布时间发送至客户终端。

本实施例中通过获取每个训练节点对应的排队数据，获取所有排队数据中最晚的排队时间来获取预计融合时间，然后根据融合计划确定真正的融合时间，并根据训练内容的确定最终的公布时间，将公布时间发送至客户终端，方便用户在公布时间到来之前进行其他工作的安排。避免用户长时间等待。

本实施例中所述融合计划包括在对应的融合时间，根据于多个训练节点的训练内容确认训练结果的过程；每个融合计划对应的融合时间受两个因素影响，一是预计融合时间，即排队数据中最晚的排队时间；二是融合计划表中其他融合计划对应的融合时间。

当融合计划表中在所述预计融合时间存在另一融合计划需要执行时，判断融合计划表中预计融合时间存在融合计划，此时需要根据融合计划表中其他融合计划的融合时间进行排队，相较于预计融合时间来就近选择一时间新建融合计划，所选择的时间即为当前融合计划的融合时间。

当融合计划表中在所述预计融合时间不存在其他融合计划需要执行时，判断融合计划表中预计融合时间不存在融合计划。此时直接根据预计融合时间新建融合计划。如图2所示，本发明的另一实施例，一种基于大数据的人才信息招聘数据智能管理***，执行一种基于大数据的人才信息招聘数据智能管理方法，所述***包括：

接收模块、认证模块、发送模块以及融合模块；

接收模块，所述接收模块用于接收客户终端上传的人才信息，并将所述人才信息发送至认证模块；接收模块还用于接收关联的组织节点的认证签章并发送至认证模块；接收模块还用于接收训练节点上传的训练内容并发送至融合模块；

认证模块，所述认证模块用于根据人才信息获取多个关联的组织节点，认证模块根据所述人才信息生成多个学历认证请求、多个工作认证请求以及多个培训认证请求并通过发送至模块分别发送至对应的关联的组织节点；认证模块还确认认证签章是否合法；

融合模块，所述融合模块用于融合多个训练节点的训练内容获取训练结果；

组织节点，所述组织节点用于响应学历认证请求，或工作认证请求，或培训认证请求，并生成认证签章，所述组织节点还作为训练节点获取训练内容。

本实施例的具体实施过程包括：

本实施例中，还包括存储模块，所述存储模块存储有若干训练模型。每一训练模型均对应一种能力分析，例如一训练模型可分析用户的学习能力，其组织节点中对应学习能力可作为训练节点的包括：小学学校、初中学校、高中学校以及大学学校；通过人才分别在小学学校、初中学校、高中学校以及大学学校的本地数据，分别对小学学校的本地数据、初中学校的本地数据、高中学校的本地数据以及大学学校的本地数据来对训练模型进行训练；其避免了本地数据的传输，防止本地数据传输过程中泄露。

本发明的另一实施例，所述若干训练模型包括：

创新分析模型，所述创新分析模型用于分析人才的创新能力；

专业度分析模型，所述专业度分析模型用于分析人才的对于行业的专业度；

风险分析模型，所述风险分析模型用于评估人才的招聘风险。

本实施例的具体实施过程包括：

本实施例中所述创新分析模型、专业度分析模型以及风险分析模型均由卷积神经网络模型通过校验数据集合训练获得，并由验证数据集验证通过；专业度分析模型用于分析人才的对于行业的专业度，用人单位和个人均可通过专业度分析模型的训练结果来获取人才的专业度；专业度越高说明对该行业越了解；创新分析模型用于分析人才的创新能力，用人单位和个人均可通过创新分析模型来分析人才的创新能力，对于个人来说，评估自身的创新能力能够帮助自己就业时进行选择，当自身创新能力一般时，尽量避免那些需创新能力要求较高的行业以及岗位；当自身创新能力较强时，则可以避免那些对创新能力要求一般但对其他方面能力要求较高的行业以及岗位，来帮助个人找到适合自己的工作；对于用人单位来说，可以根据行业和岗位对创新能力的要求，在选择人才时快速匹配到创新能力符合要求的人才，方便进一步筛选，避免岗位与能力不匹配导致的人才浪费的现象，同时减小了用人单位的招聘成本。

风险分析模型用于评估人才的招聘风险，本实施例中，人才的招聘风险包括：身体素质风险和职业道德风险；

其中，身体素质风险包括：高血压、心理疾病等；有些行业或岗位存在一定的特殊性，其对就业人员的身体素质要求较高；

例如高处作业的工作对于人才的要求包括无高血压、心脏病等心脑血管疾病，对于用人单位来说年龄较大且有心脑血管疾病的人才其招聘风险较大；

再比如说，高风险重大设备的运行岗位对在岗人员心理健康情况要求较高，当一技术人才近期存在或目前正处于心理疾病发病的过程时，其身体素质风险较高，招聘风险较大；

职业道德风险包括：在之前相似岗位上存在影响职业道德的记录，例如；一会计人才在之前的会计岗位上存在挪用公款的记录，所述会计人才的职业道德风险较高；对于用人单位来说职业道德风险较高的人才在招聘时需要慎重处理。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (7)

1.一种基于大数据的人才信息招聘数据智能管理方法，其特征在于，所述方法包括：

基于客户终端上传的人才信息确认多个关联的组织节点；所述人才信息包括学习数据、工作数据以及培训数据；与人才信息关联的组织节点包括人才的工作单位、就读的学校、组织培训的单位以及颁发证书的单位；

多个关联的组织节点对所述人才信息进行多方认证，多方认证通过后将所述人才信息上链；

基于客户终端的分析请求确认训练模型；基于训练模型和上链后的人才信息确认多个训练节点，包括：获取与所述训练模型相对应的组织节点名单；根据所述组织节点名单，在人才信息关联的多个关联的组织节点中获取多个训练节点；训练节点中存贮有多个训练模型；

每一训练节点均使用本地数据对所述训练模型进行训练来获取训练内容；训练内容提供人才在每个训练节点时对应的各项能力以供招聘时进行分析；

基于多个训练节点的训练内容确认训练结果，所述训练结果提供人才当前的整体综合能力；

其中，在每一训练节点均使用本地数据对所述训练模型进行训练来获取训练内容之前，还包括：

确认每一训练节点是否有所述训练模型；

若是，获取排队数据；

若否，将所述训练模型配置到训练节点中，并获取排队数据。

2.如权利要求1所述的一种基于大数据的人才信息招聘数据智能管理方法，其特征在于：对所述人才信息进行多方认证，包括：

获取人才信息中的学习数据、工作数据以及培训数据；

根据所述学习数据、工作数据以及培训数据，分别获取多个学历认证请求、多个工作认证请求以及多个培训认证请求；

将每个学历认证请求、每个工作认证请求以及每个培训认证请求分别发送至对应的关联的组织节点来获取认证签章。

3.如权利要求2所述的一种基于大数据的人才信息招聘数据智能管理方法，其特征在于：获取认证签章，包括：

每一关联的组织节点接收到学历认证请求，或工作认证请求，或培训认证请求后；基于学历认证请求，或工作认证请求，或培训认证请求中的身份数据确认与所述身份数据对应的本地数据；

基于所述本地数据确认对应学历认证请求中的学习数据，或工作认证请求中的工作数据，或培训认证请求中培训数据是否正确；

若是，生成认证签章；若否，生成告警签章。

4.如权利要求1所述的一种基于大数据的人才信息招聘数据智能管理方法，其特征在于：还包括：

基于每个训练节点的排队数据和本地数据确认训练结束时间；

基于每个训练节点的训练结束时间确认融合时间；

基于多个训练节点的训练内容和融合时间确认训练结果的公布时间，并将所述公布时间发送至客户终端。

5.如权利要求4所述的一种基于大数据的人才信息招聘数据智能管理方法，其特征在于：基于每个训练节点的训练结束时间确认融合时间，包括：

获取多个训练节点的训练结束时间中最晚的训练结束时间作为预计融合时间；

获取融合计划表，判断融合计划表中预计融合时间是否存在融合计划；

若否，根据预计融合时间新建融合计划至融合计划表中，将所述预计融合时间作为融合时间；

若是，在所述融合计划表中新建融合计划，并根据融合计划表获取融合时间。

6.一种基于大数据的人才信息招聘数据智能管理***，其特征在于：用于实现权利要求1-5任一项所述的一种基于大数据的人才信息招聘数据智能管理方法，所述***包括：

接收模块、认证模块、发送模块、存储模块以及融合模块；

接收模块，所述接收模块用于接收客户终端上传的人才信息，并将所述人才信息发送至认证模块；所述人才信息包括学习数据、工作数据以及培训数据；接收模块还用于接收关联的组织节点的认证签章并发送至认证模块；接收模块还用于接收训练节点上传的训练内容并发送至融合模块；

认证模块，所述认证模块用于根据人才信息获取多个关联的组织节点，与人才信息关联的组织节点包括人才的工作单位、就读的学校、组织培训的单位以及颁发证书的单位；认证模块根据所述人才信息生成多个学历认证请求、多个工作认证请求以及多个培训认证请求并通过发送模块分别发送至对应的关联的组织节点；认证模块还确认认证签章是否合法；

融合模块，所述融合模块用于融合多个训练节点的训练内容获取训练结果，所述训练结果提供人才当前的整体综合能力；

组织节点，所述组织节点用于响应学历认证请求，或工作认证请求，或培训认证请求，并生成认证签章，所述组织节点还作为训练节点获取训练内容，训练内容提供人才在每个训练节点时对应的各项能力以供招聘时进行分析；

存储模块，所述存储模块存储有若干训练模型。

7.如权利要求6所述的一种基于大数据的人才信息招聘数据智能管理***，其特征在于：所述若干训练模型包括：

创新分析模型，所述创新分析模型用于分析人才的创新能力；

专业度分析模型，所述专业度分析模型用于分析人才的对于行业的专业度；

风险分析模型，所述风险分析模型用于评估人才的招聘风险。