关于支持向量机的人力资源甄选方法研究.pdf

基于支持向量机的人力资源甄选方法研究 摘 要 人力资源甄选是人力资源管理工作中的基础环节，对培训、绩效、薪酬等 其它人力资源管理活动都有着直接的影响．甄选包含两个关键的环节：一是使 用各种工具收集应聘者的相关信息，即甄选测量；二是评估收集到的信息，做 出甄选决策。 但是，当前的人力资源甄选方法却很不完善，尤其是甄选决策方法。传统 的判断方法易受主观性影响；统计学又不能很好地适应小样本。这些问题使得 目前的甄选决策方法很难有效地指导甄选实践。 针对上述情况，本文引入了数据挖掘领域的最新研究成果——支持向量机， 该方法基于统计学习理论，能够很好地适应小样本。此外，将支持向量机与粗 糙集理论相结合，得到粗糙支持向量机算法(RsvM)。通过对训练样本的分析 自动找出影响绩效的核心因素，并且建立绩效预测模型，有效地避免了主观因 素的影响．在此基础上提出了一种新的人力资源甄选模型，通过实证研究表明， 该模型比现有的方法有着更好的准确性。 关键词；人力资源甄选，支持向量机，统计学习理论，粗糙集，条件熵 MethodofHumanResourceSelection Study Basedon VectorMachine Support Abstract Humanreso愀selectionisabasic inhumanresource and step management affects andotheractivities．Therearetwo directly training，performance，payment inhuman toolst0 important resour∞selection．Oneis measurement processes using informationfrom otheris thisinformationtoInake gather applicants；theevaluating selectiondecision． are Butcurrentselectionmethodsfarfrom methodsarcinfluenced methods．Traditional decision-making judgmental by andstatistical small thesemethods subjectivity methodsaren、fitfor samples．So cannot our effectivelygIlidepractice． tosuch thesisintroducedanew indata Accordingsituation,this progress vector isbasedoilstatistical minj【ng—supportmachine(swt)．SVM learningtheory,