基于决策树评分模型的劳动力资源管理系统设计.docVIP

　　基于决策树评分模型的劳动力资源管理系统设计 第一章引言 1.1国内外劳动力资源管理现状 对于司职于此的政府机构而言，劳动资源管理的要求更超出于普通企业的要求，庞大的劳动力规模、层次不齐的劳动质素、纷繁复杂的岗位设定等等，这些既凸显了政府职能部口的重要意文，亦给我们提出了艰巨的课题。国内外对于劳动力资源管理的探索一直从未停歇，对实际运营中的管理模式或是学术研究的管理理念的引入，无疑都是大胆的尝试，政府出台的或宽松或收紧的政策、方针，都体现了对于送一国计民生问题的重视。尽管如此居高不下的失业率、用工荒等等问题始终是络绎不绝，这无疑指出了在劳动力管理这一课题上，我们任重而道远以。我国的劳动力资源管理变革始于经济体制改革，初期即在计划经济时編，劳动力资源管理实质行政安排爾置实现，是与市场协调相对立的不同劳动群体被分割，形成收入、就业和福利的制度性、结构性不平等，造成了劳动力短缺、在职失业和分配上的平巧主义倾向;随着改革开放的到来，市场调控逐步取代计划分配的模式，劳动力市场在劳动力资源配置中开始发挥越来越大的作用就业市场告别行政安排配置制度，跨越为市场协调，这一变革为劳动力资源管理带来了巨大的突变，一岗终身制、额定配给等流动性、缺乏变化等初期劳动力资源管理方式淹没在历史的变革中，随之而来的，海量资源、信息、流动、配置为劳动力资源管理走向信息化提供了必经的阵痛。步入21世纪发展至今，随着国内外环境的不断变化，劳动力资源管理这一关系着13亿人曰的基础生存问题已经成为越来越重要的课题，如何稳定、妥善的平衡这一庞大的用工就业市场一直是我们追求并探索的重点。抛开国内外经济、政治等环境变动带来的不可按因素，合理引导就业方向、规范就业市场、保护劳动人员的合法权益一直是我们人保部口关也的工作核也。而近年来，随着人口数量的激增，就业形势已是越发趋于严峻，经济形势的大起大落确实有着很重要的影响力，但是不可否认的，人力成本的变动所带来的波动更加深远而曲折。大量的用工企业为了规避这一日渐庞大的人力成本，另辟媛径的选择了其他诸如频繁、大量招退工等方式，以期降低自身成本，这些行为对于就业市场所带来的负面作用是可以预想的。而如何发现运些对就业市场的不良影响并加以调整、优化，是近年来，我们关注的重点问题。 ....... 1.2上海劳动力资源管理存在的问题 由于信息化技术的飞速发展，劳动力资源管理早已摆脱古老的档案式、纸张式的管理运作模式，而是加入信息技术的辅助，使用专业研发、针对性强、功能强大的劳动力资源管理系统来记录就业用工市场上的用工情况，就业人员的身份、学历、就业经历等信息，以及用工企业的登记信息等，在早期劳动力资源用工市场规模并不大、复杂度并不高的情况下，以上管理系统以及运作模式确实可以满足相关政府职能部口的需求。上海地区当前广泛使用的劳动力资源管理系统，其主要目的仍是停留在对一定区域内人口就业用工情况的记录存档，以及就业人员的各项分类情况，该数据经由后台支持人员定期形成报表后，加以人工分析研究后制定相应的方针政策，用以引导就业市场的走向。随着为促进就业、解决失业等目的而出台的各项政府扶持方案，劳动力资源管理系统前业务量以及业务种类都在节节攀升，原有的资源管理系统已经不足以满足当下的新需求。 ...... 第二章决策树评分模型的基础 2.1决策树分类算法 决策树分类算法是数据挖掘中广泛应用的算法技术，决策树分类算法既可用于分析数据，也可用来作模型预测。决策树分类算法是一种贪也的、自顶向下的递归划分策略对于每个决策或事件都可能引出两个或多个分支，产生不同的结果。这类决策分支形式就像一棵树的枝干，亦类似于流程图中的树结构，所称之为决策树。决策树的基本组成部分有：决策节点、分支和叶，树中每个内部节点表示一个属性上的测试，每个叶节点代表一个类。从决策点到结果节点存在一条路径，毎条路径整理翻译后就是一条规则。而通过选取一种分割方式，使用该方式将原始样本集递归分割成不相交的子集，目的是使分割后的结果期望损失达到最小化。选择决策树分类与其他分类方法进行比较，可以发现当属性变量存在有相关性时，决策树分类算法的表现就比较好，反之如果属性变量间不存在有一定的相关性时，决策树分类算法的表现就不尽如人意了。用决策树分类算法模型解决劳动力资源用工企业评分问题的基本思路是，根据已知企业样本数据与原始用工企业评分状态，运用决策树分类算法找出劳动力资源用工企业状态与它的某些属性将征或行为特征之间存在的联系，这些联系可以作为预测行为的标准，从而对劳动力资源用工企业的用工行为进行预测。决策树分类模型的效率很富，对于拥有海量数据分析作为训练集的劳动力资源管理系统非常适用，并且因为其直观、易于理解、可读性良好的树状结构，可直接转化为IFTHEN规则，送样即使使用者不具备相当或是一定的专业知识也