一种基于学习地图与协同过滤的员工个性化学习推荐方法

    公开(公告)号:CN105786983A

    公开(公告)日:2016-07-20

    申请号:CN201610085657.1

    申请日:2016-02-15

    CPC classification number: G06F16/90324 G06Q50/205

    Abstract: 本发明公开了一种基于学习地图与协同过滤的员工个性化学习推荐方法,根据在线学习平台的学习资源内容与学习者(企业员工)实际情况,分别提取资源特征和员工属性,建立数学模型,然后根据相似度计算推荐列表产生推荐结果,并收集学习者的反馈情况用于改进相似度计算,优化推荐过程。本发明方法对半结构化、非结构化数据、多媒体学习资源在推荐内容上具有一定普适性,将员工学习地图与协同过滤相结合,一方面修正、优化了推荐结果,另一方面能有效解决评分矩阵稀疏与新员工的学习资源推荐即冷启动问题,使得在线学习平台的学习内容推送更加个性化,有效帮助企业员工迅速成长,节约了员工培训、学习成本,提高了员工学习效率。

    一种基于因子分析与BP神经网络的技能人才评价方法

    公开(公告)号:CN105590175A

    公开(公告)日:2016-05-18

    申请号:CN201610085883.X

    申请日:2016-02-15

    CPC classification number: G06Q10/06398 G06N3/086 G06Q10/06393

    Abstract: 本发明公开了一种基于因子分析与BP神经网络的技能人才评价方法,采集与技能人才评价有关的评价指标数据,构建全量数据集;将全量数据集中的字符型变量变换为数值型变量,然后用Sigmoid函数将数值型变量取值映射到[0,1]区间;将上述评价指标用因子分析法确定参与人才评价建模的评价指标或评价指标组合;用Sigmoid函数处理之后作为BP神经网络的输入向量,BP神经网络的任务是经过训练后,实现对技能人才的评价;其中采用多个BP神经网络分别训练不同类别样本的策略,并采用L-M优化算法代替梯度下降法。本发明节约了人才评价成本,提高了人力资源工作的效率,使得人才评价更具客观性与准确性。

Patent Agency Ranking