本發(fā)明屬于數(shù)據(jù)挖掘分析領(lǐng)域，特別一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法。

背景技術(shù)：

近年來，基于用戶職業(yè)軌跡預(yù)測(cè)用戶職位變遷受到了越來越多研究人員的關(guān)注。所謂職位變遷預(yù)測(cè)，通常是指根據(jù)用戶的歷史職業(yè)軌跡數(shù)據(jù)為基礎(chǔ)，結(jié)合用戶的個(gè)體特征信息，若用戶存在職業(yè)的變遷行為，可以對(duì)用戶下一個(gè)職位的情況進(jìn)行預(yù)測(cè)。其中，歷史職業(yè)軌跡數(shù)據(jù)主要來源于用戶在職業(yè)社交網(wǎng)絡(luò)中所補(bǔ)充完善的數(shù)據(jù)。通過對(duì)歷史職業(yè)軌跡數(shù)據(jù)挖掘，構(gòu)建用戶職位變遷的時(shí)空模型，發(fā)現(xiàn)職位變遷影響因素，借助現(xiàn)有算法可以準(zhǔn)確的預(yù)測(cè)用戶職位變遷情況。

通過對(duì)用戶歷史職業(yè)軌跡數(shù)據(jù)的觀察，其中不難發(fā)現(xiàn)，用戶職位變遷蘊(yùn)含著豐富的時(shí)空規(guī)律。舉例來說，中高層次的職位，對(duì)于下一個(gè)職位級(jí)別不會(huì)低于當(dāng)前職位級(jí)別；不同的學(xué)歷背景，對(duì)于職位的級(jí)別會(huì)產(chǎn)生影響，高學(xué)歷，會(huì)擁有較高級(jí)別的職位；工作經(jīng)驗(yàn)，同樣會(huì)對(duì)職位級(jí)別造成影響。

技術(shù)實(shí)現(xiàn)要素：

為了解決在用戶職業(yè)變遷時(shí)對(duì)于所獲得職位情況的問題，本發(fā)明提供一種基于歷史職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法，該方法以用戶職業(yè)數(shù)據(jù)為基礎(chǔ)，發(fā)現(xiàn)職位變遷影響因素，結(jié)合現(xiàn)有的決策樹方法，對(duì)職位變遷進(jìn)行預(yù)測(cè)。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法,其特征在于，包括以下驟：

S1、在數(shù)據(jù)庫中提取簡(jiǎn)歷，獲取用戶的歷史職業(yè)軌跡數(shù)據(jù)；

S2、通過對(duì)大規(guī)模用戶職業(yè)軌跡數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分類對(duì)比，發(fā)現(xiàn)用戶職位變遷時(shí)空特征，構(gòu)建用戶職位變遷時(shí)空模型；

S3、從用戶職位變遷時(shí)空模型中，提取并量化用戶職位變遷的影響因素；

S4、根據(jù)職位變遷影響因素定義與量化，結(jié)合用戶的職位變遷數(shù)據(jù)，通過決策樹算法訓(xùn)練職位變遷預(yù)測(cè)模型。

S5、以S4中職位變遷預(yù)測(cè)模型為基礎(chǔ)，根據(jù)用戶的當(dāng)前職位P，預(yù)測(cè)用戶職業(yè)變遷后的職位P’。

進(jìn)一步地，一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法S1中歷史職業(yè)軌跡數(shù)據(jù)包含用戶的教育背景情況、歷史職位變遷、工作時(shí)間長度等數(shù)據(jù)信息；所述的歷史職位變遷包括所在公司的規(guī)模，所在職位的級(jí)別。

進(jìn)一步地，一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法S1中時(shí)空特征包括時(shí)間上用戶職位變遷的特征和職位上用戶職位變遷的特征。

進(jìn)一步地，一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法S2包含子步驟：S21：首先對(duì)分析用戶職位變遷在時(shí)間上的變化情況以及用戶工作的時(shí)間跨度，發(fā)現(xiàn)時(shí)間上特征；S22：然后對(duì)不同公司，不同職位和不同教育背景用戶的職位變化進(jìn)行統(tǒng)計(jì)和度量，研究變化規(guī)律，發(fā)現(xiàn)空間上特征；S23：最后從時(shí)間上和空間上對(duì)一個(gè)用戶職位上變化描述，通過數(shù)據(jù)擬合，發(fā)現(xiàn)用戶職位變化規(guī)律。

進(jìn)一步地，一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法中用戶職位變遷空間模型表示為用戶職位變遷各種信息：包括用戶職業(yè)軌跡數(shù)據(jù)中的時(shí)間信息，職位信息，公司信息以及個(gè)人教育背景用于描述用戶職位變遷信息。

進(jìn)一步地，一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法S3中所述影響因素包含：

公司因素其中no.代表公司員工數(shù)量；

職位因素其中po代表用戶職位的級(jí)別；

教育因素EF＝∑De，其中De表示學(xué)歷，De的量化定義為：

時(shí)間因素DF＝離職時(shí)間-入職時(shí)間；

職位累積因素

進(jìn)一步地，一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法中S4所述職位變遷預(yù)測(cè)模型包括三部分，分別為輸入端，預(yù)測(cè)部分和輸出端，輸入端為用戶的職位變遷數(shù)據(jù)，預(yù)測(cè)端為提取數(shù)據(jù)中影響因素，根據(jù)訓(xùn)練的模型通過計(jì)算處理對(duì)職位進(jìn)行預(yù)測(cè)，輸出端為用戶的下一個(gè)職位信息。

進(jìn)一步地，一種基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法中S3中所述影響因素包含：即從每一位用戶i的職位變遷數(shù)據(jù)中分別提取上述影響因素，構(gòu)成一個(gè)一位向量Vi＝{CFi，PFi，EFi，DFi，PAi},將Vi與下一個(gè)職位Pi一一對(duì)應(yīng)，通過決策樹算法訓(xùn)練職位變遷預(yù)測(cè)模型。

本發(fā)明具有以下有益效果：

在該方法中，更加全面的利用了用戶歷史的職業(yè)數(shù)據(jù)，發(fā)現(xiàn)了包括公司、職位、教育、時(shí)間、職位累積等多種職位變遷影響因素，從而獲得的更高的預(yù)測(cè)準(zhǔn)確率。

附圖說明

圖1為本發(fā)明基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法流程圖；

圖2為本發(fā)明基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法時(shí)間特征職位變化分布圖；

圖3為本發(fā)明基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法空間特征職位變化分布圖；

圖4為本發(fā)明基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法時(shí)間空間特征職位變化擬合示意圖；

圖5為本發(fā)明基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法職位預(yù)測(cè)示意圖；

圖6為本發(fā)明基于職業(yè)軌跡數(shù)據(jù)的職位變遷預(yù)測(cè)方法不同職位預(yù)預(yù)測(cè)準(zhǔn)確統(tǒng)計(jì)圖。

具體實(shí)施方式

為了使本發(fā)明的目的及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

S1、在數(shù)據(jù)庫中提取簡(jiǎn)歷，獲取用戶的歷史職業(yè)軌跡數(shù)據(jù)。

歷史職業(yè)軌跡數(shù)據(jù)包含用戶的教育背景情況、歷史職位變遷、工作時(shí)間長度等數(shù)據(jù)信息；歷史職位變遷包括所在公司的規(guī)模，所在職位的級(jí)別。將這些職業(yè)軌跡根據(jù)用戶個(gè)人信息和職位劃分為職位變遷的數(shù)據(jù)片段，即從一個(gè)職位到另一個(gè)職位。

在本實(shí)施例中，共10418位用戶的歷史職業(yè)軌跡數(shù)據(jù)，劃分為46673條數(shù)據(jù)片段。

S2、通過對(duì)大規(guī)模用戶職業(yè)軌跡數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分類對(duì)比，發(fā)現(xiàn)用戶職位變遷時(shí)空特征，構(gòu)建用戶職位變遷時(shí)空模型。

對(duì)S1中職位變遷片段進(jìn)行研究分析，統(tǒng)計(jì)不同職位之間變化規(guī)律，以及在公司，時(shí)間，學(xué)歷不同條件下職位變化的規(guī)律。綜合規(guī)律，提出職位變化的時(shí)空特征，構(gòu)建職位變化時(shí)空模型，具體為：

S21：首先對(duì)分析用戶職位變遷在時(shí)間上的變化情況以及用戶工作的時(shí)間跨度，發(fā)現(xiàn)時(shí)間上特征，如圖2所示；

S22：然后對(duì)不同公司，不同職位和不同教育背景用戶的職位變化進(jìn)行統(tǒng)計(jì)和度量，研究變化規(guī)律，發(fā)現(xiàn)空間上特征，如圖3所示；

S23：最后從時(shí)間上和空間上對(duì)一個(gè)用戶職位上變化描述，通過數(shù)據(jù)擬合，發(fā)現(xiàn)用戶職位變化規(guī)律，如圖4所示，說明時(shí)間和空間共同影響職位變化情況。

以上所示圖例均為S1中大量數(shù)據(jù)的統(tǒng)計(jì)擬合分析所得。

S3、從用戶職位變遷時(shí)空模型中，提取并量化用戶職位變遷的影響因素。

本實(shí)施例中根據(jù)公司員工數(shù)量對(duì)公司因素進(jìn)行量化，根據(jù)職位級(jí)別對(duì)職位因素進(jìn)行量化，根據(jù)學(xué)位情況對(duì)教育因素進(jìn)行度量，根據(jù)工作時(shí)間對(duì)時(shí)間因素進(jìn)行度量，根據(jù)歷史上職位和時(shí)間兩個(gè)因素對(duì)職位累積因素進(jìn)行度量：

公司因素其中no.代表公司員工數(shù)量；

職位因素其中po代表用戶職位的級(jí)別；

教育因素EF＝∑De，其中De表示學(xué)歷，De的量化定義為：

時(shí)間因素DF＝離職時(shí)間-入職時(shí)間；

職位累積因素

S4、根據(jù)職位變遷影響因素定義與量化，結(jié)合用戶的職位變遷數(shù)據(jù)，通過決策樹算法訓(xùn)練職位變遷預(yù)測(cè)模型。

職位變遷預(yù)測(cè)模型包括三部分，分別為輸入端，預(yù)測(cè)部分和輸出端，輸入端為用戶的職位變遷數(shù)據(jù)，預(yù)測(cè)端為提取數(shù)據(jù)中影響因素，根據(jù)訓(xùn)練的模型通過計(jì)算處理對(duì)職位進(jìn)行預(yù)測(cè)，輸出端為用戶的下一個(gè)職位信息。根據(jù)職位變遷影響因素，結(jié)合用戶的歷史職位數(shù)據(jù)，將這些因素?cái)?shù)據(jù)作為訓(xùn)練輸入端，采用決策樹算法訓(xùn)練數(shù)據(jù)，生成職位變遷預(yù)測(cè)模型本實(shí)施例中從每一位用戶i的職位變遷數(shù)據(jù)中分別提取上述影響因素，構(gòu)成一個(gè)一位向量Vi＝{CFi，PFi，EFi，DFi，PAi},將Vi與下一個(gè)職位Pi一一對(duì)應(yīng)，通過決策樹算法訓(xùn)練職位變遷預(yù)測(cè)模型。

本實(shí)施例使用了S1中80％的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，進(jìn)行預(yù)測(cè)模型訓(xùn)練生成。

S5、以S4中職位變遷預(yù)測(cè)模型為基礎(chǔ)，根據(jù)用戶的當(dāng)前職位，預(yù)測(cè)用戶職業(yè)變遷后的職位。

輸入用戶的歷史職業(yè)軌跡數(shù)據(jù)，當(dāng)前公司、職位、教育背景、工作時(shí)間，通過預(yù)測(cè)模型進(jìn)行預(yù)測(cè)計(jì)算，生成下一個(gè)職位情況，如圖5所示。對(duì)于預(yù)測(cè)生成的職位仍舊采用S3中定義，用于對(duì)不同預(yù)測(cè)職位做準(zhǔn)確性判斷，本實(shí)施例使用剩余20％的步驟1中的數(shù)據(jù)用于預(yù)測(cè)，不同職位預(yù)測(cè)準(zhǔn)確性結(jié)果如圖6所示，在本實(shí)施例中職位預(yù)測(cè)準(zhǔn)確率可達(dá)74％。

以上所述僅是本發(fā)明的實(shí)施過程，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。