[发明专利]系统框架下基于标签大数据人才推荐算法及其使用方法

权利要求书

1.系统框架下基于标签大数据人才推荐算法，其特征在于，包括，如下步骤：

步骤1、建立包含职位、技能、教育经历、专业、自我评价、个人价值观因素变量的候选人属性基础数据表A，作为优化计算评估候选人的属性指数、属性权重以及误差的基准；

误差δ的计算规则为：

E(X) = X₁·P（X₁）+X₂·P（X₂）+......X_n·P（X_n）= X₁·f（X₁）+ X₂·f（X₂）+ ...X_n·f（X_n）

E(X) =；

其中公式（1）中：n表示变量因子总数，X_n表示第n个变量因子，P（X_n）表示第n个变量因子发挥作用的概率，而f（X_n）表示第n个变量因子产生的预期效果,E(X)表示误差均值,χ_K 第k个变量因子，P_k为因子k发挥作用的概率；

方差为各个数据与平均数之差的平方的和的平均数，即

=；

其中，x表示样本的平均数，n表示样本的数量，x_n表示搜索引擎，而s²就表示方差；

则δ=

在模型推导式中，有如下结论：

其中相互独立，均服从正态分布，

，其中e为误差向量，e_n为第n个误差因子向量，Cov（e）为误差方差，σ为标准差，I_n为第n个单位向量，为第i个误差项；

从而可得随机误差向量；

步骤2、基于内容和成果进行深度的数据挖掘和旋转，在提取维度数据切片的基准上，通过公司、项目、经验、可检验成果、历史发展、未来预期关键词数据的组合重整以及空间数据的转换，从实际意义出发，建立包含前述多重因子的预期多维数据表B，推导候选人内容和成果指数、对应权重、随机误差空间向量的分布情况，并以此作为评估判断候选人内容和成果的可量化指标基准；

在此经过分析推导采用三维回归模型中的最小二乘法模拟此回归分布模型，其推导过程如下：

理论模型；

式中P₀为常量因子，C为候选人内容因子参数，R为候选人成果因子参数，为随机误差向量,X₁为核心因子1,X₂为核心因子2,y_B为候选人的因子产出；

通过建立如下回归参数的标准方程组：

或采用如下矩阵法

=

其中b_0、b_1、b₂为因子变量系数，χ₁为核心因子1,χ₂为核心因子2,y为候选人的因子产出；

求解相关回归系数和权重系数，并进行判定系数检验，回归系数显著性检验，回归模型方程显著性检验，保证预测模型和实际模型的可靠性、一致性、置信度；

步骤3、针对行为关键词数据深度挖掘，对无行为因素的关键词数据执行去噪操作；

步骤4、以基础表中的数据为元数据，以基础表量化维度属性、内容、成果以及行为为因子分析变量，预期综合评价呈现正态分布规律，其模型表达式可推导为：

,x表示多重因素包含属性、内容、成果、行为以及各权重系数等综合作用下的自变量因子，δ表示标准误差；e表示自然对数；μ表示均值；π表示圆周率。