基于BP神经网络模型的人才考核评价研究
- 格式：doc
- 大小：160.00 KB
- 文档页数：5
龙源期刊网
基于BP神经网络模型的人才考核评价研究
作者：孟倩倩
来源：《科技经济市场》2015年第02期
摘 ;要：人才工作考核评价是对人才素质、业绩和人才价值的综合测评。多年的人才管理工作实践表明，引入科学的人才评价体系是人才资源有效开发的前提和开展人事人才工作的基础。本文从"素质、能力和贡献"3个角度提出人才考核评价的指标体系，并引入BP神经网络模型，提出了BP神经网络模型在人才考核评价中的工作程序和原理，为今后人才考核评价的研究提供了相关依据。
关键词：BP神经网络;人才考核;指标体系
人才工作考核评价是对人才素质、业绩和人才价值的综合测评。《中共中央国务院关于进一步加强人才工作的决定》明确指出："要坚持德才兼备原则，把品德、知识、能力和业绩作为衡量人才的主要标准，不唯学历、不唯职称、不唯资历、不唯身份，不拘一格选人才。鼓励人人都作贡献，人人都能成才"。科学的人才观明确了衡量人才的新标准，为建立科学的人才考核评价指标体系指明了方向。
理论与实证一直以来都相辅相成，相互促进发展，在人才考核理论发展的道路上，采用数学模型验证的实例较少， BP神经网络模型是一种数学模型，近年来在计算机网络、数据处理、语音识别及数据压缩等领域均已成功应用。作为一种尝试，本文将在"素质--能力--贡献"角度确定评价指标体系，利用BP神经网络简历综合的人才考核评价模型，本文采用神经网络模型，给人才考核展示了一条新的发展道路。
1 ;人才考核评价指标的构建
1.1 ;人才考核指标设计原则
人才考核评价维度较多，影响因素错综复杂，为了保障考核的客观性、合理性，制定人才考核评价指标体系应遵循以下原则：
（1）公平公正原则。人才的考核标准要以公平公正为前提，制定一套公平合理的人才考核标准，考核过程中由专人负责人才考核工作的进行，考核结束后，遵循公平公正原则进行公示，合理的确定考核主体和评价体系的权重，保证考核的客观公正，遵守公平公正原则。
（2）统筹兼顾原则。人才考核必须要全方位进行，保证细化的考核指标体系能涵盖德、能、绩等各个方面，根据这个原则科学的设置考核指标，考核程序。保证考核指标的全面性，做到统筹兼顾。 龙源期刊网
（3）定量与定性相结合原则。人才考核一般采用经验判断、观察法等定性的方法从德、能、绩等方面概括性描述，定性的特征决定难以将考核结果进行确切的量化，所以在进行人才考核评价时，应该定性考核与定量考核相结合，尽量将考核指标定量化，使考核结果精确化。
1.2 ;人才考核的评价指标内容
目前国内外不同的学者针对人才考核评价指标提出了不同的见解，但人才考核具有特殊性和复杂性，要做到公平公正，统筹兼顾，指标体系科学合理具有前瞻性，本文通过分析目前国内外学者对人才考核评价指标的研究，从三个角度进行人才考核的评价即素质、能力、贡献。形成了人才考核评价测度分析模型。如下图所示：
（1）素质
素质指一个人的体质、品质和素养。素质包括品德素质和职业素质。其中品德素质主要表现在思想政治、法制观念、廉洁自律、心理健康等。职业素质包括事业心与责任心、工作态度、服务意识。
（2）能力
能力水平是人员考核评价的核心指标，也是专业人才培养的主要参照指标。能力主要是管理干部工作的能力及其掌握和运用知识的情况，主要包括社会能力和工作能力两个方面。其中社会能力由沟通能力、社交能力、协调能力和应变能力组成。工作能力包括知识能力、创新能力、领导能力、业务能力等。
（3）贡献
贡献主要指通过自己的工作和努力为团队的发展壮大以及达成的目标出一份力。贡献包的二级指标有工作量、工作质量、工作创新度和工作满意度。对于评价指标体系的总结如下表所示：
2 ;基于BP神经网路模型的人才考核评价方法
（一）BP神经网络工作原理
神经网络模型是一种数学方法，其本质是模拟人类实际的神经网络，由大量的神经元按照某种规律连接而成的复杂网络系统。BP神经网络是1982年鲁梅尔哈特（D.R）和麦克莱伦德提出的，是一种单向传播的多层前向神经网络。BP神经网络一共包含三个层次即输入层、隐含层和输出层，其中隐含层的层数为可变值。同层节点之间没有任何连接，每个节点都是单个神经元，神经元传递函数为Sigmord型函数。由于同层节点之间没有任何耦合，所以每个神经元只接受前一层神经元的输入，并且只影响后一个神经元的输出。前一层到后一层的节点通过权值连接，表示加强或减弱前一节点对后一个节点的刺激。若输出层的输出结果大于误差龙源期刊网
值，则会反向传播，并通过修改各层神经元节点之间的权值，使误差最小，直到误差达到允许的范围内。
（二）基本思路
本文将人才考核评价的指标体系作为神经网络的输入，将考核结果作为神经网络的输出，选取足够多的样本，以神经网络的学习算法反复训练，训练好的神经网络模型所持有的节点间的权值作为保留值。将人才考核的指标值输入神经网络模型中，即可得到该人才考核的结果。
（三）评价程序
BP神经网络模型采用现在较为常用的三层模型，即输入层、隐含层、输出层。输入层表示人才考核评价指标体系（若为定性指标，先进性归一化处理，再进行输入），输入节点数应为12，以人才考核结果作为模型的输出，输出结果应与评价结果相对应。本文将人才考核的评价结果分为四个等级即优、良、中、差，并用四维单位向量来表示。即输出结果为[1，0，0，0]时，人才考核结果为优秀;输出结构为[0，1，0，0]时，人才考核结果为良好;输出结果为[0，0，1，0]时，人才考核为中等;输出结果为[0，0，0，1]时，人才考核结果为差。因此，本文构建的BP神经网络模型输出节点为4。
步骤一：确定BP神经网络模型的基本参数，构建人才考核的神经网络模型。给每个连接权值w■、v■和阈值？兹■、？酌■、 赋予区间（-1，1）内的随机值。随机选取一组输入和目标向量X■=a■■，a■■，……a■■、Y■=s■■，s■■，……s■■提供给网络。
步骤二：利用输入样本X■=a■■，a■■，……a■■、连接权w■和阈值？兹■计算中间层各神经元的输入s■，然后用s■通过传递函数计算中间层各神经元的输出b■。
s■=■w■a■-？兹■ ; ;j=1，2，……，p
b■=fs■ ; ; ; ; j=1，2，……，p
步骤三：利用中间层的输出b■、连接权v■和阈值？酌■计算输出层各单元的输出l■，然后利用传递函数计算输出层各单元的向量C■。
L■=■v■b■-？酌■ ; ; ;t=1，2，…，q
C■=fL■ ; ; ;t=1，2，…，q
步骤四：利用目标向量Y■=y■■，y■■，…，y■■■以及网络的真实输出值C■，计算输出层的各神经元误差d■■为 龙源期刊网
d■■=y■■-c■c■1-c■ ; t=1，2，…，q
步骤五：利用连接权值v■■，输出层的误差d■以及中间层的输出b■来计算中间层各单元的误差e■■为
e■■=■d■v■b■1-b■
步骤六：利用输出层各神经元的一般化误差d■■与中间层各单元的输出bj来修正连接权vjt和阈值？酌t。
v■N+1=v■N+ad■■b■ ？酌■N+1=？酌■N+ad■■ ;t=1，2，…，q;j=1，2，…，p;0
步骤七：利用中间层各神经元的误差值ej■和输入层各单元的输入X■=a■，a■，…，a■来修正连接权w■和阈值？兹■。
w■N+1=w■N+？茁e■■a■■ ？兹■N+1=？兹■N+？茁e■■
i=1，2，…，n;j=1，2，…，p;0
步骤八：选取下一个学习样本提供给建立好的神经网络，执行步骤二，直到训练样本训练完毕为止。再次从所有学习样本中随机输入和目标样本，执行步骤二，直到全局误差 小于预先设定的误差值，即网络收敛。
步骤九：将人才考核评价指标的实际值作为训练好的BP神经网络模型的输入值，模型会利用训练好的权值和阈值进行计算，最后输出人才考核评价结果。
3 ;结论
通过建立BP神经网络模型进行人才考核评价，只需将人才考核评价指标的归一化数值输入到已经训练好的模型中，结果即可自动产生，过程简单。指标的权重不需要人为的确定，提高了人才考核的客观性和科学性，因此神经网络模型在人才考核评价领域的应用可以看作一个新的尝试和发展方向。
参考文献：
[1] 孙召龙.基于 PeTri 网的人才评价流模型[J].科学技术与工程，2006（03）.
[2] 吴勇，吴燕敏.高校人才考核评价机制存在的问题及对策[J].金华职业技术学院学报，2011（10）.
[3] 葛侃，孙旭东.基于AHP的淮北矿业集团高技能人才考核评价模型[J].中国矿业，2014（03）. 龙源期刊网
[4] 李仕春.人才考核当更具导向功能[J].中国人才，2014（05）.
[5] 冯莉萍.企业人才标准感知的影响因素分析[J].商场现代化，2013（08）.
[6] 郭飞.企业党务政工人才考核方案探讨[J].科学中国人，2014（02）.
