一种基于人才流动分析的学校排名方法及装置与流程

本发明属于学校评估和数据挖掘领域，通过分析不同学校之间的学生流动，自动对学校进行排名。本发明可直接应用于学生择校、人才招聘、学校评估等领域中。该发明涉及一种基于人才流动分析的学校排名方法及装置。
背景技术：
：学校排名是学生择校、人才招聘等决策中的一个重要因素。例如，学生在求学升造时会根据学校在某一领域的排名进行优先选择，企业在寻找合适的岗位候选人时会根据候选人毕业院校择优进行录取。现有的学校排名方法主要是利用学校具体的某些指标(例如：老师和学生人数、论文数量、科研经费等)对学校进行排名。这类方法忽略了学生的主观选择因素，且这些指标对于学生之后的择业帮助不大。技术实现要素：本发明设计了一种基于人才流动分析的学校排名方法，以学生在择校时的选择作为学校排名的依据，通过迭代分析学校间不同学历状态的人才流动情况对学校进行排名。本发明解决了现有学校排名方法未考虑学生主观因素的问题，排名结果对于学生择校、企业评估人才以及投资者评估项目团队等都更有帮助。本发明解决其技术问题所采用的技术方案是：选取近几年(例如：5年)的人才流动(学校跳转)数据集，对学生的学历进行分类，然后根据分类结果统计不同学校之间的学生流动情况，结合以上数据计算不同学校之间的支持度，最后对不同学校之间的学生流动通过网络分析法进行迭代分析，并依据迭代后每个学校的最终得分对学校进行排名。本发明的出发点是通过不同学校之间的学生流动计算各学校的得分，并根据学校得分对学校进行排名，关键在于学校之间的学生流动统计分析和学校之间的支持度计算。主要包含三个子过程，分别是：人才流动数据预处理过程、学校之间支持度计算和人才流动迭代分析和应用过程。一种基于人才流动分析的学校排名方法，包括：对人才流动数据进行预处理，包括对学历进行分类，对学校进行分类；学校之间支持度的统计分析，包括统计学校之间人才流动情况，并构建人才流动网络图，在此基础上，计算学校之间的支持度；人才流动迭代分析和应用，用于根据学校之间的人才流动，通过网络迭代分析法计算各学校的得分，根据最终状态下各学校的得分对学校进行排名。此外，为解决现有学校排名方法未考虑学生主观因素的问题，并为学生提供更好的择校选择、对企业提供更好的候选人建议，本发明提出了一种基于人才流动分析的学校排名装置。一种基于人才流动分析的学校排名装置，包括：人才流动数据预处理模块，用于对学历进行分类和对学校进行分类；学校之间支持度的统计分析模块，用于统计学校之间人才流动情况，并构建人才流动网络图，在此基础上，计算学校之间的支持度；人才流动迭代分析和应用模块，用于根据学校之间的人才流动，通过网络迭代分析法计算各学校的得分，根据最终状态下各学校的得分对学校进行排名。本方法的有益效果是：该学校排名方法及装置在对学校进行排名时，以学生实际的择校流动作为学校排名的依据，解决了现有学校排名方法未考虑学生主观因素的问题，并为学生提供更好的择校选择、为企业提供更好的候选人建议。以计算机类专业为例，数据涵盖了计算机类主流的学科和开设计算机类学科的学校，具有高度的普遍性和代表性。下面结合数据实例进行分析。数据集信息如表1所示。表1数据集详细参数序号参数数量1学生数828982学校数1757利用上述数据集，我们根据所设计的方法及装置对学校进行排名，根据最后的排名结果，截取前20所学校如表2所示。表2排名前20的学校实验结果表明所设计的方法对于开设计算机类学科的学校排名具有很好的效果，像北京邮电大学和中国科学院大学这样在计算机领域较为知名的211高校或是新建高校(非985且非211)都能排进前20名，说明本方法解决了现有学校排名方法未考虑学生主观因素的问题，并能为学生提供更好的择校选择、为企业提供更好的候选人建议。附图说明下面结合附图和实施例对本方法进一步说明。图1是人才流动数据预处理过程的流程图。图2是学校之间支持度统计分析的流程图。图3是人才流动迭代分析和应用过程的流程图。图4是一种基于人才流动分析的学校排名装置的示意图。图5是一种基于人才流动分析的学校排名方法的流程图。具体实施方式以下结合附图对本发明的原理和性质进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明提供一种基于人才流动分析的学校排名方法，如图5所示，包括三个过程：人才流动数据预处理过程、学校之间支持度的统计分析过程和人才流动迭代分析和应用过程，以下步骤：人才流动数据预处理过程，如图1所示，详细过程如下：步骤S101：对学历进行分类统计分析所有教育信息中学历情况，统一分类为“本科”、“硕士”、“博士”和“其他”(包括大专、高中等)。步骤S102：分析求学时间合理性提取每一段求学经历的开始时间和毕业时间，并与该经历对应的学历进行匹配，如若学历为“本科”，则毕业时间与开始时间之差应大于等于4年。步骤S103：对学校按照985、211以及其他高校进行分类结合目前国内高校的实际情况，按照985、211以及其他高校对数据集中的学校进行分类。学校之间支持度的统计分析过程，如图2所示，详细过程如下：步骤S201：统计升造跳转对应的学校跳转情况统计学生在求学升造时学校的跳转情况，要求跳转情况必须是低学历状态跳转至更高学历状态，形成相对应的学校之间跳转情况网络图。步骤S202：根据跳转情况计算学校之间支持度根据公式：其中表示Si学校对Sj学校的支持度，表示低学历状态(对应学校为Si学校)到更高学历状态(对应学校为Sj学校)的跳转频率，即Si学校对Sj学校的人才贡献值，表示Si学校对所有学校的人才贡献值总和。人才流动迭代分析和应用过程，如图3所示，详细如下：步骤S301：初始化学校得分根据上述985、211以及其他高校的分类，初始化学校得分，其中985高校赋予100分初始得分，211高校赋予70分初始得分，其他高校赋予50分初始得分；步骤S302：根据支持度计算一轮迭代后的每所学校得分根据模型公式：其中表示Si学校的得分，k表示学校之间的支持度系数，表示Sx学校对Si学校的支持度；步骤S303：归一化学校得分根据公式：其中表示Si学校的得分，Smin表示一轮迭代后所有学校得分中的最低分，Smax表示一轮迭代后所有学校得分中的最高分；步骤S304：补充人才流入根据学校分类情况，在每次迭代后对各学校人才进行补充，其中985学校得分补充20分，211学校得分补充10分；步骤S305：判断一轮迭代后系统是否达到设定阈值或学校排名是否达到稳定，如果是，则跳转到S306，否则跳转到S302；步骤S306：统计最终状态每所学校的得分，将学校按照最终的得分排名。此外，本发明提供一种基于人才流动分析的学校排名装置，如图4所示，包括三个模块:人才流动数据预处理模块、学校之间支持度的统计分析模块和人才流动迭代分析和应用模块，其中：人才流动数据预处理模块101，用于对学历进行分类，对学校进行分类。学校之间支持度的统计分析模块102，用于统计学校之间人才流动情况，并构建人才流动网络图，在此基础上，计算学校之间的支持度。人才流动迭代分析和应用模块103，用于根据学校之间的人才流动，通过网络迭代分析法计算各学校的得分，直至迭代次数达到设定阈值或学校排名达到稳定时停止迭代，最后根据最终状态下各学校的得分对学校进行排名。在本实施例中，工作岗位预处理模块101还用于提取每一段求学经历的开始时间和毕业时间，并与该经历对应的学历进行匹配，如若学历为“本科”，则要求毕业时间与开始时间之差应大于等于4年。在本实施例中，人才流动迭代模型初始化模块102还用于根据跳转情况计算学校之间支持度，根据公式：其中表示Si学校对Sj学校的支持度，表示低学历状态(对应学校为Si学校)到更高学历状态(对应学校为Sj学校)的跳转频率，即Si学校对Sj学校的人才贡献值，表示Si学校对所有学校的人才贡献值总和。在本实施例中，人才流动迭代模型应用模块103还用于初始化学校得分，根据上述985、211以及其他高校的分类，初始化学校得分，其中985高校赋予100分初始得分，211高校赋予70分初始得分，其他高校赋予50分初始得分。在本实施例中，人才流动迭代模型应用模块103还用于根据支持度计算一轮迭代后的每所学校得分，根据模型公式：其中表示Si学校的得分，k表示学校之间的支持度系数，表示Sx学校对Si学校的支持度；在本实施例中，人才流动迭代模型应用模块103还用于归一化学校得分，根据公式：其中表示Si学校的得分，Smin表示一轮迭代后所有学校得分中的最低分，Smax表示一轮迭代后所有学校得分中的最高分。在本实施例中，人才流动迭代模型应用模块103还用于补充人才流入，根据学校分类情况，在每次迭代后对学校人才数量补充，其中985学校得分补充20分，211学校得分补充10分。采用了上述基于人才流动分析的学校排名方法及装置之后，对学校间的人才流动和新鲜人才补充进行迭代操作，依据学校最终的得分进行排名。这样的排名方式，以学生实际的择校行为作为学校排名的依据，通过迭代分析不同学校间的学生流动对学校进行排名，很好的解决了现有学校排名方法未考虑学生主观因素的问题，并能为学生提供更好的择校选择、为企业提供更好的候选人建议以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。当前第1页1 2 3