基于灰色模型的网络招聘信息人才趋势预测

李赵兴

(榆林学院 信息工程学院，陕西 榆林 719000 )

引言

伴随着信息社会的到来，人才的招聘方式也逐渐从传统招聘向网络招聘转变，网上招聘有多种形式，在当今社会非常流行。当人们使用互联网查找各种各样的信息时，他们会发现很多在线招聘信息。这些招聘信息不仅反映了招聘企业的人才需求，而且在一定程度上反映了当前人才市场需求的短期趋势。根据两年前的数据，每天平均有4000万个工作职位在网上发布，平均每天有8000份简历提交。根据《财富》杂志的数据，在《财富》500强公司中，有88%的公司通过在线招聘来满足自己的人才需求。[1]因此，越来越多的求职者，尤其是来自许多学院和大学的应届毕业生，也通过在线招聘平台寻找自己的就业机会。网络招聘信息不仅可以直接反映的基本条件的用人单位人才能力和质量要求,为申请人提供工作参考,而且在某种程度上反映了社会的现状和行业对人才的需求,甚至在一段时间内的人才在未来需求趋势[2]。

着越来越多的求职人士在网络平台中为自己争取就业机会，网络招聘平台[3]的发展正变得越来越快，互联网招聘信息平台越来越多，招聘信息也变得越来越多，它反映了用人单位的基本需求，即人才基本能力和基本素质要求。这些海量的网络招聘信息看似没有什么价值，但是好好利用它就可以为求职者提供全面详细的工作分析，如职位需求、职位的受欢迎程度、职位的区域分布等。

1 灰色预测模型GM

GM(1, 1)灰色模型[4]是一个累加生成算子后的离散随机数，减少其随机性，得到更多的正则生成数，然后建立增白微分方程，求解方程，然后建立模型。灰色预测是一种基于灰色系统理论的预测方法。该理论主要是从一些已知的信息中开发、分析和提取有价值的信息，从而实现对系统的运行行为和演化的正确描述和有效控制。人才制度与社会经济发展的关系十分复杂。该系统包括已知的和未知的信息，可以被认为是一个灰色系统。

灰色系统理论用于预测分析[5]，特别是当数据序列短且有明显上升趋势时。因此，灰色预测在人力资源领域得到了广泛的应用。灰色预测方法不需要太多的样本数据，这就弥补了人才统计历史数据的不足。此外，该方法还可以避免人为的主观臆断，而这些往往是由人的经验、知识和偏好所引起。

灰色预测可以识别系统因子的发展趋势，相关性分析与原始数据的生成和处理之间的差异，找出系统的规律改变，产生强大的数据序列规则，然后建立数据序列。积累生成微分方程模型，预测未来事物的发展趋势。

2 预测模型的构建

2.1 模型构建

为了使预测结果更有说服力，给出以下两条假设：(1)预测模型所获得的原始数据都是准确可靠的；(2)在原始期间或预测期间，行业需求、地域需求、职位需求的数值变化不受其他外界随机因素影响。

为了测试灰色模型GM(1,1)是否可以应用于这篇论文的预测，需要对已知数据做必要的检验处理。设原始数据列为=x(0)=(x(0)(1),x(0)(2),…,x(0)(n))，计算数列的级比：

(1)

y(0)(k)=x(0)(k)+c,k=1,2,…,n

(2)

取常数c使数据列的级比都落在可容覆盖内。

保证可以用此模型预测后，建立如下模型，不妨设

x(0)=(x(0)(1)，x(0)(2)，…，x(0)(n))

(3)

x(0)满足上面的要求，以它为数据列建立GM(1，1)模型：

x(0)(k)+az(1)(k)=b

(4)

利用回归分析求得a,b的估计值，于是相应的白化模型为

(5)

得到：

于是得到预测值：

从而相应地得到预测值：

2.2 精度检验

在建立模型后,还必须对模型进行精度检验。

第一步、残差检验：计算相对

(6)

如果对所有的||<0.1，则认为预测结果非常精确；否则，若对所有的||<0.2，则认为预测结果比较精确。

第二步、级比偏差值检验：计算

(7)

如果对所有的||<0.1,则认为达到较高的要求；否则若对于所有的||<0.2，则认为到达一般要求。

3 预测过程及预测结果

由于本论文的研究需要从多个行业的角度进行行业就业人数的预测，所以预测过程仅以其中的移动互联网行业为例来展示预测过程，其他行业只显示预测结果。为了得到的数据更加准确，本预测所用到的数据来自国家统计局年度数据，为了避免预测的次数过于频繁，本节所用到的原始数据是将几个相近行业就业人数归为一类合并之后的数据。

表1 移动互联网2014～2017就业人数原始数据

第一步：级比检验

建立互联网通信行业就业人数数据时间序列如下：

x(0)=(x(0)(1)，x(0)(2)，x(0)(3)，x(0)(4))=(671.8，699，727.6，770.3)

则γ=(γ(2)，γ(3)，γ(4))=(0.9610，0.9607，0.9445)

(2)级比判断

由于所有的γ∈[0.6703,1.4918],k+2，3，4，故可以用x(0)作GM(1，1)建模。

第二步：套用GM(1，1)模型

(3)对原始数据x(0)作一次累加，即x(1)=(678.1，1377.1，2104.7，2875)

(4)构建数据矩阵B及数据向量Y。

(6)建立模型：

(7)生成预测值数列

第三步：模型检验

经过计算残差与级比偏差得知：该模型精度较高，预测结果较准确，经过以上的预测模型分析得知往后三年内行业需求人数排名前三的行业分别为：互联网·通信行业，金融业，房地产与建筑行业。其具体的人才需求结果如下表2，表3，表4所示，排名前三的热门行业未来三年人才需求走势图如图1所示：

表2 移动互联网行业未来三年人才需求预测结果

表3 电子商务业未来三年年人才需求预测结果

表4 金融业未来三年人才需求预测结果

下图为移动互联网业、电子商务业、金融业的人才需求量的趋势走向图，其中2014年到2017年为原始数据，2018年到2020年为通过上述灰色模型预测后的预测值。

由上图可以看出，各行各业的需求大致上都呈上升趋势，移动互联网行业从2014年开始就位居行业需求量之首，预计到2020年，互联网行业的就业人数会增加到865.9万人。

4 结束语

本文对网络招聘信息进行了定量的分析研究，基于对50万条招聘信息研究社会和相关行业的需求特点与趋势，利用灰度模型对网络招聘信息进行了预测，由分析结果可以看出，能够很好的得到社会对人才需求的情况以及人才趋势图，为院校能够有针对性的调整人才培养方案和设置一些相关的课程，以及对大学生的就业规划提供重要的参考依据。