張志宇，呂明麗，李從東

(1．天津大學管理學院，天津300072;2．天津商業(yè)大學信息工程學院，天津300134;3．暨南大學管理學院，廣州 510632)

基于BP神經(jīng)網(wǎng)絡的人崗匹配測評模型的研究

張志宇1，2，呂明麗2，李從東3

(1．天津大學管理學院，天津300072;2．天津商業(yè)大學信息工程學院，天津300134;3．暨南大學管理學院，廣州 510632)

人崗匹配測評研究對于個體和企業(yè)績效具有十分重要的影響。文章將智能信息處理技術應用于企業(yè)內(nèi)部人崗匹配測評問題的研究，對影響人崗匹配的各種因素進行了分析，探討了基于BP神經(jīng)網(wǎng)絡的人崗匹配測評模型的構建及應用;并介紹了基于Web的人崗匹配測評系統(tǒng)的分析及設計，重點介紹了嵌入MATLAB的混合編程技術，測評系統(tǒng)的實現(xiàn)增強了人崗匹配管理的智能化和信息化。

人崗匹配;測評;BP神經(jīng)網(wǎng)絡;系統(tǒng)設計;MATLAB

人力資源是現(xiàn)代企業(yè)發(fā)展的第一資源，隨著經(jīng)濟的發(fā)展，人力資源中的崗位管理也越來越被企業(yè)所重視，員工與崗位是否合理匹配的問題已成為人力資源管理中的基本問題［1］。近年來，研究者已對主觀和客觀匹配展開大量研究，這些研究表明人與崗位間的匹配程度確實影響員工能否在此崗位上發(fā)揮最有效作用和企業(yè)能否充分開發(fā)人力資源，強化企業(yè)管理職能［2-3］。因此，企業(yè)應對人崗匹配予以足夠的重視，最大限度地發(fā)揮人力資源的作用，促進企業(yè)持續(xù)、穩(wěn)定、快速發(fā)展。但目前，對人與崗位匹配的理論和模型，尤其對量化和智能化研究均不太深入。

人崗匹配問題由于受到多種因素的復雜影響，呈現(xiàn)出非線性的特征，同時不同企業(yè)人崗匹配都具有特殊性，利用一般的數(shù)學方法無法完全滿足這些要求;隨著信息技術尤其是網(wǎng)絡技術在企業(yè)的廣泛應用，員工信息和定期評價的相關數(shù)據(jù)大量存在數(shù)據(jù)庫中，員工與企業(yè)交互性增加，這些人崗匹配的信息具有重要的價值，傳統(tǒng)的決策方法無法得到隱藏在這些數(shù)據(jù)之后的有關這些數(shù)據(jù)整體特征的描述及其發(fā)展趨勢的預測信息。人們希望能夠讓計算機自動智能地分析企業(yè)數(shù)據(jù)庫中的海量數(shù)據(jù)以獲取有用決策管理信息，這就是推動數(shù)據(jù)挖掘(data mining，DM)這一輔助決策工具產(chǎn)生并發(fā)展的強大動力。數(shù)據(jù)挖掘技術正是一種能夠解決挖掘有價值信息這類問題的新的智能方法［4］。本文將利用數(shù)據(jù)挖掘中的人工神經(jīng)網(wǎng)絡所具有的捕捉過程輸入(崗位指標)與輸出(匹配程度)之間的非線性關系的能力和強大的學習推理能力，建立一個基于BP神經(jīng)網(wǎng)絡的通用的數(shù)據(jù)挖掘測評模型，將其應用于解決人崗匹配問題。利用智能理論解決人崗匹配問題可以使模型更符合企業(yè)的實際情況，保證決策的客觀性，同時，還基于網(wǎng)絡平臺設計和實現(xiàn)一個通用的測評系統(tǒng)，增加了人崗匹配研究的實用性。

一、文獻研究

人崗匹配也叫人職匹配，是用于職業(yè)選擇、介紹和咨詢的經(jīng)典性理論，也稱特性與素質(zhì)理論，最早由美國波士頓大學教授帕森斯1908年在《選擇職業(yè)》一書提出，后由著名職業(yè)咨詢專家E．G．Williamson等人進一步發(fā)展和定型。該理論認為每個人都有自己主觀的人格特征與能力特點，應與對個體有一定可能性的社會職業(yè)或崗位相聯(lián)匹配，從而選擇一種職業(yè)。人力資源管理就應達到人與崗位之間的合理匹配。

美國學者Schneider等人在1987年提出ASA框架，1995年對該框架進行了改進，認為人與企業(yè)因之間的相似性而互相吸引，而人與崗位之間的相容性可以通過其他的多種形式概念化［3］。Motowidlo和Van Scotter提出了區(qū)分任務績效和周邊績效，之后很多學者開始關心匹配和這兩個方面的關系，并從人崗匹配視角對影響其的各種因素進行了多方面的研究［4］。Kristof等人提出人與組織匹配的整合模型，認為人與組織存在聯(lián)系［5-6］。Jung等人通過對食品行業(yè)的研究，認為員工職業(yè)道德價值對人崗匹配具有影響［7］。國內(nèi)的王麗萍研究了人崗匹配的方法基礎，認為人的能級和崗位的變動會使人崗匹配模型變化［8］。羅偉良研究了人力資源配置的個人與崗位動態(tài)匹配模型［9］。沈文海分析了組織和個人的因素對人崗匹配的影響，并進行了實證分析，但在人崗匹配測評方面有所欠缺［10］。

從以上研究可以看出，人崗匹配研究是目前人力資源管理研究的一個重要領域和課題，同時也證實人和崗的匹配影響著員工的崗位選擇和企業(yè)的人力資源管理效率，雖然國內(nèi)外研究者為人崗匹配的研究提供了很多有效的方法和思路，但人崗匹配定量化測評方法的研究仍是關鍵中的難點。在人崗匹配的測量方法方面，James等提出:很多崗位水平的變量在本質(zhì)上是知覺性質(zhì)的，因而不存在什么崗位變量的真實分數(shù)［11］。在Schmidt和Hunter的研究中提供了很多通過研究設計和統(tǒng)計方法來控制和區(qū)分測量誤差的具體方法［12］。

綜上所述，我們不難看出，目前人與崗位匹配的研究大多數(shù)偏于靜態(tài)的理論和模型，動態(tài)、發(fā)展和實用的匹配研究較少，沒有考慮組織的管理策略對人或崗產(chǎn)生的動態(tài)影響因素;對人崗匹配測評指標體系研究不夠深入，實用具體的指標體系較少，定量性和智能性欠缺;再有信息技術尤其是網(wǎng)絡技術已深刻影響企業(yè)經(jīng)營管理的各個方面，現(xiàn)有的研究沒能與企業(yè)信息化系統(tǒng)充分結合，起到提高企業(yè)人力資源管理信息化水平和效率的作用等。

二、基于BP神經(jīng)網(wǎng)絡的人崗匹配測評模型構建

1．人崗匹配測評指標體系的建立

企業(yè)員工與崗位相匹配，蘊含著三重相互對應的關系:一是崗位要求與工作報酬的匹配;二是員工能力與崗位要求之間的匹配;三是員工工作意愿與工作報酬匹配［13］。通過崗位匹配可使員工增加對企業(yè)的忠誠度，促進員工提高工作熱情，開發(fā)員工的潛能，使企業(yè)形成一個充滿活力的系統(tǒng)。袁有明認為人崗匹配的主要原則是:互補增效原則、能級排列原則、競爭公平原則、同素異構原則、要素有用原則、激勵強化原則、信息催化原則，并提出了能力、知識、經(jīng)驗和經(jīng)歷、性格與氣質(zhì)、體能、道德匹配的人崗匹配形式［1］。Wagner認為，員工對崗位的滿意度與員工流動率之間具有明顯的相關性［14］。郝春暉對有關員工滿意和承諾的相關文獻進行了比較全面的綜述后，從員工與組織價值互動溝通的視角提出員工忠誠和滿意是組織成長和獲利的主要動力，員工的滿意由管理的公平性、工作環(huán)境中同事的素質(zhì)、個人成長的機會、顧客的滿意程度(即鏡面效應)以及貨幣報酬等因素帶來［15］。

本文通過歸納和總結，得出了建立人崗匹配測評指標體系的原則:評價指標與組織目標統(tǒng)一原則;定量與定性相結合原則，指標體系中應盡量保證可以量化的指標，比如學歷、行業(yè)經(jīng)驗等以保證測評的客觀性;指標動態(tài)性原則，由于人的能動性和復雜性，人崗匹配程度受很多動態(tài)因素的影響，指標設置應考慮管理策略對員工的動態(tài)影響;科學性與可操作性相結合原則，既要考慮人崗匹配的各個方面符合相關理論，又要考慮數(shù)據(jù)易獲得和可量化操作;崗位與員工匹配原則;員工滿意度原則;信息技術與管理相結合原則等。

依據(jù)以上原則，本文基于動態(tài)交互，本著實用的原則，從員工能力、崗位要求、工作報酬、工作滿意度四方面提出測評指標體系建立方案，如表1所示。需要指出的是，對于具體的三級指標，對于不同行業(yè)、不同崗位系列和不同層次崗位的人員素質(zhì)確定的測評指標會有所不同，最終具體指標要根據(jù)實際情況分析而確定。

表1 人崗匹配測評指標體系

2．基于BP神經(jīng)網(wǎng)絡的人崗匹配測評模型

當確定某一崗位對員工的各個測評指標后，把某一崗位對員工的綜合要求視為一個分類，人工神經(jīng)網(wǎng)絡所模擬的就是分類機制。這樣的網(wǎng)絡以員工測評指標的值為輸入，經(jīng)過運行產(chǎn)生的輸出為該人員與崗位的匹配程度類別。

人工神經(jīng)網(wǎng)絡是數(shù)據(jù)挖掘技術之一，其中誤差反向傳播(error back propagation，BP)網(wǎng)絡由于結構簡單和從樣本中提取規(guī)則的強大能力而使它應用最為廣泛［16］，BP網(wǎng)絡使用BP算法來對網(wǎng)絡中各層的權系數(shù)進行修正，逼近任意非線性函數(shù)，屬于一種有指導的學習算法(即需要歷史樣本訓練網(wǎng)絡)，常用于預測、分類、評價處理。

由于人崗匹配測評實質(zhì)上是對影響崗位匹配的各項評價指標進行評價，這些指標因素復雜，其影響關系一般為非線性，很難建立定量的、固定的數(shù)學關系式，而且，前期員工的人崗匹配經(jīng)驗對后期或新員工的匹配有積極的指導作用，屬于有指導的學習。模擬非線性及需要有指導的學習這兩點，正是我們選擇BP神經(jīng)網(wǎng)絡來進行人崗匹配的原因。在實際應用中，利用樣本數(shù)據(jù)對其進行訓練，訓練后的網(wǎng)絡的各神經(jīng)元間相互聯(lián)接的權值就能反映該問題的特征，這時，把新的問題特征值輸入，模型就能輸出問題的解決結果。根據(jù)Kolgomorov定理，三層(輸入層、輸出層和中間層)的BP網(wǎng)絡幾乎可以逼近任意的非線性的連續(xù)映射。本文就將采用三層的BP網(wǎng)絡來進行研究。由于BP算法存在收斂速度慢、局部極小等缺點，因此實際上大多使用改進的算法，本文采用動量-自適應學習率調(diào)整法，目標函數(shù)則選擇網(wǎng)絡誤差平方和。用于人崗匹配測評的BP神經(jīng)網(wǎng)絡模型的結構如圖1所示。

圖1 用于人崗匹配測評的BP神經(jīng)網(wǎng)絡模型

3．人崗匹配測評系統(tǒng)的設計與實現(xiàn)

(1)系統(tǒng)邏輯關系分析。人崗匹配測評系統(tǒng)設計和實現(xiàn)的目的是增強企業(yè)人力資源管理的信息化和智能化，為企業(yè)人崗匹配管理 (招聘、評價、培訓和差異化管理等)提供較好的決策支持作用。目前，大多數(shù)企業(yè)或組織都擁有自己的人力資源管理系統(tǒng)或子系統(tǒng)，在其基礎上，為增加測評系統(tǒng)的通用性以及測評系統(tǒng)和企業(yè)已有的信息系統(tǒng)的有效結合，測評系統(tǒng)的開發(fā)將只共享其原有的員工信息數(shù)據(jù)，而不用對已有信息系統(tǒng)進行任何改變。測評系統(tǒng)與原人力資源管理子系統(tǒng)的邏輯關系如圖2所示。

圖2 系統(tǒng)邏輯關系圖

(2)系統(tǒng)流程分析。利用BP神經(jīng)網(wǎng)絡模型進行人崗匹配測評的流程如圖3所示。

首先測評管理員可以根據(jù)自己的權限登錄本系統(tǒng)，然后對某一員工進行測評，輸入員工編號后，系統(tǒng)根據(jù)數(shù)據(jù)庫數(shù)據(jù)進行判斷，如果該員工已經(jīng)測評過了，則直接查看其成績，如果是新的測評員工，則進行測評，測評完成后，測評管理員可以在后期進行確認，如果肯定測評，則將此次數(shù)據(jù)加入數(shù)據(jù)庫，成為新的網(wǎng)絡學習樣本，否定則退出或者重新測評，接下來如果需要，可以查看各個員工的測評信息。

圖3 人崗匹配測評的流程分析圖

(3)系統(tǒng)開發(fā)結構分析。本系統(tǒng)基于最新的瀏覽器/服務器結構(B/S)進行開發(fā)，充分利用網(wǎng)絡平臺的聯(lián)通性和數(shù)據(jù)挖掘的智能性，并采用MATLAB進行神經(jīng)網(wǎng)絡的構建，利用ADO．net組件訪問員工信息。其結構如圖4所示。

圖4 系統(tǒng)開發(fā)結構圖

(4)系統(tǒng)實現(xiàn)。系統(tǒng)開發(fā)基于Microsoft ASP．NET 2．0，開發(fā)語言采用 Visual Basic．NET，該語言集成在微軟Visual Studio開發(fā)環(huán)境中，是目前最先進的面向對象編程語言之一［18-19］。在數(shù)據(jù)庫平臺的選擇上，根據(jù)實際需求，后臺數(shù)據(jù)庫因數(shù)據(jù)量較大，計算復雜，選用Microsoft SQL SERVER 2005［19］。系統(tǒng)所采用的 BP 神經(jīng)網(wǎng)絡的構建工具是MATLAB 7．1軟件，主要使用其中的神經(jīng)網(wǎng)絡工具箱來完成神經(jīng)網(wǎng)絡的建立和訓練［20］。

(5)MATLAB混合編程接口技術實現(xiàn)。在測評系統(tǒng)中成功解決了MATLAB與VB的混合編程接口技術。該技術主要完成將數(shù)據(jù)庫的數(shù)據(jù)傳遞到MATLAB空間，由前面所建立的BP模型對歷史數(shù)據(jù)進行訓練、預測，得出預測結果，然后將預測結果傳回VB．NET。主要方法是在VB．NET中通過調(diào)用MATLAB的引擎(ENGINE)接口。使用Windows的OLE通道與MATLAB通信。通過 Object．Execute的 MATLAB語句，在程序中可以直接使用MATLAB提供的函數(shù)庫和圖形庫。在VB．NET中調(diào)用MATLAB主要程序代碼如下:

matlab=CreateObject(“matlab．a(chǎn)pplication”)

matlab．Execute(“cd d:”)

Call matlab．putfullmatrix(“d”，“base”，sdata，sdata img)

matlab．Execute(“r=newffnet(d)”)

Call matlab．GetFullMatrix(“r”，“base”，rreal，rimag)

matlab．quit()

三、基于BP神經(jīng)網(wǎng)絡人崗匹配測評模型的應用實例

1．模型應用過程

本文的研究對象界定為高校教師，高校教師在學歷、自身素質(zhì)、溝通表達能力方面特點測定較容易，員工流動性小，同時近幾年高校評價工作開展普遍，可以保證樣本數(shù)據(jù)的充分和各指標的準確客觀量化。本研究僅僅是對教師的崗位要求和職務要求進行分析研究，而并非以從業(yè)人員個體為研究對象。下面介紹基于BP神經(jīng)網(wǎng)絡人崗匹配測評模型的應用。

(1)評價模型指標體系的建立。本文通過相關文獻研究和教師的行業(yè)、學校、崗位的經(jīng)驗總結、調(diào)查研究、統(tǒng)計分析［21］，通過對人崗匹配測評匹配因素的研究，依據(jù)表1中提出的測評指標體系設立方案，建立教師人崗匹配測評模型指標體系，確定其三級指標為員工的專業(yè)技能、工作經(jīng)驗、英語水平、身心健康、工作態(tài)度、學習與解決實踐問題的能力、與人溝通的能力、計算機水平、學歷、IQ指數(shù)、崗位要求與工作報酬的匹配、員工工作意愿與工作報酬匹配、員工能力與崗位要求之間的匹配共13項。將以上13項指標作為模型的輸入指標，然后調(diào)用BP神經(jīng)網(wǎng)絡算法進行訓練學習，最后將模型得出的值分為不匹配、匹配、非常匹配三個測評類別。

(2)基于BP神經(jīng)網(wǎng)絡的教師人崗匹配測評模型。整個神經(jīng)網(wǎng)絡結構采用三層結構，輸入層根據(jù)上面建立的13條評價指標，將維數(shù)設定為13，各節(jié)點的值分別代表以上的13項測試指標的值。網(wǎng)絡輸出層維數(shù)設定為1。將該節(jié)點輸出的值劃分成三個范圍，即輸出值＜0．6為不匹配，輸出值≥0．6并且＜0．8為匹配，輸出≥0．8為非常匹配。中間層節(jié)點數(shù)由經(jīng)驗公式求出，再用實驗進行比較確認。由于該網(wǎng)絡為13個輸入、1個輸出，可視為一個特征壓縮過程，中間層單元個數(shù) N 大致滿足13∶N=N∶1，由此可得 N=3．6。暫定為4，用不同學習速率和樣本數(shù)據(jù)加1和減1進行實驗，最后確定當中間層節(jié)點數(shù)為4時，網(wǎng)絡性能比較穩(wěn)定。

(3)學習、測試樣本數(shù)據(jù)。根據(jù)現(xiàn)有職工的實際情況，請相關工作和研究人員進行打分，得到每個職工各指標的數(shù)據(jù)，再把每學期的教學評價結果分為不匹配，匹配，非常匹配三個測評類別，這樣樣本數(shù)據(jù)就準備好了。這些樣本數(shù)據(jù)均來自于人事部門管理人員和參與研究人員對現(xiàn)有職工各項指標的打分和相應的每學期教師教學評價的結果，所有的分值均為百分制，我們進行數(shù)據(jù)歸一化，把其轉換為［0，1］的值，以便于運用MATLAB的神經(jīng)網(wǎng)絡工具來進行模擬。本次實驗樣本數(shù)據(jù)集共有記錄150個，其中學習樣本100個，測試樣本50個。學習樣本用于BP神經(jīng)網(wǎng)絡模型的學習訓練階段，測試樣本用于驗證已訓練好的網(wǎng)絡模型，當驗證結果與期望輸出滿足一定精度時，表明該模型是可行的。這樣得到的測評模型可用于對新職工應聘教師崗位進行測評，也可為人事部篩選人才的管理決策工作提供支持作用。

2．結果分析與討論

通過對歷史數(shù)據(jù)的學習，建立了基于神經(jīng)網(wǎng)絡的教師測評模型。該模型可以用于對新人員的應聘、篩選和在崗員工的評價，以更好地進行師資的培養(yǎng)和人力資源的優(yōu)化。例如，當新的人員來應聘或對員工與崗位的匹配度進行測評時，先對他的13項指標進行打分，再調(diào)用已建立的基于神經(jīng)網(wǎng)絡技術的教師測評模型進行測評，所得結果即是其與所聘崗位的匹配程度，該結果可以為人力資源管理提供較好的決策依據(jù)，有利于學校對教師進行篩選，圖5是測評系統(tǒng)對某一新員工進行測評的結果。

圖5 某一員工測評結果圖

從圖5可以看出，該新員工與應聘崗位的測評結果為“匹配”，若決定錄用此新員工，在員工實習工作一段時間后，對該員工的實際工作崗位的匹配程度再次進行核定，并與前期的測評結果進行對比，在“樣本維護”模塊按實際匹配度進行修改后可以存入樣本數(shù)據(jù)表，作為下一次建立教師測評模型的樣本數(shù)據(jù)，這樣可以保證樣本數(shù)據(jù)的實時更新，最終保證了測評結果的準確性。

但也要指出的是，神經(jīng)網(wǎng)絡技術是挖掘歷史樣本數(shù)據(jù)的潛在的、有價值的模式，樣本數(shù)據(jù)的客觀真實性對結果影響度較大，這一方面可以充分體現(xiàn)模型的智能性，但另一方面對樣本的要求也就很高，在所研究的案例中，在樣本的各指標打分方面，一部分指標還不可以量化，只能定性處理，這也在一定程度上影響了結果的滿意度。另外，本文建立的測評模型及系統(tǒng)注重通用性，可以用于其他組織或企業(yè)進行員工測評，但需要注意的是，在應用該模型進行測評時，應根據(jù)企業(yè)實際情況，確定適合企業(yè)的測評指標及其分類。

四、結 語

本文對人崗匹配理論和評價指標體系的構建進行了探討，將智能理論BP神經(jīng)網(wǎng)絡應用于解決企業(yè)內(nèi)部人崗匹配測評，構建了人崗匹配測評模型，對解決人崗匹配測評的管理決策提供了很好的依據(jù)。本文還介紹了以ASP．NET 2．0為平臺的人崗匹配測評系統(tǒng)的開發(fā)和實現(xiàn)過程，并對其中的關鍵技術進行詳細分析，值得一提的是，系統(tǒng)較好地解決了MATLAB的混合編程問題，提高了MATLAB在高級編程語言中的應用。

將智能理論應用于解決人力資源管理問題是一種新的探索。鑒于人力資源管理問題的復雜性，以及在理論、實踐經(jīng)驗方面的不足，人崗匹配的研究仍有許多值得研究的問題。指標體系更趨客觀、全面、合理，智能決策系統(tǒng)進一步嵌入到企業(yè)日常的管理信息系統(tǒng)之中來自動發(fā)現(xiàn)和提取知識，使利用信息系統(tǒng)搜集來的數(shù)據(jù)充分發(fā)揮作用，以提供決策支持，這將是信息系統(tǒng)今后重點發(fā)展的方向之一。

［1］ 袁有明．人力資源管理中的人崗匹配問題［J］．市場周刊·理論研究，2008(9):140-142．

［2］ Huang K K．Using an Annealed Neural Network in Organization Personal Management［D］．School of Business，University of South Dakota，1999．

［3］ Schneider B，Goldstein H W，Brent S D．The ASA framework:A update［J］．Personnel Psychology，1995，48(4):747-773．

［4］ Motowidlo S J，Van Scoter J R．Evidence that task performance should be distinguished from contextual performance［J］．Journal of Applied Psychology，1994，79(4):475-480．

［5］ Kristof-Brown A L．Person-organization fit:An integrative review of its conceptualizations，measurement and implications［J］．Personnel Psychology，1996，49(1):1-49．

［6］ Kristof-Brown A L，Zimmerman R D，Johnson E C．Consequence of individual’s fit at work:a meta-analysis of person-job，person-organization，person-group and person-supervisor fit［J］．Personnel Psychology，2005，58:281-342．

［7］ Jung H S，Namkung Y，Yoon H H．The effects of employees'business ethical value on person-organization fit and turnover intent in the foodservice industry［J］．International Journal of Hospitality Manngement，2010，29(3):538-546．

［8］ 王麗萍．能崗匹配的方法基礎:工作設計［J］．中國人力資源開發(fā)，2003，20(3):45-47．

［9］ 羅偉良．人力資源配置的個人:崗位匹配動態(tài)模型［J］．引進與咨詢，2003(5):24-26．

［10］ 沈文海．人崗匹配的理論研究與實證分析［D］．廈門大學管理學院，2002．

［11］ James L R，Damaree R G，Wolf G．Estimating within grounder rater reliability with and without response bias［J］．Journal of Applied Psychology，1984，20(5):85-98．

［12］ Schmidt F L，Hunter J E．Measurement error in psychological research:Lessons from 26 research scenarios［J］．Psychological Methods，1996，1(2):33-45．

［13］ 張國初．人力資源管理定量測度與評價［M］．北京:社會科學文獻出版社，2000．

［14］ Wagner C．Percept-percept inflation in micro organizational research:An investigation of prevalence and effect［J］．Journal of Applied Psychology，1994，79:67-76．

［15］ 郝春暉．顧客價值的動態(tài)結構及其管理問題研究［D］．天津大學管理學院，2007．

［16］ Haykin S．Neural Networks a comprehensive foundation［M］．北京:機械工業(yè)出版社，2004．

［17］ 朱本城，王鳳林．Visual Basic．NET 2005［M］．北京:電子工業(yè)出版社，2008．

［18］ 秦建新，譚子芳．基于ComGIS的城鎮(zhèn)宗地估價系統(tǒng)設計與實現(xiàn)［J］．計算機工程與應用，2008，44(24):85-89．

［19］ 張蒲生．數(shù)據(jù)庫應用技術SQL SERVER 2005［M］．北京:機械工業(yè)出版社，2008．

［20］ 飛思科技產(chǎn)品研發(fā)中心．神經(jīng)網(wǎng)絡理論和MATLAB7實現(xiàn)［M］．北京:電子工業(yè)出版社，2006．

［21］ 尚天成，劉培紅．電力企業(yè)崗位標準的構成要求［J］．天津大學學報:社會科學版，2008，10(1):35-38．

Evaluation Model of Person-Job Fit Based on BP Neural Network

ZHANG Zhi-yu1，2，L¨U Ming-li2，LI Cong-dong3
(1．School of Management，Tianjin University，Tianjin 300072，China;2．College of Information Engineering，Tianjin University of Commerce，Tianjin 300134，China;3．School of Management，Jinan University，Guangzhou 510632，China)

The research about the evaluation of person-job fit is important to the individual and the performance of enterprises．The intelligent information processing technology is applied to the research model about the evaluation of person-job fit．A quantitative analysis is carried out on various impacting of person-job fit evaluation，and BP neural networks is applied to establishing an evaluation model of person-job fit．A Web-based evaluation system is also designed and implemented，which imbeds MATLAB．The implementation of evaluation system improves the intelligence and information level of person-job fit management．

person-job fit;evaluation;BP neural network;system design;MATLAB

C939

A

1008-4339(2010)05-0390-06

2010-03-09．

國家社會科學基金資助項目(06BZX050);天津市高等學校科技發(fā)展基金計劃資助項目(20071310)．

張志宇(1974— )，女，博士研究生，副教授．

張志宇，zhangredbud@yahoo．com．cn．