基于Hadoop大数据平台的人力资源决策技术研究

摘要：

针对传统人力资源决策技术对海量人力资源数据辨别能力不高,导致决策效果不佳,研究基于Hadoop大数据平台的人力资源决策技术.该技术对海量的企业人力资源数据进行分布式处理,将神经网络下的员工信息按照输入层、隐含层、输出层进行组别划分;根据影响每一数据组数据变化的影响因素建立初选数据集合;通过计算人力资源的熵值离散度设立决策指标,以员工的姓名、部门、历史业绩、往期工作效率等要素作为选择条件;采用决策树分类算法构建决策树,生成人力资源决策分析报表,以此实现人力资源决策技术.实验结果表明:所研究的人力资源决策技术面对海量的人力资源数据,其辨识能力更强,决策结果的完整度达到了98.35％,比传统决策技术高出了21.55％.由此可见,所研究的决策技术性能更优越、更能满足企业当前的发展需求.

关键词：人力资源决策技术、Hadoop平台、数据挖掘、分布式处理、决策指标设立、决策树构建

所属期刊栏目：43

分类号：TN911-34;TP311

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：183-186