决策树算法在人力资源管理中的应用研究

论文摘要

本文是研究数据挖掘中的决策树算法在人力资源市场分析中的应用。基于对数据挖掘技术的产生和发展现状,运用数据挖掘的概念、原理、内容、算法、模式,构建人力资源数据挖掘模型;分析决策树方法的ID3算法,研究数据挖掘在人力资源管理中的应用,用数据挖掘结果指导管理人力资源的各个阶段,包括员工招聘、在职人员管理、员工离职等。针对性的整合人力市场资源,对人力资源进行有效合理配置,解决现代人力资源管理中的核心问题。本文以济宁人力市场的人才信息为原始数据,运用数据挖掘技术实现了对现有数据的分析、处理,以及对未来情况的预测,为人力资源管理决策支持提供依据。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 人力资源是企业重要的战略资源
• 1.2 数据挖掘的研究方面
• 1.3 数据挖掘在人力资源管理中的应用研究
• 1.3.1 IBM 的应用
• 1.3.2 SAS 的应用
• 1.4 数据挖掘的主要任务
• 1.5 论文的重要内容
• 1.6 论文的组织结构
• 2 人力资源管理分析
• 2.1 人力资源管理的定义
• 2.2 人力资源管理的任务
• 2.3 人力资源管理的意义
• 2.4 人力资源配置
• 3 决策树算法描述
• 3.1 决策树方法
• 3.2 ID3 学习算法
• 3.2.1 信息增益
• 3.2.2 ID3 算法的基本思想
• 3.2.3 ID3 算法的优缺点
• 3.3 ID3 算法的发展
• 3.4 决策树的构建
• 3.5 决策树的简化
• 3.5.1 决策树过大的原因
• 3.5.2 控制树的大小
• 3.6 决策树方法的特点
• 3.6.1 优点
• 3.6.2 缺点
• 4 人力资源市场分类模型
• 4.1 数据挖掘在人力资源管理中的应用
• 4.2 员工离职原因调查反映出的问题
• 4.3 需求调查
• 4.4 问题定义
• 4.5 员工分类过程中的总体结构
• 4.6 数据准备
• 4.7 本章小结
• 5 决策树在人力市场的实现与分析
• 5.1 核心数据结构与ID3 算法流程
• 5.1.1 算法的形式化表现
• 5.1.2 基本学习策略说明
• 5.2 数据结构
• 5.3 构建决策树
• 5.4 结果分析
• 5.4.1 评估决策树分类准确率的方法
• 5.4.2 规则提取
• 6 结论与展望
• 6.1 研究工作总结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文