بررسی کاربرد الگوریتمهای طبقه بندی و خوشه بندی در زمینه استخراج دیتای استخدامی

استخدام کارمندان شایسته و حفظ و نگهداری آنها یکی از نگرانیهای عمده برای ایجاد استحکام رقابتی در اقتصاد دانش محسوب میشود. هر سال شرکتهای IT فارغ التحصیل های دانشگاهی جدیدی را از طریق برنامه های انتخاب دانشگاهی استخدام مینمایند، در این برنامه مهارتهای افراد بهوسیله آزمونها، بحثهای گروهی و مصاحبه های مختلف مورد بررسی قرار میگیرد. فرایند استخدام به تلاش و سرمایه گذاریهای زیادی نیاز دارد. در طول هرکدام از فازهای فرایند استخدام، داوطلبان شرکت کننده در آزمون بر اساس معیار عملکرد فیلتربندی میشوند. انجام تجزیه و تحلیلهای متعدد بر روی سیستم نشان میدهد که یک الگو در میان داوطلبان انتخاب شده برای یک صنعت وجود دارد. محیط کاربرد این مسئله تا حدی پیچیده است و آمار درستی از داوطلبانی که بر فرایند استخدام تاثیر میگذارند؛ در دسترس نیست. در این تحقیق، دانش محیط کاربردی از طریق تکنیکهای کسب دانش استخراج میشود. از تکنیکهای استخراج داده ای که مناسب مسئله فوق است استفاده میشود. در تحقیقی که در سالهای اخیر انجام شد از الگوریتمهای طبقهبندی درخت تصمیم و دستهبندی میانگین C و میانگین فازی و میانگین K برای داده های استخدام یک صنعت استفاده گردید. همچنین آزمایشات با استفاده از داده های جمع آوری شده از صنعت IT انجام شدند و در آنها تصمیم های استخدام مورد حمایت قرار گرفت. درختان تصمیم هرس شده و غیر هرس شده با استفاده از الگوریتمهای ID۳، C۴.۵ و CART ایجاد شدند. مطالعات تطبیقی انجام شده نشان میدهند که الگوریتمهای دسته بندی برای مسئله مناسب نیست و عملکرد الگوریتم درخت تصمیم C۴.۵ بالاست. با استفاده از درختهای تصمیم ساخته شده، کارشناسان محیط کاربردی توانستند بحثهایی را به اتفاق یکدیگر برای استنباط و نتیجه گیری قواعد تصمیم زیست پذیر انجام دادند.

Keywords:

فرایند استخدام , مهندسی دانش , طبقه بندی , درخت تصمیم , الگوریتم میانگین C فازی , الگوریتم میانگین K