申请/专利权人：赵祎洋

申请日：2023-11-07

公开（公告）日：2024-02-02

公开（公告）号：CN117495322A

主分类号：G06Q10/1053

分类号：G06Q10/1053;G06Q10/0637;G06F18/10;G06F18/214;G06F18/2415

优先权：

专利状态码：在审-公开

法律状态：2024.02.02#公开

摘要：本发明涉及人力资源薪酬预测技术领域，具体为采用双重Adaboosting的人力资源薪酬预测方法及系统。本发明通过采集员工信息，进行薪酬预测。首先，为了具体分析出对薪资变化的影响因素，通过引入MT‑Aadboosting模型进行员工数据变量的特征过滤。该模型能够准确地分析影响因素，并进行加权重要性排序，为后续薪酬预测提供了重要指导意见。其次，为了得到准确的薪酬预测结果，所述双重Adaboosting模型解决了许多回归模型预测不准确的问题。该模型通过第一Adadboosting模块和第二Adaboosting模块进行双预测提高了对薪酬预测的准确度。最后，在所述双重Adaboosting模型中采用了薪酬损失函数，该函数能够解决因特征过滤后导致的样本不均衡问题，并且通过增加损失项能够更好优化模型，提高了对薪酬预测的准确度。

主权项：1.采用双重Adaboosting的人力资源薪酬预测方法，其特征在于，包括：获取各项员工数据，对所述员工数据进行数据清理，得到标准数据集；其中，所述员工数据包括员工编号、员工薪酬变量、员工分类变量和员工薪酬；使用MT-Adaboosting模型对所述标准数据集进行过滤，将不符合要求的变量特征去除，得到过滤员工数据集；对所述过滤员工数据集进行划分，分别为训练集和测试集；利用所述训练集训练双重Adaboosting模型；其中，所述双重Adaboosting模型包括两个模块，分别为第一Adaboosting模块和第二Adaboosting模块；所述第一Adaboosting模块采用随机网格和贝叶斯搜索来调节参数；所述第二Adaboosting模块通过所述训练集中的特征值和所述第一Adaboosting模块的残差值进行训练；其中，所述残差值的计算方式为： 其中，Residual表示为所述残差值，Ytrain表示为员工薪酬，Ypred表示为所述第一Adaboosting模块预测的员工薪酬；采用薪酬损失函数计算所述双重Adaboosting模型预测薪酬与真实薪酬之间的损失值，直到所述损失值收敛，得到最终双重Adaboosting模型；输入所述测试集至所述最终双重Adaboosting模型；输出最终预测薪酬；其中，所述最终预测薪酬为所述第一Adaboosting模块和所述第二Adaboosting模块预测薪酬总和的平均值。

全文数据：

权利要求：

百度查询： 赵祎洋 采用双重Adaboosting的人力资源薪酬预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD