CC BY
45
УДК 004.8
АНАЛИЗ И МОДЕЛИРОВАНИЕ РАССУЖДЕНИЙ В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ ПОДБОРА ПЕРСОНАЛА
И. Ю. Балашова, Е. Н. Прошкина
ANALYSIS AND SIMULATION OF DISCUSSIONS IN THE INTELLECTUAL PERSONNEL SELECTION SYSTEM
I. Yu. Balashova, E. N. Proshkina
Аннотация. Актуальность и цели. Разрабатываемые в последние годы системы подбора персонала предлагают широкий спектр функциональных возможностей. Однако существует ряд причин, по которым эффективность существующих систем не востребована в полной мере. В частности, перечисленные системы не позволяют обеспечить информационно-аналитическую поддержку менеджера по подбору персонала в условиях неполной и семантически нечетко формулируемой входной информации. Целью исследования является построение и анализ модели рассуждений менеджера по подбору персонала, позволяющей учесть семантически неопределенные формулировки требований к соискателю. Материалы и методы. Реализация задач достигнута за счет использования механизма теории нечетких множеств и нечетких запросов. Применение нечеткой логики позволяет моделировать рассуждения менеджера по подбору персонала при отборе кандидатов на вакансию. Результаты. Формализованы нечетко сформулированные требования к соискателю. Описано нечеткое модельное представление рассуждений менеджера по персоналу, учитывающее семантику неопределенности. Приведен пример реализации нечетких запросов в интеллектуальной системе подбора персонала. Выводы. Использование нечеткой логики при моделировании рассуждений менеджера по персоналу в интеллектуальной системе позволяет повысить ее конкурентоспособность на рынке информационных систем.
Ключевые слова: нечеткая логика, лингвистические переменные, интеллектуальная система подбора персонала.
Abstract. Background. Developed in recent years, recruitment systems offer a wide range of proposed functionalities. However, there are a number of reasons why the effectiveness of existing systems is not in full demand. So, the above systems do not allow to provide information and analytical support to the recruiting manager in conditions of incomplete and fuzzy input information. The aim of the study is to build and analyze the reasoning model of the recruiting manager, allowing to take into account the semantically vague formulations of requirements for the applicant. Materials and methods. The implementation of the tasks is achieved by using the mechanism of the theory of fuzzy sets and fuzzy queries. The application of fuzzy logic allows modeling the reasoning of the recruiting manager when selecting candidates for a vacancy. Results. Formulated unclearly formulated requirements for the applicant. A fuzzy model representation of the reasoning of the HR manager is described, which allows one to reflect the semantics of uncertainty. An example of realization of fuzzy queries in the intellectual system of personnel selection is given. Conclusions. The use of fuzzy logic in modeling the reasoning of the HR manager in an intellectual system makes it possible to increase its competitiveness in the information systems market.
Key words: fuzzy logic, linguistic variables, intellectual system of personnel selection.
Введение
В управлении персоналом одним из наиболее ответственных этапов является этап подбора кадров. Подбор персонала - это система мероприятий, предусмотренных организацией для привлечения сотрудников, обладающих необходимыми профессиональными навыками и другими качествами и способных выполнять на производстве возлагаемые на них должностные обязанности [1]. Качество подобранных кандидатов на вакантные должности прямым образом влияет на результат работы организации.
На российском рынке информационных технологий присутствует достаточно большой выбор программных продуктов, позволяющих автоматизировать отдельные этапы подбора кадров, например «1С: Зарплата и Управление Персоналом 8.0», E-Staff Рекрутер, Personnel Manager, «БОСС-Кадровик» и др. [2]. Однако существует ряд причин, по которым эффективность существующих систем не востребована в полной мере. К главной причине можно отнести невозможность известными на рынке системами давать оценку соответствия потенциальным кадрам при семантически нечетко формулируемых требованиях к вакансии. Так, перечисленные системы не позволяют осуществлять эффективный подбор персонала в ситуации, когда требуемый стаж кандидата, его возраст и уровень квалификации описаны семантически неопределенно, как зачастую происходит. Использование теории нечеткой логики при моделировании рассуждений менеджера по подбору персонала и разработка механизма нечетких запросов к базе данных интеллектуальной системы позволит решить задачу управленческого решения в условиях неполной и нечеткой входной информации.
Анализ требований, предъявляемых к соискателю
Требования, предъявляемые к соискателю, зависят от вакансии и специфики деятельности предприятия. Проведена классификация наиболее часто встречающихся и наиболее значимых требований, предъявляемых работодателем к кандидату на должность. В результате осуществленного анализа выделена общая структура требований к соискателю (рис. 1).
Рис. 1. Структура требований к соискателю
Рассмотрим подробно каждое требование предлагаемой структуры.
1. Соответствие соискателя требованию 1 устанавливается на начальном этапе. К подобным требованиям может относиться ограничение по возрасту потенциального сотрудника (например, кандидат должен быть среднего возраста) или обязательное требование к семейному положению (например, кандидат должен обязательно быть женатым/замужем).
2. Установление соответствия соискателя требованию 2 определяет необходимость наличия у кандидата определенного уровня образования.
3. В большинстве случаев к стажу соискателя нет однозначных четких критериев отбора и требования сводятся к определению принадлежности значения стажа кандидата на вакансию к конкретному диапазону значений [3]. Также при формулировке данного требования часто применяют нечеткие параметры, например, «большой стаж работы».
4. Как правило и у работодателя, и у соискателя имеется диапазон уровня заработной платы, в границах которого они готовы рассмотреть имеющиеся предложения.
5. Установление соответствия соискателя требованию 5 является наиболее сложным и значимым на протяжении всего отбора. Поскольку оценка уровня знаний, умений, навыков производится представителем работодателя, ее можно отнести к наиболее субъективной [4].
6. Определение степени владения дополнительными навыками и технологиями является достаточно сложным и длительным процессом и также характеризуется высокой степенью субъективности.
7. Устанавливается степень обладания соискателем личностными качествами, необходимыми для данной сферы деятельности.
Подбор персонала в соответствии с приведенными требованиями позволит сформировать перечень кандидатов на вакантное место.
Описание правил нечетких продукций и алгоритма нечеткого вывода в интеллектуальной системе подбора персонала
Пусть Т = {Т1, Т2,..., Тп} - множество требований, предъявляемых к кандидату на должность. Требуется установить рейтинг соискателя, т.е. степень соответствия характеристик соискателя предъявляемым требованиям.
В множестве Т выделим требования, имеющие нечеткий характер: возраст соискателя, стаж работы, уровень владения необходимыми компетенциями в профессиональной области и др. Данным требованиям в рассматриваемой модели соответствуют лингвистические переменные
< Т, ыг, х,, с, р >,
где Ti - наименование лингвистической переменной; Mi - терм-множество лингвистической переменной Тг , т.е. множество ее значений (термов), являющихся нечеткими переменными Т, j = 1, к ; Xi - область определения нечетких переменных, входящих в определение лингвистической переменной Тг ; с - процедура образования новых термов с помощью логических связок «И», «ИЛИ» и модификаторов типа «ОЧЕНЬ», «НЕ» и др.; Pi - процедура задания на множестве х г соответствующих нечетких переменных.
Рассмотрим пример формализации нечетких требований. Обозначим через ТВ лингвистическую переменную «Возраст соискателя». Официально в нашей стране работоспособным считается население в возрасте от 18 до 60 лет у мужчин и от 18 до 55 лет у женщин. Тогда область определения переменной ТВ: ХВ = [18; 60]. Выделим категории возраста и опишем их соответствующими базовыми термами:
МВ = {«Молодой», «Средний», «Старше среднего»}.
Термы лингвистической переменной «Возраст соискателя» характеризуют, исходя из их контекста, неопределенность типа «расположен в интервале». Для описания подобной неопределенности целесообразно использовать кусочно-линейные функции принадлежности, наиболее характерным примером которых является трапециевидная функция принадлежности [5]. В данном случае трапециевидные функции принадлежности термов задаются аналитически следующим выражением:
^ м смл (х;a, b, c, а)='
л Ь - х
1--, а < х < Ь;
Ь - а
1, Ь < х < с; л X - с
1--, с < х < а;
й - с
0, в остальных случаях,
где а, Ь, с, й - некоторые числовые параметры, упорядоченные отношением а < Ь < с < й . Например, функция принадлежности терма «Молодой» описывается параметрами <18, 18, 26, 30>.
Аналогично можно формализовать другие требования, представив их соответствующими входными лингвистическими переменными. Рейтинг соискателя представляет собой выходную лингвистическую переменную Я и описывается подобным образом. Тогда система нечеткого вывода будет содержать конечное множество правил нечетких продукций вида
ПРАВИЛО <к> :
ЕСЛИ «Т есть V Т\] » 0 ... 0 «Тп есть V Т/ » ТО «Я есть V Яд» (ак),
где 0 - некоторая из бинарных операций нечеткой конъюнкции «И» или нечеткой дизъюнкции «ИЛИ»; V - модификатор, определяемый процедурами О и р; ак е [0;1] - весовой коэффициент, устанавливающий степень значимости каждого правила.
При разработке схемы нечеткого вывода использован алгоритм Мамда-ни, который в настоящее время получил наибольшее практическое применение [6]. Численным значением входных лингвистических переменных является численное значение соответствующей характеристики соискателя. Обозначим ti - известное количественное значение 1 -й входной лингвистической переменой, ^ - результат фаззификации соответствующего подусло-вия правила из базы правил. Тогда результат фаззификации 1 -го подусловия
где |,(ti) - значение функции принадлежности терма соответствующей входной лингвистической переменной.
Для нахождения степени истинности условий каждого из правил нечетких продукций применяются парные логические операции. Результат нечеткой конъюнкции определяется по формуле алгебраического произведения, нечеткой дизъюнкции - по формуле алгебраической суммы, при этом значения ti используются в качестве аргументов соответствующих логических операций. В результате находятся все значения ^ для каждого к -го правила, входящего в базу правил. Те правила, степень истинности которых отлична от нуля, считаются активными и используются для дальнейших расчетов.
В базе нечетких правил заключения заданы в форме элементарных нечетких лингвистических высказываний, поэтому степень истинности заключения гк каждого из активных правил соответствующей базы будет совпадать со степенью истинности соответствующего условия : гк = ^ . После нахождения множества степеней истинности каждого заключения базы правил определяются функции принадлежности каждого из заключений для выходной лингвистической переменной с помощью тт-активизации
14 (г) = тп^, |(г Ж
где |к (г) - функция принадлежности терма выходной лингвистической переменной в к -м правиле; (г) - функция принадлежности активизированного терма выходной лингвистической переменной в к -м правиле. Таким образом, для выходной лингвистической переменной определяются функции принадлежности нечетких множеств ее значений в каждом из активных правил. Результат аккумуляции для выходной лингвистической переменной определяется как объединение нечетких множеств по формуле
|'(г) = тах{| (г)} ,
к
где |'(г) - итоговая функция принадлежности выходной лингвистической переменной. Результатом дефаззификации выходной лингвистической переменной является количественное значение рейтинга соответствия соискателя вакансии г , получаемое на основе метода центра тяжести:
100
| г|' (г)йг
г = 0
100
1(г)йг
0
Полученное значение рейтинга используется при формировании списка наиболее подходящих претендентов. Сортировка списка по рейтингу позволит установить лучших кандидатов на вакантную должность.
Реализация нечетких запросов в интеллектуальной системе подбора персонала
При создании систем подбора персонала одной из ключевых проблем является наличие аспекта семантической неопределенности информации, хранящейся в базе данных. Так, например, запрос «Отобразить список соискателей с большим стажем работы» невозможно сформировать при использовании стандартного подхода. Реализация механизма нечетких запросов при извлечении информации из базы данных позволяет формулировать запросы на языке, близком к естественному, учесть качественные критерии и нечетко сформулированные условия [7].
Пусть некоторая информация о соискателях хранится в таблице TCandi-dates, имеющей следующие поля: ID - идентификатор соискателя, Experience -суммарный стаж работы по специальности и Age - его возраст (табл. 1).
Таблица 1
Сведения о кандидатах на вакансию
TCandidates
ID Experience Age
1 5 29
2 10 32
3 12 34
4 1 30
Положим, из базы данных необходимо извлечь информацию о соискателях, имеющих стаж работы по специальности не менее 5 лет и возраст которых не превышает 30 лет. Запрос подобного типа будет выглядеть на языке SQL следующим образом:
SELECT * FROM TCandidates WHERE (Experience > = 5 AND Age < = 30).
При выполнении данного запроса в результирующую выборку не попадет претендент с возрастом 31 год и стажем, равным 10 годам. Однако данный вариант скорее всего будет являться для работодателя более приоритетным, чем 29-летний соискатель с 5-летним стажем. Для решения подобных ситуаций и применяют нечеткие запросы.
Пусть базовое терм-множество лингвистической переменной «Стаж соискателя» содержит три нечеткие переменные, функции принадлежности которых имеют вид, представленный на рис. 2.
^большой" "Средний" "Большой
\ /
\ \/
Y A ;
A A:
l\ / \ !
D 5 10 15 ZD Z5 3D 35 40 45
Рис. 2. Функции принадлежности термов переменной «Стаж соискателя»
Вычислим степень принадлежности сотрудника со стажем, равным 12 годам, к каждому из приведенных нечетких множеств:
ц»Небольшой»(12) 0; М»Средний»(12) 0,33; М»»Большой»(12) 0,5.
Определим функции принадлежности лингвистической переменной, описывающие возраст кандидата на вакансию (рис. 3).
1,2 1
0,8 0,6 0,4 0,2 D
"Молодой" Средний" и Старше среднего"
\ /
\ /
: \ /
1 / \
\ XV -
Рис. 3. Функции принадлежности термов переменной «Возраст кандидата»
Рассчитаем для таблицы TCandidates агрегированные значения функций принадлежности ц (табл. 2).
Таблица 2
Сведения о кандидатах на вакансию со значениями функций принадлежности
TCandidates
ID Experience Age M-CExp): ^(Expb ^(Expb M-(Age)! ^(Age)2 ^(Age)s
1 5 29 0 1 0 0,25 0,5 0
2 10 32 0 1 0,2 0 1 0
3 12 34 0 0,33 0,6 0 1 0
4 1 30 1 0 0 0 0,75 0
К табл. 2 можно делать нечеткие запросы. Например, запрос на получение списка всех кандидатов на вакансию среднего возраста и со средним стажем на языке SQL будет выглядеть следующем образом:
SELECT * FROM TCandidates WHERE (Experience = = «Средний» AND Age = «Средний»).
Результат данного запроса приведен в табл. 3.
Таблица 3
Результирующая выборка для нечеткого запроса
TCandidates
ID Experience Age ^(Expb ^(Age)2
1 5 29 1 0,5
2 10 32 1 1
3 12 34 0,33 1
Из результирующей выборки видно, что только один претендент на вакансию полностью удовлетворяет запросу (соискатель с ГО = 2). Поэтому при формировании аналогичного четкого запроса два остальных значения не попали бы в выборку, хотя их характеристики почти удовлетворяют требованиям запроса.
При более детальном подходе к поиску новых сотрудников можно осуществлять поиск наиболее подходящих претендентов по каким-либо конкретным критериям с использованием нечетких модификаторов, в частности нечеткого модификатора «ОКОЛО» (например, «Возраст кандидата на вакансию около 25 лет»). При таком варианте реализации нечетких запросов аналогично строится нечеткое множество с соответствующей функцией принадлежности, но уже на некотором относительном интервале (например, [-10; 10]), чтобы избежать зависимости от контекста. Затем, при вычислении функции принадлежности нечеткого множества «ОКОЛО С», где в данном случае С -некоторое целое число, осуществляется масштабирование на указанный относительный интервал.
Таким образом, применение нечетких запросов при разработке интеллектуальной системы подбора персонала позволяет осуществлять более качественный отбор кандидатов на вакансии, позволяя согласовать формальные критерии и неформальные требования к области потенциальных кандидатов или вакансий.
Заключение
Использование теории нечеткой логики позволяет моделировать рассуждения менеджера по персоналу при отборе кандидата на вакансию в условиях семантической неопределенности. Реализация механизма нечетких запросов позволит повысить конкурентоспособность интеллектуальной системы подбора персонала.
Библиографический список
1. Иванова, С. В. Искусство подбора персонала: как оценить человека за час / С. В. Иванова. - М. : Альпина Паблишер, 2015. - 272 с.
2. Аллин, О. Н. Кадры для эффективного бизнеса. Подбор и мотивация персонала / О. Н. Аллин, Н. И. Сальникова. - М. : Генезис, 2005. - 248 с.
3. Вязигин, А. В. Оценка персонала высшего и среднего звена / А. В. Вязигин. - М. : Вершина, 2006. - 256 с.
4. Баскина, Т. В. Техники успешного рекрутмента / Т. В. Баскина. - М. : Альпина Паблишер, 2014. - 288 с.
5. Белов, В. Н. Выбор функции обработки данных для оценки деятельности сотрудников вуза / В. Н. Белов, П. П. Макарычев // Информационные системы и технологии. - 2012. - № 1 (69). - С. 45-50.
6. Макарычев, П. П. Нечеткая модель оценки знаний, умений, навыков в системе дистанционного обучения / П. П. Макарычев, И. Ю. Денисова // Математическое и программное обеспечение систем в промышленной и социальной сферах. - 2011. -№ 1-2. - С. 198-202.
7. Макарычев, П. П. Динамическая модель деятельности аспирантов в вузе / П. П. Ма-карычев, Н. А. Попова // Университетское образование (МКУО-2012) : сб. ст. XVI Междунар. науч.-метод. конф. (Пенза, 3-4 апреля 2012 г.). - Пенза : Изд-во ПГУ, 2012. - С. 56-57.
Балашова Ирина Юрьевна
кандидат технических наук, доцент,
кафедра математического обеспечения
и применения ЭВМ,
Пензенский государственный
университет
E-mail: [email protected]
Balashova Irina Yuryevna candidate of technical sciences, associate professor, sub-department of software and use of computers, Penza State University
Прошкина Елена Николаевна
кандидат технических наук, доцент, кафедра математического обеспечения и применения ЭВМ, Пензенский государственный университет E-mail: [email protected]
Proshkina Elena NIkolayevna candidate of technical sciences, associate professor, sub-department of software and use of computers, Penza State University
УДК 004.8 Балашова, И. Ю.
Анализ и моделирование рассуждений в интеллектуальной системе подбора персонала / И. Ю. Балашова, Е. Н. Прошкина // Модели, системы, сети в экономике, технике, природе и обществе. - 2018. - № 1 (25). - С. 80-88.
