本技术涉及大数据处理，尤其涉及一种基于大数据的临床专科岗位招聘决策方法和系统。
背景技术：
1、迅速增长的网络招聘规模在给求职者带来更多的选择机会的同时，也增加了求职者搜索所需要职位的成本。为此各大著名的网络招聘网站都不同程度的引入了职位推荐系统，帮助求职者决定投递什么职位。
2、现有的技术中，传统的医院招聘方式都是专业人才和医院通过人才市场进行招聘，招聘效率低且匹配成功的可能性低，现有的专业人才招聘匹配系统，对数据的处理能力有限，虽然比传统的招聘方式好，但是不能很好地满足人们对专业人才和医院之间互相匹配的需求。
技术实现思路
1、为实现上述目的，本技术提供如下技术方案：
2、根据本发明第一方面，本发明请求保护一种基于大数据的临床专科岗位招聘决策方法，包括：
3、采集潜在招聘对象单位特征，所述潜在招聘对象单位特征包括潜在招聘对象单位的履历数据，所述潜在招聘对象单位包括多个潜在招聘对象；
4、将所述潜在招聘对象单位特征输入发展轨迹检测模型，得到所述潜在招聘对象单位关联的发展特征数据；
5、基于所述发展特征数据在招聘资源库中搜索关联的参考招聘对象单位，得到所述参考招聘对象单位关联的参考招聘对象单位相关履历数据，所述参考招聘对象单位相关履历数据包括以下至少一者：所述参考招聘对象单位关联的参考招聘对象单位履历数据、所述参考招聘对象单位各部门关联的部门履历数据，以及所述参考招聘对象单位各部门中业务部门的各业务人员的业务人员履历数据；
6、将所述潜在招聘对象单位特征与所述参考招聘对象单位相关履历数据输入语义切割模型，得到多个语义切割履历数据，每一所述语义切割履历数据关联于所述潜在招聘对象单位中一个单位的一个部门或者一个业务人员；
7、基于所述参考招聘对象单位相关履历数据，在从业年限、借调岗数量以及大众意见多个方面对各个所述语义切割履历数据进行评分；
8、基于每一所述语义切割履历数据的评分，确定所述潜在招聘对象单位的评分。
9、进一步地，所述将所述潜在招聘对象单位特征输入发展轨迹检测模型，得到所述潜在招聘对象单位关联的发展特征数据包括：
10、将所述潜在招聘对象单位特征输入履历数据初筛单元，得到所述潜在招聘对象单位关联的语义多媒体履历数据；
11、将所述语义多媒体履历数据输入发展轨迹检测模型，得到所述潜在招聘对象单位关联的发展特征数据；
12、其中，所述参考招聘对象单位履历数据为多媒体履历数据。
13、进一步地，所述语义切割模型包括部门切割单元，所述将所述潜在招聘对象单位特征、参考招聘对象单位相关履历数据输入语义切割模型，得到多个语义切割履历数据，包括：
14、将所述潜在招聘对象单位特征和所述参考招聘对象单位履历数据，依次与所述参考招聘对象单位各个部门关联的所述部门履历数据融合得到多个多数据源履历数据；
15、将所述多个多数据源履历数据输入所述部门切割单元，得到所述潜在招聘对象单位中各个部门关联的职能部门履历数据。
16、进一步地，所述语义切割模型还包括业务人员切割单元，所述将所述潜在招聘对象单位特征、参考招聘对象单位相关履历数据输入语义切割模型，得到多个语义切割履历数据，包括：
17、将所述职能部门履历数据中第一业务部门关联的业务部门履历数据，与所述第一业务部门关联的多个所述业务人员履历数据融合为多数据源履历数据；
18、将所述多数据源履历数据输入所述业务人员切割单元，得到所述第一业务部门中各个业务人员关联的职能业务人员履历数据。
19、进一步地，所述基于所述参考招聘对象单位相关履历数据，在从业年限、借调岗数量以及大众意见多个方面对各个所述语义切割履历数据进行评分，包括：
20、对于一个所述语义切割履历数据，对所述语义切割履历数据进行底线条件识别，得到关联于所述语义切割履历数据的底线条件边界；
21、基于所述底线条件边界确定合格候选人位置；
22、基于所述合格候选人位置对所述语义切割履历数据进行扩展，得到扩展后的第一切割履历数据；
23、将各个所述第一切割履历数据与依次关联的所述部门履历数据或所述业务人员履历数据进行学术成果与实践临床对比，取学术成果或实践临床中差异小的一方进行对齐，另一方进行标准归一化，得到对齐后的候选切割履历数据；
24、基于所述参考招聘对象单位相关履历数据，在从业年限、借调岗数量以及大众意见多个方面对所述候选切割履历数据进行评分。
25、进一步地，所述在从业年限、借调岗数量以及大众意见多个方面对所述候选切割履历数据进行评分，包括：
26、基于所述候选切割履历数据的底线条件边界进行线性回归，确定所述候选切割履历数据关联的部门或业务人员关联的平均能力水平；
27、将所述候选切割履历数据进行阶段标记，得到阶段切割履历数据；
28、将所述阶段切割履历数据沿关键事件分割为至少一段，并基于距离变换算法依次求取每一段的重要度值；
29、若重要度值求取失败，则与下一段进行融合后，求取融合后的重要度值；
30、将求取到的与所有重要度值的平均值最接近的履历数据段作为所述候选切割履历数据的重点履历数据段；
31、在所述借调岗数量方面和/或所述大众意见方面，基于所述重点履历数据段，对所述候选切割履历数据进行评分。
32、进一步地，在从业年限方面，对所述候选切割履历数据进行评分，包括：
33、基于以下公式，确定所述候选切割履历数据在从业年限方面的评分：
34、；
35、其中，表示所述候选切割履历数据在从业年限方面的评分，表示所述候选切割履历数据的从业年限，表示所述候选切割履历数据关联的部门履历数据的从业年限，表示保底从业年限评分，是用于变换从业年限方面的评分的接受度的超参数，max（）和min（）分别为用于选取各自括号内包含数值的最大值与最小值的函数。
36、进一步地，在所述借调岗数量方面和/或所述大众意见方面，基于所述重点履历数据段，对所述候选切割履历数据进行评分，包括：
37、基于最小二乘法，将所述重点履历数据段进行线性回归，得到第一借调岗数量；
38、基于所述第一借调岗数量对所述平均能力水平进行更新得到更新借调岗数量；
39、基于以下公式，确定所述候选切割履历数据在借调岗数量方面的评分：
40、；
41、其中，表示所述候选切割履历数据在借调岗数量方面的评分，表示所述候选切割履历数据关联的更新借调岗数量，与所述部门履历数据或所述业务人员履历数据关联的借调岗数量的借调岗数量差值，表示预设借调岗数量接受阈值，表示保底借调岗数量评分；
42、和/或，
43、确定第一大众意见与第二大众意见，所述第一大众意见是第一重点履历数据段组中的三个所述重点履历数据段构成的舆情评价，所述第二大众意见是第二重点履历数据段组中的三个所述重点履历数据段构成的舆情评价，所述第一重点履历数据段组包括所述重点履历数据段中纵位置最高与最低的两个重点履历数据段中的多个，所述第二重点履历数据段组包括所述重点履历数据段中除去所述第一重点履历数据段组之外的其他三个重点履历数据段；
44、基于所述第一重点履历数据段组与所述第二重点履历数据段组中的重点履历数据段的距离之比，确定所述第一大众意见的第一权重与所述第二大众意见的第二权重；
45、基于以下公式确定所述候选切割履历数据在大众意见方面的评分：
46、；
47、其中，表示所述候选切割履历数据在大众意见方面的评分，表示所述第一权重，表示所述第二权重，表示第x大众意见，表示第x大众意见关联的大众意见接受阈值，表示所述候选切割履历数据关联的第x大众意见与所述候选切割履历数据关联的部门履历数据或业务人员履历数据关联的第x大众意见的借调岗数量差值，示第x大众意见关联的保底大众意见评分。
48、进一步地，基于每一所述语义切割履历数据的评分，确定所述潜在招聘对象单位的评分，包括：
49、对于一个所述语义切割履历数据，基于从业年限方面、借调岗数量方面与大众意见方面依次关联的权重，以及所述语义切割履历数据在从业年限方面、借调岗数量方面与大众意见方面的评分，确定所述语义切割履历数据关联的切割履历数据评分；
50、基于每一所述语义切割履历数据关联的权重以及每一所述语义切割履历数据关联的切割履历数据评分，确定所述潜在招聘对象单位关联的评分；
51、其中，所述语义切割履历数据关联的权重与所述语义切割履历数据关联的部门或业务人员关联的业务度正相关。
52、根据本发明第二方面，本发明请求保护一种基于大数据的临床专科岗位招聘决策系统，所述系统包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述系统执行所述的基于大数据的临床专科岗位招聘决策方法。
53、本技术涉及大数据处理技术领域，尤其涉及一种基于大数据的临床专科岗位招聘决策方法和系统，采集潜在招聘对象单位特征输入发展轨迹检测模型，得到关联的发展特征数据；基于其在招聘资源库中搜索关联的参考招聘对象单位，得到关联的参考招聘对象单位相关履历数据；将潜在招聘对象单位特征与参考招聘对象单位相关履历数据输入语义切割模型，得到多个语义切割履历数据，每一语义切割履历数据关联于潜在招聘对象单位中部门或者业务人员；基于参考招聘对象单位相关履历数据，在多个方面对各个语义切割履历数据进行评分，确定潜在招聘对象单位的评分。本发明可以多维度基于潜在对象情况进行医院的未来招聘预测，提升招聘的效率与匹配结果的准确性。
1.一种基于大数据的临床专科岗位招聘决策方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述将所述潜在招聘对象单位特征输入发展轨迹检测模型，得到所述潜在招聘对象单位关联的发展特征数据包括：
3.如权利要求1所述的方法，其特征在于，所述语义切割模型包括部门切割单元，所述将所述潜在招聘对象单位特征、参考招聘对象单位相关履历数据输入语义切割模型，得到多个语义切割履历数据，包括：
4.如权利要求3所述的方法，其特征在于，所述语义切割模型还包括业务人员切割单元，所述将所述潜在招聘对象单位特征、参考招聘对象单位相关履历数据输入语义切割模型，得到多个语义切割履历数据，包括：
5.如权利要求1-4任一项所述的方法，其特征在于，所述基于所述参考招聘对象单位相关履历数据，在从业年限、借调岗数量以及大众意见多个方面对各个所述语义切割履历数据进行评分，包括：
6.如权利要求5所述的方法，其特征在于，所述在从业年限、借调岗数量以及大众意见多个方面对所述候选切割履历数据进行评分，包括：
7.如权利要求5所述的方法，其特征在于，在从业年限方面，对所述候选切割履历数据进行评分，包括：
8.如权利要求7所述的方法，其特征在于，在所述借调岗数量方面和/或所述大众意见方面，基于所述重点履历数据段，对所述候选切割履历数据进行评分，包括：
9.如权利要求1所述的方法，其特征在于，基于每一所述语义切割履历数据的评分，确定所述潜在招聘对象单位的评分，包括：
10.一种基于大数据的临床专科岗位招聘决策系统，其特征在于，所述系统包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述系统执行权利要求1-9中任意一项所述的基于大数据的临床专科岗位招聘决策方法。
