实验室关于神经网络在人力资源管理领域的应用的论文被KDD 2019接收

       4月30日,实验室关于神经网络在人力资源管理领域的应用工作“The Impact of Person-Organization Fit on Talent Management: A Structure-Aware Convolutional Neural Network Approach”(作者:Ying Sun, Fuzhen Zhuang, Hengshu Zhu, Xin Song, Qing He and Hui Xiong)被ACM KDD 2019会议的Research Track录用为Oral Paper。KDD会议全称是 ACM SIGKDD Conference on Knowledge Discovery and Data Mining ,是数据挖掘领域公认的具有最高学术地位的国际性学术会议,CCF推荐的A类会议。此次会议长文投稿量为约1200篇,Oral录用约110篇,录用率约为 9%,会议将于2019年8月在美国阿拉斯加召开。接收论文概要信息如下。

       人-组织匹配是指员工与其组织之间的兼容性,针对人-组织匹配的研究对于加强人才管理有着十分重大的意义,管理学研究表明,人-组织匹配对工作态度,离职倾向和工作绩效等均有着显着影响。以往对人-组织匹配的研究大多依赖于问卷调查和统计模型,这类方法在现实场景的应用上存在各种限制。首先,问卷调查往往难以以客观和自动的方式捕捉人才和组织之间的兼容性特征。其次,人-组织匹配会随时间而变化而传统方法很难动态跟踪其变化。第三,现实管理场景比调查研究工作中的场景更加复杂多变,因此定量建模人-组织匹配及其对人才管理的影响是极其困难的。

       在这项工作中,作者提出了一种数据驱动的解决方案,即人-组织匹配神经网络(POFNN),用于动态建模人-组织匹配以及它在人才流动和工作表现上的影响。受实际管理方案的启发,这项工作提出一种组织结构感知的卷积神经网络(OSCN),用于分层提取组织感知的兼容性特征,并整体建模员工组织环境的影响。进一步地,利用具有注意机制的循环神经网络来模拟时序的人-组织匹配特征。实验结果证明,这项工作能够显著提升离职预测和绩效预测准确率,通过对网络中间结果的可视化,也可揭示一些人才管理方面的有趣现象。

图 POFNN在离职预测/绩效预测任务的表现

图 人-组织匹配表征在离职/非离职员工中的分布情况

论文信息:Ying Sun, Fuzhen Zhuang, Hengshu Zhu, Xin Song, Qing He and Hui Xiong. 2019. The Impact of Person-Organization Fit on Talent Management: A Structure-Aware Convolutional Neural Network Approach. In Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. ACM.

2019/05/05