مقاله ارائه یک سیستم خبره جهت کاریابی برای افراد بیکار

دانلود مقاله ارائه یک سیستم خبره جهت کاریابی برای افراد بیکار

چکیده :
این مقاله یک ES را برای ارزیابی افراد بیکار در خصوص پستهای معین نشان می دهد این خبره از تکنیکهای Neuro –Fuzry برای تجزیه و تحلیل یک پایگاه داده ها از افرادبیکار و بنگاهههای کاریابی استفاده می کنند فرآیند انطباق یک فرد بیکار با یک کار پیشنهاد شده انجام می شود از طریق یک ………..از سیستم Neuro –Fuzry مجموعه های ازمایشات گسترده تاریخچه ای از داده های افراد بیکار (که متعلق به یک کلاس اجتماعی هستند) پستهای متعددی را می پذیرند یا رد می کنند.
{ آزمایشات گسترده نشان می دهند که مجموعه های افراد بیکار (که به یک کلاس اجتماعی تعلق دارند) پستهای متعددی را می پذیرند یا رد می کنند.} که در این مقاله استفاده می شود جهت تعیین اوزان پارامتر های سیستم.
مثالهای جدید از Case هایی رسیده از قبول یا رد یک موقعیت بعنوان یک بخش از مجموعه آموزشی در نظر گرفته می شوند. آزمایشات مجدد بعد از دستیابی به یک میزان استاندارد از حالتهای از حالتهای جدید موجود بدست می آید .
خروجی سیستم یک میزانی از مناسب بودن هر فرد بیکار جهت یک کار معین می باشد.
۱٫ معرفی :
یکپارچه سازی شبکه های عصبی و فازی منطقی سبب بوجود آمدن یکسری از سیستم ها تصمیم گیری خبره بسیار قوی شده است. در سالهای اخیر، دامنه مورد مطالعه از فرآیند شبکه های عصبی بصورت گسترده و قابل توجه ای در حال افزایش می باشد. بعلاوه یک میزان موفقیت در استفاده از سیستم های خبره تلفیق بصورت قابل ملاحظه ای افزایش یافته است در بسیاری از زمینه ها مانند طرح ها، درک زبان عصبی، روباتیک ، تشخیص ها بیماری، تشخیص عیب یابی ابزار آلات صنعتی، آموزش، توصیه یابی و بازیابی اطلاعات. بهر حال در مورد کاریابی خبره ادبیات موضوعی مشخصی در گذشته وجود ندارد. فرآیند انطباق یک فرد بیکار با یک شغل مشخص بندرت احتیاج به مطالعات ساختاری بسیار عمیق و هدف یابی کامل نسبت به یک روش Boolean matchin metchal که استفاده می کنند از یک صفحه web مانند A beater tast Europ’s career market on the ) انتخاب جداگانه افراد واجد شرایط برای پستهای مختلف یک کار بسیار مشکل می باشد چه در شرکتهای بزرگ چه در شرکت های کوچک و نیاز به سیستمهای تصمیم گیری خبره دارد. نرم افزارSkills Analyzer tod (labate & Meds keys 1993) طراحی شده است برای حل مسائل مدیریتی که کلاس بندی کارمندان به گروههای مختلف را محور کار خود قرار می دهد و ترکیبی از شبکه های عصبی و آنالیزهایی برمبنای قانون را به منظور تقسیم کارمندان شرکت به گروههای کاری مختلف مورد استفاده قرار می دهد.
سیستم فوق یک سیستم خبره است هر چند تکنیک های تلفیقی مورد استفاده آن قدیمی تر می باشند.
تکنیکهای collaboration filtering در نرم افزار Casper (1) جهت بوجود آمدن موتور جستجوی مبتنی بر هوش مصنوعی بوجود آمد. سیستم Casper بر روی زیر سیستمهایی که ذیلا آورده می شوند تمرکز می نماید
۱- یک سیستم مشخصه کاربر که یک پایگاه داده از مشخصات رفتاری فرد را بوجود می آورد درون سایت کاریابی که شامل یک موتور فیلترینگ مکانیزه توصیه سرویس ها و یک موتور برای جستجوی فردی می باشد.
۲- تکنولوژی سرویس متحرک (۲) که بعنوان EMA شناخته می شود یک سرویس توصیه فعال شمرده می شود و در جهت بوجودآوری اطلاعات بر اساس نیاز یا جایی که توجه به کارهای مرتبط می شود برای یک کاربر خاص استفاده می گردد.
متدهایی که بوسیله Casper و EMA استفاده شده است در زمینه توصیه و پدیدآوری اطلاعات می تواند بسیار با موفقیت زیادی در پدیدآوری اطلاعات استفاده شود.
هر چند چنین سیستم هایی خبره نیستند و هیچ مورد واقعی ای در زمینه کاریابی خبره به حساب نمی آیند. آموزش مجدد بر اساس رد نهایی و یا قبول نهایی استفاده کاربر بوسیله بنگاه ها یک نکته حساس می باشد و نمی بایست نادیده گرفته شود. کم نیستند موردهای توصیه شده که با درصدهای بالا یا متوسط توصیه شده اند ولی در یک مصاحبه معمولی رد شده اند توصیه گرهای خبره و سیستمهای پدید آوری آموزش را تضمین نمی کنند و باید بعنوان یک پایگاه داده اطلاعات کار در نظر گرفته شوند نه به عنوان یک کاریابی واقعی ساختار کنونی مقاله که در قسمت ۲ آورده می شود معماری ساختار سیستم را نیز تحلیل می کند در قسمت ۳ هر یک مطالعه موردی که در یک مثال واقعی کارهای انجام گرفته را بررسی می نماییم.
نتیجه گیری در قسمت ۴ انجام گرفته است در ضمیمه ۱ مباحث آماری را مورد بررسی دقیق قرار می دهیم.
۲٫ تعریف سیستم :
سیستم ما در این مقاله شامل ۴ مشخصه می باشد.
۱- ارتباط با یک پایگاه داده فعال که شامل اطلاعات افراد بیکار شاغل و اطلاعات پیشنهاد شده می باشد.
۲- استفاده از تکنیکهای فازی- عصبی برای آموزش استنتاجی پیچیدگی فازی واژگان فازی این واژگان استفاده می شوند برای ارزیابی داده ها و فاز و تصمیم گیری نهایی
۳- آموزش مجدد سرپرستی شبکه های فازی – عصبی هر کجا که توسط Aolminstartel توصیه گردد.
۴- مدل های فازی که طراحی و گسترش می دهد موتور استنتاج فازی
۵- بوجود آوری ترکیبی از عناصر فازی برای ارزیابی نهایی یک داده.
۶- بوجود آوری یک برنامه werfrindly و قابل انعطاف (توسط فرم های ورودی ویژوال بیسیک)
سیستم ما مبتنی بر مفاهیم شخصی می باشد (مطابق شکل۱) که نیاز به یکپارچه سازی به یک سیستم خبره برای دستیابی به خروج نهایی دارد (یعنی برای ارزیابی یک فرد بیکار برای شغل مناسب ) تابع هدف ارزیابی بر مبنای پارامتر که در زیر می آیند فرموله شده اند