百度联合研究成果登上《自然》子刊 推动人才管理大数据智能化转型
AI 的高速发展启动了人才管理变革的加速器。近日，百度针对“AI+ 人才管理”领域的最新研究成果登上国际顶级刊物 Nature 子刊 Nature Communications（《自然·通讯》），论文题为《Market-oriented Job Skill Valuation with Cooperative Composition Neural Network》。该研究首次使用数据驱动的方法，通过机器学习技术，探索了薪资与工作技能价值评估关系的重要问题，对于社会劳动价值分配机制的合理性和公平性设计、社会劳动力保障、智能招聘和精准就业、个性化职业教育等多个领域均有重要价值和影响。
本次研究由百度人才智库（Talent Intelligence Center, 简称 TIC）团队牵头发起，联合中国科学院计算技术研究所、北京航空航天大学、中国科学技术大学、美国罗格斯大学合作完成，是一项重要的校企产学研合作成果，该成果的创新性和重要应用价值也得到了评审专家和期刊编委的高度评价。
构建薪资-技能价值模型
AI 为工作技能价值评估“精加工”
工作技能价值作为劳动力市场重要经济学指标，显示了劳动力市场上技能的供求关系，不仅可以辅助个人能力评估，还可以帮助公司改善薪资结构，从而吸引和保留人才。但由于劳动力市场的动态性及技能价值的模糊性，传统的市场调查难以支撑及时且细粒度的工作技能价值评估；此外，招聘市场上的工作技能是以集合的形式共同影响招聘需求和人才薪资，因此难以取得用于支撑机器学习模型训练的技能价值标签数据，这都为技能价值评估带来了很大挑战。
为了解决这些问题，该研究受到了“工作技能熟练度分布与工作薪资之间都存在正相关关系”这一调查结果的启发，提出了一种市场导向的技能价值定义，将技能价值表示为单独使用一项技能可以为人才带来的薪资收益。进一步地，将技能价值评估形式化为“薪资-技能价值构成问题”，并提出一种具有协同结构的薪资-技能神经网络模型（Salary-Skill Composition Network，简称 SSCN）。
SSCN 基于神经网络算法进行建模，利用工作场景和技能间的关联性进行技能价值和技能支配性的评估，通过量化技能价值与薪资的关系将工作薪资与技能价值分离，并以大规模招聘数据中的薪资信息作为技能价值评估的间接监督信号，训练出有效的技能价值评估模型。这一做法可以有效建模工作场景对技能价值的影响，从而能够得到细粒度的技能价值估计。
科研成果助力百度智能招聘
AI 赋能人才管理领域
正如《Nature Communications》专家评审对百度此次联合研究成果的评价：“本文通过处理和分析在线职位发布来评估和预测工作技能所产生的价值，这个问题与工业界、学术界及政府部门密切相关且具有重要的现实意义。”
目前，该项研究的相关算法已经在百度智能招聘相关产品中得以落地应用，助力智能招聘系统客观、科学地进行简历评估和人岗匹配。除了内部应用以外，百度智能招聘系统还通过百度大脑对外提供了智能招聘解决方案，为企业提供更加高效的智能化招聘服务，将 HR 从海量简历的筛选和琐碎的沟通中解放出来，帮助更多企业节省招聘成本。
百度大脑的智能招聘系统依托百度人才智库（TIC）团队在招聘方向的深耕，同时结合百度自然语言处理、百度 AI 文字识别能力，帮助企业实现招聘管理的智能化、数字化，旨在满足不同场景（校招、社招、猎头、内推）、不同行业（蓝领、互联网、教育、零售等）的招聘需求，从招聘全流程入手，深入招聘过程中的各个环节，以满足候选人求职推荐、企业人才筛选、企业人才评估、企业招聘助手等不同的场景需求。
知识经济时代，人才被看作为企业最宝贵的财富，代表企业最具核心的竞争力。早在2015年，百度便创建了百度人才智库实验室，组建了一只专注于“人才管理计算”方向的 AI 和数据科学团队，旨在通过人工智能和大数据分析手段辅助现代企业的人才管理，推动企业人才管理从经验导向型向大数据智能化导向型的变革，并创建了全球首套完整的基于大数据的智能化人才管理综合解决方案。
过去五年里，TIC 团队已经在Nature Communications、TKDE、TOIS、KDD、SIGIR、WWW、AAAI、IJCAI、《中国科学》等国内外顶级学术期刊、会议上发表了多篇论文，并在国际上先后创办了“组织行为学与人才分析国际研讨会”和“人才管理计算国际研讨会”。相关成果被哈佛商业评论、MIT Technology Review、Nikkei Asian Review、Fast Company 等权威媒体广泛报道，并获得了哈佛商业评论“拉姆·查兰管理实践奖”全场大奖、中国人民大学商学院“中国人力资源管理学院奖”等重要奖项。
使用大数据和人工智能技术辅助人才管理已成为未来全球企业管理的主流趋势。百度还将努力尝试用最新的 AI 技术帮助人们寻找最适合自己的工作，让优秀的人脱颖而出。在未来，“AI+ 人才管理”这一创新领域将会在大数据、机器学习等人工智能领域前沿技术的赋能下，继续推动企业人才管理的大数据智能化转型。
百度联合研究成果登上《自然》子刊 推动人才管理大数据智能化转型相关推荐
- 北航团队四年研究成果登上《科学·机器人》长文封面，仿生学科研又上一层楼...
多姿多彩的大自然,总能给人类无穷无尽的灵感,因而造就了很多科学技术的发明.人们模仿生物的特殊本领,利用生物结构和功能原理,研制机械或各种新技术,这就是仿生学.而今,又一项精彩的仿生学成果在北京航空航天 ...
- 预报提速10000倍以上！华为云盘古气象大模型研究成果登上《自然》正刊 | 美通社头条...
美通社消息,国际顶级学术期刊<自然>(Nature)杂志正刊发表了华为云盘古大模型研发团队研究成果 --<三维神经网络用于精准中期全球天气预报>(<Accurate me ...
- 潘建伟团队最新研究成果登上Nature：首次实现1120公里长距离无中继纠缠量子密钥分发...
鱼羊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 量子通信,又获里程碑式突破. 这一次,依然来自潘建伟教授团队-- "墨子号"量子科学实验卫星,实现了1120公里长距离无 ...
- 钟南山团队携手腾讯研发新冠重症AI预测模型，成果登上Nature子刊
萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI AI也能预测新冠重症患者了. 钟南山院士团队与腾讯AI Lab一起,共同研发了一个预测COVID-19患者病情发展的AI模型. 这个模型可 ...
- 钟南山团队携手腾讯研发新冠重症AI预测 成果登上Nature子刊
钟南山院士团队与腾讯AI Lab日前披露了利用AI预测COVID-19患者病情发展至危重概率的研究成果,可分别预测5天.10天和30天内病情危重的概率,有助合理地为病人进行早期分诊.这项研究已在202 ...
- 百度计算生物研究登上Nature子刊！将3D结构引入分子表征，结果超越斯坦福MIT，已落地制药领域...
杨净 萧箫 发自 凹非寺 量子位 | 公众号 QbitAI 百度新研究,登上了Nature子刊. 科技公司卷到学术圈顶刊上不算稀奇. 但这次有点不同寻常. 研究领域与生物领域直接相关,接收该论文的期刊 ...
- 打造线下版元宇宙！机器人VR助力远程做核酸，登上Science子刊
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨程 茜 来源丨智东西 编辑丨Panken 中国科学家研发"魔法贴",让你跟机 ...
- 腾讯 AI Lab 联合研究登上Nature子刊，独创方法提升蛋白质结构预测精度
感谢阅读腾讯 AI Lab 微信号第109篇文章.本文将公布 AI+药物领域新进展. 11月17日,腾讯公布了一项人工智能助力药物发现的新进展. 通过腾讯自研的提升蛋白质结构预测精度的新方法,联合研究 ...
- 中国首篇Science机器人子刊！北航软体机器人实验室四年成果登上封面长篇
来源:北航新闻网.机器人大讲堂 概要:通过这三项关键技术,我们成功实现了机器人样机能够像真正的䲟鱼一样牢牢吸附在物体表面,并且通过内部鳍片的主动抬起运动显著增大摩擦力. 重磅 惊喜,北京时间9月21日 ...
最新文章
- 多线程-多图下载综合案例-SDWebImage框架实现代码
- shell 10流程控制
- 【小白学习PyTorch教程】五、在 PyTorch 中使用 Datasets 和 DataLoader 自定义数据
- 【NLP】全方位解读 | Facebook的搜索是怎么做的？
- 运用高斯核模型进行最小二乘回归_比特币价格与时间存在关系？一文读懂比特币价值的对数增长模型...
- [蓝桥杯][算法训练VIP]乘积最大（动态规划）
- linux 数据转换
- 查看topic信息_如何规划的你博客文章主题(Topic）
- 带你梳理Roach全量恢复的整体流程
- 华为不可参与 IEEE 审稿但可继续提供赞助；谷歌限制 Chrome 接口惹非议；Mozilla 号召用户换火狐 | 开发者周刊...
- c语言getch函数_在C / C ++中使用getch（）函数
- 过年了，没买到票的可以过来看一看，12306抢票助手
- android极光推送设置消息类型,详解极光推送的 4 种消息形式—— Android 篇
- 微信小程序：全新圣诞节头像框制作生成微信小程序源码下载支持多模板
- 微信小程序--个人主页的制作
- Android显示——一帧的渲染过程（VSYNC）
- java调用peopleSoft webservice
- 百家云CEO李钢江给员工们的一封信（转载）
- 说话中的引题技巧，及电影刘三姐中的歌词汇总
- windows 7 RDP 增强