基于深度学习的在线劳动力市场招聘决策问题研究

发布时间：2021-12-25 00:21

　　随着互联网技术的发展和共享商业模式的兴起,越来越多的劳动者不再选择传统的全职工作,而是选择做自由职业者,在以解决项目为核心的远程劳务平台上独立工作。这种突破组织边界、国籍边界的新型劳务商业模式,不仅推动了全球的经济发展,更是重塑了全球的劳动雇佣关系。远程劳务平台以互联网为依托实现分散的劳动力资源和需求有效地匹配,形成了巨大的在线劳动力市场。尽管在线劳动力市场蓬勃发展且形式多样,但学术界和工业界对在线劳动力领域的相关研究和应用推广依然处于探索阶段,许多用户行为与经济现象尚没有进行系统的研究。本文依托全球最大在线劳动力市场之一 Freelancer平台,利用数据驱动的研究方法,探究在线劳动力市场中招聘决策等相关问题。具体来讲,本文分别从在线劳动力市场中雇主和申请者的角度,基于在线劳动力平台业务结构中面临的三大问题:雇主招聘决策问题、申请者声誉评价问题以及申请者项目推荐问题,以真实的大数据为依托,采用深度学习方法构建相应的预测模型,探究雇主和申请者的在线行为,为实现在线劳动力市场的供需高效匹配提供科学依据。论文的主要工作及贡献概括如下:（1）提出了基于深度选择模型的雇主招聘决策方法,该深度选... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：152 页

【学位级别】：博士

【部分图文】：

图２－４?＿劳动力市驗务流麵??Ｆｉｇｕｒｅ?２４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｏｎｌｉｎｅ?ｌａｂｏｒ?ｍａｒｋｅｔｓ?ｂｕｓｍｅｓｓ?ｐｒｏｃｅｓｓ??

图２－６在线劳动力市场业务结构图??Ｆｉｇｕｒｅ?２－６?Ｏｎｌｉｎｅ?ｌａｂｏｒ?ｍａｒｋｅｔｓ?ｂｕｓｉｎｅｓｓ?ｓｔｒｕｃｔｕｒｅ??

图２－７项目申请人数频率直方图??Ｆｉｇｕｒｅ?２－７?Ｆｒｅｑｕｅｎｃｙ?ｈｉｓｔｏｇｒａｍ?ｏｆ?ｐｒｏｊｅｃｔ?ａｐｐｌｉｃａｎｔｓ??

【参考文献】：
期刊论文
[1]考虑工人参与意愿影响因素的竞争式众包任务推荐方法[J]. 仲秋雁,李晨,崔少泽.  系统工程理论与实践. 2018(11)
[2]共享经济时代的我国在线劳动力市场发展研究[J]. 韩晓,张鹏翥,万鹏.  现代管理科学. 2018(07)
[3]考虑用户兴趣和能力的众包任务推荐方法[J]. 仲秋雁,张媛,李晨,李岳阳.  系统工程理论与实践. 2017(12)
[4]浅议在线劳动力市场[J]. 高莺.  中国集体经济. 2017(34)
[5]在线劳动力市场就业效应研究[J]. 孙亚男.  中国劳动关系学院学报. 2017(04)
[6]情感分类研究进展[J]. 陈龙,管子玉,何金红,彭进业.  计算机研究与发展. 2017(06)
[7]大数据在劳动力市场研究中的应用与展望[J]. 史珍珍,曾湘泉.  外国经济与管理. 2016(07)
[8]众包技术研究综述[J]. 冯剑红,李国良,冯建华.  计算机学报. 2015(09)
[9]基于能力评价与利益驱动的扩展蚁群劳动分工模型及在动态任务分配中的应用[J]. 琚春华,陈庭贵.  系统工程理论与实践. 2014(01)

硕士论文
[1]大数据及人工智能技术应用对在线劳动力市场的结构性影响研究[D]. 杨佳萍.北京邮电大学 2019
[2]面向不同任务特征的多目标众包任务推荐方法[D]. 施智敏.中国矿业大学 2019



本文编号：3551459