Standard

МЕТОДЫ ОБРАБОТКИ ТЕКСТОВ И МАШИННОГО ОБУЧЕНИЯ В HRM-ПРИЛОЖЕНИЯХ: ВОЗМОЖНОСТИ И ОСОБЕННОСТИ. / Стоянова, Ольга Владимировна; Бакотин, Василий Александрович.

In: ПРИКЛАДНАЯ ИНФОРМАТИКА, Vol. 13, No. 5(77), 30.10.2018, p. 12–19.

Research output: Contribution to journal › Article › peer-review

Harvard

Стоянова, ОВ & Бакотин, ВА 2018, 'МЕТОДЫ ОБРАБОТКИ ТЕКСТОВ И МАШИННОГО ОБУЧЕНИЯ В HRM-ПРИЛОЖЕНИЯХ: ВОЗМОЖНОСТИ И ОСОБЕННОСТИ', ПРИКЛАДНАЯ ИНФОРМАТИКА, vol. 13, no. 5(77), pp. 12–19.

APA

Стоянова, О. В., & Бакотин, В. А. (2018). МЕТОДЫ ОБРАБОТКИ ТЕКСТОВ И МАШИННОГО ОБУЧЕНИЯ В HRM-ПРИЛОЖЕНИЯХ: ВОЗМОЖНОСТИ И ОСОБЕННОСТИ. ПРИКЛАДНАЯ ИНФОРМАТИКА, 13(5(77)), 12–19.

Vancouver

Стоянова ОВ, Бакотин ВА. МЕТОДЫ ОБРАБОТКИ ТЕКСТОВ И МАШИННОГО ОБУЧЕНИЯ В HRM-ПРИЛОЖЕНИЯХ: ВОЗМОЖНОСТИ И ОСОБЕННОСТИ. ПРИКЛАДНАЯ ИНФОРМАТИКА. 2018 Oct 30;13(5(77)):12–19.

Author

Стоянова, Ольга Владимировна ; Бакотин, Василий Александрович. / МЕТОДЫ ОБРАБОТКИ ТЕКСТОВ И МАШИННОГО ОБУЧЕНИЯ В HRM-ПРИЛОЖЕНИЯХ: ВОЗМОЖНОСТИ И ОСОБЕННОСТИ. In: ПРИКЛАДНАЯ ИНФОРМАТИКА. 2018 ; Vol. 13, No. 5(77). pp. 12–19.

BibTeX

@article{2e9000d3e2c24ab494cc8db03c8b40ac,
title = "МЕТОДЫ ОБРАБОТКИ ТЕКСТОВ И МАШИННОГО ОБУЧЕНИЯ В HRM-ПРИЛОЖЕНИЯХ: ВОЗМОЖНОСТИ И ОСОБЕННОСТИ",
abstract = "За последние несколько лет задачи управления человеческими ресурсами существенно изменились и продолжают меняться. Ключевыми становятся задачи повышения приверженности сотрудников компании, увеличения привлекательности компании как работодателя, а также обеспечения кадровой информационной безопасности. Для решения всех перечисленных задач необходим анализ больших объемов информации, представленной в частично-структурированном тестовом виде. Эффективность такого анализа может быть повышена за счет применения методов обработки текстов и машинного обучения. В статье представлены результаты анализа особенностей имеющейся информации, недостатков и ограничений часто используемых аналитических методов в контексте задач управления человеческими ресурсами. Представлен пример разработки метода решения задачи оценки соответствия компетенций кандидатов требованиям должностной позиции, использующий алгоритмы анализа текстовых данных и машинного обучения.",
keywords = "text processing, MACHINE LEARNING, HUMAN RESOURCES MANAGEMENT, SEMI-STRUCTURED TEXT DATA, COMPLIANCE ASSESSMENT, CAREER PLANNING, FEEDBACK ANALYSIS, ОБРАБОТКА ТЕКСТОВ, машинное обучение, управление человеческими ресурсами, ЧАСТИЧНО-СТРУКТУРИРОВАННЫЕ ТЕКСТОВЫЕ ДАННЫЕ, ОЦЕНКА СООТВЕТСТВИЯ, ПЛАНИРОВАНИЕ КАРЬЕРЫ, АНАЛИЗ ОБРАТНОЙ СВЯЗИ",
author = "Стоянова, {Ольга Владимировна} and Бакотин, {Василий Александрович}",
year = "2018",
month = oct,
day = "30",
language = "русский",
volume = "13",
pages = "12–19",
journal = "ПРИКЛАДНАЯ ИНФОРМАТИКА",
issn = "1993-8314",
publisher = "СИНЕРГИЯ",
number = "5(77)",

}

RIS

TY - JOUR

T1 - МЕТОДЫ ОБРАБОТКИ ТЕКСТОВ И МАШИННОГО ОБУЧЕНИЯ В HRM-ПРИЛОЖЕНИЯХ: ВОЗМОЖНОСТИ И ОСОБЕННОСТИ

AU - Стоянова, Ольга Владимировна

AU - Бакотин, Василий Александрович

PY - 2018/10/30

Y1 - 2018/10/30

N2 - За последние несколько лет задачи управления человеческими ресурсами существенно изменились и продолжают меняться. Ключевыми становятся задачи повышения приверженности сотрудников компании, увеличения привлекательности компании как работодателя, а также обеспечения кадровой информационной безопасности. Для решения всех перечисленных задач необходим анализ больших объемов информации, представленной в частично-структурированном тестовом виде. Эффективность такого анализа может быть повышена за счет применения методов обработки текстов и машинного обучения. В статье представлены результаты анализа особенностей имеющейся информации, недостатков и ограничений часто используемых аналитических методов в контексте задач управления человеческими ресурсами. Представлен пример разработки метода решения задачи оценки соответствия компетенций кандидатов требованиям должностной позиции, использующий алгоритмы анализа текстовых данных и машинного обучения.

AB - За последние несколько лет задачи управления человеческими ресурсами существенно изменились и продолжают меняться. Ключевыми становятся задачи повышения приверженности сотрудников компании, увеличения привлекательности компании как работодателя, а также обеспечения кадровой информационной безопасности. Для решения всех перечисленных задач необходим анализ больших объемов информации, представленной в частично-структурированном тестовом виде. Эффективность такого анализа может быть повышена за счет применения методов обработки текстов и машинного обучения. В статье представлены результаты анализа особенностей имеющейся информации, недостатков и ограничений часто используемых аналитических методов в контексте задач управления человеческими ресурсами. Представлен пример разработки метода решения задачи оценки соответствия компетенций кандидатов требованиям должностной позиции, использующий алгоритмы анализа текстовых данных и машинного обучения.

KW - text processing

KW - MACHINE LEARNING

KW - HUMAN RESOURCES MANAGEMENT

KW - SEMI-STRUCTURED TEXT DATA

KW - COMPLIANCE ASSESSMENT

KW - CAREER PLANNING

KW - FEEDBACK ANALYSIS

KW - ОБРАБОТКА ТЕКСТОВ

KW - машинное обучение

KW - управление человеческими ресурсами

KW - ЧАСТИЧНО-СТРУКТУРИРОВАННЫЕ ТЕКСТОВЫЕ ДАННЫЕ

KW - ОЦЕНКА СООТВЕТСТВИЯ

KW - ПЛАНИРОВАНИЕ КАРЬЕРЫ

KW - АНАЛИЗ ОБРАТНОЙ СВЯЗИ

UR - https://www.elibrary.ru/item.asp?id=36369553

UR - http://www.appliedinformatics.ru/r/articles/article/index.php?article_id_4=2293

M3 - статья

VL - 13

SP - 12

EP - 19

JO - ПРИКЛАДНАЯ ИНФОРМАТИКА

JF - ПРИКЛАДНАЯ ИНФОРМАТИКА

SN - 1993-8314

IS - 5(77)

ER -

ID: 36350005