基于深度学习的职业阶段划分方法与应用研究.pdf

摘要

职业阶段理论是职业生涯发展理论中的一个重要分支，准确识别员工的职业阶段一

方面有助于个人进行职业发展规划，另一方面有助于公司管理层进行人才管理，对企业

分析员工结构具有重要意义。传统的职业阶段划分方法存在许多弊端，包括概括性和低

效性。而在线职业社交平台带来的海量职业大数据以及深度学习技术的迅速发展为本研

究提供了弥补以上缺点的机会。因此，本文提出了一种新颖的基于深度学习的职业阶段

划分方法。这种方法的适用范围足够广泛，同时又具备个性化，可以体现出每个员工的

个体差异化。

为了解决研究问题，本文首先利用大规模在线职业平台上的员工简历数据构建了员

工职业生涯路径数据集，并基于多头自注意力机制和循环神经网络建立了蕴含职业阶段

信息的职业路径表征模型。通过构建下游任务——工作流动性预测对表征模型进行了验

证。接着，本文基于表征模型得到的员工职业路径表征和Fisher最优分割法设计了职业

阶段划分方法，并结合问卷分析与案例分析分别从定量和定性的角度对划分结果进行了

检验。实验结果证明本文方法比传统方法效果更好，并且划分结果与标准结果的一致性

与相似性更高。最后，本文通过机器学习方法证明了职业阶段在离职预测的应用价值，

同时也再次证明了本文设计的方法相较于传统划分方法具备优越性。

本文的创新之处在于从深度学习和大数据的角度出发，为职业阶段的划分设计了一

种新的思路，并且补充了深度学习技术在职业阶段领域内的应用；此外，本文提出的职

业路径表征模型是对传统表征模型的重大改善，本文通过在真实数据集上进行的实验验

证了表征模型的性能；最后，本文的工作补充了职业阶段在离职预测这一主题上的具体

应用，也为离职预测提供了新的思路。

关键词：职业阶段划分；职业路径表征模型；深度学习；职业大数据

Abstract

Careerstagetheoryisanimportantsubfieldofcareerdevelopmenttheory.Accurate

identificationofemployeescareerstagesassistsindividualsinplanningtheircareer

developmentontheonehand,andcompanymanagementinmanagingtalentontheother,and

iscriticaltocompaniesinanalyzingtheiremployeestructure.Thetraditionalmethodofcareer

stageclassificationhasnumerousdrawbacks,includinggeneralizationandinefficiency.The

massivecareerbigdatageneratedbyonlinecareersocialplatforms,aswellastherapid

developmentofdeeplearningtechnology,provideuswiththeopportunitytoaddressthe

aforementioneddisadvantages.Asaresult,thispaperproposesanoveldeeplearning-based

careerstageclassificationmethod.Thismethodhasabroadenoughscopeofapplicationwhile

alsoallowingforpersonalizationtoreflecteachemployeesuniqueness.

Toaddresstheresearchquestion,thispaperfirstconstructedadatasetofemployeescareer

pathsusinglarge-scaleresumedatafromonlinec