Обоснована актуальность проблемы представления и обработки нечетких данных для системы поддержки принятия решения по подбору персонала. Рассмотрены способы лингвистического представления критериев отбора в базе знаний разрабатываемой системы и способы их преобразования к соответствующим числовым значениям. Определён порядок формирования индивидуальной системы оценки претендентов каждым экспертом, и выбран способ локального ранжирования выбранных им критериев. Предложен алгоритм ранжирования совокупного множества критериев на основе учёта их локальных экспертных оценок и частоты использования. Описано правило выбора лучшей альтернативы на основе операции пересечения нечетких множеств, соответствующих нечётким критериям. Разработан механизм получения интегральной оценки для критериев, выбранных более чем одним экспертом. Приведены примеры обработки входной нечёткой информации при использовании одного и нескольких экспертов. В заключении сформулированы функциональные особенности спроектированной системы и возможность её использования в смежных предметных областях.
The problem relevance of data representation and processing for the fuzzy decision support recruitment system is substantiated. The methods of selection criteria linguistic representation in the designed system knowledge base the are considered. The criteria conversion methods to the corresponding numeric values are considered. Procedure for the formation of applicants evaluation individual system by each expert are selected. Local ranking criteria methods are selected. An algorithm for ranking the total set of criteria with regard to their local expertise and the frequency of use is proposed. The rule for choosing the best alternative based on the operation of intersection of fuzzy sets is described. The obtaining integrated assessment method for criteria that selected a few experts, is developed. Examples of processing the input fuzzy information by using one or several experts are submitted. Functional features of the designed system and the possibility of its use in related subject areas stated in conclusion.
1. Бородин А.И. Оценивание инвестиционной привлекательности инновационных проектов на основе нечёткой логики [Текст]/А.И. Бородин, Е.Д. Стрельцова, Е.В. Катков // Прикладная информатика. – 2013. – №46(4). – С.19-25.
2. Бочарников В. П. Fuzzy-технология: Математические основы. Практика моделирования в экономике [Текст]/В. П. Бочарников. – СПб.: Наука РАН, 2012. – 328 с.
3. Зеленцов В.А. Многокритериальный анализ влияния отдельных элементов на работоспособность сложной системы [Текст]/ В.А. Зеленцов, А.Н. Павлов //Информационно-управляющие системы. – 2010. – № 6 (49). – C.7 – 12.
4. Лотов А.В. Многокритериальные задачи принятия решения: Учеб. пособие/ А.В. Лотов., И.И. Поспелова – М: МАКС Пресс, 2008. – 197 с.
5. Погосян К.С. Формирование лингвистических шкал для процедур принятия согласованных групповых решений [Электронный ресурс]: авт. дисс. к.т.н.– http://aspirant.vsu.ru›ref.php?cand=2432 – ссылка на автореферат диссертации.
6. Терехов В. Автоматизированные системы управления процессом подбора персонала. Обзор [Электронный ресурс]/ Терехов В., Пустовалова А. http://magazine.hrm.ru/avtomatizirovannye-sistemy-upravlenija-processom-podbora-personala-obzor – ссылка на статью.-2012.